公开/公告号CN102608915A
专利类型发明专利
公开/公告日2012-07-25
原文格式PDF
申请/专利权人 中冶南方工程技术有限公司;
申请/专利号CN201210016238.4
发明设计人 张华军;
申请日2012-01-17
分类号G05B13/04(20060101);
代理机构42102 湖北武汉永嘉专利代理有限公司;
代理人王守仁
地址 430223 湖北省武汉市东湖新技术开发区大学园路33号
入库时间 2023-12-18 06:17:12
法律状态公告日
法律状态信息
法律状态
2015-12-09
专利权的转移 IPC(主分类):G05B13/04 登记生效日:20151118 变更前: 变更后: 申请日:20120117
专利申请权、专利权的转移
2014-04-09
授权
授权
2012-09-26
实质审查的生效 IPC(主分类):G05B13/04 申请日:20120117
实质审查的生效
2012-07-25
公开
公开
技术领域
本发明涉及钢铁冶金行业中连铸机结晶器控制系统设计领域,尤其涉及一种基于工具变 量IV法(instrumental variable,IV)的结晶器ARX(Auto Regression with eXtra inputs)模型 辨识方法。
背景技术
连铸机结晶器(简称结晶器)振动对铸坯脱模及表面质量有着直接、重要的影响,在板 坯连铸实际浇铸过程中,拉速通常是随着工况条件(如浇铸温度)的变化而发生变化的,为确 保获得良好的铸坯脱模效果和铸坯表而质量,应在保证振动工艺参数基本稳定的前提下,适 当地调整频率、振幅等振动基本参数。要获得良好的频率、振幅控制效果,必须设计合理的 结晶器控制系统以快速、准确跟踪频率、振幅给定值,而优秀的控制系统是以模型为基础进 行系统分析和设计的,鉴于目前结晶器控制系统基于经验的PID控制器设计方法,有必要首先 对结晶器进行模型辨识,在合理模型基础上再进行控制系统设计以获得良好的控制效果。
由于传统的连铸机结晶器ARX模型辨识方法没有考虑有色噪声的影响,因此有必要提供 一种新型方法,以便在有色噪声干扰下获得良好的对连铸机结晶器的控制效果。
发明内容
本发明所要解决的技术问题是:提供一种基于工具变量IV法的结晶器ARX模型辨识方 法,该方法进行ARX模型辨识时,能够获得有色噪声干扰下合理的模型。
本发明解决其技术问题采用以下的技术方案:
本发明提供的是一种基于工具变量IV法的结晶器ARX模型辨识方法,该方法是:以结晶 器油缸阀开度为输入u,以结晶器位置为输出y,在采样数据基础上建立结晶器ARX模型最小 平方和指标函数,首先利用QR分解方法对最小平方和指标函数进行分解,以获得不考虑有色 噪声干扰下的ARX模型未知参数,再利用QR分解方法得到的参数对结晶器油缸阀开度u进行 滤波,以得到中间工具变量x,最后利用工具变量x和y求解模型参数。
本发明提供的上述基于工具变量IV法的结晶器ARX模型辨识方法,其步骤包括:
1.采集输入输出数据,以结晶器油缸阀开度为输入u(t),以结晶器位置为输出y(t)采集N 对数据样本ZN;
2.构建结晶器白噪声干扰下的ARX模型为:
A(q)y(t)=B(q)u(t)+e(t),
式中:A(q)=1+a1q-1+a2q-2+L+anaq-na,B(q)=b1q-1+b2q-2+L+bnbq-nb,
q-1为后向移动算子,q为前向移动算子,na、nb为正实数,e(t)为高斯白噪声,附图1 为ARX模型原理图;
3.令θ=[a1 a2 L ana b1 b2 L bnb]为ARX模型待辨识参数;
4.令为基于参数θ的模型输出预测值,其中预测表达式为:
式中:
5.令带有高斯白噪声的ARX模型辨识过程的目标函数为:
6.针对步骤5中的目标函数利用基于QR分解法获得参数估计值
7.将步骤6中获得的参数前na个元素赋值给a1、a2、L、ana,后nb个元素赋值给b1、b2、 L、bnb,构建:
A(q)=1+a1q-1+a2q-2+L+anaq-na,B(q)=b1q-1+b2q-2+L+bnbq-nb;
8.令构建变量x;
9.令ζ(t)=[-x(t-1) -x(t-2) L -x(t-na) u(t-1) u(t-2) L u(t-nb)]T,构建中 间变量ζ;
10.计算若R可逆,则计算R_inv=R-1,否则计算R的广义逆矩 阵R_inv=R+;
11.计算
12.计算即为ARX模型考虑有色噪声干扰情况下的系统参数;
经过上述步骤,实现基于工具变量IV法的结晶器ARX模型的辨识。
本发明提供的上述基于工具变量IV法的结晶器ARX模型辨识方法,其在获得有色噪声干扰 下结晶器ARX模型参数无偏估计中的应用。
本发明提供的基于工具变量IV法的结晶器ARX模型辨识方法,其与现有技术相比具有以下 主要的优点:
其一.能够利用采样数据快速、准确逼近模型未知参数全局最优解,为设计性能优良的 连铸机结晶器控制系统提供了科学、合理的依据。
其二.在进行连铸机结晶器ARX模型辨识时,能够获得有色噪声干扰下合理的模型。
附图说明
图1为本发明连铸机结晶器ARX模型的结构原理图。
图2为实施例1中连铸机结晶器ARX模型预测输出值与实际采样数据之间的对比图。
具体实施方式
本发明提供的基于工具变量IV法的结晶器ARX模型辨识方法,具体是:参见图1,该方 法以结晶器油缸阀开度为输入u,以结晶器位置为输出y,在采样数据基础上建立结晶器ARX 模型最小平方和指标函数,首先利用QR分解方法对最小平方和指标函数进行分解以获得不考 虑有色噪声干扰下的ARX模型未知参数,再利用QR分解方法得到的参数对结晶器油缸阀开度 u进行滤波以得到中间工具变量x,最后利用工具变量x和y求解模型参数。
本发明提供的基于工具变量IV法的结晶器ARX模型辨识方法,包括以下步骤:
1.采集输入输出数据,以结晶器油缸阀开度为输入u(t),以结晶器位置为输出y(t)采集N 对数据样本ZN;
2.构建结晶器白噪声干扰下的ARX模型为:
A(q)y(t)=B(q)u(t)+e(t),
式中:A(q)=1+a1q-1+a2q-2+L+anaq-na,B(q)=b1q-1+b2q-2+L+bnbq-nb,
q-1为后向移动算子,q为前向移动算子,na、nb为正实数,e(t)为高斯白噪声,附图1 为ARX模型原理图;
3.令θ=[a1 a2 L ana b1 b2 L bnb]为ARX模型待辨识参数;
4.令为基于参数θ的模型输出预测值,其中预测表达式为:
式中:
5.令带有高斯白噪声的ARX模型辨识过程的目标函数为:
6.针对步骤5中的目标函数利用基于QR分解法获得参数估计值
7.将步骤6中获得的参数前na个元素赋值给a1、a2、L、ana,后nb个元素赋值给b1、b2、 L、bnb,构建:
A(q)=1+a1q-1+a2q-2+L+anaq-na,B(q)=b1q-1+b2q-2+L+bnbq-nb;
8.令构建变量x;
9.令ζ(t)=[-x(t-1) -x(t-2) L -x(t-na) u(t-1) u(t-2) L u(t-nb)]T,构建 中间变量ζ;
10.计算若R可逆,则计算R_inv=R-1,否则计算R的广义逆 矩阵R_inv=R+;
11.计算
12.计算即为ARX模型考虑有色噪声干扰情况下的系统参数;
经过上述步骤,实现基于工具变量IV法的结晶器ARX模型的辨识。
下面结合具体应用实施例对本发明作进一步说明,但不限定本发明。
具体应用实施例1:
某钢厂一板坯连铸机结晶器采样数据如表1所示,其采样时间间隔Ts=0.003秒,数据点数 N=250。
选择2阶ARX结晶器模型,令A(q)=1+a1q-1+a2q-2,B(q)=b1q-1+b2q-2,则高斯白噪声 干扰情况下的待辨识参数为
按照本发明方法步骤8-10可得:
则R的逆矩阵为:
按照步骤11的矩阵F为:
F=[-10.920148730677150 -11.052431238375410 -15.675672615168651 -12.520448582048068]T,
则有色噪声干扰下的ARX模型参数为:
附图2为采用QR分解法和IV法辨识得到的模型预测输出与实际输出采样数据之间的对比 曲线,从附图2中可以发现QR分解法在系统输出变化较大时局部会出现持续变差,而IV法则 在整个输出区间都围绕实际输出值左右振荡,预测效果较QR法更好,因此按照本发明提出的 算法辨识得到的ARX模型能够更加精确逼近实际结晶器系统。
以上实施例仅用于说明本发明的计算思想和特点,其目的在于使本领域内的技术人员能 够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发 明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
附表
表1实施例1中的结晶器样本数据
机译: 基于生成模型的水印识别码方法及基于生成模型的水印法
机译: 内燃发动机均值模型的辨识方法。
机译: 内燃发动机均值模型的辨识方法。