[发明专利]一种多变量过程模型辨识准确性评价方法

说明书

本发明涉及一种多变量过程模型辨识准确性评价方法，包括：辨识模型总体准确性的评价子方法，通过计算相对最大误差百分数和相对均方差百分数两个指标来量化辨识模型总体准确程度；辨识模型特征参数准确性的评价子方法，通过计算辨识模型与期望模型的增益比、辨识模型与期望模型的惯性时间比、辨识模型与期望模型的迟延时间比和辨识模型与期望模型的增益积来量化辨识模型参数的准确程度。与现有技术相比，本发明具有物理意义明确、计算容易、辨识准确度高等优点。

技术领域

本发明涉及控制科学与工程学科的建模仿真技术领域，尤其是涉及一种多变量过程模型辨识准确性评价方法。

背景技术

任何系统的控制与优化均离不开系统数学模型。数学模型是揭示系统内部存在规律，用来表征系统的数学表达式。在对实际的控制问题或优化问题进行分析研究时，首先需要建立系统的数学模型，再运用控制理论或优化理论进行分析，进而解决实际问题。所以说数学模型是沟通实际问题与控制理论之间联系的桥梁。数学模型对系统的特征表达越准确，则对系统的控制或优化效果就会越好。

建立数学模型的方法主要有两大类，一是机理建模法，二是系统辨识法。机理建模法是在掌握系统内部规律的基础上，根据力学、电学等定理建立系统输入输出关系。系统辨识法是把系统看成一个“黑箱”，不直接探求系统的内部规律，而是根据测量系统输入输出数据，运用一定的辨识方法来获取系统输入输出关系。当系统内在规律明确，可直接通过机理建模获取系统的数学模型；当对系统内部规律认识不足，或当系统结构较为复杂，影响因素众多，采用系统辨识进行建模更为方便。

随着被控系统的复杂性日益提高，被控系统的模型建立也越来越复杂，特别是在多变量过程控制中，系统的动态环境中影响因素多，都给建模带来一定的难度。建立的数学模型能否反映系统的真实规律，且与真实系统的逼近程度如何，需要按着一定的技术标准进行评价。目前，针对多变量模型的辨识精度尚无公认的评价标准的问题，本发明旨在提供一种科学的过程模型的辨识准确性评价的标准技术方法。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种多变量过程模型辨识准确性评价方法。

本发明的目的可以通过以下技术方案来实现：

一种多变量过程模型辨识准确性评价方法，包括：

辨识模型总体准确性的评价子方法，通过计算相对最大误差百分数和相对均方差百分数两个指标来量化辨识模型总体准确程度；

辨识模型特征参数准确性的评价子方法，通过计算辨识模型与期望模型的增益比、辨识模型与期望模型的惯性时间比、辨识模型与期望模型的迟延时间比和辨识模型与期望模型的增益积来量化辨识模型参数的准确程度。

所述的相对最大误差百分数J1是用来衡量辨识模型的最大瞬态误差的大小，该数值越小，说明辨识模型的最大动态误差越小；

所述的相对均方差百分数J2是用来表征实际过程与辨识模型的总体贴合度，该数值越小，说明两者贴合得越紧密，辨识模型的准确性越高。

所述的相对最大误差百分数J1和相对均方差百分数J2具体计算如下：

相对最大误差百分数：

相对均方差百分数；

式(1)和式(2)中，y_j(k)是被辨识的多变量过程的第j个输出变量的辨识响应的第k次检测值，ym_j(k)是被辨识过程的数学模型在同输入下的第j个输出变量的辨识响应的第k次检测值，其中k＝1、2…N，其中N为检测次数。