非线性系统辨识模型的状态分析研究

来源:网络  作者:网络转载   2019-10-06 阅读:284

  非线性系统辨识模型分为状态-输出模型和输入-输出模型,本文采用状态-输出模型.由于需要构成递归结构来反映系统的动态行为,要用到模型的自身反馈,所以把这类模型称为递归状态-输出模型:窑内执行机构包括加热阀、喷湿阀、排潮阀和风机,加热器是开关型的,用于升高窑内温度,喷湿阀和排潮阀用来调节窑内的湿度,风机用来加快窑内空气的流速(在本实验中采用风机全速运行)。检测装置包括两个温度传感器,两个湿度传感器和六个木材含水率传感器。在产生辨识数据时,给窑内施加持续的阶跃信号,包括加热、喷湿和排潮(由于风机采用全速运行,所以在实验中不予考虑),同时采集窑内的温度、湿度和木材含水率等数据,这样就得到了用于辨识的输入-输出数据对.

  在研究过程中,以水曲柳为实验树种,初始含水率为67%,纤维饱和点为30%,终含水率为8.3%.采集两窑干燥数据,第一窑数据用于训练神经网络,第二窑数据用于验证得到的神经网络模型。木材干燥的全过程大致可以分为三个阶段:预热阶段、等速干燥阶段(含水率在纤维饱和点以上)和减速干燥阶段(含水率在纤维饱和点以下),每个阶段的水份蒸发机理不同,所以相应的模型也不同.在等速干燥阶段,干燥曲线(含水率随时间的变化关系)大致呈线性,所以模型相对简单;而减速干燥阶段的模型比较复杂,为此本文主要针对减速干燥阶段的模型进行辨识.

标签: 分析研究
打赏

免责声明:
本站部份内容系网友自发上传与转载,不代表本网赞同其观点;
如涉及内容、版权等问题,请在30日内联系,我们将在第一时间删除内容!

购物指南

支付方式

商家合作

关于我们

微信扫一扫

(c)2008-2018 DESTOON B2B SYSTEM All Rights Reserved
免责声明:以上信息由相关企业或个人自行免费发布,其真实性、准确性及合法性未证实。请谨慎采用,风险自负。本网对此不承担任何法律责任。

在线咨询

在线咨询:

QQ交流群

微信公众号