![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于组合信号的Wiener-Hammerstein系统辨识.pdf
《基于组合信号的Wiener-Hammerstein系统辨识.pdf》由会员分享,可在线阅读,更多相关《基于组合信号的Wiener-Hammerstein系统辨识.pdf(6页珍藏版)》请在咨信网上搜索。
1、第2 7 卷第1期2024年2 月扬州大学学报(自然科学版)Journal of Yangzhou University(Natural Science Edition)Vol.27 No.1Feb.2024基于组合信号的Wiener-Hammerstein系统辨识周士博,杨浩,杨岳松,李峰1*,曹晴峰(1.江苏理工学院电气信息工程学院,江苏常州2 130 0 1;2.扬州大学电气与能源动力工程学院,江苏扬州2 2 512 7)摘要:针对噪声干扰条件下的Wiener-Hammerstein系统,提出一种基于组合信号的两阶段辨识算法用于辨识Wiener-Hammerstein系统各个环节参数.利
2、用自回归(autoregressive,A R)模型和有限脉冲响应(fin ite im p u ls e r e s p o n s e,FI R)模型分别建立Wiener-Hammerstein系统的输人和输出线性环节,利用多项式模型建立非线性环节.在第一阶段,基于高斯信号的输入和输出,采用相关性分析方法辨识Wiener-Hammerstein系统中输人和输出线性环节的参数,有效解决了中间变量不可测的问题.在第二阶段,基于随机信号的输入和输出数据,利用递推最小二乘法辨识非线性环节参数.仿真结果表明,提出的两阶段方法能够有效辨识Wiener-Hammerstein系统,与其他辨识方法相比,辨
3、识精度有所提高.关键词:Wiener-Hammerstein系统;组合式信号;相关分析法;递推最小二乘法中图分类号:TP273.3D0I:10.19411/j.1007-824x.2024.01.006文献标志码:A文章编号:10 0 7-8 2 4X(2024)01-0041-06Wiener-Hammerstein系统是一类典型的非线性动态系统,由输人动态线性环节、输人静态非线性环节以及输出动态线性环节级联而成,该系统可用于描述许多实际非线性系统,如电刺激骨骼肌肉模型1、热交换器2 以及连续搅拌反应釜3等.Wiener-Hammerstein系统的辨识算法研究在国内外均受到广泛关注.其辨识
4、原理是建立系统各个串联环节的数学模型,基于测量的输入输出数据,利用优化方法求解各环节的参数.典型的辨识方法包括送代辨识法4、直接辨辩识法5 和频域法6 等.此外,针对具有非高斯输人的Wiener-Hammerstein系统,Wong等7 利用最佳线性逼近理论研究了该系统的参数辨识;Sjoberga等8 1提出了一种基于极大似然法和迭代搜索理论的Wiener-Hammerstein 系统辨识方法.在实际工业生产过程中,系统往往受到噪声干扰,因此研究噪声干扰条件下的Wiener-Ham-merstein系统辨识算法具有重要意义.基于分数阶理论,Giuseppe等9 研究了Wiener-Hammer
5、stein系统的牛顿迭代辨识方法,并证明了其收敛性;Zong等1o1将辅助变量技术和多新息理论相结合,利用粒子群优化方法辨识噪声干扰下的Wiener-Hammerstein系统参数;Li等11利用滤波器增益和新型代价函数方法研究了受噪声污染影响的Wiener-Hammerstein系统参数辨识.在上述方法中,虽然考虑了噪声的干扰,但所提出的辨识方法存在各个串联环节参数的乘积项,须进一步分离参数,增加了计算复杂度.故本文提出一种基于组合信号的Wiener-Hammerstein系统辨识方法.拟采用相关分析方法辨识输人和输出动态线性环节模型,利用多项式对非线性环节建模,以解决中间变量不可测问题,并
6、利用递推最小二乘算法辨识非线性环节参数,以提高辨识精度.1Wiener-Hammerstein 系统考虑一类噪声干扰的Wiener-Hammerstein系统,由输人动态线性环节G(),静态非线性环收稿日期:2 0 2 3-10-0 7.*联系人,E-mail:life n g js u t.e d u.c n.基金项目:国家自然科学基金资助项目(6 2 0 0 3151);江苏省自然科学基金资助项目(BK20191035);江苏高校“青蓝工程”资助项目;常州市科技计划资助项目(CJ20220065);江苏省研究生实践创新计划资助项目(SJCX23_1614);江苏理工学院研究生实践创新计划资
7、助项目(XSJCX23_19).引文格式:周士博,杨浩,杨岳松,等基于组合信号的Wiener-Hammerstein系统辨识J。扬州大学学报(自然科学版),2023,27(1):41-46.(1)42节f()以及输出动态线性环节H()组成.该系统的输人、输出关系可以表示为式中,t表示时间序列;u(t)和y(t)分别为系统的输人和输出;(t)和(t)分别表示静态非线性环节的输入和输出;m(t)表示输出动态线性环节的输出;e(t)表示白噪声;静态非线性环节f(u(t)=入(t)十十入u(t),其中入1,入是多项式模型系数;输人动态线性环节G(q)=1/A(q),输出动态线性环节H(q)=B(q),
8、其中A(q)=1+aiq-1+.+an.q-a,B(q)=b i q-1+b mq-,q 是移位算子,na和nb是阶次,ai,a n。是A(q)的未知参数,bi,b n 是B(q)的未知参数.具体的Wiener-Hammerstein系统结构如图1所示.u(t)根据给定的阈值e,建立噪声干扰下的Wiener-Hammerstein系统,即求解满足如下公式和约束条件的参数:JC7.(a),H(),2,5(0)-(0s.t.m(t)=H(q)之(t),(y(t)=m(t)+e(t).式中,子为静态非线性环节的估计,G(q)和H(q)分别为输人和输出动态线性环节的估计,Np为时间序列的长度,(t)和
9、之(t)分别为动态线性环节和静态非线性环节的输出估计值,(t)为输出线性环节的输出估计值,(t)为Wiener-Hammerstein系统的输出估计值.2Wiener-Hammerstein 系统辨识本文设计的组合信号由可分离信号和随机信号组成,利用组合信号实现Wiener-Hammerstein系统的输入、输出动态线性环节和静态非线性环节分离辨识。根据文献12,对于Wiener非线性系统,当输入信号为高斯信号,则存在常数b。使输入和输出变量的互相关函数Ru(t)=b.G(q)R(t),式中R(t)为输入变量的自相关函数,为时间变量.由此可知,当系统输入为可分离信号,且存在常数b。的情况下,系
10、统的中间不可测变量(t)的互协方差函数R(t)可以用输入变量u(t)的自协方差函数R(t)代替,解决中间变量不可测的问题,从而实现静态非线性环节和动态线性环节参数的分离辨识.由此拓展到Wiener-Hammerstein系统中,有如下关系式成立:Ru(t)=b o G(q)H(q)R(t).2.1输入输出动态线性环节辨识根据上述所描述的互相关函数与自相关函数的线性关系,当输入高斯信号时,可采用相关分析法13辨识Wiener-Hammerstein系统动态线性环节参数.对于Wiener-Hammerstein输出误差系统,(t)满足可分离信号条件,故对于中间变量(t)、之(t)的互相关函数以及(
11、t)的自相关函数存在如下关系:R(t)=b.R(t),式中R(t)为(t)和(t)的互相关函数,R(t)为(t)的自相关函数.对扬州大学学报(自然科学版)(u(t)=G(q)u(t),z(t)=f(v(t),m(t)=H(q)z(t),(y(t)=m(t)+e(t).1v(t)1+a.q+.+an.q图1噪声干扰下的Wiener-Hammerstein系统图Fig.1 Diagram of Wiener-Hammerstein system with noise(i(t)=G(q)u(t),之(t)=于(t),第2 7 卷e(t)2(t)m(t)iv(t)+.+,v(t)biq+bn.q(t)
12、第1期于输入动态线性环节G(q),可以写成无限脉冲响应形式:(t)=G(q)u(t)=,g(k)q u(t)=ng(k)u(t-k).将上式分别带人R(t)和 R.(t)中,可得 R(t)=E(t)(tt))=E(t)Z1g(k)u(t-t-k)=Z1g(k)R(r+k)=1g(k)dR(t),R(2)=E(u(0)(t-t)=E(Z-ig(k)u(t-k)Zig(e)u(t-t-)=ZZig(k)R.(t+$-k)g(e)=Z.g(e)qR(t).g(k)*,式中E(.)是数学期望,对于同一个线性环节,Z1g(k)与1g(E)qi是等价的.故R(t)=b=1g(k)q*R(t)=bG(q)R
13、(t)。由于y(t)=H(q)(t)+e(t),计算u(t)和y(t)的互相关函数,可得 R(t)=E(H(q)z(t)u(t 一t))十E(e(t)u(t一t))=E(H(g)(0)u(t-)=H(a)Ra(t)=bG(a)H(a)R(7),即Ru()=b+a+2,-*R(t).由上式可得R(t)(1+,aq)=bo(b,q)R.(t),故R(t)=-a,R(-i)+,b b,R(-j).将上式写成回归形式R=,定义准则函数J(0)=IR-l ,对求偏导数得到(2)式中-aan,b o b i,,bob,,a i,an为输人线性环节未知参数的估计值,bi,,b为输出线性环节未知参数的估计值;
14、R=R(1),R(2),,R(P)为互相关函数组成的向量,P=na十n;相关函数矩阵-Ry()-R(1)R(2)-R.(P-1)0-R(0)-R(1)00R.(0)R.(1)0R.(0)002.2静态非线性环节辨识基于随机信号的输入、输出数据,估计静态非线性环节的参数,=入1,入,,根据Wiener-Hammerstein系统表达式可得y(t)=a,b j u (t 一j)+e(t)将其改写成回归形式y(t)=pT(t)o,+e(t),式中信息向量p(t)=(t-1),(t-1),(t-1),(t-n),(t-n),(t-n),混合参数向量x=b,bi,b,ba,T.定义均方准则函数J()=(
15、t)一(t),对求偏导数得到2(t)(t)(t),.令偏导数为0,可得,的最小二乘估计为,=(t)(t)(t)(t)定义协方差矩阵Q-(t)=Q-(t 1)十(t)(t),则最小二乘估计可表示为:(t)=Q(t)Q-(t-1)(t-1)+(t)y(t)=Q(t)Q-(t)-(t)pT(t)J,(t-1)+Q(t)p(t)y(t)=;(t-1)+Q(t)(t)Ey(t)-p(t);(t-1).定义向量L(t)=Q(t)(t),将矩阵可逆原理应用于Q-(t)=Q-1(t-1)十(t)T(t)和L(t)=Q(t)(t),得到递推最小二乘辨识方法:周士博等:基于组合信号的Wiener-Hammerst
16、ein系统辨识-R(P-na)ER(na+n)XPR.(2)R.(P-1)R.(1)R,(P-2)0Ru(P-nb)43brq+bn,q=Ry(yy)-ly,-Ru(P-2):04431仿真实验3.1数值仿真为了证明辨识方法的有效性,将本文方法运用到Wiener-Hammerstein系统中,考虑如下Wiener-Hammerstein 系统:系统的信噪比SNR=Vvar(e(t)/var(y(t)一e(t))10 0%,式中,var()表示方差函数,参数误差=0(t)-0(t)I/(t)Il.仿真实验中,选择30 0 0 组均值为0,方差为0.2 5的高斯信号和2 0 0 0 组0,2 范围
17、内的随机信号作为Wiener-Hammerstein系统的输人.先利用高斯信号的输人和相应的输出辨识AR模型和FIR模型的参数,然后,基于设计的随机信号,利用递推最小二乘方法辨识多项式模型的未知参数.表1列出了不同信噪比下AR模型和FIR模型的参数辨辩识结果.由表1可知,当信噪比为9.42%时,AR模型和FIR模型参数的估计值与真实值较接近;当信噪比为18.12%时,系统的噪声干扰增加,此时AR模型和FIR模型的参数估计值误差变大,说明噪声对参数辨辩识结果有一定影响.此外,当信噪比一定时,AR模型和FIR模型参数的估计精度随着t值增加而提高.参数辨识结果的估计误差如图2 所示.由图2 可知,输
18、人、输出动态线性环节的参数误差随着t值增加而减小,当t值达到10 0 0 时,参数估计误差曲线较稳定.因此,本文提出的方法能够有效辨识Wiener-Hammerstein系统.为了说明本文所提出的两阶段辨识方法的有效性,将文献14中的多新息随机梯度方法用于非线性环节的拟合,与本文的递推最小二乘方法进行对比实验.图3给出了两种辨识方法的拟合结果.图中横纵坐标分别为Wiener-Hammerstein系统静态非线性环节的输人和输出.由图3可见,本文辨识方法具有更好的拟合效果.其均方误差为0.0 0 50,最大绝对误差为0.0 6 33,文献14中方法的均方误差为0.0 2 37,最大绝对误差为0.
19、1141.3.2过程仿真以pH中和过程为对象进行仿真实验15,采用扬州大学学报(自然科学版)(t)=(t-1)+L(t)y(t)-pT(t);(t-1),L(0)=1+000(1)9(0Q(t-1)(t)Q(t)=I-L(t)T(t)Q(t-1).(t)=u(t)/(1-0.8q-1+0.6q-),z(t)=2.42(t)+1.75(t)-0.83(t),m(t)=(0.7q-1-0.4g-2)z(t),(y(t)=m(t)+e(t).1.00.80.60.40.20.00图2 不同信噪比下输入、输出动态线性环节估计误差Fig.2Estimation error for input and o
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 组合 信号 Wiener Hammerstein 系统 辨识
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。