【摘要】：非均勻采樣數(shù)據(jù)系統(tǒng)的輸入刷新和（或）輸出采樣呈現(xiàn)不等時間間隔，是一類更為廣泛的多率采樣數(shù)據(jù)系統(tǒng)。受到硬件設(shè)備的限制、經(jīng)濟條件的制約和環(huán)境因素的影響，這類系統(tǒng)在石油、化工、食品、醫(yī)藥等過程工業(yè)中普遍存在。然而，由于傳統(tǒng)辨識方法和控制理論大多僅適用于單率采樣數(shù)據(jù)系統(tǒng)，目前非均勻采樣數(shù)據(jù)系統(tǒng)的辨識和控制水平仍然十分有限。因此，本文對非均勻采樣數(shù)據(jù)系統(tǒng)的辨識問題進行深入研究，并探討辨識方法在推理控制和軟測量建模中的應(yīng)用，具有重要的理論意義和實用價值。論文的主要工作包括以下幾個方面： (1)在不同噪聲干擾條件下研究了輸入非均勻采樣數(shù)據(jù)系統(tǒng)的辨識問題。首先，基于遞階梯度迭代搜索原理，推導(dǎo)了白噪聲干擾輸入非均勻采樣數(shù)據(jù)系統(tǒng)輸出誤差模型的梯度迭代辨識算法。該算法的辨識性能優(yōu)于輔助模型隨機梯度算法，但是計算量卻遠小于最小二乘迭代算法。其次，推導(dǎo)了有色噪聲干擾輸入非均勻采樣數(shù)據(jù)系統(tǒng)Box-Jenkins模型的基于濾波的遞推最小二乘辨識算法。通過對系統(tǒng)模型參數(shù)和噪聲模型參數(shù)進行交互估計，有效降低了算法的計算量并提高了估計精度。 (2)針對有色噪聲干擾條件下的輸入輸出同步非均勻采樣數(shù)據(jù)系統(tǒng)，基于提升技術(shù)推導(dǎo)了描述這類系統(tǒng)的Box-Jenkins模型，并提出了相應(yīng)的輔助模型多新息廣義增廣隨機梯度辨識算法。該算法通過新息擴展，充分利用了可獲得的數(shù)據(jù)信息，能夠有效提高辨識性能。另外，考慮到提升狀態(tài)空間模型涉及因果約束問題，而提升傳遞函數(shù)模型參數(shù)過多、結(jié)構(gòu)過于復(fù)雜，都不便于輸入輸出同步非均勻采樣數(shù)據(jù)系統(tǒng)的辨識和控制。通過引入時變后移算子，提出了一種結(jié)構(gòu)簡單的新型傳遞函數(shù)模型，并提出了該模型的輔助模型最小二乘辨識算法。 (3)基于快速均勻刷新的輸入數(shù)據(jù)和慢速非均勻采樣且具有不確定延遲的輸出數(shù)據(jù)，利用最大期望算法，將不確定延遲看作隱變量，提出了快速單率有限脈沖響應(yīng)模型參數(shù)和不確定延遲的交互估計方法。進一步基于辨識得到的有限脈沖響應(yīng)模型，分別利用最小二乘算法和最大期望算法，提出了快速單率輸出誤差模型的兩種參數(shù)估計方法。仿真例子和實驗結(jié)果表明，提出的辨識方法能夠有效克服不確定延遲對辨識性能的影響，給出高精度的參數(shù)估計。 (4)針對輸入快速非均勻刷新、輸出慢速均勻采樣的系統(tǒng)，推導(dǎo)了可測輸出與非均勻損失輸出采樣點上傳遞函數(shù)模型之間的數(shù)學(xué)關(guān)系，利用這一關(guān)系和辨識得到的可測輸出點的模型參數(shù)，對損失輸出點的模型參數(shù)進行估計；基于估計的模型對下一個非均勻采樣點的輸出進行預(yù)測，根據(jù)最小方差原理提出了輸入非均勻采樣數(shù)據(jù)系統(tǒng)的推理自適應(yīng)控制算法。進一步借助于輔助變量，提出了未知有色噪聲干擾下非均勻采樣數(shù)據(jù)系統(tǒng)的推理控制方法。 (5)針對一個實際的輸出非均勻采樣數(shù)據(jù)系統(tǒng)  直流蒸汽發(fā)生器，基于混合建模方法建立了蒸汽含量的軟測量模型。首先，根據(jù)熱量平衡原理推導(dǎo)了該過程的簡單機理模型，利用溫度、流量等常規(guī)過程變量對蒸汽含量進行實時估計；其次，利用蒸汽含量的實驗室分析數(shù)據(jù)對機理模型的輸出進行在線偏差補償，以增強軟測量模型的自適應(yīng)能力；同時，利用預(yù)報誤差方法優(yōu)化模型參數(shù)和補償項的加權(quán)系數(shù)，以獲得精度最高的軟測量模型；最后，對過程變量進行在線異常值檢測和處理，以確保軟測量模型在實際運行過程中的可靠性。
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2013
【分類號】：N945.14;TP274.2

【參考文獻】

相關(guān)期刊論文 前2條

1 李幼鳳;蘇宏業(yè);褚健;;工業(yè)過程的子空間模型辨識[J];控制理論與應(yīng)用;2007年05期

2 俞金壽;;軟測量技術(shù)及其應(yīng)用[J];自動化儀表;2008年01期

本文編號：2745695