基于状态观测与教学优化算法的多变量系统历史数据驱动辨识
常规智能算法与历史数据结合进行多变量系统辨识的方法,选取表征系统由稳态过渡到动态过程的数据作建模数据,当该过程含有未知扰动时,无法准确建立对象模型.本文提出一种基于状态观测与教学优化算法的多变量系统历史数据驱动辨识方法.该方法选取系统由动态回归稳态的历史数据,并根据其稳态终值进行去稳态分量处理.再将其分为两段,应用状态观测器与预估模型对第1段数据末端的系统状态进行估计,并将估计值作为第2段数据对应的系统初态;应用第2段数据的输入对预估模型进行仿真,采用教学优化算法寻优预估模型参数,使仿真输出接近实际输出.仿真实验表明该方法可以克服扰动对模型辨识精度的影响.最后对某火电机组协调控制系统进行建模,结果表明了该方法的有效性.
扰动、状态观测器、教学优化算法、多变量系统、历史数据驱动、辨识
34
TP391.9(计算技术、计算机技术)
国家自然科学基金项目71471060;山西省煤基重点科技攻关项目MD2014-03-06-02资助. Supported by National Natural Science Foundation of China71471060;Coal Based Key Scientific and Technological Project of Shanxi Province, ChinaMD2014-03-06-02
2018-03-02(万方平台首次上网日期,不代表论文的发表时间)
共11页
1369-1379