[发明专利]机械系统模型在线辨识方法

说明书

本发明公开了一种机械系统模型在线辨识方法，方法包括以下步骤：设定用于辨识机械系统模型的FTR横向滤波器初值，在n时刻，指令输入信号r[n]与抖动建模信号δ[n]之和作为实际系统的输入信号u[n]，观测实际系统的输出信号d[n]，利用抖动建模信号δ[n]及其历史值组成的输入向量δ[n]＝[δ[n]，δ[n‑1]，...，δ[n‑M+1]]^T和滤波器权向量w[n]＝[w₀，w₁，...，w_M‑1]^T进行卷积得到滤波器输出y_δ[n]＝w[n]^T·δ[n]，将单位输入通过自适应权重w_r[n]，并累加于滤波器输出端，得到模型输出y_m[n]＝y_δ[n]+w_r[n]，利用观测得到的所述实际系统输出信号d[n]与所述模型输出y_m[n]，计算建模误差e[n]＝d[n]‑y_m[n]，单位输入的自适应权重w_r进行调整，w_r[n+1]＝w_r[n]+μ_re[n]，对滤波器权重W[n]进行调整，继续从第二步骤开始进行下一时刻的自适应建模过程。

技术领域

本发明属于航空发动机控制技术领域，特别是一种机械系统模型在线辨识方法。

背景技术

在机械系统中，系统模型是进行系统分析和控制的基础。传统的机理建模方法往往无法精确描述系统的全部特性，且无法考虑实际系统与理论模型的差异，因此往往无法精确描述系统特性。实际中常采用基于输入输出数据的系统辨识方法进行建模，通过一定的模型框架，利用输入输出数据寻找最优的模型参数。在系统辨识中，需要输入到系统中的信号是充分激励的，这样才能激发系统的全部特性，实现精确建模。在实时系统中，一方面考虑到系统特性是时变的，需要实时对系统模型进行辨识；另一方面由于实时系统的输入信号通常是一些固定的指令信号，不是充分激励的，因此无法直接利用该输入信号进行模型的在线辨识。

传统的模型辨识需要白噪声信号作为输入到系统中的指令信号，而实际应用中的指令信号往往无法满足这一要求。一般的解决方法是通过在系统输入端引入一个微小的白噪声信号作为抖动信号，从而实现模型的在线辨识。在抖动建模方法中，实际系统的输入信号由指令信号和小量级的随机抖动信号组成，模型的自适应需要利用小量级随机抖动信号通过系统后的响应，因此需要在输出端减去由于指令信号导致的系统响应。在建模初期由于自适应模型不准确，传统辨识方法利用实时更新的系统模型对指令信号的响应进行估计，因此这个估计是不准确的，这也就导致了实时模型难以收敛。因此，需要一种更为准确和可靠的抖动在线辨识方法。

在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。

发明内容

针对现有技术中存在的问题，本发明提出一种机械系统模型在线辨识方法，利用一个带有自适应权重的单位输入来逼近实际系统在指令输入作用下的输出值，利用一个自适应FIR滤波器在随机抖动信号激励下进行系统辨识。指令输入和随机抖动信号对系统的响应分别进行自适应过程，利用加权单位输入对指令输入信号带来的系统响应进行快速跟随，有助于提高利用小量级随机抖动信号对实际系统的辨识精度，提高了自适应过程的收敛速度。同时为了避免加权单位输入无法跟随指令输入突变的情况，在自适应模型辨识的过程中对FIR滤波器权值加一约束条件，使其不会产生突变，从而提高收敛过程中的稳定性，提高系统辨识的精度。

本发明的目的是通过以下技术方案予以实现，一种机械系统模型在线辨识方法包括以下步骤：