摘    要：針對許多易受強(qiáng)隨機(jī)干擾而難以用常規(guī)方法辨識的動(dòng)態(tài)系統(tǒng)，提出一種非線性多變量動(dòng)態(tài)系統(tǒng)的雙重建模與分離辨識技術(shù)在fpca上的買現(xiàn)。通過對非線性子通道特性分析，采用ddsi技術(shù)進(jìn)行建模，包括構(gòu)造bp神經(jīng)網(wǎng)絡(luò)、運(yùn)用最小二乘辨識等算法獲取數(shù)學(xué)模型，其中，建立模型的主要算法和系統(tǒng)參數(shù)估計(jì)的相關(guān)的fpca結(jié)構(gòu)設(shè)計(jì)通過verilog語言的結(jié)構(gòu)描述數(shù)據(jù)流速行了描述。同時(shí)采用fpga的在線可重構(gòu)技術(shù)，在運(yùn)行時(shí)根據(jù)需要?jiǎng)討B(tài)改變系統(tǒng)的電路結(jié)構(gòu)，使硬件具有分時(shí)復(fù)用，節(jié)省邏輯資源的優(yōu)良性能。這一技術(shù)的fpga買現(xiàn)，使得這種非線性、多受量動(dòng)態(tài)系統(tǒng)的特殊系統(tǒng)辨識技術(shù)能夠廣泛應(yīng)用于諸如星體運(yùn)動(dòng)、現(xiàn)代控制過程、生產(chǎn)過程與經(jīng)濟(jì)管理系統(tǒng)等高層次科技領(lǐng)域中的帶有強(qiáng)噪聲干擾子道道的系統(tǒng)動(dòng)態(tài)建模中。

關(guān)鍵詞：非線性與多變量系統(tǒng)；雙重建模與分離辨識；fpca veiiog語言

中圖分類號：tp 27    文獻(xiàn)標(biāo)識碼：a

    在動(dòng)態(tài)系統(tǒng)辨識中，有一大類非線性多變量系統(tǒng)的子通道由于受到強(qiáng)隨機(jī)干擾而不可能用常規(guī)方法進(jìn)行辨識。例如人造衛(wèi)星姿態(tài)仿真控制系統(tǒng)中，會(huì)有強(qiáng)震蕩干擾信號作用于控制系統(tǒng)的子通道；而在機(jī)器人視覺／動(dòng)作控制系統(tǒng)，存在強(qiáng)光干擾通過子通道進(jìn)入系統(tǒng)，等。能否辨識這些非線性系統(tǒng)子通道，是實(shí)現(xiàn)控制的關(guān)鍵，若不能獲得其較準(zhǔn)確的模型，則難以達(dá)到預(yù)期的控制效果，所以研究受強(qiáng)噪聲干擾子通道的辨識方法、過程及其實(shí)現(xiàn)途徑，進(jìn)而對系統(tǒng)進(jìn)行補(bǔ)償或控制就顯得非常重要。為了獲得這些特殊通道的動(dòng)態(tài)差分方程的數(shù)學(xué)模型，并實(shí)現(xiàn)其相應(yīng)算法的機(jī)裁平臺(tái)在線運(yùn)行，本文提出了一種特殊的信息處理技術(shù)，即雙重建模與分離辨識技術(shù)，并實(shí)現(xiàn)了其在fpca上的結(jié)構(gòu)設(shè)計(jì)。

   一個(gè)非線性三輸入／單輸出復(fù)合系統(tǒng)中，帶有一個(gè)不能簡單地采用傳統(tǒng)方法進(jìn)行辨識建模的子通道3，為了獲得這類通道的普通動(dòng)態(tài)差分方程數(shù)學(xué)模型描述，曾提出過一種雙重建模與分離辨識結(jié)合（稱為ddsi）的特殊方法。

    該復(fù)合系統(tǒng)，如圖l所示。

 

    這種方法（以這種三輸入／單輸出系統(tǒng)為例）由如下步驟構(gòu)成：

  step 1復(fù)合模型的建立使用總輸入和總輸出信號作為教師值來訓(xùn)練出一個(gè)bp神經(jīng)網(wǎng)絡(luò)，以此作為整個(gè)系統(tǒng)的復(fù)合模型描述，由于人工神經(jīng)網(wǎng)絡(luò)的魯棒性和強(qiáng)擬合能力，這樣的建模容易獲得成功。

    step 2子通道輸出仿真使用第i(i分別為l，2，3)個(gè)輸入xi（k）作為整個(gè)模型的總輸入，而令其他輸入xj(k)(j≠i)為零，用整個(gè)復(fù)合模型仿真出相應(yīng)的輸出yi(k)，他們在一定條件下就可被看作是第i個(gè)子通道的輸出。

    step 3子通道模型的獲得使用上述單一輸入和仿真的相應(yīng)輸出xi(k)，yi(k)，運(yùn)行一種提商性的最小二乘辨識算法（例如，廣義最小二乘算法，并采用結(jié)構(gòu)線性化的非線性模型結(jié)構(gòu)），從而獲得針對每個(gè)單一子通道的結(jié)構(gòu)線性化的非線性動(dòng)態(tài)差分方程數(shù)學(xué)模型。

    step 1使用的bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，如圖2所示。

   

    圖中，隱含層和輸出層的每個(gè)節(jié)點(diǎn)的數(shù)學(xué)描述如下：

  ①加權(quán)求和

       

式中，iij為第i層第j個(gè)節(jié)點(diǎn)的總輸入iijk為第i層第j個(gè)節(jié)點(diǎn)的第k個(gè)輸入；wijk為第i層第j個(gè)節(jié)點(diǎn)對于第k個(gè)輸入的權(quán)系數(shù)。

  ②活化函數(shù)

式中，oij為第i層第j個(gè)節(jié)點(diǎn)的總輸出（在數(shù)字處理器件運(yùn)算中用5個(gè)點(diǎn)進(jìn)行線性逼近）。

    最后，一個(gè)如圖1所示的復(fù)合系統(tǒng)的基于傳統(tǒng)的結(jié)構(gòu)線性化的非線性復(fù)合模型描述（包含多于1個(gè)子通道）如下