- •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
2. Определение весовой функции из уравнения свертки
По наблюдениям входного и выходного сигналов линейной стационарной системы на конечном промежутке времени нужно определить ее весовую функцию (импульсная переходная функция).
выход y(t)
линейная
стационарная
система h(t) w(t)
вход
Выходной сигнал системы при входе и нулевых начальных условиях выражается известным интегралом свертки:
(1)
предполагается, что при,.
Введем теперь аппроксимацию входной функции времени w(t) кусочно-постоянной функцией в N точках с шагом , причем
при (2)
h(t) примем постоянной между точками разбиения.
при n<t<(n+1) (3)
В терминах ступенчатой аппроксимации иинтеграл (1) при
t = n приближенно запишется в виде
(4)
Обозначим вектор наблюдения выхода (размерности N) через
YT(T) = [y() y(2) ... y(N)]
и значений весовой функции
.
Перепишем уравнение (4) в векторно- матричном виде
Y(T) = Wh(T) (5)
Матрица W определяется равенством
Отметим, что W – левая треугольная матрица, w(0) на диагонали.
Теперь задача сведена к определению из уравнения (5) вектора h значений весовой функции в точках фиксации. Т.к. w –невырожденная и .
Поэтому формально решение уравнения (5) можно записать в виде
(6)
Благодаря левой треугольной форме W выражение для h можно переписать в рекуррентном виде
(7)
где
Достоинством рассмотренного подхода является возможность использовать любые входные сигналы. Поскольку нет необходимости применять специальные тестовые сигналы, можно использовать реализации, полученные в процессе нормальной эксплуатации системы.
Если входной сигнал является функцией единичного скачка, алгоритм (7) заметно упрощается. В этом случае w(i) = 1 для всех i, (7) примет вид
.
Определив величину ,
получим при этомHn = Hn-1 +hn-1.
3. Оценивание весовой функции по методу наименьших квадратов
Рассмотрим систему с одним входом и одним выходом. Объект предполагается линейным и стационарным.
Выход системы запишем в виде:
(1)
h() - весовая функция (импульсная переходная функция)
x(t-)- вход, n(t) - невязка (иногда называют шумом),
TS - время установления, определяется как min интервал времени, измеренный от момента подачи импульсного сигнала до момента, когда реакция системы составит 5% пикового значения (рис. ). Входная и выходная переменные представлены в формуле (1) в виде отклонений от своих математических ожиданий, т.е. |
Представим уравнение (1) в дискретном виде
или (2)
Здесь - время установления,- время измерения выхода,Ni - содержит не только невязку в моменты времени n(i), но и ошибки аппроксимации функции x(t-).
В результате аппроксимации задача оценивания непрерывной функции h() заменяется (параметризуется) оцениванием конечного множества параметров h0 ,..., hNs-1 (называется дискретной импульсной переходной функцией)
Для упрощения представления запишем уравнения (2) в матричном виде:
(3)
Запишем матричное представление в символическом виде
(4)
Задача сводится к определению вектора параметров при заданной матрице А и вектора измерений z.
Критерием при оценивании вектора параметров является выбор таких , которые минимизируют сумму квадратов невязок на интервале измерений.
Положим в матричном видеJ = nT n (5)
подставляя (4) в (5) получим J=(z-A)T (z-A)
Необходимо определить *, удовлетворяющие условию
.
Необходимым условием вычисления J является выполнение условия экстремума .
Запишем уравнения (3) в виде сумм
(6)
Продифференцируем (6) J по компонентам вектора :
=
= -2 при m = 0,1,..., NS –1 (7)
Формулу (7) представим в матричном виде:
(8)
(8) является необходимым условием экстремума J.
Достаточным условием при расчете min J является положительная определенность квадратной матрицы
Если формулу (8) продифференцируем еще раз по , то получим
(9)
Если матрица ATA - неособенная, и также правая часть не зависит от в (9), то условие экстремума (8) является необходимым и достаточным условием минимума.
Перепишем (8) в виде:
ATA * = ATz , отсюда * = (ATA)-1 ATz (10)
Напомним, что
.
В непрерывной форме уравнение (10) принимает вид
(11)
Уравнение (11) – уравнение Винера-Хопфа и может быть переписано в виде
где Rxx() - автокорреляционная функция иRxz() - взаимная корреляционная функция.
Автокорреляционной функцией случайного процесса X(t) называется неслучайная функция двух аргументов Kxx(t,t‘), которая при каждой паре значений t,t‘ равна корреляционному моменту соответствующему случайному сечению функции X(t).
Kxx(t,t‘) = .