基于阶跃响应和遗传算法优化高阶加时滞模型的辨识方法

TP273; 针对工业生产中含有时滞环节的高阶过程对象,由于控制器结构复杂,采用直接设计控制器和传统模型降阶的方法实现起来比较困难,加上噪声对控制器产生的干扰,导致这些方法往往得不到满意的结果.文中采用基于阶跃响应的辨识方法,通过分析对象阶跃响应的输入和输出数据,建立二阶加纯滞后模型,利用遗传算法自适应全局搜索能力的优点来优化模型的静态增益、时间常数和纯滞后系数,从而对高阶加时滞对象进行精确的模型辨识.MATLAB仿真结果表明,该方法具有精度高、鲁棒性强和适用性广等优点.使用该方法辨识文中的模型在单位阶跃输入信号下的ITAE指标分别为18.1385、6.2715和167.8892....

Full description

Saved in:
Bibliographic Details
Published in电子科技 Vol. 34; no. 9; pp. 41 - 53
Main Authors 王阳, 王亚刚
Format Journal Article
LanguageChinese
Published 上海理工大学 光电信息与计算机工程学院,上海200093 2021
Subjects
遗传算法
MATLAB仿真
阶跃响应
高阶对象
系统优化
二阶加纯滞后模型
模型降阶
系统辨识
Online AccessGet full text

Cover

More Information
Summary:TP273; 针对工业生产中含有时滞环节的高阶过程对象,由于控制器结构复杂,采用直接设计控制器和传统模型降阶的方法实现起来比较困难,加上噪声对控制器产生的干扰,导致这些方法往往得不到满意的结果.文中采用基于阶跃响应的辨识方法,通过分析对象阶跃响应的输入和输出数据,建立二阶加纯滞后模型,利用遗传算法自适应全局搜索能力的优点来优化模型的静态增益、时间常数和纯滞后系数,从而对高阶加时滞对象进行精确的模型辨识.MATLAB仿真结果表明,该方法具有精度高、鲁棒性强和适用性广等优点.使用该方法辨识文中的模型在单位阶跃输入信号下的ITAE指标分别为18.1385、6.2715和167.8892.
ISSN:1007-7820
DOI:10.16180/j.cnki.issn1007-7820.2021.09.008