對高階對象的一種模型辨識方法

李闖 王亞剛

摘 要：由于工業(yè)生產中的被控對象模型往往都是未知的，這對于系統整體的控制以及控制器參數的整定都帶來極大不便，所以得到被控對象的精確等價模型尤為重要。提出了一種針對高階對象的模型辨識方法，通過獲取對象的輸入輸出數據，采用一定的變換方法得到對象的一階加純滯后或二階加純滯后模型。從被控對象模型和辨識出的模型Nyquist圖以及單位階躍響應方面，利用Matlab仿真對模型辨識度進行驗證。仿真結果表明，該方法辨識出的被控對象模型擬合度高。

關鍵詞：模型辨識；高階對象；Matlab仿真

DOI：10. 11907/rjdk. 182477

中圖分類號：TP301 文獻標識碼：A 文章編號：1672-7800（2019）005-0062-03

Abstract： Since the controlled object model in industrial production is often unknown， it is extremely inconvenient for the overall control of the system and the tuning of the controller parameters. Therefore， it is vital to obtain the exact equivalent model of the controlled object. In this paper， a model identification method for high-order objects is proposed. By obtaining the input and output data of the object and adopting a certain transformation method， the first-order with pure time delay model or the second-order with pure time delay model of the object is obtained. By comparing the Nyquist graph and the unit step response of the controlled object model and the identified model， the recognition of the model is verified by Matlab simulation. The simulation results show that the model of the controlled object identified by this method has high fitness.

Key Words： model identification； high-order object； Matlab simulation

0 引言

在工業(yè)控制過程中，要良好控制被控對象，首先要確定被控對象模型，而獲得被控對象模型的有效方法是系統辨識[1]。1956年美國學者Zadeh[2]首次提出辨識概念，認為“辨識就是在輸入和輸出數據的基礎上，從一組給定的模型類中確定一個與所測系統等價的模型”。工業(yè)過程對象往往是非線性、復雜、高階的[3-5]。對于一個未知的被控對象是無法知道其內部結構的，只能通過給定輸入信號得到輸出信號，采用一定的辨識方法得到對象的等價模型[6]。辨識過程一般要先選取合適的傳遞函數模型，然后加上激勵信號，根據輸入輸出信號分析得到傳遞函數模型的相關參數。一般情況下，采用一階加純滯后或二階加純滯后模型能代表絕大多數被控對象[7-10]。文獻[10]提出了一種根據對象階躍和脈沖響應斜率二階導數極小值處的時域表達式，提前判斷系統采用的是一階二階還是三階模型的方法。

目前模型辨識方法較多，文獻[11]介紹了狀態(tài)反饋法，該方法以一個已知的線性控制系統作為參考系統，使其輸出跟蹤未知系統輸出的方法確定參考系統的輸入，從而把系統辨識問題化為構造參考系統狀態(tài)反饋的函數擬合問題。文獻[12]提出了比較常用的最小二乘法，文獻[13]提出了最小一乘算法，文獻[14]提出了比最小二乘法效果更好的輔助變量法。模型辨識采用的激勵信號往往是脈沖信號和階躍信號[15-16]，但這具有一定的局限性。本文采用矩量法，先加入脈沖信號引出該方法，然后擴展到任意輸入信號，通過輸入輸出信號的分析辨識出精確的被控對象模型。

1 辨識方法

用u（t）表示輸入信號，經過被控對象得到輸出信號y（t）。為便于分析，對輸入輸出信號進行拉普拉斯變換，分別得到U（s）和Y（s），同時，用G（s）表示被控對象，如圖1所示。

3 結語

本文提出了一種高階對象的辨識方法。該方法不需要其它先驗條件，只需要對被控對象的輸入輸出信號進行分析即可得到辨識對象的一階或二階加純滯后模型，且辨識出的模型與實際模型擬合程度高。得到的模型精確度越高，越有利于工業(yè)過程中對被控對象的控制以及參數整定，在工業(yè)控制領域具有重要意義。

參考文獻：

[1] 蔣文春. 過程辨識方法的研究及實現[D]. 北京：北京化工大學，2009.

[2] ZADEH L A. On the identification problem[J]. IEEE Transactions on Circuits and Systems，1956，3（4）：277-281.

[3] 王維賀，王平. 二階加純滯后對象模型辨識方法及其應用[J]. 化工自動化及儀表，2010，37（9）：21-24.

[4] 邵青，馮汝鵬. 非線性系統模糊辨識的新方法[J]. 控制與決策，2001（1）：83-85，89.

[5] 王亞剛，許曉鳴. 復雜多變量過程模型的閉環(huán)頻域辨識[J]. 控制與決策，2010，25（6）：825-830.

[6] 王亞剛，許曉鳴. 過程對象模型在線閉環(huán)頻域辨識[J]. 微計算機信息，2009，25（10）：282-283，291.

[7] 黃存堅，尚群立，余善恩，等. 基于階躍響應二階加純滯后模型的系統辨識[J]. 機械制造，2010，48（10）：19-21.

[8] 李少遠，蔡文劍. 工業(yè)過程辨識與控制[M]. 北京：化學工業(yè)出版社， 2005： 108-124.

[9] WANG Q G， GUO X， ZHANG Y. Direct identification ofcontinuous time delay systems from step responses[J]. Journal of Process Control， 2001，11（5）：531-542.

[10] 樊厲，林紅權，高東杰. 過程控制常用連續(xù)模型的直接辨識法及應用[J]. 控制工程，2006（4）：310-313，323.

[11] 胡鋼墩，李發(fā)澤. 慣性系統的時域在線辨識[J]. 控制與決策，2010，25（1）：133-136.

[12] 韓京清. 系統辨識的一種方法——狀態(tài)反饋法[C].控制理論及其應用年會，1988.

[13] 顧瑋. 基于最小二乘法的系統參數辨識[J]. 辦公自動化，2017，22（21）：39-41，47.

[14] 曹慧榮. 基于最小一乘的系統辨識方法研究[J]. 自動化技術與應用，2009，28（7）：8-10.

[15] 嚴曉久，周愛國，林建平，等. 基于輔助變量法的系統參數辨識[J]. 機床與液壓，2006（12）：180-181，184.

[16] AHMED S，HUANG B，SHAH S L. Novel identification method from step response[J]. Control Engineering Practice，2007，15（5）：545-556.

[17] WANG Q G， GUO X，ZHANG Y. Direct identification ofcontinuous time delay systems from step responses[J]. Journal of Process Control，2001，11（5）：531-542.

[18] 倪博溢，蕭德云. Matlab環(huán)境下的系統辨識仿真工具箱[J].系統仿真學報，2006（6）：1493-1496.

[19] 呂秋霞，李繼容. Matlab在系統辨識中的應用[J]. 儀器儀表用戶， 2008，15（1）：60-61.

[20] 侯媛彬，汪梅，王立琦.系統辨識及其Matlab仿真[M]. 北京：科學出版社，2004.

（責任編輯：杜能鋼）