线性参数变化系统辨识方法研究

发布时间：2021-06-23 00:42

　　过程建模是众多基于模型的先进控制和优化策略设计与实现的前提条件。过程不断增长的规模和复杂度使得建立工业过程的机理模型变的非常困难,甚至成为不可实现的任务。由于过程数据中包含了过程动态的丰富信息,基于过程数据辨识得到过程的数学模型已经成为复杂工业过程建模的主要手段。大部分实际的工业过程呈现复杂的非线性/参数变化特性,传统的线性模型无法描述过程的全局动态行为。线性参数变化系统的模型类以其线性结构和具有精确逼近复杂非线性/时变过程的能力得到了研究人员的广泛关注。目前,线性参数变化系统控制理论及其工业应用相关研究得到很大发展,然而线性参数变化系统辨识方法的研究成果却十分有限。诸如系统参数变化时滞、不确定量测时滞、不规则采样数据或多率数据、数据丢失、鲁棒参数估计等在实际工业过程中普遍存在的问题在线性参数变化系统辨识研究中还没有得到充分考虑。因此,本论文在考虑这些实际工业问题的前提下研究基于数据的线性参数变化系统辨识方法,具有重要的理论和实际意义。本论文的主要研究内容可以概括如下:研究了线性参数变化时滞系统的辨识问题。根据局部辨识思想,通过加权组合多个局部线性模型来构造系统的全局线性参数变化模型。... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：144 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景与意义
    1.2 线性参数变化系统辨识研究现状
        1.2.1 全局辨识方法
        1.2.2 局部辨识方法
    1.3 线性参数变化系统辨识中有待解决的问题
    1.4 预备知识
    1.5 本文的主要研究内容
第2章 线性参数变化时滞系统局部辨识方法
    2.1 引言
    2.2 问题描述
    2.3 具有参数变化时滞的LPV系统局部辨识方法
        2.3.1 基于期望最大化算法的局部辨识方法
        2.3.2 灌溉水渠仿真例子
    2.4 具有定常时滞的LPV系统局部辨识方法
        2.4.1 基于期望最大化算法的局部辨识方法
        2.4.2 高纯度精馏塔仿真例子
    2.5 本章小结
第3章 量测缺失下线性参数变化系统局部辨识方法
    3.1 引言
    3.2 问题描述
    3.3 基于广义期望最大化算法的局部辨识方法
        3.3.1 LPV FIR模型极大后验估计
        3.3.2 LPV OE模型极大似然估计
        3.3.3 总体算法流程
    3.4 仿真验证
        3.4.1 数值算例
        3.4.2 连续发酵反应器例子
    3.5 三容水箱系统实验
    3.6 本章小结
第4章 具有不确定量测时滞的线性参数变化多率系统局部辨识方法
    4.1 引言
    4.2 问题描述
    4.3 快采样率LPV FIR模型辨识
        4.3.1 基于期望最大化算法的辨识方法
        4.3.2 仿真验证
    4.4 快采样率LPV OE模型辨识
        4.4.1 基于广义期望最大化算法的辨识方法
        4.4.2 数值例子
        4.4.3 连续搅拌釜式反应器例子
    4.5 本章小结
第5章 量测缺失下线性参数变化时滞系统全局辨识方法
    5.1 引言
    5.2 问题描述
    5.3 基于广义期望最大化算法的全局辨识方法
    5.4 仿真验证
        5.4.1 数值例子
        5.4.2 连续搅拌釜式反应器例子
    5.5 本章小结
第6章 线性参数变化系统鲁棒全局辨识方法
    6.1 引言
    6.2 问题描述
    6.3 基于t-分布的问题公式化
    6.4 基于广义期望最大化算法的鲁棒全局辨识方法
        6.4.1 辨识算法推导
        6.4.2 总体算法流程
    6.5 仿真验证
        6.5.1 数值例子
        6.5.2 质量-弹簧-阻尼器系统仿真例子
    6.6 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
致谢
个人简历



本文编号：3243868