- •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
Выбор периода дискретизации
При дискретизации меняется спектр сигнала, который подвержен квантованию.
0
При дискретизации с частотой спектр клонируется. – верхняя частота.
Если частота выбирается неправильно, происходит наложение спектров и искажение сигнала. Повторение спектра на частотах , и т.д.
0
Дискретизация по времени приводит к появлению периодических копий спектра сигнала, которые накладываются друг на друга (эффект наложения спектров или элайзинг). При слишком малой частоте дискретизации эти копии перекрываются, что приводит к искажениям сигналам при его восстановлении.
Гармоники сигналов с частотами выше частоты дискретизации отображаются в частоты ниже этой частоты, создавая помехи. Предельная частота дискретизации , при которой перекрытие ещё не происходит, равна удвоенной верхней частоте спектра сигнала . Эта частота называется частота Найквиста.
Обозначим – частота дискретизации сигнала, T – период дискретизации.
Критерий Найквиста
Сигнал, подлежащий дискретизации, имеет ширину спектра .
Частота дискретизации сигнала с шириной полос должна удовлетворять условию , в противном случае информация о сигнале будет искажена.
Эффект наложения спектров возникает, когда .
Теорема Кательникова
Если непрерывный сигнал имеет спектр, ограниченный частотой , то он может быть полностью и однозначно восстановлен по его дискретным отсчетам, взятым через интервалы времени
, то есть с частотой .
Идентификация нелинейных непрерывных оу
ОУ описывается нелинейным ДУ вида (1):
(1)
где – i- я производная выхода;
– j- я производная входа;
– нелинейная скалярная функция, подлежащая идентификации по наблюдениям входа и выхода объекта .
Модели линейные относительно идентифицируемых параметров
Модель Вольтерра.
Эта модель связана с рядом Вольтерра, которым представляется выход нелинейного динамического объекта. ОУ имеет один вход и один выход.
Если – выход ОУ, то – выход нелинейного объекта.
Выход нелинейного объекта, который представляет собой функционал, можно аппроксимировать бесконечной суммой .
Аппроксимирующая последовательность имеет вид:
(2)
где ряд (2) называется функциональным рядом Вольтерра,
– многомерные импульсные переходные функции нестационарного объекта (ядра Вольтерра). Они подлежат идентификации (оценке).
Формула (2) описывает выход нестационарного нелинейного объекта.
Совокупность ядер ряда однозначно определяет динамические свойства нелинейного объекта, а само ядро часто называют также импульсной переходной функцией (характеристикой) k-го порядка.
Структурная схема нелинейной системы, описываемой функциональными рядами Вольтерра, может быть представлена в виде
– ядро первого порядка,
– ядро второго порядка,
– ядро Вольтерра третьего порядка.
Если нелинейный объект является нестационарным, то нахождение ядер Вольтерра сложно. Поэтому объект стараются описать стационарным рядом Вольтерра.
Для стационарных объектов ряд Вольтерра может быть представлен в виде бесконечной суммы:
(3)