- •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
Байесовский метод диагностики
Постановка задачи:
Работа непрерывных ОУ характеризуется параметрами, непрерывно изменяющихся во времени. Параметр y называется диагностическим, если выход его значения за допустимые пределы является признаком изменения состояния ОД.
Контроль непрерывного параметра заключается в его измерении и проверке выполнения неравенства: .
Каждому диагностируемому параметру ставится в соответствие диагностируемый признак .
(1а)
В общем случае непрерывный ОД характеризуется некоторым множеством диагностируемых параметров определяют состояние объекта. Каждый из признаков принимает два значения.
Тогда состояние ОД можно описать вектором признаков . Будем считать, что признаки являются независимыми случайными дискретными величинами, которые характеризуются вероятностями появления . Совместная вероятность появления признаков будет равна
(1б)
ОД может находиться в нескольких возможных состояниях – диагнозах (исправное, неисправное, работоспособное, неработоспособное и т.д.). Каждый диагностируемый параметр (признак) с определенной вероятностью характеризует состояние системы. Требуется построить алгоритм диагностирования (решающие правило), с помощью которого можно оценить состояния ОД.
Решение:
Пусть ОД находится в одном из состояний (диагнозах) , которые образуют группу несовместных событий. Это означает, что одновременно может быть поставлен только один диагноз . Из опыта эксплуатации известны вероятности нахождения ОД в состоянии .
Вероятность – априорная вероятность диагноза.
Например при наблюдении за объектами имелось состояние , тогда
(2)
При этом должно выполняться условие нормировки (3):
(3)
Если какая – либо из диагностик параметров выходит за допустимые пределы (появляется дефект), возникает признак (событие) , означающее переход ОД в некоторое состояние .
Например, если среди объектов, имеющих диагноз , признак наблюдается у систем, то вероятность появления признака у ОД в состоянии равна: (4)
(4) – условная вероятность появления признака, при условии, что объект находится в состоянии.
Теперь задача диагноза может быть сформулирована следующим образом: У объекта наблюдается признак , то есть вышел за допустимые параметры .
В каком состоянии находится ОУ.
Обозначим через – вероятность того, что ОД находится в состоянии если наблюдается признак . Эта вероятность называется апостериорной вероятностью диагноза. Определение является целью диагноза.
Введем в рассмотрение совместные вероятности того, что ОД находится в состоянии при наличии признака :
(5)
где – безусловная вероятность появления признака .
Разрешая (5) относительно апостериорной вероятности диагноза (нахождения объекта в состоянии). Получаем формулу Байеса (6):
(6)
Величина и должны быть известны из статистических данных, полученных в процессе эксплуатации. Найдем вероятность . Состояние возникает вместе с одним из несовместных событий , поэтому :
(7)
или
(8)
Формула (8) определяет вероятность события , происходящего вместе с полной группой независимых событий , характеризующих состояния системы с учетом (8).
Формула Байеса принимает вид:
(9)
В силу нормировки сумма апостериорных вероятностей диагноза для данного признака равна 1.
(10)
Состояние ОД характеризуется множеством диагностируемых параметров и в результате измерений становится известен вектор признаков . Тогда формула Байеса (9) примет вид:
Где – апостериорная вероятность диагноза при известном векторе признаков .
При условии независимости диагностируемых признаков величина рассчитывается по формуле
(11)
Решающее правило в методе Байеса в соответствии с которым принимается решение о диагнозе: ОД с вектором признаков находится в состоянии с наибольшей апостериорной вероятностью , то есть для диагноза выполняется условие:
(12)
Часто для принятия решения вероятность (12) сравнивается с пороговым значением вероятности диагноза : принимается диагноз , если выполняется: (13)
Особенностью байесовского метода является большое количество информации, необходимой для нахождения апостериорной вероятности, что не всегда является возможным.