一种基于时间片段参数辨识的动态仿真模型验证方法技术

本发明专利技术公开了一种基于时间片段参数辨识的动态仿真模型验证方法，其步骤为：S1:建立待验证模型运动方程的带外生变量的非线性回归移动平均模型表征方程；S2:设计规划实际航行试验或者仿真试验，获取用于模型验证的数据；S3:结合现场试验数据及仿真试验数据基于NARMAX模型使用稳态响应法进行运动方程特征参数的辨识；S4:根据辨识出的特征参数估计值与参考真值的置信分布水平，以置信水平变换形式的估计值作为其模型验证可信度水平的量化表征。本发明专利技术具有原理简单、易实现、精确度高等优点。

【技术实现步骤摘要】
一种基于时间片段参数辨识的动态仿真模型验证方法
本专利技术主要涉及到仿真模型验证
，特指一种基于时间片段参数辨识的动态仿真模型验证方法。
技术介绍
仿真技术作为科技工业领域的一项重要的支撑技术和战略技术，在系统体系分析、装备论证等研究中发挥着重要作用。一个仿真模型能否较好的反映原型的主要表征、特性及功能，决定着它的可信程度及用户使用它代替原型系统的意愿程度。仿真模型的验证就是检验仿真模型可信程度的过程。待验证的仿真模型按照数学及信息特征来分类，可以分为静态模型和动态模型。静态模型是指待验证的参数符合特定分布(二项分布、正态分布等)的独立同分布样本；动态模型则是指待验证的参数是具有一定的频谱特性的连续时间变化数据样点。动态仿真模型的验证方法一般可以分为三类，一是Theil不等式系数法、灰色关联分析法、自相关函数法等为代表的时域验证方法；二是最大熵谱估计法、窗谱估计法等为代表的频域验证方法；三是以小波分析为代表的时频域相结合的验证方法。第一类方法的基本思想：在相同的试验条件下，获取不同CLIMB(ConfidenceLevelsinModelBehaviors)等级的模型数据时间序列，进行一系列的处理使其满足时间对齐、等时距序列且满足采样间隔条件，然后求得数据间的关联度，以得到的关联度作为衡量两组(或多组)数据的输出一致性的量化定性指标。第二类方法的基本思想：首先对观测数据做平稳性检验，对不满足条件的数据进行零均值化处理、数据分段处理、提取趋势项等预处理；求取两组(或多组)数据的最大熵谱密度，利用熵谱估计的极限分布性质，可根据显著性水平设定对数据的所有频率点进行相容性检验，以获取该显著性水平下通过检验的频率点百分比，并以此作为模型一致性的量化定性指标。第三类方法的基本思想：利用针对非平稳时间序列的小波分析方法，同时在时域和频域都有良好的分辨率及局部分析效果，而且相比于一般的频域分析方法，此类方法可以确定频率点对应于时域的发生时刻。此三类方法都可以实现动态仿真模型基于可信度的量化定性验证，但是单独的一种方法很难就其验证结果的分辨力、合理度、可信性进行再确认。在工业装备领域，待验证的仿真模型类型中有一种常用到的特殊类型——运动模型，在(水下、空中、陆地)自主航行器的仿真系统中应用广泛。这类模型有典型的运动方程，运动方程的系数决定着该模型的性能参数。自主航行器的运动一般都是N(4、6等)自由度的空间运动，其不同平面的运动之间具有强非线性、强耦合性，故而其运动控制属于多输入多输出参数时变的非线性系统。在进行此类仿真模型的验证时，就必须充分考虑其非线性、耦合性对模型验证的影响，单纯采用传统的分离式的模型验证方法已无法满足此类仿真模型验证的精确性需求。因此，针对工业装备系统中运动仿真模型的验证问题，提供一种精确的、可信的仿真模型量化验证方法非常必要。
技术实现思路
本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种原理简单、易实现、精确度高的基于时间片段参数辨识的动态仿真模型验证方法。为解决上述技术问题，本专利技术采用以下技术方案：一种基于时间片段参数辨识的动态仿真模型验证方法，其步骤为：S1:建立待验证模型运动方程的带外生变量的非线性回归移动平均模型表征方程；S2:设计规划实际航行试验或者仿真试验，获取用于模型验证的数据；S3:结合现场试验数据及仿真试验数据基于NARMAX模型使用稳态响应法进行运动方程特征参数的辨识；S4:根据辨识出的特征参数估计值与参考真值的置信分布水平，以置信水平变换形式的估计值作为其模型验证可信度水平的量化表征。作为本专利技术的进一步改进：所述步骤S1中，根据仿真验证对象的建模机理、状态方程及观测方程建立仿真对象的普适NARMAX模型。作为本专利技术的进一步改进：所述步骤S2中，用于模型验证的数据，由实际航行试验或者仿真试验获取，且根据模型参数辨识的需求对试验进行规划设计以保证获取足够数据用于模型的参数辨识。作为本专利技术的进一步改进：所述步骤S3中，对于基于成熟机理分析建立的模型，假定其具有足够的可信度，则将其作为实际多输入多输出NARMAX模型的先验结构信息，使用现场试验或仿真试验数据在结构先验上进行模型参数的辨识以实现灰箱辨识。作为本专利技术的进一步改进：所述步骤S4中，设在不同现场试验中辨识出的参数为θi(i＝1,2,,N)，其中，N为可用于灰箱辨识的现场试验次数，而基于机理建模的模型参数为θ0，此时进行基于灰箱辨识的动态模型的模型验证问题转化为检验θi是否服从θ0总体所属的分布，或θi是否以一定置信水平落在θ0的均值区间估计内。作为本专利技术的进一步改进：对于θ0，其一般服从典型分布，估计其各置信度下的BootstrapBCa区间估计；然后考查θi的落点，以置信度变换形式衡量仿真模型的可信度水平。与现有技术相比，本专利技术的优点在于：本专利技术的基于时间片段参数辨识的动态仿真模型验证方法，原理简单、易实现、精确度高，能够为运动仿真模型验证问题提供一种精确可信的、宏观的量化验证方法，在保证验证过程可信性的同时，体现运动模型的非线性、耦合性。附图说明图1是本专利技术方法的流程示意图。图2是本专利技术在具体应用实例中模型表征示意图。具体实施方式以下将结合说明书附图和具体实施例对本专利技术做进一步详细说明。本专利技术的基于时间片段参数辨识的动态仿真模型验证方法，采用灰箱系统辨识的方法利用试验数据对多输入多输出的带外生变量的非线性自回归滑动平均模型基于典型的运动方程进行参数识别。在充分体现仿真模型的非线性和耦合性的基础上，从整体上对仿真模型进行可信性评估，使用静态数学分布模型的参数分布置信度来量化表征整体运动模型的可信度。如图1所示，本专利技术方法的步骤如下：S1.建立待验证模型运动方程的带外生变量的非线性回归移动平均模型(Non-linearAutoRegressiveMovingAveragemodelswitheXogenousinputs,NARMAX)表征方程；S2.设计规划实际试验或者仿真试验，获取用于模型验证的数据；S3.结合现场试验数据及仿真试验数据基于NARMAX模型使用稳态响应法进行运动方程特征参数的辨识；S4.根据辨识出的特征参数估计值与参考真值的置信分布水平，以置信水平变换形式的估计值作为其模型验证可信度水平的量化表征。在上述步骤S1中，一般的NARMAX模型可表示为：其中，u(k)和y(k)分别代表系统的输入和输出信号，e(k)表示因噪声或建模不完全导致的不确定性，表示以多项式形式表征的非线性度为的函数。其模型的展开式为多项式，且关于参数是线性的，理论上可逼近任意的非线性系统。若非线性f(·)仅作用在NARMAX的输入上，此时为一个Hammerstein模型，可表示为：其中为简化表征，略去了不确定性e(k)。而Wiener模型的非线性f(·)则同时作用在NARMAX的输入和输出上，可表示为：f-1(·)为f(·)的反函数，两种结构的模型表征如图2所示。上式(1)可展开为非线性度在区间上的多项式和，第(p+m)项包括一个p阶y(k-ni)、一个m阶u(k-ni)和一个倍数因子cp,m(n1,,nm)，如式(4)所示。其中，作为NARX的普适模型，NARMAX模型基本涵盖了几乎所有的非线本文档来自技高网...

【技术保护点】
一种基于时间片段参数辨识的动态仿真模型验证方法，其特征在于，步骤为：S1:建立待验证模型运动方程的带外生变量的非线性回归移动平均模型表征方程；S2:设计规划实际试验或者仿真试验，获取用于模型验证的数据；S3:结合现场试验数据及仿真试验数据基于NARMAX模型使用稳态响应法进行运动方程特征参数的辨识；S4:根据辨识出的特征参数估计值与参考真值的置信分布水平，以置信水平变换形式的估计值作为其模型验证可信度水平的量化表征。

【技术特征摘要】
1.一种基于时间片段参数辨识的动态仿真模型验证方法，其特征在于，步骤为：S1:建立待验证模型运动方程的带外生变量的非线性回归移动平均模型表征方程；S2:设计规划实际试验或者仿真试验，获取用于模型验证的数据；S3:结合现场试验数据及仿真试验数据基于NARMAX模型使用稳态响应法进行运动方程特征参数的辨识；S4:根据辨识出的特征参数估计值与参考真值的置信分布水平，以置信水平变换形式的估计值作为其模型验证可信度水平的量化表征。2.根据权利要求1所述的基于时间片段参数辨识的动态仿真模型验证方法，其特征在于，所述步骤S1中，根据仿真验证对象的建模机理、状态方程及观测方程建立仿真对象的普适NARMAX模型。3.根据权利要求1或2所述的基于时间片段参数辨识的动态仿真模型验证方法，其特征在于，所述步骤S2中，用于模型验证的数据由实际试验或者仿真试验获取，且根据模型参数辨识的需求对试验进行规划设计以保证获取足够数据用于模型的参数辨识。4.根据权利要求1或2所述...

【专利技术属性】
技术研发人员：郭晓俊，苏绍璟，黄芝平，刘纯武，张羿猛，左震，谭晓朋，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：湖南,43