- •В.И. Королев, в.В. Сахаров, о.В. Шергина оценка параметров, моделирование динамических систем и электрических цепей в среде matlab
- •Санкт-Петербург
- •Рецензенты:
- •Isbn 5-88964-073-X © Королев в. И.,
- •Содержание
- •1. Идентификация параметров моделей систем на основе квадратичных методов оценивания………..……………………………………………………………........................... 11
- •Модели установившихся режимов в электрических цепях и
- •4. Модели пространства состояний в электрических цепях и
- •5. Системы и цепи под воздействием параметрических возмущений: численные и
- •6. Моделирование динамических систем и электрических цепей средствами
- •8. Моделирование технологических процессов в системах с помощью
- •Введение
- •Идентификация параметров моделей систем на основе квадратичных методов оценивания
- •Линейные модели систем Рассмотрим систему линейных уравнений
- •Рассмотрим линейное уравнение
- •Для существования точного решения уравнения (1.1) должно выполняться условие
- •1.2. Переопределенные системы уравнений. Метод наименьших квадратов
- •Введем векторы
- •1.3. Оценивание параметров периодических сигналов по экспериментальным данным
- •Таким образом, требуется оценить амплитуды и фазы
- •Разделив период t на 24 равных интервала, мы получим . Так как , то каждому будет соответствовать угол (в градусах).
- •1.4. Рекуррентный метод оценивания параметров моделей
- •1.5.Алгоритм оценивания параметров моделей в условиях ограничений
- •Минимальное значение (1.43) соответствует условию
- •1.6. Нормы оценивания параметров в теории инверсных систем
- •1.7. Оценивание параметров по критерию минимума среднего абсолютного значения остатков
- •Уравнение измерителя
- •1.8. Нелинейное оценивание параметров моделей в режиме прямых вычислений
- •1.9. Алгоритм ортогонализации в оценке параметров динамических систем
- •Рассмотрим нелинейную дискретную модель системы
- •2. Модели установившихся режимов в электрических цепях и системах
- •2.1. Пример модели цепи постоянного тока
- •Пример модели цепи переменного тока
- •2.3.Несимметричные режимы в трехфазных электрических цепях: метод симметричных составляющих
- •2.4. Модель многоузлового разветвления русла в стационарном режиме. Аналогии с электрической цепью
- •2.5. Модель твердого тела с двумя неподвижными точками
- •2.6. Многопродуктовая модель экономики: межотраслевой баланс
- •2.7. Модель оценки элементов матрицы преобразования
- •3. Динамические звенья и системы под воздействием гармонических сигналов
- •3.1.Построение частотных характеристик простых динамических звеньев
- •3.2.Резонанс в динамических системах
- •3.4. Резонанс в электрических цепях
- •3.4. Режим биений
- •4. Модели пространства состояний в электрических цепях и системах
- •4.1. Понятие состояния
- •4.2. Уравнения состояния для электрических цепей
- •4.3. Приведение к резистивной форме моделей электрических цепей с одним накопителем энергии
- •4.4. Определение коэффициентов дифференциальных уравнений моделей электрических цепей с двумя накопителями энергии
- •4.5. Электрическая цепь с четырьмя накопителями энергии
- •4.6. Примеры составления уравнений состояния rlc -цепей в матричной форме
- •Исходная цепь
- •Краткие сведения о решателях дифференциальных уравнений
- •5.2. Об аналитическом решении дифференциальных уравнений
- •5.3.Матричная форма решения уравнений состояния динамических систем
- •Моделирование динамических систем с двумя накопителями энергии при параметрических возмущениях Для определенности рассмотрим модель динамической системы с двумя накопителями энергии:
- •Моделирование –цепей. Аналитические решения
- •Сопротивления ,
- •Переходный процесс в -цепи под воздействием синусоидального входного сигнала
- •Системы, находящиеся под воздействием периодических сигналов прямоугольной формы
- •Динамические системы с двумя накопителями энергии
- •Корни комплексно-сопряженные.
- •Кратные корни.
- •Вещественные неравные корни
- •Динамические системы с тремя накопителями энергии
- •6. Моделирование динамических систем и электрических цепей средствами символьной математики
- •6.1. Символьные выражения и алгебра
- •6.2. Алгебраические и трансцендентные уравнения. Расчет цепи постоянного тока
- •Символьной алгебры
- •6.3. Символьное дифференцирование и интегрирование
- •6.4. Решение дифференциальных уравнений в символьной форме
- •6.5. Моделирование переходных процессов в электрических цепях средствами пакета символьной математики
- •6.6. Операторный метод расчета переходных процессов с использованием пакета символьной математики
- •7. Модели детерминированного хаоса и их применение
- •7.1. Дискретные динамические модели первого порядка со сложной динамикой
- •7.2. Программное обеспечение и моделирование нелинейных дискретных систем. Хаос
- •7.3. О применении нелинейных моделей систем для получения псевдослучайных хаотических последовательностей
- •Моделирование технологических процессов в системах с помощью нейронных сетей
- •8.1.Общие положения
- •8.2. Последовательность операций при создании нейронной сети в среде matlab ( Neural Networks Toolbox)
- •3. Оценка погрешности нейронной модели. Для оценки используется функция моделирования, где в скобках, согласно синтаксису, приводятся сеть и входной сигнал:
- •Моделирование уровней воды в водной коммуникации на основе нейронных сетей
- •В водной коммуникации
- •8.4. Применение нейронной сети для определения химического состава песчано – гравийной смеси
- •Моделирование технологического процесса оценки и прогноза рыночных факторов, воздействующих на работу предприятия и бизнес в классе нейронных сетей
- •Библиографический список
- •Оценка параметров, моделирование динамических систем и электрических цепей в среде MatLab
- •165300, Г. Котлас, ул. Невского, 20.
Уравнение измерителя
и вектор остатков имеет норму
B заключение отметим, что если ранг матрицы H равен n и если число ограничений-равенств равно l, причем l < n , то наилучшая оценка по критерию J1 должна выполняться после формирования матрицы размерности (nЧn). B ее составе должны содержаться элементы, входящие, во-первых, во все l ограничений, а, во-вторых, - коэффициенты уравнений, соответствующих (n-l) наименьшим остаткам, полученным с помощью метода наименьших квадратов. Таким образом, путем использования измерений совместно с ограничениями-равенствами мы получаем полную систему линейных уравнений, решаемую с помощью обращения матрицы . Основное преимущество алгоритма состоит в том, что мы не используем для оптимального оценивания итерационные процедуры, а также методы поиска минимума линейной формы с помощью линейного программирования.
1.8. Нелинейное оценивание параметров моделей в режиме прямых вычислений
Решение нелинейных систем уравнений, как правило, выполняется численными методами. B среде MatLAB для этих целей предлагается более двух десятков различных функций, которые содержатся в подкаталоге "optim". Они условно разделяются на шесть основных групп:
-
функции для поиска минимума в условиях ограничений (fminbnd, fmin-con, fminsearch, fminunc, fsemirif);
-
вычислительные процедуры для решения минимаксных задач (fminitnax, fgoalattain);
-
функции для решения задач методом наименьших квадратов (lsqlin, lsqnonneg);
-
вычислительные процедуры, базирующиеся на нелинейном методе наименьших квадратов (lsqcurvefit, lsqnonlin);
-
функции для нахождения нулей нелинейных уравнений tfzero, fsolve);
-
вычислительные процедуры для решения задач линейного и квадратичного программирования (linprog, quadprog).
Практическое использование каждой функции для решения задач высокой размерности требует соблюдения определенных условий и составления вспомогательного файла, к которому совершаются обращения из основного файла в процессе вычислений. Вспомогательный файл принято называть файл-функцией.
C помощью приведенных выше функций может решаться большой класс задач оценивания параметров моделей объектов и систем управления по экспериментальным данным. Расчеты могут выполняться без составления скрипт-файлов и файлов-функций, т.е. производиться в режиме прямых вычислений.
Остановимся на случае статики (одношаговом процессе). Предположим, что нелинейная модель измерителя можно представить уравнением
(1.64)
где – уi - i - oe измерение,
x - (n Ч 1) - вектор параметров,
h(x) - нелинейная скалярная функция, соответствующая i - му измерению состояния,
vi - ошибка измерения с нулевым средним и дисперсией .
Имея в наличии т измерений и n переменных состояния и переопределенную систему (m > n), мы можем для оптимальной оценки предложить метод наименьших квадратов со взвешиванием измерений. Заметим, что в общем случае, когда необходимо оценивать x в условиях ограничений, процедура оценки может быть сформулирована в терминах задачи математического программирования.
Введем критерий качества
и предположим, что выбор x необходимо произвести при соблюдении ограничений в форме равенств и неравенств
(1.65)
которые отвечают технологическим условиям работы судовых систем управления. Тогда оценка состояния может быть выполнена в результате решения следующей задачи математического программирования:
минимизировать (1.66)
при ограничениях (1.65).
Поиск оптимального решения (1.66) при соответствующих ограничениях - непростая техническая задача, относящаяся к среднеквадратичным проблемам с нелинейными ограничениями и решаемая обычно только численными методами [42]. B отличие от полиномиальных функций, решение для которых может быть найдено не всегда даже численными методами, квадратичные формы обладают свойствами унимодальности. Поэтому в классе решаемых задач оценивания мы можем найти единственное x, отвечающее условиям минимума.
Для получения оптимальной оценки вектора состояния мы рекомендуем использовать функцию "lqcurvefit" содержащуюся в пакете MatLAB. He останавливаясь на ее описании, приведем последовательность операций, необходимых для использования "lsqcurvefit". Рассмотрим следующий пример. Допустим, что
(1.67)
где bet - вектор, представляющий угол (в радианах) и соответствующий вектору alf = [0 30 60 90 120 150].
C помощью формулы (1.67) рассчитаем f(bet), которые образуют вектop y размерности (1Ч6). Будем полагать, что в формуле (1.64) ошибкой измерения можно пренебречь, т.е. измерения практически совпадают с элементами y, определенными по формуле (1.64). Задача состоит в получении наилучшей оценки амплитуды гармонического сигнала y(alf) и его аргумента по вектору измерений. Приведем ее решение в режиме прямых вычислений:
>> alf=0:30:150;
>> bet=alf.*(pi/180);
>> y=5*sin(bet+28*(pi/180));
>> xdata=bet; ydata=y;
>> fun=inline('x(l)*sin((xdata)+x(2))','x','xdata');
>> x=lsqcurvefit(fun,[2 O.3],xdata,ydata)
Optimization terminated successfully:
Relative function value changing by less than OPTIONS. TolFun
x=5.000 0.4887
>> Xalf=x(2)*180/pi
Xalf=28.000
>>
B качестве комментария к полученному решению следует отметить, что мы использовали для формирования функции "fun" объект класса "inline". Объекты этого класса - функции, заданные в символьном виде, что позволяет обращаться к ним как к математическим объектам. Каталог класса "inline" можно отнести к объектно-ориентированному программированию. Аргумент приведенной функции здесь определяется автоматически, путем поиска в составе выражения одноместных символов. B нашей задаче в качестве аргумента функции используется символ 'x', состоящий из элементов х(l) и x(2).