基于分布估计的控制回路性能评估方法的研究

摘要

控制回路性能评估(CPA)在系统运行中起着重要作用，通过性能评估可以了解每个控制回路的具体运行状况，实现控制回路的评估分析，然后对性能不佳的回路及时改进，消除潜在的问题。对于随机噪声干扰下的线性非高斯控制系统，传统的针对高斯系统的性能评价方法将不再适用，本文以回顾CPA的发展历史和研究现状作为起点，总结各种评估方案并在分析各方案优缺点的基础上，发现了概率密度函数(PDF)的形状决定了评价非高斯系统的控制回路性能优良的标准。因此，本文从非高斯系统的PDF估计入手，以非高斯控制系统的CPA评估为应用背景。在此框架下，本文主要完成了以下三个方面的工作:
　　1、对非高斯噪声干扰下的线性系统进行了分析，指出了基于方差的评估方法的局限性和最小熵基准熵值计算的不规范性。阐述了基于最小熵的评估过程中概率密度函数估计是不可缺少的一步。
　　2、分析了传统的分布估计算法在辨识过程中的存在的问题和不足，给出了相应改进措施。仿真对比实验表明改进算法辨识的可行性并验证了其具有较高的辨识精度。
　　3、在2的基础上，本文将其应用到线性非高斯系统控制回路的性能评估中，提出了一类新的基于分布函数的性能评估方法:基于最小有理熵控制(MREC)的CPA方法。仿真验证了本文提出算法的有效性。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景及意义

1．2 性能评估方法的国内外研究发展现状

1．2．1 确定性指标

1．2．2 鲁棒性指标

1．2．3 随机性指标

1．3 性能评估研究存在的问题和挑战

1．4 本文的研究内容及结构

第二章 控制回路性能评估方法的研究

2．2．1 概述

2．2．2 性能评估指标的计算

2．3 最小熵控制

2．3．1 基准的计算

2．3．2 基准的改进

2．4 本章小结

第三章 非高斯系统的辨识

3．1 引言

3．2 模型结构相关知识

3．2．1 输入输出模型

3．2．2 时延估计

3．2．3 模型阶次估计

3．3 参数估计

3．4 分布估计算法

3．4．1 概述

3．4．2 存在的问题

3．5 改进的分布估计算法

3．5．1 参数初估

3．5．2 数据筛选

3．5．3 适应度值的选择

3．5．4 算法总结

3．6 仿真实例

3．7 本章小结

第四章 基于有理熵的线性非高斯系统控制回路性能评估

4．1 引言

4．2 基准的估计

4．2．1 基于概率密度函数离散化

4．2．2 基于连续概率密度函数估计

4．3 PDF与CPA指标的估计

4．3．1 核函数密度估计法

4．3．2 CPA指标的估计

4．4 仿真实例

4．4．1 控制器固定时单峰分布噪声干扰下系统参数和CPA指数估计

4．4．2 控制器固定时双峰分布噪声干扰下系统参数和CPA指数估计

4．4．3 不同控制器下的CPA指数估计

4．5 本章小结

第五章 结论与展望

5．1 工作总结

5．2 工作展望

参考文献

致谢

研究成果及发表的学术论文

作者和导师简介