2014基金群共享1模型参数辨识2-26加

1、1、模型参数辨识在传统的网络化控制系统故障中，针对时延情况的不同，通常可以将存在时延的网络化控制系统转化线性参变系统、不确定系统、混杂系统、模糊系统或跳跃系统等，进而针对这些系统设计故障观测器或故障滤波器来获得系统残差进行故障。由于ECP 系统的网络传输延时比较长（轮询方式，周期为 1 秒，轮询一列货车需要120 秒），因此系统模型中有关的相邻子系统状态值即压力参数Pi-1 和Pi+1难以实时获取，所以在故障要考虑的。过程中如何解决数据传输时延所带来的影响是需然而，对于 ECP 系统这一个既具有网络化控制系统数据传输时延的特点，也具有复杂非线性、系统存在互联影响和部分模型参数未知等特点，传统的

2、网络化控制系统故障方法不是很适用。而对于模型参数辨识，常用的方法有神经网络、递归算法、最小二乘法、递推最小二乘法、最小均方算MS）、自适应学习等。文献12针对不确定线性时延系统，设计自适应观测器用于辨识系统故障参数。文献13针对带有时延的非线性时变系统，提出一种快速自适应故障估计的策略，通过设计自适应调整律来实现故障辨识。文献14针对具有模型不确定性、未知输入扰动的一类非线性系统，提出基于参数估计的故障算法，在进行故障检测的同时对故障参数进行估计。文献15针对存在网络诱导时延和数据丢包的网络化控制系统，给出了相应的网络化模型算法和网络化滚动优化算法，并对于被控对象参数未知或缓慢变化的情况，利用

3、递推最小二乘辨识算法进行参数辨识，用于设计网络化反馈修正算法。基于自适应学习的方法，由于能入具有模型不确定性系统的故障近模型的未知参数，已有学者将其引中。文献16为每个子系统设计了稳定的有自适应学习能力的故障检测状态估计器，研究一类具有模型不确定性的互联非线性系统的分布式故障检测与分离方案。文献17针对模型不确定性，采用自适应参数估计技术的故障方法，设计故障检测与的动态阈值。自适应学习方法主要应用于存在不确定性的动态系统，它能不断的检测系统的状态信息、输入输出信息和性能参数等，并通过其更新机制，逐步建立对系统未知参数或未知函数的近似估计18。可见，基于自适应学习的方法适用于动态的存在不确定性的

4、系统，能对未知参数进行的基本要求。估计，满足解决互联不确定性基于自适应学习的故障方法基本是：在所建立的观测器中加入估计器用于检测和估计故障。这种估计器可通过自适应估计技术和自适应近技术进行设计，利用自适应神经网络近来实现学习。首先，自适应学习适用于多变量的互联系统19，而 ECP 系统各子系统间存在互联，系统动态具有不确定的互联未知参数；其次，采用自适应神经网络的近技术，能近任意复杂的不确定关系，能适应严重不确定系统的动态特征20。故障发生前，自适应学习方法能为状态估计器提供近技术，在故障发生后，它也能估计故障参数。因此，可以采用自适应神经网络近技术，对具有互联不确定模型参数的ECP 制动系统

5、的分布式故障进行研究。12Fauetection and identification for uncertain linear time-delay systems, 2005.13Fast adaptive fault estimation andmodation for nonlinear time-varying delay systems,2009.14基于参数估计的一类非线性系统故障算法, 2013.15面向网络诱导时延和数据包丢失补偿的网络化广义控制, 2010.16 X. Zhang, Q. Zhang. Distributed fault diagnosis in a cla

6、ss oferconnected nonlinearuncertain systems.ernational Journal of Control, 2012, 85(11), pp. 1644-1662.17 X. D. Zhang, M. M. Polycarpou, T. Parisini. Fauiagnosis of a class of nonlinear uncertainsystems with Lipschitz nonlinearities using adaptive estimation. Automatica, 2010, 46(2), pp.290-299.18 P

7、. S. R. Diniz. Adaptive filtering: algorithms and practical implemenion. Springer, 2008.19 C. Wang, Y. Lin. Adaptive dynamic surface control for linear multivariable systems.Automatica, 2010, 46(10), pp. 1703-1711.20 J. Farrell, M. Polycarpou. Adaptive approximation based control: unifying neural, f

8、uzzy andtraditional adaptive approximation approaches, Hoboken, NJ: Wiley-erscience, 2006.2、模型参数辨识研究内容（基于自适应学习的模型参数辨识）针对ECP 系统存在数据传输时延导致部分模型参数不能实时获取，寻找一种合适的参数估计方法，对未知模型参数进行快速有效的计的状态估计器中引入参数估计项，研究基于自适应神经网络辨识。在所设近技术，设计合适的自适应学习律，通过调整学习律，使得估计器在进行状态估计的同时，也能进行学习未知的模型参数，达到未知模型参数实时辨识的目的。3、关键问题：如何寻找一种合适的未知模型

9、参数估计方法，设计合适的自适应律，实现未知模型参数实时辨识的目的，解决数据传输时延问题。4、技术路线：首先，利用流体力学和空气动力学，通过分析 ECP 制动系统长大空气管路工作原理，建立系统基本的气动模型。分析系统中存在的互联不确定项，找出未知的模型参数。然后，针对包含未知模型参数的系统模型，为每个子系统构建相应的状态估计器。基于自适应观测器的设计方法构造状态估计器，通过分析观测器的存在条件，验证子系统构造状态估计器的可行性，并通过稳定性条件。方法找到估计器的最后，为了使估计器进行状态估计的同时能辨识未知模型参数，实现对不确定互联影响解耦，在状态估计器中引入模型参数估计项，通过使用基于自适应神经网络近技术，设计合适的自适应学习律，通过调整自适