多率系统连续状态模型辨识及其在过程数据压缩中应用.pdfVIP

86过程控制科学技术与应用——第19届中国过程控制套议论文集 多率系统的连续状态模型辨识 及其在过程数据压缩中的应用 倪博溢，萧德云’ (清华大学自动化系，北京，100084) 摘 要：提出了一种可用于多采样率系统的辨识方法。借助积分滤波器解决了非均匀多率采样 问题，并改造子空间估计方法得到多率系统的连续状态模型。研究了该方法在过程数据压缩中 的应用：结合传统的旋转门算法，通过辨识获得过程模型，对旋转门压缩数据进行再压缩，以 模型参数代替辨识模型输出的存储。文中给出的工业数据实例表明，辨识算法能够获得有效的 多率模型，运用了系统辨识的新压缩方法具有更高的压缩比。 关键词：多采样率系统；系统辨识；数据压缩；旋转门算法 引 言 多采样率系统(多率系统)是一种特殊形式的采样系统，在过程工业等领域非常普遍。 传统辨识方法所需要的单采样率数据在多率形式下不能得到保证，因而难以适用。多率系统 辨识问题的主要困难在于如何建立多率辨识模型。通常，克服多率问题有几个思路：对数据 抽取或插补为单率数据、转换数据使其成为单率形式、转换模型使其适合于多率，等等。这 些方法中包括提升、多项式参数化、小波变换方法等。 上面所提到的多率辨识方法都难以处理非均匀采样的数据，本文提出的方法主要解决这 一问题。采用积分滤波器的方法处理多率数据，并通过子空间方法辨识得到系统的状态空间 模型。这种方法的优点是使用了原始的非均匀采样数据，并获得连续状态空间模型。 本文研究了多率辨识在工业过程数据压缩中的一个应用。工业过程数据的处理、存档和 传输对过程的正常运行非常重要，而一些复杂系统具有海量数据存储的特点，若直接处理会 带来问题[1t2|。因此数据压缩则是数据存储中的一个关键技术。目前，过程数据压缩主要有 几种方法[3]，分别是：分段线性化方法、信号变换法、矢量量化法以及多变量统计方法。 Door 其中，转门趋势法(SDT：Swinging DT等)；信号变换法有余弦变换、子带分析、小波变换等；矢量量化法采用的是聚类分析 的信息论方法；多变量统计以PLS方法为代表[4]。 在上述方法中，使用最为广泛的方法是SDT方法和它的改进算法，这是因为SDT方法 简单易用并且是实时压缩方法，其存储的数据点又是原始数据的子集，因此受到过程工业的 工程师们的欢迎。其缺点是压缩率比其他几种方法稍差。通过和经典的压缩方法——旋转门 算法[5](即转门趋势法)相结合，压缩存储过程的原始数据，可以极大提高过程数据的存 储、传输和处理效率。文中的工业实例证实了在压缩算法的效果和实用性。 第一作者：男，1982年生，博士生。 *通信作者E-mail：xiaody@tsinghua．edu．crl 建模与优化87 l多率系统辨识方法 考虑如下采用连续状态空间模型描述的线性多变量系统： n·，’ 。 I f+ 睢Yf=CAx蒜Du鬻Vtf+ 其中，z。，U。和Y。分别是状态、输入和输出向量；A，B，C，D为系统参数矩阵；铆 和口。分别是过程和输出噪声。数据在时间轴上是非均匀采样的。 对式(1．1)多次微分，并定义上标(j；)表示变量的歹次微分，有如下形式： y；”’=CA”工；+∑CA”1一i(B“∥+∞∥)+D¨；”’ (1．2) 同时，定义如下的微分向量： ys(‘)=[y丁(多。)T…(y；5—1’)T]T∈卵 因此式(1．2)扩展为 Y；(￡)=nz(￡)+H：