基于非线性分离模型的强跟踪滤波器设计及其应用.pdfVIP

2006年全国石油化工生产安全与控制学术交流会 基于非线性分离模型的强跟踪滤波器 设计及其应用 赵众，郭林 (北京化工大学自动控制系，北京100029) 摘要：针对实际的非线性过程状态估计的复杂性，在以非线性分离模型来描述非线性动态过程的基础上，提出一种基于此 模型而设计强跟踪滤波器的方法，所提方法用在浆液混合控制实例仿真中，并与卡尔曼滤波设计的仿真应用结果相比较，结 果证明了其有效性和可行性。 关键词：非线性分离模型；预测控制；强跟踪滤波；卡尔曼滤波；状态估计 1引言 在实际的非线性建模过程中，由于实际系统都具有一定的非线性甚至强非线性，而辨识非线性系统的 一样具有特殊的非线性结构，且容易通过辨识得到。非常适合描述实际非线性过程。且根据非线性分离模型 设计的控制器简单方便。 卡尔曼滤波器是一种递推线性最小方差估计，用卡尔曼滤波器进行最优估计需要建立较准确的系统模 型和观测模型，因而要求对各种随机误差准确建模。然而在绝大多数实际应用问题中，系统的数学模型和 噪声统计是未知或近似已知或部分已知，应用不精确或错误的模型和噪声统计设计卡尔曼滤波器将使滤波 器性能变坏，导致大的状态估计误差，甚至使滤波器发散。强跟踪滤波器是通过对残差的强制白化而具有 自适应的校正估计偏差和迅速跟踪状态变化的能力，具有很强的关于模型失配的鲁棒性，很强的抗干扰能 力，以及较低的对初值的敏感性。 提出一种基于非线性分离模型的强跟踪滤波器来估计模型状态变量，所提方法应用在浆液混合分离模 型上，并与卡尔曼滤波器估计结果进行比较。实例仿真比较结果验证了所提方法的有效性和可行性。 2非线性分离模型 非线性分离模型的结构如图l所示。 u(k旧1(k岍2(k圹习y(kh k。。一‰z￡缸—J L——一 图1 非线性分离模型结构 一类1乍线性动态过程可以用非线性分离模型来表示，非线性分离模型由三个部分组成来表述这个 动态过程的。其中F为非线性稳态子模型，G为线性动态子模型，助积分环节子模型。 基金项目：北京市科技新星计划(2005815)：北京化工大学青年基金资助项目(0N0416) 赵众，男，副教授，博士，从事先进控制、过程监测等研究 通讯联系人：电话：(010 E-mail：zhaozhong画aail．buet．edu．cn 357 2006年全国石油化工生产安全与控制学术交流会 相应的状态空间描述为11I： F：zt(k)=F@(七)) (1) G：Az2(k)=Bzl(k) (2) V：y(七)=y(z2(尼)) (3) 其中u(k)∈R4是系统的输入变量，zt(k)∈R”非线性稳态作用后的输出变量，也是线性动态的输入变量， 响应测试辨识得到。 3基于非线性分离模型的强跟踪滤波器 所谓滤波就是从混合在一起的诸多信号中提取出所需要的信号。强跟踪滤波器是对卡尔曼滤波器的一 种改进。 3．1强跟踪滤波器的引入 我们现在考虑非线性的状态估计问题， 对于线性系统的结论的适用性是当然的了。如下： x(k+1)=f(k，“(露)，x(霓))+r(露)D(后) y(k+1)=h(k+1，z(尼+1))+e(后+1) (4) 其中，x∈R”为状态变量，甜∈Rq为确定性的输入量，少∈R掰为输出向量。非线性函数，f： ‘ 高斯白噪声向量，并有如下统计特性： 西(七)=＆(后)=0 (5) E[v(k)vr(川=