[发明专利]一种用于网络大规模控制系统的多方向方法

说明书

本发明公开了一种用于网络大规模控制系统的多方向方法，包括采集系统控制数据构建源方向向量；根据所述源方向向量，利用斯密特正交化方法获取多个正交方向；利用所述多个正交方向计算对应步长；结合所述多个正交方向和步长更新系统参数。本发明方法可以避免求解导函数方程的解；转换高阶矩阵求逆为低阶矩阵求逆，进而降低整个辨识过程的资源消耗；速度可以自适应调整，方向数越多，速度越快，方向数为1时等价于梯度算法，方向数和参数维数相等时，等价于最小二乘算法。

技术领域

本发明涉及参数辨识的技术领域，尤其涉及一种用于网络大规模控制系统的多方向方法。

背景技术

随着物联网技术的高速发展，工业控制系统之间通过传感器采集信号，由网络传递信号，实现相互联系，相互通信，控制系统规模越来越大，需要用高阶的系统来描述其动态过程。传统的辨识算法如最小二乘方法(Least Squares,LS)以及梯度方法(GradientIterative,GI)针对大规模系统的参数辨识，其中最小二乘算法应用在大规模系统的参数辨识时，需要计算高阶矩阵的逆，导致计算量很大，影响辨识效率；最小二乘算法更新系统参数时，需要假设代价函数的导函数方程存在解析解，这个很强的假设条件限制了最小二乘算法的使用范围；梯度算法其每次更新参数时只使用一个方向，且相连的两个方向是正交的，因此其收敛速度非常慢。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有更新系统参数存在的问题，提出了本发明。

因此，本发明解决的技术问题是：传统最小二乘算法应用在大规模系统的参数辨识时，需要计算高阶矩阵的逆，导致计算量很大，影响辨识效率并且最小二乘算法更新系统参数时，需要假设代价函数的导函数方程存在解析解，这个很强的假设条件限制了最小二乘算法的使用范围；另一方面梯度算法每次更新参数时只使用一个方向，且相连的两个方向是正交的，因此其收敛速度非常慢。

为解决上述技术问题，本发明提供如下技术方案：采集系统控制数据构建源方向向量；根据所述源方向向量，利用斯密特正交化方法获取多个正交方向；利用所述多个正交方向计算对应步长；结合所述多个正交方向和步长更新系统参数。

作为本发明所述的用于网络大规模控制系统的多方向方法的一种优选方案，其中：所述构建源方向向量包括，所述采集到的系统控制数据为L组，利用信息向量矩阵以及数据向量矩阵，构建初始误差构建源方向向量，具体表示为：

将其标准化可得：

其中：为第m次迭代的初始原向量，v_m(1)为的单位向量，为第m次参数估计值，Y(L)为L组系统的输出，Φ(L)为信息向量矩阵。

作为本发明所述的用于网络大规模控制系统的多方向方法的一种优选方案，其中：所述信息向量矩阵包括，设定信息向量为φ(t)，对于L组数据，将向量构建为则所述信息向量φ(t)的向量矩阵为：

其中：T为矩阵的转秩。

作为本发明所述的用于网络大规模控制系统的多方向方法的一种优选方案，其中：所述数据向量矩阵包括，L组数据中，系统控制的输入和输出分别为：u(1),…,u(L)和y(1)，…，y(L)，给定正整数k，满足1≤kn，以及初始参数向量其构建的数据向量为：

Y(L)＝[y(1)，…,y(L)]^T