[发明专利]一种基于输入平滑的特征模型参数辨识方法

摘要

一种基于输入平滑的特征模型参数辨识方法，首先获取被控系统对象的特征模型，并根据被控系统对象的输入、输出构建中间变量、未知系数变量，然后使用辨识算法辨识未知系数变量得到辨识值，再对辨识值使用投影算法进行修正，得到修正后的辨识值作为下一周期的未知系数变量，最后根据未知系数变量计算得到中间控制量，进而得到下一周期被控系统对象的输入，完成当前周期的特征参数辨识。本发明方法通过对控制输入进行平滑设计来限制控制量的变化，并进一步限制特征模型参数的变化率，实现了特征模型参数辨识，同时，涵盖了目前常用的2阶特征模型、1阶特征模型，具有较好的通用性与应用前景。

主权项

1.一种基于输入平滑的特征模型参数辨识方法，其特征在于包括如下步骤：(1)获取被控系统对象的n阶特征模型为y(k+1)＝f1(k)y(k)+f2(k)y(k‑1)+...+fn(k)y(k‑n+1)+g0(k)u(k)+g1(k)u(k‑1)+...+gm(k)u(k‑m)其中，u(k)为被控系统对象在第k周期的输入，y(k)为被控系统对象在第k周期的输出，k表示控制周期，为不小于0的整数，初值为0，y(k)＝0,k≤0，u(k)＝0,k≤0，n的取值为1或2，n>m，m为整数，fi(k),gj(k)为未知系数，i＝1,…,n，j＝0,…,m；(2)根据被控系统对象的输入、输出构建n+m+1维的中间变量为其中，的初值为构建n+m+1维的未知系数变量θ(k)为θ(k)＝[f1(k) … fn(k) g0(k) … gm(k)]T其中，当被控系统对象的n阶特征模型为1阶时，y(k+1)＝f1(k)y(k)+g0(k)u(k)，f1(0)∈[0.2,0.99]，g0(0)∈[0.003,1]，Ω＝{f1(k)，g0(k)|f1(k)∈[0.2,0.99]，g0(k)∈[0.003,1]}，n＝1，m＝0；当被控系统对象的n阶特征模型为2阶时，n＝2，m＝0，g0(0)∈[0.003,0.3]，f1(0)+f2(0)∈[0.9196,0.9999]，f1(0)∈[1.4331,1.9974]，f2(0)∈[‑0.9999,‑0.5134]，y(k+1)＝f1(k)y(k)+f2(k)y(k‑1)+g0(k)u(k)，(3)使用辨识算法辨识θ(k)得到n+m+1维的辨识值为其中，表示未知系数变量θ(k)中各个系数f_i(k+1),g_j(k+1),i＝1,…,n，j＝0,…,m的辨识值，然后对辨识值使用投影算法进行修正，得到修正后的作为第k+1周期的未知系数变量θ(k+1)；(4)当n＝2时，计算中间控制量u'(k+1)为p1*uL(k+1)+p2*uG(k+1)+p3*uL(k+1)+p4*uG(k+1)+p5*u0(k+1)+p6*uI(k+1)+p7*uD(k+1)其中，p1、p2、p3、p4中任1个为1，其余3个为0，p5、p6、p7中至少1个为1，其余为0或者为1，yR(k),k≥1为被控系统对象的跟踪目标在第k周期的运动轨迹，当k≤0时，yR(k)＝0，e(k+1)＝y(k+1)‑yR(k+1)，00，l1+l2＝1，cD>0,lD>0，uI(k+1)＝uI(k)‑kIe(k+1),uI(0)＝0uD(k+1)＝‑kD(e(k+1)‑e(k))或者当n＝1时，计算中间控制量u'(k+1)为其中，p'2、p'3、p'4的取值为1或0，(5)根据步骤(4)得到的中间控制量u'(k+1)与u(k)进行平滑处理，加权平均得到u(k+1)＝λ1u'(k+1)+(1‑λ1)u(k),0<λ1<1其中，u(0)＝0；(6)将步骤(5)得到的u(k+1)送至被控系统对象的输入端，完成第k+1周期的特征参数辨识，k＝k+1，重复步骤(2)‑步骤(5)直至完成全部周期的特征参数辨识。