多模态工业过程辨识建模方法研究

Most of the industral production process often operate at multi mode, and show nonlinear characteristic, the research on modeling and identification methods for this kind of nonlinear system has great significance. For the multi-mode nonlinear process with unknown disturbances and variables as the research object, this project aims to present effective modeling methods and extending linear system identification methods to such complex nonlinear systems, so as to promote the research process of complex nonlinear system identification.The main work includes: (1) study the new identification method for the complex nonlinear system based on the multi-model modeling method; (2) study the new modeling method of complex system with unmeasurable variable using the maximum likelihood principle and the expectation-maximization algorithm; (3) improve the model presision using the dynamic compensation technique and the multi-innovation identification theory; (4) build the simulation and experiment platform, and evaluate the model accuracy and the effectiveness of the modeling method, so as to solve the modeling problem for a class of multi-mode nonlinear industrial processes with unknown disturbances and variables. This project belongs to applied basic researches and has very important values in theory and wide application prospects in chemical process industries.

实际工业生产过程往往在多个工况下运行，呈现明显的非线性特性，研究这类多模态非线性系统的建模和辨识方法具有重要的意义。本项目针对工业生产中广泛存在的一类存在不可测变量的多模态工业非线性系统，将线性系统辨识方法拓展到这类复杂非线性系统，研究新型辨识建模方法，推进复杂非线性系统辨识的研究进程。主要研究内容包括：(1) 基于多模型建模方法，分区域建立线性局域模型，研究多模态工业过程非线性系统的辨识建模方法；(2) 利用极大似然原理及期望最大化算法，研究这类存在不可测变量的复杂系统辨识方法；(3) 应用动态补偿技术和多新息辨识理论，研究和提出能抑制未知噪声干扰的系统辨识建模新方法，提高建模的精度；(4) 搭建仿真与实验平台，评价和分析模型精度和建模方法的有效性，以解决一类存在不可测变量多模态非线性工业过程的辨识建模问题。本项目属于应用基础研究，研究成果在我国化工等流程企业中有重要的应用前景。

实际工业生产过程往往在多个工况下运行，呈现明显的非线性特性，研究这类多模态非线性系统的建模和辨识方法具有重要的意义。本项目针对一类存在多个工况、不可测变量及不确定性干扰的多模态工业非线性系统，采用基于现代辨识理论的新型建模方法，将线性系统辨识理论与方法推广到多模态工业非线性系统的建模。主要研究内容包括：（1）针对多模态工业过程具有多个模态的非线性辨识难点，研究非线性系统的新型建模方法，获得一类多模态工业过程的非线性模型。（2）针对一类工业过程存在不可测变量（数据信息不完整）的辨识难点，研究基于极大似然原理和期望最大化算法的辨识建模方法。利用系统可测的输入输出等数据信息，通过主元分析、粗糙集理论等识别变量的相关程度，利用极大似然原理以观测值概率最大作为准则、并具有一致性、渐近正态性等良好的统计特性，并采用期望最大化算法来处理带有不可测变量的数据，抑制有色噪声干扰，研究不可测变量系统的极大似然估计方法。（3）工业过程对象往往存在很多干扰，导致工业生产过程数据存在有色噪声干扰及不确定问题。本项目在充分挖掘工业过程的有用信息基础上，采用滤波辨识技术对噪声干扰进行动态补偿和抑制，并利用迭代辨识技术能改进辨识精度的特性，研究了有色噪声干扰的工业过程建模和参数估计方法，提高模型的精度。（4）仿真与实验平台，完成模型比较和验证，针对理论研究中提出的各类辨识建模算法，根据系统的输入输出数据，采用计算机仿真，来评价和分析模型精度和建模方法的有效性，为辨识建模方法的工程应用提供必备条件，从而探讨复杂多模态工业过程辨识建模方法的实用性。实际的工业生产过程往往呈现非线性特性，研究这类多模态非线性工业过程的建模和辨识方法，可以为工业过程的监控、先进控制策略的实施提供模型基础，具有重要的实际意义。