過(guò)程建模是眾多基于模型的先進(jìn)控制和優(yōu)化策略設(shè)計(jì)與實(shí)現(xiàn)的前提條件。過(guò)程不斷增長(zhǎng)的規(guī)模和復(fù)雜度使得建立工業(yè)過(guò)程的機(jī)理模型變的非常困難,甚至成為不可實(shí)現(xiàn)的任務(wù)。由于過(guò)程數(shù)據(jù)中包含了過(guò)程動(dòng)態(tài)的豐富信息,基于過(guò)程數(shù)據(jù)辨識(shí)得到過(guò)程的數(shù)學(xué)模型已經(jīng)成為復(fù)雜工業(yè)過(guò)程建模的主要手段。大部分實(shí)際的工業(yè)過(guò)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(wú)法描述過(guò)程的全局動(dòng)態(tài)行為。線性參數(shù)變化系統(tǒng)的模型類(lèi)以其線性結(jié)構(gòu)和具有精確逼近復(fù)雜非線性/時(shí)變過(guò)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(shí)方法的研究成果卻十分有限。諸如系統(tǒng)參數(shù)變化時(shí)滯、不確定量測(cè)時(shí)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(jì)等在實(shí)際工業(yè)過(guò)程中普遍存在的問(wèn)題在線性參數(shù)變化系統(tǒng)辨識(shí)研究中還沒(méi)有得到充分考慮。因此,本論文在考慮這些實(shí)際工業(yè)問(wèn)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(shí)方法,具有重要的理論和實(shí)際意義。本論文的主要研究?jī)?nèi)容可以概括如下:研究了線性參數(shù)變化時(shí)滯系統(tǒng)的辨識(shí)問(wèn)題。根據(jù)局部辨識(shí)思想,通過(guò)加權(quán)組合多個(gè)局部線性模型來(lái)構(gòu)造系統(tǒng)的全局線性參數(shù)變化模型。... 

【文章來(lái)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(yè)數(shù)】：144 頁(yè)

【學(xué)位級(jí)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(shí)研究現(xiàn)狀
        1.2.1 全局辨識(shí)方法
        1.2.2 局部辨識(shí)方法
    1.3 線性參數(shù)變化系統(tǒng)辨識(shí)中有待解決的問(wèn)題
    1.4 預(yù)備知識(shí)
    1.5 本文的主要研究?jī)?nèi)容
第2章 線性參數(shù)變化時(shí)滯系統(tǒng)局部辨識(shí)方法
    2.1 引言
    2.2 問(wèn)題描述
    2.3 具有參數(shù)變化時(shí)滯的LPV系統(tǒng)局部辨識(shí)方法
        2.3.1 基于期望最大化算法的局部辨識(shí)方法
        2.3.2 灌溉水渠仿真例子
    2.4 具有定常時(shí)滯的LPV系統(tǒng)局部辨識(shí)方法
        2.4.1 基于期望最大化算法的局部辨識(shí)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(cè)缺失下線性參數(shù)變化系統(tǒng)局部辨識(shí)方法
    3.1 引言
    3.2 問(wèn)題描述
    3.3 基于廣義期望最大化算法的局部辨識(shí)方法
        3.3.1 LPV FIR模型極大后驗(yàn)估計(jì)
        3.3.2 LPV OE模型極大似然估計(jì)
        3.3.3 總體算法流程
    3.4 仿真驗(yàn)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(shí)驗(yàn)
    3.6 本章小結(jié)
第4章 具有不確定量測(cè)時(shí)滯的線性參數(shù)變化多率系統(tǒng)局部辨識(shí)方法
    4.1 引言
    4.2 問(wèn)題描述
    4.3 快采樣率LPV FIR模型辨識(shí)
        4.3.1 基于期望最大化算法的辨識(shí)方法
        4.3.2 仿真驗(yàn)證
    4.4 快采樣率LPV OE模型辨識(shí)
        4.4.1 基于廣義期望最大化算法的辨識(shí)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(cè)缺失下線性參數(shù)變化時(shí)滯系統(tǒng)全局辨識(shí)方法
    5.1 引言
    5.2 問(wèn)題描述
    5.3 基于廣義期望最大化算法的全局辨識(shí)方法
    5.4 仿真驗(yàn)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(shí)方法
    6.1 引言
    6.2 問(wèn)題描述
    6.3 基于t-分布的問(wèn)題公式化
    6.4 基于廣義期望最大化算法的魯棒全局辨識(shí)方法
        6.4.1 辨識(shí)算法推導(dǎo)
        6.4.2 總體算法流程
    6.5 仿真驗(yàn)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(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
致謝
個(gè)人簡(jiǎn)歷



本文編號(hào)：3243868