Другие журналы
|
научное издание МГТУ им. Н.Э. БауманаНАУКА и ОБРАЗОВАНИЕИздатель ФГБОУ ВПО "МГТУ им. Н.Э. Баумана". Эл № ФС 77 - 48211. ISSN 1994-0408
РЕАЛИЗАЦИЯ ФИЛЬТРА ВОЛЬТЕРРА ВТОРОГО ПОРЯДКА ДЛЯ ИДЕНТИФИКАЦИИ НЕЛИНЕЙНЫХ СИСТЕМ
УПРАВЛЕНИЯ
#6 июнь 2006 РЕАЛИЗАЦИЯ ФИЛЬТРА ВОЛЬТЕРРА ВТОРОГО ПОРЯДКА ДЛЯ ИДЕНТИФИКАЦИИ НЕЛИНЕЙНЫХ СИСТЕМ управления
К.А.Пупков, Т.Ю.Цибизова д.т.н., профессор, к.ф.н., доцент МГТУ им. Н.Э.Баумана
Работа посвящена проблеме идентификации нелинейных систем. В качестве основной трудности данной проблемы можно назвать необходимость обработки большой базы данных, характеризующей работу идентифицируемой системы. Конструктивным подходом в решении данной задачи является использование фильтрующей структуры в виде последовательности Вольтерра. Однако одной из главных причин достаточно редкого применения методики фильтрации Вольтерра на практике является значительная сложность, связанная с реализацией фильтров Вольтерра. Таким образом, главной задачей является нахождение упрощений в разработке и реализации фильтра Вольтерра.
Теория идентификации нелинейных систем, впервые сформулированная в начале XX века, применима для широкого круга нелинейных задач, описывающих большинство сложных процессов. В качестве основной трудности проблемы идентификации можно назвать необходимость обработки большой базы данных, характеризующей работу идентифицируемой системы. Конструктивным подходом в решении данной задачи является использование фильтрующей структуры в виде последовательности Вольтерра. Однако, несмотря на длинную историю и популярность в теоретическом изучении ряда Вольтерра, относительно мало исследователей пытались применить методику фильтрации Вольтерра на практике. Оказывается, что одна из главных причин - это значительная сложность, связанная с реализацией фильтров Вольтерра. Так как особенная структура фильтра Вольтерра не берется во внимание, то возникают серьезные проблемы с матрицами. Количество операций, необходимое для решения проблемы, увеличивается экспоненциально с увеличением порядка фильтра. Таким образом, главной задачей является нахождение упрощений в разработке и реализации фильтра Вольтерра. Возьмем фильтр Вольтерра 2-го порядка (ФВ2), который состоит из параллельной комбинации линейного и квадратичного фильтров: , (1) где {a(j)} и {b(j,k)} называются линейным и квадратичным весом соответственно, а N указывает длину фильтра (предполагается симметричность квадратичных весов фильтра, т.е. b(j,k) = b(k,j)). Требуется минимизировать средне-квадратическую ошибку (СКОШ) между основным сигналом s(n) и выходом фильтра y(n), т.е. . (2) Первым шагом в определении минимума СКОШ фильтра Вольтерра 2-го порядка является требование бездрейфового выхода фильтра. Другими словами, должно быть E[y(n)] = 0, т.к. основной сигнал имеет нулевое математическое ожидание. Тогда получается следующее соотношение между и b(j,k): , (3) где (4) обозначает автокорреляционную функцию x(n). Следовательно, формула для определения ФВ2 будет выглядеть так: . (5) Следующий шаг - определение линейного и квадратичного весов фильтра, которые определяют минимум СКОШ. Для этого выведем простое решение для оптимального ФВ2 в предположении, что на входе фильтра белый гауссовый шум. Формулу (5) можно переписать в матричном виде: {}, (6) где , , а указывает на NxN матрицу от x(n), где - автокорреляционная функция входного сигнала x(n). А и В - операторы линейного и квадратичного фильтра соответственно. Определим кросс-корреляционную и кросс-бикорреляционную функции между x(n) и s(n) следующим образом: или в матричном виде: Итак, из (2) видно, что линейный и квадратичный операторы ФВ2 с минимальной СКОШ должны удовлетворять следующим математическим соотношениям: (7) и (8) После некоторых преобразований получается, что линейный и квадратичный операторы фильтра определяются следующим образом: (9) Отсюда видно, что линейный оператор оптимального ФВ2 - это то же самое, что и оптимальный линейный фильтр. Следовательно, можно сконструировать фильтр просто посредством добавления квадратичного фильтра параллельно созданному линейному фильтру. Предлагается два класса реализации квадратичного оператора ФВ2.
Класс I (умножитель + линейный фильтр) Рис. 1.
Класс II (линейные фильтры + умножитель)
Рис. 2.
Квадратичный фильтр класса I имеет вид: . (10) Как видно из рис. 1 фильтр состоит из умножителя и следующего за ним линейного фильтра. такая реализация также соответствует случаю, когда квадратичный оператор фильтра диагональный, т.е. b(j,k)=0 для . Здесь СКОШ минимизируется с помощью , где и - матрица размера NxN, которой (j,k)-й элемент равен . В данном случае СКОШ квадратичного фильтра представляется в виде: . Квадратичный фильтр класса II имеет вид: . (11) Таким образом это соответствует случаю, когда оператор квадратичного фильтра может быть разложен на два линейных фильтра: . Следовательно, как показано на рис. 2, фильтр состоит из параллельной комбинации двух фильтров, чьи выходные значения перемножаются для получения выходного значения всего фильтра, и может быть записан в виде: , (12) где . Тогда СКОШ между выходом фильтра и значением s(n) выражается через и : . Следующим шагом должна быть минимизация по . Однако одновременная минимизация по 2N переменным представляет собой потенциальную вычислительную проблему из-за связи между и . В качестве альтернативы одновременной минимизации предлагается методика последовательных итераций: Шаг 1: произвольно выбрать первый линейный фильтр с . Шаг 2: с выбранным определить по формуле , где . Шаг 3: с выбранным , используя формулу , где , определить . Шаг 4: повторять шаги 2 и 3 до тех пор, пока значение минимизированной СКОШ не станет пренебрежительно мало.
Список литературы: 1. Пупков К.А., Капалин В.И., Ющенко А.С. Функциональные ряды в теории нелинейных систем. - М: Наука, 1976. - 448 с. 2. Taiho Koh, Edward J.Powers, Second-Order Volterra Filtering and its Application to Non-Linear System Identification, 1985 IEEE.
Публикации с ключевыми словами: нелинейные системы Публикации со словами: нелинейные системы Смотри также: Тематические рубрики: Поделиться:
|
|
||||||||||||||||||||||||||||||||
|