- •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
Сведения об объекте.
ОУ представляется в виде многомерной системы, которая включает:
– наблюдаемые входы объекта,
– ненаблюдаемые входы объекта,
– выходы объекта.
. (1)
Для построения модели, как правило, есть 2 вида информации:
Априорная, которая носит качественный характер. Их может характеризовать приблизительное число входов и выходов объекта, характер связи, признаки стохастичности (детерминированности, стохастичности, непрерывности, дискретности), и другие признаки, помогающие сделать представление об объекте.
Измерительная – в результате экспериментов. Включает в себя данные о входах и выходах, измеренных на интервале . Для непрерывных объектов данные входа представлены в виде n – реализаций:
– входы,
– выходы.
В основном измерения осуществляются в дискретные моменты времени с интервалами между ними: .
Данные оформляются в виде двумерных массивов .
. (2)
Модель объекта.
Будем считать, что выходы ОУ связаны с его входами некоторым оператором F:
Задачей идентификации является подбор или нахождение некоторого оператора , который бы в некотором смысле был бы близок к истинному оператору F: (3)
Выход объекта – , выход модели :
Аргументом оператора является только наблюдаемые входы.
Если , то реакция модели и объекта на одинаковое входное воздействие будут приблизительно одинаковыми. Поэтому для оценки близости модели и объекта используют . В качестве модели объекта выбирают ту, которая отвечает некоторым показателям, которые называются критериями идентификации (качества).
Критерии идентификации.
Мера близости модели и объекта определяется некоторым функционалом ошибки:
который зависит от структуры модели вектора параметров.
Оценка модели выполняется на основе минимизации или снижения до определенного уровня значения . Одним из критерия идентификации является критерий качества (4):
(4)
Согласно которому оператор можно принять за модель объекта, если максимальное значение модуля ошибки идентификации на интервале наблюдений стремится к минимальной величине. Критерий (4) используется, если входы и выход объекта являются детерминированными функциями(неслучайными). Но, как правило, входные воздействия являются случайными сигналами, поэтому используется критерий (5):
(5)
Выбирается та модель, которая приводит математическое ожидание в минимум. Для практики используется квадратичный критерий качества, значения которых всегда неотрицательны. Для детерминированных сигналов – критерий (6), для аналоговых – критерий (4).
, (6)
Для случайных сигналов – критерий (7):
. (7)
. (8)
Критерий (8) используется, если выходы объекта и модели являются непрерывными функциями (функциями с непрерывным временем), если измерение осуществляется дискретно, то используется критерий (9):
(9)
В случаях 4-9 минимизация осуществляется по оператору . Изменяем структуру и параметры операторов и выбирается с минимальной ошибкой.
Классификация задач идентификации.
По конечному результату:
структурная идентификация (получаем и структуру и параметры модели);
параметрическая идентификация;
При структурной идентификации объем априорной информации об объекте весьма ограничен. Поэтому необходимо решить следующие задачи:
выделение объекта из среды;
задание класса моделей;
определение характера связи между входом и выходом модели объекта;
определение рационального числа информативных переменных (входов и выходов объекта), учитываемых в модели;
определение возможности представления модели с требуемой точностью в классе линейных операторов и другие.
Задачу определения параметров модели по наблюдениям работы объекта при заданной структуре модели называют идентификацией в узком смысле или параметрической идентификацией.
По способу изучения объекта:
активная идентификация – идентификация вне контура управления;
пассивная идентификация – идентификация в контуре управления.
При активной идентификации объект извлекается из контура управления. Исследование проводится вне его рабочего положения. При этом входные воздействия могут быть спланированы таким образом, чтобы затраты, связанные с проведением эксперимента и построения модели, оказывались минимальны.
Пассивная идентификация осуществляется в контуре управления при нормальном функционировании системы. Входные воздействия определяются режимом работы системы. Адаптивные и оптимальные системы используют пассивную идентификацию. При этом доступны для измерения только входы и выходы объекта.
По типу идентифицируемой модели:
линейная и нелинейная идентификация;
детерминированная и стохастическая идентификация;
идентификация с непрерывным и дискретным временем;
стационарная и нестационарная идентификация;
одномерная и многомерная идентификация;
статическая и динамическая;
с сосредоточенными и распределенными параметрами.
Задача технической диагностики – оценка состояния системы в условиях ограниченной информации. Диагностика состоит в обнаружении неисправных элементов системы по результатам измерения параметров.
Проведение технической диагностики связано:
с разработкой диагностических моделей и методов,
разработкой диагностических тестов,
оценкой способности к контролю технических объектов.
Диагностирование:
текущее;
прогнозное;
функциональное;
тестовое;
комбинированное.