[发明专利]一种高精度闭环系统辨识方法

权利要求书

1.一种高精度闭环系统辨识方法，其特征在于，所述方法包括：

S1、按照预先设定的激励信号对闭环系统进行持续激励，并在所述闭环系统在受到所述激励信号的激励的过程中，获取闭环系统相应的输入数据、输出数据；

S2、针对所述闭环系统在受到所述激励信号的激励的过程中获取的输入数据和输出数据进行预处理，获取预处理后的数据；

S3、采用所述预处理后的数据训练与所述闭环系统对应的用于预测闭环系统未来输出的数据的模型，确定所述用于预测闭环系统未来输出数据的模型中的第一参数的具体值；

所述第一参数与所述用于预测闭环系统未来输出数据的模型匹配；

所述第一参数为用于在所述用于预测闭环系统未来输出数据的模型在对输入到所述用于预测闭环系统未来输出数据的模型中的数据进行预测未来相应输出的数据的参数；

针对所述闭环系统在受到所述激励信号的激励的过程中获取的输入数据和输出数据进行预处理，包括：

所述预处理为将所述闭环系统在受到所述激励信号的激励的过程中获取的输入数据和输出数据中的缺陷数据剔除，并按照预先设定的采样间隔ts进行采样；

所述缺陷数据包括：为将所述闭环系统在受到所述激励信号的激励的过程中获取的输入数据和输出数据进行验证和切片处理后所得到的高频噪声、脉冲和废值、数据间隙、缺失数据、振荡幅度小于预设幅度的数据、超出线性范围的数据、漂移和失调、低频扰动的数据；

所述预处理后的数据包括：；

为预处理后的输入数据且维度为；

为预处理后的输出数据且维度为；

N为处理后的按照均匀采样间隔ts采样的数据样本的数量；

所述S3具体包括：

S31、根据所述预处理后的数据和所述闭环系统所对应的具有预先设定的截止长度p的MIMO-VARX模型获取所述MIMO-VARX模型的马尔可夫参数；

S32、根据所述MIMO-VARX模型的马尔可夫参数，得到预先设定的闭环系统阶次n的估计的状态向量；

S33、根据所述状态向量以及所述预处理后数据，训练所述闭环系统对应的用于预测闭环系统未来输出数据的模型，确定闭环系统第一参数的具体值；

所述方法还包括：S4、重复步骤S2-S3，分别获取ts为第一预设值、n为第二预设值、p为第三预设值时所对应的预处理后的数据和第一参数的具体值，并基于所述ts为第一预设值、n为第二预设值、p为第三预设值时所对应的预处理后的数据和第一参数的具体值确定最优的第一参数的具体值；

所述S4具体包括：

S41、重复步骤S2-S3，分别获取ts为第一预设值、n为第二预设值、p为第三预设值时所对应的预处理后的数据和第一参数的具体值；

S42、针对任一第一参数的具体值，针对具有所述第一参数具体值的与所述闭环系统对应的用于预测闭环系统未来输出数据的模型进行评价，获取评价值；

S43、根据所有的第一参数的具体值所对应的用于预测闭环系统未来输出数据的模型的评价值，确定最优的第一参数的具体值；

其中，所述最优的第一参数的具体值为具有第一评价值的用于预测闭环系统未来输出数据的模型的第一参数的具体值。

2.根据权利要求1所述的方法，其特征在于，与所述闭环系统对应的用于预测闭环系统未来输出数据的模型为：

（1）；

其中，待确定的第一参数包括：A、B、C、D、K；

A是与所述闭环系统对应的用于预测闭环系统未来输出数据的模型中闭环系统矩阵参数，行列数为，且，n是预先设定的系统阶次，R是实数域；

B是与所述闭环系统对应的用于预测闭环系统未来输出数据的模型中输入系数矩阵参数，行列数为，且；

K是与所述闭环系统对应的用于预测闭环系统未来输出数据的模型中卡尔曼增益矩阵参数，行列数为，且；

C是与所述闭环系统对应的用于预测闭环系统未来输出数据的模型中输出系数矩阵参数，行列数为，且；

D是与所述闭环系统对应的用于预测闭环系统未来输出数据的模型中输入输出系数矩阵参数，行列数为，且；

是第k时刻的状态值，且；是第k+1时刻的状态值，且；是第k时刻的输入值，且；是第k时刻的输出值，且；是第k时刻的零均值白噪声值，且。