《系统辨识在热工过程中的应用.doc》由会员分享，可在线阅读，更多相关《系统辨识在热工过程中的应用.doc（8页珍藏版）》请在金锄头文库上搜索。
1、目前,在热工控制领域,系统辨识的应用不多,很多控制器的参数都是根据运行人员的经验确定的,缺少精确的被控对象的数学模型作为理论依据。热工过程系统辨识的常用方法主要有时域法、频域法和统计法。它们对输入信号的要求比较高,同时又有较大缺点辨识精度不高,抗干扰能力差,并且只适用于线性系统的辨识。本文所述采用进行系统辨识的方法,对输入信号的要求不高,同时能够保证一定辨识精度。并且引人神经网络方法,能够实现对非线性系统的辨识。系统辨识的一般步骤及其实现瑞典著名学者给出系统辨识的定义“辨识有三个要素,即数据、模型类型和准则,辨识就是按照一个准则在一组模型类中选择一个与数据拟合最好的模型。”系统辨识的内容和步骤
2、,包括以下几个方面。试验设计和数据采集包括输人信号幅度、频率等、采样时间、辨识时间、开环或闭环辨识、离线或在线辨识等。此步骤的目的在于使采集到的数据序列尽可能多地包含过程特性的内在信息。数据预处理输人输出数据通常含有直流成分、低频或高频成分这些对辨识的精度都是不利的因此一般都要对数据进行零均值化和滤波的预处理,来提高辨识的精度。中数据预处理的函数包括一消除趋势项零均值化记一对数据进行滤波记一对数据进行重新采样。模型结构辨识包括对模型类和模型结构参数的确定两部分内容。模型类的确定主要根据先验知识对过程的特性进行一定程度的假设,明确所要建立的模型是静态的还是动态的、是连续的还是离散的、是线性的还是
3、非线性的、是参数模型还是非参数模型等。系统辨识工具箱中支持的模型类主要有非参数模型类中的脉冲响应模型参数模型中的模型、模型、模型和状态空间模型等。模型结构参数的确定就是在假定模型结构的前提下,利用辨识的方法确定模型结构参数。系统辨识工具箱中提供的模型结构选择函数有一计算多个模型结构的损失函数一计算多个输出误差模型结构的损失函数一选择模型结构一生成一系列模型结构。模型参数辨识在模型结构确定以后,就可以进行模型参数的辨识中对模型进行参数辨识的方法主要包括最小二乘法、误差预测估计法、辅助变量法、几何网络法等、对应不同模型类,系统辨识工具箱提供的函数有对非参数模型的辨识一估计一时间序列的协方差函数,一
4、采用相关分析方法估计对象的脉冲响应和方差函数,一直接采用分析估计对象的频域谱和传递函数,一采用谱分析技术估计对象的频谱和传递函数对参数模型的辨识一模型辨识,一模型辨识,一模型辨识,一一模型辨识,盯一估计多变量正则状态空间模型,一采用辅助变量法辨识模型,一采用辅助变量法辨识模型,一采用步辅助变量法估计模型,一估计输出误差模型,一采用子空间方法估计状态空间模型,一估计一般的线性模型。系统辨识工具箱还提供了各种参数模型的递推辨识函数。这种方法不仅能减少内存用量,而且能实现在线实时辨识。模型检验模型检验是系统辨识不可缺少的步骤之一,模型是否可靠需要经过多方面的检验,通常包括利用在不同时间区间采集的数据
5、,分别建立模型,如果各个模型的特征基本相同,则说明辨识结果可靠利用两组不同的数据分别得到辨识模型,并分别计算它们的损失函数,然后将两组数据交叉使用,再计算各自的损失函数,如果对应的损失函数没有明显的变化,则模型可靠增加辨识中使用的数据长度,如果损失函数不再显著下降,则模型可靠检验模型一与过程输出残差的序列的白色性,如果残差序列。可以视作零均值的自色噪声序列,则模型可靠。中用于模型仿真检验的函数有一将模型的预测输出与对象实际输出进行比较,记一进行模型仿真计算,一计算预测误差,一预测未来输出,一生成输人信号,一计算和检验模型的残差。交互式图形界面除了以各种命令形式调用功能函数外,还提供了一个交互式
6、的图形界面工具它能实现系统辨识丁具箱中绝大多数功能,并且操作简便直观。在命令窗口键人命令,即可启动该图形界面。神经网络在非线性系统辨识中的应用及其实现神经网络对非线性系统的辨识具有较大优势近年来,基于神经网络的系统辨识方法越来越多地受到重视,尤其在应用神经网络对非线性系统进行辨识方面。神经网络具有大规模并行性、容错性、本质的非线性及自组织、自学习、自适应能力,已经成功地应用到许多领域。对控制领域来讲,神经网络的处理非线性系统的能力是最重要的因为至今尚无系统的、普遍可适用的理论来指导非线性系统的设计。而神经网络可以表示非线性映射,因此可以用来建立非线性系统的模型。基于神经网络的系统辨识及其实现本身自带有神经网络工具箱,能广泛应用于多种场合。但它只是一个一般意义上的工具箱。缺乏对系统辨识的针对性,应用起来较为复杂。幸运的是,丹麦技术大学开发了一套基于神经网络,专门针对系统辨识的工具箱。它能辨识非线性系统的参数,并且具有大量的基于神经网络的非线性系统模型结构,以及有效的学习方法和验证模型结构的得力工具,使应用人进行非线性系统辨识的工作变得简单实用。模型结构工具箱基于多层前馈神经网络
