[发明专利]工业时滞响应过程的采样抗扰辨识建模方法

说明书

一种工业时滞响应过程的采样抗扰辨识建模方法，其利用便于工业过程实现的伪随机二进制脉冲序列、方波或梯形波等持续激励信号，激励待辨识系统，首先，根据待辨识系统的动态响应特性估计延迟时间范围、拟合模型结构和阶次；其次设计辨识实验方案，确定辨识实验的开环或闭环运行形式、激励信号的幅值与采样时间、以及采样数据长度等；然后，根据采样数据，应用所提出的基于双遗忘因子辨识算法消除非随机性负载干扰的影响，实现对带有整数型时滞参数的系统传递函数模型参数的无偏估计，从而为工业时滞响应过程提供一种便捷可靠的抗扰辨识建模技术。

技术领域

本发明属于工业过程建模技术领域，涉及到应用于控制系统设计的传递函数模型，是一种能抗干扰的采样系统辨识建模技术。本发明利用便于工业过程实施的伪随机二进制脉冲序列、方波或梯形波等持续激励信号，激励待辨识系统，根据采样数据，估计系统传递函数模型参数以及整数型时滞参数。本发明为工业时滞响应过程提供一种抗扰辨识建模技术。

背景技术

对工业时滞响应过程进行辨识建模时，常受到随机噪声和负载扰动的影响。未知扰动存在于整个辨识实验过程中，会污染采样输出响应数据。如果不能有效地消除扰动的影响，会引起较大的辨识偏差，不利于对系统输出的预测，也不利于后续的控制器设计。对于含有随机噪声和负载干扰的传递函数模型，采用标准最小二乘算法进行参数辨识时，负载扰动会引起较大的辨识偏差。对于采样系统而言，时间延迟是整数，然而模型参数属于实数，若同时辨识时滞参数和模型参数会涉及到混合整数优化问题。如果时滞参数估计不准确，输入输出信号就无法相对应，会引起较大的估计误差。现有的辨识算法对于存在负载干扰的传递函数模型很难给出精准的时滞估计。国内外很少有文献和专利介绍能推广使用的有关工业时滞响应过程的采样传递函数模型抗扰辨识方法，如国际系统辨识建模专家P.C.Young在近期文献“Refined instrumental variable estimation:Maximumlikelihood optimization of a unified Box–Jenkins model,”(简译：基于最优辅助变量估计的统一Box–Jenkins模型的最大似然优化，发表在控制理论领域国际顶级刊物Automatica,2015,35,35-46.)中指出，只有消除非高斯白噪声的不利影响才能实现模型参数的一致估计。该文针对无时滞响应系统受有色噪声干扰的情况，给出了一种有效地辨识Box–Jenkins模型的算法，但是此算法要求有色噪声须是白噪声激励，且未考虑工业应用过程中普遍存在的时滞响应的影响。国际非线性系统辨识建模专家E.W.Bai在其发表论文“Bounded-error parameter estimation:Noise models and recursive algorithms”(简译：基于递推算法的噪声干扰模型有界误差参数估计，发表在控制理论领域国际顶级刊物,Automatica,1996,32(7),985-999.)中针对含有未知但扰动有界的回归模型，提出了一种鲁棒递推最小二乘估计算法。但不能用于估计时滞参数，并且要求扰动的均值要在零附近，否则将会引起较大的辨识偏差。针对非静态扰动系统，S.Karra和M.N.Karim,在其文献“Alternative model structure with simplistic noise model to identify lineartime invariant systems subjected to non-stationary disturbances”(简译：具有最简噪声模型的可选模型结构辨识受非静态扰动干扰的线性时不变系统，发表在工业过程控制论领域国际著名刊物,Journal of Process Control,2009,19,964-977)针对受控自回归滑动平均模型，基于变遗忘因子采用分离估计思想提出了一种有效的偏差消除算法，但缺点是不能应用于辨识系统输出误差模型，并且当扰动变化率比较大时，所采用的输入输出相关函数法难以有效地估计整数型时滞，会造成较大的模型参数估计偏差。