摘    要：针对许多易受强随机干扰而难以用常规方法辨识的动态系统，提出一种非线性多变量动态系统的双重建模与分离辨识技术在fpca上的买现。通过对非线性子通道特性分析，采用ddsi技术进行建模，包括构造bp神经网络、运用最小二乘辨识等算法获取数学模型，其中，建立模型的主要算法和系统参数估计的相关的fpca结构设计通过verilog语言的结构描述数据流速行了描述。同时采用fpga的在线可重构技术，在运行时根据需要动态改变系统的电路结构，使硬件具有分时复用，节省逻辑资源的优良性能。这一技术的fpga买现，使得这种非线性、多受量动态系统的特殊系统辨识技术能够广泛应用于诸如星体运动、现代控制过程、生产过程与经济管理系统等高层次科技领域中的带有强噪声干扰子道道的系统动态建模中。

关键词：非线性与多变量系统；双重建模与分离辨识；fpca veiiog语言

中图分类号：tp 27    文献标识码：a

    在动态系统辨识中，有一大类非线性多变量系统的子通道由于受到强随机干扰而不可能用常规方法进行辨识。例如人造卫星姿态仿真控制系统中，会有强震荡干扰信号作用于控制系统的子通道；而在机器人视觉／动作控制系统，存在强光干扰通过子通道进入系统，等。能否辨识这些非线性系统子通道，是实现控制的关键，若不能获得其较准确的模型，则难以达到预期的控制效果，所以研究受强噪声干扰子通道的辨识方法、过程及其实现途径，进而对系统进行补偿或控制就显得非常重要。为了获得这些特殊通道的动态差分方程的数学模型，并实现其相应算法的机裁平台在线运行，本文提出了一种特殊的信息处理技术，即双重建模与分离辨识技术，并实现了其在fpca上的结构设计。

   一个非线性三输入／单输出复合系统中，带有一个不能简单地采用传统方法进行辨识建模的子通道3，为了获得这类通道的普通动态差分方程数学模型描述，曾提出过一种双重建模与分离辨识结合（称为ddsi）的特殊方法。

    该复合系统，如图l所示。

 

    这种方法（以这种三输入／单输出系统为例）由如下步骤构成：

  step 1复合模型的建立使用总输入和总输出信号作为教师值来训练出一个bp神经网络，以此作为整个系统的复合模型描述，由于人工神经网络的鲁棒性和强拟合能力，这样的建模容易获得成功。

    step 2子通道输出仿真使用第i(i分别为l，2，3)个输入xi（k）作为整个模型的总输入，而令其他输入xj(k)(j≠i)为零，用整个复合模型仿真出相应的输出yi(k)，他们在一定条件下就可被看作是第i个子通道的输出。

    step 3子通道模型的获得使用上述单一输入和仿真的相应输出xi(k)，yi(k)，运行一种提商性的最小二乘辨识算法（例如，广义最小二乘算法，并采用结构线性化的非线性模型结构），从而获得针对每个单一子通道的结构线性化的非线性动态差分方程数学模型。

    step 1使用的bp神经网络结构，如图2所示。

   

    图中，隐含层和输出层的每个节点的数学描述如下：

  ①加权求和

       

式中，iij为第i层第j个节点的总输入iijk为第i层第j个节点的第k个输入；wijk为第i层第j个节点对于第k个输入的权系数。

  ②活化函数

式中，oij为第i层第j个节点的总输出（在数字处理器件运算中用5个点进行线性逼近）。

    最后，一个如图1所示的复合系统的基于传统的结构线性化的非线性复合模型描述（包含多于1个子通道）如下