基于多模型方法的工业过程辨识研究

基于多模型方法的工业过程辨识研究

ID:10984388

大小:54.50 KB

页数:4页

时间:2018-07-09

基于多模型方法的工业过程辨识研究_第1页
基于多模型方法的工业过程辨识研究_第2页
基于多模型方法的工业过程辨识研究_第3页
基于多模型方法的工业过程辨识研究_第4页
资源描述:

《基于多模型方法的工业过程辨识研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于多模型方法的工业过程辨识研究第一章绪论1.1问题提出与研究意义随着生产过程的强化和生产规模的扩大,对于产品质量的要求也逐渐提高,因此人工操作已经不能满足现代的生产要求,各种综合的自动化技术成为了工业过程的必备元素。现代化工业过程需要的过程控制和过程优化等大多是以模型为基础,模型的精度越高、越能够接近真实系统,则控制器的设计及优化效果越好,因而针对工业过程的辨识研究有着重要的理论意义和实际价值,也受到了越来越多的关注[2–7]。由于资源短缺、环境污染以及世界范围的激烈竞争,现有的工业过程

2、使得企业不得不在更加严格的规则下进行生产。为了提高生产的质量、安全性,同时响应国家的节能减排号召,计算机自动化系统在工业过程中占据越来越重要的位置。现代自动化系统的层次结构至下向上依次为:仪表和常规控制、先进过程控制、诊断和监控、实时优化、计划和调度等。各个层次互相补充、协同工作,使得企业能够快速应对各种变化。过程辨识在现代过程自动化系统中起着重要的作用:在仪表和常规控制中,基于模型的PID调节可以提高控制调解的效率,改善常规控制的控制器性能;在先进过程控制中,基于模型的控制技术(如模型预测控制)的发

3、展使得模型起到了关键的作用;在诊断和监控中,基于模型的诊断方法能够减少冗余设备的费用,是当前研究的趋势;在优化中,辨识出的模型可以具有动态特性,更适合用于优化问题[8]。早期的工业过程相对简单,集成自动化程度不高,通过给定相应合理的假设,可以将整个过程简化理解。根据已知的过程信息和基本原理知识,通过理论化的方法分析工业过程的动态特性而获取的过程模型称为机理模型[9,10]。机理模型是通过分析法或演绎法从理论上导出的系统数学模型。机理模型能够最大程度的表达过程特性,但是其形式复杂,不能够将其直接应用于实

4、际工业过程的控制和优化等。现今随着工业过程的发展,获取完整过程的动态特性还存在一定的困难,即使已有相关基本原理的先验知识,也难以通过理论方法对复杂的实际工业过程分析获取其模型。1.2多模型方法综述1969年首次提出了多模型方法的思想,该方法将多个模型相加,使得获取的全局模型的鲁棒性和预测精度得到提高[24],适用于处理变参数线性系统或非线性系统,已在参数估计、系统控制等领域获得了广泛的研究和应用[25,26]。多模型方法的基本思想是把一个非线性系统在不同工作点进行局部线性化,在每个工作点附近建立局部线

5、性模型;然后用不同的合成法则将所有的局部线性模型组合,进而逼近原非线性系统。目前多模型方法已在医学、航空和过程控制等领域大量应用,并逐渐形成一系列的系统的理论体系[27,28]。多模型方法易于理解,并且简单、有效,使得对该方法的研究引起了越来越多学者的关注。应用多模型方法解决复杂的系统辨识问题具有充足的合理性:首先对于整体系统来说,获取局部特征的变化要比获取全局特征的变化容易,辨识局部模型要易于直接辨识全局模型;其次局部模型较为容易理解,也易于描述,能够将获取的各种信息融入模型中;相比较于现有的非线性

6、系统辨识方法,多模型方法计算的复杂程度也大为下降。基于多模型方法的系统辨识的核心问题主要为问题的分解和解的合成,具体可以概括如下:(1)选取分解准则:依据研究对象的特性,选择适合的分解准则,如在系统中选择能够表达系统工况的工作点变量,根据工作点变量的变化将系统划分为多个区间;(2)确定局部模型结构:由于工况区间的不同,在每个区间内的子系统具有各自的独特性,根据每个工况区间的特性选择适合的局部模型结构,如时间序列模型(自回归模型、滑动平均模型、自回归滑动平均模型等)、状态空间模型等。第二章含有时间延迟的

7、线性系统辨识2.1引言传统的线性系统通常在每个采样点的输入输出数据都可以测量得到,这类系统的输入与输出有相同的采样频率。然而在实际工业过程中,由于硬件条件等的限制使得系统中的某些变量只有部分可测,因而导致数据遗失而出现不同的数据采样频率。输入输出数据采样频率不同的系统是一类特殊的线性系统,在工业过程较为常见,对于这类系统的辨识问题也是工业过程辨识的一个主要的分支。工业过程中常由于传感器采样值与实验室分析值之间的速率差异而导致输入输出数据的缺失,并且常伴有时间延迟等问题[43,117]。本章针对含有时间

8、延迟且有不同数据采样频率的线性系统,讨论了其参数估计问题。系统的慢速率模型通过离散化技术推导,系统的参数和状态被同时估计。采用了基于比传统方法计算负荷低的状态增广策略的卡尔曼滤波方法来估计有时间延迟系统的状态,随机梯度(StochasticGradient,SG)算法或者递推最小二乘(RecursiveLeastSquare,RLS)算法用来估计参数。..2.2问题描述给定系统2.3.2的可观规范型,等同于原始的含有最少参数的可控可观系统。基于可测量的输

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。