基于PSO的不穩(wěn)定過程和穩(wěn)定過程的辨識
發(fā)布時間:2021-07-18 17:13
帶有偽噪聲模型的Box-Jenkins模型克服了Box-Jenkins模型不可用于不穩(wěn)定過程辨識的缺點,但數(shù)值優(yōu)化算法復(fù)雜且易陷入局部最優(yōu)。本文應(yīng)用PSO對帶有偽噪聲模型的Box-Jenkins模型進行閉環(huán)下不穩(wěn)定過程和穩(wěn)定過程模型的參數(shù)辨識。通過在不同仿真例子下對比,得出本文方法具有參數(shù)估計的有效性和無偏性,而采用其它模型的辨識存在較大的估計偏差,甚至不可辨識。最后,仿真說明在本文方法下當(dāng)噪聲模型屬于所選用模型類時,能獲得較好的過程模型參數(shù)。
【文章來源】:科技通報. 2017,33(08)北大核心
【文章頁數(shù)】:5 頁
【部分圖文】:
PSO程序流程圖Fig.1TheflowchartofPSO
科技通報2數(shù)值仿真仿真對象如圖2所示。參考輸入信號r(k)采用幅度為1的偽隨機二進制序列。e(k)為服從N(0,1)正態(tài)分布的隨機噪聲。觀測數(shù)據(jù)長度L=401。PSO參數(shù)設(shè)置:總迭代次數(shù)m=500,粒子數(shù)pn=100,粒子尋優(yōu)的區(qū)間Di=[-10,10],θi∈D。通過10次仿真,得出適應(yīng)度函數(shù)最小的估計參數(shù)作為待辨識過程模型的估計參數(shù)。估計模型的總偏差量δ%=∑i=1N(θi-θi)2θi2×100%。過程的噪信比[12]為NSR=D[y(k)|r(k)=0]D[y(k)|e(k)=0]×100%,D為方差算子。圖2閉環(huán)辨識模型Fig.2Modelforclosed-loopidentification過程模型G(q)=B(q)A(q),控制器模型R(q)=Q(q)P(q),噪聲通道模型N(q)=C(q)D(q)。其中Q(q)=q0+q1q-1++qnqq-nq,P(q)=p0+p1q-1++pnpq-np。為說明本文方法的有效性,現(xiàn)采用3個例子進行數(shù)值仿真。例1為過程模型G(q)為不穩(wěn)定系統(tǒng)的辨識,例2為過程模型G(q)為穩(wěn)定系統(tǒng)的辨識,例3為噪聲模型N(q)結(jié)構(gòu)未知,但屬于辨識所用的模型類時的辨識。對ARMAX模型的辨識方法采用增廣最小二乘法(ELS)。對ARARX模型的辨識方法采用廣義最小二乘法(GLS)。2.1例1(過程模型為不穩(wěn)定系統(tǒng))過程模型G(q)=0.5q-1+0.2q-21-2.5q-1+q-2控制器模型R(q)=3.23-5.25q-1+2.06q-21-q-1噪聲通道模型N(q)=1-0.6q-1+0.1q-21-q-1+0.26q-2表1~3表示在不同噪信比下,對例1中過程模型G(q)參數(shù)的辨識結(jié)果。本例說明了本文方法在處理不穩(wěn)定過程時,對于不同噪信比下都能取得好的辨識效果。通過與ARARX模型和ARMAX模型在對不穩(wěn)定?
徒?型暾?拿枋觶?讜?信比較大時,而且會出現(xiàn)不可辨識的情況。對于采用ARARX模型的閉環(huán)辨識,只能是在噪信比較小的情況下才可以獲得有效的辨識。通過在不同仿真例子下對比,得出本文方法有較采用ARARX模型和ARMAX模型的辨識有更好的參數(shù)估計的性能。當(dāng)噪聲模型屬于所選用模型類時,采用本文方法,過程模型可辨識,且能獲得近袁晗等.基于PSO的不穩(wěn)定過程和穩(wěn)定過程的辨識表7NSR=50%下的參數(shù)估計Table7TheparameterestimationwhenNSR=50%表8NSR=66%下的參數(shù)估計Table8TheparameterestimationwhenNSR=66%圖3不穩(wěn)定過程的參數(shù)辨識的代數(shù)曲線Fig.3Theparameterestimationofunstableprocess圖4穩(wěn)定過程的參數(shù)辨識的代數(shù)曲線Fig.4Theparameterestimationofstableprocess參數(shù)(真值)本文方法b1(0.5)0.5050b2(0.2)0.1969a1(-2.5)-2.5083a2(1)1.0259δ/%1.01參數(shù)(真值)本文方法b1(0.21)0.1983b2(0.13)0.1447a1(-1.1)-1.0889a2(0.26)0.2465δ/%2.22183
【參考文獻】:
期刊論文
[1]基于粒子群優(yōu)化的Wiener模型辨識與實例研究[J]. 張艷,李少遠,王笑波,周堅剛. 控制理論與應(yīng)用. 2006(06)
[2]系統(tǒng)辨識中的閉環(huán)問題[J]. 莫建林,王偉,許曉鳴,張衛(wèi)東. 控制理論與應(yīng)用. 2002(01)
[3]輸入輸出系統(tǒng)噪信比的計算[J]. 丁鋒,楊家本. 清華大學(xué)學(xué)報(自然科學(xué)版). 1998(09)
本文編號:3290009
【文章來源】:科技通報. 2017,33(08)北大核心
【文章頁數(shù)】:5 頁
【部分圖文】:
PSO程序流程圖Fig.1TheflowchartofPSO
科技通報2數(shù)值仿真仿真對象如圖2所示。參考輸入信號r(k)采用幅度為1的偽隨機二進制序列。e(k)為服從N(0,1)正態(tài)分布的隨機噪聲。觀測數(shù)據(jù)長度L=401。PSO參數(shù)設(shè)置:總迭代次數(shù)m=500,粒子數(shù)pn=100,粒子尋優(yōu)的區(qū)間Di=[-10,10],θi∈D。通過10次仿真,得出適應(yīng)度函數(shù)最小的估計參數(shù)作為待辨識過程模型的估計參數(shù)。估計模型的總偏差量δ%=∑i=1N(θi-θi)2θi2×100%。過程的噪信比[12]為NSR=D[y(k)|r(k)=0]D[y(k)|e(k)=0]×100%,D為方差算子。圖2閉環(huán)辨識模型Fig.2Modelforclosed-loopidentification過程模型G(q)=B(q)A(q),控制器模型R(q)=Q(q)P(q),噪聲通道模型N(q)=C(q)D(q)。其中Q(q)=q0+q1q-1++qnqq-nq,P(q)=p0+p1q-1++pnpq-np。為說明本文方法的有效性,現(xiàn)采用3個例子進行數(shù)值仿真。例1為過程模型G(q)為不穩(wěn)定系統(tǒng)的辨識,例2為過程模型G(q)為穩(wěn)定系統(tǒng)的辨識,例3為噪聲模型N(q)結(jié)構(gòu)未知,但屬于辨識所用的模型類時的辨識。對ARMAX模型的辨識方法采用增廣最小二乘法(ELS)。對ARARX模型的辨識方法采用廣義最小二乘法(GLS)。2.1例1(過程模型為不穩(wěn)定系統(tǒng))過程模型G(q)=0.5q-1+0.2q-21-2.5q-1+q-2控制器模型R(q)=3.23-5.25q-1+2.06q-21-q-1噪聲通道模型N(q)=1-0.6q-1+0.1q-21-q-1+0.26q-2表1~3表示在不同噪信比下,對例1中過程模型G(q)參數(shù)的辨識結(jié)果。本例說明了本文方法在處理不穩(wěn)定過程時,對于不同噪信比下都能取得好的辨識效果。通過與ARARX模型和ARMAX模型在對不穩(wěn)定?
徒?型暾?拿枋觶?讜?信比較大時,而且會出現(xiàn)不可辨識的情況。對于采用ARARX模型的閉環(huán)辨識,只能是在噪信比較小的情況下才可以獲得有效的辨識。通過在不同仿真例子下對比,得出本文方法有較采用ARARX模型和ARMAX模型的辨識有更好的參數(shù)估計的性能。當(dāng)噪聲模型屬于所選用模型類時,采用本文方法,過程模型可辨識,且能獲得近袁晗等.基于PSO的不穩(wěn)定過程和穩(wěn)定過程的辨識表7NSR=50%下的參數(shù)估計Table7TheparameterestimationwhenNSR=50%表8NSR=66%下的參數(shù)估計Table8TheparameterestimationwhenNSR=66%圖3不穩(wěn)定過程的參數(shù)辨識的代數(shù)曲線Fig.3Theparameterestimationofunstableprocess圖4穩(wěn)定過程的參數(shù)辨識的代數(shù)曲線Fig.4Theparameterestimationofstableprocess參數(shù)(真值)本文方法b1(0.5)0.5050b2(0.2)0.1969a1(-2.5)-2.5083a2(1)1.0259δ/%1.01參數(shù)(真值)本文方法b1(0.21)0.1983b2(0.13)0.1447a1(-1.1)-1.0889a2(0.26)0.2465δ/%2.22183
【參考文獻】:
期刊論文
[1]基于粒子群優(yōu)化的Wiener模型辨識與實例研究[J]. 張艷,李少遠,王笑波,周堅剛. 控制理論與應(yīng)用. 2006(06)
[2]系統(tǒng)辨識中的閉環(huán)問題[J]. 莫建林,王偉,許曉鳴,張衛(wèi)東. 控制理論與應(yīng)用. 2002(01)
[3]輸入輸出系統(tǒng)噪信比的計算[J]. 丁鋒,楊家本. 清華大學(xué)學(xué)報(自然科學(xué)版). 1998(09)
本文編號:3290009
本文鏈接:http://sikaile.net/projectlw/xtxlw/3290009.html
最近更新
教材專著