過程建模是眾多基于模型的先進控制和優(yōu)化策略設(shè)計與實現(xiàn)的前提條件。過程不斷增長的規(guī)模和復(fù)雜度使得建立工業(yè)過程的機理模型變的非常困難,甚至成為不可實現(xiàn)的任務(wù)。由于過程數(shù)據(jù)中包含了過程動態(tài)的豐富信息,基于過程數(shù)據(jù)辨識得到過程的數(shù)學(xué)模型已經(jīng)成為復(fù)雜工業(yè)過程建模的主要手段。大部分實際的工業(yè)過程呈現(xiàn)復(fù)雜的非線性/參數(shù)變化特性,傳統(tǒng)的線性模型無法描述過程的全局動態(tài)行為。線性參數(shù)變化系統(tǒng)的模型類以其線性結(jié)構(gòu)和具有精確逼近復(fù)雜非線性/時變過程的能力得到了研究人員的廣泛關(guān)注。目前,線性參數(shù)變化系統(tǒng)控制理論及其工業(yè)應(yīng)用相關(guān)研究得到很大發(fā)展,然而線性參數(shù)變化系統(tǒng)辨識方法的研究成果卻十分有限。諸如系統(tǒng)參數(shù)變化時滯、不確定量測時滯、不規(guī)則采樣數(shù)據(jù)或多率數(shù)據(jù)、數(shù)據(jù)丟失、魯棒參數(shù)估計等在實際工業(yè)過程中普遍存在的問題在線性參數(shù)變化系統(tǒng)辨識研究中還沒有得到充分考慮。因此,本論文在考慮這些實際工業(yè)問題的前提下研究基于數(shù)據(jù)的線性參數(shù)變化系統(tǒng)辨識方法,具有重要的理論和實際意義。本論文的主要研究內(nèi)容可以概括如下:研究了線性參數(shù)變化時滯系統(tǒng)的辨識問題。根據(jù)局部辨識思想,通過加權(quán)組合多個局部線性模型來構(gòu)造系統(tǒng)的全局線性參數(shù)變化模型。... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：144 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景與意義
    1.2 線性參數(shù)變化系統(tǒng)辨識研究現(xiàn)狀
        1.2.1 全局辨識方法
        1.2.2 局部辨識方法
    1.3 線性參數(shù)變化系統(tǒng)辨識中有待解決的問題
    1.4 預(yù)備知識
    1.5 本文的主要研究內(nèi)容
第2章 線性參數(shù)變化時滯系統(tǒng)局部辨識方法
    2.1 引言
    2.2 問題描述
    2.3 具有參數(shù)變化時滯的LPV系統(tǒng)局部辨識方法
        2.3.1 基于期望最大化算法的局部辨識方法
        2.3.2 灌溉水渠仿真例子
    2.4 具有定常時滯的LPV系統(tǒng)局部辨識方法
        2.4.1 基于期望最大化算法的局部辨識方法
        2.4.2 高純度精餾塔仿真例子
    2.5 本章小結(jié)
第3章 量測缺失下線性參數(shù)變化系統(tǒng)局部辨識方法
    3.1 引言
    3.2 問題描述
    3.3 基于廣義期望最大化算法的局部辨識方法
        3.3.1 LPV FIR模型極大后驗估計
        3.3.2 LPV OE模型極大似然估計
        3.3.3 總體算法流程
    3.4 仿真驗證
        3.4.1 數(shù)值算例
        3.4.2 連續(xù)發(fā)酵反應(yīng)器例子
    3.5 三容水箱系統(tǒng)實驗
    3.6 本章小結(jié)
第4章 具有不確定量測時滯的線性參數(shù)變化多率系統(tǒng)局部辨識方法
    4.1 引言
    4.2 問題描述
    4.3 快采樣率LPV FIR模型辨識
        4.3.1 基于期望最大化算法的辨識方法
        4.3.2 仿真驗證
    4.4 快采樣率LPV OE模型辨識
        4.4.1 基于廣義期望最大化算法的辨識方法
        4.4.2 數(shù)值例子
        4.4.3 連續(xù)攪拌釜式反應(yīng)器例子
    4.5 本章小結(jié)
第5章 量測缺失下線性參數(shù)變化時滯系統(tǒng)全局辨識方法
    5.1 引言
    5.2 問題描述
    5.3 基于廣義期望最大化算法的全局辨識方法
    5.4 仿真驗證
        5.4.1 數(shù)值例子
        5.4.2 連續(xù)攪拌釜式反應(yīng)器例子
    5.5 本章小結(jié)
第6章 線性參數(shù)變化系統(tǒng)魯棒全局辨識方法
    6.1 引言
    6.2 問題描述
    6.3 基于t-分布的問題公式化
    6.4 基于廣義期望最大化算法的魯棒全局辨識方法
        6.4.1 辨識算法推導(dǎo)
        6.4.2 總體算法流程
    6.5 仿真驗證
        6.5.1 數(shù)值例子
        6.5.2 質(zhì)量-彈簧-阻尼器系統(tǒng)仿真例子
    6.6 本章小結(jié)
結(jié)論
參考文獻
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
致謝
個人簡歷



本文編號：3243868