專利名稱：：過程控制系統(tǒng)中的工業(yè)過程的自動(dòng)閉環(huán)識(shí)別的設(shè)備和方法
技術(shù)領(lǐng)域：
：—般來說，本公開涉及控制系統(tǒng)，更特別地，涉及過程控制系統(tǒng)中的工業(yè)過程的自動(dòng)閉環(huán)識(shí)別的設(shè)備和方法。
背景技術(shù)：
：處理設(shè)施通常使用過程控制系統(tǒng)來管理。示例處理設(shè)施包括制造廠、化工廠、煉油廠、礦石加工廠以及造紙或紙漿制造加工廠。過程控制系統(tǒng)通常管理處理設(shè)施中的馬達(dá)、閥門和其它工業(yè)設(shè)備的使用以及其它操作。在常規(guī)過程控制系統(tǒng)中，控制器往往用于控制處理設(shè)施中的工業(yè)設(shè)備的操作?？刂破骼缈杀O(jiān)控工業(yè)設(shè)備的操作，向工業(yè)設(shè)備提供控制信號(hào)，以及當(dāng)檢測到故障時(shí)產(chǎn)生告警。常規(guī)控制器通常使用受控制的工業(yè)過程的模型進(jìn)行操作。模型允許控制器根據(jù)來自傳感器的輸入信號(hào)或其它數(shù)據(jù)來確定如何控制工業(yè)設(shè)備。對于工業(yè)過程的長期成功控制，往往需要執(zhí)行過程識(shí)別以及生成過程的準(zhǔn)確模型。模型的質(zhì)量可極大地影響使用該模型的控制器的性能。過程識(shí)別往往是任何控制項(xiàng)目的最重要方面之一，并且可易于消耗大量項(xiàng)目資源。但是，識(shí)別可能需要與實(shí)際工業(yè)過程進(jìn)行直接交互，而工作人員往往不太熱衷于項(xiàng)目的這個(gè)方面。因此，常見的是使控制器性能隨時(shí)間而降級，因?yàn)樵谏沙跏寄Ｐ椭笸ǔ]有執(zhí)行模型增強(qiáng)。已經(jīng)開發(fā)各種技術(shù)用于執(zhí)行過程識(shí)別，但是每種技術(shù)通常具有各種缺點(diǎn)或弱點(diǎn)。
發(fā)明內(nèi)容本公開提供一種用于過程控制系統(tǒng)中的工業(yè)過程的自動(dòng)閉環(huán)識(shí)別的i殳備和方法。在第一實(shí)施例中，一種方法包括識(shí)別多個(gè)模型結(jié)構(gòu)-模型階數(shù)組合。模型結(jié)構(gòu)-模型階數(shù)組合與待控制的過程關(guān)聯(lián)。該方法還包括確定模型結(jié)構(gòu)-模型階數(shù)組合的每個(gè)的一個(gè)或多個(gè)量度。該方法還包括根據(jù)一個(gè)或多個(gè)量度來選擇模型結(jié)構(gòu)-模型階^:組合的至少一個(gè)。另外，該方法包括提供用于控制過程的模型，其中模型基于至少一個(gè)所選模型結(jié)構(gòu)-模型階數(shù)組合。在特定實(shí)施例中，識(shí)別模型結(jié)構(gòu)-模型階數(shù)組合包括生成多個(gè)模型集合。各模型集合包括與單個(gè)模型結(jié)構(gòu)關(guān)聯(lián)并且具有不同模型階數(shù)的多個(gè)模型。在其它特定實(shí)施例中，該方法還包括(i)在識(shí)別^^型結(jié)構(gòu)-模型階數(shù)組合之前估計(jì)與模型關(guān)聯(lián)的延時(shí)，(ii)在提供用于控制過程的模型之前降低模型的階數(shù)，和/或(iii)在選擇至少一個(gè)模型結(jié)構(gòu)-模型階數(shù)組合之前降低模型結(jié)構(gòu)-模型階數(shù)組合的一個(gè)或多個(gè)的階數(shù)。在又一些其他特定實(shí)施例中，該方法還包括使用模型結(jié)構(gòu)-模型階數(shù)組合的一些來設(shè)計(jì)帶通濾波器。另外，識(shí)別模型結(jié)構(gòu)-模型階數(shù)組合包括使用帶通濾波器來識(shí)別模型結(jié)構(gòu)-模型階數(shù)組合的至少一個(gè)?？沈?yàn)證用于設(shè)計(jì)帶通濾波器的模型結(jié)構(gòu)-模型階數(shù)組合。在又一些其他特定實(shí)施例中，該方法還包括使用模型結(jié)構(gòu)-模型階數(shù)組合的至少一些來設(shè)計(jì)帶通濾波器。一個(gè)或多個(gè)量度的至少一個(gè)、如預(yù)測量度使用帶通濾波器來確定。在第二實(shí)施例中，一種設(shè)備包括可操作以存儲(chǔ)關(guān)聯(lián)待控制的過程的多個(gè)模型的至少一個(gè)存儲(chǔ)器。該設(shè)備還包括可操作以確定每個(gè)模型的一個(gè)或多個(gè)量度、根據(jù)一個(gè)或多個(gè)量度來選擇模型的至少一個(gè)模型并且提供用于控制過程的最終模型的至少一個(gè)處理器。最終模型基于至少一個(gè)所選模型。在第三實(shí)施例中，計(jì)算機(jī)程序包含在計(jì)算機(jī)可讀介質(zhì)中，并且可操作以由處理器運(yùn)行。計(jì)算機(jī)程序包括用于識(shí)別與待控制的過程關(guān)聯(lián)的多個(gè)模型的計(jì)算機(jī)可讀程序代碼。計(jì)算機(jī)程序還包括用于確定每個(gè)模型的一個(gè)或多個(gè)量度的計(jì)算機(jī)可讀程序代碼。計(jì)算機(jī)程序還包括用于根據(jù)一個(gè)或多個(gè)量度來選擇模型的至少一個(gè)模型的計(jì)算機(jī)可讀程序代碼。另外，計(jì)算機(jī)程序包括用于提供控制過程的最終模型的計(jì)算機(jī)可讀程序代碼，最終模型基于至少一個(gè)所選模型。通過以下附圖、描述和權(quán)利要求書，本領(lǐng)域的技術(shù)人員可易于清楚了解其它技術(shù)特征。為了更全面地理解本/>開，現(xiàn)在參照以下結(jié)合附圖的描述，附圖包括圖1示出一個(gè)示例過程控制系統(tǒng)；圖2示出一個(gè)過程系統(tǒng)的示例表示；圖3至圖4B示出用于過程控制系統(tǒng)中的工業(yè)過程的自動(dòng)識(shí)別的示例方法;圖5至圖24示出過程控制系統(tǒng)中的工業(yè)過程的自動(dòng)識(shí)別期間的示例操作。具體實(shí)施例方式圖1示出一個(gè)示例過程控制系統(tǒng)100。圖1所示的過程控制系統(tǒng)100的實(shí)施例僅用于說明?？墒褂眠^程控制系統(tǒng)100的其它實(shí)施例，而沒有背離本公開的范圍。在這個(gè)示例實(shí)施例中，過程控制系統(tǒng)100包括有助于制造或加工至少一種材料的各種過程元件。過程控制系統(tǒng)100可表示用于生產(chǎn)或加工一種或多種材料的任何適當(dāng)系統(tǒng)，例如煉油廠和瓦斯精煉廠或者紙漿/造紙系統(tǒng)。這些或其它行業(yè)通常特征在于具有范圍可從數(shù)子秒(例如壓力驅(qū)動(dòng)液壓回路)至數(shù)天(例如高純度蒸餾)的不同響應(yīng)特性的極為不同的過程。另外，這些或其它行業(yè)通常具有因隨寬功率譜(powerspectrum)的漂移和擾動(dòng)而一般是非平穩(wěn)的過程。另夕卜，這些或其它行業(yè)通常涉及遭遇不可測量的擾動(dòng)和/或傳感器/反饋噪聲的過程。在這個(gè)示例中，過程元件包括一個(gè)或多個(gè)傳感器102a和一個(gè)或多個(gè)激勵(lì)器102b。傳感器102a和激勵(lì)器102b表示過程或生產(chǎn)系統(tǒng)中可執(zhí)行大量功能的任一個(gè)的組件。例如，傳感器102a可測量過程控制系統(tǒng)100的大量特性，例如溫度、壓力或流率(flowrate)。作為另一個(gè)示例，激勵(lì)器102b也可執(zhí)4亍改變由傳感器102a所監(jiān)控的特性的大量操作。作為特定示例，激勵(lì)器102b可表示加熱器、馬達(dá)、催化裂化器或閥門。傳感器102a和激勵(lì)器102b可表示任何適當(dāng)過程或生產(chǎn)系統(tǒng)中的任何其它或附加組件。每個(gè)傳感器102a包括用于測量過程或生產(chǎn)系統(tǒng)的一個(gè)或多個(gè)特性的任何適當(dāng)結(jié)構(gòu)。每個(gè)激勵(lì)器102b包括用于對過程或生產(chǎn)系統(tǒng)中的材料進(jìn)行操作或影響的任何適當(dāng)結(jié)構(gòu)。兩個(gè)控制器104a-104b耦合到傳感器102a和激勵(lì)器102b。控制器104a-104b除其他之外還可使用來自傳感器102a的測量，來控制激勵(lì)器102b的操作。例如，控制器104a-104b可以能夠接收來自傳感器102a的測量數(shù)據(jù)，并使用測量數(shù)據(jù)來生成激勵(lì)器102b的控制信號(hào)。控制器104a-104b的每個(gè)包括用于與傳感器102a進(jìn)行交互并控制激勵(lì)器102b的任何硬件、軟件、固件或者它們的組合。控制器104a-104b例如可表示實(shí)現(xiàn)要操作的控制邏輯(例如將傳感器測量數(shù)據(jù)與激勵(lì)器控制信號(hào)關(guān)聯(lián)的邏輯)的多變量預(yù)測控制(MPC)控制器或其它類型的控制器。在這個(gè)示例中，控制器104a-104b的每個(gè)包括一個(gè)或多個(gè)處理器106以及存儲(chǔ)處理器106所使用或生成的數(shù)據(jù)和指令的一個(gè)或多個(gè)存儲(chǔ)器108。作為一個(gè)特定示例，控制器8104a-104b的每個(gè)可表示運(yùn)行MICROSOFTWINDOWS操作系統(tǒng)的計(jì)算裝置。兩個(gè)服務(wù)器110a-110b耦合到控制器104a-104b。服務(wù)器110a-110b執(zhí)行各種功能，以便支持控制器104a-104b、傳感器102a和激勵(lì)器102b的操作及控制。例如，服務(wù)器110a-110b可記錄傳感器102a或控制器104a-104b所收集或生成的信息，例如來自傳感器102a的測量數(shù)據(jù)。服務(wù)器110a-110b還可運(yùn)行應(yīng)用程序，它們控制控制器104a-104b的操作，由此控制激勵(lì)器102b的操作。另外，服務(wù)器110a-110b可提供對控制器104a-104b的安全訪問。服務(wù)器110a-110b的每個(gè)包括用于提供對控制器104a-104b的訪問或控制的任何硬件、軟件、固件或者它們的組合。在這個(gè)示例中，服務(wù)器llOa-llOb的每個(gè)包括一個(gè)或多個(gè)處理器112以及存儲(chǔ)處理器112所使用或生成的數(shù)據(jù)和指令的一個(gè)或多個(gè)存儲(chǔ)器114。作為一個(gè)特定示例，服務(wù)器1lOa-l10b的每個(gè)可表示運(yùn)行MICROSOFTWINDOWS操作系統(tǒng)的計(jì)算裝置?！獋€(gè)或多個(gè)操作站116a-116b耦合到服務(wù)器110a-110b,以及一個(gè)或多個(gè)操作站116c耦合到控制器104a-104b。操作站116a-116b表示提供對服務(wù)器110a-110b的用戶訪問的計(jì)算或通信裝置，服務(wù)器110a-110b則可提供對控制器104a-104b(以及可能對傳感器102a和激勵(lì)器102b)的用戶訪問。操作站116c表示提供對控制器104a-104b的直接用戶訪問的計(jì)算或通信裝置。作為特定示例，操作站116a-116c可允許用戶使用控制器104a-104b和/或服務(wù)器110a-110b所收集的信息來查閱傳感器102a和激勵(lì)器102b的操作歷史記錄。操作站116a-116c還可允許用戶調(diào)整傳感器102a、激勵(lì)器102b、控制器104a-104b或服務(wù)器1lOa-l10b的操作。操作站116a-116c的每個(gè)包括用于支持對系統(tǒng)100的用戶訪問和控制的任何硬件、軟件、固件或者它們的組合。在這個(gè)示例中，操作站116a-116c的每個(gè)包括一個(gè)或多個(gè)處理器118以及存儲(chǔ)處理器118所使用或生成的數(shù)據(jù)和指令的一個(gè)或多個(gè)存儲(chǔ)器120。在特定實(shí)施例中，操作站116a-116c的每個(gè)可表示運(yùn)行MICROSOFTWINDOWS操作系統(tǒng)的計(jì)算裝置。在這個(gè)示例中，操作站116b的至少一個(gè)遠(yuǎn)離服務(wù)器110a-110b。遠(yuǎn)程站通過網(wǎng)絡(luò)122耦合到服務(wù)器110a-110b。網(wǎng)絡(luò)122有助于系統(tǒng)100的各個(gè)組件之間的通信。例如，網(wǎng)絡(luò)122可傳遞因特網(wǎng)協(xié)議(IP)分組、幀中繼幀、異步傳輸模式(ATM)信元或者網(wǎng)絡(luò)地址之間的其它適當(dāng)信息。網(wǎng)絡(luò)122可包括一個(gè)或多個(gè)局域網(wǎng)(LAN)、城域網(wǎng)(MAN)、廣域網(wǎng)(WAN)、例如因特網(wǎng)等全球網(wǎng)絡(luò)的全部或一部分、或者一個(gè)或多個(gè)位置上的任何其它通信系統(tǒng)或多個(gè)系統(tǒng)。在這個(gè)示例中，系統(tǒng)100包括兩個(gè)附加服務(wù)器124a-124b。服務(wù)器124a-124b運(yùn)行控制系統(tǒng)100的整體操作的各種應(yīng)用程序。例如，系統(tǒng)100可用于加工或生產(chǎn)工廠或其它i殳施，以及月良務(wù)器124a-124b可運(yùn)行用于控制工廠或其它設(shè)施的應(yīng)用程序。作為特定示例，服務(wù)器124a-124b可運(yùn)行例如企業(yè)資源規(guī)劃(ERP)、制造執(zhí)行系統(tǒng)(MES)或者任何其它或附加工廠或過程控制應(yīng)用等應(yīng)用程序。服務(wù)器124a-124b的每個(gè)包括用于控制系統(tǒng)100的整體操作的任何硬件、軟件、固件或者它們的組合。如圖1所示，系統(tǒng)100包括各種冗余網(wǎng)絡(luò)126a-126b和單網(wǎng)絡(luò)128a-128b，它們支持系統(tǒng)100的組件之間的通信。這些網(wǎng)絡(luò)126a-126b、128a-128b的每個(gè)表示有助于系統(tǒng)100的組件之間的通信的任何適當(dāng)網(wǎng)絡(luò)或者網(wǎng)絡(luò)組合。網(wǎng)絡(luò)128a-128b例如可表示冗余以太網(wǎng)網(wǎng)絡(luò)，以及網(wǎng)絡(luò)128a可表示單以太網(wǎng)網(wǎng)癥備。另外，網(wǎng)絡(luò)128b可表示單以太網(wǎng)網(wǎng)絡(luò)、電信號(hào)網(wǎng)絡(luò)(例如HART或FOUNDATIONFIELDBUS網(wǎng)絡(luò))或者氣動(dòng)控制信號(hào)網(wǎng)絡(luò)。在操作的一個(gè)方面，控制器104a-104b的至少一個(gè)表示使用模型130進(jìn)行操作的多變量預(yù)測控制(MPC)控制器或其它類型的控制器。例如通過根據(jù)來自傳感器102a的輸入數(shù)據(jù)來定義控制器如何控制激勵(lì)器102b中的一個(gè)或多個(gè)，模型130—般表示被控制的工業(yè)過程的至少一部分。模型130的識(shí)另'j(它涉及識(shí)別被控制的過程如何表現(xiàn))往往是控制器的正常操作的關(guān)鍵。因此，通常希望生成當(dāng)調(diào)試控制器時(shí)準(zhǔn)確反映被控制過程的行為的模型130。不僅如此，被控制過程往往還隨時(shí)間改變或變化，表示在控制器的調(diào)試期間所生成的模型130在以后不能盡可能準(zhǔn)確。因此，通常希望更新模型130，使得它繼續(xù)準(zhǔn)確地反映被控制過程的行為。為了便于模型130的初始識(shí)別或更新，模型識(shí)別工具132可設(shè)置在系統(tǒng)100中。模型識(shí)別工具132分析數(shù)據(jù)(例如從傳感器102a所接收并且發(fā)送給激勵(lì)器102b的歷史數(shù)據(jù))，以便識(shí)別被控制過程的多個(gè)模型。然后，模型識(shí)別工具132分析所生成的模型，并且選擇最好地表示被控制過程的模型。然后，模型識(shí)別工具132使這個(gè)模型作為模型130是控制器104a-104b可用的。模型識(shí)別工具132包括用于識(shí)別多個(gè)模型并且選擇模型的一個(gè)或多個(gè)模型供使用的任何硬件、軟件、固件或者它們的組合。模型識(shí)別工具132例如可表示服務(wù)器110a-110b或操作站116a-116c中的處理器所運(yùn)行的一個(gè)或多個(gè)計(jì)算機(jī)程序。—般來說，模型識(shí)別工具132可識(shí)別多種類型的模型結(jié)構(gòu)(例如預(yù)測差錯(cuò)模型即"PEM"派生結(jié)構(gòu)系列)以及各結(jié)構(gòu)的模型階數(shù)的系列?？伤阉骰蚍治鲞@些模型結(jié)構(gòu)和階數(shù)，以便識(shí)別特定應(yīng)用的最有效的模型(結(jié)構(gòu)和階數(shù))。作為最有效模型的識(shí)別的一部分，各種量度可定義和計(jì)算，并且可選擇最佳(例如最有效或最準(zhǔn)確)模型。根據(jù)環(huán)境和實(shí)現(xiàn)，以下功能性可由模型識(shí)別工具132來支持。但是，以下功能性并非全部需要存在于模型識(shí)別工具132的所有實(shí)現(xiàn)中。這個(gè)功能性的子集可在模型識(shí)別工具132中實(shí)現(xiàn)，這取決于特定需求。在一些實(shí)施例中，模型識(shí)別工具132可使用低頻(增益)模型信息和無偏置模型來選擇最佳模型。可對于模型優(yōu)化來進(jìn)行集中于增益。如果不需要優(yōu)化，則控制器的帶寬目標(biāo)可用于定義頻帶(有ii用模型信息被要求在其之上)。對于無偏置模型的期望在很大程度上可產(chǎn)生于基于約束的控制器的操作行為。對于無偏置模型的期望在沒有約束的控制器中不太明顯。沒有單一過程識(shí)別方法對于所有應(yīng)用同樣有效。雖然某些模型結(jié)構(gòu)可比其它結(jié)構(gòu)具有更高的成功似然(likelihood)，但是這些結(jié)構(gòu)在其它結(jié)構(gòu)成功的特定情況下可能失敗。這種情況甚至當(dāng)模型不是階數(shù)限制時(shí)也會(huì)發(fā)生。因此，模型識(shí)別工具132可執(zhí)行候選模型結(jié)構(gòu)的集合或系列的搜索該集合或系列中包含的模型結(jié)構(gòu)可根據(jù)被認(rèn)為具有實(shí)際價(jià)值的以往性能和最近進(jìn)展來確定。因此，當(dāng)更有前途的技術(shù)變?yōu)榭捎脮r(shí)，可添加或刪除個(gè)體模型結(jié)構(gòu)。另外，漸近理論本身對于模型質(zhì)量和/或存在性的實(shí)際表示可能不充分。產(chǎn)生于漸近理論的一致性和偏置考慮因素對于選擇候選模型會(huì)是有用甚至是必不可少的。但是，它在不滿足漸近理論提出的假設(shè)的實(shí)際分步測試中提供模型質(zhì)量量度時(shí)可能不太有效。因此，模型識(shí)別工具132可支持表示模型質(zhì)量的混合方式。這種混合方式可組合置信限度方面的漸近結(jié)果連同基于從物理(可能短長度)數(shù)據(jù)集合和統(tǒng)計(jì)預(yù)測性能量度可得到的模型擾動(dòng)的觀測。此外，頻域中的模型的表示雖然有前途，但是對某些行業(yè)實(shí)施的常規(guī)多變量預(yù)測控制具有較小影響。為了真正有影響力，不確定性描述可在模型與控制器之間映射，如"控制相關(guān)識(shí)別"技術(shù)中所進(jìn)行的那樣。在這里，模型可以只需要對于與關(guān)聯(lián)控制器相關(guān)的頻率范圍之中才是準(zhǔn)確的，并且感興趣頻率范圍可通過控制器的帶寬來支配。因此，模型識(shí)別工具132可以能夠主要在模型的極低頻率(穩(wěn)態(tài))行為中確定模型質(zhì)量。這例如在具有對受約束優(yōu)化而不是帶寬性能的偏好的行業(yè)中會(huì)是有用的。甚至在與基于帶寬的控制器配合使用時(shí)，控制相關(guān)識(shí)別可能是有用的，并且模型識(shí)別工具132可支持各種功能以支持這個(gè)方面。例如，模型識(shí)別工具132可支持用于比例積分微分(PID)控制的控制器的可接受帶寬(環(huán)路形狀)。基于漸近的不確定性計(jì)算(與試探法結(jié)合)也可通過逐個(gè)分量方式來進(jìn)行，如加法或乘法不確定性估計(jì)的上下文中那樣。另外，"非偽，，概念在基于狀態(tài)-空間的環(huán)路成形設(shè)計(jì)方面可以是有用的。此外，工業(yè)過程往往是非平穩(wěn)的。通過有色噪聲模型準(zhǔn)確表示不可測量的擾動(dòng)已經(jīng)用于學(xué)術(shù)設(shè)定，但是這些模型在實(shí)際控制器設(shè)計(jì)中的直接使用是有問題的。模型識(shí)別工具132可使用噪聲模型來處理非平穩(wěn)數(shù)據(jù)和帶通濾波，以便對數(shù)據(jù)進(jìn)行預(yù)調(diào)。此外，標(biāo)準(zhǔn)評估方法、如殘差分析和通過^^莫擬的預(yù)測性能用于整個(gè)工業(yè)控制行業(yè)。然而，這些測試可能給出很容易誤解的結(jié)果。直觀檢查方法雖然在單變量開環(huán)分步測試中很普遍，但是在多變量和/或閉環(huán)測試中可能成為問題。因此，模型識(shí)別工具132可使用對于數(shù)據(jù)濾波和換算相對不變的基于統(tǒng)計(jì)的預(yù)測量度。這例如可允許使用預(yù)測量度來比較變化條件下的不同結(jié)構(gòu)的模型。此外，有效使用濾波器以便允許對預(yù)測誤差的屬性成形中的額外自由度在學(xué)術(shù)設(shè)定中是很好理解的。濾波器的適當(dāng)使用可支持頻率加權(quán)，它可進(jìn)行以便強(qiáng)調(diào)比其它范圍更重要的頻率范圍?？赡艹瞬罘炙阕又?，濾波器的使用在工業(yè)界尚未廣泛接受。模型識(shí)別工具132可使用帶通濾波器作為搜索和評估模型以及選擇待控制的纟合定過程的最佳^f莫型的組成部分(integralpart)。另外，過去預(yù)期工作人員(例如MPC應(yīng)用的從業(yè)者)會(huì)完全精通基本模型識(shí)別技術(shù)是合理的。但是，由于控制性能、用戶培訓(xùn)、時(shí)間和資源方面不斷增長的需求，假定工作人員精通最新技術(shù)不再是合理的。因此，模型識(shí)別工具132可支持控制器的模型的全自動(dòng)識(shí)別和選擇。同時(shí)，識(shí)別的所有次級(sublevd)可以在需要時(shí)對于技術(shù)人員是可得到的。雖然圖1示出過程控制系統(tǒng)100的一個(gè)示例，但是可對圖l進(jìn)行各種變更。例如，控制系統(tǒng)可包括任何數(shù)量的傳感器、激勵(lì)器、控制器、服務(wù)器、操作站、網(wǎng)絡(luò)和模型識(shí)別工具。另外，過程控制系統(tǒng)100的構(gòu)成和布置也只是為了進(jìn)行說明。根據(jù)特定需要，組件可被添加、省略、組合或置于任何其它適當(dāng)配置中。另外，圖l示出可使用模型識(shí)別的一個(gè)操作環(huán)境。模型識(shí)別機(jī)制可用于任何其它適當(dāng)?shù)难b置或系統(tǒng)。圖2示出一個(gè)過程系統(tǒng)的示例表示200。圖2所示的過程系統(tǒng)表示200的實(shí)施例僅用于說明?？墒褂闷渌^程系統(tǒng)表示，而沒有背離本公開的范圍。另外，為了便于說明，過程系統(tǒng)表示200描述為表示圖1的過程控制系統(tǒng)IOO或者由其控制。過程系統(tǒng)表示200可與任何其它適當(dāng)?shù)南到y(tǒng)關(guān)聯(lián)。在圖2所示的示例中，假定所有輸入和輸出都是多維向量。在這個(gè)示例中，由控制器(例如控制器104a或104b)所實(shí)現(xiàn)的邏輯由分立控制器表示202來表示。分立控制器表示202例如可表示非線性或時(shí)間不變控制器(time-invariantcontroller)。控制器所控制的過程由過程模型204來表示。噪聲在表示200中由分立噪聲模型206來表示，它可以是線性且時(shí)間不變的。抖動(dòng)信號(hào)208(標(biāo)為r(t))可在時(shí)間t疊加于控制器的一個(gè)或多個(gè)輸出上。所產(chǎn)生的信號(hào)210(標(biāo)為u(t))表示對過程的輸入。不可測量的擾動(dòng)212(標(biāo)為v(t))基于提供給分立噪聲模型206的白噪聲擾動(dòng)214(標(biāo)為e(t))。輸出信號(hào)216(標(biāo)為y(t))表示被控制過程的輸出。傳感器噪聲擾動(dòng)218(標(biāo)為ri(t))與輸出信號(hào)216的實(shí)際傳感器測量組合。例如通過從期望設(shè)定點(diǎn)減去傳感器測量，將傳感器測量(受到傳感器噪聲擾動(dòng)218影響)反饋給控制器。—般來說，控制器的閉環(huán)操作相對于開環(huán)情況會(huì)增加附加復(fù)雜性。一般來說，在閉環(huán)操作中，輸入通過反饋而與擾動(dòng)相關(guān)。由于這種相關(guān)，在開環(huán)情況下正常工作的方法在閉環(huán)情況下可能失敗。以下描述提供一種對于開環(huán)和閉環(huán)系統(tǒng)均有效的用于過程識(shí)別的14實(shí)用技術(shù)。雖然圖2示出過程系統(tǒng)的一個(gè)示例表示200，但是可對圖2進(jìn)行各種變更。例如，過程系統(tǒng)可通過任何其它適當(dāng)方法來建模。圖3至圖4B示出用于過程控制系統(tǒng)中的工業(yè)過程的自動(dòng)識(shí)別的示例方法。更具體來說，圖3示出用于工業(yè)過程的自動(dòng)識(shí)別的更一^:方法300，而圖4A和圖4B示出用于工業(yè)過程的自動(dòng)識(shí)別的方法400的更特別實(shí)現(xiàn)。圖3至圖4B所示的方法300和400的實(shí)施例僅用于說明。可使用方法的其它實(shí)施例，而沒有背離本公開的范圍。另外，為了便于說明，方法300和400可描述為由圖1的系統(tǒng)100中的模型識(shí)別工具132用于識(shí)別使用圖2的表示200建模的過程。方法300和400可由任何適當(dāng)裝置或系統(tǒng)用于識(shí)別任何適當(dāng)類型的待控制過程。如圖3所示，將用于識(shí)別用于控制過程的模型的輸入/輸出數(shù)據(jù)在步驟302進(jìn)行預(yù)調(diào)。這可包括例如模型識(shí)別工具132將輸入/輸出數(shù)據(jù)換算成適當(dāng)標(biāo)度(scale)。這還可包括模型識(shí)別工具132從不連續(xù)數(shù)據(jù)段減去平均數(shù)。在步驟304對于預(yù)計(jì)模型階數(shù)范圍來確定暫定延時(shí)。一般來說，當(dāng)存在對過程的輸入的變化時(shí)，在過程的輸出中存在對應(yīng)變化。將用于控制該過程的模型描述了過程輸出如何對應(yīng)于過程輸入的變化隨時(shí)間演進(jìn)。因此，模型可用于根據(jù)過程輸入變化來預(yù)測過程輸出變化。如果當(dāng)發(fā)生過程輸出變化時(shí)立即發(fā)生過程輸出變化，則不存在延遲。但是，在許多過程中，輸出變化在發(fā)生輸入變化之后的某個(gè)時(shí)間發(fā)生。這種情況在用于控制過程的模型中由延時(shí)來描述。延時(shí)的準(zhǔn)確估計(jì)可以是有用的，因?yàn)樗蓭椭档捅贿x取以控制過程的最終模型的階數(shù)或者提高模型的準(zhǔn)確度或效能。下面描述一種用于確定暫定延時(shí)的示例4支術(shù)。在步驟306使用輸入/輸出數(shù)據(jù)來識(shí)別多個(gè)候選模型集合。各模型集合例如可與不同類型的模型關(guān)聯(lián)。另外，各模型集合可包括各種階數(shù)的模型，例如當(dāng)各^^莫型集合包括一階、二階、三階和四階模型時(shí)。作為一個(gè)示例，模型集合可包括從PEM范型所推導(dǎo)的各種模型，其中使用直接和聯(lián)合輸入輸出技術(shù)。多個(gè)模型結(jié)構(gòu)(以及各結(jié)構(gòu)的后續(xù)多個(gè)階數(shù))建立要分析的候選模型的群體。下面描述模型的示例類型和用于生成模型的技術(shù)。在特定實(shí)施例中，候選模型集合的識(shí)別可包括以下步驟。模型識(shí)別工具132可計(jì)算需要迭代搜索的模型的高階模型初始條件(IC)。模型識(shí)別工具132還可估計(jì)模型參數(shù)(帶有或沒有暫定延時(shí))，并且選擇產(chǎn)生最小損失函數(shù)的參數(shù)。被分析模型中的至少一些可經(jīng)過過度參數(shù)化，以便滿足漸近理論以及提供充分的結(jié)構(gòu)，因此，模型質(zhì)量可能因高階模型增加的方差而受到損害。為了減小或消除這個(gè)問題，模型識(shí)別工具132可在最終分析和選擇之前降低所生成模型的階數(shù)。另外，帶通濾波器可根據(jù)所生成模型集合來設(shè)計(jì)，以及附加模型集合可使用帶通濾波數(shù)據(jù)來生成。在步驟308分析候選模型。這可包括例如模型識(shí)別工具132確定各個(gè)集合中先前生成的候選模型的各個(gè)量度。量度可以或者可以不唯一地取決于漸近理論。量度可允許基于經(jīng)驗(yàn)的技術(shù)來提供關(guān)于模型質(zhì)量的某種指示，并且質(zhì)量可識(shí)別模型的"良好性"(或者不良好)以及模型的有效性。量度可與預(yù)測性能無關(guān)，以及各輸入輸出模型對可根據(jù)質(zhì)量量度來排序。在步驟310選擇最佳整體模型。最佳整體模型可以是最有效或最準(zhǔn)確表示待控制過程的模型。例如，最佳整體模型的選擇可包括設(shè)計(jì)成識(shí)別哪一個(gè)模型結(jié)構(gòu)模型階數(shù)組合產(chǎn)生最佳整體性能的搜索。最佳整體模型可根據(jù)步驟308中所確定的量度來選擇。最佳整體模型還可使用基于經(jīng)由模擬所生成的各模型的輸出誤差的預(yù)測量度來選擇。例如，模擬的輸入和輸出可由帶通濾波器(其斷點(diǎn)由候選模型定義)來變換。經(jīng)濾波的數(shù)據(jù)可在模擬期間用于確定各候選模型的預(yù)測量度。然后，各個(gè)量度可被組合并用于選擇最佳整體模型。如果可能，則在步驟312降低所選模型的階數(shù)。然后在步驟314輸出所選模型。模型可由任何適當(dāng)方式輸出，例如采取傳遞函數(shù)的形式。圖4A和圖4B示出用于工業(yè)過程的自動(dòng)識(shí)別的更具體方法400。圖4A中。在步驟402對輸入/輸出數(shù)據(jù)進(jìn)行預(yù)調(diào)，以及在步驟404確定暫定延時(shí)。這可由與以上針對圖3所述的相同或相似方式來進(jìn)行。在步驟406識(shí)別積分外生輸入高階自回歸(hIX)候選模型集合。這可包括例如模型識(shí)別工具132使用預(yù)調(diào)輸入/輸出數(shù)據(jù)來生成具有不同模型階數(shù)的MX模型的集合。在步驟408進(jìn)行關(guān)于對于hIX模型是否需要延時(shí)的確定。模型階數(shù)可降低(如果可能的話)，以及在步驟410,與hIX模型關(guān)聯(lián)的量度可被確定并且與模型一起存儲(chǔ)。量度例如可提供關(guān)于候選模型的這個(gè)集合中的不同hIX模型的質(zhì)量的指示。在步驟412識(shí)別中間Box-Jenkins(iBJ)候選模型集合。這可包括例如模型識(shí)別工具132使用預(yù)調(diào)輸入/輸出數(shù)據(jù)來生成具有不同模型階數(shù)的iBJ模型的集合。在步驟414進(jìn)行關(guān)于對于iBJ模型是否需要延時(shí)的確定。在步驟416對于iBJ模型執(zhí)行初始參數(shù)估計(jì)。這可包括模型識(shí)別工具132識(shí)別iBJ模型的初始條件。在步驟418，與初始化模型關(guān)聯(lián)的量度被確定并且與模型一起存儲(chǔ)。在步驟420識(shí)別低階輸出誤差(1PE)候選模型集合。這可包括例如模型識(shí)別工具132使用預(yù)調(diào)輸入/輸出數(shù)據(jù)來生成具有不同模型階數(shù)的1PE模型的集合。在步驟422進(jìn)行關(guān)于對于1PE模型是否需要延時(shí)的確定，以及在步驟424執(zhí)行初始參數(shù)估計(jì)。在步驟426，與初始化1PE模型關(guān)聯(lián)的量度被確定并且與模型一起存儲(chǔ)。在步驟428識(shí)別外生輸入高階預(yù)濾波自回歸(hPX)候選模型集合。這可包括例如模型識(shí)別工具132使用預(yù)調(diào)輸入/輸出數(shù)據(jù)來生成具有不同模型階數(shù)的hPX模型的集合。在步驟430進(jìn)行關(guān)于17對于hPX模型是否需要延時(shí)的確定，以及在步驟432，與hPX模型關(guān)聯(lián)的量度被確定并且與模型一起存儲(chǔ)。在這一點(diǎn)，可給予已經(jīng)生成的各個(gè)模型以初始排序，例如基于到這點(diǎn)為止所確定的模型質(zhì)量量度的排序。使用當(dāng)前模型集合，在步驟434設(shè)計(jì)一個(gè)或多個(gè)帶通濾波器。這可包括例如模型識(shí)別工具132生成在后續(xù)步驟用于識(shí)別附加候選模型集合以及確定模型的預(yù)測量度的帶通濾波器。在步驟436，帶通濾波器用于對輸入/輸出數(shù)據(jù)進(jìn)行濾波。在步驟438識(shí)別外生輸入高階帶通濾波自回歸(hBP)候選模型集合。這可包括例如模型識(shí)別工具132使用由帶通濾波器濾波的輸入/輸出數(shù)據(jù)來生成具有不同模型階數(shù)的hBP模型的集合。在步驟440進(jìn)行關(guān)于對于hBP模型是否需要延時(shí)的確定，以及在步驟442,與hBP模型關(guān)聯(lián)的量度被確定并且與模型一起存儲(chǔ)。在這一點(diǎn)，模型識(shí)別工具132繼續(xù)分析候選模型集合，嘗試識(shí)別最好地表示被控制過程的模型。例如，在步驟444確定各模型結(jié)構(gòu)-模型階數(shù)組合的損失函數(shù)。另外，在步驟446可對各模型結(jié)構(gòu)-模型階數(shù)組合來識(shí)別平均反饋效應(yīng)相關(guān)因素。下面更詳細(xì)地進(jìn)行說明，平均反饋效應(yīng)相關(guān)因素可表示與各模型結(jié)構(gòu)-模型階數(shù)組合關(guān)聯(lián)的預(yù)測誤差。然后，在步驟448可使用損失函數(shù)和平均反饋效應(yīng)相關(guān)因素信息來更新模型量度和排序。然后，在步驟450使用量度和排序來選擇最佳整體模型。這可包括例如模型識(shí)別工具132采用最低預(yù)測誤差來識(shí)別具有最高排序的模型結(jié)構(gòu)和階數(shù)。在步驟452降低(如果可能的話)所選模型的階數(shù)，以及如果模型降階，則更新模型量度。然后，在步驟454，例如通過將模型轉(zhuǎn)換成連續(xù)時(shí)域并且輸出傳遞函數(shù)形式的模型，來輸出模型。然后，可使用例如平衡實(shí)現(xiàn)技術(shù)將傳遞函數(shù)模型轉(zhuǎn)換成狀態(tài)-空間模型。這個(gè)階段對模型的變換允許直接控制偏置-方差分布。這個(gè)特征在直接狀態(tài)-空間識(shí)別中是不可能的。下面結(jié)合圖5至圖24提供與這些步驟中的各個(gè)些步驟有關(guān)的附加細(xì)節(jié)(例如模型的識(shí)別或量度的確定)。雖然圖3至圖4B示出用于過程控制系統(tǒng)中的工業(yè)過程的自動(dòng)識(shí)別的方法的示例，但是可對圖3至圖4B進(jìn)行各種變更。例如，雖然各圖示出一系列步驟，但是這些圖中的各個(gè)步驟可重疊、并行進(jìn)行或者以不同順序進(jìn)行。作為一個(gè)特定示例，某些計(jì)算可以不是有嚴(yán)格順序的，以及先前計(jì)算的結(jié)果可用于對將來的計(jì)算進(jìn)行預(yù)調(diào)。圖5至圖24示出過程控制系統(tǒng)中的工業(yè)過程的自動(dòng)識(shí)別期間的示例梯:作。特別地，圖5至圖24和所附描述示出并描述在圖3、圖4A和圖4B的方法300、400中可進(jìn)行的各種操作。圖5至圖24所示的示例操作僅用于說明和解釋。在工業(yè)過程的自動(dòng)識(shí)別期間可進(jìn)行其它或附加操作，而沒有背離本公開的范圍。模型結(jié)構(gòu)介紹如上所述，模型識(shí)別工具132可生成多個(gè)候選的模型集合。在一個(gè)特定實(shí)現(xiàn)中所生成的候選模型集合的類型可根據(jù)例如過程系統(tǒng)的正常操作中的分步測試期間施加的實(shí)際約束等各種因素而改變。例如，安全和操作約束往往對于可如何測試過程系統(tǒng)施加限制。在一個(gè)典型工廠中，可能無法構(gòu)建單一的整體式多輸入多輸出(MIMO)模型。情況可能是這樣，而與將用于^^莫型構(gòu)建的識(shí)別程序無關(guān)。往往只有與給定控制器對應(yīng)的該過程的一部分才可在給定時(shí)間段中進(jìn)行步進(jìn)或測試。用于最終控制器的模型通?？赏ㄟ^組合多組或者多塊較小MIMO子模型來生成。在一些情況下，不相交數(shù)據(jù)(disjointdata)可要求從另外數(shù)據(jù)集對已知模型進(jìn)行基于數(shù)據(jù)變換的去巻積。認(rèn)識(shí)到在輸入/輸出數(shù)據(jù)通道之間可能不存在因果關(guān)系往往也是重要的。實(shí)際上，模型矩陣通常具有大量空或無效值(例如50%至80%)。如果無效關(guān)系事先已知，則這個(gè)信息可用于極大地增強(qiáng)模型識(shí)別工具132的性能?！銇碚f，通用PEM模型結(jié)構(gòu)可定義為，"(,)+H(z,,)(i)在這里，e是未知參數(shù)的向量，e是具有方差X的零平均白噪聲序列，y是p維向量的輸出，以及u是q維向量的輸入。因此，G確定維數(shù)為pxq，以及H確定維數(shù)為pxp。為了進(jìn)行分析，假定數(shù)據(jù)從定義如下的真實(shí)系統(tǒng)生成r:XO=G0(z)M(0+Ho(Z)e(f)(2)真實(shí)系統(tǒng)由^表示。在這里，設(shè)可用數(shù)據(jù)可表示為D"…(3)其中，N是數(shù)據(jù)記錄的數(shù)量。另外，設(shè)可容許模型結(jié)構(gòu)可標(biāo)為{G(z，e)，HO,。|(9s€>}(4)其中，"9是可準(zhǔn)許參數(shù)值的可容許范圍。因此，在一些實(shí)施例中，模型識(shí)別工具132確定等式(2)所定義的真實(shí)系統(tǒng)是否屬于等式(4)中給定的集合。為此，將集合定義為0中的那些e值，其中￡=w(e)。當(dāng)i:g5v/時(shí)，這個(gè)集合為空。如果假定"w而使得對于某個(gè)值e。r-W(e。)并且iM在e。是全局可識(shí)別的，貝寸(5)良好模型選擇是選擇^，使得等式(5)成立。由于^是抽象并且可能從來都是未知的，所以這可能需要測試若干不同結(jié)構(gòu)。模型結(jié)構(gòu)(以及模型階數(shù))的這種搜索可表示以上所述的由模型識(shí)別工具132執(zhí)行的基本搜索。在PEM識(shí)別方法中，對數(shù)據(jù)集合上的未知參凄t的估計(jì)可定義為々w4(j[)W;)-argmin7w(0，Z^)(6>先0在這里，"argmin"表示"函數(shù)的最小化自變量(argument)"。函數(shù)可由以下范凄史(norm)來定義<formula>formulaseeoriginaldocumentpage21</formula>(7)其中，是純量值型函數(shù)(scalar-valuedfunction)。在這里可支持二次和魯棒范數(shù)。等式(7)中的濾波預(yù)測誤差^'的可由下列表達(dá)^、払山.其中f("。=;^)-外|,一1,。=H-1-6"朋預(yù)測誤差的梯度可定義為(8)(9)W,e)=-丄fae)=丄K小—L0)uo)在等式(8)和(9)中，L(z)表示穩(wěn)定線性濾波器，以及符號(hào)g和h々別用于標(biāo)示"z，&和H"'&。類似地，符號(hào)"和H-可用于分別標(biāo)示G(z，e)和H(z,e)。雖然濾波器L(z)在等式(8)中顯式示為標(biāo)示它對成形預(yù)測誤差的作用，但是它也可用作數(shù)據(jù)預(yù)濾器以及用作特別候選模型集合(hBP模型集合)的噪聲模型中的附加項(xiàng)。漸近結(jié)果在以下描述中，為了便于符號(hào)表示而使用這些變量<formula>formulaseeoriginaldocumentpage21</formula>(11)其中，T確定維數(shù)為px(q+p),以及,確定維數(shù)為(q+p)xl。由這種定義，等式(l)可改寫為j(/)-:r(z,eu(0(12)從等式(11),義W的功率譜可表示為AO)K的(13)其中，^(的和oj的分別表示u的功率i普以及u和e的交叉功率i普(cross-powerspectrum)。另夕卜，確定維數(shù)為(q+p)x(q+p)。在這里可進(jìn)行如下假設(shè)等式(6)對于所有n和N收斂到唯一全局最佳值，DN中的所有信號(hào)是準(zhǔn)平穩(wěn)的，等式(7)中的標(biāo)量范數(shù)是二次的"(。)=11《)，以及0;r(的〉0V^。由此推斷^(《"?！?(0以及(14)歹w.p.l當(dāng)JV—m(15)其中2、、…以及歹-argminF的(16)保€(17)等式(17)可改寫為一1^e=argmin——(18)&e之兀其中，A⑨是s的功率譜。通過組合等式(2)、(9)、(11)和(12),預(yù)測誤差可改寫為(19)^巾rs[Go-G-H。-H-〗(20)并且其中，e(t)與[G?！狦-]"")和[H。-H-M,)無關(guān)(因?yàn)樗许?xiàng)是適當(dāng)?shù)?。因此，e的功率譜可改寫為①,H/W'+A(21)其中(22)氣A-以及例如"-gt(^—',。因此^"-argmin—ftr(fO^TH/"H/)(/fy先82;rJ《(23)22通過使用等式(22)，等式(23)中的表達(dá)式說明閉環(huán)條件下的PEM法的明顯屬性。當(dāng)refM時(shí)，G。efW和H。e^。因此，真實(shí)工廠和噪聲過程均位于參數(shù)化模型集合之內(nèi)。對于這種情況，從等式(2)清楚地知道，當(dāng)G廣G。和H歹^H。時(shí)出現(xiàn)等式(23)的最小值。因此滿足等式(5)。這產(chǎn)生如下結(jié)果，其中估計(jì)是一致且無偏置的<formula>formulaseeoriginaldocumentpage23</formula>當(dāng)￡^時(shí)，工廠和噪聲過程并非均位于參數(shù)化模型集合之內(nèi)。在這些情況下，可能比噪聲濾波器更希望具有工廠過程的良好估計(jì)。對于這種情況，認(rèn)為G和H獨(dú)立參數(shù)化，以及&e%且Hog^。在這里，真實(shí)工廠過程位于參數(shù)化模型集合之內(nèi)，但噪聲過程不是。如果不存在噪聲表示(例如1PE模型集合中)或者甚至如果噪聲建模不足，則情況可能是這樣。對于這種情況，^^人等式(22)和(23)清楚地知道，一般來說，G"G。沒有產(chǎn)生目標(biāo)函數(shù)的最小值，因此6沒有收斂到Go。但是，如果進(jìn)行開環(huán)測試，則當(dāng)。此sO時(shí)，可出現(xiàn)等式(23)的最小值。當(dāng)GoeiW時(shí)，這可產(chǎn)生如下結(jié)果。在閉環(huán)條件下，估計(jì)被偏置，以及6沒有收斂到G。。在開環(huán)條件下，^"^0，并且估計(jì)是一致且無偏置的&~>(90W.p.1當(dāng)//4oo(27)6—G。w.p.1當(dāng)W~>>(28)G(e'",^)—G。(e',w.p.1當(dāng)AT—(29)當(dāng)G。SW時(shí)，估計(jì)始終可被偏置，而與噪聲模型無關(guān)。在開環(huán)和閉環(huán)兩種操作中情況都會(huì)是這樣，這當(dāng)G。S^時(shí)可產(chǎn)生如下結(jié)果估計(jì)始終被偏置，以及6沒有收斂到Go。除了^和6之外，還根據(jù)4(^)=~"'~)來評估模型集合的屬性可以是有用的，它可具有如下形式H，,p(")Hp,)(30)列向量r^O可寫作:p，gh(31)其中，^是列向量算子，它通過堆疊矩陣的列(一個(gè)在另一個(gè)上面)來創(chuàng)建向量。根據(jù)等式(11)和(12)，f^,的協(xié)方差可寫作cov)=》》)<IV(勸(32)其中，^、0分別是列向量算子和克羅內(nèi)克積，以及譜^(勸在等式(13)中給出。此外，cov7^具有維p(q+p)xp(q+p),并且定義為ov-h。;ih'。。因此，協(xié)方差可寫作1rw、Um—尸(ty):t(納A(33)這對估計(jì)是漸近分布產(chǎn)生如下結(jié)果。當(dāng)乙eW時(shí)，第(i，j)個(gè)模型和濾波器的方差分別可定義為其中/t=f+/C/-l);Z=l~>/>。=1,(34)以及var[ft,j(e'")]-covr，,A:)其中t=;^+z'+pC/—i);!'=i—/;_/=1~>/另外，估計(jì)的分布可定義為其中*=/+/>()-1)"'=1—p;y'=l—(35)(36)以及其中a:=河+z'+pC/—l);/=1~>/j;y'=1—/(37)其中，協(xié)方差矩陣在等式(33)中定義。另外，時(shí)域中的估計(jì)的分布可全會(huì)出為z.=l—dim(&)射:(38)以及梯度V在等式(10)中定義。候選模型集合記住這一點(diǎn)，以下描述的各種候選模型集合可由模型識(shí)別工具132來識(shí)別和分析。一般來說，一致性和沒有偏置是對候選模型的重要要求。即使這些是理論屬性，但是它們可為實(shí)際模型提供可靠起始點(diǎn)。如上所述，G。e^(其中G和H獨(dú)立經(jīng)過參數(shù)化)可以是對開環(huán)操作的要求，而refW可以是對閉環(huán)操作的要求。因此，如果W包括最可能的候選，則會(huì)是有用的。因此，候選模型集合^可描述如下5^={%(0),!^2(0),-..,^6柳(39)其中，各集合^包含模型階數(shù)子集或系列O:0={",,"2，"3}(40)在特定實(shí)施例中，六個(gè)獨(dú)立模型結(jié)構(gòu)的集合^由模型識(shí)別工具132來考慮，以及各模型結(jié)構(gòu)包含一個(gè)三個(gè)獨(dú)立階數(shù)的集合O。各集合中的階數(shù)可對于各模型結(jié)構(gòu)而改變(意思是W(W=="一)。G(z,9)和H(z,e)的基本模型結(jié)構(gòu)可使用如下一般參數(shù)化來定義(41)關(guān)L(z)A(z，0)DO'i9)在這個(gè)表達(dá)式中，已經(jīng)顯式包括成形濾波器L(Z),因?yàn)樗嵌x一個(gè)特別模型結(jié)構(gòu)(hBP模型集合)的基礎(chǔ)。這個(gè)參數(shù)化極為靈活，并且實(shí)際上可覆蓋所有多項(xiàng)式黑箱模型。以下命名用于描述六個(gè)模型集合fW2=/BJ5W5=ABP(42)在更詳細(xì)地描述六個(gè)所選模型結(jié)構(gòu)之前，要注意，閉環(huán)操作因輸出誤差與輸入之間由于反饋引起的交叉相關(guān)而提出開環(huán)操作中可能不存在的難題。因此，閉環(huán)模型識(shí)別方法可分類為三個(gè)大類。在"直接"方法中，忽略反饋的問題，以及模型估計(jì)使用未改變輸入/輸出信號(hào)來進(jìn)行。對于這種方法，無偏置估計(jì)可能要求二eiW。在"間接"方法中，首先確定外部抖動(dòng)信號(hào)與過程輸出之間的閉環(huán)傳遞函數(shù)，以及從其中使用對控制器的先前知識(shí)來確定開環(huán)模型。在"聯(lián)合輸入/輸出"方法中，輸入和輸出兩者的測量用于識(shí)別聯(lián)合系統(tǒng)，該^:合系統(tǒng)具有過程輸入和輸出作為其輸出以及外部抖動(dòng)信號(hào)作為其輸入。然后，聯(lián)合系統(tǒng)可以僅采用開環(huán)限制來識(shí)別，因此無偏置估計(jì)可以只要求G。e^。在一些實(shí)施例中，由于要求控制器表示是已知且線性，間接方法沒有用于生成模型識(shí)別工具132所考慮的候選模型集合。在這些實(shí)施例中，直接和聯(lián)合輸入/輸出方法均可由模型識(shí)別工具13226用于定義候選模型集合。直接候選模型的參數(shù)化由等式(41)來描述，以及所有模型可從這些基本結(jié)構(gòu)(無論是直接還是聯(lián)合輸入/輸出)推導(dǎo)。為了描述聯(lián)合輸入/輸出模型，將圖2所示框圖的閉環(huán)傳遞函數(shù)寫作下式會(huì)是方便的<table>tableseeoriginaldocumentpage27</column></row><table>柳(43)在這里，已經(jīng)假定控制器是線性的，但是模型識(shí)別工具132無需具有此限制。如果輸出和輸入靈敏度函數(shù)和輸出補(bǔ)充靈敏度函數(shù)分別定義為&s[I+G。C]一、《s[I+CG。]-'和7;3G。Cll+G。C]-、，則等式(43)可改寫為Xg。s。h。-r。"(0—_s,柳(44)從這個(gè)閉環(huán)表達(dá)式可以看到，輸入由三項(xiàng)組成(一個(gè)因r引起，一個(gè)因e引起，以及一個(gè)因ti引起)。因此，u這可表示為M(f)=Kr(0+we0)+"0)(45)其中CS。H。e(,)-(46)々)s-CS。柳在這種形式中，Ur表示由抖動(dòng)信號(hào)所生成的輸入U(xiǎn)的部分，W表示因過程噪聲反饋而引起的部分，以及U"表示因傳感器噪聲反饋而引起的部分。通過這種表示，過程輸出可寫作)'(f)=G0!/(>)+G0"e0)+G。w7(,)十H。e(f)(47)由于uf與等式(47)右邊的其余項(xiàng)不相關(guān)，所以Go的一致估計(jì)可采用y和W的數(shù)據(jù)來獲得。換言之，聯(lián)合輸入/輸出方法可設(shè)法首先確定u、以及通過這種信息，將標(biāo)準(zhǔn)直接方法用于模型估計(jì)。另外，在描述六個(gè)所選模型結(jié)構(gòu)之前，要注意，丸可寫作:(48)其中，*"'、氣、氣"和^"可定義為對于如下定義:=-(49)(50)等式(48)可改寫為o>=a>.:+<i>(51)因此，^可表示為三個(gè)分量之和^表示來自外部抖動(dòng)的部分，0:表示來自噪聲反饋的部分，以及《表示因傳感器噪聲反饋而引起的部分。另外，^可寫作。i氣"1《v0I<000A000o,0I7K(52)前一個(gè)表達(dá)式產(chǎn)生如下結(jié)果在線性控制器C中，^>0^"對于上述結(jié)果成立。因此，對于這些條件下的閉環(huán)操作可需要外部抖動(dòng)信號(hào)。如果控制器是非線性或者時(shí)變的，則可以是正定(即使沒有抖動(dòng)信號(hào))。即使*7是正定，當(dāng)^中沒有機(jī)制來衰減時(shí)，由于方差誤差而可能使模型無用?？上鄬τ诘蛶捒刂破鞯拈]環(huán)操作來進(jìn)行最終觀測。在這些條件下，靈敏度函數(shù)和控制器可具有以下特性limKI=1'lim|S」=1andlim|C|二0(53)28對于低帶寬控制器，^饑(其中IS(臥)卜1，并且化是控制器的截止頻率)，因此KIH&卜i》lcl。通過這種信息，^可改寫為,0o;i(54)因此，閉環(huán)中運(yùn)行的測試對于低帶寬控制器可呈現(xiàn)開環(huán)行為。在這種情況下，模型方差可表示為va我,(,)]-^:(55)如果KI《I氣I，則可進(jìn)行同樣的陳述。因此，僅在開環(huán)條件下才是一致的至少一個(gè)模型集合包含在^中?；鶞?zhǔn)面(baselevel)參數(shù)化在以下描述中，沒有進(jìn)行關(guān)于控制器的性質(zhì)的假設(shè)，并且控制器可以是線性或者非線性的。在本專利文件的論述的一部分中可假定一般MIMO結(jié)構(gòu)，并且可要求等式(41)的多項(xiàng)式是適當(dāng)階數(shù)的多項(xiàng)式矩陣。另外，對于可識(shí)別性條件可能需要指定多項(xiàng)式結(jié)構(gòu)。由于這可引起麻煩的規(guī)范形式，并且全MIMO結(jié)構(gòu)的任何優(yōu)點(diǎn)可被實(shí)際分步測試的要求消除，因此，這里所考慮的方法涉及解決表示如下的一序列p個(gè)多輸入單輸出(MISO)模型乃(0=t[G〖(z，]+H乂z'的(56)從等式(41)所覆蓋的可能結(jié)構(gòu)中，一種方式可基于這些才莫型的子集，其根據(jù)歷史性能呈遞了最佳整體性能。例如，一種結(jié)構(gòu)(ARX)可用作這些才莫型中的數(shù)個(gè)中的素元。因此，ARX結(jié)構(gòu)可以不單獨(dú)使用，而是可與其它結(jié)構(gòu)組合。對于第j個(gè)輸出可將ARX結(jié)構(gòu)定義如下A"z,代"》(57)H^,代"》-^-J-iyo)A乂(z,e("))其中，nk(i,j)是對于第i個(gè)輸入和第j個(gè)輸出的采樣間隔的暫定傳輸延遲，n是多項(xiàng)式階數(shù)，以及L是取決于ARX結(jié)構(gòu)與其配合使用的特別結(jié)構(gòu)的濾波器。給定結(jié)構(gòu)和給定候選集合的多項(xiàng)式可具有相同階數(shù)n。除非另加說明，如果不存在傳輸延遲，則B多項(xiàng)式允許半恰當(dāng)結(jié)構(gòu)(semi-properstructure)。由于被識(shí)別的過程在這個(gè)ARX公式表示中可表示為"黑箱"模型，所以設(shè)模型階數(shù)n取決于數(shù)據(jù)樣本的數(shù)量r^n(N)是自然的。通常，為了具有模型集合而使得對于工業(yè)過程G。e^且H。e^，階數(shù)n需要隨數(shù)據(jù)樣本N的數(shù)量增加而增加，但是n與N相比可能很小。因此，階數(shù)要求可陳述為"(A0~*°oasAr_>oo;w2(at)/at_>o當(dāng)w—w(58〉通過這種表示，ARX階數(shù)集合0皿可指定為"max(ViV710,30)(59)&=可對于存在具有積分行為的一個(gè)或多個(gè)輸入/輸出通道的情況提供一種機(jī)制。在這些情況中，輸出數(shù)據(jù)可經(jīng)過差分，如對應(yīng)于非積分輸入通道的所有輸入也是那樣。當(dāng)求解完成時(shí)，z域(l-z")中確切的零可與適當(dāng)子模型進(jìn)行巻積。若干模型集合從這個(gè)基準(zhǔn)面參數(shù)化推導(dǎo)。最終模型集合^:在各個(gè)候選模型集合中，模型可全部包括揭示因式分解的數(shù)值魯棒排序。迭代解可由MATLABID工具箱來支持，但初始化除外。雖然"輔助變量法"可用于MATLABID工具箱，但是在各種實(shí)際應(yīng)用中可能成問題。為了糾正這個(gè)方面，可使用下面描述的MX方法，以及可實(shí)現(xiàn)模型簡化步驟，以便形成初始估計(jì)。當(dāng)用于初始條件估計(jì)時(shí)，hIX模型的階數(shù)可使用Akaike的信息理論準(zhǔn)則(AIC)而不是等式(59)來確定。如前面所述，在一些實(shí)施例中，才莫型識(shí)別工具132進(jìn)行操作以獲得在各種限制(例如到全局最小值和準(zhǔn)平穩(wěn)信號(hào)的模型收斂)下要求"fM的無偏置模型。這里所選和所述的模型集合可表示在開環(huán)和閉環(huán)操作下最適合于滿足這個(gè)目標(biāo)的模型。但是，可使用其它或附加類型的模型。下面提供每個(gè)候選模型集合的詳細(xì)描述。在根據(jù)預(yù)測性能提供任何結(jié)果中，預(yù)測值夕可基于開環(huán)oo-步之前的預(yù)測(意思是少-;^j/—oo)=6"W),而不是用于定義如等式(9)所示的預(yù)測誤差的一步之前的預(yù)測i^l卜1)。hIX模型集合可使用直接方法來確定積分外生輸入高階自回歸(hIX)候選模型集合。這個(gè)候選模型集合可表示從等式(59)派生的高階模型集合。濾波器L可用于在需要時(shí)去除非平穩(wěn)效應(yīng)，并且損失函數(shù)的全局最小值可得到保證，因?yàn)椴恍枰糜谇蠼獾仁?6)。這個(gè)模型結(jié)構(gòu)可使用等式(59)中定義的階數(shù)集合。對于各階，可創(chuàng)建兩個(gè)模型，一個(gè)具有L=l,而另一個(gè)具有L=l-Z"。后者有時(shí)稱作"差分?jǐn)?shù)據(jù)"或者速度形式。為了使差分濾波器有效，可將它與高階模型結(jié)合使用。與低階或欠參數(shù)化模型配合使用可能有問題，并且使結(jié)果無用。另外，如果這甚至對高階應(yīng)用也會(huì)使模型無用，則可能不考慮差分濾波器與噪聲模型的結(jié)合使用。在MX集合中，可通過測量各個(gè)子才莫型分步響應(yīng)的方差，來比較具有和沒有濾波數(shù)據(jù)的模型。示例比較如圖5所示，圖5示出不同的數(shù)據(jù)類(具有慢極點(diǎn)并且具有漂移的數(shù)據(jù))以及具有和沒有濾波器(L-1和I^l-z—1)。圖5中的陰影區(qū)域表示具有不同階數(shù)的各^t型的可變性。這種可變性可與絕對增益或響應(yīng)時(shí)間無關(guān)，因?yàn)榭勺冃栽谝?guī)格化坐標(biāo)中計(jì)算。模型識(shí)別工具132可操作以便識(shí)別產(chǎn)生最低整體可變性的濾波器。在圖5中可看到，沒有濾波器(L-1)的所顯示輸入通道的可變性對于慢極點(diǎn)應(yīng)用是最佳的，而對于非平穩(wěn)數(shù)據(jù)的情況要求使用濾波器(L-l-z—1)。這只是一個(gè)示例，而可能不是始終真實(shí)的。這種方法在自動(dòng)確定是否需要濾波器時(shí)會(huì)極為有效，它與預(yù)測誤差無關(guān)，并且對各個(gè)輸入通道的響應(yīng)的大變化不敏感。具有最低整體可變性的模型集合可作為hIX解返回。iBJ模型集合可使用直接方法來確定Box-Jenkins中間階多輸入模型結(jié)構(gòu)(iBJ)。這種結(jié)構(gòu)可要求非凸迭代解，意思是可能不保證全局最小值。當(dāng)獲得全局最小時(shí)并且噪聲分布為高斯時(shí)，估計(jì)是無偏置的，并且具有最小方差，因此這可以是最佳估計(jì)子(estimator)。非平穩(wěn)效應(yīng)可由噪聲模型直接接納。對此(以及其它迭代解)，初始條件可根據(jù)初始hIX解來計(jì)算。用于這個(gè)模型的一個(gè)示例標(biāo)準(zhǔn)參數(shù)化是F/(z,柳(60)D"z'代"))這個(gè)模型結(jié)構(gòu)可使用定義為0脂={3'4'5}的中間階集合。當(dāng)這個(gè)結(jié)構(gòu)遇到非平穩(wěn)測試數(shù)據(jù)集時(shí)，非平穩(wěn)數(shù)據(jù)可由擾動(dòng)模型直接維護(hù)。在這里，D的實(shí)根可代替先前描述的差分濾波器，因此在此不需要預(yù)濾波。1PE模型集合可使用直接方法來確定輸出誤差低階多輸入模型結(jié)構(gòu)(1PE)。這種結(jié)構(gòu)可要求非凸迭代解，因此可能不保證全局最小值。但是，由于其比較簡單的結(jié)構(gòu)，收斂比采用iBJ結(jié)構(gòu)可能更為可能。這是一種在閉環(huán)操作中可偏置的模型類型。可能沒有固有機(jī)制來處理非平穩(wěn)數(shù)據(jù)。相反，這種模型類型只是因其在開環(huán)操作中的魯棒性能并且對于具有低帶寬控制的閉環(huán)情況才可包含。用于這種模型的標(biāo)準(zhǔn)參數(shù)化可給出為'、，、〃F/0,代"))(61〉H'(^("))=1這個(gè)模型結(jié)構(gòu)可使用定義為O={1，2，3}的低階集合。例如，當(dāng)被控制的設(shè)備具有極長響應(yīng)時(shí)間但沒有使用抖動(dòng)信號(hào)時(shí)，這個(gè)模型結(jié)構(gòu)可以是有用的。在這種情況下，帶通濾波器的設(shè)計(jì)可能因長響應(yīng)時(shí)間而失效，因此其它類型的模型(例如hBP和tSP模型結(jié)構(gòu))可能不適當(dāng)。在這種情況下，iBJ方法也可能失效，而更簡單的^E模型比所有其它結(jié)構(gòu)會(huì)明顯要好。實(shí)際上，有可能的是，設(shè)備具有極長(例如一天或數(shù)天)的響應(yīng)時(shí)間(設(shè)定時(shí)間(settlingtime)),因此根本沒有真正保持均衡。由于在這種情況下不存在已知模型，所以模型的預(yù)測性能(它的一個(gè)示例如圖6所示)可用于直觀地查明模型質(zhì)量。hPX模型集合可使用聯(lián)合輸入/輸出方法來確定外生輸入高階預(yù)濾波自回歸(hPX)模型結(jié)構(gòu)。這個(gè)模型結(jié)構(gòu)可表示高階多輸入三級模型。各級可以是順序的，其中以自舉系連(bootstrap)方式來細(xì)化估計(jì)。hPX模型結(jié)構(gòu)的第一級可操作以求解等式(57)，其中沒有濾波器L,其使用來自等式(59)的標(biāo)準(zhǔn)ARX階數(shù)集合。因此，可得到產(chǎn)生高階估計(jì)6/和^的第j個(gè)輸出的常規(guī)ARX解。僅合適的模型可采用這種結(jié)構(gòu)來獲得。hPX才莫型結(jié)構(gòu)的第二級可去除輸入與擾動(dòng)之間的交叉相關(guān)，由此估計(jì)ur。這允許對等式(47)直接求解。在這里，假定"7很小，因此，一旦ue為已知，則可由等式(45)來確定u""。這一級的第一步可包括計(jì)算以下開環(huán)或輸出預(yù)測誤差<formula>formulaseeoriginaldocumentpage33</formula>4(f階自回歸(AR)濾波器W可經(jīng)設(shè)計(jì)并且用于白化輸出預(yù)測誤差，使得^-^&。隨著濾波預(yù)測誤差可用，可引起以下估計(jì)問題<formula>formulaseeoriginaldocumentpage33</formula>可使用等式(57)給出的ARX形式而對于卜和f"《求解等式(63)。這個(gè)解可使用固定40th階單輸入單輸出(SISO)參數(shù)化。通過這種信息，ue可由下式來估計(jì)(e0)=f,2/(0〃=1~>TV;/=1—g(64)從等式(45)，對于"7u'可表示為高帶寬PID控制測試數(shù)據(jù)集合可用于表明去除反饋的這種技術(shù)的效能。圖7示出原始輸入u,其中ue和i/使用等式(62)至(65)來計(jì)算。這個(gè)示例中的控制器將因時(shí)變擾動(dòng)而引起的y的變化傳遞給控制器輸出u。雖然u的變化是因擾動(dòng)和抖動(dòng)信號(hào)引起，但ue所示的擺動(dòng)是因擾動(dòng)引起。殘差信號(hào)W只是因抖動(dòng)信號(hào)引起，并且可與原始y配合使用作為直接識(shí)別的數(shù)據(jù)集合。hPX模型結(jié)構(gòu)的第三級可使用第一和第二級的結(jié)果，與1PE模型結(jié)構(gòu)結(jié)合來計(jì)算q個(gè)SISO模型。這q個(gè)SISO模型的數(shù)據(jù)可通過使用來自等式(65)的結(jié)果以及第一級結(jié)果作為濾波器來獲得，以便得到<=A"(r;J^=;w,(66)A/存在q個(gè)數(shù)據(jù)集",-，并且IPE模型結(jié)構(gòu)(等式(61))可用于計(jì)算q個(gè)SISO模型。hPX階數(shù)集合可以為oAPX=口'3，4)。雖然第二級對于去除反饋效應(yīng)可以是有用的，但是它在開環(huán)或低帶寬應(yīng)用中可能引起極少或者沒有引起處罰。不那么明顯的是第三級中的濾波器分步(filterstep)的重要性。圖8示出三個(gè)結(jié)果，其中示出原始u和y數(shù)據(jù)的濾波值連同表明一小段疊加數(shù)據(jù)的插入。使用A'來獲得"/可有效地對后續(xù)IPE遍數(shù)(IPEpass)的重要頻帶進(jìn)行加權(quán)。在這里可看到，已經(jīng)去除較慢頻率，因此不需要外部濾波來處理非平穩(wěn)數(shù)據(jù)。由于這個(gè)濾波數(shù)據(jù)是無擾動(dòng)的，所以SISO模型的1PE遍數(shù)可比較收斂的。然而，在一些情況下可得到局部最小值。為了使這種可能性減小或者為最小，可構(gòu)建階數(shù)《x"和《x一的兩個(gè)加法模型，并且可選擇具有最接近平均值的響應(yīng)的模型。hBP模型集合可使用聯(lián)合輸入/輸出方法來確定外生輸入高階帶通濾波自回歸(hBP)模型結(jié)構(gòu)。這個(gè)模型結(jié)構(gòu)可使用預(yù)調(diào)帶通濾波器來識(shí)別。在先前所述的hIX技術(shù)中，使用簡單濾波器L,因?yàn)闆]有先前過程信息可用。在這種技術(shù)中，濾波器L可根據(jù)從上述建模技術(shù)(hIX、iBJ、1PE和hPX模型結(jié)構(gòu))可得到的結(jié)果設(shè)計(jì)為帶通濾波器。這種技術(shù)也可使用三級。第一級可使用帶通濾波器，其斷點(diǎn)根據(jù)當(dāng)前模型信息來定義，以便對輸入/輸出數(shù)據(jù)進(jìn)行預(yù)調(diào)。在圖9中示出與非平穩(wěn)數(shù)據(jù)測試集合配合使用的示例濾波器的功效。y和u的帶通濾波值分別示為7和I此圖表明，在采用適當(dāng)?shù)念A(yù)濾器執(zhí)行任何模型識(shí)別之前，可有效地衰減高噪聲和低漂移頻率。hBP模型結(jié)構(gòu)的第二級可使用帶通濾波值^和&來求解等式(57),其中沒有濾波器L,其使用來自等式(59)的標(biāo)準(zhǔn)ARX階數(shù)集合。因此，可得到產(chǎn)生高階估計(jì)^和^的第j個(gè)輸出的常規(guī)ARX解。僅適當(dāng)模型可采用這種結(jié)構(gòu)來獲得。hBP模型結(jié)構(gòu)的第三級可與上述hPX模型結(jié)構(gòu)的第三級相似或相同，但這里的階數(shù)集合可以為oABP=(3，4.。。可使用第三級的備選實(shí)施例，例如其中反饋效應(yīng)經(jīng)由hPX模型結(jié)構(gòu)中的第二級去除，之后跟隨具有外生變量的自回歸移動(dòng)平均(ARMAX)解。tSP模型集合可使用聯(lián)合輸入/輸出方法來確定高階三級投影(tSP)模型結(jié)構(gòu)。這個(gè)模型結(jié)構(gòu)可表示高階多輸入三級模型。與hPX模型相似，tSP模型利用顯式分步(step)從數(shù)據(jù)去除反饋效應(yīng)。與hPX技術(shù)中不同，MIMO非因果脈沖濾波器可與抖動(dòng)信號(hào)的顯式使用結(jié)合用于去除輸入與擾動(dòng)之間的交叉相關(guān)。在第一級，投影濾波器可用于在任何建模步驟之前從數(shù)據(jù)去除反饋，因而去除估計(jì)C。等式(63)和(64)可在hPX技術(shù)中用于以順序SISO方式來估計(jì)ue,而在這里可使用直接包括抖動(dòng)信號(hào)的對于等式(63)的MIMO對等體。這個(gè)表示可由下式給出w(/)=rv(o+TD(67)這樣，對于全部q個(gè)輸入通道可存在抖動(dòng)信號(hào)。另外，可通過將Tw參數(shù)化為如下形式的雙邊脈沖濾波器，將其約束為非因果算子r(z")=((68〉1等式(68)的結(jié)構(gòu)可用于確保成為后續(xù)識(shí)別步驟中的殘差的所得估計(jì)r與"-""漸近地不相關(guān)。在特定實(shí)施例中，濾波器階數(shù)可以為n產(chǎn)nf20。這個(gè)濾波器對高帶寬PID控制測試數(shù)據(jù)集的響應(yīng)如圖10所示。通過從等式(68)已知的—，u'可直接由下式來估計(jì)ti;(f)=:f"rr,(f),f-l—W;"1—g(69)圖11示出使用等式(69)計(jì)算的原始輸入u和u""。如圖ll所示，將W的開始偏移np同時(shí)結(jié)束因非因果濾波器而縮短n2。信號(hào)u、口、是因抖動(dòng)信號(hào)引起，并且可與原始y配合使用作為直接識(shí)別的數(shù)據(jù)集合。tSP模型結(jié)構(gòu)的第二級可與hPX模型結(jié)構(gòu)的第一級相似或相同。這一級求解等式(57)，其中沒有濾波器L,其使用來自等式(59)的標(biāo)準(zhǔn)ARX階數(shù)集合。因此，可得到產(chǎn)生高階估計(jì)W和W的第j個(gè)輸出的常規(guī)ARX解。僅適當(dāng)模型可采用這種結(jié)構(gòu)來獲得。tSP模型結(jié)構(gòu)的第三級可與hPX方法的第三級相似或相同，并且求解等式(66)。tSP階數(shù)集合可以為o'"-P，3，4〉。延時(shí)估計(jì)如上所述，方法300和400可包括估計(jì)才莫型的延時(shí)。延時(shí)如果沒有顯式解決，則可引起嚴(yán)重降級的模型識(shí)別結(jié)果。例如，如果沒有顯式解釋延遲，則G。e^的似然顯著增加，并且可產(chǎn)生高偏置模型。36用于估計(jì)延時(shí)的常失見技術(shù)往往遭遇各種缺陷。例如，在許多實(shí)際應(yīng)用中，AIC中沒有良好定義的最小值，因此在過程的奇異值(singularvalue)中沒有可辨別的"拐點(diǎn)"。實(shí)際過程擾動(dòng)和非線性效應(yīng)可使僅基于AIC或置信界限的方法有問題。另外，對于延遲的解往往是所應(yīng)用的模型結(jié)構(gòu)的函數(shù)，意思是對于一種模型結(jié)構(gòu)最佳的延遲對于具有另一結(jié)構(gòu)/階數(shù)的模型可能不是最佳的。固定延遲的模型降階可引起原始模型中不存在的簡化模型的偏置。另外，在識(shí)別步驟外部所估計(jì)的延遲的直接使用可導(dǎo)致降級的性能。由于在多變量情況中同時(shí)估計(jì)模型和延遲通常是計(jì)算量巨大的，所以先前估計(jì)的延遲在識(shí)別步驟中僅可認(rèn)為是暫定值。在SISO模型降階中，可聯(lián)合確定延遲/階數(shù)組合。在一些實(shí)施例中，模型識(shí)別工具132分兩層級來確定延遲估計(jì)。在模型識(shí)別之前，可估計(jì)MISO多變量延時(shí)的暫定值(它可在圖3和圖4A的步驟304、404中進(jìn)行)。在模型降階期間，SISO延時(shí)可結(jié)合模型簡化(它可在圖3和圖4B所示的步驟312、452中進(jìn)行)來確定。下面描述用于多變量延遲估計(jì)的程序，同時(shí)以下結(jié)合降階來描述SISO延遲估計(jì)。對于多變量延遲估計(jì)，可使用MISO脈沖和ARX結(jié)構(gòu)?；诟鱾€(gè)系數(shù)的統(tǒng)計(jì)信息的延遲的直接估計(jì)在許多應(yīng)用中可能有問題。為了避免這種類型的問題，趨勢分析可由模型識(shí)別工具132來執(zhí)行。在基于趨勢的方法中，不是查看各個(gè)系數(shù)，而是可使用模型來構(gòu)成響應(yīng)段。然后可使用這些段來檢測響應(yīng)的哪些部分是與感知噪聲可區(qū)分開的。設(shè)計(jì)目標(biāo)可以是例如檢測多達(dá)三個(gè)小時(shí)的延遲。對于各輸入通道可考慮模型階數(shù)的八個(gè)集合，并且小于一分鐘的取樣率可要求二次取樣。用于延遲估計(jì)例程中的壓縮率可以是取樣率的函數(shù)。用于估計(jì)延遲的一個(gè)示例方法1200如圖12所示。圖12中，步驟1202-1218用于估計(jì)單個(gè)模型階數(shù)的延遲。在步驟1202生成一組MISO模型。然后，在步驟1204使用MISO模型來生成響應(yīng)段。在步驟1206，例如通過使用前向-后向非因果濾波器來平滑沒有相位失真的響應(yīng)段，來使用濾波器來平滑所生成的響應(yīng)段。在步驟1208確定各平滑和未平滑段的平均、最小和最大值，并且這些值在以后可用于噪聲耐量評估。在步驟1210，例如通過使用移動(dòng)平均表示，來確定各平滑段的最大斜率值。在步驟1212確定預(yù)計(jì)噪聲耐量。在步驟1214，例如通過使用前向-后向計(jì)算和噪聲耐量，來確定平滑和未平滑段的可能延遲和非最小相位間隔。如果必要，在步驟1216根據(jù)二次取樣壓縮來更新可能的非最小相位間隔。最后，在步驟1218,可能的延遲間隔存4諸在各個(gè)間隔才各(intervalbin)中。如果在步驟1220確定并非分析了所有模型結(jié)構(gòu)和階數(shù)，則步驟1202-1218可重復(fù)進(jìn)行。當(dāng)完成時(shí)，在步驟1222，格累計(jì)分布用于查找一致延遲間隔。如果一致間隔存在，則在步驟1224,定義模型結(jié)構(gòu)/階數(shù)與延遲間隔之間的線性函數(shù)關(guān)系。雖然在這里一般可避免試探法，但是它們可使用歷史工廠測試數(shù)據(jù)來開發(fā)，并且可使這種趨勢分析相當(dāng)有效。然而，由于"強(qiáng)力"方法，它可能非常費(fèi)時(shí)。如果模型識(shí)別在分步測試期間執(zhí)行，則這通常不是問題。但是，在臺(tái)式分析模式中，用戶因這種計(jì)算負(fù)荷而可能希望能夠配置延遲估計(jì)。因此，可對模型識(shí)別的這個(gè)方面提供用戶選項(xiàng)(使該過程低于全自動(dòng)化)。上述方式可以是模型識(shí)別工具132所使用的缺省方式。但是，如果沒有預(yù)計(jì)延遲，則可給予用戶關(guān)閉延遲估計(jì)的選項(xiàng)，或者如果先前信息可用，則用戶可設(shè)置最大預(yù)計(jì)延遲。帶通濾波器如上所述，在圖4B的步驟434所生成的帶通濾波器可用于執(zhí)行一個(gè)或多個(gè)功能。首先，濾波器可用于對感興趣頻帶中的輸入/輸出數(shù)據(jù)進(jìn)行加權(quán)。因此，可在建模之前使用預(yù)濾器(例如當(dāng)生成hBP模型時(shí)進(jìn)行)。其次，帶通濾波器可用于幫助生成有意義的預(yù)測量度，以便幫助評估每個(gè)可能的模型。與該功能無關(guān)，濾波器的形式可如下所示其中，^和^分別是低頻和高頻斷點(diǎn)，以及k是規(guī)格化增益元本7乂古"r7-、Jl工3石；4"、$,法aJlE)"sris士^"srffli皆開'jits條々圖13示出用于設(shè)計(jì)帶通濾波器的示例方法1300。方法1300例如可在圖4B的步驟434中執(zhí)行。在帶通濾波器設(shè)計(jì)在圖4B中時(shí)，除了hBP和tSP模型之外的所有模型都可以是可用的。在步驟1302識(shí)別可用候選模型集合中的任何有效模型。下面提供與模型驗(yàn)證有關(guān)的其它細(xì)節(jié)。注意，這個(gè)步驟是可選的，并且在需要時(shí)可省略。如果在步驟1304存在任何有效模型，則在步驟1306搜索有效候選模型中的一個(gè)或多個(gè)主導(dǎo)極點(diǎn)。如果在步驟1304不存在有效模型或者如果在步驟1308主導(dǎo)極點(diǎn)超出預(yù)定義范圍之外(不是有效的)，則方法1300可結(jié)束，并且沒有帶通濾波器可創(chuàng)建。否則，在步驟1310可使用有效主導(dǎo)極點(diǎn)來創(chuàng)建帶通濾波器。這樣設(shè)計(jì)的示例帶通濾波器的波特圖(bodeplot)如圖14所示。在這個(gè)具體示例中，高通和低通滾降(roll-off)特性可設(shè)計(jì)成在大約一分鐘與十分鐘之間傳遞所有相干模型信息。噪聲能以40db/decade滾降，而漂移能以20db/decade滾降。帶通濾波器還可用于幫助定義有意義的預(yù)測量度。一旦識(shí)別所有模型，則可執(zhí)行預(yù)測計(jì)算以幫助模型質(zhì)量評估。這可包括評估^而不是&。因此，非平穩(wěn)數(shù)據(jù)可使預(yù)測計(jì)算無用。A〃'直接用于預(yù)測評估對于一些應(yīng)用可能有問題。但是，等式(70)所定義的濾波器可完全適合這個(gè)任務(wù)。這種情況下的頻帶相對于預(yù)濾器情況可增加，因?yàn)閮H包括預(yù)測，并且中頻至低頻擾動(dòng)的衰減是極合乎需要的。模型'驗(yàn)證如上所述，在模型用于搜索帶通濾波器的主導(dǎo)極點(diǎn)之前可能需要對它們進(jìn)行驗(yàn)證。從用戶的觀點(diǎn)來看，模型的驗(yàn)證可以是整個(gè)識(shí)別過程的最重要方面。模型驗(yàn)證首先可涉及確立輸入/輸出通道之間的因果關(guān)系是否存在。如果關(guān)系存在，則模型的驗(yàn)證可集中于識(shí)別關(guān)系的"質(zhì)量"。定義"質(zhì)量"可能是不明確的試探任務(wù)。在一些實(shí)施例中，由模型識(shí)別工具132進(jìn)行的模型驗(yàn)證可以僅包含模型量度，并且可以不3t4空制器i殳i十施力口自動(dòng)界P艮?？?'吏用基于步1;或和時(shí)^或的方法。在具體實(shí)施例中，模型識(shí)別工具132支持對模型驗(yàn)證的多級基于時(shí)間的方式。在這種方式中，模型量度不僅根據(jù)漸近理論而且還根據(jù)存在變化結(jié)構(gòu)和階數(shù)的多個(gè)模型的事實(shí)來開發(fā)。這種方式的一個(gè)示例如圖15所示。圖15示出用于模型驗(yàn)證的示例方法1500。在這種方法中，在步驟1502，可對于各模型結(jié)構(gòu)和各模型階數(shù)來計(jì)算置信界限。這可包括例如將等式(34)至(38)所給出的表達(dá)式用于時(shí)域的估計(jì)的分布。這些計(jì)算可在估計(jì)可用之后立即對于&和^中的所有模型系數(shù)來執(zhí)行。在步驟1504對于任何用戶指定置信等級(缺省值可能是95%)來確定界限，以及在步驟1506對置信界限進(jìn)行規(guī)格化。如果噪聲界限定義為《^"("(其中r是概率界限，以及5(^是第k個(gè)估計(jì)的標(biāo)準(zhǔn)偏差)，則第k個(gè)估計(jì)的置信界限可規(guī)格化為懷l—《)/^1。對于各候選模型集合，在步驟1508可組合或匯聚集合中所有階數(shù)的置信界限，以及在步驟1510可向用戶提供個(gè)體模型結(jié)構(gòu)的置信界限綜述。示例置信界限綜述如圖16所示。僅對于&提供置信界限。圖16的A部分中的直方圖表示對應(yīng)Box-Jenkins模型的B和F多項(xiàng)式系數(shù)的每個(gè)的規(guī)格化置信界限的原始值。這種情況的階數(shù)集合為o'w-口，3，4)。經(jīng)過無效假設(shè)檢驗(yàn)的任何系數(shù)是與噪聲不可區(qū)分開的，并且IA卜《s、因此，這些界限在圖16的A部分中示為交叉陰影條。在這個(gè)示例中，第四階模型中的前三個(gè)B系數(shù)是與噪聲不可區(qū)分開的。垂直條高度指明系數(shù)相對于從零至一的標(biāo)度上它們的噪聲界限的量。由于關(guān)于各個(gè)系數(shù)的界限信息可能具有極少含意，因此，40所有置信界限的數(shù)據(jù)可根據(jù)平均規(guī)格化值組合成單個(gè)置信界限量度，如圖16的A部分中的圖的左下角所示。在這個(gè)示例中，量度是范圍從l(整個(gè)模型集合的最高置信度)至5(最低置信度)的值。由于個(gè)體系數(shù)信息可具有極小實(shí)際價(jià)值，并且許多結(jié)構(gòu)和階數(shù)被利用，所以提供例如圖16的B部分所示的通用平滑界限信息會(huì)是便利的。通過使平滑多項(xiàng)式擬合到圖16的A部分中的原始數(shù)據(jù)圖所示的所有非零條，來創(chuàng)建這個(gè)數(shù)據(jù)。此圖中的"填充區(qū)域"可用于給出整個(gè)模型矩陣的置信量度的快速直觀解釋?；氐綀D15,模型驗(yàn)證還可包括在步驟1512擾動(dòng)模型。由于各種結(jié)構(gòu)和階數(shù)的模型是可用的，所以在可能的時(shí)候使用這種信息是有意義的。模型擾動(dòng)的基本前提在于，當(dāng)輸入/輸出通道之間的因果關(guān)系存在時(shí)，如果模型是準(zhǔn)確的，則對那個(gè)模型的擾動(dòng)對于結(jié)果可具有極小影響。在步驟1514識(shí)別和分析模型的輸出之間的差。如果所有;f莫型相同，則在結(jié)果中應(yīng)當(dāng)存在比較高的置信。隨著結(jié)果的差增加，置信減小。在這里可通過自動(dòng)比較各輸入/輸出通道的多個(gè)模型的結(jié)果，來使用相同的思路。這種類型的比較的示例結(jié)果如圖17所示。在圖17的A部分，iBJ才莫型結(jié)構(gòu)的所有階數(shù)集合的響應(yīng)曲線疊加(一個(gè)在另一個(gè)上面)，并且陰影區(qū)域表示這種結(jié)構(gòu)的響應(yīng)的包絡(luò)。陰影區(qū)域表示模型質(zhì)量的上限，因?yàn)轭A(yù)計(jì)變化可以不少于包絡(luò)所定義的，并且最小變化對于可用數(shù)據(jù)是已知的。沒有下限可用，因此變化可能任意更差，并且可使用多個(gè)量度。這個(gè)包絡(luò)與圖17的部分A所示的圖框的規(guī)格化區(qū)域之間的面積比(arearatio)定義為分離因子，并且可分配l(小間隔)與5(大間隔)之間的數(shù)值。間隔包絡(luò)的大小可與例如建模不足(under-modeled)等有害條件以及導(dǎo)致數(shù)據(jù)的不良信息內(nèi)容的任何情形直接相關(guān)。為了排除其中在指定下的單個(gè)模型的過度處罰(它通常產(chǎn)生大的分離因子)，可對于各模型計(jì)算附加離差(dispersion)或靈敏因素。圖17的部分B示出這些模型的離差包絡(luò)。在這個(gè)計(jì)算中，可搜索所有階數(shù)集合的響應(yīng)曲線以查找兩個(gè)最為自相似的響應(yīng)。然后，可按照對于分離量度所述來計(jì)算這些曲線的離差量度。置信信息可用于計(jì)算平均增益放大因子，它可用于擴(kuò)張分離包絡(luò)。這產(chǎn)生例如圖18所示的合成綜述響應(yīng)包絡(luò)。預(yù)測量度—旦識(shí)別了模型，則可對于模型來確定預(yù)測量度。其它質(zhì)量量度可在完成各模型集合之后立即計(jì)算，并且可以僅基于模型的特性。在所有集合完成之后，可對于模型來計(jì)算預(yù)測量度。用于確定預(yù)測量度的一個(gè)示例方法如圖19所示。圖19示出用于確定候選才莫型的預(yù)測量度的示例方法1900。在這個(gè)示例中，在步驟1902變換輸入/輸出數(shù)據(jù)。如果因擾動(dòng)S1起的反饋效應(yīng)不是太嚴(yán)重，則變換可使用上述帶通濾波器來執(zhí)行。為了確立反饋效應(yīng)的嚴(yán)重性，可確定如下相關(guān)因子C-=max)(71)<=1^11/II",11/山、IIIV(其中)等式(71)中的項(xiàng)W當(dāng)使用hPX時(shí)可由等式(64)給出，以及當(dāng)使用tSP時(shí)可根據(jù)等式(69)的結(jié)果由等式(65)來計(jì)算。當(dāng)CJ〉r時(shí)，以上定義的帶通濾波器可由離散濾波器T(z)-^'w來取代，其中^'w是與具有最佳模型量度的hIX或hPX解對應(yīng)的最高階A多項(xiàng)式?！斎?輸出數(shù)據(jù)進(jìn)行濾波，則在步驟1904，各模型用于生成預(yù)測(例如oo-分步之前的預(yù)測,/)。然后在步驟1906可確定預(yù)測量度。預(yù)測量度例如可由下列損失函數(shù)來定義(72)"，)如果使用帶通濾波器，則,兩個(gè)不同值可用于評估等式(72)。一42個(gè)直接使用經(jīng)濾波的y數(shù)據(jù)^-"、而另一個(gè)使用非因果前向-后向?yàn)V波器，使得,〃/"。一個(gè)采樣間隔時(shí)間常數(shù)可在非因果濾波器步驟中實(shí)現(xiàn)，以便減小高頻噪聲(如果沒有帶通濾波器)。當(dāng)c^f時(shí)，由于^'W的高頻加權(quán)，沒有附加濾波可需要執(zhí)行。使用趨勢去除和高頻加權(quán)所生成的高帶寬測試數(shù)據(jù)集的預(yù)測結(jié)果的一個(gè)示例如圖20所示。濾波器"W可過分強(qiáng)調(diào)高頻行為，這可趨向于使Lp過度擴(kuò)張。為了減小這個(gè)問題，只有滿足^(7)>0!￡^/)的預(yù)測數(shù)據(jù)才可包含在等式(72)的評估中。雖然帶通濾波器對于中到低帶寬操作表現(xiàn)出色，但是它可對Lp產(chǎn)生不可接受的值(合理的模型可具有o^、"'90)。大于一的值可表示極差的性能。因此，基于帶通濾波器的量度可給出錯(cuò)誤結(jié)果。采用^W濾波器的結(jié)果雖然比帶通濾波器更為一致，但是仍然可能趨向于過度處罰高帶寬控制的預(yù)測量度。因此，較少試探法(對于高帶寬情況)可用于這些情況中。當(dāng)使用i'W時(shí)，分離模型量度沒有擴(kuò)張，因此模型量度與任何預(yù)測量完全無關(guān)?；氐綀D19,當(dāng)各模型的預(yù)測量度完成時(shí)，在步驟1908可擴(kuò)張(例如圖18所示的)各輸入/輸出通道的靈敏度包絡(luò)(例如"的函數(shù))。因此，可更新靈敏度量度，并且在步驟1910可將各輸入/輸出通道的各個(gè)量度組合成定義為模型排序的綜述量度。這個(gè)排序可表示如下式所示的各個(gè)量度的加權(quán)平均t=WAc+W,A,+TtV^(73)其中，叱是與模型置信界限對應(yīng)的排序量度，^是與包括因預(yù)測誤差引起的擴(kuò)張的分離包絡(luò)對應(yīng)的排序量度，以及^"是與響應(yīng)離差對應(yīng)的排序量度。所有排序可具有一與五之間的數(shù)值。在這個(gè)示例中，的模型可被認(rèn)為無效，并且不會(huì)用于任何控制應(yīng)用。對于其中尺《3的模型，當(dāng)數(shù)據(jù)比較平穩(wěn)并且擾動(dòng)不是過大時(shí)，可預(yù)計(jì)預(yù)測質(zhì)量是良好的。但是，對直觀檢驗(yàn)(例如與圖21所示的有效模型對應(yīng)的預(yù)測性能的直觀檢驗(yàn))的依賴性可能成問題，因?yàn)樯踔翜?zhǔn)確模型在非平穩(wěn)條件下也可能呈現(xiàn)不良直觀性能。通過確立對用戶解釋是不變的一致模型量度(排序l)，模型識(shí)別工具132可幫助避免這種情況。搜索最佳模型—旦所有模型識(shí)別和量度計(jì)算完成，模型識(shí)別工具132可從中選擇可用模型。在一些實(shí)施例中，模型識(shí)別工具132可實(shí)現(xiàn)圖22所示的技術(shù)，它是直觀的且簡單的，并且適合實(shí)際結(jié)果的需求。圖22示出用于搜索多個(gè)候選模型集合中的最佳模型的示例方法2200。在正式搜索之前，在步驟2202，可通過識(shí)別最佳模型階數(shù)來減小模型空間。這可包括例如查找產(chǎn)生等式(72)所定義的各模型結(jié)構(gòu)(A"1—6)的最低損失函數(shù)的階數(shù)集合。這可通過查找各階數(shù)元素(As=i—3)的損失值，對于各輸出進(jìn)行此。在特定實(shí)施例中，這可多遍執(zhí)行。在第一遍中，可向所有輸入通道分配相同的模型階數(shù)。產(chǎn)生最低損失函數(shù)的模型階數(shù)則用作第二遍的起始值。在第二遍中，模型階數(shù)可對于各輸入通道順序地獨(dú)立改變，其在第一輸入開始而在最后一個(gè)輸入結(jié)束。結(jié)果是各模型結(jié)構(gòu)的"最佳"階數(shù)的集合("最佳"集合不一定是最優(yōu)的，因?yàn)樯形磮?zhí)行窮舉搜索)。確定了最佳模型階數(shù)，所剩下的都是確定最佳模型結(jié)構(gòu)。最佳模型結(jié)構(gòu)的搜索可與以上對于模型階數(shù)所述的相似，但在這里，等式(72)所定義的預(yù)測損失和等式(73)所定義的模型排序可用于整體搜索過程。在步驟2204進(jìn)行最終搜索的初始化，它可包括選擇當(dāng)前看作最佳模型的初始模型。這個(gè)初始化可至少部分基于對先前應(yīng)用中的歷史^t型性能的先前知識(shí)。例如，先前可"^正明hIX和hPX結(jié)構(gòu)關(guān)于以往分步測試數(shù)據(jù)是最可靠的模型形式。因此，最終搜索的初始化(最佳模型結(jié)構(gòu)的初始選擇)可優(yōu)先以這些模型結(jié)構(gòu)其中之一、如hIX模型開始。然后在步驟2206可搜索所有其它結(jié)構(gòu)，以及在步驟442208識(shí)別最佳初始模型結(jié)構(gòu)。例如，各模型結(jié)構(gòu)可依次選取，并且與當(dāng)前最佳模型結(jié)構(gòu)進(jìn)行比較。所選模型結(jié)構(gòu)在滿足某些標(biāo)準(zhǔn)時(shí)可取代當(dāng)前最佳模型結(jié)構(gòu)。例如，所選模型結(jié)構(gòu)在滿足以下三個(gè)標(biāo)準(zhǔn)的任一/卜時(shí)可取當(dāng)-翁最i'圭才莫型結(jié)構(gòu)(1)所選模型結(jié)構(gòu)的損失函數(shù)比當(dāng)前最佳模型結(jié)構(gòu)的損失函數(shù)要小一指定容限，并且所選模型結(jié)構(gòu)的平均模型排序不小于當(dāng)前最佳模型結(jié)構(gòu)的平均模型排序；(2)所選模型結(jié)構(gòu)的所有個(gè)體模型排序比當(dāng)前最佳模型結(jié)構(gòu)的模型排序要好，并且所選模型結(jié)構(gòu)的損失函數(shù)不會(huì)比當(dāng)前最佳模型結(jié)構(gòu)的損失函數(shù)差一指定容限；或者(3)所選模型結(jié)構(gòu)的所有非零模型排序?yàn)樾謂2,并且當(dāng)前最佳模型結(jié)構(gòu)具有至少一個(gè)$23。一旦搜索了所有模型結(jié)構(gòu)，則選擇當(dāng)前最佳模型作為初始模型。—旦初始化完成，在步驟2210,搜索通過依次評估各輸入通道的所有模型結(jié)構(gòu)而繼續(xù)進(jìn)行。這可包括例如以第一輸入開始并且以最后一個(gè)結(jié)束。如果滿足以下標(biāo)準(zhǔn)的任一個(gè)，則更新"最佳"子模型(輸入/輸出通道的模型)(1)所選模型的排序小于或等于當(dāng)前模型的排序，并且所選模型的損失函數(shù)比當(dāng)前模型的損失函數(shù)小一指定容限；或者(2)所選模型的排序小于當(dāng)前模型的排序，并且所選模型的損失函數(shù)不會(huì)比當(dāng)前模型的損失函數(shù)差一指定容限。在完成搜索時(shí)，可存在各輸入/輸出通道的單個(gè)所選模型。各模型的結(jié)構(gòu)可以不同，并且可具有任意高階。降階降階技術(shù)可用于確定最終模型的階數(shù)。在一些技術(shù)(例如子空間/狀態(tài)-空間方法)中，降階不是顯式操作，因?yàn)闋顟B(tài)階數(shù)作為識(shí)別過程的組成部分來確定。許多不同的階數(shù)估計(jì)技術(shù)是可用的，其中許多基于某種形式的奇異值閾值法、AIC方法或者它們的某種組合。準(zhǔn)確階數(shù)估計(jì)一般不像最初看起來那么容易。這可能主要是因?yàn)閷?shí)際實(shí)施中存在的奇異值的分布。如果準(zhǔn)確地估計(jì)階數(shù)，則這些技術(shù)可產(chǎn)生真正最小階系統(tǒng)。但是，如果不是，則在基礎(chǔ)數(shù)據(jù)回歸等級可引入有害偏置效應(yīng)。例如以上所述的模型識(shí)別方法不會(huì)避免對降階的需要。但是，在這里，在正式模型識(shí)別程序之后，可在受控輔助顯式步驟中執(zhí)行該簡化(reduction)。圖23示出用于模型降階的示例方法2300。方法2300可表示包括通過模型的兩個(gè)遍數(shù)的過程。在初始遍中，模型識(shí)別工具132的目標(biāo)是使模型集合足夠靈活，使得G。e^(它捕捉實(shí)際過程)，這可以是對無偏置模型的要求。這往往可引起過度參數(shù)化模型和增加的方差。可通過降階，將這個(gè)方差減小到可能的程度。盡管降階，所產(chǎn)生的模型矩陣可以不一定具有最小階。對于某些控制器應(yīng)用(例如MPC),這可能沒有意義。對于基于狀態(tài)-空間的控制器設(shè)計(jì)，一旦已經(jīng)確定最終模型矩陣，則可要求狀態(tài)-空間實(shí)現(xiàn)。為此可修改Glover的平衡實(shí)現(xiàn)法。當(dāng)原始模型可用時(shí)，可在所有相干頻率檢驗(yàn)以這種方式設(shè)計(jì)的最小階系統(tǒng)的準(zhǔn)確度。這是與設(shè)法直接從數(shù)據(jù)識(shí)別最'j、階模型截然不同的。由于這一級存在離散時(shí)間多變量模型，所以可使用SISO模型以受控方式來執(zhí)行模型降階。例如，模型降階可分兩步來實(shí)現(xiàn)，其中一遍基于AIC搜索(步驟2302),而下一遍基于直接分步響應(yīng)擬合(步驟2308)。在步驟2302的模型降階過程的第一遍中，降階可經(jīng)由SISO模擬來實(shí)現(xiàn)。例如，IPE模型可擬合到原始離散時(shí)間模型所生成的模擬數(shù)據(jù)以及內(nèi)部公式化偽隨機(jī)二進(jìn)制信號(hào)(PRBS)。三個(gè)可能的延遲在簡化步驟的第一階段中可以是可用的高階模型的估計(jì)延遲、降階模型的估計(jì)延遲以及來自現(xiàn)有分步響應(yīng)模型的估計(jì)非最小階段時(shí)間(phasetime)。這些延遲的每個(gè)可用于模型階數(shù)的AIC搜索?？蛇x擇具有最小損失函數(shù)的階數(shù)/延遲作為第一階段的解。作為這個(gè)第一階段的一部分，在步驟2304，可分析降階模型以確定它是可接受的。例如，可進(jìn)行檢驗(yàn)以確?？尚疟硎?，使得降階模型在增益和響應(yīng)時(shí)間方面處于原始模型的規(guī)定容限之內(nèi)。然后在步驟2306,可將任何降低的離散時(shí)間模型轉(zhuǎn)換成連續(xù)拉普拉斯域形式或者其它適當(dāng)?shù)男问?。例如，可?zhí)行因式分解，以便確保積分模型在原點(diǎn)正好具有一個(gè)極點(diǎn)。如果在任何點(diǎn)存在故障，則個(gè)體模型不簡化。在步驟2308的模型降階過程的第二遍中，例如通過結(jié)合暫定延遲目標(biāo)來使用固定結(jié)構(gòu)拉普拉斯和自由結(jié)構(gòu)預(yù)濾波ARX模型，模型的原始分步響應(yīng)被擬合。它的一個(gè)示例如圖24所示。在這個(gè)示例中，目標(biāo)延遲如下所述(1)dQ-這可始終對應(yīng)于零延遲解；(2)d—這可通過以分步響應(yīng)曲線(stepresponsecurve)開頭開始并且查找分步響應(yīng)首次超過噪聲閾值的時(shí)間來確定(圖24中的虛線)；(3)d2-這可對應(yīng)于在一階加停機(jī)時(shí)間模型將擬合到分步響應(yīng)曲線時(shí)所得到的延遲；以及(4)d3-這可通過在分步響應(yīng)曲線結(jié)束時(shí)開始并且在時(shí)間上向后進(jìn)行工作來確定。延遲可通過分步響應(yīng)超過噪聲閾值的第一時(shí)間來給出。這個(gè)值可被認(rèn)為是過程的最小相位時(shí)間(延遲加任何逆響應(yīng)時(shí)間)。這些延遲目標(biāo)可用于拉普拉斯和ARX模型，它們可具有下列相應(yīng)形式。拉普拉斯模型可具有以下形式一1),(74)s(7"+l)(r"+l)其中，k是過程增益，A是與主導(dǎo)過程極點(diǎn)關(guān)聯(lián)的時(shí)間常數(shù)，&是與輔助過程極點(diǎn)關(guān)聯(lián)的時(shí)間常數(shù)，以及^是與過程零關(guān)聯(lián)的時(shí)間47常數(shù)。ARX可具有以下形式:在等式(74)的求解中，可包含分母中的前導(dǎo)項(xiàng)s用于對子過程積分，并且搜索可確定是否存在對^和/或^的需要。在等式(75)的求解中，模型的階數(shù)n和濾波器的階數(shù)f均可同時(shí)確定。濾波器階數(shù)可確定為f的最大值，它使模型處于原始模型的規(guī)定容限之內(nèi)(在增益和響應(yīng)時(shí)間方面)并且是平穩(wěn)的。如果沒有找到濾波器，則該方法可能失敗。模型降階過程的第一和第二遍可產(chǎn)生可用于可在步驟2310確立最終降階模型的結(jié)果。例如，可選擇滿足準(zhǔn)確度容限的具有最低階數(shù)的模型。如果沒有找到滿足準(zhǔn)確度容限的模型，則所選模型的階數(shù)可能沒有有效降低。如果模型已經(jīng)成功簡化，則可生成新模型的置信界限，并且可更新模型量度。以上所述的用于識(shí)別和選擇待控制過程的模型的識(shí)別技術(shù)可與有效信號(hào)設(shè)計(jì)程序集成。這個(gè)集成的方面可包括避免可能的違反約束的問題以及控制優(yōu)化器迫使減小的操作空間所引起的問題。識(shí)別與信號(hào)設(shè)計(jì)之間的信息交換可允許根據(jù)模型的當(dāng)前狀態(tài)在線更新信號(hào)。這種集成可完全在線運(yùn)行或者在離線裝置上執(zhí)行(在臺(tái)式分析期間，例如通過使用標(biāo)準(zhǔn)OPC連接)。還可支持識(shí)別與控制器根據(jù)模型量度或不確定性進(jìn)行調(diào)諧之間的緊密耦合。在具體實(shí)施例中，才莫型識(shí)別工具132可與閉環(huán)分步測試器結(jié)合使用。分步測試器可直接與控制器通信，并且激發(fā)任何測量變量或者測量變量的組合。控制器可獲取激發(fā)信號(hào)，檢查任何違反限值，并且發(fā)出激發(fā)信號(hào)Cf艮定不存在違反)。然后，控制器可在分步測試期間繼續(xù)優(yōu)化和控制過程。雖然圖5至圖24示出過程控制系統(tǒng)中的工業(yè)過程的自48動(dòng)識(shí)別期間的操作示例，但是可對圖5至圖24進(jìn)行各種變更。例如，雖然這些附圖的一些示出其中可實(shí)現(xiàn)某些操作的示例方式，但是這些操作可通過任何其它適當(dāng)方式來實(shí)現(xiàn)。另外，雖然這些附圖的一些示出使用特定數(shù)據(jù)和操作所得到的示例結(jié)果，但是存在^l用于說明和解釋的示例，并且并不局限于所述裝置和方法。在一些實(shí)施例中，通過由計(jì)算才幾可讀程序代碼組成的并且包含在計(jì)算機(jī)可讀介質(zhì)中的計(jì)算機(jī)程序來實(shí)現(xiàn)或支持以上所述的各種功能。詞語"計(jì)算機(jī)可讀程序代碼"包括任何類型的計(jì)算機(jī)代碼，其中包括源代碼、對象代碼和可執(zhí)行代碼。詞語"計(jì)算機(jī)可讀介質(zhì)"包括能夠由計(jì)算機(jī)存取的任何類型的介質(zhì)，例如只讀存儲(chǔ)器(ROM)、隨機(jī)存取存儲(chǔ)器(RAM)、硬盤驅(qū)動(dòng)器、壓縮盤(CD)、數(shù)字視頻盤(DVD)或者任何其它類型的存儲(chǔ)器。提出本專利文件中所有的某種單詞和詞語的定義會(huì)是有利的。術(shù)語"耦合"及其派生詞指的是兩個(gè)或多個(gè)元件之間的任何直接或間接通信，無論那些元件是否相互進(jìn)行物理接觸。術(shù)語"應(yīng)用程序"和"程序"指的是適合于以適當(dāng)計(jì)算機(jī)代碼(包括源代碼、對象代碼或可執(zhí)行代碼)來實(shí)現(xiàn)的一個(gè)或多個(gè)計(jì)算機(jī)程序、軟件組件、指令集、過程、功能、對象、類、實(shí)例、相關(guān)lt據(jù)或者它們的一部分。術(shù)語"發(fā)送"、"接收"和"通信"及其派生詞包含直接和間接兩種通信。術(shù)語"包括"和"包含"及其派生詞表示無限制地包含。術(shù)語"或者"是包含在內(nèi)的，表示"和/或"。詞"與...關(guān)聯(lián)"和"與其關(guān)聯(lián)"及其派生詞可表示包括、包括于內(nèi)、與其互連、包含、包含于內(nèi)、連接到或與...連接、耦合或者與...耦合、與...是可通信的、與...協(xié)作、交織、并置、接近、綁定到或者與其綁定、具有、具有…屬性等。術(shù)語"控制器"表示控制至少一個(gè)操作的任何裝置、系統(tǒng)或者它們的一部分。控制器可通過硬件、固件、軟件或者它們的至少兩個(gè)的某種組合來實(shí)現(xiàn)。與任何特定控制器關(guān)聯(lián)的功能可以是集中式或分布式的，無論是本地還是遠(yuǎn)程的。雖然本公開描述了某些實(shí)施例以及一^:關(guān)聯(lián)的方法，但49是，本領(lǐng)域的技術(shù)人員將會(huì)清楚地知道這些實(shí)施例和方法的變更及置換。因此，示例實(shí)施例的以上描述不是定義或限制本^Hf。其它變更、替代和改變也是可行的，而沒有背離以下權(quán)利要求書所定義的本公開的精神和范圍。50權(quán)利要求1.一種方法，包括識(shí)別(306)多個(gè)模型結(jié)構(gòu)-模型階數(shù)組合，所述模型結(jié)構(gòu)-模型階數(shù)組合與待控制過程關(guān)聯(lián)；確定(308)每個(gè)所述模型結(jié)構(gòu)-模型階數(shù)組合的一個(gè)或多個(gè)量度；根據(jù)所述一個(gè)或多個(gè)量度來選擇其中至少一個(gè)所述模型結(jié)構(gòu)-模型階數(shù)組合；以及提供(314)用于控制所述過程的模型(130)，所述模型(130)基于所述至少一個(gè)所選模型結(jié)構(gòu)-模型階數(shù)組合。2.如權(quán)利要求1所述的方法，其中，識(shí)別(306)所述多個(gè)模型結(jié)構(gòu)-模型階數(shù)組合包括執(zhí)行開環(huán)和閉環(huán)識(shí)別。3.如權(quán)利要求l所述的方法，其中，識(shí)別(306)所述模型結(jié)構(gòu)-模型階數(shù)組合包括生成多個(gè)模型集合，各模型集合包括與單個(gè)模型結(jié)構(gòu)關(guān)聯(lián)并且具有不同模型階數(shù)的多個(gè)模型。4.如權(quán)利要求l所述的方法，還包括在提供用于控制所述過程的所述模型(130)之前降低(312)所述模型(130)的階數(shù)。5.如權(quán)利要求l所述的方法，還包括使用其中一些所述模型結(jié)構(gòu)-模型階數(shù)組合來設(shè)計(jì)(434)帶通濾波器；其中，識(shí)別(306)所述模型結(jié)構(gòu)-模型階數(shù)組合包括使用所述帶通濾波器來識(shí)別(438)其中至少一個(gè)所述模型結(jié)構(gòu)-模型階數(shù)組合。6.如權(quán)利要求l所述的方法，其中，確定(308)所述一個(gè)或多個(gè)量度包括確定(446)每個(gè)所述模型結(jié)構(gòu)-模型階數(shù)組合的預(yù)測量度。7.—種設(shè)備，包括至少一個(gè)存儲(chǔ)器(114，120),可操作以存儲(chǔ)關(guān)聯(lián)待控制的過程的多個(gè)模型；以及至少一個(gè)處理器(112,118)，可>^喿作以確定每個(gè)所述模型的一個(gè)或多個(gè)量度；根據(jù)所述一個(gè)或多個(gè)量度來選擇其中至少一個(gè)所述模型；以及提供用于控制所述過程的最終模型(130)，所述最終模型(130)基于所述至少一個(gè)所選;^莫型。8.如權(quán)利要求7所述的設(shè)備，其中，所述至少一個(gè)處理器(112，118)還可操作以通過以下來識(shí)別所述模型生成多個(gè)模型集合，各模型集合包括與單個(gè)模型結(jié)構(gòu)關(guān)聯(lián)并且具有不同模型階數(shù)的多個(gè)模型。9.如權(quán)利要求7所述的設(shè)備，其中，所述至少一個(gè)處理器(112，118)還可"t喿作以在選擇所述至少一個(gè)模型之前降低其中一個(gè)或多個(gè)所述模型的階數(shù)；以及在提供用于控制所述過程的所述最終模型(130)之前降低所述最終模型(130)的階數(shù)。10.如權(quán)利要求7所述的設(shè)備，其中所述至少一個(gè)處理器(112，118)還可操作以使用其中一些所述模型來設(shè)計(jì)帶通濾波器；所述至少一個(gè)處理器(112,118)可操作以4吏用所述帶通濾波器來識(shí)別其中至少一個(gè)所述模型；以及所述至少一個(gè)處理器(112，118)可操作以^使用所述帶通濾波器來確定其中至少一個(gè)所述一個(gè)或多個(gè)量度。11.一種包含在計(jì)算機(jī)可讀介質(zhì)上并且可操作以運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序包括用于執(zhí)行以下步驟的計(jì)算機(jī)可讀程序代碼識(shí)別與待控制過程關(guān)聯(lián)的多個(gè)模型；確定每個(gè)所述模型的一個(gè)或多個(gè)量度；根據(jù)所述一個(gè)或多個(gè)量度來選擇至少一個(gè)所述模型；以及提供用于控制所述過程的最終模型(130)，所述最終模型(130)基于所述至少一個(gè)所選模型。全文摘要提供用于過程控制系統(tǒng)中的工業(yè)過程的自動(dòng)閉環(huán)識(shí)別的設(shè)備、方法和計(jì)算機(jī)程序?？勺R(shí)別多個(gè)模型(例如多個(gè)模型結(jié)構(gòu)-模型階數(shù)組合)，其中模型與待控制過程關(guān)聯(lián)?？蓪τ诿總€(gè)模型來確定一個(gè)或多個(gè)量度(例如預(yù)測量度或排序)?？筛鶕?jù)一個(gè)或多個(gè)量度來選擇這些模型中的至少一個(gè)?？商峁┯糜诳刂七^程的最終模型(130)(例如提供給控制器(104a-104b))，其中最終模型(130)基于該至少一個(gè)所選模型。帶通濾波器可使用所識(shí)別模型中的一些來設(shè)計(jì)。帶通濾波器可用于識(shí)別模型的至少另一個(gè)或者確定一個(gè)或多個(gè)量度中的至少一個(gè)。文檔編號(hào)G05B23/02GK101652730SQ200880011052公開日2010年2月17日申請日期2008年1月25日優(yōu)先權(quán)日2007年1月31日發(fā)明者C·Q·詹,J·W·麥阿瑟申請人:霍尼韋爾國際公司