Разработка и исследование непараметрических алгоритмов идентификации и управления для динамических процессов

• Автор: Агафонов, Евгений Дмитриевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Красноярск
• Количество страниц: 143 с.

Оглавление
Введение
Глава 1. Непараметрические модели линейных динамических процессов с запаздыванием
1.1. Представление линейных систем с помощью интеграла Дюамеля
1.2. Модели линейных систем в условиях непараметрической неопределенности
1.3. Непараметрическое оценивание импульсных переходных функций линейных систем
1.4. Оптимизация непараметрических оценок импульсных переходных функций
1.5. Оптимизация непараметрических моделей линейных систем
1.6. Аналитические результаты сходимости непараметрических моделей
1.7. Статистическое моделирование непараметрических моделей
Выводы
Глава 2. Гипотеза линейности динамических систем
2.1. Постановка задачи проверки гипотезы линейности
2.2. Критерии линейности
2.3. Асимптотические исследования критериев проверки гипотезы о линейности
2.4. Численные исследования критериев линейности
Выводы
Глава 3. Непараметрические алгоритмы управления линейными динамическими процессами
3.1. Постановка задачи синтеза непараметрического регулятора
3.2. Настройка параметров типовых регуляторов с использованием непараметрической модели ЛДС
3.3. Аналитические результаты сходимости непараметрического регулятора
3.4. Численные исследования непараметрических регуляторов
Выводы
Глава 4. Компьютеная система моделирования и управления для линейных процессов и ее применение
4.1. Требования к программному обеспечению моделирования и управления для линейных процессов
4.2. Структура программного обеспечения компьютерной системы моделирования и управления
4.3. Программная реализация систем моделирования и управления
4.4. Технология работы с пакетом программ
4.5. Применение компьютерной системы для моделирования процессов в энергоблоке ТЭС
Выводы
Заключение
Литература
Список публикаций автора
Приложение

Введение
Актуальность темы. Проблемы проектирования, исследования и эксплуатации сложных промышленных объектов традиционно имеют высокую практическую значимость. Построение моделей технологических процессов, принадлежащих к классу динамических, и создание интеллектуальных систем управления на их основе - необходимые этапы решения перечисленных проблем. Таким образом, решение задач идентификации и управления динамическими процессами имеет огромную важность. Для построения модели необходимо знать, как влияет то или иное входное воздействие на выходные отклики системы. Поэтому идентификация процесса сводится к построению математического описания зависимости между этими величинами.
В теории различают два подхода к идентификации; идентификация в «узком» смысле и идентификация в «широком» смысле [55, 81]. Наибольшее распространение получил первый подход. Решение задачи в данном случае осуществляется в два этапа: выбор параметрической структуры модели и оценка параметров.
Для довольно широкого класса систем, работающих в условиях параметрической неопределенности, разработаны алгоритмы эффективного оценивания неизвестных параметров по наблюдениям входа и выхода объектов с привлечением, как правило, классических методов - метода наименьших квадратов, метода максимального правдоподобия и метода моментов [33, 67, 68]. Используются также рекуррентные методы оценивания параметров, например, метод стохастической аппроксимации [76, 37].
Однако при подходе к идентификации в «узком» смысле на первом этапе решения задачи возникают сложности с выбором параметрической структуры математической модели, в теории идентификации не существует конкретного алгоритма для решения этой проблемы. Часто задачу идентификации в параметрической постановке на практике решить невозможно.
В работе рассматривается идентификация и управление в «широком» смысле [55, 81]. Решение задачи идентификации и управления предполагается в условиях непараметрической неопределенности, то есть в случае, когда структуру объекта с точностью до набора параметров определить невозможно. Актуальность разработки непараметрических методов и алгоритмов идентификации и управления определяется тем фактом, что постановка этих задач в «широком» смысле преобладает во множестве практических приложений.
Зачастую исследователю приходится сталкиваться с малоизученными процессами и объектами, структура моделей для которых неизвестна. Влияние случайных помех с неизвестными законами распределения еще более усложняют решение задачи. Вследствие этого на современном этапе активно разрабатываются подходы к идентификации и управлению динамическими системами в условиях неопределенности. Одним из таких подходов является использование непараметрических методов теории идентификации. За послед-

Рис. 1.8. Критериальная функция (1.38), Я= 200, выборка без помех
Рис. 1.9. Критериальная функция (1.38), 5= 400, выборка без помех