【摘要】：系統(tǒng)辨識是流程工業(yè)領域一個重要研究分支,受到國內(nèi)外專家及學者的高度關注。辨識方法的有效性將直接影響系統(tǒng)模型精度,進而影響模型的應用效果。在真實流程工業(yè)環(huán)境下,通常使用指定階次的模型進行辨識研究,由于系統(tǒng)模型階次與實際對象階次不匹配,造成獲取精確數(shù)學模型比較困難。因此,較為準確的獲取系統(tǒng)模型階次具有較高的研究意義與應用價值。同時,隨著計算機與信息技術的發(fā)展,各種智能求解算法層出不窮。其中,粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)是一種非常實用且具有較強全局尋優(yōu)能力的智能優(yōu)化算法,在系統(tǒng)辨識領域也得到了廣泛應用并取得了較豐富的研究成果。所以,本文利用了粒子群優(yōu)化算法,提出了自適應降階系統(tǒng)辨識方法。通過理想環(huán)境與白噪聲環(huán)境下的仿真實驗分析,驗證了該方法的有效性。本文具體研究工作如下:(1)流程工業(yè)系統(tǒng)辨識研究中,針對系統(tǒng)而言,通常只能獲取系統(tǒng)的輸入輸出數(shù)據(jù)。然而,根據(jù)這些數(shù)據(jù)信息難以準確獲取傳遞函數(shù)的模型階次,進而影響數(shù)學模型的辨識。為解決模型階次無法確定的問題,提出了基于PSO算法的自適應降階系統(tǒng)辨識法。該方法將高階模型假設為系統(tǒng)的初始模型,利用PSO算法更新粒子的速度和位移,迭代搜尋原始模型的參數(shù)。通過模型的高階參數(shù)和適應度函數(shù)來綜合判斷是否執(zhí)行自適應降階辨識。然后,給出仿真案例來驗證自適應降階系統(tǒng)辨識法的有效性。(2)通常,在流程工業(yè)中,生產(chǎn)數(shù)據(jù)是含有白噪聲的時間序列。首先,通過MATLAB仿真實驗,人為模擬含有白噪聲的單位階躍響應,再采用帶通濾波器對其進行濾波。然后,利用自適應降階辨識法辨識濾波后的單位階躍響應。最后,獲取被控對象的數(shù)學模型。本節(jié)驗證了在噪聲干擾的情況下自適應降階辨識法的可行性。(3)實現(xiàn)復雜被控對象的辨識與PID參數(shù)整定。首先,采用本文提出的辨識法辨識復雜的被控對象。然后,將辨識出來的被控對象融入典型的PID控制系統(tǒng)中,分析出系統(tǒng)的誤差響應。最后,采用PSO算法迭代搜索全局最優(yōu)解來獲取PID參數(shù)。同時,與傳統(tǒng)經(jīng)驗法獲取的PID參數(shù)作比較,體現(xiàn)了改進的自適應降階辨識法的優(yōu)越性。
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：N945.14
【圖文】：

嗤嘬慵鄏閫Ｖ{CY輸出上一階次模型輸出當前階次模型, ,n m iPSO辨 識高階參數(shù)a b fi i1f f n ma 或者b YN圖 3.1 自適應降階辨識法流程圖3.2 改進的系統(tǒng)辨識法仿真案例為了驗證基于 PSO 算法的自適應降階系統(tǒng)辨識法的有效性，給出了基于 MATLAB 的仿真案例。就連續(xù)系統(tǒng)而言，分別辨識了經(jīng)典的傳遞函數(shù)和帶延時傳遞函數(shù)的模型。從理論上證明了改進方法的可行性，并在流程工業(yè)系統(tǒng)具有一定的實用價值。3.2.1 無延時環(huán)節(jié)的自適應降階系統(tǒng)辨識案例假設被控對象的初始模型為22 ms ns kas bs c(3.8)已知被控對象為3s 2(3.9)辨識初始模型的參數(shù)為 a, b, c, m.n , k ，粒子群算法參數(shù)設置為：粒子總數(shù) 25sN ，慣性權重maxw 0.9，minw 0.4，個體學習因子1c 2，種群學習因子2c 2

20圖 3.3 粒子適應度函數(shù)曲線圖根據(jù)粒子群優(yōu)化算法搜索得到全局最優(yōu)解如下表所示表 3.1 粒子參數(shù)與適應度函數(shù)值參數(shù)a b c m n 數(shù)值4.4431e-06 0.9015 1.8395 -3.0495e-07 -0.0619 2.6度值7.5579e-04由辨識結果顯示，適應度函數(shù)值為1f 7.5579e 04，且原始模型的分母最高階參數(shù) a母降階。分子最高階參數(shù) m ，所以分子也需要降階。則原始高階模型的分子分，降階后的模型表達式為

杭州電子科技大學碩士學位論文 ns kbs c使用上述模型對系統(tǒng)進行參數(shù)辨識，最大迭代代數(shù)為 500 代，PSO 參數(shù)設置上述一真取得一組辨識結果如下圖所示

【相似文獻】

相關期刊論文 前10條

1 王建宏;朱永紅;;陶瓷高�！断到y(tǒng)辨識》課程的教學改革分析[J];知音勵志;2016年21期

2 袁震東;;系統(tǒng)辨識的回顧與展望[J];電氣自動化;1998年05期

3 王行愚;系統(tǒng)辨識的若干新動向[J];控制理論與應用;1992年03期

4 李平康;;淺談系統(tǒng)辨識及其在電廠的應用[J];華北電力技術;1987年06期

5 唐世民;;熱控對象的數(shù)學模型(三)[J];西南電力;1987年Z2期

6 閆曉霞,余和t+,徐立華,田會來;射擊過程中主要生理特征的研究[J];中國應用生理學雜志;1988年04期

7 趙宏,龔建平;系統(tǒng)辨識在常壓塔航空煤油質量控制中的應用[J];信息與控制;1988年06期

8 胡德文,萬百五;系統(tǒng)辨識的最優(yōu)輸入設計(OID)綜述[J];控制理論與應用;1989年03期

9 陳東,涂奉生;最低階多項式陣和多變量奇異系統(tǒng)辨識(英文)[J];控制理論與應用;1989年03期

10 黃光遠;分布參數(shù)系統(tǒng)辨識中的一個注記(英文)[J];控制理論與應用;1989年S1期

相關會議論文 前10條

1 袁震東;;論系統(tǒng)族的辨識[A];1994中國控制與決策學術年會論文集[C];1994年

2 李升娟;楊宗堯;于飛;劉喜梅;;基于支持向量機的系統(tǒng)辨識及應用研究[A];全國煉鋼連鑄過程自動化技術交流會論文集[C];2006年

3 穆勇;馮憲純;孫建榮;韓志剛;;結構隨機變化系統(tǒng)辨識的參量化途徑[A];1995年中國智能自動化學術會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

4 郭雷;;系統(tǒng)辨識理論的某些進展及問題[A];1994年中國控制會議論文集[C];1994年

5 王建宏;朱永紅;;ARX系統(tǒng)辨識中的模型降階[A];第24屆中國控制與決策會議論文集[C];2012年

6 高江;戴冠中;;不確定系統(tǒng)辨識的IBC理論模型[A];1994中國控制與決策學術年會論文集[C];1994年

7 賀煒煒;;Matlab系統(tǒng)辨識在燃油控制系統(tǒng)中的應用[A];中國航空學會第七屆動力年會論文摘要集[C];2010年

8 謝騰;;一種基于系統(tǒng)辨識的船載天線伺服系統(tǒng)狀態(tài)監(jiān)測方法研究[A];第二屆中國空天安全會議論文集[C];2017年

9 賴曉平;李瑞勝;洪惠民;;多維ARMAX系統(tǒng)辨識的一種新的遞推預報誤差算法[A];1990年控制理論及其應用年會論文集（4）[C];1990年

10 張紀鋒;陳翰馥;;階、時滯及系數(shù)都未知的系統(tǒng)的辨識和適應控制[A];1989年控制理論及其應用年會論文集（中）[C];1989年

相關重要報紙文章 前1條

1 中國安全生產(chǎn)科學研究院職業(yè)危害研究所 張忠彬;科學系統(tǒng)辨識風險 瞄準持續(xù)改進優(yōu)化[N];中國安全生產(chǎn)報;2018年

相關博士學位論文 前10條

1 鄭軍;小波理論在系統(tǒng)建模與控制中的若干應用研究[D];浙江大學;2005年

2 朱善安;電液控制系統(tǒng)辨識及實時控制策略研究[D];浙江大學;1987年

3 汪克文;系統(tǒng)辨識若干問題的研究[D];北京化工大學;2014年

4 周薇薇;基于幾何表示的典型量子系統(tǒng)辨識與控制[D];國防科學技術大學;2013年

5 于龍;模糊系統(tǒng)辨識及其在機車粘著中的應用[D];西南交通大學;2008年

6 魏瑩;廣義正交變換域下系統(tǒng)辨識的自適應算法[D];哈爾濱工業(yè)大學;2017年

7 李鵬;基于系統(tǒng)辨識的太陽能—相變蓄熱新風供暖系統(tǒng)控制策略研究[D];北京郵電大學;2011年

8 方夢園;面向工業(yè)模型預測控制的高精度系統(tǒng)辨識方法研究[D];浙江大學;2018年

9 王建宏;基于先進辨識的控制策略研究及其應用[D];南京航空航天大學;2011年

10 李敏;復雜機械基于數(shù)據(jù)的建模與故障診斷[D];太原理工大學;2010年

相關碩士學位論文 前10條

1 李振;流程工業(yè)自適應降階系統(tǒng)辨識方法研究[D];杭州電子科技大學;2018年

2 宛春博;頻變非線性動力系統(tǒng)辨識方法的理論和實驗研究[D];東北大學;2015年

3 黃永泉;基于禁忌搜索的系統(tǒng)辨識研究及辨識軟件開發(fā)[D];浙江大學;2004年

4 孫瑋;智能算法在系統(tǒng)辨識中的研究應用[D];華北電力大學（河北）;2008年

5 范麗軍;基于系統(tǒng)辨識的癲癇腦電信號分類研究[D];大連理工大學;2014年

6 焦嵩鳴;人工神經(jīng)網(wǎng)絡在系統(tǒng)辨識中的研究與應用[D];華北電力大學（河北）;2003年

7 鐘榛;基于核方法的模糊系統(tǒng)辨識和輸出預測的研究[D];西華大學;2010年

8 李玉波;基于熱工性能的研究系統(tǒng)辨識理論的建筑物圍護結構綜合[D];天津大學;2010年

9 宋月麗;基于自適應系統(tǒng)辨識的干擾對消研究與實現(xiàn)[D];江蘇科技大學;2013年

10 張新廣;基于盲系統(tǒng)辨識的旋轉機械故障診斷新方法研究[D];鄭州大學;2008年

本文編號：2743073