Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

книги из ГПНТБ / Сейдж Э.П. Идентификация систем управления

.pdf
Скачиваний:
77
Добавлен:
23.10.2023
Размер:
7.91 Mб
Скачать

7.3]

ДИСКРЕТНЫ Е СИСТЕМЫ

231

уравнение наблюдений

zx (к) = h [х (к), к] + vx (к).

Кроме того, также наблюдается

z2 (к) = Н (к) w (к) + v2 (к).

Здесь предполагается, что w (к), vx (к) и v2 (к) — взаимонезависнмые дискретные белые шумы с нулевыми средни­ ми и ковариационными матрицами Vw (fc), Vv, (к) и Vv, (к) соответственно. Два наблюдаемых сигнала можно описать как одно наблюдение

z (к) = h* [х (к), к] + V*(к),

где

*<*)- [-2f] • ьмм*).*1 -

.......... yi_(*).........

 

Н (ft) W (ft) + V2 (ft)

 

Отметим, что теперь входной шум и ошибка измерений коррелированы. Использование алгоритмов табл. 7.3.2 приводит к следующим уравнениям для оценок:

х +

1) =

х(к -f- 1 1к) +

К х -f 1) {гх (к ■+• 1) — h \х(к), к]},

 

 

x(A+l|fc) = Ф [х (к), к] +

К2 (к) z2 (к),

где

 

 

 

 

ЭЬ1 [х (ft-Ml ft), ft +1] У у ](к + 1),

Kx(k +

i) =

P(k + l)

 

 

 

 

 

Зх (ft + 1 |ft)

К 2 (к) =

Г (к) Vw {к) Ш (к) [Vv, (к) +

Г (к) Vw (к) ГТ (А:)]-1

Р(к +

1|А) =

З ф [ х

(ft), ft]

Р(к) З ф Т | х

(ft ), ft 1

 

 

 

З х

(ft)

З х (ft)

+ г (к) Vw (к) Гт (к) - Г (к) Vw (к) Нт (к) (к) Vw (к) Н? (к) +

+

V v .W r H M Vw(A )rr(A),

Р (А: + 1) =

 

 

= Р(А f 1|А:)-Р(А:+1|А:)НТ(А:+ 1)[Н (* +

1)Р(А Д 1|А)х

X Нт +• 1) + VVl+

1 )Г Н +

1) Р (к + 11 к),

232 ИНВАРИАНТНОЕ ПОГРУЖ ЕНИ Е [ГЛ . 7

причем

Нт ф- 1) Vvi (А ф- 1) Н (& ф- 1) =

__________ 9_____ Г dhT [х ( к ф - 1 | к ) , к ф- 1]

З х ( к ф - 1 I к ) _ д х ( к ф - 1 | к )

X V £ ( A + l ) { z i ( * + l ) - h [ x ( & + l | A ) , f t + l ] } .

Эти алгоритмы применяются для идентификации па­ раметров о и с линейной стохастической системы

х (к 1) = (1 ф- 0,01 а) х (к) ф- 0,015 w (к),

Ч (к) = сх (к) + пД/с),

z2 (к) = w (к) ф- v2(k).

Истинные значения параметров: а = —0,5, с = 0,8. Да­ но:

VVi =

25,

Vw =

100,

а (0)

=

1, с (0) =

5,

var

Г * (0)1

П

0 О]

а (0)

= 0

1 0 .

 

I с (0 ) J

 

|_0 о l j

Алгоритмы табл. 7.3.2 применялись для трех разных зна­ чений var {н2}: 16, 49 и 400. Были получены отличные ре­ зультаты, показанные на рис. 7.3.2 и 7.3.3. Как и ожи­ далось, результаты идентификации «лучше» для низких значений VVl.

Пример 7.3.3. Задачу идентификации дисперсий ста­ ционарного входного шума одномерной линейной системы можно рассматривать как задачу идентификации пара­ метра а системы вида

х 1) = Фх (к) ф- Га1^ (&) w

z (к) = Нх (к) ф- v (к),

а (к ф- 1) = а (к),

где $ {w {к)} = 0, a var {w (к)} — 1. Величина а (к) соот­ ветствует неизвестной дисперсии w (к), а факт постоянства дисперсии описывается уравнением а(к ф -1) = а(к).

7.3]

ДИСКРЕТНЫ Е СИСТЕМЫ

233

Рис. 7.3.2. Идентификация с (--------

VVi = 1 6 ; -----------

VV2 = 49,

------------V

= 400).

 

Рис. 7.3.3. Идентификация а (— Vv, = 1 6 ;----------

F®, = 49,

----------- VVa = 400).

 

234

И НВАРИ АНТНОЕ ПОГРУЖ ЕНИЕ

[ГЛ. 7

Обращение к табл. 7.3.1 приводит к плохим результа­

там, так как,

положив РаХ (0) = 0,

мы приходим к тому,

что РаХ (&) =

0

для всех к. Оценка а имеет вид

 

а (к -f- 1) = а (к)

-ф- Рах(к + 1) Нт [и

1) — Нх -ф- 1 1к)]

и, следовательно, алгоритм не сходится к истинному зна­ чению а. Однако если ввести обозначение

£Г‘/. (к) х (к) = у (к),

то уравнения модели перепишутся как

у (к + 1) == Фу (к) + Tw (/с),

z (к) = На1/г (к) у (к) + v (к),

а-J- 1) = а (к)

иалгоритмы для такой модели работают превосходно. Таким образом, мы приходим к важному выводу о том, что в задачах идентификации выбор модели имеет суще­ ственнейшее значение, особенно если конструирование алгоритмов идентификации связано с аппроксимацией.

7.4.ВЫВОДЫ

Вэтой главе рассмотрен метод инвариантного погру­ жения, который применен к решению двухточечных крае­ вых задач, возникающих в связи с идентификацией систем. Получен ряд последовательных алгоритмов оценивания состояний и параметров. Для того чтобы подчеркнуть раз­ нообразие рассмотренных вопросов и продемонстрировать применение теории, приведено несколько примеров.

Вэтой небольшой книге не нашло места упоминание о многих методах для идентификации систем как в реаль­ ном масштабе времени, так и вне контура регулирования.

Основное внимание было уделено тем методам, по которым авторами накоплен опыт их машинного использования и которые нашли широкое практическое применение. Ав­ торы приносят свои извинения тем многочисленным уче­ ным, работы которых здесь не обсуждались; многие, но, конечно, не все статьи по идентификации перечислены в

7.4l

ВЫ ВОД Ы

2 35

библиографии. Авторы надеются, что заинтересованный читатель найдет в библиографии полезный источник ин­ формации.

Идентификация систем представляет собой бурно раз­ вивающуюся область, в которой буквально ежедневно появляются новые частные и общие результаты и упоми­ нания о многочисленных приложениях. Вполне возможно, что ключ к решению проблемы идентификации содержится как раз в одной из неупомянутых или еще не опублико­ ванных работ. Однако авторы верят в то, что на сегодняш­ ний день в их книге представлены наиболее многообе­ щающие подходы к решению проблемы идентификации.

ЛИТЕРАТУРА

Полное перечисление библиографии потребовало бы книги по меньшей мере такого же объема. Авторы надеются, что работы, которые включены в приводимый ниже перечень, более других относятся к темам, затронутым в настоящей книге. Для того чтобы связать перечень литературы с содержанием книги, после наименования каждой статьи в квадратных скобках приводится номер главы или раздела, к которым относится цитируемый источ­ ник. Так, к первой главе отнесены все работы общего характера, ссылки на работы по классическим методам идентификации относят­ ся к различным разделам второй главы и т. д. Авторы приносят из­

винения тем ученым, которым принадлежат прекрасные

работы по

идентификации

систем,

не

включенные в приводимый перечень.

1.

A c k e r

W. F., S a g e А. Р. (1967), Identification and cont­

 

rol of systems with striction and coulomb friction; ISA Preprint

2.

P16-1-PHYMMID-67,

September

1967 [1].

 

A l b e r t

A. E., G a r d n e r

L. A. (1967), Stochastic Appro­

 

ximation and Nonlinear Regression, M. I. T., Press, Cambridge,

3.

Massachusetts [5].

 

R. M. (1970), On input signal synthesis

A о k i

M., S t a l e y

 

in parameter identification, Proc. 4th IFAC Congr., Warsaw,

4.

1969;

Automatica

6,

431—440

[2].

 

 

A o k i

M.,

Y u e

P. C. (1970),

On certain convergence ques­

5.

tions in system identification, SIAM, J. Control 8, 239—250 [2].

A s t г о m

К. J.,

R o h l i n

T. (1966), Numerical identifi­

 

cation of linear dynamic systems from normal operating records,

 

в сб. «Theory of Self-Adaptive

Control

Systems»

(Hammond

6.

P. H., ed). Plenum

Press,

New York

[4].

 

A s t r o m

 

M., E y k h o f f

P. (1971),

System identification,

 

Automatica,

7, March

1971 [1].

 

 

 

7.B a l a k r i s h n a n A . V . (1968), A new computing technique in system identification, J. Comput. System Sci. 2, 102—116 [1].

8.B a l a k r i s h n a n A. Y. (1968a), Stochastic system identi­ fication techniques, Proc. Advanced Seminar Stochastic Opti­

mization and Control, 2—4 October, 1967, Madison, Wisconsin.

Wiley, New York

[1, 5].

J. L.

(1967), State

9. B a l a k r i s h n a n

A. V., L i o n s

estimation

for

infinite — dimensional

systems,

J. Comput.

System Sci.

1,

391—403 [1].

 

 

10.B a l a k r i s h n a n A. V., N e u s t a d t L. W., eds. (1964), Computing Methods in Optimization Problems, Academic

Press, New York [1, 4, 6, 7].

11.B a l a k r i s h a n a n A . V., P e t e r k a V., (1969), Identifi­ cation in automatic control systems; Automatica 5. 817—829 [1].

 

 

 

 

 

 

Л И ТЕ РА ТУРА

 

 

 

237

12.

В e k e

у

G. A., K a r p i n s

W. J.

(1968), «Hybrid Computa­

 

tion»,

Wiley,

New

York

[1, 2,

4].

[Русский

перевод:

Б e-

 

к и

Дш.

А.,

К а р п л ю с

У. Дж., Теория

и применение

13.

гибридных вычислительных систем, «Мир»,

1970.]

Gui­

В е 1 1 m а п

R. Е. (1961), Adaptive Control Processes, A

 

ded Tour,

Princeton

Univ.

Press, Princeton, New Jersey

[1].

 

[Русский перевод: В е л л м а н

P.,

Процессы регулирования

14.

с адаптацией, «Наука», 1964.]

 

 

 

 

В е 1 1 m a n

R. Е.

(1965),

Dynamic programming, system

 

identification, and suboptimization; RAND Corp., RM-4593-PR,

 

June

1965

[1].

K a g i w a d a

H. H., K a l a b a R. E. ,

15. B e l l m a n

R. E.,

 

S r i d h a r

R. (1964),

Invariant

imbedding

and nonlinear

 

filtering theory, RAND Corp. RM-4374-PR, December 1964 [7.3].

16.B e l l m a n R . E., K a l a b a R . E. (1965), Quasilinearization and Nonlinear Boundary Value Problems, Elsevier, Amsterdam

 

[6.2] . [Русский перевод:

Б е л л м а н

P.,

К а л а б а

P.,

 

Квазилинеаризация и нелинейные краевые задачи, «Мир»,

17.

1968.]

 

 

 

 

 

 

Н. Н., K a l a b a

R . E.

B e l l m a n R. Е., K a g i w a d a

 

(1965),

Identification of linear systems via

numerical inversion

 

of Laplace transforms, IEEE Trans. Automatic Control AT-10,

18.

111-112 [6.2].

E., B a l c h e n

J. G. (1963),

Determination

B l a n d h o l

 

of system dynamics by use of adjustable models, Proc. 2nd IFAC

19.

Cong.,

Basil,

Switzerland,

1963

[2.5].

 

 

 

 

 

B l u m

J. (1954), Multidimensional

stochastic approximation

 

procedures, Ann. Math. Statist. 25,

737—744

[5].

 

 

2 0 .

В о x e r

R. (1957), A note

on

numerical

transform calculus,

21.

Proc. IRE

45,

1401-1406

[2.2].

A simplified

method

of

B o x e r

R.,

T h a l e r

S.

(1956),

 

solving

linear

and nonlinear

systems, Proc. IRE

44, 89—101

22.

[2.2] .

 

 

J.V., S p e y e r

J. L.,

B r y s o n

A. E.

B r e a k w e l l

 

(1963), Optimization and control of

nonlinear

systems

using

 

the second variation, J. SIAM Control Ser. A 1, 193—223 [4.3].

23.В г у s о n A. E., D e n h a m W. F. (1962), A steepest ascent method for solving optimum programming problems, J. Appl.

^xM ech . 29, 247-257 [4.3].

24. )B г у s о n A. E., H o Y. C. (1969), Applied Optimal Control,

— ,yGinn (Blaisdell), Boston [1, 4, 6,

7].

25. B u l l o c k T. E., F r a n k l i n

G. F. (1967), A second-

order feedback method for optimal control computations, IEEE Trans. Automatic Control AC-12, 666—673 [4.3].

26.С о m e r J. P. (1964), Some stochastic approximation pro­ cedures for use in process control, Ann. Math. Statist. 35, 1136— 1146 [5].

27.С о x H. (1964), On the estimation of state variables and para­ meters for nonlinear dynamic systems, IEEE Trans. Automatic Control AC-9, 5—12 [7.4].

28.С u e n о d M., S a g e A. P. (1968), Comparison of some methods used for process identification, Automatica 4, 235—269 [1].

238

 

 

 

 

Л И ТЕ РА ТУРА

 

 

 

 

 

 

 

29.

I) е l) li а ш W. F., B r y s o n

Л. Е. (1964),

Optimal

program­

 

ming problems with

inequality

constraints

II: Solution

by

30.

steepest-ascent, А1ЛА J. 2, 25—34

[4.2].

 

(1965),

On

the

D e t c h m e n d y

D. M.,

S r i d h a r

R.

 

experimental

determination

of the

dynamical

characteristics

31.

of physical systems, Proc. Nat. Electron. Conf. 21,575—580 [6.2].

D e t c h m e n d y

D. M.,

S r i d h a r

R.

(1966), Sequential

 

estimation of state and parameters in noisy non-linear dynamical

32.

systems,

J.

Basic

Eng. Ser.

D 88,

362—366

[7.3].

 

 

Du р а с

У. (1965), A dynamic stochastic approximation method,

33.

Ann. Math. Statist. 36, 1695—1702

[5].

 

approximation,

D v o r e t z k y

A.

(1956),

On

stochastic

 

Proc. 3rd Berkeley Symp. Math. Statist, and Prob. (J. Neyman,

 

ed.), pp. 39—55. Univ. of California Press, Berkeley, California

34.

[5].

 

 

S w о г d e г

D. D.

(1969),

Applications

E l l i o t t D. F.,

 

of a simplified multidimensional stochastic

 

approximation

35.

algorithm, Proc. Joint Automatic Control. Conf., 148—154 [5].

E l l i s

T. W., S a g e

A. P. (1968),

Application of a method

 

for on-line combined estimation and

control,

 

Proc. Southwest

 

IEEE Conf.,

April 1968 [7.3].

 

 

 

 

 

 

 

 

36.E v e l e i g h V. W. (1967), «Adaptive Control and Optimiza­ tion Techniques». McGraw-Hill, New York [2].

37.E y k h o f f P. (1963), Some fundamental aspects of processparameter estimation IEEE Trans. Automatic Control AC-8, 347-357 [3].

38.E y k h o f f P. (1968), Process parameter and state estimation, Automatica 4, 205—233 [1].

39.E y k h o f f P. (1971), System Parameter and State Estimation,

Wiley, New York [1].

40.F r i e d l a n d B. (1969), Treatment of bias in recursive filtering, IEEE Trans. Automatic Control AC-14, 359—367 [7.2].

,\F l e t c h e r

R., P o w e l l

M. J. D. (1963), A rapid descent

''—''method for minimization, Comput. J. 6, 163—168 [4.2].

42.

G i e s e

C.,

M c G h e e

G. (1965),

Estimation

of nonlinear

 

system states and parameters by regression methods, Proc.

43.

Joint Automatic Control Conf., Troy, New York, 46—53.

G o o d m a n

T. P.,

R e s w i ck

J. B. (1956), Determination

 

of system characteristics from normal operating records, Trans.

 

ASME 78, 259-271

[1].

 

 

 

 

 

44.

G r a u p e D., S w a n i c k

В. H.,

C a s s i r

G. R. (1968),

 

Reduction and identification of multivariable processes using

 

regression

analysis,

IEE

Trans.

Automatic Control AC-13,

 

564—567

[1].

 

 

 

 

 

 

 

45.G r a y К. B. (1964), The application of stochastic approxima­ tion for the| optimization of random circuits, Proc. Symp. Appl. Math. 16, 178—192 [4J.4

46.H e n r i c i P. (1962), Discrete Variable Methods in Ordinary

Differential Equations. Wiley, New York [6].

47. H i 1 b о r n C. G., L a i n i о t i s D. G. (1969), Optimal estimation in the presence of unknown parameters, IEEE Trans. Systems Sci. Cybernetics SSC-5, 38—43 [1].

Л И ТЕ РА ТУРА

239

48.Н о Y. С. (1962), Stochastic approximation method and optimal filter theory, J. Math. Anal. Appl. 6, 152—154 [5.2].

49.

H о

Y. C., A g r a w a l a

A. K. (1968), On pattern classi­

 

fication algorithms: Introduction and survey, Proc. IEEE 56,

50.

2101—2176 [1].

 

A. E. (1969), Applied Optimal Control,

H o

Y .C ., B r y s o n

51.

Ginn (Blaisdell),

Boston

[1].

of linear

H o

Y. C., L e e

R. С. K. (1965), Identification

 

dynamic systems, Proc. 1965 Nat. Electron. Conf.,

pp.’ 647—

52.

651

[5.3].

R . C . K . (1965a), Identification

of linear

H o

Y. C., L e e

53.

dynamic systems,

Inform. Control 8, 93—110 [5.3].

algorithm

H о

Y.C., N e w b o l d

P. M. (1967), A descent

 

for

constrained stochastic extrema, J. Optimization Theory

54.

Appl. 1, 215-231 [5.3].

 

 

H о

Y. C. , W h a l e n

В. H. (1963), An approach to the iden­

 

tification and control of linear dynamic systems with

unknown

 

parameters, IEEE Trans. Automatic Control AC-8, 255—256 [1].

55.H o l m e s J . K. (1968), System identification from noise corrupted measurements, J. Optimization Theory Appl. 2, 102-116 [5].

56.

H o l m e s

J . K. (1969), Two stochastic approximation

proce­

 

dures for identifying linear systems, IEEE Trans. Automatic

57.

Control AC-14, 292—295 [5].

 

D. A . (1967), On a method for

H s i a T. C., L a n d g r e b e

 

estimating power spectra, IEEE Trans. Instr. Means.

IM-16,

 

255—257

[3.4].

 

 

 

 

 

 

 

 

 

 

 

58.

H s i a

T. С.,

V i m о 1 v a n i c h

V.

(1969),

An

on-line

 

technique for system identification, IEEE

Trans. Automatic

59.

Control, AC-14, 92—96 [2].

control systems (1967). Preprint

Identification in automatic

 

of the IFAC Symposiums, Parts

I and II, Prague, Czechoslowa-

 

kia, June, 12—17, 1967; также Prague, Czechoslowakia, June,

 

1970

[1].

 

 

 

 

 

 

 

 

 

 

 

 

 

60.

J a z w i n s k i

A. H. (1969),

Adaptive filtering,

Automation

61.

5, 475—485 [7j.

 

 

 

Stochastic

Processes

and Filte­

J a z w i n s k i

A. H. (1970),

62.

ring

Theory, Academic

Press,

New York

[1, 7].

 

 

 

J о s e p h

P.,

L e w i s

L., T о u J. (1961), Plant identifica­

 

tion in the presence of disturbances and application to digital

 

adaptive systems, Trans. AIEE 80, Part II (Appl. and Ind.,)

63.

18—24 [1].

R. E. (1959), On

nonlinear differential

equations,

К a 1 a b a

 

the maximum operation

and monotone convergence,

J. Math.

64.

Mech. 8,

519—574

[6.2].

Some

aspects

of

 

quasilinearization,

К a l a b

a R. E. (1963),

 

 

в сб. «Nonlinear Differential Equations and

Nonlinear

Mecha­

 

nics»

(J. P. LaSalle

and

S. Lel'schetz,

eds).

Academic

Press,

65.

New

York

[6.2].

B u e y

R. (19611, New results in linear

K a l m a n

R. E.,

 

filtering

and prediction theory,

J. Basic Eng. 83, 95—108 [1].

 

[Русский перевод. К а л м а н

Р., Б ю с и

Р., Новые резуль-

240 Л И ТЕРАТУРА

тэты в линейной фильтрации и теории предсказания, в сб. переводов «Техническая механика», 83, № 1, 1961.]

66. К a s h у а р R. L. (1970), Maximum likelihood identification of stochastic linear systems, IEEE Trans. Automatic Control AC-15, 25—34 [3].

67.K a s h y a p R . L . (1970a), A new method of recursive estima­ tion in discrete linear systems, IEEE Trans. Automatic Control AC-15, 34—43 [2].

68.

K e l l e y

H. J. (1960),

Gradient theory of

optimal

flight

69.

paths, ARS

J. 30, 947-954 [4.3].

 

fields,

К e 1 1 e у H. J. (1962), Guidance theory and extremal

 

IRE Trans.

Automatic

Control AC-7, 75—81

[4.3].

 

70.К e 1 1 e у H. J. (1962a), Method of gradients, в сб. «Optimiza­ tion Techniques» (G. Leitman, ed.), Chapter 6. Academic Press, New York [4.3].

71.

К e 11 e у

H. J., К о p p

R. E. , M o y e r

H. G. (1964),

 

A trajectory optimization technique based upon the theory of

 

the second variation, Progr. Astronaut. Aeronaut. 14,

559—582

72.

[4.3].

P., M c G i l l R. (1966),

Two

point

boundary

K e n n e t h

73.

value problem techniques, Advan. Contr. Syst. 3, 69—110 [4.6].

K e n n e t h

P.,T а у 1 o r

G. E. (1966), Solution of variational

 

problems with bounded control variables by means of the gene­

 

ralized Newton—Raphson

method, в сб.

«Recent

Advances

 

in Optimization Techniques» (A. Lavi, ed.). Wiley, New York

 

[6 .2].

 

 

 

 

 

74.K e s t e n H. (1958), Accelerated stochastic approximation, Ann. Math. Statist. 29, 111 [5].

75.K i e f e r J., W o l f o w i t z J . (1952), Statistical estimation of the maximum of a regression function, Ann. Math. Statist. 23, 462—466 [5].

76.

K i r v a i t i s K . , F u

K. S. (1966), Identification of nonlinear

 

systems

by

stochastic

 

approximation,

Proc.

 

Joint Automatic

77.

Control

Conf., Seattle, June 1966 [5.2].

 

 

 

 

 

 

К о p p

 

R.

E.,

M c G i l l

R. (1964), Several trajectory opti­

 

mization

 

techniques;

 

Part

I: Discussion,

в

сб.

«Computing

 

Methods

 

in

Optimization

Problems» (L. W.

Neustadt and

 

A. V. Balakrischan,

eds),

pp. 65—89.

Academic

Press,

New

78.

York

 

[6.2, 7.3].

O r f o r d

R. J. (1963),

Linear regression

К о p p

 

R. E.,

 

applied to system identification for adaptive control systems,

79.

AIAA

J. 5, 2300—2306 [7.4].

A. R. (1967), Identification

К г о у

 

W. H.,

S t u b b e r u d

 

via nonlinear filtering,

Int. J. Contr. 6, 499—522,

1967; Proc.

 

Joint Automatic

Control

Conf.

Ann

Arbor,

 

Michigan,

June

80.

1968, pp. 394-412 [47].

 

 

R.

(1964),

On

the

identifi­

К u m a г K. S. P.,

S r i d h a r

 

cation

of

control systems by the quasilinearization

method,

81.

IEEE

Trans. Automatic Control AC-9, 151—154 [6.2].

 

K u m a r

K. S.

P.,

S r i d h a r

R.

(1964a),

On the identi­

 

fication

 

of

linear

systems,

1964,

JACC

 

Preprints,

Stan­

 

ford

Univ.

Press,

Stanford,

California, pp. 361—365,

June

 

1964

[1].

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Соседние файлы в папке книги из ГПНТБ