基於遺傳算法遍歷辨識的未知模型階次確定方法
2023-09-19 07:40:35 6
專利名稱：基於遺傳算法遍歷辨識的未知模型階次確定方法
技術領域：
本發明是用於確定未知模型階次的方法，能夠依靠實驗數據精確地確定未知模型 的階次。主要應用在不確定系統、航空航天、機器人等技術領域。
背景技術：
確定未知系統的階次，是未知系統建模以及動態特性分析的關鍵步驟。以往的確 定階次的方法通常是機理分析，並採用簡化和近似等手段，以得到其近似的階次。然而對於 一些複雜的系統，很難而又迫切需要準確確定其動力學模型階次。以直升機和傾轉旋翼機 為例，其操縱、動力系統和工作狀態甚為複雜。不僅如此，此類飛行器在其各種飛行狀態中， 其表面通常為紊亂且隨時發生變化的流場。流場對動力學模型的影響甚大，而目前尚無有 效的手段對流場的影響進行量化。因此，採用機理建模方法很難準確有效地確定模型階次。然而，諸如飛行器等很多未知系統具有一致性良好的頻域響應特性。因此，本發明 採用實驗的手段，利用未知系統的頻域響應數據確定其階次。思路是採用遺傳算法分別對 其各種可能的階次組合進行辨識，然後找出與頻域響應數據最為接近的一個階次組合，從 而確定未知模型的階次。本發明避免了複雜的動力學分析，完全依賴實驗數據和計算機處 理，並充分利用了遺傳算法高效率、高精度和能對多變量同時優化的特點，從而可以完全地 試探未知模型的各種階次結組合。因此，粗略而繁雜的機理分析建模過程為本發明的遍歷 辨識所替代，並由計算機來全自動地完成，從而可得到真實而精確的結果。此外，與傳統的 階次確定方法相比，本算法的優點是原理簡單、真實準確、結果可信度高。
發明內容
本發明的目的在於提供一種用於精確地確定未知模型階次的方法。本發明的特徵在於，含有初始設定、遞增辨識和階次確定三個階段，其中初始 設定階段用於設定未知模型階次的搜索範圍，含有頻域響應數據、設定模型階次上下限和 階次初始化三個步驟；遞增辨識階段用於在設定的階段內搜索辨識所有的模型結構，含有 遺傳算法辨識、記錄辨識結果和階次遞增三個步驟；階次確定階段用於通過代價函數找出 最優的模型結構，含有代價函數尋優和確定階次組合兩個步驟，其中通過以上三個階段，可以在遍歷未知模型的所有可能的階次組合，通過從辨識頻 域響應數據的過程中，尋找最小代價函數對應的辨識模型，從而可以確定與該未知模型的 階次。本發明的優點在於不需對複雜的不確定模型進行繁瑣的機理建模過程，而只需 實驗得到的頻域響應數據即可由計算機完成模型階次的確定。此外，本發明還有簡單快捷、 準確度高、通用性強的優點。
圖1是基於遺傳算法遍歷辨識的未知模型階次確定方法的流程圖。圖1中通過初始設定、遞增辨識和階次確定三個階段，即可確定未知模型的階次。
具體實施例方式基於遺傳算法遍歷辨識的未知模型階次確定方法由初始設定、遞增辨識和階次確 定三個階段組成。其中初始設定、遞增辨識和階次確定三個階段，其中初始設定階段用 於設定未知模型階次的搜索範圍，含有頻域響應數據、設定模型階次上下限和階次初始化 三個步驟；遞增辨識階段用於在設定的階段內搜索辨識所有的模型結構，含有遺傳算法辨 識、記錄辨識結果和階次遞增三個步驟；階次確定階段用於通過代價函數找出最優的模型 結構，含有代價函數尋優和確定階次組合兩個步驟。在初始設定階段的處理如下在頻域響應數據步驟，需要準備辨識實驗中得到的 未知模型的頻域響應數據；在設定模型階次上下限步驟，需要設定未知模型的階次組合的 下限(n，m)和上限(N，M)，且滿足(n < = m，N < = Μ，η < N，m < = M)；在階次初始化步驟， 分別將辨識模型分子和分母的階次設定為η和m，以形成一個階次組合的模型用於辨識。在遞增辨識階段的處理如下在遺傳算法辨識步驟，利用遺傳算法對當前階次組 合的模型進行辨識；在記錄辨識結果步驟，將辨識得到的代價函數和階次組合記錄下來，用 於階次尋優；在階次遞增步驟，通過判斷當前的分子分母階次是否同時滿足遞增條件，以決 定分子或分母階次的遞增。經過階次遞增，完成對所有可能的階次組合進行遍歷。階次遞 增規則為如果分子階次< =分母階次且分母階次分母階次且分母階次 M則階次遞增結束。在階次確定階段的處理如下在代價函數尋優步驟，對所有階次組合模型的代價 函數進行尋優。在確定階次組合步驟，根據代價函數的尋優結果，得到代價函數最小的階次 組合Ovmtl)。代價函數反映模型與頻域響應數據的誤差。代價函數越小，則誤差越小。因 此，代價函數最小的階次組合Ovmtl)就是模型的階次。綜上，本發明採用實驗的手段，利用未知系統的頻域響應數據而確定其階次。思路 是採用遺傳算法分別對未知模型各種可能的階次組合進行辨識，然後找出與頻域響應數據 最為接近的一個階次組合，從而確定未知模型的階次。本發明避免了複雜的動力學分析，完全依賴實驗數據和計算機自動處理，從而可 獲得人工計算所不能得到的建模精度。本發明充分利用了遺傳算法高效率、高精度和能對 多變量同時優化的特點，從而可以完全地試探未知模型的各種階次結組合。因此，粗略而繁 雜的機理分析建模過程為本發明的遍歷辨識所替代，並由計算機來全自動地完成，從而可 以方便快速地確定模型階次。此外，與傳統的階次確定方法相比，本發明還有簡單快捷、準 確度高、通用性強的優點。
權利要求
基於遺傳算法遍歷辨識的未知模型階次確定方法，其特徵在於，含有初始設定、遞增辨識和階次確定三個階段，其中初始設定階段用於設定未知模型階次的搜索範圍，含有頻域響應數據、設定模型階次上下限和階次初始化三個步驟；遞增辨識階段用於在設定的階段內搜索辨識所有的模型結構，含有遺傳算法辨識、記錄辨識結果和階次遞增三個步驟；階次確定階段用於通過代價函數找出最優的模型結構，含有代價函數尋優和確定階次組合兩個步驟，其中在初始設定階段，模型階次下限和上限分別設置為(n，m)和(N，M)，且滿足(n＜＝m，N＜＝M，n＜N，m＜＝M)；在遞增辨識階段，階次遞增的規則為如果 分子階次＜＝分母階次 且 分母階次＜＝M則 分子階次遞增；如果 分子階次＞分母階次 且 分母階次＜＝M則 分母階次遞增 且 分子階次置0；如果 分母階次＞M則 階次遞增結束；通過以上三個階段，可以利用遺傳算法遍歷辨識未知模型的所有可能的階次組合，並利用遺傳算法對各種階次組合進行最大程度的逼近，隨後在辨識結果中尋找最小代價函數對應的階次組合，即可確定該未知模型的階次。
全文摘要
基於遺傳算法遍歷辨識的未知模型階次確定方法屬於不確定系統辨識建模技術領域，其特徵在於，含有初始設定、遞增辨識和階次確定三個階段，其中初始設定階段用於設定未知模型階次的搜索範圍，含有頻域響應數據、設定模型階次上下限和階次初始化三個步驟；遞增辨識階段用於在設定的階段內搜索辨識所有的模型結構，含有遺傳算法辨識、記錄辨識結果和階次遞增三個步驟；階次確定階段用於通過代價函數找出最優的模型結構，含有代價函數尋優和確定階次組合兩個步驟，其中通過以上三個階段，可以遍歷辨識未知模型的所有可能的階次組合，並利用遺傳算法對各種階次組合進行最大程度的逼近，隨後在辨識結果中尋找最小代價函數對應的階次組合，即可確定該未知模型的階次。本發明利用遺傳算法，對未知模型的頻域響應數據進行階次遍歷系統辨識，並以此找到與實驗數據最為逼近的模型結構，從而依靠實驗數據和尋優手段完成對未知模型的階次確定。
文檔編號G06N3/12GK101950375SQ20101027245
公開日2011年1月19日 申請日期2010年9月3日 優先權日2010年9月3日
發明者夏慧, 朱紀洪, 王冠林 申請人:清華大學