CN1495584A - 基于模型控制的设备快速测试 - Google Patents

基于模型控制的设备快速测试 Download PDF

Info

Publication number
CN1495584A
CN1495584A CNA031551319A CN03155131A CN1495584A CN 1495584 A CN1495584 A CN 1495584A CN A031551319 A CNA031551319 A CN A031551319A CN 03155131 A CN03155131 A CN 03155131A CN 1495584 A CN1495584 A CN 1495584A
Authority
CN
China
Prior art keywords
signal
bmf
model
test
large amount
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA031551319A
Other languages
English (en)
Other versions
CN100335982C (zh
Inventor
Sl
S·L·科撒雷
J·A·曼德勒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Air Products and Chemicals Inc
Original Assignee
Air Products and Chemicals Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Air Products and Chemicals Inc filed Critical Air Products and Chemicals Inc
Publication of CN1495584A publication Critical patent/CN1495584A/zh
Application granted granted Critical
Publication of CN100335982C publication Critical patent/CN100335982C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00Systems involving the use of models or simulators of said systems
    • G05B17/02Systems involving the use of models or simulators of said systems electric

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Optical Recording Or Reproduction (AREA)
  • Recording Measured Values (AREA)

Abstract

一种用于设计扰动信号对一个系统的大量输入变量进行激励的方法和装置,其目的是为了获得一个基于模型控制器综合模型而测试该系统。该方法首先必须向系统提供输入参数。基于这些输入参数发生大量的二位式多频(BMF)信号并计算出这些BMF信号的频谱。从一组BMF信号中选择一个,并使得所选BMF信号的频谱与由输入参数指定的频谱最匹配。然后将所选BMF信号用作测试该系统的第一扰动信号。还必须通过预先确定数量的样本对所选BMF信号进行移位以产生原始BMF信号的延迟副本并将其作为附加扰动信号。

Description

基于模型控制的设备快速测试
背景技术
本发明涉及一种用于开环测试和系统辨识的方法和装置,使用这种方法和装置可以为系统中基于模型的控制发生系统模型。更明确的讲,本发明涉及一种多变量系统辨识方法,该方法使用设备友好的(plant-friendly)二位式多频(BMF)信号,并结合多变量参数化建模技术,可以实现测试时间的显著减少。
一种用来描述系统动态特征的方法是在输入通道应用扰动信号然后测量该系统对这些信号的响应。接着处理这些输入输出信号以给出该系统动态特性的一个估计。这个方法称为系统辨识。
在关于系统辨识的大量文献和现有技术中,除了对信号应当给予持续激励这个事实外,很少有人重视对扰动信号本身的设计。在线性系统情况下,这意味着信号应该足够穿越被辨识系统的带宽。对这种情况缺乏重视的一个主要原因在于重视有关对参数化模型(例如,一个阶跃响应指数拟合值,一个连续或离散传递函数,一个状态空间表达,等等)的系统辨识技术的文献。主要焦点集中在单输入单输出(SISO)线性定常系统的离散传递函数模型。在这些情况下,对于不同的扰动信号设计通常就没有很多选择。然而,在许多应用中这是一种很理想的状况,事实上,许多信号设计问题确实已经出现了。
例如,对输入信号进行持久激励的理论要求经常与“设备友好性(plant-friendliness)”的实际考虑相冲突。为了实现设备友好,对输入信号要求如下:尽可能的短;激励者不受限制或不超过移动尺寸限制;以及对控制变量的最小分解(也就是,设定值的低变化和小偏差)。因此,有必要设计一种信号在持久性激励与设备友好性之间实现一个合理折衷。
在多数工业应用中出现的一个重要问题在于是否具有能减少系统辨识中数据采集所费时间的信号和技术。当辨识一个多输入多输出(MIMO)系统时,也要求获得几个统计上无关的信号,从而使得分出系统不同输入输出关系变得更容易。而且,当系统辨识的目的是要获得一个基于模型控制器的模型时,要求辨识与闭环操作最相关的频域并设计扰动信号以在这个频域激励该系统。
关于时域辨识,对阶跃信号的使用是一种通用实践方法。此外,相关研究出现于20世纪60年代和70年代并起源于基于移位寄存器序列的伪随机信号(也就是,特性类似于那些随机信号的确定性信号)。
由于基于二位式最大长度序列使用移位寄存器电路的信号发生器的易用性,因而导致其在一定的应用范围内被使用。而其它类型的周期信号已经发现只有很少的应用了,这是因为这些信号不能由移位寄存器电路很容易地发生。这些就称为多级伪随机信号(也称为M信号)。在时域中,对于非周期信号与非周期相关性的使用在最近几年通讯领域中研究较多。
关于频域辨识,可以参考Keith Godfrey(1994)《系统辨识的扰动信号》一书,它提供了大量关于频域辨识的材料。然而,没有例子,其中比较了不同输入信号所获模型并且强调了不同扰动信号设计的长处和短处。虽然如此,该书对读者理解文献中可用的扰动信号设计选择种类依然很有用。
关于基于模型控制的系统辨识以及更为明确的模型预测控制(MPC)问题,在自动控制领域是近来的热点问题。在MPC建模的开环数据采集中经常采用阶跃测试。
阶跃测试假设一次只有一个输入通道可以平移。每个阶跃平移要持续相对长的时间。通常,每个输入平移的持续时间为半个过程的过渡过程时间的平均值并且对于每个输入可能要执行一个15-20次的平移系列。根据它们的频率特征,阶跃信号有助于强调稳态行为并因此不集中闭环(更快)行为。这意味着可能获得了一个动态特性差的模型。MPC的设备测试时间估计Ttest对于具有长的过渡过程时间以及/或者大量独立变量的系统来说可能会不允许变得那么长。例如,在一个典型的空气分离过程中,根据这个特定的过程特征Ttest在一到两个月之间可能很容易发生变化。这种过多的设备测试时间通常会导致MPC工程的实际上和经济上的不可行。
测试时间较长的主要原因是阶跃测试强调过程的低频、稳态行为。这就转化为长时间的阶跃移动。然而,为了实现过程控制,闭环带宽中的过程信息应该是与满意控制器操作最相关的信息。闭环和开环带宽之间的不同增加了控制器对闭环比对开环的响应更快。
因此,通过集中满意控制器性能模型可以获得设备测试时间的减少和更好的控制模型,而不同于为着对给定过程十分自然的了解这个目的而获得的模型。这种实现方式已经在本发明中减少测试时间方面得到了应用。
通常在阶跃测试中使用的大量阶跃平移可能也会使得一个设备测试时间变长。要求大量阶跃平移一般是为了降低数据中噪声的影响,特别是在测试中不可能有大信噪比(S/N)时。此外,未测量到的干扰、环境变化或者测试过程中操作模式的变化可能会导致一个或多个输出响应偏差。这样的输出响应偏差可能需要纠正,而接着导致输入通道之间的不必要相关性。这意味着在后来的数据采集中,输入通道之间没有相关性的一组数据是必要的。换句话说,需要修正更多的数据。
有关减少设备测试时间,同时以设备友好的方式提取与过程控制相关的信息并且不需要折衷(可能提高)所获模型的质量等一些技术问题正受到挑战。这也是本发明的焦点所在。
发明内容概述
本发明的一个实施例是一种用于设计扰动信号来激励一个预先确定数量输入变量的系统的方法和装置。其目的是为了测试该系统以获得一个基于模型控制器的综合模型。该示例方法是从提供系统输入参数这一步开始的。然后基于这些输入参数发生大量二位式多频(BMF)信号并且计算这些BMF信号的频谱。从该组BMF信号中选择一个BMF信号以使所选BMF信号的频谱与由输入参数指定的设定频谱最相匹配。然后所选BMF信号就被用作为测试系统的第一扰动信号。所选BMF信号也被一定延时数量的样本所移位来创建一个原始BMF信号的延迟副本并被用作系统测试的第二扰动信号。
本发明的另一个实施例是一种用于设计扰动信号来激励一个预先确定数量输入变量的系统的方法和装置。其目的是为了测试该系统以获得一个基于模型控制器的综合模型。该示例方法是从提供系统输入参数这一步开始的,包括选择一个扰动信号频谱。然后基于这些输入参数发生大量BMF信号并且计算这些BMF信号的频谱。基于BMF信号的信号频谱与设定的扰动信号频谱之间的匹配,需要选择一组BMF信号,每个所选BMF信号具有几乎100%的有效功率。从该组BMF信号中选择一个BMF信号,使得该信号的频谱与选定的扰动信号频谱最相匹配。然后所选BMF信号就被用作为测试系统的第一扰动信号。所选BMF信号也被一定延时数量的样本所移位,使得原始BMF信号和该信号的延迟副本在一个系统过渡过程时间内随机近似无关。然后该延迟BMF信号被用作为系统测试的第二扰动信号。
本发明的更进一步的一个实施例是一种用于设计设备友好的扰动信号来激励系统的预先确定数量输入通道的方法和装置。其目的是为了测试该系统以获得一个基于模型控制器的综合模型。该示例方法是从确定系统过渡过程时间这一步开始的。然后发生大量随机近似无关的BMF信号,该信号与系统预先确定数量的输入通道相匹配。然后执行每个BMF信号对系统输入通道分配的任务。选择与系统大量输出相符的设备友好性判据以及确定与大量系统输出相符的期望初始值。然后确定关于输入通道的与系统大量输出相符的近似稳态增益。然后选择该BMF信号的一组幅值。
确定响应该系统输出的系统简化模型基于如下:系统过渡过程时间:关于系统输入的与系统大量输出相符的稳态增益;以及至少一个预先确定阶次的线性动态性。使用这种简化系统模型可以仿真通过系统输出中BMF信号的输入通道激励效应,并且最终的仿真响应结果是基于设备友好性判据来判断的。如果该仿真系统响应被判断为超过设备友好性判据,那么BMF信号给输入通道的分配以及/或者至少一个BMF信号的幅值发生了变化,基于该仿真结果的判断,应该重复进行该仿真。或者,可解决一系列最优化问题以确定BMF信号的一组幅值选择,该BMF信号使用了一组初始幅值、简化系统模型、期望初始输入输出值、扰动信号对输入通道的分配以及设备友好性判据。
该最优化也可以解决一组扰动信号对输入通道的分配问题。对这些最优化分配中的一些来说在给定的约束范围内可能是不可行的。这就意味着这些分配根本就不满足设备友好性判据。因此,在一步中该最优化可能确定对输入通道扰动信号的分配是不可行的并为可行分配计算最优化幅值。然后在设备测试中使用了这种输入分配与在设备友好性要求上对设备进行最佳激励所产生幅值的组合。
本发明还有一个实施例就是一种用于测试一个包含预先确定数量的输入通道以及大量输出通道的系统的方法和装置。其目的是为了获得一个基于模型控制器综合的大量经验模型。然后发生与系统预先确定数量的输入通道相匹配的随机近似无关的大量BMF信号。该BMF信号被分配到系统输入通道并分配幅值。然后执行使用这些BMF信号分配的一个系统测试,并纠正在测试期间发生在大量输出通道上的大量输出信号。然后判断大量输出信号之间的相互作用。表示被判断为大体上相互作用的输出信号的第一组经验模型生成了。生成第一组经验模型使用了多输入多输出(MIMO)参数化建模工具并且基于BMF信号分配和输出信号采集。接着生成表示被判断为几乎完全没有相互作用的输出信号的第二组经验模型。生成第二组经验模型使用了多输入单输出(MISO)参数化建模工具并且基于BMF信号分配和输出信号采集。
本发明还有另一个实施例就是一种用于设计扰动信号来激励系统的输入通道的方法和装置。其目的是为了测试该系统以获得一个基于模型控制器的综合模型。该示例方法是从提供系统输入参数这一步开始的,包括选择一个过渡过程时间、一个主导时间常量、第一信号幅值估计、第二信号幅值估计、系统的设备友好性判据以及该测试信号的一个估计频谱。然后基于这些输入参数发生大量BMF信号并且计算这些BMF信号的频谱。基于BMF信号的信号频谱与输入参数之间的匹配,需要选择一组BMF信号,这些BMF信号具有大体上100%的有效功率。从该组BMF信号中选择一个BMF信号,这样所选BMF信号的频谱与测试信号的估计频谱最相近匹配。然后所选BMF信号就用作为测试系统的第一扰动信号并且第一个测试信号幅值被设置为第一信号幅值估计值。所选BMF信号也被一个系统过渡过程时间所移位。然后该延迟BMF信号被用作为系统测试的第二扰动信号并且第二个测试信号幅值被设置为第二信号幅值估计值。
系统的响应是通过使用第一测试信号和第二测试信号来仿真的。判断最终响应结果是基于设备友好性判据的。如果该响应被判断为超过设备友好性判据,那么第一测试信号幅值和第二测试信号幅值中的至少一个发生了变化,基于该仿真响应的判断,应该重复进行该仿真。
本发明还有更进一步的一个实施例就是一种用于设计扰动信号来激励系统的输入通道的方法和装置。其目的是为了测试该系统以获得一个基于模型控制器的综合模型。该示例方法是从提供系统输入参数这一步开始的,包括选择一个第一信号幅值估计值、一个第二信号幅值估计值以及该系统的设备友好性判据。还要提供随机近似无关的第一测试信号和第二测试信号。第一测试信号幅值被设置为第一信号幅值估计值并且第二测试信号幅值被设置为第二信号幅值估计值。
系统的响应是通过使用第一测试信号和第二测试信号来仿真的。判断最终响应结果是基于设备友好性判据的。如果该响应被判断为超过设备友好性判据,那么第一测试信号幅值和第二测试信号幅值中的至少一个发生了变化,基于该仿真响应的判断,应该重复进行该仿真。
附图说明
图1A显示的是一个示例BMF信号。
图1B显示了在一个选定的频率窗函数中穿越一组指定的谐波的图1A中示例BMF信号的频谱。
图2A显示的是图1A中示例BMF信号的自相关函数(ACF)。
图2B、图2C和图2D显示的是图1A中示例BMF信号与其自身延迟副本之间的互相关函数(CCF)。
图3是一个设备快速测试例子方块图概述。
图4是描述一组随机近似无关的BMF扰动信号发生的示例方法的流程图。
图5是描述一组设备友好的BMF扰动信号发生的示例方法的流程图。
图6是描述一组设备友好的BMF扰动信号发生的示例替代方法的流程图。
图7是描述一组随机近似无关、设备友好的扰动信号发生的示例方法的流程图。
图8显示的是根据设备友好性判据判断示例输出测试信号的图表。
图9是描述一组随机近似无关、设备友好的BMF扰动信号发生的示例方法的流程图。
图10描述对一个设备的测试数据进行分析的示例方法的流程图。
图11显示的是一组描述基于模型控制设备的示例矩阵模型图。
发明内容详述
本发明涉及到一个设备快速测试的设计以获得一个系统基于模型控制的系统模型,例如一个空气分离单元(ASU)、氢碳一氧化物(HyCO)设备或者一个天然气液化设备(NGL),该设备具有多输入(可操纵)通道和多输出(可控制)通道。一个示例系统如图3中设备320所示。当然,其它设备如石化设备,或者其它混合系统包括电子和机械系统,根据本发明都需要通过一个模型控制器来操作和测试。
这样一个测试中的一个重要考虑就是用于测试针对其输入电平扰动的系统响应扰动信号的发生。《系统辨识中的扰动信号》一书(作者为K.Godfrey,Prentice Hall国际有限公司出版,1994)提供了基于设备数据的模型开发的与扰动信号设计相关的全面背景,并且该书以引用的方式并入本文中。
较佳地,该扰动信号应当持续激励该系统以帮助减少实现该系统测试所必要的时间。另外一个考虑就是信号幅值应当要求足够大以给由输出所确定的系统响应提供一个足够大的信噪比(S/N)。较佳地,该信号幅值不要那样大以至于超过可接受的范围。此外,在多变量设备测试中,几个输入通道同步扰动之间的相互作用可能会影响输出电平。这就意味着要帮助确保一个设备友好的测试,在该测试中输出电平保持在可接受的范围之内。在实际测试之前可能需要测试该设备简化模型的潜在扰动信号。
而且,对于不同的扰动信号也需要使得相互之间随机近似无关。从而允许对测试数据进行更简单地以及潜在上更精确地分析。此外,要求扰动信号穿越被测试系统的控制相关带宽。还要求扰动信号的功率集中起来并且在系统控制相关频率窗函数范围内实现良好分布。
二位式多频信号
一类可被用作扰动信号的示例信号称为二位式多频(BMF)信号。BMF信号的首次提出是由A.Van den Bos 1967年在布拉格举行的第一届IFAC关于自动控制系统辨识研讨会上的一篇论文《二位式多频测试信号的构建》中所描述的那样。接着Van den Bos与R.G.Krol在杂志International Journal of Control,30(1970)上发表了有关BMF信号设计的论文《带有确定付立叶幅值谱的离散时间间隔二位式信号》,该文允许使用穿越一定数量谐波的确定频谱来发生BMF信号。M.R.Buckner和T.W.Kerlin在杂志Nuclear Science andEngineering,49(1972)上发表的论文《反应堆频率响应测量中的最优化二位式信号》中也讨论了BMF信号的设计。Buckner和Kerlin能通过发生一个仅基于偶次谐波的BMF信号和一个仅基于奇次谐波的BMF信号来发生两个不相关的BMF信号。
图1A是描述一个示例BMF信号幅值与转换时间间隔数比值的图。该图显示了这个周期信号的一个周期。该信号在上级100与下级102之间变化。在图1A的示例图中BMF信号带有一个任意单元的幅值居中显示约为零。这样一个示例BMF信号可被用作一个设备测试中的扰动信号以确定系统对扰动的响应,例如一个基于模型控制的设备测试。在一个设备快速测试例子中,该BMF信号可能居中于一个预先确定的初始输入电平并且该幅值可能要求调整以提供一个最大激励扰动信号,同时保持设备友好地操作。
由一个BMF信号所穿越的带宽很大程度上可通过两个参数来确定,即转换时间和周期。这些参数可从基于先前研究(比如该系统的一个动态仿真,等等)以及设备的观察或者在设备测试之前从设备上采集的经验数据观察或者对相似设备经验的观察中确定。该BMF信号的转换时间Tsw(也就是电平变化之间的最小时间)是基于测试系统的主导开环时间常量τdon的且长度不应当大于πτdom。在闭环操作期间要求更快的系统响应有可能缩短Tsw,Tsw的减少通常可能达到2或3这样的因子,但是如果要求强烈反馈控制并且被判断为可实现的则该因子甚至可以更大。
一个BMF信号周期长度P是基于被测试系统的估计过渡过程时间Tss和转换时间的。对于一个一阶系统来说,τdom=Tss/5=T99%/5,τdom=T97%/4以及τdom=T95%/3(这里Tn%表示捕获n%的系统响应所花费时间)。这些关系可扩展到更高阶系统。为了完全穿越开环系统中设定频率窗函数的谐波。P要求至少等于2πTss。在只要求控制相关频率信息的情况下,有效过渡过程时间Teff,也就是系统在控制相关时间范围内响应一个扰动所花时间,在信号周期方程中替换过渡过程时间,由此造成BMF周期缩短,缩短因子通常为0.8或0.6。而且,转换时间总数N在单个BMF信号周期内必须为一个整数。一般选择N为偶数以确保一个带有零平均值的BMF信号,但是这种选择不是必须的。此外,较佳地选择N为2的幂次以确保在快速付立叶交换(FFT)信号处理中没有谱泄漏,这通常作为测试数据分析的一部分。图1A中的示例BMF信号包括32个单元的Tsw
BMF信号是作为频域信号发生的。因此,相比其它种类的扰动信号如PRBS或者多级伪随机信号来说,使用BMF信号可允许对扰动信号频谱进行更精确的控制。数学软件包如MATLAB,其中包含的一些算法可用来发生BMF信号。对于一个示例BMF信号来说,所要求的频率窗函数和频谱可在发生BMF信号时指定。虽然穿越指定谐波的频谱可以通过规格得到合理有效的控制,但是在指定频率窗函数内它可能不能提供一个合乎需要的BMF信号功率数量。
图1B描述了图1A中示例BMF信号穿越具有16个谐波的频率窗函数的频谱104。作为参考,提供了一个示例设定频谱106以用来发生BMF信号。在一个示例扰动信号选择方法中,可将许多BMF信号频谱与设定信号频谱进行比较。一个特殊BMF信号的选择可能基于该BMF信号对每个谐波的贡献与所要求贡献之间的绝对差分或平方差分的一个加权平均。
图2A显示的是图1A描述的示例BMF信号的周期自相关函数(ACF)。需要注意的是在该示例中,对一个信号周期P,BMF信号的ACF可能需要选择无偏差以及相对近似为0。通常,峰值与最高中间值的比值要求大于5比1以保证在一个有效过渡过程时间内输入通道之间的无关性。
图2B到图2D显示的是图1A中示例BMF信号与其自身延迟副本之间的互相关函数(CCF)图表。这些图表除了有一个延迟外与图2A中的ACF图表看起来很相似。与图2B中的CCF相应的ACF图表在图2A中200点处开始延迟。图2C与图2D中的CCF在相应图表的202点和204点处各自开始延迟。因此,一个示例BMF信号与其自身延迟副本之间的CCF可能被选择为无偏差并且接近于零。一组示例延迟BMF信号可能被发生,其中每一个都被该组中前一个信号延迟一定数量时间。这就意味着通过延迟一个BMF信号发生一组随机近似无关的信号是可能的。
在一个系统响应的示例测试中,要求通过延迟前一个信号至少一个Teff来发生每个连续的BMF扰动信号(也就是,时间足够长使得在任何信号之间的互相关性变大以前系统响应在控制相关时间范围内大体上已经置位了)。如果任何两个信号之间的最小延迟大于Teff,那么该示例组中任何两个BMF信号之间的CCF的初始部分几倍小于Teff可能是无偏差的并且接近于零。也要求BMF信号的一个周期至少和任何扰动信号与该组中任何其它扰动信号的最大延迟加上Teff一样长。
因为该组中这些输入扰动信号的任何一对间的CCF可能要求在至少一个有效过渡过程时间内无偏差及接近于零。用来估计过程动态性的输入输出关系的反卷积得到了高度简化。
在任何两个扰动信号之间所设定的最大延迟与扰动信号周期之间的关系可能要给最小BMF信号周期施加一个附加条件。例如,如果输入通道数m大于6,那么BMF扰动的最小周期可能被要求增加到mTeff
也应当注意到,由于Teff表示的是在控制相关时间范围内系统对输入信号激励可能持续响应的时间,所以要求在第一个测试Teff期间所获得的输出数据应当被丢弃并且不应当用来做测试数据分析,而且还要求该测试应当在一个BMF信号周期P外扩展至少一个有效过渡过程时间。因此,一个使用随机近似无关的BMF信号的多输入系统的示例测试要求最小时间ttest可由方程1给定。
ttest=P+Teff=(2π+1)Teff当m<=6
ttest=P+Teff=(m+1)Teff  当m>6                方程1
由于Teff是基于系统最长过渡过程时间的以及过程响应的长期特征可能不是控制相关的,因此有可能使测试变得更短。更长的测试可被用来增加信噪比,并且特别是在由于过程或传感器噪声使得输出信号的噪声比较大的情况下会提高测试结果。
综述
图3显示的方块图显示的是一个示例设备测试程序中生成一个基于模型控制的设备模型的高水平概述。开始点是要确定一组在设备测试中使用的随机近似无关的扰动信号。虽然图3中的示例方块图描述了利用BMF扰动信号测试程序的实施例,但是也期望其它多变量信号如伪随机二位式信号、多级伪随机信号或者Schroeder-相正弦曲线可被用作替代扰动信号。《系统辨识中的扰动信号》一文对于伪随机二位式信号和多级伪随机信号揭示了可能的设计方法。对于多个Schroeder-相正弦曲线的设计指导方法在美国亚利桑那州立大学的短期课程讲义“系统辨识原理(1999)”中由D.E.Rivera所揭示,并以引用的方式并入本文中。
母BMF信号(Mother BMF signal)304是由BMF信号发生程序302使用估计参数300发生的。如图所示,估计参数300可能是基于设备320的经验观察的。估计参数300也可能是从一个设备(如果存在的话)动态仿真获得的,或者是从基于其它具有类似特征的设备中的经验获得的。要求许多BMF信号由BMF信号发生程序302所发生然后从该组预期BMF扰动信号中选择一个母BMF信号304。母BMF信号304的选择要求是基于估计参数300的并且在下面图4中有更详细的讨论。
所选母BMF信号304被用来发生随机近似无关的延迟BMF信号308。发生这些延迟BMF信号的一个示例方法就是使用带有延迟缓冲器306的多路复用器。该母BMF信号被复制了很多次,然后仅仅只有一个原始信号被装载到延迟缓冲器中。每个延迟缓冲器较佳地延迟该信号一个预先确定的时间,如在第一个缓冲器中延迟一个Teff,在第二个缓冲器中延迟两个Teff等等。该预先确定的延迟时间较佳地为一个整数样本或者转换时间以简化和提高测试分析的精度,但是延迟样本的数量可以是非整数。这自然相当于使用一个延迟时间为整数倍数的更新了的抽样时间。选择一个满足该条件的抽样时间并用它在设备测试期间对输入输出信号抽样对于避免信号混叠很重要。或者其它方法,如运行于一台通用电脑上的软件程序或者一个迭代延迟方法,在该方法中最近发生的扰动信号被拷贝并被延迟一定数量来发生下一个扰动信号,都可用来发生延迟BMF信号308。
在图3中显示了两个延迟BMF信号308,为一个具有三个输入通道的设备提供扰动信号。带有三个输入信号的例子只是为了描述方便一些。输入通道数较佳地由基于模型的控制器范围确定。附加输入通道可能会增加设备测试数据分析程序324的复杂性,并可能增加上述方程1中所描述的最小测试时间。在一个空气分离设备的示例中,输入通道数可能在8到10之间。甚至可能使用更多数量的输入通道,这要取决于基于模型的控制器的范围。
一旦发生了足够的扰动信号,这些信号就被分配到输入通道并且选择输入信号幅值的初始估计值。然后该扰动信号作为设备310的简化模型的输入被测试。设备310的简化模型要求基于如图所示的设备320的先验知识。这些设备先验知识可能包括:设备数据;设备的动态仿真;以及设备操作员/工程师的知识。此外,设备友好性判据也可从这些先验知识中产生。关于设备310的简化模型的建立在如下的图6和图7中有详细描述。
设备310的简化模型发生与设备输出信号322相对应的估计输出信号312。输出通道数较佳地由基于模型的控制器范围确定。在图3的示例概述中,显示了两个设备输出信号322以及两个相应的估计输出信号312。选择两个输出通道只是为了方便说明。例如,对于一个空气分离设备来说输出通道数可能在20到25之间,但是可能需要甚至更多数量的输出通道。附加输出通道可能会增加设备测试数据分析程序324的复杂性和时间。
设备310简化模型的使用很好地实现了两个功能,即帮助确保测试的设备友好性以及测试期间达到最大的系统激励。设备友好性对于一个设备测试来说是一个重要的考虑因素。在一个设备测试中,如果设备输出被设备友好的扰动输入信号激励到超过某个水平,那么就可能违反安全与/或产品规格约束。因此,在设备实际测试之前必须确保被提议的设备测试是设备友好的。这样的设备不友好性可能由以下几个原因造成,即输入扰动信号的幅值太大或者激励两个或更多输入通道的扰动信号之间的相互作用。如估计输出信号312图中虚线所描述的那样,对于设备310简化模型的估计输出信号312,可以建立设备友好性判据。只要估计输出信号312保持在这些判据范围内,那么最终的示例设备测试就可能是设备友好的。
对于输入扰动信号幅值可能要设置为足够小以大体上保证设备友好性,但是这样一个测试可能不会对系统激励很大。测试期间需要更大的系统激励以增加输出通道的信噪比,因而简化测试结果的分析。通过使用设备310的简化模型来评估所提议的设备测试,就可以确定系统的激励。信噪比越高,为获得一个可靠的控制相关的设备模型可能需要平均化的测试周期数就会越少。因此,最大化信噪比可以减少运行开环设备测试所需时间。预期可能需要两个或三个测试周期以帮助减少噪声对依赖于输出信号中噪声强度的测试数据分析的影响。
在仿真模式下,如果任何估计输出信号312超过了设备友好性判据,那么首先确定仿真或最优化程序314。估计输出信号312可能被监控以确定期望系统激励和一组特别输入扰动信号与分配幅值的估计设备友好性。这可能涉及一个具有最新估计输入扰动信号幅值的迭代方法和被反馈到设备310简化模型并被测试的分配任务315。最新估计输出信号312被分析并且该方法重复执行直到有一个合适的激励,然后确定一组设备友好的输入扰动信号。
在最优化模式下,仿真或最优化程序314可为一组分配选项提供的输入信号计算最优输入扰动信号幅值。仿真或最优化程序314的最优模式可能是一种自约束最优化程序,这确定了输入扰动信号幅值和基于设备310简化模型的分配,这可能被嵌入在最优化程序中。因此,该最优化可能是一个单步程序。
一旦确定了输入扰动信号318的设定幅值和分配,表示输入扰动信号318幅值和分配的数据就必须在数据通道315上提供给信号发生器316并且表示信号形状的数据如在二位式电平之间的时间延迟就必须在数据通道307上提供给信号发生器316。图3中的数据传输特征是仅仅通过一个数据通道传输只是为方便描述而已,但是期望数据传输可选择通过一个计算机下载或如磁带、磁盘或IC记录媒体等存储设备的物理传输方式来完成。数据传输可能也涉及手工从印刷信息或电子传输信息中输入在信号发生器中的设置。
假设在设备测试时该设备的操作是接近于正常操作条件的,那么扰动信号318就会提供表示偏离来自这些正常操作条件的输入(操纵)变量值的数据。来自设备320中输出控制通道的输出信号322是通过该设备中传感器来测量的以及通过设备测试数据分析程序324来存储分析的。
表示扰动信号318的数据在数据通道317上被提供给来自信号发生器316的设备测试数据分析程序324。对该系统进行深入分析,输出通道可分成几组强相互作用的输出通道。这些强相互作用的输出通道组包含了展示具有相当高的相互依赖程度系统的输出信号。使用一种多输入多输出(MIMO)子空间辨识方法或一种ARX算法对来自这些通道的数据较佳地进行分析。可以使用更简单的多输入单输出(MISO)参数化模型(状态空间,ARX,ARMAX,输出误差,Box-Jankins等)对与其他输出通道相互作用较小输出通道数据分别进行分析。对这些不同模型的使用在如下图10中有详细描述。
图4中流程图的详细描述
图4显示的流程图描述了一种发生BMF输入扰动信号的示例方法,该信号用于设备快速测试中建立一个该设备的基于模型控制的设备模型。步骤400提供了几个用于发生信号的参数。这些参数是基于被测试系统的先验知识来确定的,或者可从该设备(如果存在)的一个动态仿真或基于其它具有类似特征设备的经验而获得的。由于考虑到系统的复杂性,对于已存设备来说,来自设备操作的经验数据通常是较佳的。在升级一个已经处在运行中并且过去从属于许多控制系统的设备控制系统的情况下,设备操作员的经验和先前控制系统的长期数据可能提供大量经验数据,由这些经验数据可以确定输入扰动信号参数。
步骤400中提供的参数较佳地包括系统的过渡过程时间、扰动信号的控制相关频率窗函数以及穿越所选频率窗函数谐波的扰动信号频谱。在步骤402中,有效过渡过程时间Teff的确定是基于系统不同输出的时间常量和所设计系统的基于模型控制的控制器的强度。Teff是在扰动发生在一个控制相关时间范围内之后系统对一个扰动可能持续很大程度响应的时长。因此,确定Teff的焦点就在于具有最长时间常量的系统输出。对一个开环一阶系统来说,过渡过程时间可定义为系统中最长处理时间常量的5倍。在一个闭环系统中,比如一个由基于模型控制操作的系统,由于来自控制器反馈的影响其过渡过程时间可能比开环过渡过程时间要大大缩短,这较佳地有助于将系统更快地恢复到设定的最优操作状态。图4中的示例方法是被设计用来发生一组随机近似无关的作为设备快速测试一部分的BMF扰动信号。因为该示例设备测试的目的是要建立一个基于模型控制设备的控制相关模型,所以在步骤402中确定的有效过渡过程时间实质上可以从依赖于设定的基于模型控制反馈的强度的开环过渡过程时间中缩短。在很多情况下,Teff可能等于开环过渡过程时间的60%。
在步骤404中还要选择一个控制相关频率窗函数。需要选择该频率窗函数以穿越系统的控制相关频率。在该频率窗函数中捕获的最低频率Vlow等于BMF信号周期的倒数。设BMF信号的最小周期为P,因此最大Vlow与Teff。的关系如方程1所描述。在该频率窗函数中捕获的最高频率Vhigh受由转换时间Tsw所确定的BMF信号尼奎斯特频率限制,其关系如方程2所示。
Vhigh≤VNyquist→∝/τdom≤π/Tsw                  方程2
这里∝是一个表示几倍于开环响应的闭环响应速度的因子。∝通常为2或3,但甚至可能更高一些。反馈控制通常缩短了系统的响应时间,因此比起开环系统在带宽上的高限制来,应当较佳地相应增加Vhigh。Vhigh的这种较佳增加一般是由2或3的因子来实现,但是甚至可能更高些。这要依赖于所设定的和能实现的反馈控制的强度。
在步骤404中控制频率窗函数被选择之后,在步骤406中一个设定的扰动信号频谱穿越了所选择频率窗函数内的谐波。信号功率分布在最多N-1个谐波上。如图1B所示为在N=16时的一个设定的示例扰动信号频谱I06。在每个谐波中所设定的功率可能是基于设备经验知识的,这些知识能提供在一定的频率范围内具有预测响应重要性的见识。设定的频谱可能主要集中于一定范围内的谐波上,如图1B所示的低频扰动信号,或者可能将扰动信号功率几乎完全相等地分布在所有谐波上。
在步骤408中,使用步骤400提供的参数发生了很多试验BMF信号。商业数学软件包如MATLAB可能包括发生BMF信号的算法,该算法可用于步骤408。或者,写一个特定功能的软件程序或设计一个特定功能的电路以发生BMF信号。所发生的试验BMF信号数量可由用户确定,但是一般可在20到50的范围之内。所发生的试验BMF信号数量越多,与步骤406所设定频谱最相匹配的频谱的信号发生的可能性就越大。发生更多数量的试验BMF信号也可能导致与在步骤416中最终选择的信号有更相近的匹配。或者,每次一个地发生试验BMF信号并且对其进行测试直到发现有一个信号具有与步骤406所设定频谱足够相近的频谱。
步骤410计算出了在步骤405中发生的试验BMF信号的频谱。在步骤412中这些谱被用来选择试验BMF信号中的其中某一个作为示例设备测试的母BMF信号。如图4中步骤414和步骤416所示,一个选择母BMF信号的示例方法是基于为一个可接受的低峰值因数而最大化该信号有效功率。也期望可以使用其它选择母BMF信号的方法如为一个可接受的高有效信号功率而最小化该信号峰值因数。降低峰值因数也有助于降低有效功率。因此,在设计BMF信号时,如何在高有效信号功率与低峰值因数之间进行很好地折衷是一个挑战。要求扰动信号的峰值因数尽可能的低以对一个给定的幅值进行最大化的过程激励,但是也要求最大化有效功率百分比以避免在感兴趣的频率窗函数之外浪费信号功率,并提高设备测试时输出信号的信噪比。如果该峰值因数没有考虑有效功率的损失就最小化,那么与具有更高有效功率百分比的一个测试时长相同的一个测试可能会捕获更少的信息,这可能会导致系统模型更不准确。因此,当通过最小化峰值因数来选择一个母BMF信号时,可能要保证至少一个有效功率的最小化百分比(或许是90%)。
在图4母BMF信号选择方法的示例中,该组试验BMF信号被减少到只有那些信号的一小部分,这些信号具有100%的有效功率,此外对于初始随机种子来说还可能被选择具有一个最小峰值因数。通常可能从一组具有100%有效功率的试验BMF信号中选择很多信号,因此图4中的示例方法中使用了100%有效功率判据用于步骤414的选择,但是可能要求选择一小组具有90%有效功率的信号然后再进一步从该小组中选择最小峰值因数。
在小部分试验BMF信号之外也必须满足步骤414的判据,选择一个母BMF信号使其与步骤406中所设定频谱最相近匹配。该母BMF信号的选择可能是基于步骤414中所选择的小部分信号中的试验BMF信号对每个谐波的贡献与来自步骤406所设定频谱的贡献之间的绝对差分或平方差分的一个加权平均。
在步骤418中,所选母BMF信号可能被分配做测试系统第一个输入通道的扰动测试信号。该初始分配可能要改变以提高测试的设备友好性,详细描述可参考图7和图9。
如图4示例方法中步骤420所示,所选母BMF信号也被用来为其他输入通道发生附加的随机近似无关的BMF扰动信号。在步骤422中该示例方法中的第一个附加扰动信号可通过延迟母BMF信号一个有效过渡过程时间Teff来发生。在步骤424中,附加扰动信号然后被分配为测试系统的下一个输入通道的扰动测试信号。正如将母BMF信号分配给第一个输入通道一样,该初始通道分配也可能发生改变以提高测试的设备友好性,详细描述如图7和图9所示。步骤420和422随需要而重复直到对所有输入通道都发生了随机近似无关的BMF扰动信号。在该例子中,每个新的示例扰动信号从前一个已经发生的信号开始延迟一个有效过渡过程时间Teff
如图3描述,一个发生延迟BMF信号的示例方法是要使用一个带有延迟缓冲器的多路复用器。该母BMF信号被复制了很多次,然后仅仅只有一个原始信号被装载到延迟缓冲器中。每个延迟缓冲器较佳地延迟该信号一个预先确定的时间,如在第一个缓冲器中延迟一个Teff,在第二个缓冲器中延迟两个Teff等等。或者其它方法,如运行于一台通用电脑上的软件程序或者一个迭代延迟方法,在该方法中最近发生的扰动信号被拷贝并被延迟一定数量来发生下一个扰动信号,都可用来发生延迟BMF信号。
如图2B到图2D所示,一个BMF信号与其自身的一个从零上升到延迟时间的延迟副本之间的CCF部分是无偏的并且接近于零。因此,例如两个示例信号,母BMF信号与其第一个延迟副本对于在这些信号之间的延迟时间内发生的响应来说随机近似无关。该延迟较佳地比系统有效过渡过程时间Teff更长。也要求BMF信号的周期至少比任何两个信号之间最长的延迟要长一个Teff
比Teff更短的时间延迟也是可能的,但这些更短的信号之间延迟可能只有在如下情况才需要:当有效过渡过程时间基于少量输出的时间常量,且该输出可能对设备的基于模型控制不太重要。相反在这样一种情况下减少Teff可能会是较佳的。比Teff更长的延迟可用于进一步降低扰动信号的任何随机相关性,但是这会增加总的测试时间。最小测试时间如方程1所示,其中假定每个BMF扰动信号被前一个扰动信号延迟Teff。如果信号间延迟Tdelay比Teff更大,那么最小测试时间将是(2n+1)Tdelay和(m+1)Tdelay两者之间值更大的一个。如果在分配了那些信号的输入通道之间可以对更大或更小的相互作用进行预测的话,也可能要求变化时间延迟以在特定扰动信号对之间产生更长或更短的延迟。
在步骤426中,一旦已经发生了该组随机近似无关的BMF扰动信号并且已经被分配到该系统的输入通道,那么就可以对所研究系统进行设备快速测试了。
图5中流程图的详细描述
图5描述了一种发生设备友好的BMF输入扰动信号的示例方法,该信号用于设备快速测试中建立该设备的一个基于模型控制的设备模型。步骤500中提供了几个用来发生信号的参数。如图4中示例方法一样,这些参数是基于被测试系统的先验知识来确定的。在步骤500中的提供参数较佳地包括在步骤502中确定系统的过渡过程时间。在步骤504中为扰动信号选择一个控制相关频率窗函数以及在步骤506中选择一个穿越所选频率窗函数谐波的扰动信号频谱。这三个参数的确定是基于与图4示例方法中步骤400所揭示相类似的程序和考虑因素的。
此外,在步骤508中选择了用于确定一个示例设备测试的设备友好性的判据。该设备友好性判据要求被选择用来在示例设备测试期间为设备操作提供一个安全裕度。而且,该设备友好性判据被选择用来在示例设备测试期间保持合理正常的生产水平。这些判据可能包括单个输出通道电平的上限和下限,该信号电平可能包含系统的温度、压力、流率、电流、电压等,还有输出通道信号电平特别功能的上限和下限,如分裂蒸馏塔中的平均温度、流向图中的压力差等。
在步骤500中这些参数一旦已经提供了,步骤510就发生了一组试验BMF信号,接着在步骤512中计算这些试验BMF信号的频谱。该组试验BMF信号及其频谱可由前述图4中示例方法中任何一种方法来发生。然后将该组试验BMF信号及其频谱与步骤506中选择的穿越步骤504中选定的频率窗函数谐波所设定的扰动信号频谱相比较以在步骤514中选择一个母BMF信号,然后在步骤516中将该信号作为第一个输入通道扰动信号来分配。从该组试验BMF信号中选择的母BMF信号可由前述图4中示例方法来实现。
在步骤518中,通过延迟如图4描述的母BMF信号使得步骤514中选择的母BMF信号也可用于对系统的第二个输入通道发生第二个扰动测试信号。或者,可通过步骤514中使用的方法对来自剩余试验BMF信号组中的其它信号进行选择得到母BMF信号。可以生成最新选择的信号与母BMF信号之间的CCF以确定这两个信号之间的随机相关程度。可从该组试验BMF信号中选择新信号直到发现一对有效过渡过程时间内随机近似无关的BMF信号。
生成一对随机近似无关的BMF信号的另外一个方法在IEEE论文集133(4)(1986)中的一篇论文《使用多变量算法的一个延长器的辨识和控制》由L.W.Bezanson和S.L.Harris所揭示。该算法基于偶次谐波和奇次谐波的正交性,且以引用的方式并入本文中。基于该方法的一个示例方法涉及到发生两个BMF信号,一个仅对偶次谐波有贡献,另一个仅对奇次谐波有贡献。因此,对于一个给定信号周期P和转换时间Tsw,最多只能发生两个统计无关的BMF信号。
应当注意到,虽然图5所示的示例方法包括两个输入通道的使用,但是本发明中输入通道数较佳地确定的理由基于为所测试系统设计的基于模型控制器的范围,而且两个输入通道的示例选择仅仅是为描述方便而已。对于一个所属技术领域的技术人员来说,应当懂得这种用在一个设备快速测试中建立该设备的基于模型控制的设备模型而发生设备友好BMF输入扰动信号的示例方法对于实际中大量输入通道的情况也是适用的。
在步骤519中,第一个和第二个扰动测试信号被分配给了特定的输入通道。步骤520中估计并分配了第一个和第二个扰动测试信号的初始幅值。这些估计幅值可能基于该测试系统的先验知识。要求选择该估计幅值以提供扰动信号,该信号可对系统输出进行连续激励同时也保持对设备的设备友好操作。
在步骤522中,要求在系统的一个简化模型中使用第一个和第二个扰动测试信号及其初始幅值以仿真不同方法在该系统中对这些扰动信号的响应。该简化模型可在一台通用电脑上编程实现。如图6和图7所示为设计一个被测试系统简化模型的示例方法。在步骤522中,期望用于设计化学设备或其它基于模型控制的复杂系统的过程模型也可被用来建立一个简化模型。
从步骤522所得简化系统模型的仿真输出信号在步骤524中被存储并判断,其判断依据是根据步骤508中选择的设备友好性判据的。该输出信号也可能被判断以确保系统过程在示例仿真测试期间被大大激励以提供设备友好性判据范围内所需高信噪比。在步骤526中,一旦分析了该输出信号,就可能要决定是运行该示例设备测试还是要将用于设备快速测试中发生设备友好的BMF输入扰动信号的该示例方法返回到步骤519或520。在步骤519中该扰动信号的分配可能要发生变化,并且或者在步骤520中基于仿真过程响应以及先前使用系统的知识计算新的第一和第二输入扰动信号幅值估计以更好地满足设备友好性判据。然后该测试仿真可再次运行。在简化系统模型中可能也要计算和测试新的输入扰动信号幅值以发生系统输出的更大激励,同时保持设备友好。
对设备简化模型的使用可确保输入扰动信号的设备友好性,并因此提高本发明中示例设备测试的安全性。通过使用这种示例方法,建立一个能提供更大过程激励的设备测试也是可能的,该方法通过确定更多的输入扰动信号最优化幅值而没有过度风险地实现。也期望慢慢地增加示例扰动测试信号的幅值并仔细地监控在示例预测试期间设备输出通道的输出信号这两者可能会产生相似结果。对具有一个简化系统模型的示例预测试进行仿真允许更大的范围,而在一个实际测试中对系统有损的设备不友好结果不会对一个示例简化模型有害。
图6中流程图的详细描述
图6描述了另外一种发生设备友好的BMF输入扰动信号的示例方法,该信号使用一个简化系统模型来建立该系统的一个基于模型控制综合的系统模型。步骤600中提供了几个用来发生该信号的参数。如图4和图5中示例方法一样,这些参数是基于被测试系统的先验知识来确定的。在步骤600中提供参数较佳地包括在步骤602中确定系统的一个有效过渡过程时间。可能还要提供其它参数如扰动信号的一个控制相关频率窗函数、扰动信号的一个频谱以及设备友好性判据。这些参数的确定是基于与图4和图5示例方法中一部分所揭示相类似的程序和考虑的。
此外,在步骤604中可能要选择输入扰动信号的一组初始幅值。该组幅值包括与被测试系统中每个输入通道相关的一个估计幅值。这些估计幅值需要通过所测试系统的先验知识来确定并基于该先验知识分配给输入通道。
在步骤600中这些参数一旦已经提供了,步骤606就发生一组随机近似无关的BMF扰动信号。在数量上与输入通道数相等的该组随机近似无关的BMF扰动信号可由前述图4和图5示例方法中的任何一种来发生。然后在步骤608中每个信号都分配到一个输入通道,接着在步骤610中从该组初始幅值中分配一个相应的初始估计幅值。
在将扰动信号及其估计幅值分配给输入通道之后,在步骤612中,对该测试系统的过程响应建立一个简化模型以测试该组输入扰动信号和幅值的合适度。该设备的简化模型要求是基于步骤600所提供的测试参数以及组成该系统过程的先验知识。
具有较少输出的建模可能会很好地简化模型,但是输出太少的建模有可能造成所建立的简化模型不能提供一个合适的仿真来确保设备友好性。一个示例简化系统模型较佳地将焦点集中在只对确保设备友好性很重要的那些输出上(如:对于一个空气分离设备来说的中点纯度,GOX纯度,侧边中的氧和氮等)。在步骤614中,从系统的所有过程输出中选择输出通道。所选输出通道可能包括这组所有输出通道的大部分或全部。输入通道与所选输出通道之间的输入输出(I/O)关系以及与那些输入和输出通道相关的表示方法很好地组成了简化系统模型。所选输出通道的输出信号稳态值的估计是基于该系统操作的先验知识。在步骤616中,这些值作为初始值被分配给简化系统模型的所选输出通道。输入通道的稳态输入信号电平也可被确定。在步骤618中所选I/O关系的稳态增益可通过一个分级模式稳态仿真、一个动态仿真或经验数据来估计。在多数情况下,对于简化系统模型的设备友好性分析,仅使用稳态增益和相对数量级就足够了。如果被提议的输入扰动信号能够提供充足的系统输出激励同时保持设备友好性操作,那么就需要确定本方法中的简化系统模型。应当注意到,隶属于本示例方法的复杂系统的输出行为通常也可能具有很强的非线性。因此,要求步骤618中所确定的估计稳态增益只能提供该标记的一个概述以及系统输出实际稳态增益的数量级,但是这仍然可以为确定设备友好的扰动信号幅值提供足够有意义的信息。
由这些估计稳态增益可形成一个所测试系统的粗略的但有意义的稳态增益矩阵。对于简化系统模型来说,要求对该系统中的过程动态响应进行估计。很多化学过程或其它复杂过程在局部上(也就是近似于稳态)的表现行为象是一个二阶或更高阶的线性过程。在步骤620中,假定一个设定阶次的线性动态性,该稳态增益矩阵可用来建立一个接近稳态值的系统动态简化模型。方程3描述了一个用于估计基于稳态增益矩阵K的系统动态行为G(t)的示例一阶方法:
    G(t)=K(1-e-(t/τdom ))                    方程3
矩阵G(t)可被用作一个简化系统模型,并确定一个示例设备测试中的输入扰动信号设备友好的幅值。带有时间延迟的更高阶的模型、反向响应或超调量可提供系统动态性更实际的估计。
在建立该设备的简化模型G(t)之后,在步骤622中一个解决该模型最优化问题的示例方法可用于确定满足设备友好性判据的最大扰动信号幅值。该输入扰动信号可在每个转换时间Tsw和一个包含N个转换时间的BMF扰动信号周期内发生变化。因此,可能需要解决该模型G(t)在t=NTsw的最优化问题。
具有m个输入通道的向量幅值λi>0,i=1,2,3,…,m,组成了该最优化问题的一组决定变量。该最优化问题在k=1,2,…,N时的解可由方程4得到:
目标函数: max ( Π i = 1 m λ i k ) λ i k ; i = 1,2,3 . . . , m
输入约束:Δumin≤Δkuk≤Δumax
输出约束: Δ y min k ≤ G ( T sw ) Δ k u k ≡ Δy k ≤ Δ y max k
方程4
这里Δk是一个m×m的对角矩阵,其元素为输入信号幅值λi k,Uk是m个输入移动到第k个延迟的列向量(Uk向量被标准化使得其只包含等于正负1的元素)。Umin和Umax是对应的最小允许输入值和最大允许输入值。ΔUmin(定义为Uss-Umin)和ΔUmax(定义为Umax-Uss)是对应的与稳态输入值Uss有关的最小和最大输入偏差约束。Ymin和Ymin为对应的最小输出约束和最大输出约束,这些约束要求在所有时间内都满足(也就是对于单个输出通道的设备友好性判据)。ΔYmin(定义为Yk ss-Ymin)和ΔYmax(定义为Ymax-Yk ss)是对应的与当前输出值Yk ss有关的最小和最大输出偏差约束。
实际上,Uss和Yl ss是对应仿真开始处的输入通道和输出通道的向量。因为扰动信号的输入偏差较佳地约等于初始输入通道稳态值Uss,所以不需要对该值进行更新。然而在设备测试期间输出通道的值对于输入扰动的响应在整个示例仿真中发生了变化。因此该输出约束ΔYmin和ΔYmax较佳地在测量时不依赖更新值Yk ss
该最优化方法的一个替代实施例基于方程5。因为方程4中的目标函数产生了一个非线性、非凸且被设计为最大化的最优化难题,该最优化方法使用普通的适用商业优化软件不太容易解决。因此,需要将该最优化问题重新组织成方程5的凸最小化问题:
目标函数: min [ - Σ i = 1 m ln ( λ i k ) = Σ i = 1 m ln ( 1 λ i k ) ] λ i k ; i = 1,2,3 . . . , m
输入约束:Δumin≤Λkuk≤Δumax      Λ
输出约束: Δy min k ≤ G ( T sw ) Λ k u k ≡ Δ y k ≤ Δ y max k 方程5
这种凸形式的目标函数由S.Boyd、L.E.Ghaoui、E.Feron和V.Balakrishnan在1994年第15期“应用数学研究”杂志上发表的一篇文章《系统和控制理论中的线性矩阵不等式》所揭示。用线性不等式(LMI)来计算一个问题保证了问题的唯一解。方程5的示例最优化问题不能以LMI方式来处理,除非其线性输入和输出约束是对称的。因此。尽管使用方程5的示例最优化问题要求是凸问题,但是它不能用一个LMI来表示,但使用一个凸解算器或如MATLAB的数学软件包中可用的通用非线性解算器也可确定一套解决方案。或者设计一特定功能的软件解算器或电路用于实现方程4或方程5的最优化方法。
在步骤624中,一旦完成了输入扰动信号幅值的最优化,描述该组随机近似无关的BMF扰动信号的数据以及相应的最优化幅值可被用来发生输入扰动信号和对实际系统进行测试。
图7中流程图的详细描述
图7进一步描述了一种发生设备友好的输入扰动信号的示例方法,该信号使用一个简化系统模型来建立该系统的一个基于模型控制的系统模型。应当注意到,图7的示例方法是根据一个只有两个输入通道的系统来描述的。之所以选择两个输入通道只是为了描述方便而已并且所属技术领域的技术人员应知道使用图7中示例方法对于具有其它数量输入通道数的系统来说也可以发生扰动测试信号。
步骤700和702提供了几个用来发生该信号的参数。如图4、图5和图6中示例方法一样,这些参数是基于被测试系统的先验知识来确定的。这些知识可能涉及设备操作或类似设备操作的经验知识。这些参数可能是由与图4、图5和图6示例方法中一部分所揭示相类似的程序和考虑来确定的。
在步骤700中这些参数一旦已经提供了,步骤706就发生一组两个随机近似无关的扰动信号。这些在数量上与输入通道数相等的随机近似无关的扰动信号可能包括BMF信号、伪随机二位式信号、多级伪随机信号或Schroeder-相正弦曲线。用于发生随机近似无关的信号的示例方法描述如图3和图4所示。在步骤708中每个扰动信号都分配到一个输入通道,并且从步骤702所得的一组初始估计幅值中分配一个相应的初始估计幅值。
在将扰动信号及其估计幅值分配给输入通道之后,在步骤710中,对该测试系统的过程响应建立一个简化模型以测试该组输入扰动信号和幅值的合适度。该设备的简化模型要求基于步骤700所提供的测试参数以及组成该系统过程的先验或理论基础知识。
使用图6所描述的示例方法可以建立这个简化系统模型。在步骤712中,从系统的所有过程输出中选择输出通道,该输出通道的表现行为对于确保设备友好性很重要。例如,所选输出通道的输出信号期望稳态值可从设备操作或仿真研究中来确定。在步骤714中,这些值作为初始值被分配给简化系统模型的所选输出通道。输入通道的稳态输入信号电平也可能被确定。正如图6中所描述的一样,在步骤716中可确定对应每个输入输出通道对之间的I/O关系的稳态增益。在步骤718中,假定至少一阶的线性动态性,那么所选I/O关系的估计稳态增益可用来建立一个具有系统局部动态性的简化模型。
在步骤720中,使用输入扰动信号的估计幅值和初始分配的一个设备测试仿真可能要在步骤710所建立的简化系统模型中运行。该扰动测试信号被添加到步骤714所确定的输入通道中的估计稳态输入信号电平中并且被应用到步骤710所建立的简化系统模型的输入通道上。然后计算并存储该简化系统模型中输出通道的最终输出信号。
在步骤722中,根据步骤704所提供的设备友好性判据对最终输出信号进行判断以确定输入扰动信号是否能提供充足的系统输出激励同时保持设备友好性。图8描述了一个所选输出通道中的两个示例输出信号:设备友好的输出信号800和设备不友好的输出信号802。将这两个输出信号与所选输出通道的设备友好性上限判据804和设备友好性下限判据806相比较。设备友好输出信号800在设备友好性判据804和806之间以相对平滑的方式进行波动。另一方面,设备不友好输出信号802在大部分时间内保持着接近于设备友好性下限判据806。在这两种情况下,该输出响应可被预测为大体上在设定范围内(99.5-99.9%)。设备友好输出信号800被认为是一个设备友好性更佳的响应,这是因为该输出保持在远离设备友好性下限判据806,上述情况是基于一个产品纯度规格的例子的。我们要求在一个示例设备测试时不应当违反该产品纯度规格。
在决定性步骤724中如果该输出信号被判断为超过设备友好性判据,那么步骤726中的示例方法分支就返回去改变扰动信号分配,并且或者在步骤728中改变扰动信号幅值。否则在步骤730中就接受该扰动信号分配及其幅值并在系统中运行该示例测试。
在图7描述的示例方法中,虽然只有两个输入通道,只有一种输入通道扰动信号分配的变化可能,但是在具有不止两个输入通道的示例测试中大量的分配可能性都是存在的。通过了解与输入相对应的所选输出的近似稳态增益,有可能筛选出先前确定的最有可能支持设备友好性的分配可能性。该方法使得针对设备友好性而估计的分配可能性变得更小了。
在步骤720中,一旦确定了新的扰动信号分配以及/或者幅值,该程序就返回执行该简化系统模型的仿真。最终的输出信号再次在步骤722和724中被判断。如果该试验测试仍然超过设备友好性判据,那么在步骤726以及/或者725中各自确定另一组修正扰动信号分配和幅值直到找到一组设备友好的测试信号或者达到了一组迭代信号。可能需要利用来自该简化模型前述仿真的数据来确定修正扰动信号的分配和幅值。
图9中流程图的详细描述
图9进一步描述了一种发生设备友好的BMF输入扰动信号的示例方法,该信号使用一个简化系统模型来建立该系统的一个基于模型控制的系统模型。该示例方法的开头类似于图6和图7的方法。
步骤900、902和904提供了几个用来发生该信号的参数。如图4。图5、图6和图7中示例方法一样,这些参数是基于被测试系统的先验知识来确定的。这些知识可能涉及设备操作或类似设备操作的经验知识。这些参数可能是由与图4、图5、图6和图7示例方法中一部分所揭示相类似的程序和考虑来确定的。
这些参数一旦已经提供了,步骤906就发生BMF输入扰动测试信号。步骤908中用于发生随机近似无关的BMF信号的方法、步骤910中用于给输入通道执行BMF扰动信号的一个初始分配的方法以及步骤912中选择初始输入信号幅值的方法与图6所示步骤606、608和610所使用的方法相类似。
在步骤914中,要求从系统的所有过程输出中选择输出通道,而该输出通道的表现行为对于确保设备友好性很重要。该选择可基于如图6中示例方法所描述的判据。接着,所选输出通道的输出信号期望稳态值可从测试系统的先验知识或原理知识来确定。在步骤916中,这些值作为初始值被分配给简化系统模型的所选输出通道。在步骤918中,所选BMF信号被用作被测系统简化模型的第一组扰动测试信号。
在步骤920中,可使用图6和图7所描述的方法建立该示例简化系统模型。输入通道的稳态输入信号电平也可被确定。在步骤922中,可通过图6中所描述的选项来估计对应每个输入输出通道对之间的I/O关系的稳态增益。在步骤924中,假定至少一阶的线性动态性,那么所选I/O关系的估计稳态增益可用来建立该系统动态性的一个简化模型。
在步骤926中,具有估计幅值和初始分配的输入扰动测试信号效应的一个仿真可能要在步骤920所建立的过程输出的简化系统模型中运行。在步骤928中,该扰动测试信号被添加到输入通道中的估计稳态输入信号电平中,然后在步骤930中被应用到简化系统模型的输入通道。然后计算并存储该简化系统模型输出通道的最终输出信号。
在步骤932中,根据步骤904所提供的设备友好性判据对最终输出信号进行判断以确定输入扰动信号是否能提供充足的系统输出激励同时保持设备友好性。
在决定性步骤934中如果该输出信号被判断为超过设备友好性判据,那么在步骤936中该示例方法的分支就返回去改变扰动信号幅值,并且或者在步骤938中改变扰动信号分配。否则在步骤940中就接受该扰动信号分配及其幅值并在系统中运行该示例测试。
在步骤930中,一旦确定了新的扰动信号分配以及/或者幅值,该程序就返回执行该简化系统模型的仿真。最终的输出信号再次在步骤932和934中被判断。如果该试验测试仍然超过设备友好性判据,那么在步骤936以及/或者938中各自确定另一组修正扰动信号分配和幅值直到找到一组设备友好的测试信号或者达到了一组迭代信号。可能需要利用来自该简化模型前述仿真的数据来确定修正扰动信号分配和幅值。
图10中流程图的详细描述
图10描述了一种示例方法,该方法用于设计一种设备快速测试以建立该设备的一个基于模型控制的设备模型。在步骤1000中有效过渡过程时间Teff的确定是基于系统中不同输出的时间常量和所设计系统的基于模型控制器的强度的。Teff是系统在扰动发生在一个控制相关时间范围内之后对一个扰动可能持续很大程度响应的时长。因此,确定Teff的焦点就在于显示最长时间常量的系统输出。图10中设计的示例方法是用来创建一个示例设备快速测试的,该测试使用了一组随机近似无关的BMF扰动信号。因为该示例设备测试的目的是要建立一个基于模型控制设备的控制相关模型,所以在步骤1000中确定的有效过渡过程时间参数实质上可以从依赖于所要求基于模型控制反馈的强度的开环过渡过程时间中缩短。在很多情况下,Teff可能等于开环过渡过程时间的60%。Teff可能是基于被测试系统的先验知识来确定的。Teff的确定可能是基于系统的经验观察,或者可从该设备(如果存在)的一个动态仿真或基于其它具有类似特征设备的经验而获得的。由于考虑到系统通常具有的复杂性,来自设备操作的经验数据通常是较佳的。在为一个新设备设计一个基于模型的控制系统情况下,该数据可能涉及阶跃响应,该响应来自基于设计参数的该设备的一个动态仿真或类似现存设备信息。在升级一个已经处在运行中的设备控制系统的情况下,设备操作员及工程师的经验和来自先前控制系统的长期数据可能提供大量经验数据,由这些经验数据可以确定输入扰动信号参数。
在步骤1002中,利用步骤1000提供的有效过渡过程时间可发生许多随机近似无关的BMF信号。要求对于每个输入通道都有一个BMF信号。这些随机近似无关的BMF信号可通过图4所描述方法中的任何一种来发生。
在步骤1004中,一旦已经发生了该组随机近似无关的BMF扰动信号,就将该扰动信号分配给系统输入通道。在步骤1006中,将物理上有意义的幅值分配给每个输入扰动信号是为了创建一个设备友好的测试。这些幅值及其分配的确定最好是基于被测系统的先验知识或原理知识。如图5、图6和图7中所描述的任何方法也可用来确定输入扰动信号的分配和幅值。
接着在步骤1008中,利用步骤1002、1004和1006所确定的扰动信号对所研究系统进行一个设备快速测试。该示例设备快速测试可通过图3所描述的方法进行。期望该测试可持续BMF扰动信号的几个周期以通过将该信号几个周期的数据进行平均的方式来增加输出数据的信噪比。这种多于一个扰动信号周期的使用方法必定会延长该测试的时间,但是这个缺点可通过提高由更多数据所获得的模型的精度来弥补,特别是,如果在测试期间有大量操作模式改变的机会时。当有可能要最小化这种影响时,或者要记录重要的操作变化时,那么在建模时就要考虑这种影响。
在步骤1010中,采集和存储来自示例设备快速测试的I/O数据以用于分析。每个输出通道中输出信号的第一部分,即从t=0到t=Teff之间的信号要求从数据中删除并在分析中不予考虑。对于输入通道同样如此。在这段时间内有可能该设备仍然对预测试条件在响应,因此该数据可能不是系统响应对扰动信号的准确反映。
接下来,在步骤1012中对测试数据进行分析以建立测试系统所关心的I/O关系经验模型。可能需要执行一个预处理步骤(无图示)以减少由如校准数据、局外因素(例如,大量未测量到的反常干扰,一个临时传感器或数据通道错误等。)、大量的噪声和所关注的控制相关频率窗函数之外的高频或低频干扰所造成的假象。该预处理可能涉及到数据的可视化检查以确保数据的合理性。可以使用软件工具例如MATLAB来将数据视作一个时域信号或不同频域周期图,比如信号付立叶变换的绝对平方图。该可视化检查对于快速地删除坏数据特别有用。或者,对于涉及少量样本的错误来说,可以不删除数据而对数据进行插值。
一旦删除了或修正了明显的数据缺陷,就可能要对非线性影响进行修正。例如流率、阀转换,其它判据或特制变换的使用都是该技术领域为人所熟知的。此外,也要求修正输入和输出信号的偏差。对已经修正过偏差的数据可限定在一个预先确定的范围内,从0到+1或从-1到+1为较佳。比例转换可是线性或非线性,这依赖于表示数据的变量的物理意义。
重抽样和插值是对那些抽样太快(重抽样)或太慢(插值)的数据进行预处理的其它方法。通常可选择抽样率与所设计的基于模型的控制器操作率相匹配,因此在多数情况下这些预处理步骤可能都不是必须的。
对数据特别是输出信号进行滤波可能也有要求。根据应用,对于模型的重点主要集中在特定的频率带上。在参数估计之前通过滤波器对数据进行滤波可以增强控制相关频率带并提高感兴趣频率窗函数的模型适合度。标准的信号滤波技术如Butterworth、Chebyshev、椭圆法和一维数字滤波器都可使用。根据所设定的效果,滤波可以是带通的、低通的或高通的。应当注意到,如果使用该预处理方法,较佳地使用同一个滤波器对所有的输入和输出信号进行滤波。如果只对输出信号进行滤波,那么控制器应当使用相同的滤波输出和无滤波输入变量。
使用任何设定的数据预处理,在预处理数据的基础上可为基于模型的控制建立一个经验模型。一个系统输出通道的示例线性模型可写成如下方程:
    y(t)=Gu(t)+He(t)                       方程6
这里y(t)是测量到的输出信号,G是表示该系统动态特性的传递函数,u(t)是输入信号向量,H是表示该系统噪声特征的噪声模型,e(t)是一个标准化的噪声源。
图11描述了一个图形矩阵1100,该矩阵可用作由图10中步骤1012的示例方法所建立的系统经验模型的一个示例描述并应用于系统的基于模型的控制中。每个图1100表示的是一个控制(可操作)变量(输入通道信号)1102与一个输出(可控制)变量(输出通道信号)1104之间的相互作用。在一个示例系统中,由于输出通道之间的相互作用可能还有额外的复杂性。这种相互作用的输出通道可能要对其一起进行分析以提高模型对这些相互作用的输出通道响应的特性预测能力。
在步骤1014中,基于该系统的先验知识或原理知识可将输出通道分成一组强相互作用的输出通道和一组弱相互作用的输出通道。这种分组可通过对系统的物理性质分析来实现(例如,在一个空气分离单元中产生氧气、氮气和氩气,侧反应塔蒸气中的氧气成分直接影响到氩气产品中的氧气成分)。具有强相互作用的那组输出通道包含展示输出通道之间相互依赖程度很大的系统输出信号。
在步骤1016中,较佳地使用一个参数化辨识动态模型如多输入/多输出(MIMO)子空间辨识方法和ARX模型对来自步骤1014中确定的强相互作用输出通道的数据进行分析。或者,可使用一种非参数化(例如,一个脉冲响应、一个阶跃响应或一个频率响应)动态模型。对于来自弱相互作用输出通道的数据,可分别使用更简单的多输入/单输出(MISO)参数化模型如ARX、ARMAX、输出误差(OE)、Box-Jenkins(BJ)、仪器变量(IV4)、预测误差方法(PEM)等模型对其进行分析。应当注意到,虽然在步骤1018中可分别对输出通道进行分析或者在步骤1016中以小组的方式进行分析,但是要求在对每个(或组)输出通道进行分析的同时,要考虑所有输入通道。
有关系统辨识的理论及其参数估计技术在很多文献中都有讨论,包括《系统辨识:用户原理》,L.Ljung,Prentice-Hall信息和系统科学丛书(1987);《系统辨识》T.Soderstrom和P.Stoica,Prentice-Hall系统和控制工程国际丛书(1989)以及《无约束最优化和非线性方程的数字化方法》J.E.J.Dennis和R.B.Schnabel,Prentice-Hall(1983)。
最终模型可使用与步骤1008中系统测试所使用的输入扰动信号相同的信号来进行测试,并将仿真输出信号与实际测试输出信号进行比较。用于估计该模型质量的示例测量是预测误差方法。在该示例方法中,用来判断模型质量的数是预测误差拟合PEj
P E j = | | y i - y j , sim | | 2 N d , j = 1,2 , . . . , p                            方程7
这里‖·‖是二阶范数,Na是分析中的数据点数,yj是第j个输出信号,yj,sim是该模型的第j个仿真输出信号。
模型质量的另一个示例测量可生成模型的阶跃响应曲线,并将曲线与系统的先验知识进行比较。比如,增益方向性对于多数系统是熟知的并可用来快速地筛选不同模型。
模型质量的示例测量还有是基于残差分析的。与数据相关联的残差和示例模型要求是具有白化的并且独立于输入信号。分别计算输入信号的噪声项e(t)的ACF以及e(t)和u(t)的CCF以确定残差的白化特性和与输入的随机无关性。
可要求使用多于一个的模型来对输出通道进行分析,例如针对一个实际上没有相互作用的输出通道的MISO状态空间模型和ARX模型。然后可将这两个模型的结果进行比较以确定模型的精度。在一些系统中,根据系统或测试的特征不同,某个模型可能效果更好,比如ARX模型可能对于有色噪声数据的效果就不太好。模型的阶次可以变化以提高模型的精度。在确定一个给定的模型不能提供所需的拟合后,可以提高模型的阶次并试着再次建模。或者,在测试期间,由于缺乏分析中表示未测量效应的一个附加独立变量,有可能会造成困难。非线性也可能导致模型的不精确。如果线性辨识方法不能产生可接受的结论并且确定是由非线性所造成的,那么使用线性变换的数据预处理可以提高模型的精确度。
其它可能性就是数据量有可能不够。数据可能已经损坏了或者未测量到的干扰数据量太大了。比如也有可能是由于测试过程中操作模式发生了变化使得输入信号没有达到充分地随机无关。
可要求快速地实现数据的第一个建模,然后对该粗略模型结果进行迭代直到生成一个所需的精确模型。估计该模型参数的一个示例方法是基于预测误差方法的。在该示例方法中,选择模型参数以使该模型的仿真输出信号与所分析输出通道的测量信号之间的差异最小化。
通过与测试数据比较,一旦已经确定了一个所需精确模型,可能还需要进行一个交叉确认测试。该交叉确认测试涉及到通过使用第二组输入数据的仿真来测试该模型的质量,而这些数据并不用于建模。虽然如上所述本发明中的实施例是在为设计基于模型控制的系统模型而进行的系统测试范围内,但是希望类似概念亦可应用到为其它目的的系统模型设计中去。而且,所属技术领域的技术人员应了解许多其它更改不应该偏离依据本发明中附录权利要求所描述的范围。

Claims (29)

1.一种适合于激励预先确定数量的系统输入变量的扰动信号发生方法,其目的是为了获得一个基于模型控制器综合模型而测试该系统,该方法包括如下步骤:
(a)提供系统的输入参数;
(b)基于该输入参数发生大量二位式多频(BMF)信号;
(c)计算步骤(b)中所发生的BMF信号频谱;
(d)选择步骤(b)中该组BMF信号中的一个,所选BMF信号频谱与由输入参数指定的频谱最匹配;
(e)将步骤(d)所选的BMF信号用作系统测试的第一扰动信号;以及
(f)将步骤(d)所选的BMF信号移位样本的一定数量延迟时间以发生步骤(e)所选的BMF信号的一个延迟副本用作系统测试的第二扰动信号。
2.根据权利要求1中所述方法还包括如下步骤:
(g)增加样本的延迟时间;
(h)重复步骤(f)和(g)以发生所选BMF信号的一组延迟副本,其包括的所选BMF信号的延迟副本数比系统输入变量的预先确定数要少。
3.一种适合于激励预先确定数量的系统输入变量的扰动信号发生方法,其目的是为了获得一个基于模型控制器综合模型而测试该系统,该方法包括如下步骤:
(a)提供系统的输入参数;
(b)选择一个扰动信号频谱;
(c)通过基于步骤(a)和步骤(b)中信息的最优化发生大量二位式多频(BMF)信号;
(d)计算步骤(c)中所发生的BMF信号频谱:
(e)基于步骤(d)所计算的信号频谱与步骤(b)中的扰动信号频谱之间的匹配,选择步骤(c)中的一组BMF信号,所选步骤(c)中该组BMF信号中的每一个BMF信号包含几乎100%的有效功率;
(f)选择步骤(e)中该组BMF信号中的一个,所选BMF信号频谱与步骤(b)中选择的扰动信号频谱最匹配;
(g)将步骤(f)所选的BMF信号用作第一扰动信号;
(h)将步骤(f)所选的BMF信号移位样本的一定数量延迟时间,以使原始信号与其延迟副本在一个系统过渡过程时间内随机近似无关;以及
(i)将步骤(h)所选的BMF信号用作第二扰动信号。
4.根据权利要求3中所述方法还包括如下步骤:
(j)增加样本的延迟时间;
(k)重复步骤(h),(i)和(j)以发生所选BMF信号的一组延迟副本,其包括的所选BMF信号的延迟副本数比系统输入变量的预先确定数要少。
5.根据权利要求3中所述方法,其中:
步骤(b)包括如下步骤:
(b1)选择一个控制相关频率窗函数,以及
(b2)选择一个扰动信号在控制相关频率窗函数中的功率分布。
6.根据权利要求3中所述方法,其中在步骤(e)选择的一组BMF信号中每个信号的峰值因数比预先确定的峰值因数要小。
7.一种适合于激励预先确定数量的系统输入变量的设备友好的扰动信号发生方法,其目的是为了获得一个基于模型控制器综合模型而测试该系统,该方法包括如下步骤:
(a)确定系统的过渡过程时间;
(b)发生大量随机近似无关的二位式多频(BMF)信号以匹配系统预先确定数量的输入通道;
(c)将步骤(b)的每个BMF信号初步地分配给一个系统输入通道;
(d)选择对应系统大量输出的设备友好性判据;
(e)确定步骤(d)中对应系统大量输出的期望初始值;
(f)确定与输入通道有关的步骤(d)中对应系统大量输出的近似稳态增益;
(g)选择步骤(b)中BMF信号的一组幅值;
(h)确定对步骤(d)中输出的系统响应的一个简化系统模型,该简化系统模型基于;
步骤(a)中的系统过渡过程时间;
步骤(f)中的稳态增益;以及
至少一个预先确定的阶次的线性动态性;
(i)使用步骤(h)的简化系统模型以及步骤(e)中对应系统大量输出的期望初始值,通过系统输出中的BMF信号来仿真输入通道激励的效应:
(j)基于步骤(d)中的设备友好性判据来判断步骤(i)的仿真响应;
(k)如果步骤(i)的系统响应在步骤(j)中被判断为超过设备友好性判据;
基于步骤(j)的判断,改变输入通道的BMF信号分配;以及
重复步骤(i),(j)和(k)。
8.一种适合于激励预先确定数量的系统输入通道的设备友好的扰动信号发生方法,其目的是为了获得一个基于模型控制器综合模型而测试该系统,该方法包括如下步骤:
(a)确定一个系统过渡过程时间;
(b)发生大量随机近似无关的二位式多频(BMF)信号以匹配系统预先确定数量的输入通道;
(c)将步骤(b)中的每个BMF信号分配给一个系统输入通道;
(d)选择对应系统大量输出的设备友好性判据;
(e)确定步骤(d)中对应系统大量输出的期望初始值;
(f)确定与输入通道有关的步骤(d)中对应系统大量输出的近似稳态增益;
(g)选择步骤(b)中BMF信号的一组幅值;
(h)确定对步骤(d)中输出的系统响应的一个简化系统模型,该简化系统模型基于;
步骤(a)中的系统过渡过程时间;
步骤(f)中的稳态增益;以及
至少一个预先确定的阶次的线性动态性;
(i)使用步骤(h)的简化系统模型以及步骤(e)中对应系统大量输出的期望初始值,通过系统输出中的BMF信号来仿真输入通道激励的效应;
(j)基于步骤(d)中的设备友好性判据来判断步骤(i)的仿真响应;
(k)如果步骤(i)的系统响应在步骤(j)中被判断为超过设备友好性判据;
基于步骤(j)的判断,改变至少一个BMF信号的幅值;以及
重复步骤(i),(j)和(k)。
9.根据权利要求8中所述方法,其中步骤(k)还包括对步骤(c)中的系统输入通道的BMF信号中至少两个BMF信号的分配进行改变。
10.一种适合于激励最早预先确定数量的系统输入通道的设备友好的扰动信号发生方法,其目的是为了获得一个基于模型控制器综合模型而测试该系统,该方法包括如下步骤:
(a)确定一个系统过渡过程时间;
(b)发生大量随机近似无关的二位式多频(BMF)信号以匹配系统最早预先确定数量的输入通道;
(c)将步骤(b)中的每个BMF信号作为候选分配给一个系统输入通道;
(d)选择对应系统大量输出的设备友好性判据;
(e)确定步骤(d)中对应系统大量输出的期望初始值;
(f)确定与输入通道有关的步骤(d)中对应系统大量输出的近似稳态增益;
(g)选择步骤(b)中BMF信号的一组初始幅值;
(h)确定对步骤(d)中输出的系统响应的一个简化系统模型,该简化系统模型基于;
步骤(a)中的系统过渡过程时间;
步骤(f)中的稳态增益;以及
至少一个预先确定的阶次的线性动态性;
(i)使用步骤(c)中输入通道扰动信号的候选分配,步骤(g)中的那组初始幅值,步骤(h)中的简化系统模型,步骤(e)中的期望初始输出值以及步骤(d)中的设备友好性判据来解决一系列最优化问题以确定BMF信号的一组幅值计算值。
11.根据权利要求10中所述方法,其中步骤(i)中一系列最优化问题的解决基于在步骤(d)中的设备友好性判据范围内将输出响应激励最大化。
12.根据权利要求10中所述方法,还包括如下步骤:
(j)改变输入通道上扰动信号的候选分配;
(k)重复步骤(i)和(j)以发生第二组预先确定数量的、幅值已计算的BMF信号,每个已计算的幅值对应于输入通道上扰动信号的一个候选分配;
(l)选择输入通道上扰动信号的一个最终分配以及相应的基于步骤(d)的设备友好性判据和步骤(i)的结果所计算的BMF信号幅值计算值。
13.一种包含预先确定数量的输入通道和大量输出通道的系统测试方法,其目的是为了获得一个基于模型控制器综合的大量经验模型,该模型包括如下步骤:
(a)发生大量随机近似无关的二位式多频(BMF)信号以匹配系统预先确定数量的输入通道;
(b)将步骤(a)发生的大量BMF信号分配给;
输入通道;以及
幅值;
(c)利用步骤(b)中BMF信号的分配来执行该系统的一个测试;
(d)在测试期间采集大量输出通道发生的大量输出信号;
(e)判断步骤(d)中采集的大量输出信号之间的相互作用;
(f)建立第一组表示在步骤(e)中被判断为实际上具有相互作用的输出信号经验模型,第一组经验模型的建立使用了多输入多输出(MIMO)参数化建模工具并基于步骤(b)中的BMF信号分配和步骤(d)中采集的输出信号;以及
(g)建立第二组表示在步骤(e)中被判断为实际上没有相互作用的输出信号经验模型,第二组经验模型的建立使用了多输入单输出(MISO)参数化建模工具并基于步骤(b)中的BMF信号分配和步骤(d)中采集的输出信号。
14.根据权利要求13中所述方法,其中:
MIMO参数化建模工具至少包括如下之一;
一个状态空间模型;以及
一个ARX模型;以及
MISO参数化建模工具至少包括如下之一;
一个状态空间模型;
一个ARX模型;
一个ARMAX模型;
一个输出误差模型;以及
一个Box-Jenkins模型。
15.根据权利要求13中所述方法,其中选择了BMF信号对输入通道的分配和步骤(b)中的BMF信号幅值分配以建立一个设备友好的测试。
16.一种适合于激励系统大量输入通道的设备友好的扰动信号发生方法,其目的是为了获得一个基于模型控制器综合模型而测试该系统,该方法包括如下步骤:
(a)提供一个过渡过程时间,一个主导时间常量,第一信号的估计幅值,第二信号的估计幅值以及系统的设备友好性判据;
(b)为测试信号提供扰动信号估计频谱;
(c)基于步骤(a)中提供的参数发生大量二位式多频(BMF)信号;
(d)计算步骤(c)中发生的BMF信号的频谱;
(e)基于步骤(d)中计算的频谱选择一组步骤(c)中的BMF信号,所选BMF信号组中的每一个BMF信号包括几乎100%的有效功率;
(f)选择步骤(e)中BMF信号组中的一个,所选BMF信号的频谱与步骤(b)中的扰动信号估计频谱大体上相匹配;
(g)将步骤(f)中选择的BMF信号用作第一测试信号;
(h)将第一测试信号幅值设置为第一信号幅值估计值;
(i)将步骤(f)中选择的BMF信号移位一个系统过渡过程时间以用作具有第二信号幅值估计值的第二测试信号;
(j)将第二测试信号幅值设置为第二信号幅值估计值;
(k)利用第一测试信号和第二测试信号对系统响应进行仿真;
(l)基于设备友好性判据判断步骤(k)中的响应;
(m)在步骤(1)中,如果步骤(k)中的响应被判断超过了设备友好性判据;
基于步骤(1)的判断改变第一测试信号幅值和第二测试信号幅值中的至少一个;以及
重复步骤(k)、(l)和(m)。
17.根据权利要求16中所述方法,其中步骤(m)还包括将第一测试信号和第二测试信号进行调换。
18.一种适合于激励系统大量输入通道的设备友好的挑动信号发生方法,其目的是为了获得一个基于模型控制器综合模型而测试该系统,该方法包括如下步骤:
(a)提供第一信号的估计幅值,第二信号的估计幅值以及系统的设备友好性判据;
(b)提供第一测试信号和第二测试信号,且第二测试信号与第一测试信号随机近似无关;
(c)将第一测试信号幅值设置为第一信号幅值估计值;
(d)将第二测试信号幅值设置为第二信号幅值估计值;
(e)使用第一测试信号和第二测试信号对系统响应进行仿真;
(f)基于设备友好性判据判断步骤(e)中的响应;
(g)在步骤(f)中,如果步骤(e)中的响应被判断超过了设备友好性判据;
基于步骤(f)的判断改变第一测试信号幅值和第二测试信号幅值中的至少一个;以及
重复步骤(e)、(f)和(g)。
19.根据权利要求18中所述方法,其中步骤(g)还包括将第一测试信号和第二测试信号进行调换。
20.一种适合于激励预先确定数量的系统输入通道的设备友好的扰动信号发生方法,其目的是为了获得一个基于模型控制器综合模型而测试该系统,该方法包括如下步骤:
(a)确定一个系统过渡过程时间;
(b)发生大量随机近似无关的二位式多频(BMF)信号以匹配系统预先确定数量的输入通道;
(c)将步骤(b)中的每个BMF信号分配给一个系统输入通道;
(d)选择对应系统大量输出的设备友好性判据;
(e)确定步骤(d)中对应系统大量输出的期望初始值;
(f)确定与输入通道有关的步骤(d)中对应系统大量输出的近似稳态增益;
(g)选择步骤(b)中BMF信号的一组幅值;
(h)确定对步骤(d)中输出的系统响应的一个简化系统模型,该简化系统模型基于;
步骤(a)中的系统过渡过程时间;
步骤(f)中的稳态增益;以及
至少一个预先确定的阶次的线性动态性;
(i)使用步骤(h)的简化系统模型以及步骤(e)中对应系统大量输出的期望初始值,通过系统输出中的BMF信号来仿真输入通道激励的效应;
(j)基于步骤(d)中的设备友好性判据来判断步骤(i)的仿真响应;
(k)如果步骤(i)的系统响应在步骤(j)中被判断为超过设备友好性判据;
基于步骤(j)的判断,改变步骤(C)中系统输入通道中至少两个BMF信号的BMF信号分配;以及
重复步骤(i),(j)和(k)。
21.一种适合于激励系统大量输入通道的设备友好的扰动信号发生方法,其目的是为了获得一个基于模型控制器综合模型而测试该系统,该方法包括如下步骤:
(a)提供一个过渡过程时间,一个主导时间常量,第一信号的估计幅值,第二信号的估计幅值以及系统的设备友好性判据;
(b)为测试信号提供扰动信号估计频谱;
(c)基于步骤(a)中提供的参数发生大量二位式多频(BMF)信号;
(d)计算步骤(c)中发生的BMF信号的频谱;
(e)基于步骤(d)中计算的频谱选择一组步骤(c)中的BMF信号,所选BMF信号组中的每一个BMF信号包括几乎100%的有效功率;
(f)选择步骤(e)中BMF信号组中的一个,所选BMF信号的频谱与步骤(b)中的扰动信号估计频谱大体上相匹配;
(g)将步骤(f)中选择的BMF信号用作第一测试信号;
(h)将第一测试信号幅值设置为第一信号幅值估计值;
(i)将步骤(f)中选择的BMF信号移位一个系统过渡过程时间以用作具有第二信号幅值估计值的第二测试信号;
(j)将第二测试信号幅值设置为第二信号幅值估计值;
(k)利用第一测试信号和第二测试信号对系统响应进行仿真;
(l)基于设备友好性判据判断步骤(k)中的响应;
(m)在步骤(l)中,如果步骤(k)中的响应被判断超过了设备友好性判据;
基于步骤(l)的判断将第一测试信号和第二测试信号中进行调换;以及
重复步骤(k)、(l)和(m)。
22.一种适合于激励系统大量输入通道的设备友好的扰动信号发生方法,其目的是为了获得一个基于模型控制器综合模型而测试该系统,该方法包括如下步骤:
(a)提供第一信号的估计幅值,第二信号的估计幅值以及系统的设备友好性判据;
(b)提供第一测试信号和第二测试信号,且第二测试信号与第一测试信号随机近似无关;
(c)将第一测试信号幅值设置为第一信号幅值估计值;
(d)将第二测试信号幅值设置为第二信号幅值估计值;
(e)利用第一测试信号和第二测试信号对系统响应进行仿真;
(f)基于设备友好性判据判断步骤(e)中的响应;
(g)在步骤(f)中,如果步骤(e)中的响应被判断超过了设备友好性判据;
基于步骤(f)的判断将第一测试信号与第二测试信号进行调换;以及
重复步骤(e)、(f)和(g)。
23.一种适合于激励预先确定数量系统输入通道的扰动信号发生装置,其目的是为了获得一个基于模型控制器综合模型而测试该系统,其包括:
提供系统输入参数的构件;
基于该输入参数发生大量二位式多频(BMF)信号的构件;
计算所发生的BMF信号频谱的构件;
将所发生的BMF信号频谱与由输入参数确定的设定频谱进行比较的构件;
选择该组BMF信号中的一个使得所选BMF信号频谱与设定频谱最匹配的构件;
将所选BMF信号移位一定数量样本的延迟时间以发生所选择BMF信号的一个延迟副本用作系统测试的第二个扰动信号的构件。
24.一种适合于激励预先确定数量系统输入通道的设备友好的扰动信号发生装置,其目的是为了获得一个基于模型控制器综合模型而测试该系统,其包括:
确定系统过渡过程时间的构件;
发生大量随机近似无关的二位式多频(BMF)信号以匹配系统预先确定数量的输入通道的构件;
实现每个BMF信号对一个系统输入通道的候选分配的构件;
选择对应系统大量输出的设备友好性判据的构件;
确定对应系统大量输出的期望初始值的构件;
确定与输入通道有关的对应系统大量输出的近似稳态增益的构件;
选择BMF信号的一组初始幅值的构件;
确定系统输出响应的一个简化系统模型的构件,该简化系统模型基于;
系统过渡过程时间;
稳态增益;以及
至少一个预先确定的阶次的线性动态性;
使用简化系统模型以及对应系统大量输出的期望初始值,通过系统输出中的BMF信号来仿真输入通道激励的效应的构件;
基于设备友好性判据和对应系统大量输出的期望初始值来判断仿真响应的构件;
改变如下至少一个的最优化构件;
基于所判断的仿真响应而对输入通道BMF信号的分配;以及
基于所判断的仿真响应的至少一个BMF信号的幅值。
25.根据权利要求24所述装置,其中最优化构件包括使用输入通道扰动信号的候选分配、BMF信号的一组初始幅值、简化系统模型、期望初始输出值以及设备友好性判据来解决一系列最优化问题以确定BMF信号的一组幅值计算值的构件。
26.根据权利要求25所述装置,其中解决该系列最优化问题的构件在设备友好性判据范围内使得输出响应激励最大化。
27.一种用于测试包含预先确定数量输入通道和大量输出通道的系统的装置,其目的是为了获得一个基于模型控制器综合的大量经验模型,其包括:
发生大量随机近似无关的二位式多频(BMF)信号以匹配系统预先确定数量的输入通道的构件;
分配大量BMF信号;
输入通道;以及
幅值的构件;
执行使用BMF信号分配的系统测试的构件;
在测试期间采集大量发生在大量输出通道上的输出信号的构件;
判断采集到的大量输出信号之间相互作用的构件;
建立第一组表示被判断为实际上具有相互作用的输出信号经验模型,第一组经验模型的建立使用了多输入多输出(MIMO)参数化建模工具并基于BMF信号分配和采集到的输出信号的构件;以及
建立第二组表示被判断为实际上没有相互作用的输出信号经验模型,第二组经验模型的建立使用了多输入单输出(MISO)参数化建模工具并基于BMF信号分配和采集到的输出信号的构件。
28.根据权利要求27所述装置,其中:
MIMO参数化建模工具至少包括如下之一;
一个状态空间模型;以及
一个ARX模型;以及
MISO参数化建模工具至少包括如下之一;
一个状态空间模型;
一个ARX模型;
一个ARMAX模型;
一个输出误差模型;以及
一个Box-Jenkins模型。
29.根据权利要求27所述装置,其中选择了BMF信号对输入通道的分配以及BMF信号的幅值分配以实现一个设备友好的测试。
CNB031551319A 2002-08-22 2003-08-22 基于模型控制的设备快速测试 Expired - Fee Related CN100335982C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/225675 2002-08-22
US10/225,675 US7194317B2 (en) 2002-08-22 2002-08-22 Fast plant test for model-based control

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CNB2007100077431A Division CN100487617C (zh) 2002-08-22 2003-08-22 基于模型控制的设备快速测试

Publications (2)

Publication Number Publication Date
CN1495584A true CN1495584A (zh) 2004-05-12
CN100335982C CN100335982C (zh) 2007-09-05

Family

ID=31187997

Family Applications (2)

Application Number Title Priority Date Filing Date
CNB2007100077431A Expired - Fee Related CN100487617C (zh) 2002-08-22 2003-08-22 基于模型控制的设备快速测试
CNB031551319A Expired - Fee Related CN100335982C (zh) 2002-08-22 2003-08-22 基于模型控制的设备快速测试

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CNB2007100077431A Expired - Fee Related CN100487617C (zh) 2002-08-22 2003-08-22 基于模型控制的设备快速测试

Country Status (7)

Country Link
US (1) US7194317B2 (zh)
EP (3) EP1391990B1 (zh)
JP (1) JP3930465B2 (zh)
CN (2) CN100487617C (zh)
AT (1) ATE374449T1 (zh)
DE (1) DE60316517T2 (zh)
ES (1) ES2292907T3 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102460076A (zh) * 2009-06-10 2012-05-16 起元技术有限责任公司 生成测试数据
CN103140767A (zh) * 2010-09-15 2013-06-05 泰拉丁公司 高产率半导体器件测试
CN105683852A (zh) * 2013-09-06 2016-06-15 通用电气智能平台有限公司 用于模型自适应的设备和方法
CN108132599A (zh) * 2017-11-28 2018-06-08 东南大学 一种基于迭代反馈整定的ude控制系统设计方法
US10102398B2 (en) 2009-06-01 2018-10-16 Ab Initio Technology Llc Generating obfuscated data
US10185641B2 (en) 2013-12-18 2019-01-22 Ab Initio Technology Llc Data generation
CN113640026A (zh) * 2021-08-12 2021-11-12 三一汽车制造有限公司 一种工业设备测试方法和装置、测试系统
CN114114923A (zh) * 2021-11-26 2022-03-01 广东美的暖通设备有限公司 控制参数的确定方法、确定装置、压缩机系统和存储介质

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1343061A1 (de) * 2002-03-08 2003-09-10 Siemens Aktiengesellschaft Verfahren zur Simulation eines technischen Systems und Simulator
DE10237335A1 (de) * 2002-08-14 2004-01-08 Siemens Ag Verfahren und Anordnung zum Entwurf eines technischen Systems
WO2005077038A2 (en) * 2004-02-06 2005-08-25 Wisconsin Alumni Research Foundation Siso model predictive controller
US7499763B2 (en) * 2005-07-20 2009-03-03 Fuel And Furnace Consulting, Inc. Perturbation test method for measuring output responses to controlled process inputs
EP2085838B1 (en) * 2008-02-01 2014-01-08 Rockwell Automation Limited Input channel diagnostics
US8209045B2 (en) * 2008-04-07 2012-06-26 Honeywell International Inc. System and method for discrete supply chain control and optimization using model predictive control
RU2453904C2 (ru) * 2010-06-25 2012-06-20 Учреждение Российской академии наук Институт проблем управления им. В.А. Трапезникова РАН Способ контроля значения а-анизотропийной нормы линейной системы без памяти
JP5834759B2 (ja) 2011-02-28 2015-12-24 富士通株式会社 行列生成プログラム、方法及び装置、並びにプラント制御プログラム、方法及び装置
CN102354268A (zh) * 2011-05-09 2012-02-15 青岛海信移动通信技术股份有限公司 一种触控式设置时间的方法及装置
EE05668B1 (et) 2011-08-30 2013-08-15 Tallinna Tehnika�likool Meetod ja seade ssteemide ja substantside laiaribaliseks analsimiseks
EP2825920B1 (en) * 2012-05-11 2021-01-20 Aspen Technology Inc. Apparatus and method for automated data selection in model identification and adaptation in multivariable process control
US9798318B2 (en) * 2014-04-14 2017-10-24 General Electric Company Online frequency response characterization system and method
US9766601B2 (en) * 2014-09-09 2017-09-19 Mitsubishi Electric Research Laboratories, Inc. System and method for explicit model predictive control
US10360321B2 (en) * 2015-03-02 2019-07-23 Fujitsu Limited Model generation method and information processing apparatus
JP2018120327A (ja) * 2017-01-24 2018-08-02 オムロン株式会社 制御装置、制御プログラムおよび制御システム
US10712734B2 (en) * 2017-03-31 2020-07-14 Cae Inc. Continuous monitoring of a model in an interactive computer simulation station
US10541845B2 (en) 2017-09-25 2020-01-21 Kenneth Stuart Pseudo random multi-carrier method and system
CN109284286B (zh) * 2018-09-12 2021-04-06 贵州省赤水市气象局 一种从原始数据集中提取有效特征的方法
EP3623879A1 (en) * 2018-09-14 2020-03-18 Siemens Aktiengesellschaft System, apparatus and method for optimizing operation of an industrial plant
CN109992887B (zh) * 2019-04-01 2020-10-27 北京化工大学 一种二元蒸馏塔的抗扰控制方法及系统
WO2020227383A1 (en) 2019-05-09 2020-11-12 Aspen Technology, Inc. Combining machine learning with domain knowledge and first principles for modeling in the process industries
US11782401B2 (en) 2019-08-02 2023-10-10 Aspentech Corporation Apparatus and methods to build deep learning controller using non-invasive closed loop exploration
WO2021076760A1 (en) * 2019-10-18 2021-04-22 Aspen Technology, Inc. System and methods for automated model development from plant historical data for advanced process control
JP2023505617A (ja) * 2020-02-28 2023-02-09 スリーエム イノベイティブ プロパティズ カンパニー 高度モデル予測制御のための深層因果学習
CN111461409A (zh) * 2020-03-10 2020-07-28 国网山西省电力公司经济技术研究院 一种中长期负荷数据的异常值处理方法
US20230008651A1 (en) * 2021-07-07 2023-01-12 Rohde & Schwarz Gmbh & Co. Kg Jitter determination method and measurement instrument
JP7047966B1 (ja) 2021-10-01 2022-04-05 富士電機株式会社 プラント応答推定装置、プラント応答推定方法、及びプログラム
WO2024104590A1 (en) * 2022-11-17 2024-05-23 Abb Schweiz Ag Method of collecting data for process identification of a multivariable process

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE131118C (zh)
US4686655A (en) * 1970-12-28 1987-08-11 Hyatt Gilbert P Filtering system for processing signature signals
US3843789A (en) 1973-02-26 1974-10-22 Air Prod & Chem Removal of sulfur oxides from stack gas
DD131118A3 (de) * 1975-12-18 1978-06-07 Georg Kinnemann Schaltungsanordnung zum erzeugen von binaeren pseudozufallsfolgen bei gleichzeitiger bereitstellung des paritaetsbits
DD240791A1 (de) * 1985-09-03 1986-11-12 Ilmenau Tech Hochschule Verfahren zur erzeugung breitbandiger normalverteilter pseudostochastischer rauschsignale
US5162723A (en) * 1991-02-11 1992-11-10 Hewlett-Packard Company Sampling signal analyzer
US5315538A (en) * 1992-03-23 1994-05-24 Hughes Aircraft Company Signal processing incorporating signal, tracking, estimation, and removal processes using a maximum a posteriori algorithm, and sequential signal detection
GB9319788D0 (en) * 1993-09-24 1993-11-10 Instron Ltd Structure testing machine
US5471880A (en) * 1994-04-28 1995-12-05 Electric Power Research Institute Method and apparatus for isolating and identifying periodic Doppler signals in a turbine
US6230062B1 (en) * 1999-01-08 2001-05-08 Voyan Technology Adaptation to unmeasured variables
CN1120366C (zh) * 1999-03-22 2003-09-03 西安交通大学 基于非线性频谱分析的故障检测与诊断方法
WO2002005042A2 (en) * 2000-07-12 2002-01-17 Aspen Technology, Inc. Automated closed loop step testing of process units

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10102398B2 (en) 2009-06-01 2018-10-16 Ab Initio Technology Llc Generating obfuscated data
CN102460076B (zh) * 2009-06-10 2015-06-03 起元技术有限责任公司 生成测试数据
CN102460076A (zh) * 2009-06-10 2012-05-16 起元技术有限责任公司 生成测试数据
US9411712B2 (en) 2009-06-10 2016-08-09 Ab Initio Technology Llc Generating test data
CN103140767A (zh) * 2010-09-15 2013-06-05 泰拉丁公司 高产率半导体器件测试
CN103140767B (zh) * 2010-09-15 2015-05-13 泰拉丁公司 高产率半导体器件测试
CN105683852A (zh) * 2013-09-06 2016-06-15 通用电气智能平台有限公司 用于模型自适应的设备和方法
CN105683852B (zh) * 2013-09-06 2018-04-10 通用电气智能平台有限公司 用于模型自适应的设备和方法
US10295965B2 (en) 2013-09-06 2019-05-21 GE Intelligent Platforms, Inc Apparatus and method for model adaptation
US10185641B2 (en) 2013-12-18 2019-01-22 Ab Initio Technology Llc Data generation
US10437701B2 (en) 2013-12-18 2019-10-08 Ab Initio Technology Llc Data generation
CN108132599A (zh) * 2017-11-28 2018-06-08 东南大学 一种基于迭代反馈整定的ude控制系统设计方法
CN108132599B (zh) * 2017-11-28 2021-06-01 东南大学 一种基于迭代反馈整定的ude控制系统设计方法
CN113640026A (zh) * 2021-08-12 2021-11-12 三一汽车制造有限公司 一种工业设备测试方法和装置、测试系统
CN113640026B (zh) * 2021-08-12 2023-12-08 三一汽车制造有限公司 一种工业设备测试方法和装置、测试系统
CN114114923A (zh) * 2021-11-26 2022-03-01 广东美的暖通设备有限公司 控制参数的确定方法、确定装置、压缩机系统和存储介质
CN114114923B (zh) * 2021-11-26 2024-03-26 广东美的暖通设备有限公司 控制参数的确定方法、确定装置、压缩机系统和存储介质

Also Published As

Publication number Publication date
EP1832949A3 (en) 2009-07-08
CN100487617C (zh) 2009-05-13
ES2292907T3 (es) 2008-03-16
DE60316517T2 (de) 2008-07-03
EP1391990B1 (en) 2007-09-26
JP3930465B2 (ja) 2007-06-13
EP1788466A2 (en) 2007-05-23
ATE374449T1 (de) 2007-10-15
US7194317B2 (en) 2007-03-20
EP1391990A2 (en) 2004-02-25
CN101004608A (zh) 2007-07-25
EP1788466A3 (en) 2008-05-28
JP2004086903A (ja) 2004-03-18
DE60316517D1 (de) 2007-11-08
US20040064202A1 (en) 2004-04-01
CN100335982C (zh) 2007-09-05
EP1391990A3 (en) 2004-04-14
EP1832949A2 (en) 2007-09-12

Similar Documents

Publication Publication Date Title
CN100335982C (zh) 基于模型控制的设备快速测试
Zhu Multivariable system identification for process control
Regmi et al. The future of WRRF modelling–outlook and challenges
Xia et al. Online analytics framework of sensor-driven prognosis and opportunistic maintenance for mass customization
Kirdar et al. Application of multivariate data analysis for identification and successful resolution of a root cause for a bioprocessing application
Zhu et al. Toward a low cost and high performance MPC: The role of system identification
CN1490690A (zh) 在过程控制系统中的集成模型预测控制和最佳化
CN1490691A (zh) 集成模型预测控制和优化器功能块的配置和观察显示器
JP4908433B2 (ja) 制御パラメータ調整方法および制御パラメータ調整プログラム
Te Braake et al. Semi-mechanistic modeling of chemical processes with neural networks
JP2004272916A (ja) 先験的知識を組み込む制約付きシステム同定
Zhu System identification for process control: recent experience and outlook
CN111353584B (zh) 一种基于时间序列分析的深度学习训练任务行为预测方法
Stein et al. A guided analytics tool for feature selection in steel manufacturing with an application to blast furnace top gas efficiency
Verna et al. Defects-per-unit control chart for assembled products based on defect prediction models
CN116861224B (zh) 基于间歇过程软测量建模方法的间歇过程软测量建模系统
Wu et al. Multiobjective H2/H∞ synthetic gene network design based on promoter libraries
Jarecki et al. Cognitivemodels: An R package for formal cognitive modeling
CN1687921A (zh) 稀土串级萃取分离组分含量软测量方法
Shardt Data quality assessment for closed-loop system identification and forecasting with application to soft sensors
Zhu System identification for process control: Recent experience and outlook
JP2007260504A (ja) システムモデル構築方法
Shiraishi et al. A reliable Taylor series-based computational method for the calculation of dynamic sensitivities in large-scale metabolic reaction systems: Algorithm and software evaluation
CN105373094B (zh) 基于数据快采样的工业过程动态模型辨识装置
Mårtensson et al. Input design for identification of zeros

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20070905