非线性系统辨识中模糊模型参数收敛问题的进一步研究.docVIP

非线性系统辨识中模糊模型参数收敛问题的进一步研究 第33卷第1期 2007年1月 自动化 ACTAAUTOMATICASINICA Vo1.33,No.1 January,2007 非线性系统辨识中模糊模型参数收敛 问题的进一步研究 万峰,孙优贤 摘要对于使用标准的Mamda~型模糊系统及正交投影参数调整 算法进行非线性系统辨识,基于模糊模型参数的估计值收敛到其真实值 所需的持续激励条件,给出了适用于非线性移动平均模型和阶非线性 自同归移动平均模型系统辨识的持续激励输入信号设计的几个算法. 关键词非线性系统辨识,模糊系统模型,参数收敛性,持续激励输入 信号设计 中图分类号TP27 FurtherStu~lyontheParameter ConvergenceofFuzzyModelsinNonlinear .SystemIdentifications WANFeIlg,SUNYou-Xian AbstractThispaperinvestigatesthepersistentexcitation conditionsunderwhichtheparametersinthefuzzysystem modelconvergetotheirtruevalueswhenthestandardMamdani typefuzzysystemisconstructedandtheo~hogonMprojection parameter?-tuningalgorithmisusedfornonlinearsystemidenti?- fication.Algorithmsareproposedaccordinglyforgeneratingthe inputsignalswithpersistentexcitationpropertyfortheidenti- ficationsofnonlinearmovingaverage(N?MA)andsecond-order nonlinearauto-regressivemovingaverage(N?AfA)systems. KeywordsNonlinearsystemidentification,fuzzysystem model,parameterconvergence,persistentlyexcitinginputsig- haldesign. 1引言 模糊系统方法己被广泛应用于复杂非线性系统辨 识【.对于非线性连续时间系统,文献『21提出两类基 于模糊系统的辨识器,采用Lyapunov方法自适应调节律, 保证在一定条件下辨识误差渐近地收敛到零,,以及辨识器全 局稳定.对于离散时间非线性系统,文献【3】将模糊系统表示 成模糊基函数的形式,并使用递推最小二乘法调整模糊模型 中的参数.新的模糊模型和辨识方法也不断涌现.然而,由 于研究对象的非线性性质,上述绝大多数的研究都集中于讨 论模型辨识误差的收敛性,而对模型参数收敛性的研究极少. 如【2】只给出了辨识误差的收敛性,而没有考虑模型中参数 的收敛性.但在许多场合,仅仅要求模型辨识误差收敛并不 足够,模型中的参数能否收敛到其真值也非常重要.例如,在 自适应模糊控制系统闭环稳定性的分析中,由于模糊系统的 逼近能力和自适应调节机制,被控系统的状态和跟踪误差的 有界性一般都可保证,但整个系统的稳定则需要模糊模型的 参数都有界. 收稿日期2004-1i-29收修改稿日期2006-7-27 ReceivedNovember29,2004;inrevisedformJuly27,2006 l_澳门大学科技学院电子与电机工程学系澳门2.浙江大学控制系工业控制 技术国家重点实验室现代控制工程研究所杭州310027 1.Dept.ofEEE,FST,UniversityofMacau,Taipa,MacauSAR, P.R.China2.NationalLaboratoryofIndustrialControlTechnoI- ogy,InstituteoPModernControlEngineering.DepartmentofCon- trolScienceandEngineering,ZhejiangUniversity,Hangzhou310027, P.R.China Doh10.1360/aas-007-0109 一 般而言,如果辨识时所用的输入信号能够激励被控系 统所有的模式,那么模型中的参数可望收敛到真值.这种输 入信号被称为持续激励信号(或称其满足持续激励条件).输 入信号的激励特性与辨识模型参数的收敛速率密切相关.线 性系统辨识中的参数收敛性已有相当成熟的研加】.但 对于非线性系统,因输入信号对被控系统的非线性作用方式 而使问题变得非常