一种基于邻近平均数据的含扰数据阶跃时间辨识方法与流程

1.本发明涉及含扰动测试数据的辨识方法，具体是一种基于邻近平均数据的含扰数据阶跃时间辨识方法。


背景技术：

2.在对各种自动化控制系统进行参数测试时，阶跃响应特性是一个重要的系统特性，其阶跃响应指标如上升时间、峰值时间的获取需要精确获取阶跃始时刻。实际实验阶跃起始时刻一般是由手动操作的，阶跃响起始时刻的精确时刻是不确定的，另外现场试验受到试验现场各种干扰因素影响，试验数据含有扰动，直接以数据量的变化幅度作为对阶跃时间的判据会带来较大误差。
3.为了消除扰动的影响，常见的数据预处理方法是对数据进行滤波或曲线拟合，以获得较为平滑的曲线，对平滑曲线进行判读获得阶跃响应阶跃时间。但滤波算法的相位延迟会导致时域数据的畸变，导致误差产生；原始数据在阶跃时刻一阶导数不连续，曲线拟合算法会损失不连续特性，使结果存在偏差。


技术实现要素：

4.本发明提供一种基于邻近平均数据的含扰数据阶跃时间辨识方法，其针对于原始试验数据中获得的实验数据，直接辨识阶跃起始时刻，实现对试验数据的准确解读，提高试验数据解读的精度。
5.一种基于邻近平均数据的含扰阶跃数据阶跃时间的辨识方法，包括如下步骤：
6.(1)读取原始试验数据，得到一组含时间序列的含扰动原始数据：
7.x＝{ti,xi},i＝1,2,
…
,n；
8.其中ti为时间序列，时间序列间隔为δt；xi为原始实验数据，n为大于等于5的正整数；
9.(2)按如下公式计算时刻ti处的邻近平均数据：
10.e
mi
＝(x
i m
x
i 2m
... x
i lm
x
i-m
x
i-2m
... x
i-lm-2lxi)，其中m，l为正整数，m*l＜n，l＞1；
11.(3)比较邻近平均数据的数值，取其中最大值对应时刻ts为跃时刻：ts＝tj|(e
mj
＝max{e
mi
})。
12.进一步的，计算时刻ti处的邻近平均数据时，其中m和l的取值范围为：其中m，l为正整数，δm为扰动最大值，k为在时间间隔δt上的阶跃上升值。
13.本发明具有如下有益效果：
14.1、与现有技术相比，使用的数据点数更多，可以获得更多的原始数据信息；
15.2、与现有技术相比，在m值一定的情况下，通过增加l值可以获得更高的抗干扰性能；
16.3、具有数据平滑算法准确的辨识结果，每个数据点的邻近平均数据利用了原始的数据信息而非加工后的数据信息，避免了因数据平滑算法导致的信息丢失。
附图说明
17.图1是本发明基于邻近平均数据的含扰数据阶跃时间辨识方法的原始实验数据示意图；
18.图2是本发明采用的测试数据示意图；
19.图3是采用本发明计算的邻近平均数据曲线。
具体实施方式
20.下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。
21.图1所示为本发明基于邻近平均数据的含扰数据阶跃时间辨识方法的原始实验数据示意图，所述方法包括如下步骤：
22.(1)读取原始试验数据，得到一组含时间序列的含扰动原始数据：
23.x＝{ti,xi},i＝1,2,
…
,n；
24.其中ti为等间隔时间序列，时间序列间隔为δt；xi为原始实验数据；n为大于等于5的正整数。
25.(2)按如下公式计算邻近平均数据：
26.e
mi
＝(x
i m
x
i 2m
... x
i lm
x
i-m
x
i-2m
... x
i-lm-2lxi)
×
sign(x
i lm-x
i-lm
)，其中m，l为正整数，m*l＜n，l＞1；
27.在扰动水平不大于δm时，由于不含扰动原始数据在阶跃发生前和发生后的一阶导数不变，易知含扰动原始数据邻近平均数据在阶跃发生前后最大绝对值满足：
28.max{|e
mi
|}＜4lδm29.在阶跃发生时刻，原始数据一阶导数是不连续的。阶跃前原始数据一阶导数为0，阶跃后数据一阶导数不为零。以上阶跃为例，假设在采样时间间隔δt上的阶跃上升值为k，则原始数据在阶跃发生时刻tj处邻近平均数据为：
[0030][0031]
易知原始数据在阶跃前、发生后的处邻近平均数据为0，则在含扰情况下，邻近平均数据的最大绝对值为4lδm。当即时，可保证阶跃发生时刻的邻近平均数据大于非阶跃时刻邻近平均数据的最大值8δm。对于下阶跃同理可得到相同结论。
[0032]
(3)比较邻近平均数据的数值，取其中最大值对应时刻ts为上阶跃(下阶跃)发生时刻：
[0033]
ts＝tj|(e
mj
＝max{e
mi
})
[0034]
下面结合附图和一个具体实例对本方法做进一步说明：
[0035]
对某控制系统进行下阶跃响应试验，输入一个下阶跃信号后，测量得输出数据如
图2所示。读取输出数据，得到一组含时间序列的含扰动原始数据如下：
[0036]
表1
[0037]
[0038][0039]
按公式计算邻近平均数据：
[0040]emi
＝(x
i m
x
i 2m
... x
i lm
x
i-m
x
i-2m
... x
i-lm-2lxi)
×
sign(x
i lm-x
i-lm
)将m取值
为2，l取值为2，有：
[0041]emi
＝(x
i 2
x
i 4
x
i-2
x
i-4
4xi)
×
sign(x
i 4-x
i-4
)
[0042]
经过计算得到各时刻邻近平均数据如下：
[0043]
表2
[0044]
[0045][0046]
邻近平均数据曲线见图3。
[0047]
比较邻近平均数据的数值，取其中最大值：
[0048]
max{di}＝278
[0049]
该最大值对应的时刻ts为0.21s，则取0.21s为下阶跃起始时刻。
[0050]
得到阶跃起始时刻后，就可进一步计算阶跃响应的上升时间、峰值时间等指标。
[0051]
本发明提出了一种基于邻近平均数据的含扰数据阶跃时间辨识方法，通过计算邻近平均数据，可在保留原始数据的全部信息的前提下排除扰动数据的影响，准确辨识阶跃时刻。
[0052]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限发电机励磁系统阶跃响应测试，任何自动化控制系统的阶跃响应测试均包含在本发明技术领域之内。属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。