噪声干扰下块结构模型辨识方法研究硕士论文.doc

硕 士 学 位 论 文 SHANGHAI UNIVERSITY MASTER’S DISSERTATION 题 目 噪声干扰下块结构模型辨识方法研究 作 者 学科专业 控制理论与控制工程 导 师 完成日期 上海大学 本论文经答辩委员会全体委员审查,确认符合上海大学硕士学位论文质量要求。 答辩委员会签名： 主任： 委员： 导 师： 答辩日期：  上海大学工学硕士学位论文 噪声干扰下块结构模型辨识方法研究 姓 名： 导 师： 教授 学科专业：控制理论与控制工程 上海大学机电工程与自动化学院 年 月 摘 要 块结构模型是一类具有特定结构的非线性模型，由静态非线性环节和动态线性环节串联而成，可以描述一大类非线性过程，具有传统非线性模型不可比拟优越性，同时可以和先进控制算法结合，在保证控制系统有效前提下简化控制器求解，把非线性控制问题简化为线性模型预测控制问题。但考虑到实际复杂工业过程中相互作用关系多、干扰普遍存在，对含噪声干扰的块结构模型研究显得更具理论价值和实际意义。本文从噪声信号无法测量的角度出发，在综述了块结构模型相关理论和研究方法的基础上，采用相关分析法、辅助模型多新息随机梯度法、辅助模型递推最小二乘法等方法来辨识含噪声干扰块结构模型，有效补偿噪声信号干扰，提高了各串联模块参数辨识精度。 本文主要研究成果如下： 总结和回顾了块结构模型辨识方法。同时为了更符合实际工业生产环境需求，对含噪声干扰的块结构模型研究方法和现状进行了总结。阐述了含噪声干扰的块结构模型主要辨识方法，同时分析了在这些研究中所遇到问题和难点。 针对含噪声干扰的Hammerstein模型，提出了一种基于辅助模型多新息随机梯度算法的Hammerstein模型多信号源辨识方法。首先通过特殊输入信号实现Hammerstein模型各串联环节分离，然后将辅助模型辨识思想与多新息辨识理论相结合，利用系统可测信息建立一个辅助模型，分别采用辅助模型输出和噪声估计量代替模型中未知量和不可测噪声信号。同时引入新息长度，将标量新息扩展为新息向量。提出的方法补偿了不可测噪声信号干扰，通过改变新息长度提高了测量数据的利用效率和参数估计精度，克服了坏数据对参数估计的影响，具有较强的鲁棒性。 研究成果2基础上，针对实际工业中另一类噪声信号——有色噪声，提出了一种含有色噪声干扰的神经模糊Hammerstein模型辨识方法。研究中，通过可分离信号，采用相关分析法辨识出动态线性环节参数；辨识出静态非线性环节和噪声模型的参数。提出的方法避免了采用迭代法辨识Hammerstein模型时存在模型参数初始化和收敛性难以证明的问题，并有效补偿噪声信号的干扰。通过实现噪声干扰下的Hammerstein-Wiener模型中非线性动态线性环节分离提高各串联环节模型参数的精度ABSTRACT The block-oriented model is a typical nonlinear model consisting of the cascade structure of static nonlinear parts and dynamic linear parts. It can effectively represent a large range of nonlinear processes. Block structure model has incomparable superiority of traditional nonlinear models and combines advanced control algorithms to simplify controller under the premise of ensuring the effectiveness of the control system, which makes the resulting dynamics approximately equivalent to a linear system. The study of the block structure model with noise interference has much theoretical meaning and practical value when considering the interference is widespread in the actual complex industrial process. Considering immeasurable