基于机理和子空间辨识的煤气混合过程集成建模

针对煤气混合过程特点，建立了基于机理和子空间辨识的集成模型.首先在分析生产工艺和数据基础上，利用蝶阀流量公式建立高炉煤气和焦炉煤气流量机理模型；然后以高炉管道2#阀和焦炉管2#阀开度、高炉煤气和焦炉煤气气源压力为输入，混合煤气压力为输出，建立4输入1输出子空间辨识模型；最后分析各子模型特点，将两种模型进行集成.仿真结果表明，所建立的模型能够有效地反映煤气混合过程的动态特性，为煤气混合过程控制提供可靠的模型基础.     

基于子空间辨识的焦炉集气管压力控制

针对焦炉集气管压力具有多变量、耦合、时变性等特点,设计焦炉集气管压力增量式在线子空间多变量预测控制策略.在增量式子空间预测控制的基础上,引入滚动窗口子空间辨识方法,设计子空间预估器模型的更新策略,实现了在线子空间自适应预测控制.应用在线子空间辨识方法对焦炉集气系统现场数据进行辨识,取得了较好的预测精度;利用子空间预估器模型进一步建立焦炉集气系统的状态空间模型,在考虑输入约束、模型时变和干扰的情况下,该模型表现出了很好的控制精度和性能.     

子空间辨识方法的研究与改进

文中研究了基于状态空间模型的子空间状态空间系统辨识方法,具体介绍了该方法的辨识原理,同时将该方法与AIC准则相结合,对子空间辨识方法进行了改进,并对该方法进行了仿真研究。结论表明:该方法可以非常准确地得到系统的阶次,避免由于阶次选择不同而引起的辨识误差,具有很广阔的实际应用前景。     

基于GRBF神经网络的多级煤气压缩系统建模

以某钢厂燃气、蒸汽联合循环发电机组煤气压缩系统为背景,建立以煤水分离器、离心式压缩机和冷却器为核心的多级煤气压缩系统机理模型.采用自适应遗传算法辨识机理模型中某些难以确定的重要参数.由于多级煤气压缩系统的影响因素较多,机理模型预测结果不精确.利用基于广义径向基函数的神经网络补偿机理模型的误差,建立GRBF神经网络和机理模型并联的多级煤气系统的混合模型.试验结果表明相比于机理模型,混合模型有更高的预测精度.     

基于子空间法的电力系统低频振荡辨识

该文提出了一种应用于电力系统低频振荡在线辨识的子空间辨识算法,通过输入激励信号和输出响应信号的采样,对系统低频振荡进行辨识.在四机两区域系统上,对低频振荡辨识结果和小干扰计算结果进行对比,辨识结果误差较小,具有较高辨识精度,因此子空间法对电力系统低频振荡的在线辨识具有较好效果.     

基于状态子空间辨识算法的双阶挤出系统动态特性建模研究

针对高聚物挤出发泡所用的双阶挤出系统中需要解决连接体压力稳定控制的动态建模问题,提出了一种用于双阶挤出系统预测的状态子空间系统辨识策略,该方法利用系统的输入输出数据成功辨识出了双阶挤出系统的动态模型,并将实际测量数据与辨识得到的模型仿真输出数据进行对比,结果验证了基于状态子空间的辨识算法得到的系统模型能很好地反映实际情况。     

基于组合信号源的非线性系统的子空间辨识

为解决对非线性采样系统的状态空间Hammerstein模型难以辨识的问题,提出了基于组合信号源的辨识方法.首先用组合信号源将静态非线性环节和动态线性环节分离.其次,采用模糊神经模型拟合静态非线性环节,有效地避免了采用多项式方法逼近非线性函数的限制,拓宽了非线性模型的适用范围;采用子空间算法估计采样系统的状态空间参数矩阵.最后,通过对两个非线性Hammerstein系统模型的仿真,验证了所提出的辨识方法,既简化了辨识过程,对非线性模块能够较好地拟合,又可以很快估计出状态空间方程系数矩阵,从而证明了所提方法的准确性和有效性.     

基于子空间方法的车辆稳态操纵性模型辨识

基于子空间辨识方法,对稳态操纵工况下的车辆动力学模型进行辨识.根据子空间算法的假设条件,构建了3自由度车辆模型,并进行系统的可辨识性论证,确定了相应的辨识模型结构.采用方向盘角阶跃输入转向回正性能试验数据进行车辆模型的辨识.辨识模型的验证采用相同车速下的实车蛇形试验数据,分别在时域和频域进行辨识和试验对比.结果显示,两者基本吻合,子空间算法能够很好地适用于线性车辆操纵动力学模型的辨识.     

频域子空间模态参数辨识的改进算法

针对频域子空间算法计算量大而受到的使用限制,提出了一种频域子空间模态参数辨识的计算方法。该方法对输入和输出的频域数据进行分段,再重新计算广义算子,构成新的状态方程,从而实现模态参数辨识。对该方法进行了仿真验证,并利用该方法对某变截面轴进行了模态参数识别,获得了与有限元计算结果相一致的计算结果,从而证明了方法的可靠性。该方法能够减小单次计算量,从而能够使频域子空间方法在普通计算设备上实现应用。     

基于子空间方法的非均匀多采样率系统辨识

针对非均匀多采样率系统的建模问题,根据因果关系,建立了非均匀多采样率系统的状态空间模型.对于含有提升变量的状态空间模型,提出基于子空间技术的辨识方法.首先,由系统的输入输出数据建立由Hankel矩阵组成的扩展状态空间方程;其次,利用斜交投影的原理,以及奇异值分解,通过子空间辨识算法确定增广观测矩阵和状态向量;最后,通过最小二乘方法确定模型的参数矩阵.该方法简单有效且对初值具有鲁棒性.仿真实例验证了方法的有效性.     

基于UKF神经网络子空间逼近的非线性动态过程演化建模

复杂化工过程建模对于工艺操作变量优化、指导技术决策具有重要意义,人工神经网络是其广泛采用的建模工具.但化工过程往往是复杂非线性动态系统,而描述其过程的神经网络模型往往是一个静态映射.没有考虑也很难考虑其操作变量与内部状态变量共同对目标性能的影响,从而导致依赖静态模型的技术决策效果不稳定.将静态过程模型看成是复杂非线性动态模型在操作变量子空间上的投影模型,为保证该投影模型实时逼近理想的非线性动态模型的精度,提出用Kalman滤波实时更新神经网络模型的权值,建立基于Kalman滤波神经网络子空间逼近的非线性动态工艺演化建模方法.鉴于扩展Kalman滤波的计算复杂性和精确性,采用无迹卡尔曼滤波刷新神经网络模型的权值.最后,把该方法应用于氢氰酸(HCN)工艺过程的动态演化建模试验,结果表明,该方法高精度地跟踪了非线性动态演化化工过程.因此,基于Kalman滤波神经网络子空间逼近的建模方法适用于非线性动态工艺演化建模.     

基于子空间辨识的DOA和频率联合估计算法

针对阵列信号波达方向(DOA)和频率联合估计计算量大、参数配对较困难等问题,提出了一种基于子空间辨识方法的DOA和频率联合估计算法.该算法构造了一个特殊的状态空间模型,并通过选取辅助矩阵来抑制噪声.由子空间辨识方法得到广义可观测矩阵的估计值,再利用总体最小二乘(TLS)方法得到系统矩阵的估计值,由系统矩阵得到DOA和频率的估计值.该方法具有参数自动配对和计算量小的特点.计算机仿真验证了该算法的有效性.     

基于子空间方法的超超临界机组过热蒸汽系统模型辨识

针对超超临界机组过热蒸汽系统模型辨识,采用基于数据驱动的闭环子空间辨识方法直接得到系统的阶跃响应系数,结合传统的SISO(Single Input Single Output)辨识方法,并利用最小二乘算法回归出系统的低阶传递函数模型.通过对某电厂超超临界机组过热蒸汽系统进行闭环辨识,结果表明,该策略很好地融合了子空间方法的简便性以及传统SISO辨识方法的最优性,并成功用于超超临界机组过热蒸汽系统模型辨识.     

时滞系统的频域子空间辨识算法

针对时滞多变量系统的辨识问题,提出了一种频域子空间算法,通过使用多项式对时滞项进行近似,可以用适当阶次的线性模型对时滞系统进行逼近,在时滞常数已知时,通过把时滞项析算到输入中,使用改进的频域辨识方法可以得到较为精确的结果,仿真研究表明,这种方法在适当选取的激励信号和采样频率下可以较好地逼近原始系统。     

基于西门子ET-200M的煤气混合控制系统

福建三安钢铁有限公司实际生产中煤气的利用效率较低,目前没有高热量的焦炉煤气,均采用单一煤气加压后直接送至用户,因热值波动较大,导致加热炉难以实现稳定燃烧,从而影响产品质量,为此设计了基于西门子ET-200M分布式IO的混合煤气控制系统,通过煤气配比方法,实现了加热炉的稳定燃烧。     

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.     

一种卷绕传输系统的建模、辨识与混合灵敏度H∞鲁棒控制

介绍了一个由开卷轴、拖动轴、收卷轴和两个张力感应器组成的织物卷绕传输系统的建模及模型的参数辨识，并采用混合灵敏度多变量H∞鲁棒控制来改善系统的控制性能，减少织物张力与速度之问的耦和。     

固定翼飞机动力学模型的子空间辨识方法

针对子空间模型辨识(SMI)方法这类线性模型辨识技术存在的建模误差,提出一种两阶段固定翼飞机飞行动力学模型辨识方法.首先采用基于辅助变量的闭环SMI方法辨识飞机的近似线性模型;然后,利用该模型构建扩张状态观测器,从而估计出系统中的非线性动态数据;在此基础上,进一步采用神经网络建立系统非线性动态的分散式模型.最后,利用B747飞机6自由度非线性模型进行系统辨识实验,所得结果验证了该方法的有效性.     

基于高斯混合模型的相关子空间投影聚类分析

针对高维数据出现的"维灾"、稀疏性问题及各属性维自身具有的特点,采用高斯混合模型定义的相关子空间,给出一种投影聚类分析算法.首先,采用KNN,得到各个数据对象的局部数据集LDS,并引入稀疏因子生成稀疏度矩阵,而后依据高斯混合模型和稀疏度矩阵,识别出相关子空间和不相关子空间;其次,根据相似性度量,剔除稀疏数据和无关属性维...