一种基于状态观测器的动态系统建模方法
【专利摘要】本发明公开了一种基于状态观测器的动态系统建模方法，具体通过如下步骤实现：（1）对现场被控对象的输入及输出数据进行采集，采集的数据包括被控对象响应曲线由某动态过程过渡到稳态过程的数据段；（2）选取动态过程一段动态过渡到稳态的连续数据，设定被控对象的预估模型、参数和状态观测器极点，设定观测器的初始状态均为零，应用状态观测器观测被控对象的观测状态；（3）应用被控对象的预估模型以观测状态为初始状态，对步骤（2）选取后剩余的数据段仿真，求取仿真曲线与被控对象实际输出的误差平方和，并以误差平方和为目标函数，应用智能优化算法进行假设模型参数的寻优。本发明无需对被控对象进行专门的建模试验，更为实用、方便。
【专利说明】
一种基于状态观测器的动态系统建模方法
技术领域
[0001] 本发明涉及一种基于状态观测器的动态系统建模方法，尤其涉及一种以运行过程 中的动态闭环数据为建模原始数据，应用状态观测器对系统动态过程进行状态观测，并以 该观测状态为系统初态，应用智能优化算法对预估模型参数进行寻优的建模的方法，属于 建模方法领域。
【背景技术】
[0002] 传统工业被控对象的建模过程往往需要系统处于稳态时，对系统加入阶跃扰动进 行建模。这种建模方法要求系统处于稳态，在实际的工业过程中难以实现。而且，当系统加 入阶跃扰动时，会使系统的稳定性下降，甚至引起事故，不利于系统的安全、经济运行。
【发明内容】
[0003] 为克服上述现有技术的不足，本发明所要解决的技术问题是提供一种使用方便、 安全有效，且无需调整系统处于稳态，也无需对系统加入阶跃扰动的基于状态观测器的动 态系统建模方法。
[0004] 为解决上述问题，本发明所采取的技术方案是：
[0005] -种基于状态观测器的动态系统建模方法，其采用如下步骤实现：
[0006] 步骤1、现场数据采集：
[0007] 对现场被控对象的输入及输出数据进行采集，采集的数据段应包括被控对象响应 曲线由某动态过渡到稳态过程的数据段;所述数据段分为两个部分，第一部分数据段ab为 包含部分动态过程的数据段，第二部分数据段be为包含剩余部分动态过程数据和全部稳态 数据的数据段;所述第一部分数据段ab的结尾部分与所述第二部分数据段be的开始部分相 连；
[0008] 步骤2、被控对象状态估计：
[0009] 设定被控对象的预估模型和所述预估模型的参数，并以所述预估模型为状态观测 器设计的基准模型，选取步骤1中动态过程起始的一段数据即第一部分数据段ab，应用状态 观测器观测预估系统状态，在观测过程中，设定状态观测器的极点，且认为观测器的初始状 态均为零；
[0010] 步骤3、被控对象动态过程建模：
[0011] 应用所设预估模型以步骤2中观测状态为初始状态，对步骤1中第二部分数据段be 进行仿真，求取仿真曲线与被控对象实际输出的误差平方和，且以所述误差平方和为目标 函数，应用智能优化算法进行假设模型参数的寻优。
[0012] 进一步的，关于步骤1中将采集的数据段分为两个部分，因为辨识过程需要动态过 渡到稳态的连续数据，而辨识开始的数据点处的系统初始状态需要状态观测器进行状态估 计，所以状态观测器观测数据的结尾部分必须与辨识过程的开始部分相连，数据个数没有 具体要求，只要是满足以上描述的分段即可。被控对象的状态估计与被控对象的辨识过程 必须是首尾相连的，这样估计的状态才对辨识过程有意义，状态估计为第一部分数据段ab， 辨识为第二部分数据段
[0013] bc〇
[0014] 进一步的，关于所述步骤2中的被控对象的预估模型的设定，由于许多工业被控对 象都已经用机理建模或者是试验建模进行过建模，模型结构比较固定，只是参数会由于实 际的被控对象的特性有所不同，当只是预估模型结构不合适时，辨识模型的输出曲线与实 际的输出曲线拟合度相对较差，可以再更改预估模型结构，再次建模。所以预估模型即使没 有参考也可以通过试验进行确定。且工业对象的预估模型结构形式有限，可用试验进行选 取。
[0015] 采用上述技术方案所产生的有益效果在于：
[0016] 本方法无需对被控对象进行专门的建模试验，提供了一种基于现场日常运行数据 的更为实用、方便的建模方法，有很好地推广和实用价值。
[0017] 本方法不必选取系统的稳定工况，也无须对被控对象加入阶跃扰动，应用现场采 集的日常运行数据对系统状态进行闭环建模，操作简便，安全高效，适用范围广。选取的现 场数据具有系统输出从非稳态到稳态的特征，并将数据分为两部分，第一部分数据段为包 含部分动态过程的数据段;第二部分数据段为包含剩余部分动态过程数据和全部稳态数据 的数据段。应用第一部分数据和预估模型来观测被控对象在该段数据结束位置的状态，并 以该状态为预估模型的初始状态;应用第二部分数据对被控对象预估模型的参数进行智能 寻优。该方法应用状态观测器对预估模型进行状态跟踪，并以最终的跟踪状态为被控对象 初态，弥补了被控对象建模过程由于无法估计被控对象所处状态，必须要求被控对象初始 状态为零的缺点；在应用智能算法对预估模型参数进行调整的过程中，当预估模型参数与 实际被控对象模型参数匹配较好时，观测器观测到的被控对象初始状态也相对准确，从而 使第二部分数据所处时刻的预估模型的输出与实际模型的输出偏差也较小，保证了被控对 象的状态估计过程与模型参数寻优过程中参数调节的一致性。
【附图说明】
[0018] 为了更清楚地说明本发明【具体实施方式】或现有技术中的技术方案，下面将对具体 实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的 附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前 提下，还可以根据这些附图获得其它的附图。
[0019]图1为采集的被控对象的响应曲线由某动态过渡到稳态的过程的状态图。
[0020] 图2为采集的被控对象的输入数据曲线。
【具体实施方式】
[0021] 为使本发明的目的、技术方案和优点更加清楚，下面结合图1~图2和具体实施例 对本发明进行清楚、完整的描述。
[0022] 如图1和图2所示，本实施例不必选取系统的稳定工况，也无须对被控对象加入阶 跃扰动，应用现场采集的日常运行数据对系统状态进行闭环建模，选取的现场数据具有系 统输出从非稳态到稳态的特征，并将数据分为两段，其中一段包括部分稳态过程和动态过 程，称为数据段be，用来对假设模型进行验模;另一段包含剩余数据，称为数据段ab，用来估 计被控对象在两段数据的结合点的状态。1.状态观测器设计 [0023]假设被控对象的传递函数结构形式为如下公式(1)，：
[0025]其中:G(s)为被控对象传递函数；
[0026] K为比例增益；
[0027] T为惯性时间常数；
[0028] η为被控对象阶次；
[0029]根据现代控制理论的知识可以得出被控对象的状态空间表达式为如下公式(2)和 公式(3):
[0031] y = xn (3)
[0032] 其中：[XI Χ2…Xn]T为状态矢量；
[0033] u为输入；
[0034] y为输出；
[0035]很明显，被控对象完全能观，且系数矩阵为如下公式(4):
[0037]其中:A为系统矩阵；
[0038] B为控制矩阵；
[0039] C为观测矩阵；
[0040] 对假设被控对象进行状态观测，设状态观测器的状态观测矩阵G为如下公式(5):
[0042] 由现代控制理论知识可知，闭环观测系统的特征多项式P为如下公式(6):
[0043] P= (SI-A+GC (6)
[0044] 为使被控对象的状态观测器的状态估计值趋近于状态真值，需要将状态观测器的 极点配置在s平面的左侧，不妨设观测系统的极点矩阵F为如下公式(7):
[0045] F=[_ai _a2 …-an] (7)
[0046] 按期望的观测极点确定期望特征多项式为如下公式(8):
[0047] (s+ai) (s+a2)··· (s+a3) =a〇+aisH Ι~αη-!sn (8)
[0048] 由于A与C的系数已知，有：
[0049] SI-A+GC I =0o+0is+……+Pn-isn_1+sn (9)
[0050] 则有，根据对应系数相等的关系，可得n个代数方程如下公式(10):
[0052]可解得状态观测矩阵的元素值。
[0053] 2.被控对象状态估计
[0054]由于状态观测器的状态估计值趋近于状态真值，不妨认为状态观测器初始状态为 零且假设的系统模型准确，应用第一部分数据段ab中的系统输入和输出，对b点的系统状态 进行观测，如果上述假设模型准确，在第一部分数据段ab足够长的情况下，b点的状态估计 必然准确。由现代控制理论可知，状态观测器的状态空间表达式为如下公式（11)~（12):
[0057] 其中：i为观测状态矢量；
[0058] 夕为观测输出；
[0059]被控对象即为某个系统，所以此处系统指的就是被控对象，有系统的离散系统方 程为如下公式(13):
[0061] 其中，Ts为采样时间间隔；
[0062] 状态观测矩阵G的选择可决定估计误差e(t)趋于零的速度，当观测系统的极点配 置在s平面左侧离虚轴很远的地方时，系统频带很宽，对噪声的抑制能力下降，由于可以选 取足够的时间段长度，所以在这里，将观测器的极点配置在离虚轴较近的地方，一般选取极 点位置小于1/T即可，从而既可以保证状态观测的准确性，又能保证观测数据的稳定性。人 为设定状态观测器极点地作用是调节状态观测器对被控对象的状态的观测速度。
[0063]当假设模型准确且第一部分数据段ab足够长时，对第一部分数据段ab进行状态观 测，可以认为b点的状态观测值与系统实际状态一致，从而解决了动态过程建模中的初始状 态无法确定的困扰。
[0064] 3.系统动态过程建模
[0065] 由状态观测器获取系统的动态过程中b点的状态后，应用该状态为新的系统初态， 假设估计模型准确，对系统进行仿真，应用各个时刻的仿真输出与实际输出求差后，求差值 的平方和，以此作为判断模型准确与否的目标函数。应用智能优化算法对假设模型的参数 进行修改，对目标函数进行寻优，从而建立动态过程的被控对象模型。
[0066] 状态观测器在b点的状态观测值为如下公式（14):
[0067] ('，),.，…九（/，） (14)
[0068] 则认为实际对象以b点为初始状态的实际状态为如下公式(15):
[0070]则有，以b点为起始点对系统进行仿真，系统的离散方程为如下公式(16):
[0072]仿真过程的输入与实际输入保持一致，并持续到系统稳态，记录仿真过程的输出， 以该过程输出与实际输出求差后，再求取平方和作为目标函数为如下公式(17):
[0074] 以式（17)为目标函数，应用智能优化算法对假设模型的模型参数进行寻优，寻优 过程为:给出一定的假设模型的参数范围，智能优化算法将某组模型参数送给子程序，子程 序根据该组模型参数求取对应的状态观测矩阵G，并以该矩阵参数进行b点的系统状态估 计，将b点的估计状态作为b点的初态，对后续过程进行仿真，求取系统的目标函数，如此往 复，从而求取最优的模型参数。
[0075] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制;尽管 参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可 以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换;而 这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范 围。
【主权项】
1. 一种基于状态观测器的动态系统建模方法，其特征在于:包括如下步骤： 步骤1、现场数据采集： 对现场被控对象的输入及输出数据进行采集，采集的数据包括被控对象响应曲线由某 动态过程过渡到稳态过程的数据段； 步骤2、被控对象状态估计： 选取步骤1中动态过程一段动态过渡到稳态的连续数据，设定被控对象的预估模型和 所述预估模型的参数，并设定状态观测器极点，且设定观测器的初始状态均为零，应用状态 观测器观测被控对象的观测状态； 步骤3、被控对象动态过程建模： 应用步骤2中被控对象的预估模型以步骤2中所述观测状态为初始状态，对步骤2中选 取后剩余的数据段进行仿真，求取仿真曲线与被控对象实际输出的误差平方和，且以所述 误差平方和为目标函数，应用智能优化算法进行假设模型参数的寻优。2. 根据权利要求1所述的一种基于状态观测器的动态系统建模方法，其特征在于:所述 采集的数据分为两段，一段为由动态过程数据的起始位置到被控对象仍处于动态过程的某 时刻的位置，其另一段既包括动态过程剩余的数据段，还包括被控对象进入稳态的数据段。
【文档编号】G05B17/02GK105867169SQ201610247941
【公开日】2016年8月17日
【申请日】2016年4月20日
【发明人】董泽, 尹二新, 李兴如
【申请人】华北电力大学（保定）