当前位置: 首页 > 科技成果列表 > 科技成果详细

模块化动态系统辨识方法研究

技术类型:非专利

技术成熟度:-

转让方式:-

应用领域:研究和试验发展

技术领域:机器人

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

该项目专注于控制科学与工程领域的基础理论与方法研究,涉及2项国家自然科学基金项目和2项省部级项目的研究成果。针对复杂工业过程中的非线性、不可测变量、有色噪声干扰、变量耦合或参数耦合等问题,项目采用模块化动态系统进行过程建模,并对辅助模型思想、滤波技术、迭代估计方法、非线性关键项分离技术、递阶辨识原理等前沿方法进行了长期深入研究,取得了一系列重要突破。

主要科学发现与创新点如下:

  1. 针对含不可测有色干扰噪声的非线性工业过程,项目采用了模块化非线性动态系统建模,提出了基于辅助模型思想和过参数化辨识方法的最小二乘参数估计方法。通过平均值方法进行参数分离,为变量不完全可测非线性系统建模与辨识提供了新途径。

  2. 针对模块化动态系统递推算法收敛速度慢、参数估计误差大等问题,项目提出了收敛速度快的迭代参数估计方法。通过未知项和参数的交互迭代估计,实现了非线性模块参数和线性模块参数的估计,避免了过参数化,减小了参数估计算法的计算量。此外,通过将准则函数对联合参数向量的导数转换为对每个参数向量的偏导,提出了Hammerstein非线性系统的牛顿迭代算法,提高了参数估计的收敛速度和精度。

  3. 针对模块化动态系统过参数化辨识方法计算量大问题,项目提出了基于滤波技术和关键项分离技术的最小二乘参数估计方法。通过数据滤波,获得两个维数小的辨识模型;进一步通过关键项分离技术,将系统辨识模型变换为线性参数系统模型,避免出现过参数化模型。利用辅助模型输出代替不可测变量和不可测噪声项,采用递推最小二乘法实现参数估计,改善了算法计算速度,实现了高速在线参数估计。

  4. 在采用递阶辨识方法有效解决多变量耦合系统变量之间耦合问题的基础上,项目进一步针对模块化非线性动态系统非线性模块和线性模块之间存在参数耦合的科学问题,采用基于分解的递阶辨识原理将模块化系统分解为多个子系统,降低了系统维数和减小了参数估计计算量,有效解决了模块化动态系统非线性模块参数和线性模块参数之间耦合问题,通过解耦合避免了过参数化辨识模型,从而减小了算法计算量。

此外,项目成果在8篇代表性论文中得到了体现,这些论文在SCI期刊上发表,总他引次数达到930次,其中7篇论文进入ESI高被引论文全球前1%,3篇论文入选“2011年和2013年中国百篇最具影响国际学术论文”,1篇论文获得“2014年欧洲信号处理协会最佳论文奖”。辨识领域国际著名专家Vojislav Z. Filipovic在其2015年发表的论文中引用了项目3篇代表性论文,并对项目提出的基于递阶辨识原理的参数估计方法给予了高度评价,认为其为模块化动态系统的辨识做出了重要贡献。该项目的成果可广泛应用于复杂工业过程的建模,对复杂工业过程的建模和控制具有重大指导意义。

(此文字表达经过AI优化完善,查看原文请点击 原文)
技术标签
成果评价分析
技术应用分析
服务案例
Baidu
map