復雜對象的參數辨識方法和裝置的制造方法
【技術領域】
[0001] 本發明涉及參數辨識技術，具體涉及一種復雜對象的參數辨識方法以及復雜對象 的參數辨識裝置。
【背景技術】
[0002] 隨著人類對地球以及外太空等領域不斷深入的研究開發，復雜對象的使用日漸增 多，如在衛星等航天器中設置的具有多臂節的機械臂即為一個復雜對象。
[0003] 在復雜對象的實際應用中，對復雜對象的行為預報以及參數辨識是非常重要的， 例如，在航天器的在軌運行過程中，往往會利用機械臂來抓取未知目標，在控制機械臂抓取 未知目標的過程中，應準確及時的辨識出未知目標的慣性參數，否則，未知目標的抓取會使 航天器的質量分布發生不可預知的變化，從而會給后續的機械臂操作路徑的規劃帶來一定 的困難。
[0004] 由于復雜對象通常具有多參數、多狀態、多輸出以及較強的非線性等特點，因此， 現有的一些針對線性問題或者類線性問題的參數辨識方法（如最小二乘法、極大似然估計 法以及牛頓法等）很難應用于復雜對象的參數辨識過程中；而神經網絡、遺傳算法或者粒 子群算法等智能算法在復雜對象的參數辨識過程中取得了較廣泛的應用。
[0005] 利用智能算法進行參數辨識通常是通過目標優化函數來優化辨識模型中的待辨 識參數，使得辨識模型在相同的激勵條件下與實際對象的響應誤差最小，從而獲得參數辨 識結果。上述目標優化函數通常為基于響應誤差或者相對響應誤差的目標優化函數，如利 用目標優化函數計算各通道響應的相對誤差或者絕對誤差的加權歐式距離等。
[0006] 發明人在實現本發明過程中發現：現有的智能算法較易出現局部極小值問題，而 局部極小值問題會對參數辨識精度產生不良影響；另外，隨著復雜對象的復雜性的提高，待 辨識參數的數量會有所增加，這會使參數辨識過程中的計算量以及復雜度大幅度上升；因 此，如何有效控制參數辨識過程中的計算量以及復雜度，并使參數辨識具有較佳的辨識精 度是參數辨識技術中的一個值得關注的問題。
【發明內容】
[0007] 鑒于上述問題，提出了本發明以便提供一種克服上述問題或者至少部分地解決上 述問題的復雜對象的參數辨識方法和裝置。
[0008] 依據本發明的一個方面，提供了一種復雜對象的參數辨識方法，該方法包括：初始 設置步驟：為待辨識參數組賦予不同組的參數值，以初始設置各粒子的位置；迭代步驟：計 算各粒子在迭代過程中的位置，并根據各粒子的位置利用各粒子各自對應的一個激勵響應 數據組確定具有鄰域歷史最優位置的粒子；評價步驟：按照鄰域歷史最優位置從優到劣的 順序從未被選取過的具有鄰域歷史最優位置的粒子中順序選取多個粒子，將不同的多個激 勵響應數據組均作為篩選評價序列分別對當前選取的多個粒子的鄰域歷史最優位置進行 誤差評價；判斷步驟：根據所述誤差評價的結果判斷當前選取的粒子中是否存在滿足預設 誤差要求的粒子，如果存在，則將滿足預設誤差要求的粒子的鄰域歷史最優位置所表示的 參數值作為參數辨識結果，否則，在未被選取的粒子達到預定數量時，返回所述評價步驟， 而在未被選取的粒子達不到預定數量時，返回所述初始設置步驟。
[0009] 依據本發明的再一個方面，提供了一種復雜對象的參數辨識裝置，該裝置包括：初 始設置模塊，適于為待辨識參數組賦予不同組的參數值，以初始設置各粒子的位置；迭代模 塊，適于計算各粒子在迭代過程中的位置，并根據各粒子的位置利用各粒子各自對應的一 個激勵響應數據組確定具有鄰域歷史最優位置的粒子；評價模塊，適于按照鄰域歷史最優 位置從優到劣的順序從未被選取過的具有鄰域歷史最優位置的粒子中順序選取多個粒子， 將不同的多個激勵響應數據組均作為篩選評價序列分別對當前選取的多個粒子的鄰域歷 史最優位置進行誤差評價；判斷模塊，適于根據所述誤差評價的結果判斷當前選取的粒子 中是否存在滿足預設誤差要求的粒子，如果存在，則將滿足預設誤差要求的粒子的鄰域歷 史最優位置所表示的參數值作為參數辨識結果，否則，在未被選取的粒子達到預定數量時， 觸發評價模塊繼續執行選取和誤差評價的操作，而在未被選取的粒子達不到預定數量時， 觸發初始設置模塊執行初始設置操作。
[0010] 本發明提供的復雜對象的參數辨識方法和裝置至少具有下列優點及有益效果：本 發明通過為各粒子分別分配一個不同的激勵響應數據組，并利用各粒子各自對應的激勵響 應數據組（通常情況下，一個粒子在歷次迭代過程均對應同一個激勵響應數據組）來確定 具有鄰域歷史最優位置的粒子，在使參數辨識的計算量盡可能少的情況下實現了對所有粒 子的初步搜索篩選；通過按照鄰域歷史最優位置由優到劣的順序不斷的選取粒子，并利用 多個不同的激勵響應數據組對選取出的每一個粒子分別進行誤差評價，可以快速準確的確 定全局最小值，在避免了局部極小值現象出現的同時，使由于使用多個不同的激勵響應數 據組而引起的計算量大幅度上升的現象得到了有效控制，同時，待辨識參數數量的增加并 不會引起參數辨識復雜度的大幅度上升；從而本發明提供的技術方案在有效控制參數辨識 過程中的計算量以及復雜度的同時，具有較佳的參數辨識精度。
[0011] 上述說明僅是本發明技術方案的概述，為了能夠更清楚了解本發明的技術手段， 而可依照說明書的內容予以實施，并且為了讓本發明的上述和其它目的、特征和優點能夠 更明顯易懂，以下特舉本發明的【具體實施方式】。
【附圖說明】
[0012] 通過閱讀下文優選實施方式的詳細描述，各種其他的優點和益處對于本領域普通 技術人員將變得清楚明了。本實施例的附圖僅用于示出優選實施方式的目的，而并不認為 是對本發明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：
[0013] 圖1為本發明實施例一的復雜對象的參數辨識方法流程圖；
[0014] 圖2為本發明實施例二的復雜對象的參數辨識方法流程圖；
[0015] 圖3為本發明實施例二的仿真實驗中現有技術的辨識結果示意圖；
[0016] 圖4為本發明實施例二的仿真實驗中現有技術的歸一化誤差示意圖；
[0017] 圖5為本發明實施例二的仿真實驗中本發明方法的辨識結果示意圖；
[0018] 圖6為本發明實施例二的仿真實驗中本發明的歸一化誤差示意圖；
[0019] 圖7為本發明實施例三的復雜對象的參數辨識裝置的結構示意圖。
【具體實施方式】
[0020] 下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開 的示例性實施例，然而應當理解，可以以各種形式實現本公開而不應被這里闡述的實施例 所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠將本公開的范圍 完整的傳達給本領域的技術人員。
[0021 ] 實施例一、復雜對象的參數辨識方法。
[0022] 本實施例是針對復雜對象進行參數辨識的方法，待辨識的參數通常為多個，且多 個待辨識的參數形成一個待辨識參數組；當然，本實施例中的待辨識參數組也可以僅包括 一個待辨識的參數。下面結合圖1對本實施例的方法進行說明。
[0023] 在圖1中，S100、初始設置步驟（也可以稱為粒子初始化步驟）：為待辨識參數組 賦予不同組的參數值，以初始設置各粒子的位置。
[0024] 具體的，本實施例中的待辨識參數組包括多個待辨識參數（如兩個或者三個或者 四個等），如待辨識參數組包括待辨識目標的質量以及質心位置（三維坐標值）。需要說明 的是，在實際應用中，待辨識參數組所包含的待辨識參數的數量也可以多余四個。本實施例 不限制待辨識參數組所包含的待辨識參數的具體內容。
[0025] 本實施例可以根據一定的數值范圍為待辨識參數組中的各個待辨識參數多次賦 予參數值，從而使所有的粒子對應有不同參數值，也就是說，不同的粒子的位置并不相同。
[0026] 本實施例可以采用隨機生成參數值的方式為待辨識參數組賦予不同組的參數值， 如在質量的預定數值范圍內隨機生成一個參數值，并從質心位置的預定數值范圍內隨機生 成三個參數值，將這四個參數值賦予待辨識參數組中的四個待辨識參數，從而對一個粒子 的位置進行了初始化設置；上述隨機生成并賦值的過程被多次重復執行后，對多個粒子的 位置分別進行了初始化設置。本實施例中的粒子的數量通常可以為數百個，當然，粒子的數 量也可以更多。本實施例不限制參數辨識過程中所使用的粒子的數量。
[0027] 在對各粒子的位置進行初始化設置的同時，還應為每一個粒子設置初始速度，即 初始化各粒子的速度。本實施例可以采用現有的多種方法對粒子的位置和速度進行初始化 設置，本實施例不限制初始化粒子的位置和速度的具體實現方式。
[0028] S110、迭代步驟：計算各粒子在迭代過程中的位置，并根據各粒子的位置利用各粒 子各自對應的一個激勵響應數據組確定具有鄰域歷史最優位置的粒子。
[0029] 具體的，本實施例可以利用粒子群算法（如改進的粒子群算法）來實現上述迭代 步驟。值得注意的是，本實施例也可以采用其他算法來實現該迭代步驟；且無論是采用粒子 群算法還是采用其他算法，本實施例都不需要對局部極小值與全局極小值進行區分，只要 能夠使篩選出的粒子的鄰域歷史最優位置集合中包含有全局極小值即可。
[0030] 本實