Непараметрическая идентификация управляемых динамических объектов и систем на основе экспликативно-множественного подхода

• Автор: Недвига, Александр Владимирович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Ухта
• Количество страниц: 221 с.

Введение

Глава 1. Проблема интеллектуализации средств

идентификации и задачи исследования.

1.1. Обзор классификационных систем методов идентификации

1.2. Упорядоченная классификация методов идентификации

на основе сводной системы признаков.

1.3. Развитие классификации методов и систем идентификации за счет расширения состава признаков

1.4. Аналитический обзор методов системообразования интеллектуальных ИДС

1.5. Выводы по первой главе

Глава 2. Разработка алгоритмических основ

непараметрической экспликативномножественной идентификации

2.1. Общие основания для экспликативномножественного подхода
2.1.1. Понятийная аксиоматика
2.1.2. Методологическая аксиоматика
2.1.3. Алгоритм экспликативномножественной идентификации
2.2. Среда идентификации и проблема ее параметризации
2.2.1. Исследование природы некорректности задачи идентификации.4
2.2.2. Параметризация среды идентификации в контексте задачи НЭМИ
2.3. Исследование методов непараметрической идентификации как алгоритмической основы субметодов НЭМИ.
2.3.1. Выбор методов идентификации с целью их интеграции в алгоритм НЭМИ
2.3.2. Исследование метода регуляризации Тихонова как алгоритмической основы первого субметода НЭМИ.
2.3.3. Исследование метода адаптивной фильтрации как алгоритмической основы второго субметода НЭМИ.
2.4. Показатели точности для НЭМИ
2.5. Разработка алгоритма непараметрической экспликативномножественной идентификации
2.6. Выводы по второй главе
Глава 3. Программноалгоритмическая реализация и
математическое моделирование системы непараметрической экспликативномножественной идентификации
3.1. Цели и задачи разработки и моделирования
3.2. Математическая модель процессов обработки информации в системе НЭШ
3.2.1. Структура математической модели и концепция моделирования.
3.2.2. Генерация возмущений
3.2.3. Спектральное оценивание.
3.2.4. Моделирование фильтрации возмущений динамическим объектом
3.2.5. Моделирование среды идентификации.
3.2.6. Реализация субметода НЭМИ, основанного на регуляризованном по Тихонову спектральном решении уравнения ВинераХопфа
3.2.7. Реализация субметода НЭМИ, основанного на методе
адаптивной фильтрации.
3.3. Вычислительные эксперименты по исследованию
основных зависимостей НЭМИ
3.3.1. Ограничение диапазона значений параметров СИ и класса объектов, использующихся в
экспериментах.
3.3.2. Исследование основных зависимостей НЭМИ на объектах второго порядка.
3.3.2.1. Вычислительный эксперимент с колебательным объектом.
3.3.2.2. Вычислительный эксперимент с апериодическим объектом.
3.3.3. Исследование основных зависимостей НЭМИ на объектах третьего порядка
3.3.3.1. Вычислительный эксперимент на объекте с полностью демпфированными колебаниями
3.3.3.2. Вычислительный эксперимент на объекте с частично демпфированными колебаниями
3.3.4. Исследование робастности метода НЭМИ при изменении характера окрашивания зондирующего сигнала
3.4. Выводы по третьей главе.
Глава 4. Экспериментальная апробация
идентификационной системы НЭМИ.
4.1. Проблема автоматизации системы теплоснабжения и задачи экспериментальных работ по апробации ИДС НЭМИ.
4.2. Специфика объекта исследования. Обоснование применения системы НЭМИ
4.3. Аппаратная часть идентификационной системы. Методика проведения экспериментов.
4.4. Результаты экспликативномножественной идентификации гидравлической системы Куратовского промышленного узла ООО Севергазпром.
4.5. Выводы по четвертой главе.
Заключение
Библиографический список использованной литературы
Приложения
ВВЕДЕНИЕ
Актуальность


Шестой, и, возможно, наиболее важный, но трудно осуществимый, вариант классификации классификация методов идентификации в зависимости от наличия априорной информации о системе. Характерной особенностью этой классификации является неразработанность классификационных признаков. Шести вариантам классификации у Гропа соответствуют только два признака по виду идентифицируемого объекта и по характеру априорной информации о его динамических свойствах. В этом смысле, приведенная классификация является неудовлетворительной, так как нарушается принцип иерархичности. Кроме того, автор утверждает, что в основу перечисленных способов классификации положено по существу степень сложности идентификации . Однако в каком смысле понимать сложность не уточняется например, в смысле сложности математического аппарата, сложности алгоритмизации и написания программного обеспечения или сложности практического использования идентификатора . Очевидно, что при столь расплывчатой критериальной основе, классификация Гропа в целом на сегодняшний день не может быть принята за основу новых классификационных построений. Однако отдельные элементы этой классификации будут использоваться. Другая классификация дается в монографии А. М. Дейча . В целом эта классификация является более совершенной чем классификация Гропа, так как в явном виде дается система признаков критериев классификаций, что в данном контексте одно и тоже. Тем не менее, предлагаемое разделение методов классификации на активные, пассивные и смешанные по методу проведения эксперимента, представляется неудовлетворительным. Активные по Дейчу методы предполагают возбуждение объекта исключительно детерминированными сигналами значительной энергии. Применение искусственного возбуждения малой интенсивности сигналами с широким спектром по сути шумоподобными соответствует у Дейча смешанным методам. Однако, более естественно под активной идентификацией понимать такую, которая предполагает любое искусственное возбуждение объекта независимо от формы и параметров сигнала, а под пассивной такую, которая основана на обработке естественных возмущений. Тогда под смешанной можно понимать идентификацию, предполагающую двоякое возбуждение объекта естественное плюс искусственное, в тех диапазонах частот, где интенсивность естественного недостаточна. По иному подходит к классификации Н. С. Райбман 7 9 . На первый план выдвигаются понятия идентификации в узком и широком смысле. Оценка коэффициентов модели или динамических характеристик объекта относится к идентификации в узком смысле. Фактически идентификация в широком смысле подразумевает предварительное накапливание априорной информации об объекте. Следует отметить, что в литературе, кроме понятий метода и алгоритма идентификации, встречается понятие системы идентификации. Например, в работе Ф. Ф. Пащенко и К. Ф. Чернышева описываются системы экспертной идентификации, предназначенные для автоматического определения структуры моделей. Несколько отличное понятие идентификационной системы следует из обзора Н. С. Райбмана . Здесь образование системы идентификации связано с реализацией рассмотренного выше понятия идентификации в широком смысле. Следует подчеркнуть, что в литературе не выявлены примеры классификации идентификационных систем. За основу принятой и используемой в работе классификации методов и систем идентификации взята сводная система признаков, наиболее часто встречающихся у других авторов. Исходя из сравнительного исследования и опыта разработки нового типа ИДС, вводятся дополнительные признаки, с целью охвата классификацией последних результатов в теории и практике идентификации, в том числе и приводимых в данной диссертации. А1. Различают методы идентификации линейных и нелинейных объектов, а также универсальные, пригодные для обоих случаев. Корреляционноспектральные, основанные на непосредственном или регуляризованном решении уравнения ВинераХопфа, рассмотренные в , , , , , , 2 . Методы идентификации с адаптивной моделью, описанные, например, в 3, 4, , , , 0.