基于辅助变量的闭环系统子空间辨识

提出一种基于辅助变量的子空间辨识方法,适用于控制器信息未知以及参考输入已知的闭环系统参数辨识.通过将输入-输出数据块正交投影到辅助变量的行空间,直接得到扩展观测矩阵垂空间的估计.由此可从闭环系统中提取出对象模型信息,同时由SVD分解得到扩展观测矩阵与下三角Toeplitz矩阵的估计.给出了系统参数矩阵、噪声矩阵的计算方法.将所提出的子空间辨识方法应用于闭环动态的系统参数估计,其结果表明了该方法的有效性.     

基于子空间辨识的煤气混合加压过程建模方法

本文针对高炉煤气与焦炉煤气混合加压过程,提出一种基于子空间辨识的过程状态与输出关系建模方法.通过分析过程的强耦合特性,以蝶阀前的高炉煤气压力和流量、焦炉煤气压力和流量为过程状态,混合煤气热值和压力为输出,采用子空间辨识方法建立了一个4输入2输出的关系模型.仿真实验表明,建立的模型有效地反映了过程特性,具有较高的辨识精度.     

状态空间子空间方法处理闭环系统辨识

本文给出一个由闭环数据辨识状态空间模型的算法，此算法可辨识带有严重噪声干扰和延迟的稳定及不稳定系统，并已为数学理论及实验结果所验证。     

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。     

基于子空间划分的模糊系统模型辨识

提出了基于子空间划分的模糊系统模型（SPFS）,并给出一种针对SPSF的白适应模型辨识方法．应用遗传算法进行子空间划分方案的优化。降低了最大子空间的辨识误差,从而得到优化的模型辨识结果．理论分析和仿真计算证明了该模型的有效性．所提出的模型有助于缓解规则数爆炸问题．     

脉冲响应模型的闭环子空间辨识方法

针对实际情况中难以采集控制系统开环数据的问题,对脉冲响应模型的闭环辨识问题进行了研究,提出了一种基于正交分解理论的脉冲响应模型闭环子空间辨识方法。通过使用正交分解得到联合输入输出信号的确定部分（Deterministic Components）,把闭环问题转化成开环问题。利用Toeplitz矩阵下三角结构形式,对由脉冲响应模型系数组成的子空间矩阵分块分解,通过求取子空间矩阵元素的平均值来获取脉冲响应模型参数的估计。通过采用PID控制器的单输入单输出（SISO）数值仿真、多输入多输出（MIMO）数值仿真和Wood-Berry蒸馏过程仿真实验3个仿真实例,对比研究了所提方法与PBSID_OPT、CVA三种方法。仿真结果表明了所提出的方法具有良好的辨识性能。对于实际工业过程的建模问题,该研究所提的闭环子空间辨识方法具有实际的参考价值和一定的指导意义。     

基于主元分析的子空间辨识算法

子空间辨识算法作为一种优良的多变量系统辨识算法,最近在国内发展很快.但是现在国内介绍的大多数子空间辨识算法在变量有误差(errors-in-variable)时和闭环辨识时辨识结果却是有偏的,这是因为大多数子空间辨识算法都假设输入变量是没有噪声及辨识算法中存在的一个投影过程.文中介绍了一种新的子空间辨识算法,这种算法利用主元分析(PCA)来获取系统矩阵,避免了其他算法中的投影过程,因此该算法在闭环辨识和变量有误差(errors-in-variable)的情况下,辨识结果也是无偏的.最后给出一个仿真例子说明这种辨识算法的辨识效果良好.     

基于两步方法的闭环子空间辨识算法

闭环辨识算法具有广泛的工程应用前景,而子空间方法近年来应用于多个领域中,但子空间方法无法直接应用于闭环辨识,因此研究闭环子空间辨识算法具有重要意义.两步方法可用于辨识闭环系统,但计算量巨大,推导复杂,需要进一步改进.针对这种情况,提出了一种改进算法,使用将两步方法与正交投影相结合的方法,并利用QR分解实现,直接构建虚拟信号序列,大大减少了计算量,最后使用PI-MOESP辨识算法辨识模型.仿真实验将该算法与其他子空间辨识算法相比较,显示出该算法的有效性及计算量的显著减少.     

分数阶系统时域子空间辨识

研究了分数阶系统的时域辨识问题,给出了一种新的分数阶系统时域子空间辨识算法.当分数阶微分阶次已知时,通过计算输入输出信号的分数阶微分,构造新的输入输出数据方程对系统的参数进行子空间辨识.当分数阶微分阶次未知时,通过代价函数将阶次辨识问题转化为参数寻优问题.采用Poisson滤波器有效避免了在计算分数阶微分时输入输出信号必须高阶可导的问题.通过分析给出了权矩阵的选取方式,提高了时域子空间辨识结果的精度.数值仿真结果表明了该算法的有效性.     

闭环子空间辨识方法的分析与比较

在实际应用中,辨识方法的辨识精度和辨识效率一直是人们关注的指标,也是人们选择辨识方法的主要依据。针对多种闭环子空间辨识方法的辨识精度和辨识效率问题的研究,首先归纳和总结了基于正交分解和基于正交投影闭环子空间辨识方法的理论和实现;然后扩展提出了基于正交分解的闭环子空间辨识方法 ORT_POMOESP、ORT_N4SID和基于正交投影的闭环子空间辨识方法 CSOPIM_W2;最后考虑系统输入输出测量噪声,针对过程噪声为白噪声和有色噪声两种情况下,通过仿真算例以数值分析的形式,对比研究了多种闭环子空间辨识方法的辨识精度和辨识效率。该研究不仅对子空间辨识方法应用于实际工业过程的建模具有实际的参考价值,而且对实际工程应用中闭环子空间辨识算法的选用具有一定的指导意义。     

Subspace identification using instrumental variable techniques

Subspace-based algorithms for system identification have lately been suggested as alternatives to more traditional techniques. Variants of the MOESP type of subspace algorithms are in addition to open-loop identification applicable to closed-loop and errors-in-variables identification. In this paper, a new instrumental variable approach to subspace identification is presented. It is shown how existing MOESP-algorithms can be derived within the proposed framework, simply by changing instruments and weighting matrices. A noteworthy outcome of the analysis is that an improvement of an existing MOESP method for errors-in-variables identification can be proposed.     

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.     

基于ARMAX模型的子空间辨识算法

针对于子空间辨识算法辨识闭环系统时,由于输入信号与不可测噪声是相关的,往往会得到有偏估计的问题.提出一种采用自回归滑动平均模型(ARMAX)的闭环子空间辨识方法,通过扩展最小二乘方法(ELs)估计ARMAX模型中的马尔科夫(Markov)参数,使用预测的子空间辨识方法(PBSID)获取系统参数矩阵,避免了采用高阶自回归模型(ARX)所导致的过大的估计方差等问题.算法实例验证结果表明,改进方法能够获得较好的闭环系统一致性估计,辨识精度较高,有非常良好的应用前景.     

蒸馏塔的分散化控制

本文在不同的分散化信息结构下,对一个二元蒸馏塔分别给出了静态分散化和一阶动态分散化干扰解耦控制器的设计.结果表明,反馈后蒸馏塔的产品输出完全不受干扰量进料组分的影响.     

丙烯精馏塔优化操作分析

利用化工模拟软件,对丙烯精馏塔操作进行了模拟分析,为优化该塔操作提出了建议,以利于在保证丙烯产品质量的前提下,增加丙烯收率。     

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。     

Subspace identification with non-steady Kalman filter parameterization

Most existing subspace identification methods use steady-state Kalman filter (SKF) in parameterization, hence, infinite data horizons are implicitly assumed to allow the Kalman gain to reach steady state. However, using infinite horizons requires collecting infinite data which is unrealistic in practice. In this paper, a subspace framework with non-steady state Kalman filter (NKF) parameterization is established to provide exact parameterization for finite data horizon identification problems. Based on this we propose a novel subspace identification method with NKF parameterization which can handle closed-loop data and avoid assumption on infinite horizons. It is shown that with finite data, the proposed parameterization method provides more accurate and consistent solutions than existing SKF based methods. The paper also reveals why it is often beneficial in practice to estimate a bank of ARX models over a single ARX model.     

子空间辨识技术和MATLAB/xPCTarget在智能结构系统建模中的应用

本文采用子空间辨识方法和基于MATLAB/xPCTarget构建的实验系统对一表面粘贴有压电传感器和执行器的复合材料薄壳结构进行了实验研究,并与传统方法进行了比较。实验结果表明了所述方法的有效性。     

基于超向量子空间分析的自动语种识别方法

在针对电话语音的自动语种识别系统中,由不同信道、说话内容及说话人等所引起的干扰是影响系统识别性能的一个重要因素。针对此,文中提出一种基于超向量子空间分析的自动语种识别方法。首先构造表征各训练语句的超向量空间并利用SVM模型进行区分性训练,然后利用子空间分析方法估计出噪声子空间,并在距离度量中去除这部分影响。在NIST 07 语种识别测试30s和10s任务中,该方法与基线系统相比,性能有明显提高,等错误率相对降低约20％。