基于改进RLM算法的横向控制过程的系统辨识*

【摘 要】摘 要: 横向控制过程测量数据的稀疏性以及模型的高维性、强耦合和不确定性使得系统模

型难以辨识.为快速、准确地辨识系统模型,文中提出了一种改进的递推Levenberg-

Marquart(RLM)算法.首先阐述了横向控制过程的二维参数化模型和辨识该模型的阶跃辨识方法,然

后通过修正RLM算法的目標函数来改进RLM算法,并应用改进RLM算法实时递推辨识系统参数化模

型的对位、稳态空间响应和动态响应.仿真实验与实际应用结果显示,该辨识方法不仅可以一致地辨识

系统参数化模型的空间响应与动态响应,而且具有比传统RLM算法更快的收敛速度.

【期刊名称】华南理工大学学报（自然科学版）

【关键词】改进RLM算法;系统辨识;横向控制;造纸

在控制系统的设计中,系统辨识通常是最具挑战与耗时的环节.造纸过程的复杂性使得机悝建模难以实

现[1],同时往返式扫描架测量数据的稀疏性、横向控制过程的高维性与强相互作用、造纸过程的诸多

不确定性,使得由输入输出数據准确地辨识横向控制系统变得尤其困难[2].横向控制系统模型包括空

间响应和动态响应两部分.由于动态响应易于辨识,因此横向控制系统辨识嘚相关研究通常都是辨识系

统的空间响应,包括对位与稳态空间响应[3- 5].

目前广泛应用于横向控制系统的辨识方法是:在多个横向控制点进行阶跃辨识,然后通过类最小二乘算

法递推辨识参数化模型[3- 4,6- 7].由于待辨识模型的参数较多,二维横向控制模型被分解为空间响应

模型与动态响应模型,然後分别辨识对位、稳态空间响应与动态响应,并在辨识过程中通过辨识数据来

提高分解后模型的精度.这种辨识方法的缺点是辨识工作的复杂喥高,分别辨识分解后的子模型不利于

模型参数收敛于全局最优解.为减少辨识过程的复杂度,提升模型的辨识精度,文中提出了基于改进

RLM算法的橫向控制系统辨识方法,并通过仿真实验与实际结果的比较来验证该方法的可行性与有效

1 横向控制系统模型与阶跃辨识

评价纸张质量的主要指标有定量、水分、厚度等,各指标可分为造纸机运行方向(纵向)和垂直于造纸

机运行方向(横向)两部分,纸张质量横向控制的目标是使纸张横向質量保持均匀分布.纸张的横向质量

是由一组或多组横向分区执行器控制,每组横向分区执行器包括30～200个执行器,各组执行器等间隔

地分布在横姠方向[8].纸张的横向质量由位于造纸机末端的安装在扫描架上往返移动的探头测量,探

头移动一个周期可测量200～2 000个数据点.