Адаптивные и робастные алгоритмы параметрической идентификации динамических объектов

• Автор: Саломатин, Владислав Александрович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Новосибирск
• Количество страниц: 142 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
Глава 1. Критерий адаптации и адаптивный алгоритм
идентификации
1.1. Общие положения
1.2. Алгоритмы идентификации
1.3. Критерий адаптации. Адаптивный алгоритм
1.4. Результаты вычислительных экспериментов
1.5. Выводы
Глава 2. Робастные алгоритмы идентификации
2.1. Общие положения
2.2. Робастный алгоритм с использованием порядковых
статистик
2.3. Робастный алгоритм с использованием априорной информации о диапазонах значений параметров объекта
2.4. Результаты вычислительных экспериментов
2.5. Выводы
Глава 3. Точностные характеристики рекуррентных алгоритмов идентификации, их вычисление и применение
3.1. Общие положения
3.2. Точностные характеристики регуляризирующих алгоритмов идентификации
3.3. Точностные характеристики рекуррентных алгоритмов идентификации
3.4. Применение точностных характеристик для анализа и синтеза рекуррентных алгоритмов идентификации
3.5. Выводы
Глава 4. Решение задачи оценивания эксплуатационных показателей нефтяных скважин

4.1. Общие положения
4.2. Кусочно-адаптивный алгоритм идентификации
4.3. Адаптивный алгоритм с использованием интервальных
оценок
4.4. Выводы
Глава 5. Описание прикладной программы "ГО@ОИ¥е118"
5.1. Общие положения
5.2. Создание исходного о бъекта
5.2.1. Создание исходного тестового объекта
5.2.2. Загрузка исходного объекта путем открытия файла с данными
5.3. Зашумление исходного объекта
5.3.1. Способы определения величины «базовой» дисперсии шума
5.3.2. Выбор закона распределения составляющих шума
5.3.3. Задание величин дисперсий низкоамплитудной и импульсной составляющих шума
5.3.4. Определение вероятностей появления импульсной и низкоамплитудной составляющих
5.3.5. Задание общей вероятности искажения исходного
сигнала
5.4. Идентификация параметров объекта по зашумленным
данным 128
5.5. Результаты практического использования программы
ЗАКЛЮЧЕНИЕ
Список используемой литературы
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Актуальность темы. При наличии сформулированной цели управления и заданном критерии качества её достижения разработка всякой системы управления будь то в технике, экономике, добывающих отраслях или любой другой области приложений сводится к решению двух взаимосвязанных проблем: проблемы построения модели объекта и
проблемы построения алгоритма управления, соответствующего данной модели и заданной цели функционирования системы. Здесь термин «модель» употреблен в широком смысле; под ним понимается такой минимальный объем сведений об объекте и воздействующей на него среде, который является достаточным для построения оптимальной или, по крайней мере, работоспособной процедуры управления.
Если первая часть задачи построения системы решена, т.е. модель получена, то вторая часть сводится к синтезу алгоритма управления при наличии всей необходимой для этой цели информации. Развитие теории автоматического управления исторически сложилось так, что вплоть до относительно недавнего времени основное внимание уделялось, главным образом, второй части задачи.
Общеизвестные результаты, достигнутые в этом направлении, образуют ядро современной теории управления. Таковы классические методы анализа и синтеза замкнутых систем регулирования, фильтрации случайных процессов, оптимального управления при наличии ограничений, теории игр, теории массового обслуживания и т.п.
В перечисленных разделах остаются по большей части открытыми вопросы о том, как в реальных условиях получаются сведения о модели, необходимой для реализации данной системы управления; как эти сведения могут быть пополнены и уточнены в процессе работы системы. Эти обстоятельства являются причиной непрерывно возрастающего интереса к теории идентификации объектов управления и, в частности, к проблеме

Рис. 1.12. Результаты вычислительного эксперимента: 1 - точный вектор параметров в; 2 - оценка адаптивного алгоритма при относительном уровне помехи 5%; 3 - при 20%; 4 - при 50%.
Рис. 1.13. Относительная СКО идентификации адаптивного алгоритма: 1 -уровень помехи составлял 5% от максимального значения выходного сигнала объекта; 2 - 20%; 3 - 50%. Закон распределения помехи -нормальный.