- •Идентификация как метод построения моделей
- •Задача идентификации
- •Сведения об объекте.
- •Идентификация статических оу. Определение статического объекта
- •Регрессионные модели идентификации
- •Выбор уравнения регрессии
- •Оценка параметров линейной регрессионной модели (пассивный эксперимент).
- •Аппаратная реализация процесса идентификации
- •Оценка адекватности модели
- •Проверка центрированности остаточного ряда
- •Проверка остатков на нормальное распределение
- •Оценка значимости модели и ее параметров
- •Критерий Фишера
- •Ошибка аппроксимации
- •Нелинейные регрессионные модели
- •1. Метод покоординатной оптимизации (Гаусса – Зайделя).
- •Градиентные методы поиска
- •Метод сопряженных направлений
- •Метод Ньютона
- •Квазиньютоновские методы
- •Динамические детерминированные су Линейные динамические объекты
- •Частотный метод определения коэффициентов пф
- •Идентификация с помощью настраиваемой модели
- •Метод модулирующих функций
- •В общем случае получаем
- •Конструкция модулирующих функций
- •Применение дискретных моделей для идентификации непрерывного оу
- •Непараметрические модели идентификации
- •Корреляционный метод идентификации
- •Корреляционный метод, решаемый на эвм
- •Разделим обе части (8) на :
- •Идентифицируемость оу
- •Оценка состояний объекта
- •Аппроксимация весовой функции оу
- •Авторегрессионные модели динамических объектов
- •Выбор периода дискретизации
- •Идентификация нелинейных непрерывных оу
- •Модели линейные относительно идентифицируемых параметров
- •Или более компактно, введя реакции динамических звеньев (5):
- •Представим степень интеграла в правой части (23) в виде произведения интегралов:
- •Планирование эксперимента
- •Критерии планирования эксперимента
- •Планы для моделей, описываемых полиномами первого порядка
- •Информационная матрица плана:
- •Полные факторные планы
- •Правило построения полных факторных планов
- •Дробные факторные планы (дробный факторный эксперимент)
- •Свойства полных и дробных факторных планов для линейных моделей
- •Технология проведения эксперимента
- •Планы второго порядка
- •Ротатабельный ортогональный центральный композиционный план
- •Диагностика линейных оу методом комплиментарного сигнала.
- •Аналитический расчет кс
- •Расчет кс по измеренным значениям выходного сигнала
- •Процедуры диагностирования
- •Локализация дефектов по годографу неисправностей (гн)
- •Байесовский метод диагностики
- •Прогнозирование технического состояния.
- •Линейное прогнозирование
В общем случае получаем
Подобным образом вычисляются интегралы, стоящие в левой части (3):
Получаем систему:
(4)
Если выполняется условие совместности, то (4) имеет решение (находят n+m+1 коэффициентов).
Но наблюдения искажены помехами, что снижает точность вычисления коэффициентов. Чтобы повысить точность, выбираются больше значений функций.
Число уравнений больше числа неизвестных и можно использовать МНК, т.е. получем МНК – оценки коэффициентов.
Конструкция модулирующих функций
(5)
Например ,
где – произвольные числа.
– обеспечивает линейную независимость системы функций, при .
Пример: Объект описывается ПФ:
или .
В качестве воздействия .
Дифференциальное уравнение: .
Выход: .
В качестве моделирующих функций:
.
.
Вычисляем все интегралы и составляем систему из алгебраических уравнений и так далее.
Применение дискретных моделей для идентификации непрерывного оу
Постановка задачи та же самая, что и в методе выше:
(1)
где
Задача заключается в нахождении n+m+1 коэффициентов по результатам измерений и в дискретные моменты времени .
1. Так как измерение в виде массива, необходимо составить дискретную модель ОУ. В качестве метода составления дискретной модели используют следующее (соотношение между z и p переменными)
Составление дискретной модели ОУ:
(используется первый член степенного ряда ln)
z будем представлять в виде оператора сдвига на один период в сторону опережения, т.е. (2)
ДУ(1) приводится к разностному уравнению (3):
(3)
Это уравнение является дискретной моделью непрерывного объекта, а коэффициенты – функциями коэффициентов ДУ(1)
(4)
2. Введём в рассмотрение дискретные операторные ПФ:
и выход объекта запишем через передаточную функцию .
Оценку выхода объекта вычислим так же как и выход объекта, за исключением того, что коэффициенты ПФ объекта заменяются оценками:
(5)
Оценки вводятся так как точное определение коэффициентов ПФ невозможно, так как вход и выход объекта искажены помехами.
Вводим ошибку идентификации:
(6)
На основании ошибки формируется квадратичный критерий идентификации, который является функцией оценок коэффициентов:
,
Приводим (6) к общему знаменателю и получаем:
Приходим к оптимизации задачи, решение которой находим оценки коэффициентов , и решая систему из (n+m+1) уравнений оценки коэффициентов ДУ .
Непараметрические модели идентификации
Под непараметрической моделью при идентификации ОУ понимают импульсную переходную (весовую) функцию , а также амплитудную и фазовую характеристики и .
Рассмотрим весовую функцию.
Объект имеет один вход один выход связь между входом и выходом в установленном режиме определяется (1)
(1)
где
.
Объект физически реализуется. Чтобы оценить весовую функцию должны быть получены реализации вход/выход объекта на некотором интервале, а, следовательно, верхний предел выражения (1) надо заменить на некоторую конечную величину.
Для устойчивых ОУ
За пределами интервала , ( ). Момент времени начиная с первого весовая функция не выходит за предел трубки, называют временем регулирования (время установления).
.
Два способа оценивания весовой функции.
Разложение весовой функции.
Весовая функция как функция времени представляется взвешенной суммой:
где – выбранная система функций, обладающих следующими свойствами:
(физически реализуется).
(устойчивая).
Структура разложения:
Если коэффициенты разложения будут определены, то выход структуры будет представлять оценку выхода объекта, а сама структура – модель весовой функции. Выходы отдельных блоков определяются интегралом.
.
Для нахождения коэффициентов необходима реализация входа и выхода. Качество идентификации оценивается интегральной невязкой между выходом модели и выходом ОУ .
Необходимо найти k частных производных и приравнять их к нулю.
Получаем систему алгебраических уравнений:
.
Пример. В качестве системы весовых функций выберем следующую:
.
где – параметр. Каждой функции из этой системы соответствует динамическое звено с передаточной функцией:
Количество функций, которыми представляется весовая функция объекта, обычно определяется эмпирически.