基于最優(yōu)邊界劃分的非線性系統(tǒng)多模型辨識方法.pdf

1、隨著工業(yè)過程的日益復(fù)雜，控制系統(tǒng)往往具有多變量、非線性、工況范圍廣等特點。為提升復(fù)雜動態(tài)系統(tǒng)的控制性能，基于多模型的非線性系統(tǒng)辨識與控制方法愈發(fā)受到關(guān)注。本文面向非線性動態(tài)系統(tǒng)，分別提出了在單維調(diào)度變量及多維調(diào)度變量情況下基于最優(yōu)邊界劃分的辨識方法，通過調(diào)節(jié)子模型邊界參數(shù)優(yōu)化多模型輸出誤差，突出了樣本點與子模型之間的對應(yīng)關(guān)系，并從模型精度和控制性能兩方面說明該辨識模型的優(yōu)點。本文的主要貢獻如下:
　　1)對于多模型的調(diào)度變量為一維

2、的情況，提出一種使輸出誤差最小的最優(yōu)邊界劃分辨識方法。該方法使用基于局部模型參數(shù)向量的聚類方法初始化劃分?jǐn)?shù)據(jù)集，充分考慮了多模型中子模型邊界對模型精度帶來的影響，在精準(zhǔn)劃分?jǐn)?shù)據(jù)的基礎(chǔ)上辨識子模型參數(shù)。通過與一般的聚類方法和基于工作點線性化的模型相對比，在同樣的調(diào)度變量下，該方法有效地提升了模型精度。
　　2)對于調(diào)度變量為多維的情況，基于Softmax分類方法，提出一種使輸出誤差最小的最優(yōu)邊界劃分辨識方法。該方法解決了多維調(diào)度變量