2014基金群共享1模型參數(shù)辨識2-26加

1、1、模型參數(shù)辨識在傳統(tǒng)的網(wǎng)絡(luò)化控制系統(tǒng)故障中，針對時延情況的不同，通?？梢詫⒋嬖跁r延的網(wǎng)絡(luò)化控制系統(tǒng)轉(zhuǎn)化線性參變系統(tǒng)、不確定系統(tǒng)、混雜系統(tǒng)、模糊系統(tǒng)或跳躍系統(tǒng)等，進而針對這些系統(tǒng)設(shè)計故障觀測器或故障濾波器來獲得系統(tǒng)殘差進行故障。由于ECP 系統(tǒng)的網(wǎng)絡(luò)傳輸延時比較長（輪詢方式，周期為 1 秒，輪詢一列貨車需要120 秒），因此系統(tǒng)模型中有關(guān)的相鄰子系統(tǒng)狀態(tài)值即壓力參數(shù)Pi-1 和Pi+1難以實時獲取，所以在故障要考慮的。過程中如何解決數(shù)據(jù)傳輸時延所帶來的影響是需然而，對于 ECP 系統(tǒng)這一個既具有網(wǎng)絡(luò)化控制系統(tǒng)數(shù)據(jù)傳輸時延的特點，也具有復(fù)雜非線性、系統(tǒng)存在互聯(lián)影響和部分模型參數(shù)未知等特點，傳統(tǒng)的

2、網(wǎng)絡(luò)化控制系統(tǒng)故障方法不是很適用。而對于模型參數(shù)辨識，常用的方法有神經(jīng)網(wǎng)絡(luò)、遞歸算法、最小二乘法、遞推最小二乘法、最小均方算MS）、自適應(yīng)學(xué)習(xí)等。文獻12針對不確定線性時延系統(tǒng)，設(shè)計自適應(yīng)觀測器用于辨識系統(tǒng)故障參數(shù)。文獻13針對帶有時延的非線性時變系統(tǒng)，提出一種快速自適應(yīng)故障估計的策略，通過設(shè)計自適應(yīng)調(diào)整律來實現(xiàn)故障辨識。文獻14針對具有模型不確定性、未知輸入擾動的一類非線性系統(tǒng)，提出基于參數(shù)估計的故障算法，在進行故障檢測的同時對故障參數(shù)進行估計。文獻15針對存在網(wǎng)絡(luò)誘導(dǎo)時延和數(shù)據(jù)丟包的網(wǎng)絡(luò)化控制系統(tǒng)，給出了相應(yīng)的網(wǎng)絡(luò)化模型算法和網(wǎng)絡(luò)化滾動優(yōu)化算法，并對于被控對象參數(shù)未知或緩慢變化的情況，利用

3、遞推最小二乘辨識算法進行參數(shù)辨識，用于設(shè)計網(wǎng)絡(luò)化反饋修正算法?；谧赃m應(yīng)學(xué)習(xí)的方法，由于能入具有模型不確定性系統(tǒng)的故障近模型的未知參數(shù)，已有學(xué)者將其引中。文獻16為每個子系統(tǒng)設(shè)計了穩(wěn)定的有自適應(yīng)學(xué)習(xí)能力的故障檢測狀態(tài)估計器，研究一類具有模型不確定性的互聯(lián)非線性系統(tǒng)的分布式故障檢測與分離方案。文獻17針對模型不確定性，采用自適應(yīng)參數(shù)估計技術(shù)的故障方法，設(shè)計故障檢測與的動態(tài)閾值。自適應(yīng)學(xué)習(xí)方法主要應(yīng)用于存在不確定性的動態(tài)系統(tǒng)，它能不斷的檢測系統(tǒng)的狀態(tài)信息、輸入輸出信息和性能參數(shù)等，并通過其更新機制，逐步建立對系統(tǒng)未知參數(shù)或未知函數(shù)的近似估計18。可見，基于自適應(yīng)學(xué)習(xí)的方法適用于動態(tài)的存在不確定性的

4、系統(tǒng)，能對未知參數(shù)進行的基本要求。估計，滿足解決互聯(lián)不確定性基于自適應(yīng)學(xué)習(xí)的故障方法基本是：在所建立的觀測器中加入估計器用于檢測和估計故障。這種估計器可通過自適應(yīng)估計技術(shù)和自適應(yīng)近技術(shù)進行設(shè)計，利用自適應(yīng)神經(jīng)網(wǎng)絡(luò)近來實現(xiàn)學(xué)習(xí)。首先，自適應(yīng)學(xué)習(xí)適用于多變量的互聯(lián)系統(tǒng)19，而 ECP 系統(tǒng)各子系統(tǒng)間存在互聯(lián)，系統(tǒng)動態(tài)具有不確定的互聯(lián)未知參數(shù)；其次，采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)的近技術(shù)，能近任意復(fù)雜的不確定關(guān)系，能適應(yīng)嚴重不確定系統(tǒng)的動態(tài)特征20。故障發(fā)生前，自適應(yīng)學(xué)習(xí)方法能為狀態(tài)估計器提供近技術(shù)，在故障發(fā)生后，它也能估計故障參數(shù)。因此，可以采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)近技術(shù)，對具有互聯(lián)不確定模型參數(shù)的ECP 制動系統(tǒng)

5、的分布式故障進行研究。12Fauetection and identification for uncertain linear time-delay systems, 2005.13Fast adaptive fault estimation andmodation for nonlinear time-varying delay systems,2009.14基于參數(shù)估計的一類非線性系統(tǒng)故障算法, 2013.15面向網(wǎng)絡(luò)誘導(dǎo)時延和數(shù)據(jù)包丟失補償?shù)木W(wǎng)絡(luò)化廣義控制, 2010.16 X. Zhang, Q. Zhang. Distributed fault diagnosis in a cla

6、ss oferconnected nonlinearuncertain systems.ernational Journal of Control, 2012, 85(11), pp. 1644-1662.17 X. D. Zhang, M. M. Polycarpou, T. Parisini. Fauiagnosis of a class of nonlinear uncertainsystems with Lipschitz nonlinearities using adaptive estimation. Automatica, 2010, 46(2), pp.290-299.18 P

7、. S. R. Diniz. Adaptive filtering: algorithms and practical implemenion. Springer, 2008.19 C. Wang, Y. Lin. Adaptive dynamic surface control for linear multivariable systems.Automatica, 2010, 46(10), pp. 1703-1711.20 J. Farrell, M. Polycarpou. Adaptive approximation based control: unifying neural, f

8、uzzy andtraditional adaptive approximation approaches, Hoboken, NJ: Wiley-erscience, 2006.2、模型參數(shù)辨識研究內(nèi)容（基于自適應(yīng)學(xué)習(xí)的模型參數(shù)辨識）針對ECP 系統(tǒng)存在數(shù)據(jù)傳輸時延導(dǎo)致部分模型參數(shù)不能實時獲取，尋找一種合適的參數(shù)估計方法，對未知模型參數(shù)進行快速有效的計的狀態(tài)估計器中引入?yún)?shù)估計項，研究基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)辨識。在所設(shè)近技術(shù)，設(shè)計合適的自適應(yīng)學(xué)習(xí)律，通過調(diào)整學(xué)習(xí)律，使得估計器在進行狀態(tài)估計的同時，也能進行學(xué)習(xí)未知的模型參數(shù)，達到未知模型參數(shù)實時辨識的目的。3、關(guān)鍵問題：如何尋找一種合適的未知模型

9、參數(shù)估計方法，設(shè)計合適的自適應(yīng)律，實現(xiàn)未知模型參數(shù)實時辨識的目的，解決數(shù)據(jù)傳輸時延問題。4、技術(shù)路線：首先，利用流體力學(xué)和空氣動力學(xué)，通過分析 ECP 制動系統(tǒng)長大空氣管路工作原理，建立系統(tǒng)基本的氣動模型。分析系統(tǒng)中存在的互聯(lián)不確定項，找出未知的模型參數(shù)。然后，針對包含未知模型參數(shù)的系統(tǒng)模型，為每個子系統(tǒng)構(gòu)建相應(yīng)的狀態(tài)估計器?；谧赃m應(yīng)觀測器的設(shè)計方法構(gòu)造狀態(tài)估計器，通過分析觀測器的存在條件，驗證子系統(tǒng)構(gòu)造狀態(tài)估計器的可行性，并通過穩(wěn)定性條件。方法找到估計器的最后，為了使估計器進行狀態(tài)估計的同時能辨識未知模型參數(shù)，實現(xiàn)對不確定互聯(lián)影響解耦，在狀態(tài)估計器中引入模型參數(shù)估計項，通過使用基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)近技術(shù)，設(shè)計合適的自適應(yīng)學(xué)習(xí)律，通過調(diào)整自適