- 多變量過程智能優(yōu)化辨識理論及應(yīng)用
- 楊平等
- 892字
- 2022-11-23 13:54:26
1.3 基于閉環(huán)順序激勵法的多變量過程辨識研究
據(jù)參考文獻[3],如果對某多變量過程的p個輸入依次激勵,并測量該多變量過程的q個輸出,則可通過用單變量辨識方法分別辨識出該多變量過程的p個單輸入多輸出(SIMO)的過程模型,再整理出完整的該多變量過程的多輸入多輸出(MIMO)模型。但是,在實際工程應(yīng)用中,這種依次順序激勵的辨識方法常常沒有條件實施,因為一個輸入激勵時讓其他輸入保持不變的訴求是不會被安全生產(chǎn)保障部門允許的。在通常的情況下,要使生產(chǎn)過程安全運行,受控過程的多個可控輸入一定處在閉環(huán)控制運行狀態(tài)下。由此可見,在開環(huán)條件下可以通過依次順序激勵多變量過程的各個輸入的方法可以把多變量過程辨識問題化為單變量過程辨識問題,但是在實際生產(chǎn)過程的閉環(huán)條件下,依次順序激勵各個過程輸入的方法就不允許用了。為此,參考文獻[3,100,101]提出了一種閉環(huán)順序階躍激勵控制回路設(shè)定值的解決方案。該解決方案的核心是將階躍激勵信號順序加在多變量過程閉環(huán)控制的各控制子回路的設(shè)定值變量上,證明了一個具有復(fù)雜關(guān)聯(lián)耦合的多變量過程可分解成多個等價的單輸入單輸出(SISO)子過程,并且各SISO子過程的等效輸入輸出響應(yīng)可根據(jù)測得的多變量過程響應(yīng)數(shù)據(jù)算出。從而可用單變量過程辨識的方法(如時域法和頻域法)分別辨識各子過程模型,最后歸整為多變量過程模型。之所以選擇階躍激勵,完全是出于工程實用方面的考慮。參考文獻[103]對閉環(huán)順序階躍激勵辨識法做了改進,可適用于任意激勵信號,如用衰減指數(shù)函數(shù)信號,而在子過程模型辨識上用的是并行彌漫式智能搜索的頻域法。
分析開環(huán)依次激勵辨識方法與閉環(huán)順序激勵辨識方法,可以看出相同的是都可以把多變量過程辨識問題化解為單變量過程辨識問題;不同的是前者真正做到了多變量過程的各輸入變量可獨立地被激勵,而后者則是多變量過程的各輸入變量實際上被同時激勵。還有,開環(huán)依次激勵辨識方法是一種通用的方法,而閉環(huán)順序激勵辨識方法的通用性不強。因為每次用閉環(huán)順序激勵辨識方法時必須根據(jù)所選用激勵信號類型和各子回路控制器做辨識算式的推導(dǎo),否則無法完成各SISO子過程的等效輸入輸出響應(yīng)的計算。這些看似不難的推導(dǎo)工作有可能成為實際推廣應(yīng)用的一個大障礙。
- 西門子PLC與InTouch綜合應(yīng)用
- 商戰(zhàn)數(shù)據(jù)挖掘:你需要了解的數(shù)據(jù)科學(xué)與分析思維
- VMware Performance and Capacity Management(Second Edition)
- STM32嵌入式微控制器快速上手
- 21天學(xué)通Java
- 網(wǎng)中之我:何明升網(wǎng)絡(luò)社會論稿
- Hands-On Reactive Programming with Reactor
- Linux內(nèi)核精析
- Python語言從入門到精通
- 網(wǎng)絡(luò)信息安全項目教程
- MySQL Management and Administration with Navicat
- 大話數(shù)據(jù)科學(xué):大數(shù)據(jù)與機器學(xué)習(xí)實戰(zhàn)(基于R語言)
- 工業(yè)機器人與自控系統(tǒng)的集成應(yīng)用
- 局域網(wǎng)組建與使用完全自學(xué)手冊
- Python Data Mining Quick Start Guide