系統(tǒng)辨識是現(xiàn)代控制理論中的一個重要分支�，F(xiàn)代化的過程工業(yè)中所應(yīng)用到的控制技術(shù)極大部分都是建立在模型基礎(chǔ)上的,辨識得到的模型的精度直接影響了后續(xù)控制器的設(shè)計,故而模型的選取及其參數(shù)估計的精度為后續(xù)的控制起著至關(guān)重要的作用。系統(tǒng)辨識作為實際工業(yè)過程中獲得模型的重要手段,無論對學(xué)術(shù)研究還是工程實踐都具有著突出的意義和重要的價值。大多數(shù)的實際工業(yè)過程并不是簡單的線性結(jié)構(gòu),而是繁瑣的非線性或變參數(shù)結(jié)構(gòu)。原始的線性結(jié)構(gòu)的模型很難描述出這些實際工業(yè)過程。線性變參數(shù)模型具有簡便的線性結(jié)構(gòu),通過不同時刻的參數(shù)不同值來描述復(fù)雜的非線性時變系統(tǒng),而且準(zhǔn)確度良好。有限脈沖響應(yīng)模型是輸出數(shù)據(jù)只與歷史輸入數(shù)據(jù)有關(guān)的模型,模型的結(jié)構(gòu)簡單,在選取高階次時,也可以有效的擬合實際數(shù)據(jù)。實際的工業(yè)過程中由于硬件限制、干擾等原因,會出現(xiàn)如異常點、定常時滯以及不確定時滯等種種問題,這些問題導(dǎo)致了數(shù)據(jù)質(zhì)量下降。傳統(tǒng)的辨識方法在應(yīng)用到存在這些問題的數(shù)據(jù)集時,無法準(zhǔn)確的估計出模型參數(shù)。本文主要基于線性變參數(shù)有限脈沖響應(yīng)模型,考慮了實際工業(yè)過程中固有的異常點、定常時滯以及多速率采樣下的不確定量測時滯情況,應(yīng)用期望最大化算法,分別推導(dǎo)了...

【文章頁數(shù)】：95 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究的目的與意義
    1.2 系統(tǒng)辨識簡介
    1.3 系統(tǒng)辨識的發(fā)展概況
    1.4 線性變參數(shù)模型辨識簡介
        1.4.1 局部辨識方法
        1.4.2 全局辨識方法
    1.5 本文研究內(nèi)容及章節(jié)安排
第二章 預(yù)備知識
    2.1 線性變參數(shù)有限脈沖響應(yīng)模型
    2.2 期望最大化算法
        2.2.1 期望最大化算法簡介
        2.2.2 詳細推導(dǎo)過程
    2.3 數(shù)值例子
    2.4 連續(xù)攪拌槽反應(yīng)堆(CSTR)的例子
    2.5 模型的檢驗手段
        2.5.1 傳統(tǒng)的模型檢驗
        2.5.2 模型檢驗的方法
第三章 線性變參數(shù)有限脈沖響應(yīng)定常時滯模型參數(shù)估計方法
    3.1 引言
    3.2 詳細推導(dǎo)過程
    3.3 數(shù)值例子仿真
    3.4 連續(xù)攪拌槽反應(yīng)堆(CSTR)例子仿真
    3.5 本章小結(jié)
第四章 存在不確定量測時滯的線性變參數(shù)有限脈沖響應(yīng)模型參數(shù)估計方法
    4.1 引言
    4.2 詳細推導(dǎo)過程
    4.3 數(shù)值例子仿真
    4.4 連續(xù)攪拌槽反應(yīng)堆(CSTR)例子仿真
    4.5 本章小結(jié)
第五章 線性變參數(shù)有限脈沖響應(yīng)模型魯棒參數(shù)估計方法
    5.1 引言
    5.2 詳細推導(dǎo)過程
    5.3 數(shù)值例子仿真
    5.4 連續(xù)攪拌槽反應(yīng)堆(CSTR)例子仿真
    5.5 本章小結(jié)
結(jié)論
參考文獻
致謝



本文編號：3750879