一种风洞多模态实时系统辨识方法

摘要

一种风洞多模态实时系统辨识方法，对当前风洞工况进行辨识，得到当前工况下的辨识模型，检测当前工况下的辨识模型能否对当前风洞工况进行预测和逼近；若不能，则重新采集数据，若能则实现对当前风洞工况的预测和逼近；当风洞工况变化后，实时检测当前风洞工况下的辨识模型能否对新风洞工况实现预测和逼近，若当前风洞工况下的辨识模型不能对新风洞工况实现预测和逼近，则重复步骤1)；随风洞工况不断变化，重复步骤2)实现整个风洞系统工况的预测和逼近。本发明在不需要断开运行的风洞系统的反馈环就可以进行系统输入输出数据采集，并对当前整个风洞工况进行系统辨识，所辨识系统能够反映风洞系统的整体特性，更有利于对当前风洞工况的分析。

说明书

技术领域

本发明属于系统辨识领域，尤其涉及一种风洞多模态实时系统辨识方法。

背景技术

常温连续式跨声速风洞是一种以干燥空气作为介质的连续式跨声速空气动力实验设备。该风洞主要用于解决我国新型战斗机、大型运输机、轰炸机、机动弹头、中远程导弹和大型运载火箭以及可重复使用的天地往返运输系统的跨声速气动问题。其中参与流场控制的系统包括：压缩机系统，进/排气系统，热交换器系统，二喉道中心调解片和再倒入段调节片等。流场参数具有典型的多变量、非线性、强耦合等特点，与现有的低速风洞和亚音速风洞以及生产型风洞相比其系统更为复杂。因此，得到此类风洞的有效且实用的控制模型成为一个亟待解决的问题。

近年来，余崇禧提出了运用有限元理论对跨声速风洞测力实验模型建立高维有限元模型，并在此基础上建立了状态空间描述模型；冯凯提出运用机理建模结合参数辨识对高超声速燃烧风洞加热器供气子系统建立了传递函数形式的模型，上述两种有限元模型和传递函数形式的模型对风洞建模有一定的借鉴作用，但是考虑到常温跨声速风洞系统的复杂性，采用机理建模方法需要大量且合理的近似和简化才能完成。由于近似和简化存在，通过这种方法所建模型与真实风洞系统误差可能较大，无法进行实际应用，因此这种方法不适用于复杂系统建模。王锋，贺伟和毛鹏飞等对风洞系统的测力模型运用BP神经网络进行建模。他们提出的风洞系统的辨识方法存在以下缺点：

(1)仅对风洞某局部系统或部分参数进行辨识，这种方法不足以反映风洞系统的整体特性，如风洞系统是否具有稳定性以及是否具有能控能观测特性；

(2)实际常温连续式跨声速风洞系统可能需要工作在不同工况，目前提出的方法无法实时检测当前风洞工况辨识模型否能对新风洞工况进行预测和逼近，并在不能进行预测和逼近时进行辨识模型切换。

发明内容

针对背景技术所指出的风洞系统辨识存在的问题，本发明的目的在于提供一种风洞多模态实时系统辨识方法，该方法具体采用DSR闭环系统辨识方法能够辨识出风洞不同工况下的系统模型，此模型能够全面反映风洞系统的整体特性，并且能够保证系统辨识时风洞实际运行的安全性和经济性；同时，实时检测当前风洞工况辨识模型否能对新风洞工况进行预测和逼近，并在不能进行预测和逼近时进行辨识模型切换。

为达到上述目的，本发明采用如下技术方案予以实现：

一种风洞多模态实时系统辨识方法，包括以下步骤：

1)对当前风洞工况采用DSR闭环子空间辨识方法进行辨识，得到当前工况下的辨识模型，检测当前工况下的辨识模型能否对当前风洞工况进行预测和逼近；若不能，则重新采集数据，若能则实现对当前风洞工况的预测和逼近；

2)当风洞工况变化后，实时检测当前风洞工况下的辨识模型能否对新风洞工况实现预测和逼近，若当前风洞工况下的辨识模型不能对新风洞工况实现预测和逼近，则重复步骤1)；

随风洞工况不断变化，重复步骤2)实现整个风洞系统工况的预测和逼近。

对当前风洞工况采用DSR闭环子空间辨识方法进行辨识，得到当前工况下的辨识模型的具体过程如下：

(1)将白噪声信号输入风洞闭环系统，用信号采集仪采集白噪声输入信号和相应的输出信号，在信号采样频率为10Hz，采样数据长度为2000的条件下，得到输入数据和输出数据；

(2)对输入数据和输出数据进行奇异值剔除，然后数据归一化处理，得到处理后的数据，根据处理后的数据得到输出信号的自相关曲线和功率谱密度曲线；

(3)对输出信号的自相关曲线和功率谱密度曲线进行检测，具体过程为：用输入信号的自相关曲线和功率谱密度曲线与输出信号的自相关曲线和功率谱密度曲线做对比，检测输出信号是否具有白噪声特性，如果具有白噪声的特性，则输出信号为白噪声信号；

(4)运用系统辨识方法对风洞当前工况进行辨识，得到当前工况下的辨识模型。

检测当前工况下的辨识模型能否对当前风洞工况进行预测和逼近的具体过程如下：运用残差序列白化检验方法对已辨识的系统进行预测和逼近能力测试，得到测试结果，若辨识模型的残差序列不具有白噪声特性，则此辨识算法的辨识模型不能对当前风洞工况进行预测和逼真；若模型的残差序列具有白噪声特性，则对应的辨识模型能够对当前风洞工况进行预测和逼真。

所述残差序列白化检验方法包括自相关曲线检验方法以及拟合残差序列的概率密度方法。

奇异值剔除具体采用拉依达奇异值剔除法。

归一化处理具体采用Z-score标准化数据归一化方法。

实时检测当前风洞工况下的辨识模型能否对新风洞工况实现预测和逼近的具体过程为：

(1)检测辨识系统输出序列值与真实系统输出序列值之间的匹配度是否大于70％；

(2)检测辨识系统输出序列值与真实系统输出序列值的之间的残差序列是否白噪声；

若满足匹配度大于70％且残差序列是白噪声，则能够对对新风洞工况实现预测和逼近，若不满足，则不能够对新风洞工况实现预测和逼近。

与现有技术相比较，本发明的有益效果在于：

1.本发明运用风洞输入输出数据直接对整个风洞工况进行系统辨识，系统辨识模型具体为状态空间描述。由于常温连续式跨声速风洞是个闭环系统如果采用开环辨识方法，需要断开运行的风洞系统的反馈环才可进行系统输入输出数据采集，存在较大的不安全因素及带来经济性问题。本发明运用DSR闭环子空间辨识方法在不需要断开运行的风洞系统的反馈环就可以进行系统输入输出数据采集，并对当前整个风洞工况进行系统辨识，由于是对整个风洞工况进行辨识，所以所辨识系统能够反映风洞系统的整体特性，更有利于对当前风洞工况的分析。

2.检测当前风洞工况辨识模型能否对当前风洞工况进行预测和逼近时，如果不能当前辨识模型不能对当前风洞工况进行预测和逼近，可能是由于采样数据受到高频干扰，需对采样数据进行低通滤波或进行数据重采样，并再次运用所述系统辨识方法进行风洞当前工况辨识。

3.实时检测当前风洞工况辨识模型能否对新风洞工况进行预测和逼近。如果当前风洞工况辨识模型不能对新风洞工况进行预测和逼近，则需要进行辨识模型切换，重新利用所述辨识方法进行新风洞工况下的系统辨识。根据不断变化的风洞工况运用所述系统辨识方法和辨识系统检测方法对复杂风洞系统实现多模态辨识，更加符合实际应用。

4.运用DSR闭环子空间辨识算法得到的辨识模型精度高于其他子空间辨识算法辨识的模型。

附图说明

图1是本发明单模态系统辨识流程图；

图2是本发明多模态系统辨识切换流程图；

图3是DSR辨识系统与真实系统输出匹配度比较图；其中，(a)为Z1输出序列，(b)为Z2输出序列，(c)为Z3输出序列。

图4是N4SID辨识系统与真实系统输出匹配度比较图；其中，(a)为Z1输出序列，(b)为Z2输出序列，(c)为Z3输出序列。

图5是PEM辨识系统与真实系统输出匹配度比较图；其中，(a)为Z1输出序列，(b)为Z2输出序列，(c)为Z3输出序列。

图6是DSR三输出残差序列自相关性检测曲线；其中，(a)为Z1，(b)为Z2，(c)为Z3。

图7是N4SID三输出残差序列自相关性检测曲线；其中，(a)为Z1，(b)为Z2，(c)为Z3。

图8是PEM三输出残差序列自相关性检测曲线；其中，(a)为Z1，(b)为Z2，(c)为Z3。

图9是DSR三输出残差序列概率密度估计曲线；其中，(a)为Z1，(b)为Z2，(c)为Z3。

图10是N4SID三输出残差序列概率密度估计曲线；其中，(a)为Z1，(b)为Z2，(c)为Z3。

图11是PEM三输出残差序列概率密度估计曲线。其中，(a)为Z1，(b)为Z2，(c)为Z3。

具体实施方式

下面结合附图及具体实施方式对本发明作进一步详细说明。

参见图1和图2，本发明一种风洞多模态实时系统辨识方法：风洞工况具体为风洞模态，不同工况即为不同的模态，一种工况对应于一种模态，工况变化即模态发生变化；一种风洞模态对应一种风洞小扰动模型。本发明中辨识系统用辨识模型进行表示。

1)对当前风洞工况采用DSR闭环子空间辨识方法进行辨识，得到当前工况下的辨识模型，检测当前工况下的辨识模型能否对当前风洞工况进行预测和逼近；若不能，则重新采集数据，若能则实现对当前风洞工况的预测和逼近；

2)当风洞工况变化后，实时检测当前风洞工况下的辨识模型能否对新风洞工况实现预测和逼近，若当前风洞工况下的辨识模型不能对新风洞工况实现预测和逼近，则重复步骤1)；

随风洞工况不断变化，重复步骤2)实现整个风洞系统工况的预测和逼近。

其具体实施过程包括下述步骤：

1.运用DSR闭环子空间辨识方法对整个风洞工况进行辨识，得到测试结果，具体包括：

(1)将白噪声信号输入风洞闭环系统，用信号采集仪采集白噪声输入信号和相应的输出信号，在信号采样频率为10Hz，采样数据长度为2000的条件下，得到输入数据和输出数据；

(2)首先对输入数据和输出数据进行奇异值剔除，具体采用拉依达奇异值剔除法，然后数据归一化处理，具体采用Z-score标准化数据归一化方法，得到处理后的数据，根据处理后的数据得到输出信号的自相关曲线和功率谱密度曲线。

(3)对输出信号的自相关曲线和功率谱密度曲线进行检测。具体过程为：用输入信号的自相关曲线和功率谱密度曲线与输出信号的自相关曲线和功率谱密度曲线做对比，如果输出信号具有白噪声特性，则输出信号为白噪声信号；

(4)系统辨识。具体为运用三种系统辨识方法DSR，N4SID和PEM分别对风洞当前工况进行辨识，得到当前工况下的辨识模型。

(5)对风洞当前工况下的辨识模型测试，具体过程为：

对步骤(4)中三种辨识模型输出值和真实系统输出值进行匹配度(吻合度)比较。为了能够清楚观察辨识系统与真实系统输出值之间的接近程度，现截取原2000组输出数据中的50组数据(50～100)进行绘图，分别如图3～图5以及具体匹配度数值如表1所示。

由图3～5可知，系统辨识算法N4SID所辨识的模型性能远低于其他两种辨识算法辨识模型，尤其体现在对输出量Z₃的预测上；同时可知，DSR和PEM两种辨识算法所辨识的模型能够对真实系统的输出进行很好的预测。

表1 三种辨识系统输出值与真实系统输出值匹配度表

由表1中三种算法辨识模型匹配度具体数值可知，可以得到与图3～图5相同结论，同时，可知DSR算法的三输出匹配度比PEM算法的相应值要大，即DSR算法对所述风洞系统的预测比PEM算法的精度要高。

检测辨识系统输出序列值与真实系统输出序列值的之间的残差序列是否为白噪声；若满足残差序列是白噪声，则当前风洞工况辨识模型能够对当前风洞工况进行预测和逼近，若当前风洞工况辨识模型不能对当前风洞工况进行预测和逼近，可能是由于采样数据受到高频干扰，需对采样数据进行低通滤波或进行数据重采样，并再次运用所述系统辨识方法进行风洞当前工况辨识并检测。

运用残差序列白化检验方法，具体为自相关曲线检验方法，以及拟合残差序列的概率密度方法对已辨识的系统进行预测和逼近能力测试，得到测试结果，具体如图6～图11，其中图6～图8为三输出残差序列自相关曲线，图9～图11为三输出残差序列概率密度估计曲线。

由图6～图8可得三种辨识模型输出残差序列的自相关曲线，其中由图7的自相关曲线可知在横轴约[-10,10]时，对应的幅值都非零且非常大，由此可知N4SID辨识算法辨识模型的残差序列不具有白噪声特性，即此算法辨识的模型不能对原系统进行预测；同时，由图6和图8可得，曲线仅在0时刻具有自相关特性，在其他时刻均接近零，即这两种辨识算法辨识的模型的残差序列具有白噪声特性，也即对应的辨识模型能够对原始系统进行充分预测。

由图9～图11可得三种辨识模型输出残差序列的概率密度估计曲线，其中由图10可知，N4SID辨识算法对应的残差序列概率密度曲线为非正态分布概率密度曲线，而由图9和图11可知，其余两种辨识算法的相应残差序列的概率密度曲线均为正态分布概率密度曲线，即这两种辨识算法辨识的模型的残差序列具有白噪声特性，也即对应的辨识模型能够对原始系统进行充分预测。

2.当风洞工况变化后，实时检测当前风洞工况下的辨识模型能否对新风洞工况实现预测和逼近，具体过程如下：

(1)检测辨识系统输出序列值与真实系统输出序列值之间的匹配度是否大于70％；

匹配度公式为

$fit=100\times \frac{1-norm(Y-\hat{Y})}{norm(Y-mean(Y))}\left(\%\right)---\left(1\right)$

其中Y为真实系统输出序列，为辨识系统输出序列，norm(g)为求范数，mean(g)为求均值。

根据大量工程实践所得，一般情况下当匹配度大于70％时认为辨识模型合格。

(2)检测辨识模型输出序列值与真实系统输出序列值的之间的残差序列是否为白噪声。

运用残差序列白化检验方法对残差序列是否是白噪声进行检测，残差序列白化检验方法包括自相关曲线检验方法以及拟合残差序列的概率密度方法。

若满足匹配度大于70％且残差序列是白噪声，则当前风洞工况辨识模型能够对新风洞工况进行预测和逼近；若不满足，则需要对新风洞工况进行系统辨识。

随风洞工况不断变化，重复辨识和检测过程，实现整个风洞系统工况的预测和逼近。