复杂对象的参数辨识方法和装置的制造方法
【技术领域】
[0001] 本发明涉及参数辨识技术，具体涉及一种复杂对象的参数辨识方法以及复杂对象 的参数辨识装置。
【背景技术】
[0002] 随着人类对地球以及外太空等领域不断深入的研究开发，复杂对象的使用日渐增 多，如在卫星等航天器中设置的具有多臂节的机械臂即为一个复杂对象。
[0003] 在复杂对象的实际应用中，对复杂对象的行为预报以及参数辨识是非常重要的， 例如，在航天器的在轨运行过程中，往往会利用机械臂来抓取未知目标，在控制机械臂抓取 未知目标的过程中，应准确及时的辨识出未知目标的惯性参数，否则，未知目标的抓取会使 航天器的质量分布发生不可预知的变化，从而会给后续的机械臂操作路径的规划带来一定 的困难。
[0004] 由于复杂对象通常具有多参数、多状态、多输出以及较强的非线性等特点，因此， 现有的一些针对线性问题或者类线性问题的参数辨识方法（如最小二乘法、极大似然估计 法以及牛顿法等）很难应用于复杂对象的参数辨识过程中；而神经网络、遗传算法或者粒 子群算法等智能算法在复杂对象的参数辨识过程中取得了较广泛的应用。
[0005] 利用智能算法进行参数辨识通常是通过目标优化函数来优化辨识模型中的待辨 识参数，使得辨识模型在相同的激励条件下与实际对象的响应误差最小，从而获得参数辨 识结果。上述目标优化函数通常为基于响应误差或者相对响应误差的目标优化函数，如利 用目标优化函数计算各通道响应的相对误差或者绝对误差的加权欧式距离等。
[0006] 发明人在实现本发明过程中发现：现有的智能算法较易出现局部极小值问题，而 局部极小值问题会对参数辨识精度产生不良影响；另外，随着复杂对象的复杂性的提高，待 辨识参数的数量会有所增加，这会使参数辨识过程中的计算量以及复杂度大幅度上升；因 此，如何有效控制参数辨识过程中的计算量以及复杂度，并使参数辨识具有较佳的辨识精 度是参数辨识技术中的一个值得关注的问题。
【发明内容】
[0007] 鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上 述问题的复杂对象的参数辨识方法和装置。
[0008] 依据本发明的一个方面，提供了一种复杂对象的参数辨识方法，该方法包括：初始 设置步骤：为待辨识参数组赋予不同组的参数值，以初始设置各粒子的位置；迭代步骤：计 算各粒子在迭代过程中的位置，并根据各粒子的位置利用各粒子各自对应的一个激励响应 数据组确定具有邻域历史最优位置的粒子；评价步骤：按照邻域历史最优位置从优到劣的 顺序从未被选取过的具有邻域历史最优位置的粒子中顺序选取多个粒子，将不同的多个激 励响应数据组均作为筛选评价序列分别对当前选取的多个粒子的邻域历史最优位置进行 误差评价；判断步骤：根据所述误差评价的结果判断当前选取的粒子中是否存在满足预设 误差要求的粒子，如果存在，则将满足预设误差要求的粒子的邻域历史最优位置所表示的 参数值作为参数辨识结果，否则，在未被选取的粒子达到预定数量时，返回所述评价步骤， 而在未被选取的粒子达不到预定数量时，返回所述初始设置步骤。
[0009] 依据本发明的再一个方面，提供了一种复杂对象的参数辨识装置，该装置包括：初 始设置模块，适于为待辨识参数组赋予不同组的参数值，以初始设置各粒子的位置；迭代模 块，适于计算各粒子在迭代过程中的位置，并根据各粒子的位置利用各粒子各自对应的一 个激励响应数据组确定具有邻域历史最优位置的粒子；评价模块，适于按照邻域历史最优 位置从优到劣的顺序从未被选取过的具有邻域历史最优位置的粒子中顺序选取多个粒子， 将不同的多个激励响应数据组均作为筛选评价序列分别对当前选取的多个粒子的邻域历 史最优位置进行误差评价；判断模块，适于根据所述误差评价的结果判断当前选取的粒子 中是否存在满足预设误差要求的粒子，如果存在，则将满足预设误差要求的粒子的邻域历 史最优位置所表示的参数值作为参数辨识结果，否则，在未被选取的粒子达到预定数量时， 触发评价模块继续执行选取和误差评价的操作，而在未被选取的粒子达不到预定数量时， 触发初始设置模块执行初始设置操作。
[0010] 本发明提供的复杂对象的参数辨识方法和装置至少具有下列优点及有益效果：本 发明通过为各粒子分别分配一个不同的激励响应数据组，并利用各粒子各自对应的激励响 应数据组（通常情况下，一个粒子在历次迭代过程均对应同一个激励响应数据组）来确定 具有邻域历史最优位置的粒子，在使参数辨识的计算量尽可能少的情况下实现了对所有粒 子的初步搜索筛选；通过按照邻域历史最优位置由优到劣的顺序不断的选取粒子，并利用 多个不同的激励响应数据组对选取出的每一个粒子分别进行误差评价，可以快速准确的确 定全局最小值，在避免了局部极小值现象出现的同时，使由于使用多个不同的激励响应数 据组而引起的计算量大幅度上升的现象得到了有效控制，同时，待辨识参数数量的增加并 不会引起参数辨识复杂度的大幅度上升；从而本发明提供的技术方案在有效控制参数辨识 过程中的计算量以及复杂度的同时，具有较佳的参数辨识精度。
[0011] 上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段， 而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够 更明显易懂，以下特举本发明的【具体实施方式】。
【附图说明】
[0012] 通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通 技术人员将变得清楚明了。本实施例的附图仅用于示出优选实施方式的目的，而并不认为 是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0013] 图1为本发明实施例一的复杂对象的参数辨识方法流程图；
[0014] 图2为本发明实施例二的复杂对象的参数辨识方法流程图；
[0015] 图3为本发明实施例二的仿真实验中现有技术的辨识结果示意图；
[0016] 图4为本发明实施例二的仿真实验中现有技术的归一化误差示意图；
[0017] 图5为本发明实施例二的仿真实验中本发明方法的辨识结果示意图；
[0018] 图6为本发明实施例二的仿真实验中本发明的归一化误差示意图；
[0019] 图7为本发明实施例三的复杂对象的参数辨识装置的结构示意图。
【具体实施方式】
[0020] 下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开 的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例 所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围 完整的传达给本领域的技术人员。
[0021 ] 实施例一、复杂对象的参数辨识方法。
[0022] 本实施例是针对复杂对象进行参数辨识的方法，待辨识的参数通常为多个，且多 个待辨识的参数形成一个待辨识参数组；当然，本实施例中的待辨识参数组也可以仅包括 一个待辨识的参数。下面结合图1对本实施例的方法进行说明。
[0023] 在图1中，S100、初始设置步骤（也可以称为粒子初始化步骤）：为待辨识参数组 赋予不同组的参数值，以初始设置各粒子的位置。
[0024] 具体的，本实施例中的待辨识参数组包括多个待辨识参数（如两个或者三个或者 四个等），如待辨识参数组包括待辨识目标的质量以及质心位置（三维坐标值）。需要说明 的是，在实际应用中，待辨识参数组所包含的待辨识参数的数量也可以多余四个。本实施例 不限制待辨识参数组所包含的待辨识参数的具体内容。
[0025] 本实施例可以根据一定的数值范围为待辨识参数组中的各个待辨识参数多次赋 予参数值，从而使所有的粒子对应有不同参数值，也就是说，不同的粒子的位置并不相同。
[0026] 本实施例可以采用随机生成参数值的方式为待辨识参数组赋予不同组的参数值， 如在质量的预定数值范围内随机生成一个参数值，并从质心位置的预定数值范围内随机生 成三个参数值，将这四个参数值赋予待辨识参数组中的四个待辨识参数，从而对一个粒子 的位置进行了初始化设置；上述随机生成并赋值的过程被多次重复执行后，对多个粒子的 位置分别进行了初始化设置。本实施例中的粒子的数量通常可以为数百个，当然，粒子的数 量也可以更多。本实施例不限制参数辨识过程中所使用的粒子的数量。
[0027] 在对各粒子的位置进行初始化设置的同时，还应为每一个粒子设置初始速度，即 初始化各粒子的速度。本实施例可以采用现有的多种方法对粒子的位置和速度进行初始化 设置，本实施例不限制初始化粒子的位置和速度的具体实现方式。
[0028] S110、迭代步骤：计算各粒子在迭代过程中的位置，并根据各粒子的位置利用各粒 子各自对应的一个激励响应数据组确定具有邻域历史最优位置的粒子。
[0029] 具体的，本实施例可以利用粒子群算法（如改进的粒子群算法）来实现上述迭代 步骤。值得注意的是，本实施例也可以采用其他算法来实现该迭代步骤；且无论是采用粒子 群算法还是采用其他算法，本实施例都不需要对局部极小值与全局极小值进行区分，只要 能够使筛选出的粒子的邻域历史最优位置集合中包含有全局极小值即可。
[0030] 本实