系统辨识在热工过程中及应用.docVIP

目前 , 在热工控制领域 , 系统辨识的应用不多 , 很多控制器的参数都是根据运行人员的经验确定 的 , 缺少精确的被控对象的数学模型作为理论依 据 。 热工过程系统辨识的常用方法主要有时域法 、 频域法和统计法 。 它们对输入信号的要求比较高 , 同时又有较大缺点辨识精度不高 , 抗干扰能力差 , 并且只适用于线性系统的辨识 。 本文所述采用进行系统辨识的方法 , 对输入信号的要求不高 , 同时能够保证一定辨识精 度 。 并且引人神经网络方法 , 能够实现对非线性系 统的辨识 。 系统辨识的一般步骤及其实现 瑞典著名学者给出系统辨识的定义 “ 辨识有三个要素 , 即数据 、 模型类型和准则 , 辨识 就是按照一个准则在一组模型类中选择一个与数 据拟合最好的模型 。” 系统辨识的内容和步骤 , 包括以下几个方面 。 试验设计和数据采集 包括输人信号幅度 、 频率等 、 采样时间 、 辨识 时间 、 开环或闭环辨识 、 离线或在线辨识等 。 此步骤 的目的在于使采集到的数据序列尽可能多地包含 过程特性的内在信息 。 数据预处理 输人输出数据通常含有直流成分 、 低频或高频成分这些对辨识的精度都是不利的因此一般都 要对数据进行零均值化和滤波的预处理 , 来提高辨 识的精度 。 中数据预处理的函数包括 一消除趋势项零均值化 记一对数据进行滤波 记一对数据进行重新采样 。 模型结构辨识 包