有色噪声条件下的子空间辨识改进方法及应用

针对工业生产过程中噪声往往为有色噪声的情况,提出一种改进的子空间辨识方法。传统的子空间辨识方法在系统存在有色噪声时辨识效果不佳,改进方法则采用变换系统模型形式来克服有色噪声对系统的影响,在辨识时直接利用变换系统模型后的数据得到系统较为准确的状态空间模型,实践证明,状态空间模型更适用于工业过程。连续搅拌反应釜（CSTR）系统是一类典型的工业生产系统,将子空间辨识方法应用于CSTR过程的仿真实验,通过比较改进前和改进后的系统预测误差,验证了所提方法的有效性。     

火电机组多变量预测控制系统的开发与应用

针对目前我国火电机组对于先进控制软件的迫切需求,结合子空间模型辨识和预测控制技术开发出一种基于状态空间模型的火电机组多变量预测控制系统;该系统采用子空间辨识方法离线辨识状态空间模型,利用多模型切换适应火电机组部分控制回路的非线性特征,最后使用预测控制器完成对象的在线控制;在电厂协调控制回路的实际应用中,负荷升降速率4%,压力偏差小于0.18MPa。所以该系统能够有效提高控制回路的响应速度和稳定性,具有一定的实用性和推广价值。     

一种子空间辨识的广义预测控制算法

针对广义预测控制(GPC)模型中输入输出数据可能存在噪声和系统先验结构信息未知导致的难于辨识问题,提出了一种子空间辨识的广义预测控制算法。该算法采用变遗忘因子的子空间辨识方法,按照预测优化值与参考输出值的误差构造变遗忘因子,调整采集数据权重,进行在线辨识以提高灵敏度和控制效果。实验结果验证了所提出算法的有效性。     

数据驱动闭环子空间预测控制方法研究与应用

提出一种完全数据驱动的闭环子空间辨识及预测控制器设计方法. 该方法完全由闭环系统的输入输出数据辨识子空间矩阵, 通过子空间矩阵的拆分, 排除了与扰动相关的模型输入, 进而获取子空间矩阵参数的无偏估计; 将辨识得到的闭环系统子空间矩阵描述直接作为预测模型, 设计预测控制器; 将其应用于某钢铁集团焦炉炭化室压力控制系统, 取得了良好的控制效果.

     

基于规范变量分析的子空间辨识方法及应用

现代控制理论的研究如滤波、预测、控制等大多建立在系统的状态空间模型形式上,而传统辨识方法需要预先参数化,并且计算比较复杂。本文深入研究和推广一种基于规范变量分析（CVA）的子空间辨识方法,并引入一种新的Akaike信息判据来获得系统阶次,求解过程简单,结果精确。由于此法直接由数据确定系统状态,避免了预先参数化;在计算上,主要依赖于奇异值分解（SVD）,也不会遇到与传统方法有关的数值困难。仿真研究结果表明,引入新的系统阶次求解方法后能很精确的辨识出系统模型,具有十分广阔的应用前景。     

递推子空间模型辨识算法的研究与仿真

为了很好的解决在线辨识系统模型问题，在对子空间模型辨识研究的基础上，结合递推最小二乘算法和子空问状态辨识方法。推导了子空间状态辨识的递推算法。该算法不仅解决了在线辨识问题，而且算法简单，计算方便，很好地克服了在线辨识时子空间矩阵维数的变化问题。经仿真研究表明，该递推算法克服了一次完成算法在大批量数据运算时，耗时大，专用内存多的缺点，而且对于测量和过程均有噪声干扰的多输入多输出系统，有很好的辨识效果，有较为广阔的应用前景。     

基于支持向量机N4SID辨识模型的非线性预测控制

针对工业控制领域中非线性系统的模型辨识与预测控制问题,采用最小二乘支持向量机回归方法构造非线性函数,运用状态子空间（N4SID）模型辨识方法辨识非线性状态空间模型.在此基础上建立非线性预测控制器,利用拟牛顿算法进行非线性预测控制律的求解,从而实现了一种新的基于支持向量机N4SID辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.     

有色噪声背景下的正交子空间辨识

针对传统子空间辨识中存在的有色噪声干扰问题,本文提出一种正交子空间辨识方法.首先,根据子空间辨识算法机制构建含有色噪声的扩展状态空间模型.然后,结合有色噪声的相关性分析,研究了传统子空间辨识方法的有偏性问题,并重新设计了投影向量和正交投影方式,用以消除有色噪声干扰.最后,对投影后的数据矩阵进行奇异值分解,获取广义能观测矩阵,进而求得系统的状态空间模型参数.仿真结果表明该方法在有色噪声干扰下是一致无偏的,并且具有渐进二阶统计特性.结合陀螺仪的具体实验结果表明,该算法在实际应用中具有比传统子空间辨识法更高的辨识精度.     

分数阶时滞系统的频域子空间辨识

研究了利用频率响应数据辨识分数阶时滞系统子空间模型的问题,给出了一种差分进化算法与频域子空间方法相结合的辨识算法.利用差分进化算法搜索最优分数微分阶次和时滞参数,而对于固定的分数微分阶次和时滞,则采用分数阶频域子空间辨识方法得到状态空间模型.通过仿真算例验证了该算法的有效性.     

基于小波子空间法的MIMO系统辨识研究

针对线性时不变多输人多输出(MIMO)系统的输出存在随机噪声情况下,提出直接利用小波域的输入输出数据,辨识MIMO系统的方法.子空间状态空间法是时域辨识MIMO系统的主要方法,通过数据矩阵投影,对数据矩阵进行QR分解和奇异值分解,辨识出系统的阶数和系统的状态方程矩阵.运用小波变换,将时域信号转换为小波域的信号,利用小波子空间状态空间辨识算法对MIMO系统辨识,通过仿真,得到辨识的结果与时域子空间状态空间法相比较,证明提出方法是有效的.     

N4SID and MOESP algorithms to highlight the ill-conditioning into subspace identification

In this paper,an analysis for ill conditioning problem in subspace identifcation method is provided.The subspace identifcation technique presents a satisfactory robustness in the parameter estimation of process model which performs control.As a frst step,the main geometric and mathematical tools used in subspace identifcation are briefly presented.In the second step,the problem of analyzing ill-conditioning matrices in the subspace identifcation method is considered.To illustrate this situation,a simulation study of an example is introduced to show the ill-conditioning in subspace identifcation.Algorithms numerical subspace state space system identifcation(N4SID)and multivariable output error state space model identifcation(MOESP)are considered to study,the parameters estimation while using the induction motor model,in simulation(Matlab environment).Finally,we show the inadequacy of the oblique projection and validate the efectiveness of the orthogonal projection approach which is needed in ill-conditioning;a real application dealing with induction motor parameters estimation has been experimented.The obtained results proved that the algorithm based on orthogonal projection MOESP,overcomes the situation of ill-conditioning in the Hankel s block,and thereby improving the estimation of parameters.     

Model variables identification of a gas turbine using a subspace approach based on input/output data measurements

This paper deals with a state model identification of a gas turbine used for gas transport, using a subspace approach of the state space model. This method provides a reliable and robust state representation of the model, taking advantage of its benefits in the control, monitoring, and supervision of this machine. The model for each variable is set so that the state matrices associated with the gas turbine model are determined from their real input/output data. The comparison of the obtained identification results with those of the actual turbine operation serves to validate the proposed model in this work. This numerical algorithm of the subspace identification method is full of information and more accurate in terms of residual modeling error, and expresses a very high level of confidence in the identified turbine system dynamics. Hence, the controllability and observability tests of turbine operation for different input/output variables allowed to validate the real-time operating stability of the turbine.     

质子交换膜燃料电池的分数阶非线性状态空间模型研究

针对质子交换膜燃料电池(PEMFC)发电过程中的分数阶和非线性特性,本文提出了一种分数阶子空间辨识方法建立了PEMFC非线性状态空间模型.首先,为了降低建模复杂度,采用典型相关分析法和相关分析法确定了模型输入变量;其次,将分数阶微分理论与Hammerstein模型子空间辨识方法相结合,采用Poisson矩函数对输入输出数据进行预处理,构造了子空间辨识方法的输入输出矩阵,并引入分数阶短时记忆法减少辨识算法计算量;最后,选取多项式作为Hammerstein模型前端静态非线性环节,采用模糊遗传算法优化系统分数阶阶次和系数矩阵.仿真结果验证了算法的有效性,改进的辨识算法可以明显减小计算时间,所得PEMFC辨识模型能够准确地描述PEMFC的动态过程.     

Frequency domain subspace identification of commensurate fractional order input time delay systems

A frequency domain subspace identification of fractional order systems with input timedelay is studied in this paper. A new identification method, which combines the merits of differential evolution (DE) algorithm and subspace identification algorithm in frequency domain, is presented. For the optimal search of fractional commensurate differential order and time delay parameters, the DE algorithm is applied. For fixed fractional commensurate differential order and time delay, subspace method is performed to obtain the state space model. Simulation results validate the proposed fractional order system identification method.     

基于子空间方法的非均匀周期刷新和采样系统辨识

针对非均匀周期刷新和采样系统的建模问题, 对于含有提升变量的状态空间模型, 提出基于子空间技术的辨识方法. 首先, 通过系统的采样数据建立由Hankel 矩阵组成的扩展状态空间方程; 然后, 利用斜交投影的原理、方法和奇异值分解, 通过子空间辨识算法确定增广观测矩阵和状态向量, 通过最小二乘方法确定模型的参数矩阵; 最后, 通过仿真实例表明了所提出算法的有效性.

     

Subspace identification of Hammerstein systems using least squares support vector machines

This paper presents a method for the identification of multiple-input-multiple-output (MIMO) Hammerstein systems for the goal of prediction. The method extends the numerical algorithms for subspace state space system identification (N4SID), mainly by rewriting the oblique projection in the N4SID algorithm as a set of componentwise least squares support vector machines (LS-SVMs) regression problems. The linear model and static nonlinearities follow from a low-rank approximation of a matrix obtained from this regression problem.