基于改進(jìn)型遞推最小二乘的室溫被控對(duì)象在線辨識(shí)算法
【專利摘要】本發(fā)明公開了一種基于改進(jìn)型遞推最小二乘的室溫被控對(duì)象在線辨識(shí)算法，通過采用基于過度參數(shù)化的擴(kuò)展z變換分子的算法和帶遺忘因子的遞推最小二乘算法辨識(shí)室溫被控對(duì)象的過程參數(shù)和延遲參數(shù)，并通過計(jì)算機(jī)實(shí)現(xiàn)在線辨識(shí)計(jì)算。本發(fā)明算法簡(jiǎn)單，實(shí)用性強(qiáng)，實(shí)現(xiàn)了對(duì)室溫控制對(duì)象的過程參數(shù)和延遲參數(shù)的辨識(shí)，為室溫控制系統(tǒng)的自適應(yīng)控制提供了重要的手段，同時(shí)可可以作為對(duì)空調(diào)系統(tǒng)進(jìn)行動(dòng)態(tài)特性研究的一種有效手段。
【專利說明】基于改進(jìn)型遞推最小二乘的室溫被控對(duì)象在線辨識(shí)算法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于改進(jìn)型遞推最小二乘的室溫被控對(duì)象在線辨識(shí)算法，屬于空調(diào)系統(tǒng)控制【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002]在空調(diào)系統(tǒng)的運(yùn)行過程中，如室溫控制對(duì)象，其過程參數(shù)和延遲時(shí)間往往會(huì)隨著環(huán)境，負(fù)荷的變化而發(fā)生偏移，此時(shí)已經(jīng)整定過的PID控制器的參數(shù)往往不能滿足新的對(duì)象特性的需求，從而導(dǎo)致性能的下降。在室溫控制對(duì)象的各項(xiàng)參數(shù)中，尤其是延遲時(shí)間的辨識(shí)，是其應(yīng)用與控制領(lǐng)域的關(guān)鍵。而空調(diào)控制對(duì)象的過程參數(shù)和延遲時(shí)間通常是時(shí)變的，因此對(duì)時(shí)變的空調(diào)系統(tǒng)進(jìn)行辨識(shí)更有實(shí)際意義。普遍情況下，采用遞推的最小二乘算法對(duì)時(shí)變的空調(diào)控制模型進(jìn)行在線辨識(shí)，但是該算法只能對(duì)空調(diào)系統(tǒng)的過程參數(shù)進(jìn)行辨識(shí)，不能對(duì)延遲時(shí)間參數(shù)進(jìn)行辨識(shí)。


【發(fā)明內(nèi)容】

[0003]本發(fā)明提供了一種基于改進(jìn)型遞推最小二乘的室溫被控對(duì)象在線辨識(shí)算法，采用一種基于過度參數(shù)化的擴(kuò)展ζ變換分子的方法和帶遺忘因子的遞推最小二乘算法實(shí)現(xiàn)了對(duì)室溫控制對(duì)象過程參數(shù)和延遲參數(shù)的在線辨識(shí)。
[0004]為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案如下:
[0005]基于改進(jìn)型遞推最小二乘的室溫被控對(duì)象在線辨識(shí)算法，包括以下步驟:
[0006]I)建立室溫對(duì)象的數(shù)學(xué)模型；
[0007]2)采用基于過度參數(shù)化的擴(kuò)展ζ變換分子的算法和帶遺忘因子的遞推最小二乘算法辨識(shí)室溫被控對(duì)象的過程參數(shù)和延遲參數(shù)，并通過計(jì)算機(jī)實(shí)現(xiàn)在線辨識(shí)計(jì)算。
[0008]前述的步驟I)，建立室溫對(duì)象的數(shù)學(xué)模型的具體過程為:
[0009]1-1)室溫控制對(duì)象的數(shù)學(xué)模型G(S)為:
[0010]

【權(quán)利要求】
1.基于改進(jìn)型遞推最小二乘的室溫被控對(duì)象在線辨識(shí)算法，其特征在于，包括以下步驟: 1)建立室溫對(duì)象的數(shù)學(xué)模型； 2)采用基于過度參數(shù)化的擴(kuò)展z變換分子的算法和帶遺忘因子的遞推最小二乘算法辨識(shí)室溫被控對(duì)象的過程參數(shù)和延遲參數(shù)，并通過計(jì)算機(jī)實(shí)現(xiàn)在線辨識(shí)計(jì)算。
2.根據(jù)權(quán)利要求1所述的基于改進(jìn)型遞推最小二乘的室溫被控對(duì)象在線辨識(shí)算法，其特征在于，所述步驟I)，建立室溫對(duì)象的數(shù)學(xué)模型的具體過程為: 1-1)室溫控制對(duì)象的數(shù)學(xué)模型G(S)為:
其中，s為拉普拉斯算子，Ks為放大系數(shù)，Ts為時(shí)間常數(shù)，τ為純延遲時(shí)間； 1-2)對(duì)室溫控制的數(shù)學(xué)模型的傳遞函數(shù)Gh(S)進(jìn)行離散化，得到:
其中，T為采樣周期； 1-3)對(duì)室溫被控對(duì)象的數(shù)學(xué)模型G(S)進(jìn)行z變換后，得到離散化數(shù)學(xué)模型Ga.1)為:
a,b均為待辨識(shí)室溫控制數(shù)學(xué)模型的過程參數(shù)，d為待辨識(shí)的延遲參數(shù)。
3.根據(jù)權(quán)利要求1所述的基于改進(jìn)型遞推最小二乘的室溫被控對(duì)象在線辨識(shí)算法，其特征在于，所述步驟2)對(duì)室溫被控對(duì)象的過程參數(shù)和延遲參數(shù)進(jìn)行辨識(shí)，包括以下步驟: 2-1)將式⑶中Bk1).z_d展開為多項(xiàng)式的形式

其中，m-1為室溫被控對(duì)象的最長(zhǎng)延遲，則待辨識(shí)的室溫被控模型G(z—1)轉(zhuǎn)換為Gjz—1)的形式:
定義待辨識(shí)的參數(shù)向量G為
; 2-2)當(dāng)"向量值被估算出來后，參數(shù)向量u中的u即為要辨識(shí)的過程參數(shù)a ； 2-3)對(duì)B(z’.廣和認(rèn)1)進(jìn)行頻率特性分析，令頻率ω = O時(shí)，
的零階和一階導(dǎo)數(shù)相等，即:

2-4)通過式(12)和式(13)獲得過程參數(shù)b，延遲參數(shù)山和Gm(P)中待辨識(shí)的參數(shù)之間的關(guān)系如下:
b即為要辨識(shí)的過程參數(shù)b，2即為要辨識(shí)的延遲參數(shù)d ； 2-5)將式(11)所述的Gm(P)的模型寫成最小二乘的形式: y (k) = hT(k) Θ +e(k) (17) 其中，e(k)為實(shí)際輸出與期望輸出之間的誤差，y(k)表不在k時(shí)刻室溫控制系統(tǒng)的輸出，u(k)表示k時(shí)刻室溫控制的輸入，h(k)和Θ表不如下:
2-6)定義函數(shù)J（θ）為：
其中，A(k)為遺忘因子； 2-7)得到帶遺忘因子的遞推最小二乘算法的規(guī)范化公式為:
其中，K(k)為增益矩陣，P(k)是一個(gè)方陣。
4.根據(jù)權(quán)利要求1所述的基于改進(jìn)型遞推最小二乘的室溫被控對(duì)象在線辨識(shí)算法，其特征在于，所述步驟2)中，通過計(jì)算機(jī)實(shí)現(xiàn)在線辨識(shí)的過程如下: 2-a)給定初始條件: ^(O) =ε其中，ε為充分小的實(shí)向量， P(O) = a2I，其中，a為充分大的數(shù)，I為單位向量； 2-b)根據(jù)式(18)構(gòu)造h(k)，其中，空調(diào)系統(tǒng)的輸入y(k)和輸出u(k)可由測(cè)量獲得； 2-c)每獲得一組新的數(shù)據(jù)7 00、1!(10，根據(jù)式(44)構(gòu)造K(k)和P(k)； 2-d)根據(jù)式(44)估算出新的參數(shù)向量ak和blk, b2k...，bmk ; 2-e)根據(jù)式(13)、(14)和(15)估算出新的bk和dk ；
2-f)對(duì) dk 進(jìn)行取整:dk+1 = INT (dk+0.5) INT (x)表示求不大于X的最大整數(shù)；2-g)令k = k+1，返回步驟2-b)繼續(xù)進(jìn)行迭代計(jì)算，直至達(dá)到最大迭代次數(shù)。
【文檔編號(hào)】G05B13/04GK104133373SQ201410327017
【公開日】2014年11月5日 申請(qǐng)日期:2014年7月9日 優(yōu)先權(quán)日:2014年7月9日
【發(fā)明者】白建波, 李洋, 王孟 申請(qǐng)人:河海大學(xué)常州校區(qū)