劉麗麗左繼紅吳軍鄧秋連

一種新型ARX模型在三容水箱液位系統(tǒng)中的應(yīng)用?

劉麗麗1，2左繼紅1，2吳軍1鄧秋連1

（1.中南大學(xué)信息科學(xué)與工程學(xué)院長沙410083）（2.湖南鐵道職業(yè)技術(shù)學(xué)院株洲412001）

采用一種新的ARX模型（RBF-ARX模型）對三容水箱液位系統(tǒng)進行建模，闡述了RBF-ARX模型的建模原理、模型結(jié)構(gòu)的確定、模型參數(shù)辨識及參數(shù)優(yōu)化等問題。并分析了該模型的優(yōu)越性能，模型的仿真預(yù)測輸出結(jié)果，證實了RBF-ARX模型在非線性系統(tǒng)建模和辨識中的可靠性和有效性。

ARX模型；三容水箱系統(tǒng)；非線性系統(tǒng)

Class NumberTP273

1引言

三容水箱液位控制系統(tǒng)屬于工業(yè)過程控制中的一種被控對象，具有典型滯后性、非線性和強耦合的特性，其控制模式類似于工業(yè)控制中的多種非線性時變多變量耦合系統(tǒng)。其工作過程涉及多個學(xué)科，如控制理論、現(xiàn)代控制技術(shù)、流體力學(xué)等。通過它用戶除可以掌握控制原理、現(xiàn)代控制技術(shù)、計算機技術(shù)等之外，還可以了解生產(chǎn)工藝流程。因此研究該系統(tǒng)的建模及控制算法問題，對實際工程應(yīng)用有指導(dǎo)和參考意義［1］。

用經(jīng)典控制方法對三容水箱液位系統(tǒng)控制時，常因系統(tǒng)的多輸入輸出、非線性和強耦合特性，而使控制變得極為復(fù)雜，以致很難達到較為理想的控制效果。針對以上問題，提出了專門針對非線性系統(tǒng)進行建模的新型ARX建模法，采用結(jié)構(gòu)化的離線參數(shù)辨識方法得到模型的最優(yōu)參數(shù)，通過實驗驗證該模型的優(yōu)越性，對控制策略的發(fā)揮奠定基礎(chǔ)。

2三容水箱液位系統(tǒng)介紹

實驗用的三容水箱系統(tǒng)由水箱、電控柜、AD/ DA數(shù)據(jù)采集卡和PC機組成。三容水箱本體結(jié)構(gòu)如圖1所示。

圖1中，水箱本體由蓄水容器、壓力傳感器和動力驅(qū)動三大部分構(gòu)成，動力驅(qū)動部分包括水泵、電磁閥以及手動調(diào)節(jié)閥。水箱和1#、2#、3#水柱用于儲水，水箱為三個水柱提供水源，泵1和泵2分別為1#、3#水柱供水，手動閥LV1，LV5和1#、2#電磁閥控制回路的水流量。每個水柱都安裝了防溢管道，保證了液位到達最高點時經(jīng)由它流至水箱。3#、4#電磁閥分別是3#、1#水柱的出水閥，手動閥LV2為2#水柱出水閥。3個水柱間安裝LV3、LV4連接閥，可以調(diào)節(jié)連接閥和出水閥的開度來控制水柱間的耦合和干擾強度，研究表明它是典型的非線性系統(tǒng)。

圖1 三容水箱液位控制系統(tǒng)

3 RBF-ARX模型結(jié)構(gòu)及參數(shù)辨識

3.1 RBF-ARX模型結(jié)構(gòu)

RBF-ARX模型采用線性自回歸（Auto-Regres?sive eXogenous，ARX）模型［2］和高斯徑向函數(shù)（Radi?al Basis Function，RBF）基神經(jīng)網(wǎng)絡(luò)相結(jié)合［9～10］，常用于可局部線性化的、時變的多變量非線性系統(tǒng)的建模過程中，采用神經(jīng)網(wǎng)絡(luò)逼近非線性系統(tǒng)模型中依存于狀態(tài)的系數(shù)，能較好描述系統(tǒng)的全局非線性特性。

針對三容水箱系統(tǒng)，有兩個輸入，分別是u1（1#電磁閥電壓）和u2（2#電磁閥電壓），兩輸出分別是y1（1#水柱水位）和y2（3#水柱水位），其RBF-ARX模型的結(jié)構(gòu)如式（1），如式（1）模型結(jié)構(gòu)采用基本的線性ARX模型，而其模型系數(shù)則由高斯徑向基的神經(jīng)網(wǎng)絡(luò)函數(shù)逼近［11］，并且是時變的。

其中，?i0為模型系數(shù)，cij，k(i=1，2，…，nj，j=y，u，v; k=0，1，2，…，m)為線性權(quán)系數(shù)，ny，nu為模型階次，h為非線性環(huán)節(jié)數(shù)目，zj，m為RBF網(wǎng)絡(luò)中心，ξ(t)為干擾白噪聲信號，nx=dim{(w(t-1)}為w(t-1)列向量的維數(shù)，Y(t)=[y1(t)y2(t)]T∈?是1#和3#水柱水位的輸出矩陣，U(t)=[u1(t)u2(t)]T∈?是1#和2#電磁閥電壓輸入量矩陣，λikj(k=1，2，…，m;i=y，u;j=1，2)為比例系數(shù)。

式中，||.||2代表矢量的2-范數(shù)。

3.2參數(shù)辨識

采用PID算法控制液位在較大范圍內(nèi)波動，通過改變目標值使輸入輸出在大范圍內(nèi)波動，并疊加白噪聲信號，使數(shù)據(jù)體現(xiàn)系統(tǒng)全局動態(tài)特性，并采集整個過程輸入輸出數(shù)據(jù)，用于辨識和檢驗?zāi)Ｐ汀?/p>

圖2 采集的輸入輸出數(shù)據(jù)用于辨識模型

RBF-ARX模型的參數(shù)可以采用一種快速收斂的結(jié)構(gòu)化非線性參數(shù)優(yōu)化策略來離線估計。它是一種列維布格奈奎爾特方法（Levenberg-Marquardt Method，LMM）［3］和線性最小二乘法（Least Square Method，LSM）［4］相結(jié)合的沒有限制的結(jié)構(gòu)化非線性參數(shù)優(yōu)化方法（Structured Nonlinear Parameter Opti?mization Method，SNPOM），這種優(yōu)化策略是按照如下步驟執(zhí)行的［5］。

3.2.1參數(shù)分類

將模型（1）的參數(shù)分成線性參數(shù)

和非線性參數(shù)

令

則模型（1）可表示成

3.2.2選取RBF-ARX模型階次

模型階次包括ny、nu和h，根據(jù)經(jīng)驗h一般選1～2。ny、nu的確定常采用AIC信息準則循環(huán)方法［6］，該方法常用于估算相關(guān)參數(shù)，效果優(yōu)良，其表達式為

其中，V取誤差標準方差的平方，N為辨識數(shù)據(jù)長度，d為模型總參數(shù)個數(shù)，模型（1）中線性參數(shù)的個數(shù)為(h+1)(2ny+2nu+1)，非線性參數(shù)Zki，j，λik，j的個數(shù)是8h。綜上總參數(shù)d值為

通過采集的輸入、輸出數(shù)據(jù)（圖2）辨識模型參數(shù)，選取m=2，由AIC信息準則計算ny=4，nu=6。

3.2.3 RBF-ARX模型中心變量X(t-1)的選取

模型中X(t-1)的選則非常重要，其選擇與非線性因素息息相關(guān)，它可以是輸入矩陣、輸出矩陣或則二者接合。三容水箱的非線性因素與輸入電磁閥電壓與輸出水位有關(guān)，故X(t-1)選擇輸入和輸出組合，如下式：

3.2.4模型初始化

確定模型階次后，根據(jù)先驗知識確定θN0，采用最小二乘法得出［7］，即

式中

式中，{yˉ1(i)，yˉ2(i)，Xˉ(i-1)|i=τ+1，τ+2，…，M}是辨識數(shù)據(jù)集合；τ是模型中的最大時間延遲，M是辨識數(shù)據(jù)長度。[R(θN0)TR(θN0)]-1采用SVD［5］方法以防求逆失敗。

3.2.5優(yōu)化

目標函數(shù)定義如下式［8］：

其中，F(xiàn)(θN，θL)表示模型一步向前預(yù)測輸出Y^與采樣輸出數(shù)據(jù)Yˉ的差。

優(yōu)化問題即求

求θkN采用Jacobian矩陣

其中k表示重復(fù)步數(shù)，θkN的遞推如下所示

式中，βk是步長，dk是尋優(yōu)方向，dk根據(jù)下式求得

尋優(yōu)過程就是滿足下式

不滿足時，尋優(yōu)結(jié)束。

4模型預(yù)測結(jié)果分析

通過上面辨識參數(shù)步驟，采用圖2采集的輸入輸出數(shù)據(jù)，辨識并優(yōu)化RBF-ARX模型參數(shù)，非線性參數(shù)優(yōu)化過程如圖3所示，由非線性參數(shù)采用最小二乘法可求得模型的線性參數(shù)，繼而得到系統(tǒng)的RBF-ARX模型。

圖3 非線性參數(shù)優(yōu)化過程

從圖3可看出，模型參數(shù)的優(yōu)化過程收斂速度較快，第三個子圖表示輸出向前預(yù)測誤差，誤差也比較小。

對辨識出的RBF-ARX模型進行一步預(yù)測輸出仿真，如圖4所示。顯然，RBF-ARX模型下系統(tǒng)實際輸出跟蹤期望輸出效果好，誤差波動小且成高斯狀分布，仿真表明建模理想，精度高，能較好反映系統(tǒng)全局非線性特征。

圖4 RBF-ARX模型預(yù)測精度

通過觀察模型一步預(yù)測誤差相關(guān)性函數(shù)曲線圖，誤差統(tǒng)計特性類似白噪聲信號。說明RBF-ARX模型能較好描述系統(tǒng)的全局非線性動態(tài)特征。

為進一步證明模型精度高，局部放大工作區(qū)間內(nèi)系統(tǒng)實際輸出和模型預(yù)測輸出值，觀察誤差情況。圖6和7分別是1#、3#水柱液位模型輸出與實際輸出誤差圖。顯然，系統(tǒng)波動范圍可達400mm，而系統(tǒng)的實際輸出與模型輸出誤差在-5mm～5mm之間波動。系統(tǒng)的模型輸出能較好擬合系統(tǒng)的實際輸出，模型有較好的擬合精度，能準確描述系統(tǒng)的非線性特征。

圖5 模型預(yù)測誤差的相關(guān)性函數(shù)曲線（虛線：e1(t)，實線：e2(t)）

圖6 1#水柱液位RBF-ARX模型輸出與實際輸出對比

圖7 3#水柱液位RBF-ARX模型輸出與實際輸出

5結(jié)語

針對非線性的三容水箱，采取一種RBF-ARX模型對其進行建模。并采用離線的方法辨識參數(shù)，通過預(yù)測輸出仿真結(jié)果分析建模精度，結(jié)果表明建模精度高，模型能較好描述系統(tǒng)非線性特性，證實了該建模方法的有效性和優(yōu)越性。

［1］固高科技.液位過程控制系統(tǒng)實驗指導(dǎo)書［M］.深圳：固高科技，2003：2-20.Solid high-tech.Liquid levelprocess controlsystem exper?imental instruction book［M］.Shenzhen：solid high-tech，2003：2-20.

［2］Hui Peng，Tohru Ozaki，Yukihiro Toyoda，Hideo Shioya，Kazushi Nakano，Valerie Haggan-Ozaki，Massafumi Mo?ri.RBF-ARX model-based nonlinear system modeling and predictive control with application to a Noxdecompo?sition process［J］.Control Engineering Practice，2004，12：191-203.

［3］D.MARQUART，An algorithm for least-squares estima?tion of nonlinear parameter，SIAM J Appl［J］.Math，11（1963）：431-441.

［4］舒迪前.自適應(yīng)控制［M］.沈陽：東北大學(xué)出版社，1993：126-156.

SHU Diqian.Adaptive control［M］.Shenyang：northeast?ern university press，1993：126-156.

［5］徐仲，張凱院，陸全，等.矩陣論簡明教程［M］.北京：科學(xué)出版社，2001：145-151.

XU Zhong，ZHANG Kaiyuan，LU Quan，et al.Introductory tutorial matrix theory［M］.Beijing：science press，2001：145-151.

［6］秦宣云，卜英勇，夏毅敏.基于AIC準則優(yōu)化的徑向神經(jīng)網(wǎng)絡(luò)微地形曲面重構(gòu)［J］.中南大學(xué)學(xué)報（自然科學(xué)版），2004（10）：815-819.

QIN Xuanyun，BU Yingyong，XIA Yimin.Radial neural network based on AIC criterion optimization tiny terrain surface reconstruction［J］.Journal of central south univer? sity（naturalscience edition），2004（10）：815-819.

［7］蔡自興.智能控制［M］.北京：電子工業(yè)出版社，2004：233-235. CAI Zixing.Intelligent control［M］.Beijing：Electronic in?dustry press，2004：233-235.

［8］海山，張策，何風(fēng)琴.RBF網(wǎng)絡(luò)和BP網(wǎng)絡(luò)在逼近能力方面的比較研究［J］.內(nèi)蒙古科技與經(jīng)濟，2007，14（7）：64-65.

HAIShan，ZHANG Ce，HE Fengqin.RBF network and BP network in approximation ability of comparative study［J］. Science and technology and economy of Inner Mongolia，2007，14（7）：64-65.

［9］張靜.基于RBF網(wǎng)絡(luò)的微分先行PID控制器［J］.自動測量與控制，2007，26（9）：60-61.

ZHANG Jing.Derivative ahead of PID controller based on RBF network［J］.Journal of automatic measurement and control，2007，26（9）：60-61.

［10］謝華東，趙陽立，陳志旺.非線性系統(tǒng)的RBF網(wǎng)絡(luò)直接廣義預(yù)測控制［J］.福建電腦，2007（10）：3-4.

XIE Huadong，ZHAO Yangli，CHEN Zhiwang.RBF net?work direct generalized predictive control of nonlinear systems based on［J］.Journaloffujian，2007（10）：3-4.

［11］孫志兵，戴金海.基于全調(diào)節(jié)RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)飛行控制器［J］.計算機仿真，2007，24（9）：137-140.

SUN Zhibing，DAIJinhai.Alladjust RBF neuralnetwork based adaptive flight controllers［J］.Computer simula?tion，2007，24（9）：137-140.

Application of A New ARX Modelin Three-tank Water System

LIU Lili1，2ZUO Jihong1，2WU Jun1DENG Qiulian1
（1.Schoolof Information Science and Technology，Central South University，Changsha 410083）（2.Hunan Railway ProfessionalTechnology College，Zhuzhou 412001）

This paper focuses on the modeling of three-tank water system using RBF-ARX model，states the principium of RBF-ARX model，modelstructure confirmation，modelparameters identification，parameter optimization and so on.The superiori?ty of the model is analyzed，the predictive results of simulation show the reliability and effectiveness of RBF-ARX model for the modeling and identification ofnonlinear system.

ARX model，three-tank water system，nonlinear system

TP273

10.3969/j.issn.1672-9722.2017.08.043

2017年2月8日，

2017年3月25日

2015年度國家自然科學(xué)基金：抗參數(shù)橫揺的欠驅(qū)動船舶航跡跟蹤控制研究（編號：61403045）；2015年度湖南省教育廳科學(xué)研究資助項目：四旋翼飛行器的建模及控制策略的研究（編號：15C0903）資助。

劉麗麗，女，碩士研究生，講師，研究方向：復(fù)雜非線性系統(tǒng)建模及控制方法。左繼紅，男，碩士研究生，講師，研究方向：復(fù)雜非線性系統(tǒng)建模及控制方法。吳軍，男，博士，講師，研究方向：復(fù)雜非線性系統(tǒng)建模及控制方法。鄧秋連，女，碩士，高級工程師，研究方向：復(fù)雜非線性系統(tǒng)建模及控制方法。