کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4998457 1460353 2017 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Identification of discrete-time output error model for industrial processes with time delay subject to load disturbance
ترجمه فارسی عنوان
شناسایی مدل خطای خروجی زمان گسسته برای فرایندهای صنعتی با تاخیر زمانی که به اختلال بار می انجامد
کلمات کلیدی
مدل خطای خروجی، تاخیر زمانی، اختلال بار، همگرایی، فراموش کردن عامل،
ترجمه چکیده
در این مقاله، یک روش شناسایی مدل خطای خروجی حذف شده برای فرآیند های صنعتی با تاخیر زمانی که با اختلالات بار ناشناخته با پویایی جبری مواجه می شود، پیشنهاد می شود. با مشاهده پاسخ خروجی ناشی از چنین بار اختلال به عنوان یک پارامتر پویا برای ارزیابی، یک الگوریتم شناسایی کمترین مربعات بازگشتی در دامنه زمان گسسته برای برآورد پارامترهای مدل خطی همراه با پاسخ اختلال بار، در حالی که پارامتر تاخیر عدد صحیح با استفاده از یک روش جستجوی یک بعدی برای به حداقل رساندن خطای اتصالات خروجی مشتق شده است. یک مدل کمکی ساخته شده است تا برآوردهای منسجم پارامترهای مدل در برابر نویز تصادفی صورت گیرد. علاوه بر این، عوامل فراموش نشدنی تطبیقی ​​دوگانه با دستورالعملهای تنظیم جهت بهبود نرخ همگرایی تخمین پارامترهای مدل و پاسخ اختلال بار معرفی می شوند. همگرایی مدل برآورد پارامتر مدل با اثبات دقیق تحلیل می شود. نمونه های نمونه ای برای شناسایی حلقه باز و بسته به اثبات اثربخشی و شایستگی روش شناسایی پیشنهاد شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی تکنولوژی و شیمی فرآیندی
پیش نمایش مقاله
شناسایی مدل خطای خروجی زمان گسسته برای فرایندهای صنعتی با تاخیر زمانی که به اختلال بار می انجامد
چکیده انگلیسی
In this paper, a bias-eliminated output error model identification method is proposed for industrial processes with time delay subject to unknown load disturbance with deterministic dynamics. By viewing the output response arising from such load disturbance as a dynamic parameter for estimation, a recursive least-squares identification algorithm is developed in the discrete-time domain to estimate the linear model parameters together with the load disturbance response, while the integer delay parameter is derived by using a one-dimensional searching approach to minimize the output fitting error. An auxiliary model is constructed to realize consistent estimation of the model parameters against stochastic noise. Moreover, dual adaptive forgetting factors are introduced with tuning guidelines to improve the convergence rates of estimating the model parameters and the load disturbance response, respectively. The convergence of model parameter estimation is analyzed with a rigorous proof. Illustrative examples for open- and closed-loop identification are shown to demonstrate the effectiveness and merit of the proposed identification method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Process Control - Volume 50, February 2017, Pages 40-55
نویسندگان
, , , , ,