一种面向工业对象的智能自适应数据驱动建模方法

本发明涉及智能算法，特别是一种面向工业对象的智能自适应数据驱动建模方法。

背景技术：

1、在进行工业对象建模时，一类采用智能算法的数据驱动建模方法，被用于解决工业模型未知时的建模问题。设有工业对象，其数学模型未知，将该对象表示为非线性离散表达式：y(k)＝f(y(k-1)，…，y(k-na)，u(k-d)，…，u(k-d-nb))+ε(k)。其中y(k)表示系统在k时刻的输出值，u(k)表示系统在k时刻的输入值，ε(k)表示系统在k时刻的扰动或其他动态量，na和nb分别表示输出和输入量的阶次，d为系统延时量，f(·)为未知的非线性函数。对该系统进行数据驱动的建模，即从采集到的运行数据中，获取系统模型信息。此类模型未知的工业对象为单输入单输出系统，应具有一定的稳定工作范围，且扰动量均为未知有限值。在为上述模型未知工业对象进行建模时，需要获取足够的运行数据。满足上述条件时，此类工业对象可以视为线性模型与未建模动态的叠加。在采集的运行数据基础上，可以分别采用线性化与智能算法拟合这两部分的特性，并在后续应用中视情况决定是否采用全部的模型特性。由于此种方法只采用了采集到的运行数据包含的信息，因此是一种数据驱动的建模方法。据驱动的建模方法与工艺过程、设备型号等具体对象的关联较弱，主要与数据信息相关。在目前工业物联网、数字孪生等技术背景下，此种建模方法相较于物理原理建模、工艺模块建模等方法，具有简化流程、操作方便等优势。因此数据驱动建模方法的研究具有现实意义，且将是未来工业对象建模的一种重要发展趋势。

2、面向工业对象建模或者控制方案设计的研究中，经常要处理如何确定工业对象数学模型的问题。通常来说，即便单个设备或者工艺模块存在确切的数学或者物理模型，但对于整个工业生产流程来说，也很难确定关于其输入输出量的准确数学模型。

3、同时，工业对象一般具有一定的稳定工作范围，并且其扰动量或其他未建模动态特性均有界。目前常见的工业对象建模方法，依然是物理建模，即根据设备或者工艺的物理原理，推导出对象理想的数学模型。由于实际的对象型号、操作条件往往各不相同，即便同类设备，在不同条件下的参数也可能相差很大。与此同时，在实际工业操作中，相当多地把工业过程视为线性对象，或者带延迟的线性对象，根据人工经验或者设计线性控制器进行控制。

4、对于有稳定工作范围的单输入单输出工业对象而言，它们的确具有一定的线性特性。然而同时此类系统中也有相当大概率存在扰动、摩擦、动态负载、非线性机械结构等未建模动态特性。若简单地将工业对象视为线性对象，只做线性化处理的话，就将损失系统中包含的非线性特性，不利于对系统进行精细化控制。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种面向工业对象的智能自适应数据驱动建模方法，能够根据采集到的运行数据，采用离线或者在线的方式计算出系统的数学模型。

2、为实现上述目的，本发明采用如下技术方案：一种面向工业对象的智能自适应数据驱动建模方法，其特征在于，将具有稳定工作范围的单输入单输出工业对象，视为线性模型与未建模动态的叠加；根据采集到的运行数据，分别建立线性化模型与非线性模型，对工业对象的特性进行全面表达。

3、在一较佳的实施例中，设有单输入单输出的离散工业对象，系统特性如下式所示：

4、y(k)＝f(y(k-1)，…，y(k-na)，u(k-d)，…，u(k-d-nb))+ε(k)

5、式中y(k)表示系统输出值，u(k)表示输入信号，na和nb分别表示输出和输入信号的阶次，d为输入信号的延迟，f()为未知的光滑非线性函数，ε(k)表示有界的未建模动态。

6、在一较佳的实施例中，将系统在工作点附近进行泰勒级数展开，则上述数学表达式转换为：a(z-1)y(k)＝b(z-1)u(k-j)+v(x(k-1))；

7、式中，a(z-1)和b(z-1)分别为泰勒展开后的线性化表达式，具体应为其中参数满足由于本方法主要面对工业对象，因此线性部分建模最高只做到二阶，若实际存在更高阶次的线性特性，将被视为是未建模动态的一部分。v(x(k-1))为泰勒展开后的高阶非线性函数与原系统以ε(k)表示的未建模动态的综合，用x(k-1)表示输入输出量在(k-1)时刻的状态矢量，即有x(k-1)＝[y(k-1)，…，y(k-2)，u(k-d)，…，u(k-d-1)]。

8、在一较佳的实施例中，将原系统转换为如下所示的参数辨识方程：

9、y(k)＝θtx(k-1)+v(x(k-1))，参数向量θ＝[-a1,-a2,b0,b1]t。

10、在一较佳的实施例中，方便起见，将线性部分表示为y1(k)＝θtx(k-1)。线性参数估计的方法很多，一般任选常见算法均可得出可靠的估计值。假设采用了递推最小二乘法，得到了线性部分的参数估计值

11、在一较佳的实施例中，计算线性估计模型的输出与对象实际输出之间的误差，即有：并将此数值作为非线性部分的估计目标，采用智能算法在线估计e1(k)。

12、在一较佳的实施例中，判断建模误差是否满足要求，若满足则停止计算，否则先检查线性部分参数是否稳定，若否则重新估计线性部分参数；若是则采用设计好的智能算法，重新估计非线性部分数值，直至达到以下任一结束计算的条件：系统满足建模误差要求、计算出的线性部分参数和非线性模型均趋于稳定、以及达到预设最大的计算次数。

13、与现有技术相比，本发明具有以下有益效果：

14、1)针对模型未知的单输入单输出离散工业系统，本发明能够根据采集到的运行数据，采用离线或者在线的方式计算出系统的数学模型。

15、2)本发明能够同时获取上述对象的线性部分模型和非线性部分模型，无论是相较于线性化建模方案还是构建非线性模型的方案而言，均有优势。

16、3)本发明所提出的方案，若在离线计算的基础上，再进行在线修正，能够显著减小计算量，并快速反应系统的实时特性。

技术特征：

1.一种面向工业对象的智能自适应数据驱动建模方法，其特征在于，将具有稳定工作范围的单输入单输出工业对象，视为线性模型与未建模动态的叠加；根据采集到的运行数据，分别建立线性化模型与非线性模型，对工业对象的特性进行全面表达。

2.根据权利要求1所述的一种面向工业对象的智能自适应数据驱动建模方法，其特征在于，设有单输入单输出的离散工业对象，系统特性如下式所示：

3.根据权利要求2所述的一种面向工业对象的智能自适应数据驱动建模方法，其特征在于，将系统在工作点附近进行泰勒级数展开，则上述数学表达式转换为：a(z-1)y(k)＝b(z-1)u(k-d)+v(x(k-1))；

4.根据权利要求3所述的一种面向工业对象的智能自适应数据驱动建模方法，其特征在于，将原系统转换为如下所示的参数辨识方程：

5.根据权利要求4所述的一种面向工业对象的智能自适应数据驱动建模方法，其特征在于，将线性部分表示为y1(k)＝θtx(k-1)。

6.根据权利要求5所述的一种面向工业对象的智能自适应数据驱动建模方法，其特征在于，计算线性估计模型的输出与对象实际输出之间的误差，即有：并将此数值作为非线性部分的估计目标。

7.根据权利要求6所述的一种面向工业对象的智能自适应数据驱动建模方法，其特征在于，判断建模误差是否满足要求，若满足则停止计算，否则先检查线性部分参数是否稳定，若否则重新估计线性部分参数；若是则采用设计好的智能算法，重新估计非线性部分数值，直至达到以下任一结束计算的条件：系统满足建模误差要求、计算出的线性部分参数和非线性模型均趋于稳定、以及达到预设最大的计算次数。

技术总结
本发明提供了一种面向工业对象的智能自适应数据驱动建模方法，将具有稳定工作范围的单输入单输出工业对象，视为线性模型与未建模动态的叠加；根据采集到的运行数据，分别建立线性化模型与非线性模型，对工业对象的特性进行全面表达。应用本技术方案能够根据采集到的运行数据，采用离线或者在线的方式计算出系统的数学模型。

技术研发人员：陈剑,徐哲壮,陈丹,崔晨
受保护的技术使用者：福州大学
技术研发日：
技术公布日：2024/3/21