- •Конспект лекций
- •Экспериментальные статистические методы моделирования
- •230100 Информатика и вычислительная техника
- •Тема 7. Динамический регрессионный анализ
- •Тема 8. Построение моделей динамики типа "вход-выход" нелинейных объектов
- •Тема 9. Модели пространства состояний
- •Тема 16. Управление экспериментом при построении нелинейно-параметризованной d-оптимальной линейно-комбинационной модели
- •Тема 17. Планирование эксперимента в условиях неоднородностей
- •Тема 1. Введение
- •1.1.Типы математических моделей
- •1.2. Представление объекта управления в реальных условиях эксплуатации типы математических моделей
- •Представление объекта управления в реальных условиях эксплуатации
- •Тема 18. Планирование эксперимента при наличии количественных и качественных факторов
- •Постановка задачи оценивания неизвестных парметров моделей статики
- •Элементы теории случайных величин
- •Свойства оценок
- •Векторные случайные величины и их характеристики
- •Тема 3. Методы оценивания неизвестных параметров регрессионных моделей
- •Метод наименьших квадратов
- •- Квадратичная формa. Корреляционная функция случайного процесса и ее свойства
- •Свойства автокорреляционных функций.
- •Спектральная плотность случайного процесса
- •Обобщенный метод наименьших квадратов
- •Омнк при малых выборках
- •Oмнк при большом объеме выборки
- •Метод максимального правдоподобия
- •Цель и этапы статистического анализа уравнений регрессии
- •Проверка значимости.
- •Проверка адекватности.
- •Расчет доверительных интервалов.
- •Тема 5. Построение моделей статики в случае нелинейной параметризации
- •Нелинейные методы оценивания
- •Метод Гаусса-Ньютона
- •Метод Хартли
- •Метод Марквардта
- •Тема 6. Построение моделей динамики объектов управления по экспериментальным данным
- •Понятие моделей динамики и их типы
- •Способы построения моделей импульсной переходной функции
- •2.Разложение импульсной переходной функции по заданной системе базисных функций.
- •Корреляционный метод идентификации
- •Методы решения уравнения винера-хопфа в дискретной форме
- •Вычисление оценки вектора неивестных параметров на основе первых уравнений
- •Вычисление оценки вектора неизвестных параметров на основе уравнений.
- •Использование корреляционного метода при подаче на вход псевдослучайного двоичного сигнала (псдс).
- •Задачи динамического регрессионного анализа.
- •Представление импульсной переходной функции набором ординат, вычисление оценок ординат.
- •Разложение импульсной переходной функции по заданной системе базисных функций.
- •Построение модели при известном значении параметра .
- •Построение модели при неизвестном значении параметра .
- •Тема 8. Построение моделей динамики типа "вход-выход" нелинейных объектов
- •Тема 14. D - оптимальное планирование
- •14.2. Процедура непрерывного планирования (пнп)
- •Тема 15. Последовательное планирование эксперимента. Планирование эксперимента в динамике
- •Построение d-оптимальных моделей, соответствующих разложению импульсной переходной функции по системе базисных функций
- •Планирование эксперимента в условиях дискретного дрейфа
- •Библиографический список
Тема 6. Построение моделей динамики объектов управления по экспериментальным данным
6.1. Понятие моделей динамики и их типы
6.2. Способы построения моделей импульсной переходной функции
6.3. Корреляционный метод идентификации
6.4. Методы решения уравнения Винера-Хопфа в дискретной форме
6.4.1. Вычисление оценки вектора неизвестных параметров на основе первых l уравнений
6.4.2. Вычисление оценки вектора неизвестных параметров на основе N>l уравнений
6.5. Использование корреляционного метода при подаче на вход псевдослучайного двоичного сигнала (ПСДС)
Понятие моделей динамики и их типы
Модели динамики позволяют описывать весь процесс перехода из одного состояния в другое, в отличие от моделей статики.
Модели
динамики задаются в виде оператора той
или иной структуры. Для линейных объектов
чаще всего используется импульсная
переходная функция
,
либо модель пространства состояний.
Для нелинейных объектов обычно используются модели в виде функционально-степенных рядов, либо модели пространства состояний.
Способы построения моделей импульсной переходной функции
Непосредственно определение импульсной переходной функции невозможно, т.к.:
1) невозможно подать
на вход
-функцию;
2) на выходе существует аддитивная
случайная составляющая;
Возможны два способа представления неизвестной импульсной переходной функции:
1.Задание импульсной переходной функции в виде набора ординат
|
|
Обычно,
выбирают, чтобы обеспечить качественную
аппроксимацию импульсной переходной
функции по дискретным отсчетам;
размерность вектора неизвестных
параметров
должна быть сравнительно небольшой
.
Недостатки задания импульсной переходной функции в виде набора ординат: 1) неаналитичность решения; 2) большая размерность вектора неизвестных параметров.
2.Разложение импульсной переходной функции по заданной системе базисных функций.
-
коэффициенты разложения,
-
параметр затухания базисных функций,
который в общем случае также неизвестен.
Размерность вектора
неизвестных параметров q=k+1.
Преимущество
разложения импульсной переходной
функции по заданной системе базисных
функций - резкое уменьшение размерности
вектора неизвестных параметров
.
Недостатком этого способа является
усложнение структуры модели.
В качестве базисных функций для разложения импульсной переходной функции используются функции Лагерра:
Функции Лагерра обладают следующими свойствами:
1) все функции начинаются из одной точки; 2) i-ая функция Лагерра пересекает ось времени (i-1) раз; 3) скорость затухания i-ой функции Лагерра меньше скорости затухания (i-1)-ой функции Лагерра.
Чем меньше время памяти, тем больше величина параметра . Параметр выбирается таким образом, чтобы все базисные функции за время памяти 'затухали' до достаточно малого значения.
Корреляционный метод идентификации
Корреляционный метод идентификации предназначен для определения оценок ординат импульсной переходной функции. В основе метода лежит интегральное уравнение Винера-Хопфа:
-
автокорреляционная функция входного
сигнала;
-
взаимнокорреляционная функция выходного
сигнала y(t) и входного сигнала u(t).
Поскольку в реальных условиях автокорреляционная функция выходного сигнала и взаимнокорреляционная функция выходного и входного сигналов не могут быть найдены точно, то данный метод может быть использован для определения оценки импульсной переходной функции на основе оценок автокорреляционной и взаимнокорреляционной функций.
Замена бесконечности на время переходного процесса вносит определенную погрешность в модель, так как:
1. время переходного
процесса неизвестно точно;
2.
При использовании оценок корреляционной функции корреляционный метод идентификации становится некорректной задачей.
По А.Н.Тихонову задача называется некорректной, если ошибка ее решения на порядок и выше превосходит ошибку исходных данных.
Задача называется корректной, если ошибки исходных данных и решения соизмеримы.
Причина некорректности - интегральный характер уравнения Винера-Хопфа (интегральный характер свертки).
В уравнении используется произведение двух негладких функций (оценка автокорреляционной функции входного сигнала и оценка импульсной переходной функции), левая часть уравнения представляет собой оценку взаимнокорреляционной функции выходного и входного сигналов, которая также является негладкой функцией, степень негладкости которой такая же, как у одной из функций подинтегрального произведения. Это может быть только тогда, когда степень негладкости второй функции подинтегрального произведения значительно выше.
