协方差驱动随机子空间辨识的参数敏感性分析

协方差驱动随机子空间辨识(Covariance-driven Stochastic Subspace Identification,SSI-cov)是近年来发展较为成熟的工作模态分析方法。针对其识别精度和效率对参数设置具有较高敏感性的问题,基于敏感性分析方法,利用奇异熵增量跳跃点明显程度、频率平均识别误差、阻尼比总变异系数、振型平均模态置信因子、运行时间5种评价指标以及稳定图,通过一经典五自由度层模型仿真算例,研究Toeplitz矩阵行块数、采样频率、数据长度对SSI-cov识别结果的影响规律。并给出既能满足精度要求又可控制程序运行时间的参数建议取值范围。最后,通过一缩尺三层框架模型在白噪声激励下实测数据对提出的根据SSI-cov改进参数设置进行验证,结果表明提出的各参数建议取值范围均较为合理。

基于子空间辨识方法的建筑群热负荷预测研究

根据建筑热力模型和热负荷计算模型建立了状态空间模型,分别利用未指定状态变量和指定状态变量的子空间辨识方法构建了建筑群热负荷预测模型,并以哈尔滨市某小区换热站为例,验证和比较了2种方法的热负荷预测结果及训练策略和预测时长对预测精度的影响。结果表明:指定状态变量比未指定状态变量的子空间辨识方法的热负荷预测平均绝对百分比误差降低了10.00%;未指定状态变量的子空间辨识方法的中期预测效果优于短期预测,平均绝对百分比误差降低了13.34%。

基于IECSDE算法的PEMFC改进分数阶子空间辨识模型

为准确描述质子交换膜燃料电池(PEMFC)在其发电过程中的特性及变量影响关系,提出一种基于信息交流布谷鸟搜索差分进化(IECSDE)算法的改进分数阶子空间辨识方法来建立PEMFC分数阶模型。首先基于状态空间方程建立PEMFC模型,为了描述PEMFC的分数阶特性,将分数阶微分理论融入到模型中,引入Poisson滤波函数预处理实验数据,解决数据多阶不可导的问题,同时引入变步长记忆法处理分数阶微分时的权系数,提高子空间辨识精度。其次在辨识过程中的参数对于建模效果具有重大影响,因此基于IECSDE算法并对其进行优化,对布谷鸟搜索(CS)算法中的控制参数进行自适应处理,受到粒子群优化(PSO)算法的启发,改进随机游走方式提高收敛精度和速度,并引入差分进化(DE)算法与改进CS算法分别对种群进行优化,同时在寻优过程中进行信息交流提高种群的多样性和算法的鲁棒性。仿真结果表明,IECSDE算法的寻优能力在8种测试函数下比其他5种优化算法至少提升了10倍;通过对PEMFC测控平台收集到的实验数据进行模型辨识,所建立的模型将误差缩小到基于短记忆法的分数阶子空间辨识方法误差的20%,输出功率误差控制在0~0.1之间,输出电压误差控制在0~0.2之间,能够精准地模拟PEMFC发电过程。

基于广义泊松矩泛函的闭环子空间辨识

针对连续系统在闭环条件下进行辨识,由于将来输入和噪声的相关性,会导致辨识方法产生有偏估计结果的问题,提出一种基于广义泊松矩泛函的闭环子空间辨识算法。首先,采用广义泊松矩泛函变换得到输入输出信号的滤波器模型,从而得到连续系统的输入输出矩阵方程。然后,利用故障诊断领域中的等价空间代替子空间辨识过程中的观测空间进行辨识。最后,为了解决闭环辨识中由反馈控制器产生的估计偏差辨识问题,采用主成分分析法和辅助变量法,达到辨识系统一致性估计的目的。仿真结果验证了所提方法的有效性和精确性。

基于变分贝叶斯与子空间辨识的融合定位算法

面向全球导航卫星拒止环境下无人机室内高精度高可靠定位导航需求,室内电磁环境复杂导致的传感器噪声时变和无人机高灵动性导致的无人机运动过程噪声时变,降低了定位状态估计值的精度和稳定性的问题,而传统变分贝叶斯滤波方法仅能估计过程或观测噪声,为此,提出了基于变分贝叶斯与子空间辨识的无人机融合定位算法,在变分贝叶斯框架下基于子空间辨识理论,实现了时变过程噪声的动态估计,解决了现有变分贝叶斯框架无法同时估计时变观测和过程噪声的问题,最后通过实测数据集的UWB/IMU/光流融合定位测试验证结果表明,该方法提升了无人机室内定位的精度和鲁棒性。

基于快速滑窗QR分解的自适应子空间辨识

子空间辨识直接由输入输出数据辨识得到过程状态空间模型,在多变量系统的辨识中取得广泛应用。实现在线子空间辨识算法的关键在于快速、高效的QR分解及SVD分解更新算法。通过将Updating和Downdating操作有效结合,提出了一种快速的滑窗QR分解算法,减少了不必要的重复步骤,进一步提高了计算效率。复杂度分析结果表明,随数矩阵行数增加,快速滑窗QR分解算法比Updating、Downdating两步法可以减少8.3%的计算量。将快速滑窗QR分解算法用于PO-MOESP子空间辨识算法的自适应更新,并通过数值仿真实例验证了算法的有效性。

一种改进的子空间辨识方法在热工过程中的应用

针对现有MOESP(multiple-input multiple-output output-error state space model identification)和N4SID(numerical algorithm for subspace state space systemidentification)算法在计算状态空间模型系统矩阵(A、B、C、D)时的不足,提出1种改进的子空间辨识方法。该方法利用MOESP算法可以根据系统观测矩阵直接计算出系统矩阵A和输出矩阵C的优点,先计算矩阵A和C,然后采用N4SID算法计算输入矩阵B和前馈矩阵D。该方法既能够避免MOESP算法在计算矩阵B和D时需要构建大矩阵的缺点,又能避免N4SID算法在计算矩阵A和C时需要求解线性最小二乘的问题,降低了算法的复杂性。将该算法应用于某天然气电站和Alstom气化炉模型的辨识中,通过考核算法的CPU运算时间、CPU浮点数运算次数(floating-pointoperations,FLOPS)和相对误差等指标,将该算法与原有MOESP和N4SID算法进行了比较。计算结果表明,改进的子空间辨识算法能够在保证较好辨识精度的前提下,提高原有算法的计算效率,特别是在大容量数据样本条件下,能够有效降低CPU运算时间和FLOPS。

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.

基于子空间辨识和增广模型的烟气脱硝系统预测控制

选择性催化还原(SCR)烟气脱硝系统具有大惯性、大延迟的特点,常用的PID控制器不能很好地适用于该系统。结合某火电机组实际运行数据,建立了基于子空间方法的SCR烟气脱硝系统模型,并将模型计算结果与实测数据进行对比,验证了模型具有较强的鲁棒性。将子空间辨识所得脱硝系统状态空间模型进行变换,得到其增广模型,设计了基于增广模型的预测控制器,并将该控制器仿真结果与系统原有PID控制器输出结果及实际运行数据进行了对比。结果表明,与系统原有PID控制器相比,本文设计的预测控制器能够很好地跟踪脱硝系统期望,具有更好的控制效果。

一种完全数据驱动的子空间辨识与鲁棒预测控制器设计

针对线性时变多变量系统,在可能存在输入输出数据噪声的情况下,不需已知系统的先验结构信息,提出一种完全数据驱动的子空间辨识及控制器设计方法.在子空间在线辨识基础上,利用不确定性模型更好地建模被控系统,结合鲁棒控制策略进行预测控制器的设计;将系统建模与鲁棒控制器的设计包含在一个控制系统设计框架内,对模型不确定性具有更好的鲁棒性;最后给出仿真实例验证算法的有效性.

飞机颤振模态参数的频域子空间辨识

研究了基于非参数噪声模型的频域子空间系统辨识法,并采用频域子空间辨识算法实现了基于多通道数据的颤振模态参数辨识,改变了传统的单通道颤振试验数据分析模式,试验结果表明子空间算法能有效提取多通道数据中包含的主要危险模态信息,且计算量小,适用于模态参数的在线分析。

基于模态参数提取的随机子空间辨识算法改进

随机子空间辨识(SSI)算法在大型结构的振动检测、损伤识别中有着重要的作用。引入稀疏优化取代最小二乘法来获得尽可能稀疏的状态矩阵,引入K-means算法从众多模态参数中选出真实模态,以避免虚假模态的产生。实验结果表明,所构建的稀疏改进SSI算法能准确提取模态参数,对工程应用具有较大的参考价值。

基于子空间辨识的状态空间模型预测控制

针对无法从工业过程中获得准确状态空间模型的问题,提出一种基于子空间辨识的状态空间模型预测控制方法。利用子空间辨识方法得到的状态空间模型作为系统模型,给出约束条件下的预测控制算法。以CD播放器机械臂系统为例,通过状态空间模型预测控制方法实现对系统输出的跟踪控制,仿真结果表明,该方法控制效果良好。

基于在线递推闭环子空间辨识的模型预测阻尼控制

提出基于在线递推闭环子空间辨识的模型预测阻尼控制器设计方法。通过辨识获得包含主导低频振荡模式的系统降阶状态空间模型;通过模型预测和优化求解,得到以当前系统状态为初始状态的无限时域的闭环最优控制量。模型辨识和控制量的优化求解在有限时间间隔内反复进行。该方法克服了基于离线辨识设计的固定参数控制器的固有缺点,解决了由于运行方式复杂多变和参数的不确定性与时变性引起的控制性能降低问题。8机36节点系统仿真结果表明,控制器可有效地抑制系统的区间低频振荡,并具有与电力系统稳定器(power system stabilizer,PSS)和其他预测阻尼控制器相互协调和适应运行方式变化的能力。

基于双边迭代奇异值分解的递推子空间辨识方法

引入双边迭代奇异值分解算法 ,通过一系列的 QR分解 ,用两个矩阵分别逼近奇异值分解的主要左、右奇异向量 ,用一个三角矩阵逐渐逼近主要的特征值 ,从而取代了原始 MOESP子空间辨识算法中的奇异值分解步骤 .通过用一系列 Givens变换来实现 QR分解的数据更新 ,实现了此类子空间方法的在线递推辨识 .仿真表明 。

基于子空间辨识的模型预测控制策略及其应用

针对化工过程中普遍存在的非线性和时变特性,提出了一种基于递推子空间辨识的自适应预测控制策略.用子空间辨识法得到的预测模型作为初始模型,通过比较初始模型和在线更新模型的匹配误差,选择匹配误差较小的预测模型计算过程的输入,从而提高了模型精度.通过模拟移动床过程控制的仿真试验,表明该方法具有较强的鲁棒性和抗干扰能力.

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。

时变遗忘因子的子空间辨识及预测控制器设计

针对线性时变多变量系统,在存在不可测干扰及系统动态特性变化较大的情况下,不需要已知系统先验结构信息,不需要辨识出系统参数矩阵,提出一种完全数据驱动的具有变遗忘因子子空间辨识的预测控制器设计方法.预测控制是一种基于模型的控制方法,为了更好地建立被控系统模型,在已有的在线辨识基础上,根据实测输出值与预测输出值的误差构造变遗忘因子,以调整采集数据的权重,提高辨识灵敏度和控制效果.最后通过实例仿真验证算法的有效性.

电力系统阻尼控制中的在线递推闭环子空间辨识

提出了电力系统阻尼控制中状态空间模型的在线递推闭环子空间辨识算法。在闭环条件下,基于广域测量信息,在线地辨识了包含主导低频振荡模式的系统降阶状态空间模型,并依此在线设计和更新线性二次最优部分输出辅助区间阻尼控制器以抑制区间低频振荡模式。算法具有良好的数值稳定性和较低的时间复杂度,能够实现系统模型的递推更新和辅助阻尼控制器参数的在线调整。8机36节点系统的仿真验证了算法的有效性。

基于在线子空间辨识的自适应预测控制

针对实际工业工程中存在非线性、时变的特点,提出一种基于子空间辨识的自适应预测控制方法。利用滚动窗口在线更新R阵,得到新的预测模型参数矩阵,通过比较更新前和更新后的预测误差来决定是否更新预测模型。将此控制方法应用于2-CSTR过程控制的仿真试验,通过与自适应模糊控制、PID控制器的比较,说明了该方法的优越性。