Разработка и исследование алгоритмического и программного обеспечения идентификатора на основе вещественного интерполяционного метода

• Автор: Рудницкий, Владислав Александрович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Томск
• Количество страниц: 220 с. : ил

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ

ГЛАВА 1 ИДЕНТИФИКАЦИЯ ЛИНЕАРИЗУЕМЫХ НЕПРЕРЫВНЫХ ОБЪЕКТОВ УПРАВЛЕНИЯ

1.1 Временные методы идентификации

1.2 Частотные методы идентификации

1.3 Вещественный интерполяционный метод в задачах идентификации

1.4 Выводы ГЛАВА 2 ИДЕНТИФИКАЦИЯ НЕПРЕРЫВНЫХ

ОБЪЕКТОВ УПРАВЛЕНИЯ НА ОСНОВЕ ВЕЩЕСТВЕННОГО ИНТЕРПОЛЯЦИОННОГОМЕТОДА

2.1 Общие вопросы идентификации объектов

управления

2.2 Определение численных характеристик

2.2.1 Выбор узлов интерполирования
2.2.2 Выбор метода численного интегрирования
2.3 Получение коэффициентов полиномов
передаточной функции объекта идентификации по его численной характеристике
2.4 Выбор критерия близости модели объекту
2.5 Анализ источников погрешностей
2.5.1 Погрешности вычисления численных характеристик
2.5.2 Погрешность решения СЛАУ
2.6 Выбор интервала времени наблюдения
2.7 Выбор числа отсчетов
2.8 Выводы
ГЛАВА 3 РАЗВИТИЕ ВЕЩЕСТВЕННОГО ИНТЕРПОЛЯЦИОННОГО МЕТОДА ИДЕНТИФИКАЦИИ
3.1 Использование переменного шага квантования
при решении задач идентификации
3.2 Исследование помехоустойчивости алгоритма идентификации
3.3 Исследование возможности повышения точности идентификации
3.4 Выводы 3 ГЛАВА 4 ОБОБЩЕНИЕ АЛГОРИТМА ИДЕНТИФИКАЦИИ НА
ОБЪЕКТЫ С РАСПРЕДЕЛЕННЫМИ ПАРАМЕТРАМИ И ДИСКРЕТНЫЕ ОБЪЕКТЫ ИССЛЕДОВАНИЯ
4.1 Объекты и системы с распределенными параметрами
4.2 Методы идентификации объектов с распределенными параметрами
4.3 Применение вещественного интерполяционного метода для идентификации систем с распределенными параметрами
4 4 Выбор узлов интерполирования
4.5 Идентификация цифровых систем и объектов управления
4.5.1 Вещественное дискретное преобразование
4.5.2 Повышение точности решения задачи
идентификации
4.6 Выводы
ГЛАВА 5 АППАРАТНАЯ И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ АЛГОРИТМА ИДЕНТИФИКАЦИИ
5.1 Комплект автоматики МСУ4
5.2 Основные задачи реализации алгоритма идентификации
в структуре МС4
5.3 Тестирование аппаратнопрограммного комплекса
5.4 Идентификация химических источников тока как объектов с распределенными параметрами
5.5 Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Кроме того, использование дискретных значений временной динамической характеристики связано с потерей некоторой информации об объекте, что в общем случае также является негативной стороной подхода. Методы второй подгруппы основаны на аппроксимации временных характеристик, представленных непрерывными функциями, усеченными сходящимися рядами и это устраняет некоторые недостатки, характерные для методов первой подгруппы [, , 0, 4]. Это дает возможность повысить точность идентификации, а принятая форма аппроксимирующей функции может привести к сравнительно простым вычислительным схемам. В тоже время такой способ имеет свои специфические особенности. Точность аппроксимации оказывается в прямой зависимости от принятой аппроксимирующей функции, выбор которой неоднозначен, т. На практике в большинстве случаев ориентируются на использование для этой цели полиномов Лаггера [, 0. Однако с точки зрения точности получаемых результатов эти полиномы сопровождаются существенным недостатоком. Вследствие этого аппроксимирующие свойства полиномов Лаггера практически полностью определяется невысокими возможностями степенных полиномов, что является их главным недостатком [2]. Плохая сходимость ряда (1. В некоторых случаях в качестве аппроксимирующих выражений применяются полиномы Лежандра ]. В работе [] содержится предложение использовать аппроксимацию Пале. Известны предложения по привлечению других систем аппроксимирующих функций [,1]. Каждая из этих форм представления математической модели имеет свои индивидуальные достоинства и недостатки. К общим недостаткам группы временных методов идентификации относят малую точность, большой объем вычислений, низкую помехозащищенность. ТЗти факторы не позволяют однозначно ориентироваться на какой-либо конкретный метод временной области для целей построения портативного устройства идентификации. К группе частотных методов идентификации относятся методы, использующие изображения по Фурье входных и выходных сигналов объекта управления. Частотные методы обычно подразделяют на две подгруппы. К первой подгруппе относят методы, предусматривающие подачу на исследуемый объект входного гармонического сигнала. В качестве такого сигнала чаще всего используется синусоидальное воздействие [,,3], однако встречаются воздействия и другого вида, например, сигналы прямоугольной формы []. Исследование реакции системы А2 $ш(о))( 1+ Фк) на входную последовательность А] вт(со^), к= 1,2,. Помимо того, введение пробных гармонических сигналов зачастую является нежелательным, а во многих случаях и недопустимым, что ограничивает сам подход к идентификации. Предпринимаются усилия, направленные на преодоление указанных недостатков или уменьшения их влияния []. Ко второй подгруппе относят косвенные методы идентификации. Эти методы основаны на представлении функции времени отрезком ряда Фурье. Разложение осуществляется либо программным способом [5], когда коэффициенты ряда получают расчетным путем, либо аппаратным, с помощью специальных фильтров [0, 3]. В последнем случае каждый из фильтров позволяет получить одно значение амплитудно-частотной характеристики объекта. Существенной положительной чертой методов второй подгруппы является малое время проведения эксперимента невелико, сравнимое с длительностью переходного процесса (р исследуемого объекта. Частотный метод получил наиболее широкое распространение не только при решении практических задач идентификации, но и для настройки различных промышленных автоматических систем управления [2,4,0]. Процедура идентификации организована по принципу "цикл в цикле" и заключается в определении коэффициентов модели объекта путем вычисления модуля |? У(]со) замкнутой системы. Частотные методы имеют определенные преимущества по сравнению с методами области времени. Они заключаются в том, что хотя исходная информация об объекте задаегся в области времени, вычисление параметров самой математической модели объекга осуществляется уже в области изображений, где соответствующие операции выполняются проще по сравнению с областью времени.