论文部分内容阅读
系统辨识是高性能自动化技术(如模型预测控制)中的重要内容。随着人们生活水平和工业生产水平的提高,人们对工业产品质量的要求越来越高,生产工艺对自动化技术的依赖程度也随之提高,控制理论研究水平也上升到了一定高度。但这些新技术迟迟没有在过程工业中得到广泛的应用,其中的一个原因是缺乏准确描述工业过程的动态模型,另一个原因就是理论研究与实际应用之间的鸿沟。系统辨识技术作为自动控制领域的一个重要分支,它的理论研究已经得到了飞速的发展。但是,它在过程工业中的应用性问题还有待研究。针对实际过程的模型应用问题,本文的研究工作主要包括以下几部分:1.讨论有限脉冲响应(FIR)模型辨识算法及其算法性质。2.针对系统受到扰动时,FIR模型辨识的结果将存在有很多“毛刺”的情况,讨论在准则函数中添加惩罚项的平滑处理。3.针对FIR模型辨识算法的运算精度和效率问题,讨论运用QR分解将求逆运算转化为广义逆运算,提高运算速率,避免算法中矩阵出现病态。4.针对FIR模型辨识的测量数据存在异常值的情况,给出了两种异常处理方法,分别为线性插值法和分段辨识法。文中进一步分析了两种方法的应用策略,根据经验给出了它们使用时的指导规则。仿真结果表明两种异常处理方法的有效性。5.针对时滞参数估计的难题,提出了基于FIR模型辨识的多变量时滞参数估计方法,分为FIR模型辨识的应用、阈值的选取和时滞参数估计三个步骤。文中给出了两种阈值的选取方案,结合两种选取方案的仿真结果证明了该时滞参数估计方法的有效性。6.针对系统辨识的模型检验模块,提出了FIR模型辨识算法的应用性检验。结合概率论知识,给出了估计模型的不确定域,并进行不同的等级划分,根据实际需求选择使用不同等级内的估计模型。文中还进行了FIR模型辨识过程中的辨识数据长度分析、干扰分析、操纵变量的相关性分析和系统的噪信比分析,进一步完善了FIR模型检验问题,为FIR估计模型的应用做好充足准备。7.针对FIR模型辨识的工程应用问题,在C#环境下实现了FIR模型辨识算法及其异常处理方法的软件平台。软件实现了数据采集模型、友好的人机界面设计和强大的图形操作模块等,为理论与应用之间架起了一座桥梁。