论文部分内容阅读
基于模型的控制系统的设计与运行,模型质量至关重要。一方面,随着流程工业的发展,工厂对过程模型准确性的要求越来越高,通过机理方法构造复杂过程模型的难度增大;另一方面,由于实际生产过程中,形如阀门之类的设备具有粘滞、工况点易改变、易受扰动变化等特性,实际对象的模型参数会随时间而产生变化,出现模型失配现象,进而造成模型的不准确。而子空间辨识方法(Subspace Identification Method,SIM)由于能够直接建立多输入多输出(Multi-Input Multi-Output,MIMO)系统的状态空间方程,因而获得了研究者的极大关注。本文对闭环子空间辨识(Closed-loop Subspace Model Identification,CSMI)和递推子空间辨识(Recursive Subspace Model Identification,RSMI)建模以及模型失配检测方法进行了研究,对提高过程模型的准确性与有效性具有现实意义。论文主要研究内容如下:1、针对开环模型在工业过程中难以应用的问题,提出了一种基于正交分解理论的脉冲响应模型闭环子空间辨识方法。通过使用正交分解得到联合输入输出信号的确定部分(Deterministic Components),把闭环问题转化成开环问题。利用Toeplitz矩阵下三角结构形式,对由脉冲响应模型系数组成的子空间矩阵分块分解,通过求取子空间矩阵元素的平均值来获取估计的脉冲响应模型参数。2、针对工业过程具有时变性,以及MIMO系统的辨识计算量大的问题,提出了一种基于递推闭环子空间辨识(Recursive closed-loop subspace model identification,RCSMI)的过程建模方法。该方法通过采用VARX模型(Vector Auto Regressive with eXogenous input model),将闭环辨识问题转化为开环辨识问题,并采用一种收敛速度快的自然幂迭代方法(Natural Power Method,NP),将奇异值分解简化为子空间跟踪问题,估计扩展观测矩阵,从而得到系统模型的参数。3、针对控制系统运行过程中的模型参数失配问题,提出了一种基于子空间辨识和概率分布距离度量的模型失配检测方法。该方法通过子空间辨识获取参考模型和待检测模型的马尔科夫参数,并结合移动窗口方法,提取马尔科夫参数的统计量,从而获得马尔科夫参数的概率密度函数(Probability Density Function,PDF)。采用散度测度理论的KL(Kullback-Leibler)散度作为统计指标,通过对参考模型和待检测模型的马尔科夫参数相似性比较,实现了对模型失配的检测。与常规统计量如T~2和Q统计相比,KL散度可更加灵敏且直接地描述模型失配。数值仿真和Wood-Berry蒸馏塔仿真证明了论文所提方法的可行性和有效性。