- •Регрессионные модели идентификации: статический объект, понятия о регрессии, парная и множественная регрессия, ошибка идентификации.
- •Диагностирование линейных оу методом комплементарного сигнала. Процедуры диагностирования, оценка работоспособности оу, локализация дефектов по годографу неисправностей.
- •2. Диагностирование линейных оу методом комплементарного сигнала. Постановка задачи, расчет кс по измеренным значениям выходного сигнала.
- •2. Диагностирование линейных оу методом комплементарного сигнала. Постановка задачи, аналитический расчет кс.
- •2. Дифференциальные модели од: метод малого параметра, условия работоспособности.
- •Составить булеву матрицу для конкретной функциональной модели.
- •2. Построение тестов: формулирование задачи, множество проверок, составление булевой матрицы, нахождение элементарных тестов на примере булевой матрицы.
- •2. Авторегрессионные модели идентификации.
- •2. Функциональные модели: задание модели, графическое представление, множество состояний од, таблица неисправностей, неразличимые состояния.
- •Представим степень интеграла в правой части (23) в виде произведения интегралов:
- •2. Линейное прогнозирование состояния од: точечный прогноз
- •2. Составить дробный факторный план (четверть реплики) для модели
- •2. Планы для квадратичных моделей, постановка задачи. Ортогональный центральный композиционный план второго порядка: структура плана, свойства плана.
- •2. Планы для моделей, содержащих линейные члены и взаимодействия различного порядка: дробный факторный план для модели , контраст плана, допустимость плана.
- •2. Оценка состояния объекта по результатам измерения выхода оу, фильтр с конечной памятью.
- •2. Применение дробного фп для модели , правила составления таблицы, смешение оценок коэффициентов модели.
- •Частотный метод определения коэффициентов пф
- •2. Формулы для вычислений и свойства полных и дробных факторных планов для линейных моделей.
- •2. Условия Гаусса – Маркова: проверка случайного характера элементов остаточного ряда
- •2. Оценка адекватности модели оу при проведении параллельных опытов.
- •2. Полные факторные планы первого порядка, определение примеры пфп для , свойства матрицы планирования.
- •Правило построения полных факторных планов
- •2. Дробные факторные планы (дробный факторный эксперимент): дробные реплики, определение, правило построения дробных факторных планов, генератор плана.
- •2. Планы для квадратичных моделей (планы второго порядка), постановка задачи, полные факторные планы
- •2. Метод сопряженных направлений для квадратичной целевой функции.
- •2.Составление булевой матрицы для конкретной функциональной модели.
2. Диагностирование линейных оу методом комплементарного сигнала. Постановка задачи, аналитический расчет кс.
Объект диагностики представляет собой линейную непрерывную систему, которая заданна описанием в пространстве состояний вида (1). Объект имеет один вход и один выход. (1)
Управляющий сигнал представляет собой последовательность разнополярных импульсов длительностью :
(2)
где – импульсы.
– амплитуды импульсов. Управляющий сигнал имеет вид:
- комплементарный сигнал
Процедура диагностики содержит два этапа:
синтез комплементарного сигнала (КС); 2)обнаружение и локализация дефектов.
Аналитический расчет КС
Синтез КС заключается в оценке амплитуд импульсов. Чтобы можно было сигнал использовать для диагностики амплитуда должна быть выбрана таким образом. Чтобы с момента амплитуда . Cостояние объекта, начиная с этого момента, обращается в нулевой вектор.
Решение:
Рассмотрим
реакцию объекта на единичный скачок
при нулевых начальных условиях:
,
где
– n-мерный
вектор начального состояния. Для
нахождения реакции используется интеграл
свертки
(3)
Определим состояние объекта в конце
первого импульса
.
В этом случае управляющее воздействие
представляет собой единичный импульс
.
Реакция объекта
.
Полагая значение первого импульса
,
матричную экспоненту обозначают
и тогда выход:
– последовательность состояний объекта.
Определим состояния объекта при действии
ступенчатого воздействия при ненулевых
начальных условиях. Реакция будет
включать два составляющих: свободное
движение и вынужденное
Перейдя к дискретному времени по следующему правилу:
Тогда
.
Каждое
последующее состояние определяется на
основе предыдущего. Связь текущего и
предыдущего состояния можно записать
в виде рекуррентной формулы (5):
(5) Если выбираем
для
,
то в соответствии с формулой (5) получаем:
Выбираем
такие
,
чтобы
.
В соответствии с теорией Кэли-Гамильтона
в качестве коэффициентов
надо взять коэффициенты характеристического
полинома матрицы
.
Собственные
числа
этой матрицы связанны с собственными
числами
матрицы А простыми соотношениями
.
Отсюда в соответствии с теорией Виета,
имеем:
(6)
Алгоритм (аналитический расчет КС) Данные: матрица А и длительность .
По математическому описанию системы рассчитываем ее полюсы
По формулам
вычисляем собственные числа матрицы
.По формулам Виета вычисляем коэффициент , определяющий амплитуды импульсов, составляющих КС.
Комплементарный сигнал содержит n+1 импульс.
Билет №4. 1. Аппаратная реализация процесса идентификации.
Объект
статический с n
– входами и одним выходом. (8) – модель
объекта или оценка выхода объекта.
(8)
Точность
оценивания определяется квадратом
отклонения в каждый момент времени:
(9)
– вектор, т.к. содержит измерения только
для одного момента времени:
– вектор
оценки коэффициентов регрессии. Целью
является корректировка и определение
оценок в каждый момент времени т.о.,
чтобы критерий идентификации (9) достигал
бы минимума, т.е. в каждый момент времени
осуществляется оценивание коэффициентов
регрессии (10).
Нахождение
оценок коэффициентов регрессии
представляется как результат коррекции
оценок, полученных ранее (10а).
(10)
(10a)
Используем численный метод оптимизации
– градиентный. Текущая оценка
определяется на основании предыдущей
оценки и некоторой поправки. Поправка
– произведение некоторой величины
на градиент критерия качества
(идентификации). Градиент – вектор,
состоящий из частных производных
по всем
:
(11) Градиент – векторное произведение
по
от критерия идентификации:
(12)
С
учетом этого производная вектора оценок:
(13)
(10а)
– рекурсивное выражение
переносим влево и делим на интервал
между отчетами и устремляем к нулю.
