基于状态寻优的工业系统动态数据驱动建模
发布时间：2021-03-02 01:15
针对应用动态数据进行系统建模的过程中,系统的初始状态无法获取的问题,提出一种基于状态寻优的工业系统动态数据驱动建模方法。上述方法选取系统运行过程历史数据中的纯动态数据作为建模数据,将建模数据末端的系统的输入值作为系统输入的稳态分量,将系统输出的稳态分量、动态数据起点的系统初始状态及模型参数均作为寻优变量的维度,应用教学优化算法进行寻优,从而建立系统的模型。对某工业系统进行建模仿真,结果表明上述方法的有效性。
【文章来源】：计算机仿真. 2018,35(05)北大核心
【文章页数】：5 页
【部分图文】：
历史数据示意图
图2建模流程图旧个体，则取代旧个体。xnew=xold+rand·(xteacher－T·xm)(2)其中，xteacher表示当前群体的全局最优个体;T为教学因子，且T=round(1+rand)，．．表示对x的取整。4)学阶段。从经过教学后的群体中随机选取2个体xr1和xr2，比较其目标函数值，然后选择较好的个体再次学习，具体过程如式(3)所示xnew=xold+rand·(xr1－xold)，iff(xr1)＜f(xr2);xold+rand·(xr2－xold)，otherwise{(3)其中:f(xr1)和f(xr2)分别表示个体xr1和xr2的目标函数值。5)循环结束判定。若循环次数g=G，则结束;否则重复过程3和过程4。2．2．3仿真方法本文采用将传递函数模型转换为状态空间模型，再对状态空间模型进行离散化，从而获取系统的离散系统方程，进而对系统进行仿真。为使预估模型对系统进行仿真的过程具有普适性，采用通用传递函数模型进行仿真方法介绍，对于有自衡对象而言，其通用传递函数模型如式(4)所示^G(s)=b0+b1s+…+bmsma0+a1s+…+an－1sn－1+sn(m＜n)(4)其中:^G(s)为预估模型;n为预估模型分子阶次;m为预估模型分母阶次;s为拉普拉斯算子;a0…an－1、b0…bm分别为分母与分子中各阶拉普拉斯算子的系数;根据现代控制理论知识［14］，将式(4)转化为状态空间，如式(5)所示^x·=A^x+Bu^y=C^x(5)其中:^x=［^x1^x2…^xn］T为预估状态矢量;u为系统输入;^y为预估系统输出。系数矩阵如式(6)所示A=00…0－a010…0－a101…0－a2?????00…1－an－1
图3建模数据曲线建模结果曲线如图4所示。图4建模结果曲线辨识所得模型如式(12)所示1．1191(1+42．1003s)7(12)辨识所得输出稳态分量为^ys=－5．2309，辨识所得系统初态如式(13)所示:X(0)=［5．45635．39833．21921．52200．73460．59280．8304］(13)4结语本文提出一种基于状态寻优的自衡工业系统动态数据驱动建模方法，该方法选取系统的动态历史数据作为建模数据，将系统的稳态分量及系统的初始状态看作寻优变量的维度，与预估模型参数一起参与寻优，最终建立了系统的传递函数模型。该方法具有以下优点:1)应用系统历史数据进行模型辨识，不会对系统的安全性、稳定性、经济性产生影响。2)将动态数据末端的系统输入作为输入的稳态分量，将系统输出的稳态分量作为寻优变量的一个维度参与寻优，不仅解决了系统稳态分量获取的问题，而且优化算法根据仿真偏差选取最优输出稳态分量，有效的避免了工业系统稳态分量的选取误差。3)将动态数据起点处的系统状态作为寻优变量的维度，解决了以动态历史数据为起点的数据驱动建模中，系统初态的获取问题。本文从历史数据建模的角度出发，针对工业系统稳态工况难以获取的问题，提出一种应用纯动态历史数据进行建模的算法，为动态历史数据建模提供了较好的方法参考。参考文献:［1］吴昊，余岳峰，徐星星．多输入多输出热工系统的辨识与建模研究［J］．动力工程学报，2010，30(03):196－200．［2］张金营，张秋生，韩璞，王富强．超超临界机组煤水比系统的建模与仿真研究［J］．计算机仿真，2016，33(08):81－85．［3］赵建敏，高思宇，郝萨仁高娃．换热站供热多目标优化建模研究［J］．计算机仿真，2016，33(10):21
本文编号：3058321
【文章来源】：计算机仿真. 2018,35(05)北大核心
【文章页数】：5 页
【部分图文】：
历史数据示意图
图2建模流程图旧个体，则取代旧个体。xnew=xold+rand·(xteacher－T·xm)(2)其中，xteacher表示当前群体的全局最优个体;T为教学因子，且T=round(1+rand)，．．表示对x的取整。4)学阶段。从经过教学后的群体中随机选取2个体xr1和xr2，比较其目标函数值，然后选择较好的个体再次学习，具体过程如式(3)所示xnew=xold+rand·(xr1－xold)，iff(xr1)＜f(xr2);xold+rand·(xr2－xold)，otherwise{(3)其中:f(xr1)和f(xr2)分别表示个体xr1和xr2的目标函数值。5)循环结束判定。若循环次数g=G，则结束;否则重复过程3和过程4。2．2．3仿真方法本文采用将传递函数模型转换为状态空间模型，再对状态空间模型进行离散化，从而获取系统的离散系统方程，进而对系统进行仿真。为使预估模型对系统进行仿真的过程具有普适性，采用通用传递函数模型进行仿真方法介绍，对于有自衡对象而言，其通用传递函数模型如式(4)所示^G(s)=b0+b1s+…+bmsma0+a1s+…+an－1sn－1+sn(m＜n)(4)其中:^G(s)为预估模型;n为预估模型分子阶次;m为预估模型分母阶次;s为拉普拉斯算子;a0…an－1、b0…bm分别为分母与分子中各阶拉普拉斯算子的系数;根据现代控制理论知识［14］，将式(4)转化为状态空间，如式(5)所示^x·=A^x+Bu^y=C^x(5)其中:^x=［^x1^x2…^xn］T为预估状态矢量;u为系统输入;^y为预估系统输出。系数矩阵如式(6)所示A=00…0－a010…0－a101…0－a2?????00…1－an－1
图3建模数据曲线建模结果曲线如图4所示。图4建模结果曲线辨识所得模型如式(12)所示1．1191(1+42．1003s)7(12)辨识所得输出稳态分量为^ys=－5．2309，辨识所得系统初态如式(13)所示:X(0)=［5．45635．39833．21921．52200．73460．59280．8304］(13)4结语本文提出一种基于状态寻优的自衡工业系统动态数据驱动建模方法，该方法选取系统的动态历史数据作为建模数据，将系统的稳态分量及系统的初始状态看作寻优变量的维度，与预估模型参数一起参与寻优，最终建立了系统的传递函数模型。该方法具有以下优点:1)应用系统历史数据进行模型辨识，不会对系统的安全性、稳定性、经济性产生影响。2)将动态数据末端的系统输入作为输入的稳态分量，将系统输出的稳态分量作为寻优变量的一个维度参与寻优，不仅解决了系统稳态分量获取的问题，而且优化算法根据仿真偏差选取最优输出稳态分量，有效的避免了工业系统稳态分量的选取误差。3)将动态数据起点处的系统状态作为寻优变量的维度，解决了以动态历史数据为起点的数据驱动建模中，系统初态的获取问题。本文从历史数据建模的角度出发，针对工业系统稳态工况难以获取的问题，提出一种应用纯动态历史数据进行建模的算法，为动态历史数据建模提供了较好的方法参考。参考文献:［1］吴昊，余岳峰，徐星星．多输入多输出热工系统的辨识与建模研究［J］．动力工程学报，2010，30(03):196－200．［2］张金营，张秋生，韩璞，王富强．超超临界机组煤水比系统的建模与仿真研究［J］．计算机仿真，2016，33(08):81－85．［3］赵建敏，高思宇，郝萨仁高娃．换热站供热多目标优化建模研究［J］．计算机仿真，2016，33(10):21
本文编号：3058321
本文链接：https://www.wllwen.com/projectlw/xtxlw/3058321.html
