[发明专利]一种系统辨识方法和计算机设备

权利要求书

1.一种系统辨识方法，其特征在于，包括：

获取PID控制回路的历史运行数据；所述运行数据包括每一时刻PID控制回路的输入，输出，设定值，开闭环状态；对所述历史运行数据进行预处理，获得预处理后的运行数据；

根据PID控制回路的开闭环状态，对所述预处理后的运行数据进行分割，获得多个开环数据段和多个闭环数据段；

基于开环数据激励段检测策略，根据每一个开环数据段中输入值的变化和输入值变化后引起的输出变化，从每一个开环数据段中筛选出激励数据段；基于闭环数据激励段检测策略，根据每一个闭环数据段中设定值的变化和设定值变化后引起的输出变化，从每一个闭环数据段中筛选出激励数据段；

采用高阶ARX模型对所述激励数据段进行辨识，获得高阶过程模型；

采用MORSM方法对所述高阶过程模型进行降阶处理，获得第一低阶过程模型；

根据阻尼高斯牛顿法和所述第一低阶过程模型求解所述高阶过程模型的渐近负对数似然函数最小化时对应的低阶过程模型，获得第二低阶过程模型，将所述第二低阶过程模型作为PID回路模型；

高阶辨识模型的渐近负对数似然函数为：

其中，m为考虑的频率离散点数；n_s为激励数据段的总数；Φ_u(ω)、Φ_v(ω)分别为输入u(t)、扰动项H(q)e(t)的自谱，Φ_ue(ω)为输入u(t)与白噪声e(t)的互谱，R表示ARX模型的方程误差，即A(q)y(t)-B(q)u(t)的估计方差；是高阶过程模型的频率响应，n表示高阶过程模型的阶数，符号^表示估计值，上标l是要求解的第二低阶过程模型；j表示虚数；

在高阶辨识模型是对单激励数据段的辨识时，渐近负对数似然函数表示为：

所述根据阻尼高斯牛顿法和所述第一低阶过程模型求解高阶过程模型的渐近负对数似然函数最小化时对应的低阶过程模型，获得第二低阶过程模型，包括：

ε(ω)的雅可比矩阵J为：

其中，ε＝[ε(ω₁),…,ε(ω_m)]^T；θ为第一低阶过程模型，下标n_l表示低阶过程模型的阶数；

由于则其中，令ε(ω)的偏导表示为：

其中，

根据J^TJ·Δθ＝-J^Tε和θ^(k+1)＝θ^(k)+α·Δθ，获得第二低阶过程模型；其中α为阻尼因子，初始值θ⁽⁰⁾是第一低阶过程模型。