噪声干扰下块结构模型辨识方法研究-硕士论文

《噪声干扰下块结构模型辨识方法研究-硕士论文》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、硕士学位论文SHANGHAIUNIVERSITYMASTERSDISSERTATION题目噪声干扰下块结构模型辨识方法研究作者学科专业控制理论与控制工程导师完成日期上海大学本论文经答辩委员会全体委员审查，确认符合上海大学硕士学位论文质量要求。答辩委员会签名:主任：委员：导师:答辩日期:上海大学工学硕士学位论文噪声干扰下块结构模型辨识方法研究姓名：导师：教授学科专业：控制理论与控制工程上海大学机电工程与自动化学院年月摘要块结构模型是一类具有特定结构的非线性模型，由静态非线性环节和动态线性环节串联而成，可以描述一大类非线

2、性过程，具有传统非线性模型不可比拟优越性，同时可以和先进控制算法结合，在保证控制系统有效前提下简化控制器求解，把非线性控制问题简化为线性模型预测控制问题。但考虑到实际复杂工业过程中相互作用关系多、干扰普遍存在，对含噪声干扰的块结构模型研究显得更具理论价值和实际意义。木文从噪声信号无法测量的角度出发，在综述了块结构模型相关理论和研究方法的基础上，采用相关分析法、辅助模型多新息随机梯度法、辅助模型递推最小二乘法等方法来辨识含噪声干扰块结构模型，有效补偿噪声信号干扰，提高了各串联模块参数辨识精度。本文主要研究成果如下：1、

3、总结和回顾了块结构模型辨识方法。同时为了更符合实际工业生产环境需求，对含噪声干扰的块结构模型研究方法和现状进行了总结。阐述了含噪声干扰的块结构模型主要辨识方法，同时分析了在这些研究中所遇到问题和难点。2、针对含噪声干扰的Hammerstein模型，提岀了一种基于辅助模型多新息随机梯度算法的Hammerstein模型多信号源辨识方法。首先通过特殊输入信号实现Hammerstein模型各串联环节分离，然后将辅助模型辨识思想与多新息辨识理论相结合，利用系统可测信息建立一个辅助模型，分别采用辅助模型输出和噪声估计量代替模型屮

4、未知量和不可测噪声信号。同时引入新息长度，将标量新息扩展为新息向量。提出的方法补偿了不可测噪声信号干扰，通过改变新息长度提高了测量数据的利用效率和参数估计精度，克服了坏数据对参数估计的影响，具有较强的鲁棒性。3、研究成果2基础上，针对实际工业中另一类噪声信号一一有色噪声，提岀了一种含有色噪声干扰的神经模糊Hammerstein模型辨识方法。研究屮，通过可分离组合式信号源实现有色噪声干扰下Hammerstein模型分离辨识，采用相关分析法辨识出动态线性环节参数；采用辅助模型递推最小二乘法辨识岀静态非线性环节和噪声模型的

5、参数。提出的方法避免了采用迭代法辨识Hammerstein模型时存在模型参数初始化和收敛性难以证明的问题，并有效补偿噪声信号的干扰。关键词:4、在研究成果2和3基础上，考虑一类更为复杂的块结构非线性模型一Hammerstein-Wiener模型。针对有色噪声干扰的Hammerstein-Wiener模型提出了基于可分离组合式信号源的含过程噪声Hammerstein-Wiener神经模糊模型辨识方法。通过可分离组合式信号源实现噪声干扰下的Hammerstein-Wiener模型中输入静态非线性、动态线性环节和输出静态非

6、线性环节分离，从而简化为Wiener模型的辨识问题。在此基础上采用相关分析法和递推广义增广最小二乘法对Wiener模型进行分离辨识。提岀的方法避免了在迭代分离方法中模型参数收敛性问题分析，有效补偿不可测噪声信号干扰，提高了各串联环节模型参数的辨识精度。噪声干扰的块结构模型，分离辨识，辅助模型多信息随机梯度辨识方法，辅助模型递推最小二乘辨识方法，相关分析法ABSTRACTTheblock・orientedmodelisatypicalnonlinearmodelconsistingofthecascadestructu

7、reofstaticnonlinearpartsanddynamiclinearparts.Itcaneffectivelyrepresentalargerangeofnonlinearprocesses.Blockstructuremodelhasincomparablesuperiorityoftraditionalnonlinearmodelsandcombinesadvancedcontrolalgorithmstosimplifycontrollerunderthepremiseofensuringthee

8、ffectivenessofthecontrolsystem,whichmakestheresultingdynamicsapproximatelyequivalenttoalinearsystem.Thestudyoftheblockstructuremodelwithnoiseinterferencehasmuchtheoreticalme