- •Министерство Образования Украины
- •Задачи идентификации
- •Классификация методов идентификации
- •Основные типы моделей в теории идентификации
- •Основные типы сигналов
- •Методы идентификации моделей объектов типовых звеньев по временным и частотным характеристикам
- •1. Математическая обработка динамических характеристик объектов управления
- •Идентификация параметров модели апериодического звена 1-го порядка по временным характеристикам
- •3. Идентификация моделей в виде апериодических звеньев II-го порядка
- •4. Идентификация моделей в виде передаточной функции колебательного звена II-го порядка по временным характеристикам.
- •5. Особенности идентификации моделей в виде типовых динамических звеньев по частотным характеристикам
- •Методика идентификации моделей в виде передаточной функции по кривым разгона (метод площадей, метод Симою) Постановка задачи
- •Последовательность расчета коэффициентов моделей:
- •Методика идентификации моделей объектов III-го порядка по их временным характеристикам
- •Типы моделей
- •Модель первого типа
- •Модель второго типа
- •Модель третьего типа
- •6. Идентификация линейных динамических систем
- •1. Условия идентифицируемости линейных динамических систем
- •2. Определение весовой функции из уравнения свертки
- •3. Оценивание весовой функции по методу наименьших квадратов
- •7. Регрессионный метод идентификации линейных систем (Метод наименьших квадратов)
- •1. Градиентные методы идентификации нелинейных систем
- •2. Рекуррентное оценивание параметров по методу наименьших квадратов
Задачи идентификации
Задача идентификации состоит в установлении математических соотношений между измеряемыми входами и выходами при заданных их измерениях во времени (Идентификация в широком смысле).
Определение параметров заданной математической модели по результатам измерений вход-выход также называют задачей идентификации (в узком смысле).
Общая формулировка задачи.
Наблюдается: вектоp z(t), возмущенный шумом вариант вектора состояния системы x(t), входной сигнал u(t) и внешнее возмущение w(t) причем
z(t)=h[x(t), u(t), w(t), p(t), v(t), t]
p(t) - неизвестные параметры системы
v(t) - вектор ошибок измерений
Предполагается, что вектор состояния описывается стохастическим дифференциальным уравнением
dx(t)/dt = f [x(t), u(t), w(t), p(t), t]
порядок системы обычно известен заранее.
Решение задачи идентификации должно включать определение оценки вектора неизвестных параметров p(t).
В качестве неизвестных параметров могут быть коэффициенты дифференциальных уравнений, средние значения и дисперсии входного шума w(t) и ошибки измерения v(t).
Выделим некоторые подклассы общей задачи идентификации
Идентификация без помех (отсутствуют шумы w(t) и v(t)). Известен вход u(t) и точные наблюдения вектора состояния x(t).
Модели наблюдений и системы принимаются линейными.
Входной шум w(t) – ненаблюдаем.
При классическом подходе к созданию системы уравнений идентификация осуществляется на этапе еще проектирования системы.
Обычно в высокоорганизованных системах уравнений необходима повторная периодическая или непрерывная в реальном масштабе времени идентификация, чтобы обеспечить адаптацию системы в условиях изменения внешних воздействий и параметров системы.
Таким образом, существует два подхода к решению проблемы идентификации:
в реальном масштабе времени (по каждому замеру)
вне контура управления (пакетное представление информации).
Классификация методов идентификации
Различают методы идентификации:
активные;
пассивные;
По виду объекта:
статические;
динамические;
линейные;
нелинейные;
одномерные;
многомерные;
стационарные;
нестационарные;
По форме представления модели:
с дифференциальными уравнениями;
в виде передаточных функций;
в виде функций разложения;
По виду информации, используемой в методе идентификации:
прямой;
косвенный;
В зависимости от принятого критерия:
использующие минимальное СКО выхода объекта и модели;
с использованием МНК и его модификаций;
с использованием критерия максимального правдоподобия;
с минимальным средним риском;
В литературе есть и другие способы классификации.
Таким образом, для того, чтобы решить задачу идентификации нужно:
определить класс объекта;
выбрать модель;
выбрать критерий близости объекта и модели;
сформулировать алгоритм.
Основные типы моделей в теории идентификации
В курсе теории идентификации рассматриваются модели, которые используются при анализе и синтезе различных САУ.
Все модели можно разделить на классы:
Модели для описания непрерывных систем
Линейные дифференциальные уравнения
Передаточные функции
, n≥m
Модель в пространстве параметров состояния
,
где
U - вектор входа
x - вектор переменных состояния
y - вектор выхода системы
А - матрица динамики системы
В - матрица управления
СT - матрица измерения (датчиков)
Модели для описания дискретных систем
Линейные разностные уравнения
any(n-k)+an-1y(n-k-1)+a1y(n-k-N)+a0=
=bmU(m-k)+bm-1U(m-k-1)+…+b1U(m-k-M)+b0
N-порядок разностного уравнения
Дискретные передаточные функции
Модель в пространстве параметров состояния
x(k+1)=A*x(k)+B*U(k)
y(k)=Cт*x(k)
Модели для описания нелинейных систем
u(t)=δ(t) y(t)=ω(t)
Стохастические модели
Модель нелинейной системы с использованием ядер Вольтера
При рассмотрении явлений в моделях с шумами принято оценивать влияние шумов на процесс идентификации путем использования понятий авто - и взаимно - корреляционной функций. Оценку влияния шумов можно производить, если процесс описания шумов описать следующим уравнением:
Ruu-автокореляционная функция входного сигнала
Ruy-взаимнокореляционная функция входного и выходного сигнала
Если u(t) – это случайный стационарный процесс и y(t) тоже, то, применяя эти понятия не учитывают, что Ruu и Ruy позволяют оценить величину случайной составляющей, то, решая это интегральное уравнение мы можем получать оценки с учетом помех входа и выхода. Задача имеет решение при условии, что входной сигнал можно измерять “абсолютно” точно, а выходной сигнал содержит все аддитивные составляющие помехи.