摘    要：針對許多易受強隨機干擾而難以用常規方法辨識的動態系統，提出一種非線性多變量動態系統的雙重建模與分離辨識技術在fpca上的買現。通過對非線性子通道特性分析，采用ddsi技術進行建模，包括構造bp神經網絡、運用最小二乘辨識等算法獲取數學模型，其中，建立模型的主要算法和系統參數估計的相關的fpca結構設計通過verilog語言的結構描述數據流速行了描述。同時采用fpga的在線可重構技術，在運行時根據需要動態改變系統的電路結構，使硬件具有分時復用，節省邏輯資源的優良性能。這一技術的fpga買現，使得這種非線性、多受量動態系統的特殊系統辨識技術能夠廣泛應用于諸如星體運動、現代控制過程、生產過程與經濟管理系統等高層次科技領域中的帶有強噪聲干擾子道道的系統動態建模中。

關鍵詞：非線性與多變量系統；雙重建模與分離辨識；fpca veiiog語言

中圖分類號：tp 27    文獻標識碼：a

    在動態系統辨識中，有一大類非線性多變量系統的子通道由于受到強隨機干擾而不可能用常規方法進行辨識。例如人造衛星姿態仿真控制系統中，會有強震蕩干擾信號作用于控制系統的子通道；而在機器人視覺／動作控制系統，存在強光干擾通過子通道進入系統，等。能否辨識這些非線性系統子通道，是實現控制的關鍵，若不能獲得其較準確的模型，則難以達到預期的控制效果，所以研究受強噪聲干擾子通道的辨識方法、過程及其實現途徑，進而對系統進行補償或控制就顯得非常重要。為了獲得這些特殊通道的動態差分方程的數學模型，并實現其相應算法的機裁平臺在線運行，本文提出了一種特殊的信息處理技術，即雙重建模與分離辨識技術，并實現了其在fpca上的結構設計。

   一個非線性三輸入／單輸出復合系統中，帶有一個不能簡單地采用傳統方法進行辨識建模的子通道3，為了獲得這類通道的普通動態差分方程數學模型描述，曾提出過一種雙重建模與分離辨識結合（稱為ddsi）的特殊方法。

    該復合系統，如圖l所示。

 

    這種方法（以這種三輸入／單輸出系統為例）由如下步驟構成：

  step 1復合模型的建立使用總輸入和總輸出信號作為教師值來訓練出一個bp神經網絡，以此作為整個系統的復合模型描述，由于人工神經網絡的魯棒性和強擬合能力，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)個輸入xi（k）作為整個模型的總輸入，而令其他輸入xj(k)(j≠i)為零，用整個復合模型仿真出相應的輸出yi(k)，他們在一定條件下就可被看作是第i個子通道的輸出。

    step 3子通道模型的獲得使用上述單一輸入和仿真的相應輸出xi(k)，yi(k)，運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，并采用結構線性化的非線性模型結構），從而獲得針對每個單一子通道的結構線性化的非線性動態差分方程數學模型。

    step 1使用的bp神經網絡結構，如圖2所示。

   

    圖中，隱含層和輸出層的每個節點的數學描述如下：

  ①加權求和

       

式中，iij為第i層第j個節點的總輸入iijk為第i層第j個節點的第k個輸入；wijk為第i層第j個節點對于第k個輸入的權系數。

  ②活化函數

式中，oij為第i層第j個節點的總輸出（在數字處理器件運算中用5個點進行線性逼近）。

    最后，一個如圖1所示的復合系統的基于傳統的結構線性化的非線性復合模型描述（包含多于1個子通道）如下