[发明专利]一种用于工业生产过程控制的参数辨识方法

说明书

本发明提供一种用于工业生产过程控制的参数辨识方法，其可以提高识别结果的准确率，减少计算量和计算耗时，进而降低整个识别过程的资源消耗。其包括：S1通过现有的数据通信与采集技术获取系统控制参数，共获取L组；S2根据步骤S1中获取的L组数据，针对信息向量构建矩阵向量；S3根据步骤S1中获取的L组数据，针对系统的输出，构建输出数据向量矩阵；S4根据步骤S2中构建的矩阵向量，构建信息向量的向量矩阵；S5选择步长；S6利用传统梯度迭代法得到参数向量估计；S7通过Aitken加速方法计算参数估计向量中的每一个元素，得到新的参数向量估计；S8比较相邻的参数向量估计，当二者的差的绝对值小于预先设置的阈值时，则获得系统控制参数的参数估计。

技术领域

本发明涉及参数辨识技术领域，具体为一种用于工业生产过程控制的参数辨识方法。

背景技术

现代的工业生产过程，如化工装置、锅炉设备、核反应堆、无人驾驶设备生产等工业生产过程是由很多复杂装置、系统结合在一起完成的，这些复杂装置构成了工业生产的复杂的过程模型。实现生产中，为了控制生产质量，必须对这些复杂的过程进行精准控制和未来状态进行预测。能够进行精准控制过程和预测的前提条件，是这些复杂过程的模型参数必须已知。因此参数辨识已成为工业过程控制领域的研究重点。现有技术中，传统的针对工业过程的建模方法是通过梯度迭代方法(Standard Gradient Descent,SGD)进行参数辨识；然而，该方法存在如下问题：

(1)每一步需要计算步长，而复杂工业过程模型参数维数都是较多的，较多的参数维数会导致计算步长时产生很大的计算量，进而导致整个生产过程资源消耗过大；

(2)步长必须要满足一定的范围，如超出这个范围，则算法就会发散，导致无法得到准确的识别结果；

(3)算法的收敛速度较慢，即只能达到线性收敛，导致计算时间过长，进而导致整个生产控制过程资源消耗过大。

发明内容

为了解决现有技术中的工业系统控制的参数辨识方法中对步长的范围有限制，导致识别结果准确率不高，对步长的计算量大、算法本身收敛速度慢，进而导致参数辨识过程消耗资源过大的问题，本发明提供一种用于工业生产过程控制的参数辨识方法，其可以提高识别结果的准确率，减少计算量和计算耗时，进而降低整个识别过程的资源消耗。

本发明的技术方案是这样的：一种用于工业生产过程控制的参数辨识方法，其包括以下步骤：

S1：通过现有的数据通信与采集技术获取系统控制参数，共获取L组；

u(1)，L,u(L),y(1),L,y(L)

其中：u(t)是系统的输入，y(t)是系统的输出；

其特征在于，其还包括下面的步骤：

S2：根据步骤S1中获取的L组数据，针对信息向量构建为向量：

S3：根据步骤S1中获取的L组数据，针对系统的输出y(t)，构建输出数据向量矩阵:

Y(L)＝[y(1),L,y(L)]^T；

S4：根据步骤S2中构建的向量，构建所述信息向量的向量矩阵：

S5：选择步长α_k，其中：α_k0；

S6：利用传统梯度迭代法得到参数向量估计

S7：通过Aitken加速方法计算参数估计向量中的每一个元素，得到新的参数向量估计

S8：比较和如果则获得参数估计

否则使k增加1，并重复步骤S6～S8，