基于子空間的系統(tǒng)辨識及其應(yīng)用.pdf

1、現(xiàn)代工業(yè)過程越來越復(fù)雜，控制要求越來越高。大多數(shù)控制方法都是基于過程數(shù)學(xué)模型的，然而由于過程的復(fù)雜性，其數(shù)學(xué)模型難以通過機(jī)理建模得到，因此越來越多的需求集中在通過辨識建模方法獲得過程模型。對于多輸入多輸出的辨識建模，基于子空間方法的系統(tǒng)辨識在近二十年中得到極大的關(guān)注，也提出了不少的新問題．本文對于閉環(huán)子空間辨識，連續(xù)系統(tǒng)的子空間辨識，遞歸子空間辨識及子空間辨識在實(shí)際工業(yè)過程中的應(yīng)用進(jìn)行了研究．具體內(nèi)容如下：
　　 1．閉環(huán)辨識問

2、題是子空間辨識中的一個難點(diǎn)。本文提出了基于正交分解和主元分析的閉環(huán)子空間辨識方法，并將該方法和其他文獻(xiàn)中的基于主元分析的子空間辨識方法做比較，分析了其他文獻(xiàn)中的辨識方法在閉環(huán)辨識中得到有偏估計(jì)的原因，最后提出了五種不同的輔助變量用于基于主元分析的閉環(huán)子空間辨識，并用數(shù)值例子對其在辨識中的效果進(jìn)行比較。結(jié)果表明，當(dāng)輔助變量包含更多的過去輸入輸出時，其辯識效果更好。
　　 2．連續(xù)系統(tǒng)的含噪聲變量模型和閉環(huán)子空間辨識問題還未得到更多

3、的重視，其主要原因是由于離散子空間辨識本身對于含噪聲變量模型和閉環(huán)系統(tǒng)還未完全解決。本文提出了基于線性濾波和主元分析的連續(xù)系統(tǒng)含噪聲變量模型的子空間辨識方法，并且進(jìn)一步的通過擴(kuò)展前面章節(jié)的對閉環(huán)子空間辨識問題的探討，將此辨識方法推廣至連續(xù)系統(tǒng)的閉環(huán)辨識。數(shù)值例子和Benchmark模型的仿真表明了所提出的方法具有很好的辨識效果。
　　 3．閉環(huán)系統(tǒng)的遞歸子空間辨識方法的研究很少，原因是很多閉環(huán)子空間辨識算法不適應(yīng)于遞歸計(jì)算．本文

4、提出了基于高階自回歸模型的遞歸子空間辨識方法，通過高階自回歸模型解決了閉環(huán)問題，并且將奇異值分解的遞歸更新問題轉(zhuǎn)化成子空間跟蹤問題。數(shù)值仿真證明該方法不僅可以對時不變系統(tǒng)進(jìn)行遞歸辨識，而且在跟蹤慢時變系統(tǒng)參數(shù)變化的方面具有良好的性能。
　　 4．介紹高爐煤氣余熱余壓發(fā)電系統(tǒng)。高爐煤氣頂壓的高精度控制是成功實(shí)施高爐煤氣余熱余壓發(fā)電的關(guān)鍵，這也就需要精確的過程模型。然而由于其過程的復(fù)雜性，很難通過機(jī)理建立過程的動態(tài)模型。因此，將子空