[发明专利]一种动态振荡信号模型参数辨识方法

摘要

本发明公开一种动态振荡信号模型参数辨识方法，在对模型参数进行辨识时，考虑了参数所受到的实际约束。首先，给出状态估计值和状态估计误差协方差的初始值；接着，在最大迭代时刻范围内，运用扩展卡尔曼滤波的预测步得到下一时刻的状态预测值和预测误差协方差；然后，运用扩展卡尔曼滤波的滤波步对该时刻的状态预测值和预测误差协方差进行更新，得到该时刻的状态估计值和估计误差协方差。接着，判定该时刻的状态估计值是否满足相应的实际约束条件，若满足，则转入对下一时刻的状态估计；若不满足，则对该时刻的状态估计值运用改进粒子群算法进行寻优，得到该时刻满足约束条件的最优状态估计值，并在此基础上对下一时刻的状态进行估计。 1

主权项

1.一种动态振荡信号模型参数辨识方法，其特征在于，包含如下步骤：(1)获取状态变量分量中包含模型参数的状态空间模型；(2)初始化；包括：设定状态估计的初值和估计误差协方差的初值，系统噪声和量测噪声所满足的协方差矩阵，迭代次数最大值S；(3)由已经得到的k‑1时刻的状态估计值和状态估计误差协方差，利用扩展卡尔曼滤波的预测步，得到k时刻的状态预测值和状态预测误差协方差；(4)利用k时刻的量测噪声协方差和k时刻的预测误差协方差计算k时刻的最优滤波增益；(5)利用k时刻的最优滤波增益和k时刻的预测误差协方差计算k时刻的估计误差协方差；(6)结合已得到的k时刻的最优滤波增益和k时刻的状态预测值计算k时刻的状态估计值；(7)判定已经得到的k时刻的状态估计值参数分量是否满足相应的实际约束条件；若满足约束条件，则无需运用改进粒子群算法进行寻优，可以直接对下一时刻的状态进行估计；(8)若k时刻的状态估计值参数分量不满足相应的约束条件，则通过投影方法把约束的状态估计问题等价转化为约束的优化问题；(9)在上一步的基础上，借助罚函数方法，通过对原目标函数加上一个惩罚项，把约束优化问题转化为一个无约束优化问题；(10)在上一步的基础上则可以利用改进的粒子群算法来进行多次迭代寻优；其中改进粒子群的速度和位置更新所遵循的规则如下：设搜寻空间为D维的，粒子群包含N个粒子；式中和分别代表第i个粒子在迭代次数L的速度和位置矢量；χ是用于控制和限制速度的收缩因子，w表示惯性权重；c₁和c₂分别为认知和社会系数，r_1,i和r_2,i是在[0,1]范围内取值的两个独立的随机数；代表第i个粒子截至L时刻到历史位置最优值；Gbest^L代表所有粒子中截至到L迭代时刻的历史位置最优值；(11)若迭代次数L＞M，则粒子群寻优迭代结束，此时把对k时刻状态估计值的寻优结果GbestL作为k时刻的状态估计值，然后对下一时刻状态进行估计；(12)若k＝k+1≤S，则迭代继续，若k＝k+1＞S，则迭代结束，输出辨识结果。