迄今為止，多變量過程辨識是先進(jìn)控制技術(shù)在實(shí)際工程中推廣應(yīng)用的一個公認(rèn)難題。大量實(shí)踐研究證明，用現(xiàn)有的多變量過程辨識技術(shù)很難辨識出準(zhǔn)確的多變量過程模型，究其原因是現(xiàn)有的多變量過程辨識理論存在固有缺陷，沒有確切的理論證明多變量過程模型的準(zhǔn)確辨識可以實(shí)現(xiàn)，并且至今還沒有取得關(guān)鍵性的突破。按照現(xiàn)有的多變量過程辨識理論，人們的認(rèn)識還停留在多變量系統(tǒng)辨識可以看作單變量系統(tǒng)的擴(kuò)展。因此，大多數(shù)人以為用單變量系統(tǒng)辨識可以解決多變量系統(tǒng)辨識的問題，于是長期以來多變量過程辨識的理論研究聚焦在如何把多變量過程模型用單變量模型來表述的模型轉(zhuǎn)換上。一旦實(shí)現(xiàn)了用若干個單變量的子系統(tǒng)表征一個多變量系統(tǒng)，就可以套用單變量的系統(tǒng)辨識算法去計(jì)算多變量過程模型參數(shù)。但現(xiàn)在看來這種研究思路是有問題的，因?yàn)槎嘧兞窟^程和單變量過程的區(qū)別在于多輸入變量有可能同時對任一輸出變量產(chǎn)生作用，若是能用解耦器解除這種耦合作用，那么單變量過程辨識理論就可以用了。但是解耦器可用的前提是已知過程模型，這等于說解耦之路走不通�？傊�，多變量過程辨識理論的研究是繞不開多變量耦合作用這個本質(zhì)問題的。既然如此，多變量過程辨識理論的研究就應(yīng)該圍繞多變量耦合作用這個關(guān)鍵問題來研究解決之道，但是目前為止還沒有看到突破和進(jìn)展。
在《閉環(huán)過程辨識理論研究及應(yīng)用》一書中，我們提出了過程辨識的六要素，除了傳統(tǒng)的三要素（數(shù)據(jù)、模型類和準(zhǔn)則）外，新加的要素是過程激勵優(yōu)化。之所以添加這三個要素，是源于對過程辨識更深入的認(rèn)知。因此，多變量過程辨識依然像單變量過程辨識一樣，需要考慮 過程激勵優(yōu)化這三種新要素。首先，針對實(shí)際過程所辨識出的模型究竟準(zhǔn)不準(zhǔn)，應(yīng)該考核的是實(shí)際過程和所辨識出模型之間的吻合度，而不僅僅是模型響應(yīng)數(shù)據(jù)和實(shí)際過程響應(yīng)數(shù)據(jù)之間的吻合度。事實(shí)上，人們早已發(fā)現(xiàn)那些數(shù)據(jù)擬合很好的模型并不一定能真正代表實(shí)際過程，這兩者之間的動態(tài)特性可能相差十萬八千里，所以過程要素不可不加。其次，人們早已發(fā)現(xiàn)所采集到的實(shí)際過程響應(yīng)數(shù)據(jù)能否體現(xiàn)實(shí)際過程特性與辨識時輸入激勵信號的關(guān)系很大。顯然，強(qiáng)激勵帶來強(qiáng)響應(yīng)數(shù)據(jù)，弱激勵帶來弱響應(yīng)數(shù)據(jù)，零激勵只能帶來零響應(yīng)數(shù)據(jù)，噪聲激勵只能帶來噪聲響應(yīng)數(shù)據(jù)。強(qiáng)響應(yīng)數(shù)據(jù)意味著某些過程變量超限，屬于事故狀態(tài)特性，可能危及生產(chǎn)安全，所以是不被期待的；弱響應(yīng)數(shù)據(jù)也不好，因?yàn)檫^程所具有的動態(tài)特性激發(fā)不足，辨識出的過程模型將有所缺失；零響應(yīng)數(shù)據(jù)就更不能用了，因?yàn)橹荒鼙孀R出虛假模型，所以所期待的是不強(qiáng)也不弱的激勵得來的恰到好處的響應(yīng)數(shù)據(jù)，因此激勵要素不能不專門考慮。再者，傳統(tǒng)辨識的優(yōu)化計(jì)算只是小二乘算法一家獨(dú)大，那時優(yōu)化要素和準(zhǔn)則要素合并在一起考慮是可以被接受的。但是，進(jìn)入到智能時代以后，有了更優(yōu)越的智能優(yōu)化算法，有了更強(qiáng)大的計(jì)算機(jī)技術(shù)，幾萬次迭代優(yōu)化計(jì)算可以瞬間完成， 優(yōu)化要素就不得不單獨(dú)列出了。大量的研究文獻(xiàn)已經(jīng)表明，用智能優(yōu)化技術(shù)可突破用小二乘優(yōu)化技術(shù)的局限性，解決了許多原先用小二乘優(yōu)化技術(shù)不能解決的過程辨識問題，顯著提高了過程辨識的精度。如果不重視優(yōu)化要素的存在，則很有可能得到誤差很大的辨識模型。
在以下展開的多變量過程辨識理論研究中，新加的要素過程和激勵啟發(fā)了我們新的研究思路。受過程要
素啟發(fā)的一條思路就是通過機(jī)理分析建模技術(shù)確定被辨識過程的模型結(jié)構(gòu)和參數(shù)域。研究表明，要想讓所辨識出的模型吻合實(shí)際過程特性，首先要讓所確定的模型結(jié)構(gòu)吻合實(shí)際過程特性。這對于單變量過程辨識是需要的，對于多變量過程辨識是更加需要的，因?yàn)樗�辨識出的模型與實(shí)際過程特性之間的誤差莫過于模型結(jié)構(gòu)不吻合。例如，實(shí)際過程特性是慣性特性，所確定的辨識模型結(jié)構(gòu)也應(yīng)該是慣性特性結(jié)構(gòu)；若是選用振蕩特性結(jié)構(gòu)模型，則辨識模型特性將永遠(yuǎn)無法與實(shí)際過程特性吻合。必須指出，已經(jīng)有過不少關(guān)于模型結(jié)構(gòu)辨識的研究報(bào)道，但是，已提出的模型結(jié)構(gòu)辨識僅僅局限于對模型階數(shù)的辨識。即便能準(zhǔn)確辨識出模型階數(shù)，也解決不了以上所提出的確定模型結(jié)構(gòu)的問題，因?yàn)槲覀兯�需要的是更深層次模型結(jié)構(gòu)的確定。對線性模型而言，就是零點(diǎn)和極點(diǎn)的確定。例如，確定模型有左實(shí)極點(diǎn)，就可以確認(rèn)被辨識過程含有慣性特性；確定有左復(fù)極點(diǎn)，就可知被辨識過程含有振蕩特性。確定被辨識過程模型結(jié)構(gòu)的問題，目前有三種方法：一是由人任憑經(jīng)驗(yàn)確定；二是用機(jī)理分析建模技術(shù)來確定；三是用類似數(shù)據(jù)挖掘的技術(shù)來確定。綜合考慮，由人憑經(jīng)驗(yàn)確定和用類似數(shù)據(jù)挖掘的技術(shù)來確定的方法具有較大的盲目性，而采用機(jī)理分析建模技術(shù)來確定被辨識過程的模型結(jié)構(gòu)更有科學(xué)依據(jù)。而且，只要被辨識過程裝置的設(shè)計(jì)制造資料齊全，采用機(jī)理分析建模技術(shù)不但能確定被辨識過程的模型結(jié)構(gòu)，還可以估算出模型參數(shù)的合理參數(shù)域。受激勵要素啟發(fā)的一條思路就是優(yōu)選自然激勵的生產(chǎn)運(yùn)行大數(shù)據(jù)來保證被辨識過程的數(shù)據(jù)富含過程特性信息。
這本專著還可以看成是作者《多容慣性標(biāo)準(zhǔn)傳遞函數(shù)控制器設(shè)計(jì)理論及應(yīng)用技術(shù)》《PID控制器參數(shù)整定方法及應(yīng)用》《閉環(huán)過程辨識理論及應(yīng)用技術(shù)》三本專著的后續(xù)。因?yàn)椤抖嗳輵T性標(biāo)準(zhǔn)傳遞函數(shù)控制器設(shè)計(jì)理論及應(yīng)用技術(shù)》提出了一種依賴于過程模型的先進(jìn)控制技術(shù)，《PID控制器參數(shù)整定方法及應(yīng)用》提出了依賴于過程模型的PID控制器參數(shù)整定技術(shù)，《閉環(huán)過程辨識理論及應(yīng)用技術(shù)》提供了一套在閉環(huán)控制條件下進(jìn)行單變量過程模型辨識的實(shí)用理論和技術(shù)，而眼下這本專著重在解決多變量過程模型的準(zhǔn)確辨識問題。這四本專著將構(gòu)成一套行之有效的先進(jìn)過程辨識和控制理論及應(yīng)用技術(shù)。

作者
2021年5月1日