【摘要】：系統(tǒng)辨識(shí)是流程工業(yè)領(lǐng)域一個(gè)重要研究分支,受到國(guó)內(nèi)外專家及學(xué)者的高度關(guān)注。辨識(shí)方法的有效性將直接影響系統(tǒng)模型精度,進(jìn)而影響模型的應(yīng)用效果。在真實(shí)流程工業(yè)環(huán)境下,通常使用指定階次的模型進(jìn)行辨識(shí)研究,由于系統(tǒng)模型階次與實(shí)際對(duì)象階次不匹配,造成獲取精確數(shù)學(xué)模型比較困難。因此,較為準(zhǔn)確的獲取系統(tǒng)模型階次具有較高的研究意義與應(yīng)用價(jià)值。同時(shí),隨著計(jì)算機(jī)與信息技術(shù)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(shí)用且具有較強(qiáng)全局尋優(yōu)能力的智能優(yōu)化算法,在系統(tǒng)辨識(shí)領(lǐng)域也得到了廣泛應(yīng)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(yīng)降階系統(tǒng)辨識(shí)方法。通過理想環(huán)境與白噪聲環(huán)境下的仿真實(shí)驗(yàn)分析,驗(yàn)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(shí)研究中,針對(duì)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(zhǔn)確獲取傳遞函數(shù)的模型階次,進(jìn)而影響數(shù)學(xué)模型的辨識(shí)。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(yīng)降階系統(tǒng)辨識(shí)法。該方法將高階模型假設(shè)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(yīng)度函數(shù)來綜合判斷是否執(zhí)行自適應(yīng)降階辨識(shí)。然后,給出仿真案例來驗(yàn)證自適應(yīng)降階系統(tǒng)辨識(shí)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(shí)間序列。首先,通過MATLAB仿真實(shí)驗(yàn),人為模擬含有白噪聲的單位階躍響應(yīng),再采用帶通濾波器對(duì)其進(jìn)行濾波。然后,利用自適應(yīng)降階辨識(shí)法辨識(shí)濾波后的單位階躍響應(yīng)。最后,獲取被控對(duì)象的數(shù)學(xué)模型。本節(jié)驗(yàn)證了在噪聲干擾的情況下自適應(yīng)降階辨識(shí)法的可行性。(3)實(shí)現(xiàn)復(fù)雜被控對(duì)象的辨識(shí)與PID參數(shù)整定。首先,采用本文提出的辨識(shí)法辨識(shí)復(fù)雜的被控對(duì)象。然后,將辨識(shí)出來的被控對(duì)象融入典型的PID控制系統(tǒng)中,分析出系統(tǒng)的誤差響應(yīng)。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(shí),與傳統(tǒng)經(jīng)驗(yàn)法獲取的PID參數(shù)作比較,體現(xiàn)了改進(jìn)的自適應(yīng)降階辨識(shí)法的優(yōu)越性。
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：N945.14
【圖文】：

嗤嘬慵鄏閫Ｖ{CY輸出上一階次模型輸出當(dāng)前階次模型, ,n m iPSO辨 識(shí)高階參數(shù)a b fi i1f f n ma 或者b YN圖 3.1 自適應(yīng)降階辨識(shí)法流程圖3.2 改進(jìn)的系統(tǒng)辨識(shí)法仿真案例為了驗(yàn)證基于 PSO 算法的自適應(yīng)降階系統(tǒng)辨識(shí)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(shí)了經(jīng)典的傳遞函數(shù)和帶延時(shí)傳遞函數(shù)的模型。從理論上證明了改進(jìn)方法的可行性，并在流程工業(yè)系統(tǒng)具有一定的實(shí)用價(jià)值。3.2.1 無延時(shí)環(huán)節(jié)的自適應(yīng)降階系統(tǒng)辨識(shí)案例假設(shè)被控對(duì)象的初始模型為22 ms ns kas bs c(3.8)已知被控對(duì)象為3s 2(3.9)辨識(shí)初始模型的參數(shù)為 a, b, c, m.n , k ，粒子群算法參數(shù)設(shè)置為：粒子總數(shù) 25sN ，慣性權(quán)重maxw 0.9，minw 0.4，個(gè)體學(xué)習(xí)因子1c 2，種群學(xué)習(xí)因子2c 2

20圖 3.3 粒子適應(yīng)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(yīng)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(shí)結(jié)果顯示，適應(yīng)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(dá)式為

杭州電子科技大學(xué)碩士學(xué)位論文 ns kbs c使用上述模型對(duì)系統(tǒng)進(jìn)行參數(shù)辨識(shí)，最大迭代代數(shù)為 500 代，PSO 參數(shù)設(shè)置上述一真取得一組辨識(shí)結(jié)果如下圖所示

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

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

3 王行愚;系統(tǒng)辨識(shí)的若干新動(dòng)向[J];控制理論與應(yīng)用;1992年03期

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

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

6 閆曉霞,余和t+,徐立華,田會(huì)來;射擊過程中主要生理特征的研究[J];中國(guó)應(yīng)用生理學(xué)雜志;1988年04期

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

8 胡德文,萬百五;系統(tǒng)辨識(shí)的最優(yōu)輸入設(shè)計(jì)(OID)綜述[J];控制理論與應(yīng)用;1989年03期

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

10 黃光遠(yuǎn);分布參數(shù)系統(tǒng)辨識(shí)中的一個(gè)注記(英文)[J];控制理論與應(yīng)用;1989年S1期

相關(guān)會(huì)議論文 前10條

1 袁震東;;論系統(tǒng)族的辨識(shí)[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)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(jī)的系統(tǒng)辨識(shí)及應(yīng)用研究[A];全國(guó)煉鋼連鑄過程自動(dòng)化技術(shù)交流會(huì)論文集[C];2006年

3 穆勇;馮憲純;孫建榮;韓志剛;;結(jié)構(gòu)隨機(jī)變化系統(tǒng)辨識(shí)的參量化途徑[A];1995年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊(cè)）[C];1995年

4 郭雷;;系統(tǒng)辨識(shí)理論的某些進(jìn)展及問題[A];1994年中國(guó)控制會(huì)議論文集[C];1994年

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

6 高江;戴冠中;;不確定系統(tǒng)辨識(shí)的IBC理論模型[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

7 賀煒煒;;Matlab系統(tǒng)辨識(shí)在燃油控制系統(tǒng)中的應(yīng)用[A];中國(guó)航空學(xué)會(huì)第七屆動(dòng)力年會(huì)論文摘要集[C];2010年

8 謝騰;;一種基于系統(tǒng)辨識(shí)的船載天線伺服系統(tǒng)狀態(tài)監(jiān)測(cè)方法研究[A];第二屆中國(guó)空天安全會(huì)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(shí)的一種新的遞推預(yù)報(bào)誤差算法[A];1990年控制理論及其應(yīng)用年會(huì)論文集（4）[C];1990年

10 張紀(jì)鋒;陳翰馥;;階、時(shí)滯及系數(shù)都未知的系統(tǒng)的辨識(shí)和適應(yīng)控制[A];1989年控制理論及其應(yīng)用年會(huì)論文集（中）[C];1989年

相關(guān)重要報(bào)紙文章 前1條

1 中國(guó)安全生產(chǎn)科學(xué)研究院職業(yè)危害研究所 張忠彬;科學(xué)系統(tǒng)辨識(shí)風(fēng)險(xiǎn) 瞄準(zhǔn)持續(xù)改進(jìn)優(yōu)化[N];中國(guó)安全生產(chǎn)報(bào);2018年

相關(guān)博士學(xué)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(yīng)用研究[D];浙江大學(xué);2005年

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

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

4 周薇薇;基于幾何表示的典型量子系統(tǒng)辨識(shí)與控制[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

5 于龍;模糊系統(tǒng)辨識(shí)及其在機(jī)車粘著中的應(yīng)用[D];西南交通大學(xué);2008年

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

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

8 方夢(mèng)園;面向工業(yè)模型預(yù)測(cè)控制的高精度系統(tǒng)辨識(shí)方法研究[D];浙江大學(xué);2018年

9 王建宏;基于先進(jìn)辨識(shí)的控制策略研究及其應(yīng)用[D];南京航空航天大學(xué);2011年

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

相關(guān)碩士學(xué)位論文 前10條

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

2 宛春博;頻變非線性動(dòng)力系統(tǒng)辨識(shí)方法的理論和實(shí)驗(yàn)研究[D];東北大學(xué);2015年

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

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

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

6 焦嵩鳴;人工神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識(shí)中的研究與應(yīng)用[D];華北電力大學(xué)（河北）;2003年

7 鐘榛;基于核方法的模糊系統(tǒng)辨識(shí)和輸出預(yù)測(cè)的研究[D];西華大學(xué);2010年

8 李玉波;基于熱工性能的研究系統(tǒng)辨識(shí)理論的建筑物圍護(hù)結(jié)構(gòu)綜合[D];天津大學(xué);2010年

9 宋月麗;基于自適應(yīng)系統(tǒng)辨識(shí)的干擾對(duì)消研究與實(shí)現(xiàn)[D];江蘇科技大學(xué);2013年

10 張新廣;基于盲系統(tǒng)辨識(shí)的旋轉(zhuǎn)機(jī)械故障診斷新方法研究[D];鄭州大學(xué);2008年

本文編號(hào)：2743073