基于阶跃响应和遗传算法优化高阶加时滞模型的辨识方法

针对工业生产中含有时滞环节的高阶过程对象,由于控制器结构复杂,采用直接设计控制器和传统模型降阶的方法实现起来比较困难,加上噪声对控制器产生的干扰,导致这些方法往往得不到满意的结果。文中采用基于阶跃响应的辨识方法,通过分析对象阶跃响应的输入和输出数据,建立二阶加纯滞后模型,利用遗传算法自适应全局搜索能力的优点来优化模型的静态增益、时间常数和纯滞后系数,从而对高阶加时滞对象进行精确的模型辨识。MATLAB仿真结果表明,该方法具有精度高、鲁棒性强和适用性广等优点。使用该方法辨识文中的模型在单位阶跃输入信号下的ITAE指标分别为18.1385、6.2715和167.8892。