单变量辨识方法的研究与工程化应用

【摘要】： 在工业现场中,大多数的回路还是单变量的,所以单变量辨识问题的研究还是具有重要的现实意义。在本论文中,针对工业现场情况,从工程实际应用出发,通过大量的仿真、对比、分析,完成的主要工作如下： 1、使用MATLAB软件做仿真实验,从工程实际应用角度出发,对常用的系统辨识的方法进行仿真。对常用的最小二乘类方法,做大量的仿真实验,并对其优缺点进行分析,并且针对其缺点思考改进的方法。并讨论了闭环辨识的可辨识性以及性质评价。 2、研究了随机数直接搜索方法(NLJ方法)的原理,并且针对工业现场遇到的滞后问题做了仿真研究。对于在工业辨识中,我们常常会碰到的初始非稳态和终值非稳态的情况,这方面也做了仿真和研究。 3、研究了粒子群优化算法(PSO算法)的原理,PSO的巨大优势在于简单容易实现的且具有深刻的智能背景。这样的特点使得该算法不仅适合科学研究,而且适合工程应用。对于惯性权重w和加速度因子c1,c2的选择进行了讨论。本文将PSO算法应用于闭环模型,非线性的Hammerstein模型等工业常见模型的参数辨识中,得到了比较满意的结果。 4、PSO算法局部收敛速度缓慢,所以将序列二次规划(SQP)与之结合,将SQP算法作为PSO算法局部种群迭代过程中的全局最优解的局部搜索器,提高了运算的精度和速度。该辨识方法具有适应不同的初始值,收敛速度快的特点。最后将该方法应用于初始非稳态和终值非稳态的闭环控制系统的参数辨识,也取得了较为满意的结果。 5、结合实际的工业生产,将PSO-SQP算法应用于某芳烃抽提装置进行参数模型辨识,收到了良好的经济效益和社会效益,具有良好的应用前景和推广价值。