![](/user_photo/2706_HbeT2.jpg)
- •1 Лекция 1. Понятие моделирования. Цели моделирования
- •2 Лекция 2. Основные термины в математическом моделировании. Виды математических моделей
- •2.1 Основные термины в математическом моделировании
- •2.2. Основные виды математических моделей
- •3 Лекция 3. Этапы процесса моделирования. Общие принципы построения моделей
- •3.1 Этапы процесса моделирования
- •3.2 Общие принципы построения моделей
- •4 Лекция 4. Аналитические методы определения характеристик объектов
- •4.1 Основные уравнения динамики
- •4.2 Упрощение уравнений динамики
- •4.3 Линеаризация уравнений
- •5 Лекция 5. Аналитические методы моделирования объектов с сосредоточенными параметрами
- •6 Лекция 6. Примеры моделирования объектов с сосредоточенными параметрами
- •7 Лекция 7. Объекты с сосредоточенными параметрами. Динамика теплообменных процессов
- •8 Лекция 8. Аналитические методы определения характеристик тепловых объектов
- •9 Лекция 9. Моделирование объектов с распределенными параметрами
- •10 Лекция 10. Общие сведения о проблеме идентификации
- •10.1 Основные понятия
- •10.2 Классификация методов идентификации
- •11 Лекция 11. Постановка задачи идентификации
- •11.1 Объект идентификации
- •11.2 Постановка задачи идентификации
- •12 Лекция 12. Идентификация линейных динамических объектов. Прямые методы
- •12.1 Прямые методы определения динамических характеристик
- •12.2 Идентификация с помощью переходной функции
- •13 Лекция 13. Идентификация линейных динамических объектов. Прямые методы
- •13.1 Графическая идентификация с помощью переходной функции процессов второго порядка
- •13.2 Графическая идентификация с помощью импульсной переходной функции
- •13.3 Идентификация с помощью частотной характеристики
- •14 Лекция 14. Параметрическая идентификация линейных объектов
- •14.1 Статические детерминированные линейные модели
- •14.2 Динамические детерминированные модели
- •15 Лекция 15. Непараметрическая идентификация линейных динамических объектов. Корреляционные функции
- •15.1 Общий подход к определению непараметрической модели
- •15.2 Определение корреляционных функций сигналов
- •16 Лекция 16. Непараметрическая идентификация линейных динамических объектов. Уравнение Винера-Хопфа
- •16.1 Уравнение Винера-Хопфа для определения импульсной переходной функции
- •16.2 Алгебраический метод решения уравнения Винера-Хопфа
- •17 Лекция 17. Методы идентификации, основанные на
- •17.1 Краткие сведения об аппроксимации функций
- •17.2 Сглаживание дискретных значений импульсной переходной функции
- •17.3 Метод идентификации, основанный на предварительной аппроксимации импульсной переходной функции
- •18 Лекция 18. Методы идентификации, основанные на аппроксимации характеристик объектов и сигналов
- •18.1 Метод идентификации, основанный на совместной аппроксимации импульсной переходной и корреляционных функций
- •18.2 Метод идентификации, основанный на аппроксимации сигналов
- •19 Лекция 19. Идентификация нелинейных объектов
- •19.1 Особенности идентификации нелинейных динамических объектов
- •19.2 Методы идентификации, основанные на линеаризации характеристик объектов
- •19.3 Идентификация нелинейных функций априорно известного вида
- •19.4 Идентификация объекта с нелинейностями общего вида
- •20 Лекция 20. Алгоритмы предварительной обработки и оценки идентичности
- •20.1 Алгоритмы оценки стационарности и линейности объекта
- •20.2 Количественная оценка степени идентичности модели реальному объекту
- •Список литературы
19 Лекция 19. Идентификация нелинейных объектов
Содержание лекции:
- особенностиидентификации нелинейных объектов; методы решения задачи идентификации нелинейных объектов.
Цель лекции:
- изучить методы идентификации нелинейных объектов.
19.1 Особенности идентификации нелинейных динамических объектов
Как статические, так и динамические процессы могут обладать нелинейными характеристиками, которые нельзя игнорировать. Как следует из ранее изложенного, даже идентификация линейных динамических объектов представляет собой весьма сложную задачу. При идентификации нелинейных динамических объектов трудности несоизмеримо возрастают. Одной из основных трудностей является зависимость переходного процесса нелинейного объекта не только от формы, но и от амплитуды входного сигнала, что выдвигает сложные и противоречивые требования к выбору пробного сигнала при активной идентификации. Другим серьезным препятствием служит бесконечное разнообразие типов нелинейных операторов, описывающих объекты. Эти, а также ряд других обстоятельств являются причиной того, что почти все предложенные к настоящему времени методы идентификации нелинейных динамических объектов пока далеки от практического применения.
19.2 Методы идентификации, основанные на линеаризации характеристик объектов
Методылинеаризации представляют наиболее развитую группу методов идентификации нелинейных систем. В нашем курсе мы неоднократно встречались с такими задачами. Напомним идею метода. Она состоит в замене нелинейной зависимости линейной.
Уравнение объекта в общем случае имеет вид:
L[y(t)] =f[x(t)],
где L – линейный дифференциальный оператор.
Разложим в
степенной ряд в окрестности рабочей
точки x0:
f(x) =a0 + a1(x -x0) + a 2 (x -x0)2 + …
Обозначив
приращения переменных через и
введя обозначениеy0=f(х0),
получим оператор (1) в приращениях:
причем, коэффициент линеаризации K=a1.
Простота и достаточная в ряде случаев точность обеспечили преимущественное развитие этих методов. Однако, рассмотрение объектов в линейном приближении является часто недостаточным.
19.3 Идентификация нелинейных функций априорно известного вида
Если имеется априорная информацияо типе нелинейности, то параметры «истинных» нелинейных функций могут быть идентифицированы. В таких случаях можно использовать один из следующих приемов:
а) произвести замену переменных в исходном аналитическом выражении, затем, выполнив линеаризацию, получить линейную модель объекта. Рассмотрим процесс, описываемый выражением
(19.1)
Для идентификации этого процесса введем сначала следующие новые переменные:
(19.2)
В итоге получим:
.
(19.3)
Линеаризуем теперь уравнение (19.3) в предположении, что приращения его переменных малы:
(19.4)
Вводя обозначения
(19.5)
получим
.
(19.6)
Очевидно, b1, b2,…,b5 могут
быть идентифицированы методом линейной
регрессии. Замечая, что можно
определить а5,
поскольку
и
доступны
для измерения. Подставляя выражение
для а5
в формулу (19.5) для
,
получаем
.
Член
непосредственно
определяется величиной
согласно
(19.5). Члены
,
можно
найти из выражений (19.5) для
,
следующим
образом. Значение
находим
из выражения
где
переменная
доступна
для измерения. Наконец,
определяется
подстановкой
в
выражение (19.5) для
.
По аналогии с описанной выше методикой идентификации процесса (19.1) может быть идентифицировано много других видов нелинейных зависимостей;
б)
экспоненциальные зависимости вида могут
быть идентифицированы, если преобразовать
их путем логарифмирования к соотношению
вида:
.Обозначая
получим
где
А и В легко вычисляются методом минимума
среднеквадратичной ошибки.
Аналогично
в процессах вида можно
использовать логарифмирование, получая
выражение
, из
которого а и в вычисляются так же,
как и в предыдущем случае.
Однако, в некоторых случаях последний метод непригоден или для его применения необходима некоторая дополнительная информация. Например, этот метод непригоден для системы
,
в
которой требуется идентифицировать
Используя
метод малых возмущений, получим . Здесь
коэффициент
может
быть идентифицирован с помощью
среднеквадратичного критерия
однако
это не дает решения для
.
Можно, конечно, использовать вторые и
высшие частные производные (или возмущения
второго и последующих порядков), но на
практике это обычно не имеет смысла,
поскольку здесь значимость производных
мала, особенно если измерения зашумлены.