線性參數(shù)變化系統(tǒng)辨識(shí)方法研究.pdf

1、過程建模是眾多基于模型的先進(jìn)控制和優(yōu)化策略設(shè)計(jì)與實(shí)現(xiàn)的前提條件。過程不斷增長(zhǎng)的規(guī)模和復(fù)雜度使得建立工業(yè)過程的機(jī)理模型變的非常困難，甚至成為不可實(shí)現(xiàn)的任務(wù)。由于過程數(shù)據(jù)中包含了過程動(dòng)態(tài)的豐富信息，基于過程數(shù)據(jù)辨識(shí)得到過程的數(shù)學(xué)模型已經(jīng)成為復(fù)雜工業(yè)過程建模的主要手段。
　　大部分實(shí)際的工業(yè)過程呈現(xiàn)復(fù)雜的非線性/參數(shù)變化特性，傳統(tǒng)的線性模型無(wú)法描述過程的全局動(dòng)態(tài)行為。線性參數(shù)變化系統(tǒng)的模型類以其線性結(jié)構(gòu)和具有精確逼近復(fù)雜非線性/時(shí)變過程

2、的能力得到了研究人員的廣泛關(guān)注。目前，線性參數(shù)變化系統(tǒng)控制理論及其工業(yè)應(yīng)用相關(guān)研究得到很大發(fā)展，然而線性參數(shù)變化系統(tǒng)辨識(shí)方法的研究成果卻十分有限。諸如系統(tǒng)參數(shù)變化時(shí)滯、不確定量測(cè)時(shí)滯、不規(guī)則采樣數(shù)據(jù)或多率數(shù)據(jù)、數(shù)據(jù)丟失、魯棒參數(shù)估計(jì)等在實(shí)際工業(yè)過程中普遍存在的問題在線性參數(shù)變化系統(tǒng)辨識(shí)研究中還沒有得到充分考慮。因此，本論文在考慮這些實(shí)際工業(yè)問題的前提下研究基于數(shù)據(jù)的線性參數(shù)變化系統(tǒng)辨識(shí)方法，具有重要的理論和實(shí)際意義。本論文的主要研究?jī)?nèi)容

3、可以概括如下：
　　研究了線性參數(shù)變化時(shí)滯系統(tǒng)的辨識(shí)問題。根據(jù)局部辨識(shí)思想，通過加權(quán)組合多個(gè)局部線性模型來構(gòu)造系統(tǒng)的全局線性參數(shù)變化模型。首先考慮了系統(tǒng)具有參數(shù)變化時(shí)滯的情況，基于極大似然準(zhǔn)則和期望最大化算法，提出了同時(shí)估計(jì)模型參數(shù)和參數(shù)變化時(shí)滯的遞推辨識(shí)算法。接著，基于所有局部模型共有一個(gè)時(shí)滯參數(shù)的先驗(yàn)信息，進(jìn)一步提出了具有定常時(shí)滯的線性參數(shù)變化系統(tǒng)模型參數(shù)遞推辨識(shí)算法。
　　研究了量測(cè)缺失下線性參數(shù)變化系統(tǒng)的辨識(shí)問題。采

4、用輸出插值策略組合多個(gè)局部線性模型來構(gòu)造系統(tǒng)的全局線性參數(shù)變化模型。為了處理量測(cè)缺失問題，首先采用有限脈沖響應(yīng)模型來描述系統(tǒng)的局部動(dòng)態(tài)，利用先驗(yàn)信息構(gòu)造了全局模型參數(shù)的先驗(yàn)分布，基于極大后驗(yàn)準(zhǔn)則和廣義期望最大化算法，提出了輸出插值的線性參數(shù)變化有限脈沖響應(yīng)模型參數(shù)遞推辨識(shí)算法；基于辨識(shí)得到的有限脈沖響應(yīng)模型，又進(jìn)一步提出了輸出插值的線性參數(shù)變化輸出誤差模型參數(shù)遞推辨識(shí)算法。
　　研究了具有不確定量測(cè)時(shí)滯的線性參數(shù)變化多率系統(tǒng)的辨識(shí)

5、問題。基于局部辨識(shí)思想和期望最大化及其廣義算法，同時(shí)考慮系統(tǒng)的參數(shù)變化特性和不確定量測(cè)時(shí)滯問題，分別提出了基于多率數(shù)據(jù)直接辨識(shí)快采樣率線性參數(shù)變化有限脈沖響應(yīng)模型參數(shù)和線性參數(shù)變化輸出誤差模型參數(shù)的遞推辨識(shí)算法。
　　研究了量測(cè)缺失下線性參數(shù)變化時(shí)滯系統(tǒng)的辨識(shí)問題。系統(tǒng)模型參數(shù)表達(dá)為調(diào)度變量當(dāng)前時(shí)刻取值的多項(xiàng)式函數(shù)?；跇O大似然準(zhǔn)則和廣義期望最大化算法，提出了基于不完整數(shù)據(jù)集同時(shí)估計(jì)線性參數(shù)變化模型參數(shù)多項(xiàng)式函數(shù)系數(shù)和時(shí)滯參數(shù)的遞

6、推辨識(shí)算法。通過使用輔助變量將線性參數(shù)變化模型寫成了線性回歸形式，從而避免了在辨識(shí)中處理后移算子與調(diào)度變量依賴項(xiàng)乘積的不可交換性和非線性數(shù)值優(yōu)化問題，簡(jiǎn)化了辨識(shí)算法。
　　研究了線性參數(shù)變化系統(tǒng)的魯棒辨識(shí)問題。為了處理數(shù)據(jù)中的異常點(diǎn)，利用學(xué)生氏t-分布構(gòu)造一個(gè)魯棒系統(tǒng)模型?；跇O大似然準(zhǔn)則，提出了同時(shí)估計(jì)線性參數(shù)變化模型參數(shù)多項(xiàng)式函數(shù)系數(shù)、尺度參數(shù)和自由度參數(shù)的魯棒遞推辨識(shí)算法。在算法中，模型參數(shù)通過對(duì)一個(gè)加權(quán)的均方誤差準(zhǔn)則函數(shù)進(jìn)