基于组合式信号源的块结构模型辨识方法 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

贾立 著

图书标签:

• 模型辨识
• 块结构
• 信号处理
• 组合式信号源
• 系统辨识
• 自适应滤波
• 参数估计
• 控制理论
• 优化算法
• 时域分析

出版社： 科学出版社

ISBN：9787030503770

版次：1

商品编码：12003853

包装：平装

丛书名： 智能科学技术著作丛书

开本：16开

出版时间：2016-11-01

用纸：胶版纸

页数：171

字数：226000

正文语种：中文

内容简介

　　复杂工业过程具有多变量、变量间非线性和强耦合等特点，且受多种不确定因素干扰导致难以建模，针对这一问题，《基于组合式信号源的块结构模型辨识方法》从块结构模型中间变量不可测量的角度出发，分析块结构模型各串联模块在不同激励信号作用下的特性，系统地提出复杂工业过程块结构非线性动态模型描述和辨识的新方法，主要包括采用神经模糊技术的串联模块建模方法、全新智能分离算法和模块参数辨识算法、利用补偿技术的块结构非线性动态系统过程噪声建模方法等，并利用随机过程理论分析和比较所提方法的性能。

内页插图

目录

目录
《智能科学技术著作丛书》序
前言
第一部分 块结构模型
第1章 块结构模型概述 3
1.1 引言 3
1.2 静态非线性环节与动态线性环节的同步辨识法 4
1.2.1 过参数化法 4
1.2.2 子空间法 6
1.2.3 调制函数法 6
1.2.4 直接辨识法 7
1.3 静态非线性环节与动态线性环节的分步辨识法 8
1.3.1 迭代法 8
1.3.2 分离最小二乘法 9
1.3.3 多信号源法 10
1.3.4 盲辨识法 11
1.3.5 频域法 12
1.3.6 随机法 12
1.4 基于Hammerstein模型的控制系统设计 13
1.5 块结构模型研究中存在的关键问题 15
1.6 全书概况 16
参考文献 18
第二部分 基于二进制-随机复合信号源的块结构模型辨识方法
第2章 基于二进制-随机复合信号源的Hammerstein模型辨识方法 27
2.1 基于泰勒级数展开法的Hammerstein模型辨识 27
2.1.1 基于神经模糊的Hammerstein模型 27
2.1.2 基于神经模糊Hammerstein模型的辨识 30
2.1.3 实验结果 32
2.1.4 小结 41
2.2 基于Lyapunov方法的Hammerstein模型辨识 43
2.2.1 神经模糊Hammerstein模型 43
2.2.2 神经模糊Hammerstein模型辨识 44
2.2.3 实验结果 47
2.2.4 小结 54
参考文献 54
第3章 基于二进制-随机复合信号源的Hammerstein-Wiener模型辨识方法 56
3.1 基于二进制-随机复合信号源的Hammerstein-Wiener 模型 56
3.1.1 神经模糊Hammerstein-Wiener模型 57
3.1.2 神经模糊 Hammerstein-Wiener 模型各串联环节的分离 58
3.1.3 基于神经模糊Hammerstein-Wiener模型的控制系统 64
3.1.4 实验结果 64
3.1.5 小结 67
3.2 基于两阶段复合信号的Hammerstein-Wiener模型 68
3.2.1 基于两阶段复合信号的神经模糊Hammerstein-Wiener模型 68
3.2.2 实验结果 71
3.2.3 小结 73
参考文献 74
第4章 含过程噪声的块结构模型二进制-随机复合信号源辨识方法 76
4.1 基于辅助模型递推最小二乘法的Hammerstein模型 76
4.1.1 一类含过程噪声的Hammerstein模型 76
4.1.2 基于辅助模型递推最小二乘法的Hammerstein模型多信号源辨识方法 77
4.1.3 实验结果 79
4.1.4 小结 82
4.2 基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型 82
4.2.1 一类含过程噪声的Hammerstein-Wiener模型 83
4.2.2 基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型多信号源辨识方法 84
4.2.3 实验结果 87
4.2.4 小结 90
4.3 基于辅助模型多新息随机梯度法的Hammerstein模型 92
4.3.1 基于辅助模型多新息随机梯度法的Hammerstein模型多信号源辨识方法 92
4.3.2 实验结果 95
4.3.3 小结 98
参考文献 98
第三部分 基于可分离信号源的块结构模型辨识方法
第5章 基于可分离信号源的多输入多输出Hammerstein模型辨识方法 101
5.1 多输入多输出Hammerstein模型 101
5.2 基于可分离信号源的多输入多输出Hammerstein模型辨识 102
5.2.1 基于神经模糊的多输入多输出Hammerstein模型 102
5.2.2 基于可分离信号源的多输入多输出Hammerstein模型辨识 103
5.2.3 实验结果 109
5.2.4 小结 117
参考文献 117
第6章 含过程噪声的多输入多输出Hammerstein模型可分离信号源辨识方法 119
6.1 含过程噪声的多输入多输出Hammerstein模型辨识 119
6.1.1 含过程噪声的多输入多输出Hammerstein模型 119
6.1.2 含过程噪声的多输入多输出Hammerstein模型辨识 120
6.1.3 实验结果 124
6.1.4 小结 135
6.2 基于可分离信号的Hammerstein输出误差滑动平均系统辨识 136
6.2.1 Hammerstein输出误差滑动平均系统 136
6.2.2 神经模糊Hammerstein输出误差滑动平均系统辨识 137
6.2.3 实验结果 143
6.2.4 小结 146
参考文献 148
第7章 含过程噪声的Hammerstein-Wiener模型可分离信号源辨识方法 149
7.1 基于可分离信号的Hammerstein-Wiener模型辨识方法 149
7.1.1 神经模糊FIR Hammerstein-Wiener模型 149
7.1.2 神经模糊Hammerstein-Wiener模型辨识方法 150
7.1.3 基于Hammerstein-Wiener模型的控制系统设计 154
7.1.4 实验结果 154
7.1.5 结论 159
7.2 基于递推广义增广最小二乘法的Hammerstein-Wiener模型可分离信号源辨识 159
7.2.1 噪声干扰下的FIR Hammerstein-Wiener模型 159
7.2.2 基于递推广义增广最小二乘法的Hammerstein-Wiener辨识 160
7.2.3 实验结果 166
7.2.4 小结 170
参考文献 171

前言/序言

　　长期以来，我国产业结构不合理，往往设备已经实现了国产化，而控制系统和优化策略仍然采用国外技术，造成工业行业“重设备、轻优化控制”的现象，普遍存在“有壳无脑”的局面。随着行业技术的发展，先进优化控制技术的重要性正逐步体现出来，已成为我国进一步实现节能增效和推进工业可持续发展的突破口。化工、炼油、冶金、轻工、建材和制药等过程工业是我国国民经济的重要支柱产业，要想在全球化的大趋势下始终保持强大的竞争力，必须加强先进优化和控制技术的研发与技术储备。
　　过程工业是通过物理变化和化学变化进行的生产过程，在新物质生成的同时伴随有能量的吸收与释放，是一个复杂的大工业系统，各生产装置之间存在着复杂的耦合和制约关系。各生产过程只有从实时性和整体性上全局协调，才能保证整个生产装置平稳、高效、安全的运行，这对工业过程的优化和控制提出了更高的要求。模型是现代工业过程先进优化和控制技术的基础。在工业过程生产装置中，由于原料特性变化较为频繁，参与过程实时控制的模型不仅要简单、准确，而且要具有较好的外推性和自适应性，能够正确反映过程的机理特性。这涉及过程对象的非线性、时变性、不确定性、强耦合和大时滞等内在复杂的机理问题，客观环境和人为因素。随着过程工业的大型化、综合化和复杂化，上述因素使得建模的难度越来越大。工业过程的建模应当从优化与控制的实际需求出发，突破传统的建模方法和辨识算法结构，以较为宽广的视野综合运用人工智能、现代统计理论、控制理论和优化技术等来有效地实现。
　　目前，在非线性动态建模方面，一类新颖的块结构非线性动态模型是其中的一个研究热点，它同时结合了动态线性模型和静态（无记忆）非线性函数模型，具有较易辨识、计算量少、能较好地反映过程特征的特点，适合作为过程控制模型使用。按其具体连接形式，可分为Hammerstein模型、Wiener模型、Hammerstein-Wiener模型和Wiener-Hammerstein模型。Hammerstein-Wiener模型（简称为N-L-N模型）包含Hammerstein模型和Wiener模型结构，比这两种模型中的任意一种都更接近实际工业过程中的非线性特性。这种模型能较好地描述工业设备和过程，如精馏塔、热交换器、连续搅拌反应釜（continuousstirredtankreactor，CSTR）、PTA生产中的浆料配置系统以及具有幂函数、死区、开关等特性的非线性过程。更为重要的是，可以利用模型的特殊结构把非线性控制问题简化为线性模型预测控制问题，解决了传统非线性控制方法计算量大、收敛性和稳定性不能得到保证等诸多问题，从而可以直接利用线性控制系统中的成熟理论，便于现场操作人员理解。因此，块结构模型是工业过程中最有效的模型之一，也是研究的热点。

《基于组合式信号源的块结构模型辨识方法》 图书简介 本书深入探讨了在复杂系统建模与辨识领域中，一种新型且高效的方法——基于组合式信号源的块结构模型辨识。随着现代工程技术和科学研究对系统理解与控制要求的日益提高，传统的单输入单输出（SISO）或简单多输入多输出（MIMO）模型辨识方法在面对大型、非线性、时变以及存在多重激励源的复杂系统时，显得力不从心。本书旨在弥补这一技术鸿沟，通过引入“组合式信号源”的概念，并将其与“块结构模型”的辨识策略相结合，为研究人员和工程师提供一套系统、完善的理论框架和实用技术。 研究背景与动机 在诸如航空航天、精密机械、生物医学工程、通信系统、能源网络等众多领域，我们经常会遇到需要建模和分析的系统。这些系统往往具有高度的耦合性、分布式特性，并且常常受到多个独立或相互关联的信号源的驱动。例如，在飞行器中，气动、动力、结构振动等多个因素共同影响着飞机的整体动态；在生物系统中，基因调控网络、信号转导通路等都涉及复杂的相互作用和多重输入。传统的系统辨识方法，如ARX、ARMAX、BJ模型等，在处理这些具有内在“块状”或“模块化”特征的系统时，往往需要进行大量的参数估计，计算复杂度高，并且容易陷入局部最优，甚至无法获得令人满意的辨识结果。 “组合式信号源”这一概念的提出，源于对复杂系统中激励源性质的深刻洞察。我们认识到，许多复杂系统的输入并非单一，而是由多个基本信号源经过某种方式组合而成。这些组合可以是对信号的加权求和、时域或频域的叠加、甚至是更复杂的非线性映射。理解这些信号源的组合方式，并将其有效地融入模型辨识过程中，是解决复杂系统建模难题的关键。 另一方面，“块结构模型”则是一种将复杂系统分解为若干个相对独立的、可解释的子系统（或称“块”），并通过这些子系统之间的连接关系来描述整体系统行为的模型表示方法。这种分解不仅降低了模型的复杂度，更重要的是，它能够更好地反映系统的物理结构和功能模块，便于分析、设计控制器以及进行故障诊断。然而，如何根据观测到的输入输出数据，辨识出系统的块结构以及每个块内部的动态特性，同时又考虑输入信号的组合方式，一直是研究的难点。 本书核心内容概述 本书的出版，旨在系统地解答上述挑战。我们将从基础理论入手，逐步深入到具体的辨识算法和应用。 第一部分：基础理论与概念引入 复杂系统模型回顾与局限性分析： 详细回顾现有主流系统辨识方法，分析其在处理多激励源、块结构系统时的不足之处，为后续方法的提出奠定基础。 组合式信号源的定义与特性： 严谨定义“组合式信号源”，探讨其数学表示、性质，以及如何从观测数据中初步识别和分离这些信号源。这部分将引入一些信号处理和统计学的方法，用于信号的预处理和特征提取。 块结构模型的概念与优势： 阐述“块结构模型”的内涵，包括模块化、层次化、可解释性等特点，并从理论上分析其在系统分析、优化和控制方面的优越性。我们将讨论不同的块结构表示形式，如信号流图、状态空间分解等。 第二部分：基于组合式信号源的块结构模型辨识算法 信号源分解与预处理： 针对多激励源的输入信号，提出一系列信号源盲分离或半盲分离技术，旨在将混合信号解耦为独立的激励源。同时，对观测到的系统输出进行必要的预处理，以减少噪声和提高辨识精度。 块结构辨识策略： 提出一套系统性的算法，用于从输入输出数据中推断出系统的块结构。这可能涉及图论方法、聚类分析、信息论准则等，用于识别系统内部的连接关系和模块划分。 块内模型参数辨识： 在确定了系统的块结构之后，本书将重点介绍如何针对每个块（子系统）进行模型参数的辨识。由于每个块可能拥有独立的组合式信号源作为输入，因此辨识算法需要能够有效地处理这种局部激励源的输入输出关系。我们将探讨基于最小二乘法、最大似然估计、子空间辨识等方法的改进算法，以适应块结构和组合式信号源的特点。 整体模型构建与校验： 将辨识出的各个块模型及其连接关系整合起来，构建完整的块结构模型。随后，介绍如何对辨识出的模型进行有效性校验，包括预测精度、鲁棒性分析等。 第三部分：进阶理论与拓展应用 非线性组合式信号源与非线性块结构模型： 针对更复杂的系统，我们将探讨如何处理非线性的信号源组合以及辨识非线性块结构模型。这可能涉及神经网络、模糊逻辑、核方法等非线性辨识技术。 时变系统中的辨识： 许多实际系统其模型参数会随时间变化，本书将讨论如何将组合式信号源和块结构模型辨识方法应用于时变系统，实现动态建模。 在线与实时辨识： 针对需要实时监控和控制的系统，我们将研究在线辨识算法，使其能够不断更新模型参数，适应系统状态的变化。 实际应用案例分析： 通过对具体工程问题（如航空动力系统、机器人控制、生物信号分析等）的深入案例分析，展示本书所提出的方法的实际效果和优越性。这些案例将涵盖数据获取、模型构建、辨识结果解释以及实际应用中的注意事项。 本书的创新点与价值 本书的最大创新在于其理论体系的完备性和方法论的独特性。它首次系统地将“组合式信号源”和“块结构模型”这两个概念有机地结合起来，并在此基础上发展出一套完整的模型辨识方法。 理论创新： 提出了新的系统模型范式，为理解和分析复杂系统提供了新的视角。 方法创新： 发展出一系列新颖的辨识算法，能够更有效地处理高维、多激励源、结构化系统，显著提高辨识精度和效率。 应用价值： 为复杂系统的建模、分析、控制和优化提供了强大的工具，能够极大地推动相关领域的科学研究和工程实践。 目标读者 本书的目标读者群体广泛，包括但不限于： 高校与科研机构的研究人员： 致力于系统辨识、控制理论、信号处理、机器学习等领域的研究者。 工程技术人员： 从事系统建模、仿真、设计、调试和优化的工程师，特别是在航空航天、汽车、机器人、通信、生物工程、能源等行业。 研究生与高年级本科生： 学习系统辨识、自动控制、信号处理等课程的学生。 结论 《基于组合式信号源的块结构模型辨识方法》一书，不仅是对当前复杂系统辨识领域前沿技术的一次系统性梳理和总结，更是一次具有原创性的理论突破和方法创新。通过本书，我们希望能够为读者提供一套深刻理解复杂系统动态行为的全新工具，激发更多关于系统建模、分析与控制的创新研究，为解决工程领域面临的各种挑战提供有力支撑。本书的出版，必将对相关学科的发展产生深远的影响。

评分☆☆☆☆☆

这本书的出现，为我打开了模型辨识研究的新思路。作者提出的“组合式信号源”概念，着实令人眼前一亮。它不再是将信号源视为一个固定的、不可改变的输入，而是将其视为一个可以灵活配置、动态组合的工具。这种“组合”的方式，可能意味着将不同特性的信号源进行叠加、调制，或者按照特定的序列进行施加，从而实现对系统更全面的探测。其核心思想在于，通过精心设计的信号源组合，可以最大化地获取关于系统模型的信息，并规避一些传统信号源可能带来的局限性。例如，在辨识低信噪比下的系统时，精心设计的信号组合或许能有效提高信噪比，从而获得更可靠的辨识结果。而“块结构模型”的引入，则与“组合式信号源”的概念形成了良好的呼应。它暗示着，通过这些精心设计的信号源组合，我们可以更有效地辨识出系统的各个“块”的特性。这种模型结构，不仅便于我们深入理解系统的内部运作机制，而且为后续的系统分析和控制设计奠定了坚实的基础。我特别好奇书中是如何定义“块”的，它们是基于物理结构，还是基于系统功能？以及如何根据这些“块”的辨识结果，将其有效地“组合”起来，形成一个完整的系统模型。书中对“辨识方法”的论述，想必会围绕如何利用组合式信号源来高效地完成这些“块”的辨识和集成。

评分☆☆☆☆☆

这本书如同一扇窗，让我窥见了模型辨识领域更为广阔的可能性。作者所倡导的“组合式信号源”概念，打破了传统信号源的束缚，为系统辨识注入了新的活力。我一直在思考，如何才能在实际工程中，更有效地获取和利用信息来辨识系统模型。而“组合式信号源”的出现，似乎提供了一种全新的视角。它暗示着，我们可以不再局限于使用单一的标准信号，而是可以根据待辨识系统的特性，智能地组合多种信号源，以达到最优的信息增益。这种组合可能涉及到频率、幅值、相位甚至信号类型的协同设计。而“块结构模型”则进一步强化了这种模块化的思想。与传统的整体模型辨识相比，它似乎更倾向于一种“自下而上”的建模方式，先辨识出系统的基本功能单元，再将这些单元组合成完整的系统模型。这在处理大型、复杂系统时，尤其具有优势，因为它可以避免全局模型辨识带来的维度灾难和计算复杂度问题。我非常好奇书中是如何定义和刻画这些“块”的，它们是具有明确物理意义的子系统，还是更抽象的数学模型单元？书中对“辨识方法”的阐述，想必会围绕如何利用这些组合式信号源来逐个辨识、更新这些块的模型，并最终将它们有机地整合起来。我对书中提出的算法细节和理论依据充满了浓厚的兴趣，希望能从中学习到一套切实可行的方法论。

评分☆☆☆☆☆

这本书的封面设计简洁大方，书名“基于组合式信号源的块结构模型辨识方法”透露出一股严谨的学术气息，让人对内容充满了期待。我之所以被吸引，是因为“组合式信号源”这个概念，它似乎预示着一种更灵活、更具表现力的建模思路。在信号处理和系统辨识领域，传统的模型辨识方法往往依赖于单一或固定形式的信号源，这在处理复杂、多变或非线性系统时可能显得力不从心。这本书提出的“组合式信号源”概念，是否意味着可以像搭积木一样，根据实际系统的特点，将不同的信号源进行灵活组合，从而构建出更贴近真实世界的模型？这其中的“组合”机制是如何设计的？是基于某种优化算法，还是遵循一定的理论框架？而“块结构模型”，又与传统的“黑箱”或“白箱”模型有何不同？它是否强调了模型的内部结构化和模块化，以便于理解、分析和控制？“辨识方法”则直接点明了本书的核心技术，如何有效地利用这些组合式信号源来辨识出系统的模型参数和结构，将是本书的关键所在。我非常好奇作者是如何将这些概念融会贯通，并形成一套完整、可行的模型辨识理论和算法的。这本书的目标读者群体应该是谁？是从事信号处理、控制理论、系统工程的研究人员，还是对这些领域感兴趣的高年级本科生或研究生？希望本书能提供清晰的理论阐述、详实的算法介绍，以及富有启发性的案例分析，帮助读者在模型辨识的道路上迈出更坚实的一步。

评分☆☆☆☆☆

读罢此书，一种豁然开朗的感觉油然而生。作者在“组合式信号源”的设计上，展现了非凡的创造力。以往的信号辨识，往往局限于预设的信号类型，而这本书则将信号源的生成过程本身也纳入了模型辨识的考量范围，这无疑极大地拓展了模型的适用性。它不再是被动地接收外部信号进行辨识，而是能够主动地“设计”和“生成”信号，以达到最佳的辨识效果。这种“主动”的思路，在面对那些内部机制复杂、难以通过外部标准信号进行充分激励的系统时，显得尤为重要。而“块结构模型”的提出，则为理解和分析辨识出的模型提供了清晰的框架。它仿佛将一个庞大的系统分解成若干个独立的、可管理的“模块”，每个模块都有其特定的功能和参数。这样的模型结构，不仅便于我们深入理解系统的内在逻辑，更方便后续的控制设计和性能优化。想象一下，如果一个复杂的工业过程，能够被拆解成若干个相互关联的“功能块”，每个块都可以独立地进行辨识和调优，这无疑会大大降低工程实现的难度和成本。作者在书中对这些“块”的定义、连接方式以及如何通过组合式信号源来辨识这些块的参数，都有着深入的探讨。我特别关注书中关于如何确保不同信号源组合的有效性和辨识结果的鲁棒性的论述，这直接关系到该方法的实际应用价值。

评分☆☆☆☆☆

读完这本书，我深刻体会到了作者在模型辨识方法创新上的深厚功底。“组合式信号源”这一概念的引入，在我看来，是本书最亮眼的一笔。它挑战了我们固有的思维模式，即信号源是外部给定的，我们只能被动地对其进行响应。相反，这本书认为，信号源的设计和选择本身就是模型辨识过程中至关重要的一环，而且可以通过“组合”的方式，实现更灵活、更精细的系统激励。这使得我们可以根据待辨识系统的特点，量身定制最适合的信号输入，从而提高辨识的效率和精度。例如，在辨识非线性系统时，单一的正弦信号可能无法充分激发系统的所有非线性行为，而通过组合不同频率、不同幅值的正弦信号，或者引入其他类型的信号，或许能达到更好的效果。而“块结构模型”的提法，则为这种精细化的辨识提供了理论支撑。它强调将复杂的系统分解为若干个功能相对独立的“块”，并对每个块进行独立的辨识。这种分而治之的思想，在应对大型复杂系统时，能够极大地降低辨识难度，并且便于对模型的局部进行修改和优化。我非常期待书中能够详细阐述如何设计这些“组合式信号源”，以及如何根据辨识出的“块”模型来构建最终的整体系统模型。希望书中能提供一些具体的工程案例，展示该方法在实际应用中的优越性。