本申请涉及系统辨识，特别是涉及一种随机时延的输出误差系统的参数辨识方法。
背景技术：
1、系统辨识在流程工业中发挥着重要作用，系统辨识常规的模型结构有带外输入的自回归(auto-regressive with extra inputs，arx)、有限脉冲响应(finite impulseresponse，fir)和输出误差(output-error，oe)等模型。其中，忽略噪声项的oe模型，由于其结构与传递函数类似，在自动控制领域备被广泛使用。
2、然而，oe模型结构的分子和分母都包含了未知的参数，需要解决因多项式变换而带来的有色噪声问题，因此需要参数辨识的方法，现有技术中对oe模型进行未知参数辨识的方法有最小二乘递推算法、梯度迭代辨识算法等。但是最小二乘递推算法虽然能实现在线辨识，但其辨识性能易受有色噪声影响，误差较大；梯度迭代算法通过处理批数据挖掘系统信息，但只能处理离线数据，且不能解决随机时延的估计问题。
技术实现思路
1、为了解决现有技术存在的不足，本申请的目的在于提供一种随机时延的输出误差系统参数辨识方法，能够辨识随机时延和噪声，辨识效果好。
2、为实现上述目的，本申请提供一种随机时延的输出误差系统参数辨识方法，包括：
3、基于输出误差系统的oe模型表达式，定义无噪声输出参数和模型参数，生成输出误差系统的线性回归方程；
4、基于输出误差系统的观测数据集和所述线性回归方程，采用期望最大化算法确定输出误差系统关于模型参数的条件期望；
5、基于所述条件期望，迭代计算模型参数的估计值直至收敛。
6、进一步地，所述基于输出误差系统的oe模型表达式，定义无噪声输出参数和模型参数，生成输出误差系统的线性回归方程的具体步骤包括：
7、基于所述oe模型表达式中的单位移位算子，定义无噪声输出参数，采用公式如下：
8、
9、其中，k为时刻，uk是oe模型的输入序列，yk是oe模型的输出序列，ek是零均值随机白噪声；a(z)、b(z)为关于单位移位算子的多项式，z为单位后移算子，为a(z)的项系数，na为a(z)的阶次，为b(z)的项系数，nb为b(z)的阶次；τk为k时刻的随机时延，服从均匀分布；
10、基于所述无噪声输出参数，定义模型参数和信息向量，使所述无噪声输出参数为模型参数与信息向量之积，公式如下：
11、
12、其中，为信息向量，θ为模型参数；
13、其中，
14、
15、基于所述无噪声输出参数，生成输出误差系统的线性回归方程，公式如下：
16、
17、
18、进一步地，所述基于输出误差系统的观测数据集和所述线性回归方程，采用期望最大化算法确定输出误差系统关于模型参数的条件期望的具体步骤包括：
19、采集输出误差系统的观测数据集，构建对应长度的随机时延隐藏数据集：
20、采用期望最大化算法构建用于计算当前模型参数条件期望的q函数；
21、基于所述线性回归方程，分解简化所述q函数。
22、进一步地，所述采用期望最大化算法构建用于计算当前模型参数条件期望的q函数的具体步骤采用如下公式：
23、
24、cobs＝{u,y}；
25、u＝{u1,u2,…,ul}；
26、y＝{y1,y2,…,yl}；
27、chid＝{γ}；
28、γ＝{τ1,τ2,…,τl}；
29、其中，cobs为观测数据集，u为输入数据集，ul为第l个输入数据，y为输出数据集，yl为第l个输出数据，l为数据长度；chid为随机时延隐藏数据集，γ为每个时刻的时延，s为迭代次数，e为期望，θs为迭代次数s时的模型参数。
30、进一步地，所述基于所述线性回归方程，分解简化所述q函数的具体步骤采用如下公式：
31、
32、其中，
33、
34、
35、其中，d为随机时延的取值，迭代次数s时随机时延τk＝d的概率，σ2为噪声方差。
36、进一步地，所述基于所述条件期望，迭代计算模型参数的估计值直至收敛的具体步骤包括：
37、基于所述模型参数的条件期望，确定迭代公式，公式如下：
38、
39、其中，
40、初始化模型参数及无噪声输出参数，利用迭代公式求解模型参数直至满足设定的收敛条件。
41、为实现上述目的，本申请还提供一种电子设备，包括：
42、处理器；
43、存储器，其上存储有一个或多个在所述处理器上运行的计算机程序指令；
44、其中，所述处理器运行所述计算机指令时，执行如上所述的随机时延的输出误差系统的参数辨识方法。
45、为实现上述目的，本申请提供的计算机可读存储介质，其上存储有计算机指令，当计算机指令被处理器运行时，执行如上所述的随机时延的输出误差系统的参数辨识方法的步骤。
46、本申请的一种随机时延的输出误差系统参数辨识方法，通过配置无噪声输出参数，将oe模型构建为了线性回归方程，将随时时延作为隐藏变量，采用了期望最大化算法进而能够在进行参数辨识的过程中，同时辨识出模型参数和随机时延，辨识效果好。
47、本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。
1.一种随机时延的输出误差系统的参数辨识方法，其特征在于，包括：
2.根据权利要求1所述的随机时延的输出误差系统的参数辨识方法，其特征在于，所述基于输出误差系统的oe模型表达式，定义无噪声输出参数和模型参数，生成输出误差系统的线性回归方程的具体步骤包括：
3.根据权利要求2所述的随机时延的输出误差系统的参数辨识方法，其特征在于，所述基于输出误差系统的观测数据集和所述线性回归方程，采用期望最大化算法确定输出误差系统关于模型参数的条件期望的具体步骤包括：
4.根据权利要求3所述的随机时延的输出误差系统的参数辨识方法，其特征在于，所述采用期望最大化算法构建用于计算当前模型参数条件期望的q函数的具体步骤采用如下公式：
5.根据权利要求4所述的随机时延的输出误差系统的参数辨识方法，其特征在于，所述基于所述线性回归方程，分解简化所述q函数的具体步骤采用如下公式：
6.根据权利要求5所述的随机时延的输出误差系统的参数辨识方法，其特征在于，所述基于所述条件期望，迭代计算模型参数的估计值直至收敛的具体步骤包括：
7.一种电子设备，其特征在于，包括：
8.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，当计算机指令被处理器运行时，执行权利要求1-6任一项所述的随机时延的输出误差系统的参数辨识方法的步骤。
