Метод идентификации сложного объекта управления по модели дисперсии агрегированной переменной

• Автор: Филатова, Дарья Вячеславовна
• Шифр специальности: 05.00.00
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Севастополь
• Количество страниц: 144 с. : ил.

Содержание диссертации Ведение

Глава 1 Проблема построения оптимальной дисперсионной модели сложного объекта управления с агрегированным выходом
1.1 Регрессионные модели квазистационарных объектов управления с агрегированным выходом

1.2 Оценка модели дисперсии агрегированной переменной

1.3 Проблема оценивания параметров модели дисперсии агрегированных переменных

1.4 Критерии структурной идентификации модели объекта управления

1.5 Выводы
Глава 2. Исследование особенностей и эффективности процедур идентификации моделей дисперсии агрегированной переменной
2.1 Распределение максимального собственного числа выборочной ковариационной матрицы
2.2 Исследование методов оценки параметров модели дисперсии агрегированной переменной

2.3 Построение области возможных значений параметров моделей дисперсии

2.4 Вычислительный эксперимент по сравнению методов оценивания параметров модели дисперсии агрегированной переменной
2.5 Прогнозирующая способность методов оценивания параметров модели дисперсии агрегированной переменной
2.6 Оценка среднеквадратической ошибки прогноза для модели дисперсии агрегированной переменной
2.7 Выводы
Глава 3. Метод идентификации сложного объекта управления по модели дисперсии агрегированной переменной
3.1 Критерий скользящего контроля задачи идентификации структуры модели дисперсии агрегированной переменной
3.2 Вычислительные эксперименты по исследованию свойств критериев селекции
3.3 Методы идентификации сложного объекта управления по модели дисперсии агрегированной переменной
3.4 Вычислительный эксперимент по исследованию эффективности метода идентификации сложного объекта управления по модели дисперсии агрегированной переменной
3.5 Идентификация объекта по модели квадрата расстояния между двумя центрами распределения данных
3.6 Вычислительный эксперимент по исследованию эффективности метода идентификации объекта по модели квадрата расстояния между двумя центрами распределения данных
3.7 Выводы
Глава 4. Примеры использования метода идентификации сложного объекта управления по модели дисперсии агрегированной переменной
4.1 Контроль качества технологического процесса выдержки вина
4.2 Программное управление процессом подготовки спортсменов
4.3 Мониторинг динамики цен коммерческой торговли
4.4 Выводы
Заключение
Литература '
Приложение А
Приложение Б. Акты о внедрении
При разработке систем управления особо ответственным является этан идентификации объекта управления, от реализации которого в значительной степени зависит качество спроектированной системы управления. Проблеме идентификации объектов управления в условиях неопределенности посвящено большое количество работ, как в отечественной, так и в зарубежной литературе (Вапник В.Н. [5, 10], Ивахненко А. Г. [22-29], Степашко B.C. [54, 55], Цуканов А. ВД84-90], Миллер А. [94] и др.). Для класса стохастических объектов управления в большинстве этих работ рассматривается построение моделей зависимостей средних значений выходных переменных от входных переменных. В то же время, для широкого класса сложных объектов управления, характеризующегося стохастичностью, нестационарностью, многомерностью и многосвязностью, необходимо идентифицировать модель дисперсии выходной переменной. К таким объектам можно отнести многие технологические и экономические процессы, биологические, экологические и медицинские системы. Большой вклад в развитие методов идентификации такого класса систем внесли Райбман
Н.С. [16, 42,46], Айвазян С.А.[1-4], Перельман И.И.[44], Расстригин Л.А. [48,49] и др.
Современный уровень вычислительной техники позволяет сделать следующий шаг в повышении эффективности решения задачи идентификации рассматриваемого класса систем за счет интенсивного использования методов имитационного моделирования и новых результатов, полученных в теории управления.
В связи с вышеизложенным разработка методов идентификации объектов управления по модели дисперсии на основе имитационного

Х£ =1(х,)а“ст, генерировались псевдослучайная составляющая 4, с заданным количеством степеней свободы и определялось экспериментальное значение выходной переменной = £Дх,)я“с".
6. Определялись оценки параметров модели - я”” предложенными методами оценивания.
7. Всеми тремя методами оценивания, используя полученные значения оценок параметров, вычислялось значение прогноза в точке хпрогя
тэксп _ Ь» ЭКСП
Апрогн - ' Хрпо,„ Р8. Для каждого заданного значения вектора параметров шаги 4- 7 повторяется N раз. Полученные прогнозные значения усредняются и определяется их дисперсия.
В качестве примера рассмотрим следующий вычислительный эксперимент. Зависимость между входной переменной х и выходной переменной Лт„ была задана в виде полинома второй степени, т.е. имела вид (2.20), вектор параметров принимал те же значения, что и в параграфе 2.4, значения входной переменной х лежали в интервале от 0.05 до 0.6 и изменялись с шагом 0.05. Прогноз осуществлялся в точке х = 0.65. Количество степеней свободы псевдослучайной составляющей у было равно 25.
Моделирование осуществлялось на ЭВМ типа 1ВМ РС Ретшт-120, искомые характеристики определялись методом Монте-Карло при количестве испытаний 1000 для каждого метода оценивания - наименьших квадратов, взвешенного метода наименьших квадратов, для определения весов У которого использовать итерационная процедура, описанная в параграфе
2.2, и метода наименьших отношений. Усредненные по полученной выборке прогнозные значения и значения дисперсии о{Лпрмн} приведены в таблице 2.3.