- •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
7. Регрессионный метод идентификации линейных систем (Метод наименьших квадратов)
Рассмотрим уравнение:
, (2.1)
В уравнении заменим производную конечной разностью:
, (2.2)
, (2.3)
, (2.4)
Подставим выражения (2.2)-(2.4) в уравнение (2.1):
, (2.5)
Приведя подобные, получим:
, (2.6)
Представим (2.6) в виде:
, (2.7)
где
.
Рассматриваемый метод идентификации, основан на регрессионных процедурах с использованием метода наименьших квадратов.
Рассматриваем систему, которая задана уравнением:
Минимизируемая функция имеет вид:
(2.8)
Запишем систему уравнений для нахождения , для этого найдем частные производные:(2.9)
(2.10)
Запишем систему в матричной форме:
(2.11)
. (2.12)
По полученным найдем коэффициентыаi
.
1. Градиентные методы идентификации нелинейных систем
Для общей задачи минимизации функционала
при ограничениях
где f – нелинейная вектор - функция
Случай pi - const будем задаваться начальным значением pi , i- номер итерации, и решив систему дифференциальных уравнений оценим величину функции штрафа Ji. Слегка изменяя pi , для нового значения найдем штраф
Ji +j, j = 1,n, n - число неизвестных коэффициентов
j-ю компоненту вектора-градиента функции штрафа можно приближенно оценить как
(3)
Повторяя эту процедуру для возмущений различных компонент вектора параметров, определим приближенное значение вектора-градиента dJ/dpi Первое приращение вектора параметров в направлении наискорейшего спуска к минимуму функции штрафа составит
(4)
и Ki – выбирается из условия
(5)
а новое приближение для вектора параметров определится как
pi+1 = pi +pi.
Простота приближенного метода позволила положить его в основу нескольких итерационных схем, однако трудно оценить ошибку, связанную с приближенным вычислением dJ/dpi (процедура точного вычисления свелась бы к уже известным алгоритмам решения динамических задач). Приближенная процедура приводит к существенным ошибкам, особенно тогда, когда функция штрафа не очень чувствительна к изменению вектора параметров. Последнее, к сожалению, довольно часто имеет место, если измерения или наблюдения искажены помехой и имеются неизвестные входные сигналы.
Алгоритм вычислений следующий
1.Задаемся начальными значениями вектора параметров р.
2.Решаем дифференциальные уравнения (2)
3.Вычисляем значения функционала (1)
4.Вычисляем компоненты вектора-градиента функционала (1) по ф.(3).
5.Определяем новые значения р по ф.4 из условия (5)
6.Переходим к п.2 алгоритма, если компоненты вектора-градиента больше некоторой величины .
2. Коэффициенты системы есть функции времени, т.е. р = p(t).
Способы аппроксимации функции p(t).
Кусочно-постоянными функциями.
Кусочно-линейными функциями.
р
t
Полиномиальная гипроксимация.
4.Сплайн-аппроксимация.
где
p