论文部分内容阅读
现代化工装置高复杂度强耦合的特点给控制技术提出了更高的要求,需要更精准的数学模型和更有效的控制性能评价方法。子空间方法是辨识系统数学模型和性能评价的有效手段。但是在闭环系统中,由于输入信号和噪声信号存在相关性,子空间方法往往会得到有偏估计。 针对闭环子空间辨识存在有偏估计问题,提出一种基于自回归滑动平均模型(ARM-AX)的子空间辨识算法。建立基于ARMAX模型的马尔科夫参数,采用递归最小二乘法(ELS)求解该模型中参数,消除自回归(ARX)模型中的截断误差项。可在控制时域较小时获得较好辨识结果。数值仿真模型和脱轻塔模型验证结果表明本文算法准确有效。 针对传统子空间线性二次高斯(LQG)评价方法在闭环时存在有偏估计问题,提出一种基于辅助变量的子空间LQG评价方法。引入一个辅助变量矩阵代替输入矩阵,避免了输入矩阵和噪声矩阵存在的相关性。算法实例验证结果表明,该子空间LQG性能评价方法在闭环时可获无偏估计。