【摘 要】
:
过程噪声对Hammerstein-Wiener系统输出的影响与输出非线性环节的增益有关,在建模研究中必须分析过程噪声对模型辨识结果的影响,否则会使模型灵敏度分析与机理规律相违背。本文利用三阶段可分离组合式信号源在含过程噪声干扰下Hammerstein-Wiener模型中实现输入非线性环节、动态线性环节、输出非线性环节的分离辨识,提高了各串联环节模型参数的分离精度,避免了在迭代分离方法中模型参数收敛
【机 构】
:
上海大学机电工程与自动化学院自动化系,上海市电站自动化技术重点实验室,上海 200072
论文部分内容阅读
过程噪声对Hammerstein-Wiener系统输出的影响与输出非线性环节的增益有关,在建模研究中必须分析过程噪声对模型辨识结果的影响,否则会使模型灵敏度分析与机理规律相违背。本文利用三阶段可分离组合式信号源在含过程噪声干扰下Hammerstein-Wiener模型中实现输入非线性环节、动态线性环节、输出非线性环节的分离辨识,提高了各串联环节模型参数的分离精度,避免了在迭代分离方法中模型参数收敛性问题分析。然后提出利用相关分析法和递推广义最小二乘法来辨识含过程噪声干扰的Hammerstein-Wiener模型的方法。仿真实例验证了本文提出方法的有效性。
其他文献
面对日益复杂的非线性过程,传统的线性多元统计方法忽略了系统的非线性特征,监控效果也不理想。本文提出了一种基于即时学习(Lazy Learning)的FVS-KP1M的监控方法。方法首先用Lazy Learning进行多模型局部建模,获得局部模型预测输出和真实输出的残差,在监控方面采用KP1M方法建立监控模型。为了解决KP1M计算时间比较大的问题,本文采用FVS特征样本提取方法用少数几个特征样本代替
乙烯装置作为石化行业能耗大户,在乙烯装置能量优化过程中,建立实时准确的乙烯裂解炉燃料气消耗预测模型具有重要意义.为更好的达到预测模型精度以及更好的适应实际工况不断变化的情况,本文采用基于即时学习的局部建模方法,建立了精确的燃料气消耗预测模型.并通过改进即时学习算法,有效缩短了建模时间.测试表明,模型平均绝对百分比误差为0.0626%,最大相对误差为3.0266%,相对误差在5%以内,满足实际工业过
在工业机器人控制中引入计算机视觉可扩展机器人的应用领域,提高控制精度。论文基于ABB 工业机器人搭建了计算机视觉系统用于圆球位置控制,系统由装在ABB 机械臂上的平台、摄像头、PC 机、机械臂执行器和通信接口组成。摄像头捕捉圆球图像,设计图像处理算法在PC 处理后获得位置偏差,经通信接口传到机械臂执行器,设计控制模糊算法控制ABB 机械臂的动作,调整平台使圆球运动到预定位置。论文在MATLAB 环
多变量时滞系统广泛存在于工业对象中,受到广泛的关注。多变量时滞系统的控制器必须同时解决多变量和时滞问题。通常用于处理多变量问题的解耦方法是建立在精确模型的基础上,但复杂工业对象难以精确建模,再加上时滞问题需要进行预估,从而增大了控制难度。本文采用无模控制来设计多闭环控制系统,并用改进的交叉熵算法进行控制器的参数整定,可以有效处理多变量时滞问题,具有有良好的鲁棒性和抗抗干扰性。最后将无模控制器应用于
轨道电路的故障诊断对于确保列车运行安全具有重要的意义。现有关于轨道电路的故障诊断的研究主要集中于电路硬故障的诊断并且缺乏关于含容差条件下故障诊断方法的研究,容差的存在使得相关的故障诊断理论方法难以用于实际工程,针对这样的问题,本文研究了轨道电路故障诊断的容差问题,提出了基于灵敏度分析的消除容差影响的方法,并在此基础上提出了基于节点电压增量方程的含容差轨道电路软故障字典法;该方法是对含容差线性模拟电
针对汽车全景泊车中鱼眼镜头安装定位不精确的问题,研究一种近似法以对鱼眼镜头位置进行精确估计,提高图像拼接的效果。首先,将四个鱼眼镜头分别安装在汽车前后、左右四周,并以车身为主体建立合适的空间坐标系;在此基础上,根据镜头的安装参数与地面之间的关系,将其所采集的图像区域投射到xoy 平面上,从而转化为xoy 平面上具有重合区域的相交椭圆面,并利用近似估计法推导出不同重合区域面积占两侧镜头采集区域的比例
高炉炼铁中,铁水温度、Si 含量、S 含量、P 含量等铁水质量参数难以直接在线检测,且离线化验分析过程具有较大的滞后时间。因此,实现铁水质量参数在线估计或软测量是高炉优化操作以及实现高炉全过程自动控制的前提。针对机理建模难以准确估计多元铁水质量参数的难题,利用数据驱动建模思想,建立基于模型精度综合评价与遗传优化的铁水质量参数多输出支持向量回归机(M-SVR)模型。与常规单输出SVR 或者SVM 不
滚动轴承的工况比较复杂,其振动信号往往呈现非线性、非平稳特性。针对传统基于欧式空间的大部分算法不能充分挖掘出非线性、非平稳信号内部本质信息的问题,提出了基于局部切空间排列算法(LTSA)与马田系统(MTS)相结合的故障诊断方法。该方法首先将滚动轴承振动信号一维时间序列重构到高维相空间,并估计数据的本征维数;然后利用局部切空间排列算法对数据集进行维数约简,得到初始的低维流形结构;接着获取降维后特征向
针对当前大部分蜂拥控制算法应用于多智能体系统的控制时,容易出现的“局部聚集”现象,借鉴复杂网络社团结构的思想,采用聚类分析算法将多智能体系统划分成若干个子系统,并设计仅依赖于子系统中邻居个体的信息交互规则;随后,从子系统中选择若干个智能体作为信息智能体,将多智能体系统的蜂拥控制转化为多个子系统的蜂拥控制,以保证多智能体系统在动态演化过程中始终保持连通;最后,通过与经典蜂拥控制算法的仿真对比,验证了
针对化工过程中检测数据变量多、运行模式多样性,而且不同流形的数据样本结构具有不同的最优近邻数问题,提出了基于聚类有效性选择k 近邻的局部线性嵌入(LLE)流形学习算法在故障检测中的应用。首先,使用LLE 算法提取高维数据的低维子流形,进行维数约减。同时保持邻域结构不变,通过局部线性回归得到高维数据空间到特征空间的映射矩阵;其次,运行聚类算法选择Silhouette 指标作为聚类有效性指标,估计嵌入