Разработка методов структурно-параметрической идентификации биотехнических систем

• Автор: Пащенко, Александр Федорович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Москва
• Количество страниц: 212 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. ОБЩИЕ ВОПРОСЫ И ПРОБЛЕМЫ ИДЕНТИФИКАЦИИ СИСТЕМ
1.1. Основы системного подхода в моделировании
1.2. Методологические подходы к описанию и моделированию систем
1.3. Постановка задачи идентификации
1.4. Критерий адекватности модели и объекта
1.5. Структурная идентификация нелинейных систем
1.6. Проблемы статистического анализа и идентифицируемости
1.7. Постановка задачи исследования
1.8. Выводы по первой главе
2. СТРУКТУРНАЯ ИДЕНТИФИКАЦИЯ И ВЫБОР ИНФОРМАТИВНЫХ ПЕРЕМЕННЫХ
2.1. Выбор структуры модели
2.2. Корреляционные характеристики нелинейных процессов
2.3. Состоятельные методы структурной идентификации
2.4. Выбор информативных переменных
2.5. Выбор информативных переменных на основе метода последовательного включения
2.6. Модифицированный шаговый регрессионный метод
2.7. Модифицированный ступенчатый регрессионный метод
2.8. Имитационное моделирование вычисления оценок максимального коэффициента корреляции для нелинейных моделей
2.9. Имитационное моделирование методов выбора информативных переменных
2.9.1. Метод шаговой регрессии включения на основе максимальной корреляции
2.9.2. Модификация шагового метода
2.10. Выводы по второй главе
3. СТАТИСТИЧЕСКАЯ ЛИНЕАРИЗАЦИЯ И ИДЕНТИФИКАЦИЯ НЕЛИНЕЙНЫХ СИСТЕМ
3.1. Статистическая линеаризация и блочно-ориентированные модели
3.2. Метод функциональных преобразований в задаче идентификации нелинейных систем
3.3. Идеи статистической линеаризации и их применение в задачах идентификации на основе МФП
3.3.1. Идентификация систем по первому критерию статистической линеаризации
3.3.2. Идентификация систем по второму критерию статистической линеаризации
3.4. Дисперсионная идентификация
3.4.1. Дисперсионный метод статистической линеаризации статических систем
3.5. Модели дисперсионной идентификации в классе систем
Г аммерштейна
3.5.1. Идентификация динамического квадратора
3.5.2. Идентификация нелинейного динамического объекта типа Г аммерштейна с кубической нелинейностью
(динамический кубатор)
3.6. Выбор структуры безинерционных стохастических объектов
3.7. Выводы по третьей главе
4. МОДЕЛИРОВАНИЕ БИОТЕХНИЧЕСКОЙ СИСТЕМЫ ПРОМЫШЛЕННОГО ПТИЧНИКА
4.1. Описание биотехнической системы промышленного птичника
4.2. Задачи моделирования и оптимизации БТС ПГ1
4.3. Анализ исследований влияния параметров микроклимата на продуктивность птиц
4.4. Выбор информативных переменных модели БТС ПП

4.5. Выбор структуры и определение коэффициентов модели БО
4.6. Оптимизация параметров микроклимата в ETC 1111
4.7. Представление модели ptichnik в Simplex
4.8. Автоматизированная система сбора информации о параметрах технологического процесса выращивания бройлеров
4.8.1. Функции и задачи автоматизированной системы
сбора информации
4.8.2. Структура системы сбора информации
4.8.3. Весоизмерительное устройство для автоматического
измерения веса бройлеров в клетке
4.8.4. Программное обеспечение системы
4.9. Выводы по четвертой главе
ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЯ

Блочно-ориентированные модели формируются как последовательные соединения нелинейных статических элементов и линейных динамических блоков. Примером таких моделей является упрощенная модель Гаммерштейна [33-36,95,96,98,101,104,108,111,146], которая в пространстве «вход-выход» записывается в виде:
нелинейный статический элемент
и(к) = со + сх(к) + С2Х2(к), (1.5.22)
линейный динамический блок
У(к) = = Ки (д~')и(к) > (1 -5-23)

где х(к) и и(к) - соответственно входной и выходной сигналы нелинейного статического элемента, у(к)- выходной сигнал линейного динамического блока,
К (д~‘) =
А{д-')
В(д~х) = Ьо +Ьщ~х +—нЬпд~п - характеристический полином по входу и(к), а А(д~1) - + ащ~х +—-апд~п - характеристический полином по выходу у(к). Для того чтобы нелинейная динамическая система (1.5.22) была устойчивой, необходимо и достаточно, чтобы все корни ду,у — ,п характеристического
полинома А(д~]) лежали вне единичного круга с центром в начале координат дУ > 1,у = 1,и [90].
Другим примером является модель Винера. Модель Винера реализуется как последовательное соединение линейного динамического блока и нелинейного статического элемента [120] и представляется в виде: линейный динамический блок
м() = ~~гх(к) - К (д~')х(к)> (1.5.24)
А(д~)
нелинейный статический элемент
у(к) = со + си{к) + суй2(к), (1.5.25)