非线性动态欠秩系统多参数辨识与状态估计

随着技术的发展，工业系统结构日趋复杂，同时对系统性能要求越来越高，参数辨识和状态估计越来越重要。而有些复杂工业系统是非线性动态欠秩系统，对于此类系统的参数辨识问题，传统方法主要是通过在工作点注入扰动信号、添加参数检测设备等来构建满秩的参考模型以辅助设计参数辨识器。但该类方法设计的满秩参考模型常为病态方程组，因而易使辨识出的系统参数值远离其实际值，而不精确的系统参数模型又会进一步使状态估计具有较大的残差。本项目针对此类问题研究两个解决方案：研究欠秩系统的升秩技术，并将其和病态方程改善方法相结合来设计良态的满秩参考模型，进而设计基于该模型的参数辨识器和状态观测器；将升秩技术和进化算法相结合，依靠进化算法的随机求解能力来建立包含条件数优化的、系统化的非线性动态欠秩系统参数辨识方法。广泛使用的永磁同步电机系统是典型的非线性动态欠秩系统，以此为主要对象开展本项目研究具有重要理论意义和广阔的应用前景。

工业系统中广泛存在一类非线性动态欠秩系统，获得准确的系统参数是该类系统优化控制，状态监测与故障诊断的关键。高效准确的实现对系统多参数辨识与状态估计极为重要，项目围绕非线性动态欠秩系统多参数辨识与状态估计中的关键问题展开理论方法与应用研究。主要研究工作为：1）研究动态欠秩系统满秩参考模型参数估计器构建方法，项目通过注入暂态弱信号来构建满秩参考模型可解耦参数估计器。2)研究动态非线性系统多参数辨识和状态观测方法，探究了几类典型工业动态非线性系统参数辨识与状态估计方法，包括电机驱动系统参数辨识与状态估计方法，工业窑炉非线性系统工况估计方法，电力电子系统非线性系统参数识别与最优控制方法，以及混沌非线性控制系统参数识别方法。3)研究非线性动态系统参数辨识与状态估计的进化算法，利用智能优化算法无需问题本身强先验知识和具有解决黑箱问题特性以及其强感知能力，研究了面向非线性动态系统参数辨识与状态估计器设计与优化的高效混合智能优化模型与算法及并行分布式优化方法，包括混合免疫智能算法模型与优化方法，协同进化粒子群算法，以及基于多CPU和GPU异构的并行智能算法。4)研究基于参数辨识与状态估计方法在实际工业系统中的应用，研究了基于参数估计模型的永磁同步电机系统状态监测与故障诊断方法能够为风电系统及混合动力汽车所用的永磁同步电驱动系统提供状态监测与故障诊断技术指导；研究了基于参数状态估计的工业窑炉工况识别，有效提高了对复杂流程工业过程控制性能。项目研究取得了一系列有特色的创新性成果，能够为该类系统参数辨识与状态估计提供新的有效方法，对提高非线性动态欠秩系统参数估计与优化控制性能具有指导作用。