Построение математической модели достаточно сложного объекта представляет собой довольно трудоемкий процесс, включающий этапы выбора вида и структуры модели идентифицируемого объекта, выбора или разработки метода и численных алгоритмов идентификации с учетом возможностей телеметрической аппаратуры и вычислительных средств, предварительной (первичной) обработки результатов телеизмерений, получения оценок характеристик модели, анализа этих оценок и проверки степени идентичности (адекватности) модели и реального объекта. Задача каждого из указанных этапов составляет весьма сложную проблему. Решение ее немыслимо без глубокого знания соответствующих дисциплин и теории. В целом же инженеру, работающему в области идентификации технических объектов, необходимо достаточно свободно ориентироваться в теории вероятностей, современной математической статистике и вычислительной математике, а также иметь представление о теории моделирования, теории управления и принципах построения и функционирования идентифицируемых объектов.

В настоящее время проблемы, связанные с созданием математических моделей объектов технологических процессов, экономики и живой природы, формируют одно из основных направлений науки и техники – моделирование. Это объясняется тем, что математические модели объектов широко применяются как при создании систем управления этими объектами, так и при их эксплуатации.

Объекты и системы представляют собой совокупность материальных тел, находящихся в непрерывном взаимодействии друг c другом и с окружающей средой. Построение математической модели объекта может производиться несколькими методами: аналитическим, экспериментальным и экспериментально-аналитическим [49, 57, 73, 100].

Аналитический метод предусматривает получение математического описания объекта на основе законов физики, механики, химии и т. д. Такой подход дает положительный результат, если рассматриваемый объект достаточно прост по структуре и хорошо изучен. Если же объект изучен недостаточно или же настолько сложен, что аналитическое описание его математической моделью практически невозможно, прибегают к экспериментальным методам, суть которых сводится к статистической обработке технологических данных. При экспериментально-аналитическом методе априорная модель, полученная аналитическим путем, уточняется в соответствующих экспериментах.

Взаимодействие объекта с окружающей средой поясним с помощью простейшей схемы (рис. 3.1). Воздействия внешней среды на объект в обобщенном виде изображены стрелками, направленными к объекту и обозначенными через x и v. Объект, в свою очередь, воздействует на окружающую среду. Это воздействие показано стрелкой, направленной от объекта и обозначенной через y. Величину y принято называть выходным воздействием или выходной величиной объекта.

Рассмотрим более подробно воздействие среды на объект. Совокупность таких воздействий окружающего мира на объект можно разделить на две группы в соответствии с характером влияния среды на переменные состояния (фазовые координаты) объекта. В первую группу входят те воздействия, которые в точке приложения изменяют переменные состояния аддитивно. Это означает, что сигналы, пропорциональные этим воздействиям, суммируются с сигналами, пропорциональными соответствующим переменным состояния.

Эти воздействия называют «входными», или «внешними», воздействиями. В дальнейшем будем называть эти воздействия «входными». Входные воздействия могут быть полезными (управляющими сигналами u) и помехами (возмущающими воздействиями f).

Вторая группа воздействий внешней среды изменяет переменные состояния объекта косвенно, обычно не аддитивно. Эти воздействия приводят к изменению оператора объекта (системы) А, под которым понимают закон преобразования входных воздействий в выходные переменные объекта. Вторую группу воздействий будем называть операторной, а воздействия – операторными.

Так, например, повышение температуры электродвигателя приводит к падению мощности и даже выходу его из строя.

В общем случае входные и выходные воздействия могут описываться определенными функциями (обычно функциями времени). Математически соответствие между входной и выходной функциями можно записать в виде выражения

                        (3.1)

где A(f) – оператор, зависящий от возмущений (операторных воздействий);  – вектор выходных координат объекта;  – вектор управления (входа).

Оператор объекта является его математической характеристикой, т. е. математической моделью объекта.

Примерами операторов могут быть:

– оператор дифференцирования p:

;               (3.2)

– дифференциальный оператор D(y) :

,                      (3.3)

– оператор обыкновенного линейного дифференциального уравнения n-го порядка L(y)

 , (3.4)

– линейный интегральный оператор

,            (3.5)

где  – функция веса объекта;

Математически операторы определяются в соответствующих пространствах, т. е. на множествах элементов, над которыми совершаются преобразования. Примерами таких пространств являются пространства: непрерывных функций; непрерывных функций, имеющих непрерывные производные до n-го порядка (n > 0); функций с суммируемым квадратом и т. д. Множества входных и выходных сигналов объектов и систем могут рассматриваться как те или иные метрические пространства [4,12, 13, 37, 44].

Формально оператор характеризуется структурой и параметрами. Так, структура дифференциального оператора (1.3) определяется его порядком n. Для оператора дифференциального уравнения (1.4) структура задается его порядком n, а параметрами служат величины ai(t), [i = 0, n]. Таким образом, задачу идентификации в общем виде можно ставить как задачу определения оператора объекта, преобразующего входные воздействия в выходные.

3.2 Основные задачи идентификации

Рассмотрим различные постановки задачи идентификации. Как уже отмечалось выше, в общем виде задача идентификации заключается в определении оператора объекта, преобразующего входные воздействия в выходные. В связи с этим выделят задачи структурной и параметрической идентификации.

При структурной идентификации определяют структуру и вид оператора объекта, или другими словами вид математической модели объекта.

После того как математическая модель объекта определена, проводят параметрическую идентификацию, заключающуюся в определении числовых параметров математической модели.

Задачей структурной идентификации является представление реального объекта управления в виде математической модели. Конкретный выбор математической модели зависит от типа объекта.

Для описания больших систем и объектов, таких как социальные, производственные, финансово-экономические, используются семиотические (знаковые) и лингвистические модели, базирующиеся на теории множеств и абстрактной алгебры.

В качестве математических моделей технических систем применяются дифференциальные уравнения в обыкновенных и частных производных. Причем при решении задач управления предпочтение отдается моделям в пространстве состояний и структурированным моделям, описываемым дифференциальными уравнениями в обыкновенных производных.

Задачу параметрической идентификации можно сформулировать следующим образом [29]. Пусть имеется полностью наблюдаемый и полностью управляемый объект, задаваемый уравнениями состояния

,                                          (3.6)

где B - n-мерный вектор –столбец, а C - n-мерный вектор –строка, А – квадратная матрица размером . Элементы этих векторов А В и С неизвестные числа. Целью идентификации является определение этих чисел.

Под идентификацией в дальнейшем будем понимать нахождение параметров моделей объектов, предполагая, что уравнения моделей заранее известны и задаются с помощью обобщенной структурной схемы объекта (рис. 3.2), т.е. будем рассматривать вопросы параметрической идентификации.

Рис. 3.2

На схеме приняты следующие обозначения:

u и y – наблюдаемые входной и выходной сигналы;

x – ненаблюдаемая (скрытая) переменная, оцениваемая косвенно по сигналам u и y , получаемым в результате преобразования в системе операторами А В и H;

е1 и е2 – ненаблюдаемые помехи (случайные процессы типа белого шума);

f и v – ненаблюдаемые помехи (коррелированные во времени случайные сигналы, в некоторых случаях содержащие детерминированные составляющие);

A, B, C, E, G, H – операторы, вид которых известен, но неизвестны параметры.

Основными постановками задач идентификации являются:

– идентификация, или определение характеристик объекта (по значениям u и y определить операторы А, В иC);

– генерация случайных сигналов с заданными характеристиками, или определение характеристик сигналов (по значениям f или v определить оператор E или G, H);

–        наблюдение за скрытыми переменными, или определение переменных состояния (по наблюдаемым u и y, известным операторам A, B, C, E, G, H определить x).

Решение вышеназванных задач идентификации осуществляется методами параметрической и непараметрической идентификации. При использовании методов параметрической идентификации сразу определяются коэффициенты передаточной функции или уравнения объекта. Вторая группа методов используется для определения временных или частотных характеристик объектов, а также характеристик случайных процессов генерируемых объектами. По полученным характеристикам затем определяются передаточная функция или уравнения объекта. В настоящее время более широкое распространение получили методы параметрической идентификации.

3.3 Метод наименьших квадратов

Параметрическая идентификация моделей объектов позволяет сразу находить значения коэффициентов модели объекта по измеряемым значениям управляемого y и управляющего u сигналов объекта. При этом предполагается, что структура и порядок модели объекта уже известен. Измеряемые значения y и u представляются в виде временного ряда, поэтому в результате идентификации оцениваются параметры АРСС – модели объекта, или параметры его дискретной передаточной функции. Зная коэффициенты АРСС – модели и ее структуру можно перейти к непрерывным структурированным моделям и моделям в пространстве состояний, как это делалось в п. 2.4.

Страницы: 1, 2, 3, 4, 5, 6, 7