三容水箱时延系统的辨识方法、系统、装置及可读介质

摘要

本发明公开了一种三容水箱时延系统的辨识方法、系统、装置及可读介质，根据已知的多输入数据和已知的单输出数据建立三容水箱时延系统的辨识模型，通过线性转换技术，将时延自回归移动平均系统转换成最小二乘形式的辨识模型，通过辨识模型的初始参数及构造的信息向量逼近输出数据，模型中未知的参数和信息向量由其估计值代替，结合系统可测的输入输出数据可以辨识出当前时刻输出的参数，对辨识出的当前输出采样时刻的参数用基于迭代的正交匹配追踪算法进行辨识，从而得到最终辨识参数值。本发明解决了三容水箱时延系统存在的不可测变量，基于过程机理特性以及可测变量的数据信息，提高算法的收敛速度。

说明书

技术领域

本发明涉及三容水箱系统的参数估计和时延辨识领域，属于复杂工业过程辨识和控制领域。

背景技术

随着当今工业技术的不断发展，现代工业过程的生产规模与日俱增，使得复杂工业过程中采集并存储大量多层面的过程工业大数据，海量的文本数据、图像数据乃至声音数据被记录、传输和处理。然而，在大数据背景下，复杂工业过程的建模面临着一系列新的挑战。如何从大量的系统运行数据中挖掘有效信息，辨识出系统丢失数据，帮助我们更好地实现过程监测与评估、系统优化和控制，成为过程建模和辨识领域新的研究方向和热点。

石油、化工、电力、冶金等过程工业中，由于缺乏在线监测设备或者设备价格昂贵、可靠性差、维护困难等原因，某些指标产品质量水平的关键变量只能通过人工采样、实验室化验分析来获取，造成了建模数据存在时延的情况。除此之外，还存在某些不可测变量，由于物理条件或经济方面的约束，导致某些关键变量缺乏在线测量手段，或者只有稀少的滞后实验室化验值，难以有效地控制和提高生产效率，降低成本。因此，研究这类存在时延及不可测变量的多模态系统建模及参数估计方法具有极为重要的意义。

发明内容

1、本发明的目的

本发明要解决的技术问题是提供一种辨识算法来估计三容水箱时延系统以达到对系统参数辨识的高精度。

2、本发明所采用的技术方案

本发明公开了一种三容水箱时延系统的辨识方法，包括：

获取输入输出数据，多输入数据和已知的单输出数据建立三容水箱时延系统的辨识模型；

通过线性转换将时延自回归移动平均系统转换成最小二乘形式的辨识模型；

通过辨识模型的初始参数及构造的信息向量逼近输出数据，模型中未知的参数和信息向量由其估计值代替，结合系统可测的输入输出数据辨识出当前时刻输出的参数，对辨识出的当前输出采样时刻的参数用基于迭代的正交匹配追踪算法进行辨识，从而得到最终辨识参数值。

优选的，获取输入输出数据{u

优选的，初始化，令g＝1，参数

通过

优选的，设置初始值，令迭代变量q＝1，残差r

通过

通过

比较参数

本发明提出了一种三容水箱时延系统的辨识系统，包括存储器和处理器，存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述的方法步骤。

本发明提出了一种辨识装置，包括三个独立的水箱，水箱底部的出水口设有控制阀门调节出水量，在装置底部设有一个水箱作为整个系统的蓄水池；三个水箱有不同的横截面，分别为等截面形、锥形截面和球形截面；水由底部的蓄水箱通过泵注入顶部水箱，并在重力的作用下依次流过上、中、下三个水箱；每一个水箱均设有液位测量器件，测量器件通过液压压力测量液位高度。

本发明提出了一种计算机可读存储介质，其上存储有计算机程序，所述的计算机程序被处理器执行时实现所述的方法步骤。

3、本发明所采用的有益效果

(1)本发明考虑了具有时延的多输入单输出控制自回归移动平均系统的参数估计和时延估计。在压缩感知恢复理论和分层方法的启发下，提出了一种基于分层方法和正交匹配跟踪思想的正交匹配跟踪迭代算法。对于采样数据有限的自回归移动平均系统，该算法可以一次估计时延和参数。

(2)对于每个通道都有输入时延的自回归移动平均系统，本发明提出了基于迭代的正交匹配追踪算法来估计自回归移动平均系统的参数和时延。通过引入压缩感知思想，提高了基于迭代的正交匹配追踪算法的估计精度。所提出的方法可以辨识复杂机理及复杂工况下的系统参数和系统结构。与最小二乘迭代算法相比，本发明所提出的方法可以降低复杂工业过程系统的采样成本和计算量，并提高估计效率，数值实例结果表明了该方法的有效性。本发明将总结出领域存在的迫切需要解决的关键辨识问题，针对复杂工业过程中存在的不可测变量，基于过程机理特性以及可测变量的数据信息，提出改进的和新的辨识方法，从而提高算法的收敛速度，并进一步将新的方法应用到其他过程控制领域。

(3)本发明考虑使用压缩感知思想来辨识自回归移动平均系统。压缩感知已被广泛应用于数字图像处理，模式识别和信号处理中。它可以在一定条件下根据测量矩阵从有限的采样数据中重建稀疏的未知矢量；受压缩感测思想的启发，具有稀疏参数向量的自回归移动平均系统的辨识可以看作是压缩感测重建问题。本发明中将考虑基于自回归移动平均系统来确定时间延迟和参数嘈杂的采样数据。对基于该类模型的数据预测和控制器设计提供可靠的系统建模方法，具有重要的理论研究价值和实际应用前景。

附图说明

图1为本发明的三容水箱结构图；

图2为本发明的自回归移动平均模型的参数估计。

具体实施方式

下面结合本发明实例中的附图，对本发明实例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域技术人员在没有做创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

下面将结合附图对本发明实例作进一步地详细描述。

输入输出数据{u

实施例

(1)收集输入输出数据{u

(2)初始化，令g＝1，参数

(3)通过

(4)设置初始值，令迭代变量q＝1，残差r

(5)通过

(6)通过

(7)比较参数

本发明中的模型可应用于三容水箱。过程工业应用中最普通的三容水箱系统具有时延、存在外界干扰、采样不规则等特性。系统由三个独立的水箱构成，水箱底部的出水口设有控制阀门调节出水量，在装置底部设有一个水箱作为整个系统的蓄水池。三个水箱有不同的横截面，分别为等截面形、锥形截面和球形截面。水由底部的蓄水箱通过泵注入顶部水箱，并在重力的作用下依次流过上、中、下三个水箱。每一个水箱均设有液位测量器件，测量器件通过液压压力测量液位高度。参照附图的图1-图2，可以得出：自回归移动平均模型的参数估计随着k的增大快速收敛到真实值。应用本发明所提出的辨识方法估计的过程模型可以很好地获取真实过程输出的动态特性。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。