Разработка и исследование систем идентификации электродуговых

Разработка и исследование систем идентификации электродуговых

Автор: Омельченко, В.Д.

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 1984

Место защиты: Душанбе

Количество страниц: 215 c. ил

Артикул: 4029402

Автор: Омельченко, В.Д.

Стоимость: 250 руб.

Разработка и исследование систем идентификации электродуговых  Разработка и исследование систем идентификации электродуговых 

ОГЛАВЛЕНИЕ
Введение
I Глава. Существующие модели электродуговых процессов, методы идентификации статических и динамических характеристик . Ю
1.1 Статические модели электродуговых процессов
1.2 Динамические модели электрической дуги .
1.3 Методы идентификации динамических объектов .
1.4 Цель и методы решения поставленной задачи
Выводы .
П Глава. Синтез многомерных статических моделей по МГУА.
Оценка динамических параметров нестационарной дуги
2.1 Исследование модифицированного алгоритма прямого син
теза моделей по МГУА, применительно к описанию статических характеристик .
2.1.1 Статическая модель электрической дуги переменного тока, горящей между угольными электродами
2.1.2 Статическая модель электрической дуги, горящей в плазмотроне низкого давления .
2.1.3 Статические модели электрической дуги, горящей в плазмотроне постоянного тока .
2.2 Применение метода пассивной идентификации для оценивания динамических параметров нестационарной дуги .
Выводы
Ш Глава. Идентификация динамических характеристик электродуговых процессов с поиском структуры
3.1 Исследование некоторых методов идентификации, основан
ных на сглаживании получаемых решений .
3.2 Сглаживание получаемых решений на основе разработанных переходов от непараметрических математических описаний к параметрическим
3.2.1 Взаимосвязь разностной схемы с ДИПФ и ДПФ
3.2.2 Идентификация динамических характеристик разработанными рекуррентными соотношениями.
3.3 Идентификация электрической дуги в плазмотроне постоянного тока.
3.3.1 Модель по проводимости.
3.3.2 Модель по напряжению.
3.4 Идентификация электрической дуги переменного тока . 8 Выводы .
1У Глава. Анализ и синтез САУ с электрической дугой .
4.1 Анализ и синтез САУ с дугой на основе статических моделей .
4.2 Метод определения структуры и параметров регулятора .
4.3 Синтез САУ с электрической дугой .
4.3.1 Синтез САУ с дугой постоянного тока.
4.3.2 Синтез САУ с дугой переменного тока .
Выводы.
Заключение .
Приложение .
Литература


Однако такой подход к определению параметров может привести к большим смещениям в оценке С ВВВДУ наличия неконтролируемых помех. В случае, если ошибки измерений носят случайный характер и подчиняются нормальному распределению, можно воспользоваться методом наименьших квадратов ( МНЮ , который заключается в минимизации рассогласования выхода модели и объекта ( см. У’х'у. С = 3г/с; и,=0,9-Я1. М . Как видно из величины относительной погрешности е ,данные математические модели описывают поведение вольтампер-ной характеристики дугового плазмотрона с достаточной точностью, охватывая однако только один входной фактор. Математическая модель для двух входных факторов ( действующее значение тока и расход плазмообразующего газа & ) для ( 1. Б - 0, I* - 0, &*+ 0,2 ^. Основное достоинство применяемых моделей в классе ( 1,4) заключается в том,что информация о структуре математического описания может отсутствовать, хотя при этом достигается необходимая точность, которую можно увеличить варьируя максимальной степенью полинома ( 1. Следовательно подобные модели могут быть применены для многих случаев обработки и интерполяции экспериментально полученных данных. Пример 1. Однако подобное описание ( 1. Кроме этого существенным недостатком является то, что при увеличении степени полинома ( 1. М - число входных аргументов, - максимальная степень полинома ( 1. В свою очередь, при решении систем алгебраических уравнений высокого порядка, исходные матрицы коэффициентов становятся плохо обусловленными. При этом необходимо применять специальные методы регуляризации, что усложняет процедуру получения математических моделей вида ( 1. Необходимо отметить, что весовые значения входных аргументов на выход модели объекта можно оценить статистическими методами, например по коэффициенту корреляции, по критериям Стьюдента и Фишера [],но при этом необходима большая выборка экспериментальных данных,что представляется возможным не во всех случаях. От этих недостатков свободен так называемый Метод Группового Учета Аргументов ( МГУА), позволяющий осуществить "объектив-ную структурную идентификацию при малом объеме экспериментальных данных” [] . Также как и в предыдущих случаях рассмотрим предпосылки, используемые в МГУА. Коротко остановимся на структуре построения, позволяющего ” производить синтез математических описаний оптимальной сложности” [] . Метод заключается в выборе иерархии частных моделей вместо одной общей модели. На рисунке 1. Каждая частная модель из первого столбца имеет несколько входов и только один выход у1. Параметры частных моделей подбираются так, чтобы у1 как можно точнее аппроксимировало у . У каждой частной модели из второго столбца имеется несколько входов Уки один выход Н|в Параметры этих частных моделей подбираются так, чтобы каждое 2 по возможности лучше приближало у и т. Таким образом, алгоритмы МГУА воспроизводят схему массовой селекции. У = Х2 . X,Х2>; уг = 5(Х,Х,);. Хм). Из ряда в ряд селекции пропускается только некоторое количество самых регулярных переменных. Степень регулярности оценивается по величине среднеквадратичной ошибки средней для всех выбираемых в кавдом поколении переменных или для одной самой точной переменной на отдельной проверочной последовательности данных. Иногда в качестве показателя регулярности используется коэффициент корреляции. Рис, 1. Наиболее рекомендуемые критерии селекции. Рис. Как только достигнут минимум ошибки, селекцию следует остановить [] . На рисунке 1. Формирование массива исходных данных. Прежде чем приступить к моделированию исследуемого процесса,необходимо составить "характеристический вектор" , в состав которого из входных воздействий, а также их произведений и степеней выбираются наиболее сильновлияющие на выходную величину. Нормировка. Для повышения устойчивости получаемых решений массив исходных данных подвергается некоторым преобразованиям. X - **-*. ДУх , (1. Чп v. П - число составляющих "характеристического вектора" ; П1 — количество представляющих точек. X- - , (1. I * 0 ) . Xjp 2 Ximin . Mp “y.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.241, запросов: 244