WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     || 2 | 3 | 4 | 5 |   ...   | 19 |
МИНИСТЕРСТВО ОБЩЕГО И ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ ПЕНЗЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Семенов А. Д., Артамонов Д. В., Брюхачев А. В.

ИДЕНТИФИКАЦИЯ ОБЪЕКТОВ УПРАВЛЕНИЯ (учебное пособие) 2003 УДК 621.391:519.21 В 58 Семенов А. Д., Артамонов Д. В., Брюхачев А. В. Идентификация объектов управления: Учебн. пособие. - Пенза: Изд-во Пенз. гос. ун-та, 2003.- 211 с. : ил. 59, табл. -, библиогр. 141 назв.

В учебном пособии рассматриваются модели детерминированных и стохастических объектов, анализируются основные методы их идентификации, показаны особенности применения временных, частотных, стохастических непараметрических и параметрических методов, спектральных методов и методов полиномиальной идентификации с использованием рядов Вольтерра и Винера. Рассматривается постановка и решение задачи идентификации линейных и нелинейных объектов в условиях априорной неопределенности статистических характеристик с использованием устойчивых (робастных) алгоритмов. Изложение сопровождается многочисленными примерами, поясняющими технологию использования MATLAB для решения задач идентификации.

Пособие подготовлено на кафедре «Автоматика и телемеханика» и предназначено для студентов специальности 21.02.00 при изучении дисциплин «Моделирование систем управления», «Теория управления», «Автоматизация технологических процессов и производств».

Предисловие Это учебное пособие предназначена для студентов, аспирантов и инженеров специализирующихся в области управления техническими системами.

Оно является результатом переработки конспектов лекций по курсам «Моделирование систем управления» и «Идентификация систем управления», читаемых авторами студентам различных специальностей.

В пособии конспективно рассматриваются лиенйные модели динамических систем и основные методы их параметрической идентификации.

Показана взаимосвязь между непрперывными дискретными структурированными моделями и моделями в пространстве состояний.

Приводятся методы идентификации с использованием экспериментально снятых временных и частотных характеристик, коореляционный метод идентификации, рекуррентные методы построения АРСС – моделей и спектральные методы.

Ориентируясь на практические потребности построения имитационных математических моделей по результатам обработки физического эксперимента по каждому разделу пособия приводятся примеры и программы идентификации реализуемых на ЦВМ в среде MATLAB.

В разработке и отладке программ принимали участие аспирант Акчурин Д.Х. и инженер Хромов Н.Н.

Содержание Введение Глава 1. Основные понятия, определения и задачи идентификации 1.1. Основные понятия теории идентификации 1.2. Основные задачи идентификации Глава 2. Математические модели технических систем 2.1 Математические модели в пространстве состояний 2.2. Линейные преобразования в пространстве состояний 2.3. Структурированные модели 2.4. Дискретные модели 2.5. Математические модели на базе матричных операторов 2.6. Математические модели нелинейных систем на базе функциональных рядов Вольтерра – Винера 2.7. Аппроксимация нелинейной системы ортогональными полиномами 2.8. Построение ортогональных функционалов для класса псевдослучайных сигналов Глава 3. Математические модели внешних воздействий 3.1. Характеристики внешних воздействий и их оценивание 3.2. Модели помех в реальных системах 3.3. Математические модели внешних возмущений 3.4. Линейные модели и их применение для оценивания характеристик случайных процессов Глава 4. Непараметрическая идентификация 4.1. Определение передаточной функции по временным характеристикам объекта 4.2. Определение передаточной функции по частотным характеристикам объекта 4.3. Корреляционный метод идентификации 4.4. Идентификация параметров объекта спектральным методомГлава 5. Параметрическая идентификация 5.1. Метод наименьших квадратов 5.2. Метод вспомогательных переменных 5.3. Метод максимального правдоподобия 5.4. Метод стохастической аппроксимации 5.5. Сравнительные характеристики рекуррентных методов идентификации 5.6. Особенности идентификации в замкнутых системах Глава 6. Идентификация при наличии аномальных помех 6.1. Идентификация в условиях априорной неопределенности 6.2. Робастные методы идентификации Глава 7. Идентификация переменных состояния объектов управления 7.1. Идентификация переменных состояния с использованием наблюдателей состояния 7.2. Наблюдатель пониженного порядка 7.3. Построение наблюдателя полного порядка методом модального управления 7.4. Оптимальный наблюдатель Глава 8.. Идентификация нелинейных систем 8.1. Построение и исследование оценок ядер Винера в частотной области 8.2. Статистическая идентификация нелинейных систем при случайных воздействиях 8.3. Быстрый алгоритм идентификации при псевдослучайных воздействиях 8. 8. Влияние ошибок вычисления ядер ортогональных функциональных рядов на точность моделирования Литература 1. Основные понятия, определения и задачи идентификации.

1.1.Основные понятия теории идентификации В настоящее время проблемы, связанные с созданием математических моделей объектов технологических процессов, экономики и живой природы, формируют одно из основных направлений науки и техники – моделирование.

Это объясняется тем, что математические модели объектов широко применяются как при создании систем управления этими объектами, так и при их эксплуатации.

В данном учебном пособии рассматриваются только модели технических объектов и систем. Объекты и системы представляют собой совокупность материальных тел, находящихся в непрерывном взаимодействии друг c другом и с окружающей средой.

Построение математической модели объекта может производиться несколькими методами: аналитическим, экспериментальным и экспериментально-аналитическим [49, 57, 73, 100].

Аналитический метод предусматривает получение математического описания объекта на основе законов физики, механики, химии и т. д. Такой подход дает положительный результат, если рассматриваемый объект достаточно прост по структуре и хорошо изучен. Если же объект изучен недостаточно или же настолько сложен, что аналитическое описание его математической моделью практически невозможно, прибегают к экспериментальным методам, суть которых сводится к статистической обработке технологических данных. При экспериментально-аналитическом методе априорная модель, полученная аналитическим путем, уточняется в соответствующих экспериментах.

Взаимодействие объекта с окружающей средой поясним с помощью простейшей схемы (рис. 1.1). Воздействия внешней среды на объект в обобщенном виде изображены стрелками, направленными к объекту и обозначенными через x и v. Объект, в свою очередь, воздействует на окружающую среду. Это воздействие показано стрелкой, направленной от объекта и обозначенной через y. Величину y принято называть выходным воздействием или выходной величиной объекта.

Рассмотрим более подробно воздействие среды на объект. Совокупность таких воздействий окружающего мира на объект можно разделить на две группы в соответствии с характером влияния среды на переменные состояния (фазовые координаты) объекта. В первую группу входят те воздействия, которые в точке приложения изменяют переменные состояния аддитивно. Это означает, что сигналы, пропорциональные этим воздействиям, суммируются с сигналами, пропорциональными соответствующим переменным состояния.

Эти воздействия называют «входными», или «внешними», воздействиями. В дальнейшем будем называть эти воздействия «входными».

Входные воздействия могут быть полезными f (управляющими сигналами u) и помехами u y (возмущающими воздействиями f).

Объект Вторая группа воздействий внешней Рис. 1.среды изменяет переменные состояния объекта косвенно, обычно не аддитивно. Эти воздействия приводят к изменению оператора объекта (системы) А, под которым понимают закон преобразования входных воздействий в выходные переменные объекта. Вторую группу воздействий будем называть операторной, а воздействия – операторными.

Так, например, повышение температуры электродвигателя приводит к падению мощности и даже выходу его из строя.

В общем случае входные и выходные воздействия могут описываться определенными функциями (обычно функциями времени). Математически соответствие между входной и выходной функциями можно записать в виде выражения y(t) = A( f )u(t) (1.1) где A(f) – оператор, зависящий от возмущений (операторных воздействий);

y(t) – вектор выходных координат объекта; u(t) – вектор управления (входа).

Оператор объекта является его математической характеристикой, т. е.

математической моделью объекта.

Примерами операторов могут быть:

– оператор дифференцирования p:

du(t) y(t) = pu(t) = = x (t) ; (1.2) dt – дифференциальный оператор D(y) :

n n-d y d y dy D(y) = + +... + + y, (1.3) n n-dt dt dt – оператор обыкновенного линейного дифференциального уравнения n-го порядка L(y) n n-d y d y dy L(y) = an n + an-1 n-1 +... + a1 + a0 y, (1.4) dt dt dt – линейный интегральный оператор t y(t) = - )u( )d, (1.5) (t где (t) – функция веса объекта;

Математически операторы определяются в соответствующих пространствах, т. е. на множествах элементов, над которыми совершаются преобразования. Примерами таких пространств являются пространства:

непрерывных функций; непрерывных функций, имеющих непрерывные производные до n-го порядка (n > 0); функций с суммируемым квадратом и т. д. Множества входных и выходных сигналов объектов и систем могут рассматриваться как те или иные метрические пространства [4,12, 13, 37, 44].

Формально оператор характеризуется структурой и параметрами. Так, структура дифференциального оператора (1.3) определяется его порядком n.

Для оператора дифференциального уравнения (1.4) структура задается его порядком n, а параметрами служат величины ai(t), [i = 0, n]. Таким образом, задачу идентификации в общем виде можно ставить как задачу определения оператора объекта, преобразующего входные воздействия в выходные.

1.2. Основные задачи идентификации Рассмотрим различные постановки задачи идентификации. Как уже отмечалось выше, в общем виде задача идентификации заключается в определении оператора объекта, преобразующего входные воздействия в выходные. В связи с этим выделят задачи структурной и параметрической идентификации.

При структурной идентификации определяют структуру и вид оператора объекта, или другими словами вид математической модели объекта.

После того как математическая модель объекта определена, проводят параметрическую идентификацию, заключающуюся в определении числовых параметров математической модели.

Задачей структурной идентификации является представление реального объекта управления в виде математической модели. Конкретный выбор математической модели зависит от типа объекта.

Для описания больших систем и объектов, таких как социальные, производственные, финансово-экономические, используются семиотические (знаковые) и лингвистические модели, базирующиеся на теории множеств и абстрактной алгебры.

В качестве математических моделей технических систем применяются дифференциальные уравнения в обыкновенных и частных производных.

Причем при решении задач управления предпочтение отдается моделям в пространстве состояний и структурированным моделям, описываемым дифференциальными уравнениями в обыкновенных производных.

Задачу параметрической идентификации можно сформулировать следующим образом [29]. Пусть имеется полностью наблюдаемый и полностью управляемый объект, задаваемый уравнениями состояния dx = Ax + Bu;

dt y = Cx;, (1.6) x(t0 ) = x(0), где B - n-мерный вектор –столбец, а C - n-мерный вектор –строка, А – квадратная матрица размером n n. Элементы этих векторов А В и С неизвестные числа. Целью идентификации является определение этих чисел.

Под идентификацией в дальнейшем будем понимать нахождение параметров моделей объектов, предполагая, что уравнения моделей заранее известны и задаются с помощью обобщенной структурной схемы объекта (рис. 1.2), т.е. будем рассматривать вопросы параметрической идентификации.

e1 E e2 G/H f v u x y B/A C Рис. 1.На схеме приняты следующие обозначения:

u и y – наблюдаемые входной и выходной сигналы;

x – ненаблюдаемая (скрытая) переменная, оцениваемая косвенно по сигналам u и y, получаемым в результате преобразования в системе операторами А В и H;

е1 и е2 – ненаблюдаемые помехи (случайные процессы типа белого шума);

f и v – ненаблюдаемые помехи (коррелированные во времени случайные сигналы, в некоторых случаях содержащие детерминированные составляющие);

A, B, C, E, G, H – операторы, вид которых известен, но неизвестны параметры.

Основными постановками задач идентификации являются:

– идентификация, или определение характеристик объекта (по значениям u и y определить операторы А, В иC);

– генерация случайных сигналов с заданными характеристиками, или определение характеристик сигналов (по значениям f или v определить оператор E или G, H);

– наблюдение за скрытыми переменными, или определение переменных состояния (по наблюдаемым u и y, известным операторам A, B, C, E, G, H определить x).

Решение вышеназванных задач идентификации осуществляется методами параметрической и непараметрической идентификации. При использовании методов параметрической идентификации сразу определяются коэффициенты передаточной функции или уравнения объекта. Вторая группа методов используется для определения временных или частотных характеристик объектов, а также характеристик случайных процессов генерируемых объектами. По полученным характеристикам затем определяются передаточная функция или уравнения объекта. В настоящее время более широкое распространение получили методы параметрической идентификации.

Pages:     || 2 | 3 | 4 | 5 |   ...   | 19 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.