- •Розділ 3 Система як математичний об'єкт
- •Математична класифікація систем
- •Основні проблеми теорії систем
- •Усталені і перехідні режими функціонування систем
- •Зображуваність лінійних систем
- •Розділ 4 Загальні методи побудови математичних моделей
- •Побудова неперервних математичних моделей систем
- •Метод найменших квадратів з невідомими базовими функціями
- •Рекурентний мнк
- •Метод найменших квадратів для отримання динамічних дискретних моделей вхід-вихід
- •Одержання моделі з простором станів із вхід-вихід моделі
- •Алгоритм б.Хо
- •Умова еквівалентності моделей
- •Розділ 5 Системний аналіз досліджуваного об’єкта
- •Структурні властивості лінійних систем Керованість і досяжність
- •Спостережуваність та діагностованість
- •Динамічна ланка як елемент системи
- •Передатна функція
- •Часові характеристики динамічної ланки
- •Передатна матриця і канонічна декомпозиція
- •Теореми Ляпунова про стійкість за першим наближенням
- •Стійкість систем
Розділ 4 Загальні методи побудови математичних моделей
Очевидною є та обставина, що можна для досліджуваної системи побудувати різні за своєю класифікацією моделі. Це залежить в першу чергу від нашої поінформованості про процеси, які характеризують поведінку об’єкта дослідження, та від допустимого ступеня його ідеалізації. Але різні моделі для системи, що розглядається, вважаються еквівалентними, якщо при однакових значеннях входів вони визначають однакові виходи системи.
Побудова неперервних математичних моделей систем
Якщо
усталене значення
залежить лише від значення вхідного
фактора
,
то існує така функція, що
(4.1)
Рівняння (4.1) має назву рівняння регресії.
Реальну
неперервну функцію
,
що описує залежність виходу системи
від її входу, як правило, неможливо
описати яким-небудь аналітичним виразом.
Тому обирається деяка множина
функцій відомого вигляду та серед них
шукається та, що найкраще описує функцію
.
Для цього на практиці звертаються до
вхід-вихідного експерименту: подають
на систему визначений набір тестуючих
впливів
та реєструють значення
,
які використовуються для пошуку
зазначеної вище функції.
Щоб
виділити з множини
функцію, яка буде розглядатися як
найкраща модель системи, тобто яка
найкращим чином описує істинну модель
,
необхідно ввести деякий спосіб оцінки
відхилень функцій з
від функції
.
Побудова в такий спосіб у формі деякого
функціонала звичайно є евристичною
процедурою. При розв’язуванні прикладних
задач широко використовується квадратичний
функціонал, мінімізація якого є основою
методу
найменших квадратів.
Отже,
залежність встановленого скалярного
виходу
від постійного входу
визначається рівнянням (4.1) з невідомою
функцією
на основі результатів вхід-вихід
експериментів
.
Вводиться
множина
відомих функцій
,
де
– вектор параметрів цієї множини, і
підбирається та з них, яка за
експериментальними даними найближча
до функції
.
Нехай ця функція відповідає набору
параметрів
.
Тоді як модель розглядається рівняння
. Функції з
будемо називати базовими.
Тут враховано, що аналітичний вираз
функції
відомий.
При
фіксованому значенні параметра
,
тобто фіксованій функції з
,
можемо для кожного
за експериментальними даними вирахувати
значення
та відповідну цій функції похибку
опису істинної залежності. А саме:
.
Задача
полягає у виборі такого значення вектора
,
тобто такої функції з
,
що похибки
для всіх і
будуть якнайменшими. Це досягається
мінімізацією за
функціонала
(4.2)
Функції
звичайно обираються диференційованими
за
та такими, що мінімум
досягається для скінченних значень
.
Тоді за необхідною умовою екстремуму
невідоме значення
є розв’язком рівняння
,
тобто задовольняє систему рівнянь
.
(4.3)
У
результаті для знаходження
отримаємо систему з
рівнянь з
невідомими:
(4.4)
Після знаходження тих , що задовольняють систему рівнянь (4.4), необхідно кожне з них протестувати на мінімум.
Рівняння , яке приблизно описує причинно-наслідковий зв’язок між подіями та , також має назву рівняння регресії.
Як
приклад розглянемо так звану модель
Кобба-Дугласа.
Американські вчені Кобб і Дуглас
поставили задачу отримати рівняння
регресії, яке описує зростання обсягу
продукції, виробленої в США протягом
року, залежно від змін основного капіталу
(виробничих потужностей) і витрат праці.
За експериментальні дані
вони взяли статистичні дані за 1899-1922
роки, тобто у цьому випадку
.
Нехай
означає обсяг випущеної продукції,
– обсяг основного капіталу та
– витрати праці у
-
му році. Базовими функціями були обрані
де
.
Оскільки
система (4.4) для цієї задачі має вигляд
Це
нелінійна система відносно двох невідомих
та
.
Розв’язання нелінійних систем рівнянь
звичайно викликає великі труднощі. Тому
виникає задача вибору таких базових
функцій, щоб відповідна задача мінімізації
не була досить складною.
Існує ряд прийомів, які дозволяють зводити нелінійну систему вигляду (4.4) до лінійної. Одним з них є розв’язання задачі у логарифмічному масштабі даних. Наприклад, у задачі, що розглядається, після логарифмування обох частин рівняння регресії отримаємо
Позначимо:
та
.
Тоді лінеаризована функція матиме
вигляд
.
(4.5)
Дані
та
перераховуються з
та
для
Зміниться система (4.4):
Це вже
система двох лінійних рівнянь з двома
невідомими
та
,
розв’язок
якої легко отримати. Остаточно маємо
та
Перш за все при побудові регресійної залежності необхідно визначитися з виглядом функції регресії. Якогось загального критерію на цей випадок не існує. Можна говорити про інтуїтивний підхід, що базується на дослідженні вхід-вихідних даних, які надані для побудови моделі.
На випадок, коли ці дані мають монотонний характер, вибір вигляду регресійної залежності можна здійснити за таблицею. Для цього за вхід-вихіднихми даними обчислюють середні значення uср та уср :
,
,
,
.
Величина
обчислюється так:
1) якщо
збігається з одним із вхідних
,
то
;
2) якщо
знаходиться між
і
,
знаходимо як ординату відповідної точки
на відрізку прямої, що з'єднує вузли
і
,
за формулою
.
Вибір
базової функції для рівняння регресії
здійснюється шляхом пошуку мінімального
значення виразу
і відповідної йому функції.
Таблиця 4.1
N |
|
|
|
|
Вигляд функції |
1 |
u(ар) |
у(ар) |
|
|
у=а0+a1u |
2 |
u(геом) |
у(ар) |
|
|
y=a0+a1lnu |
3 |
u(гарм) |
у(ар) |
|
|
у=а0+а1/u |
4 |
u(ар) |
у(геом) |
|
|
y=a0a1u |
5 |
u(геом) |
у(геом) |
|
|
y=a0ua1 |
6 |
u(гарм) |
у(геом) |
|
|
y=exp(a0+a1/u) |
7 |
u(ар) |
y(гарм) |
|
|
y=1/(a0+a1u) |
8 |
u(геом) |
у(гарм) |
|
|
y=1/(a0+a1lnu) |
9 |
u(гарм) |
у(гарм) |
|
|
y=u/(a0+a1u) |
Завдання
4.1
Побудувати неперервну математичну
модель вхід-вихід за даними вхід-вихідного
експерименту значень входів у систему
та її реакцій
(таблиця
4.2) для
заданного варіанта
N.
Таблиця 4.2
N |
U={u1 u2 u3 u4 u5 u6 u7 u8 u9 } |
|
||
|
Y={ у1 у2 у3 у4 у5 у6 у7 у8 y9 } |
|
||
1 |
U={ 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9} Y={34,5 18,7 15,1 11,3 12,44 11,9 6,7 4,3 2} |
|
||
2 |
U={0,75 0,78 0,83 0,88 0,93 0,98 1,03 1,21 1,45} |
|
||
|
Y={10 32,5 47,7 46,1 90 91 95,6 98,2 102} |
|
||
3 |
U={1 10 20 30 40 50 60 70 80} |
|
||
|
Y={33,5 37 41,2 46,1 50 52,9 56,8 64,3 69,9} |
|
||
4 |
U={ 1 10 20 30 40 50 60 70 80} |
|
||
|
Y={1 0,6 0,39 0,24 0,15 0,1 0,06 0,03 0,015} |
|
||
5 |
U={0,1 0,5 1,05 2,2 3,65 5,5 7,85 9,45 14,75} |
|
||
|
Y={10 9,33 8,67 7,33 6,6 4,65 3,34 2,65 1,34} |
|
||
6 |
U={13 24 36 48 60 75 93 111 135} |
|
||
|
Y={1,75 3,48 4,85 6,27 7,57 8,99 10,4 11,9 13,5} |
|
||
7 |
U={21 36 50 65 80 100 120 160 220} |
|
||
|
Y={2,41 3,73 4,99 6,1 7,08 8,11 9 10,35 11} |
|
||
8 |
U={6 17 25 42 50 62 75 81 99} |
|
||
|
Y={201 192 160 139 130 129 125 94 80} |
|
||
9 |
U={11,2 12,6 18,6 21,4 25 29,6 31,1 38,2 40} |
|
||
|
Y={0,99 0,74 0,69 0,58 0,41 0,33 0,26 0,19 0,1} |
|
||
10 |
U={1 2 3 4 5 6 7 8 9} |
|
||
|
Y={2,4 2,9 3,6 4,2 5,1 5,8 6,3 7,8 9,5} |
|
||
11 |
U={3,1 4,3 5,4 6,2 7,1 8,3 9,1 10,4 15} |
|
||
|
Y={12 41 79 94 101 154 167 193 207} |
|
||
12 |
U={10 11 13 17 23 26 29 35 39} |
|
||
|
Y={55,7 50,6 43,3 18,5 8,4 2,7 1,9 1,1 0,9} |
|
||
13 |
U={1 3 5 7 9 11 13 15 17} |
|
||
|
Y={0,99 0,83 0,45 0,39 0,23 0,14 0,09 0,03 0,01} |
|
||
|
|
|
||
Продовження таблиці 4.1 |
|
|||
14 |
U={12 14 16 18 20 22 24 26 28} |
|
||
|
Y={41 58 64 74 79 96 131 158 223} |
|
||
15 |
U={0,1 0,15 0,25 0,35 0,44 0,55 0,68 0,78 0,9} |
|
||
|
Y={6,1 5,9 4,9 4,2 3,7 3,1 2,5 1,9 1,3} |
|
||
16 |
U={13 16 21 25 31 38 41 50 54} |
|
||
|
Y={22,5 27,8 32,1 39,1 47,1 68,3 94,6 111 135} |
|
||
17 |
U={1,5 2,0 2,5 3 3,5 4,0 4,5 5,0 5,5} |
|
||
|
Y={9,8 7,3 6,4 5,9 4,2 2,9 1,7 0,9 0,1} |
|
||
18 |
U={0,3 0,7 1,5 1,9 2,2 2,7 3,4 3.9 4,4} |
|
||
|
Y={0,13 0,45 0,86 1,01 1,34 1,98 2,56 3,41 5} |
|||
19 |
U={1 2 3 4 5 6 7 8 9} |
|
||
|
Y={13,4 17,1 19,4 24,3 31,6 43,3 59,9 66,6 70} |
|
||
20 |
U={23 45 65 74 82 91 101 132 167} |
|
||
|
Y={1,4 1,8 2,6 3,7 5,3 6,2 7,7 8,8 9,6} |
|
||
21 |
U={1,6 1,9 2,5 3,7 3,8 5,7 7,2 8,3 9} |
|
||
|
Y={17 15 11 9 8 4 3 2 1} |
|
||
22 |
U={23,1 26,3 29,8 31,6 34,7 48,1 55,3 62,1 72} |
|
||
|
Y={0,99 0,83 0,65 0,59 0,48 0,38 0,27 0,19 0,1} |
|
||
23 |
U={0,75 0,78 0,83 0,88 0,93 0,98 1,05 1,21 1,3} |
|
||
|
Y={2,1 2,4 2,8 3,4 3,6 4,7 5,3 6,1 7,2} |
|
||
24 |
U={1 10 20 30 40 50 60 70 80} |
|
||
|
Y={10 9,34 8,67 7,33 6,6 4,65 3,3 2,6 1,34} |
|
||
25 |
U={21 36 50 65 80 100 120 160 220} |
|
||
|
Y={1 0,6 0,39 0,24 0,15 0,1 0,06 0,03 0,015} |
|
||
26 |
U={6 17 25 31 36 47 53 63 79} |
|
||
|
Y={9,48 8 7,12 6,47 5,93 4,45 3,21 2,99 1,95} |
|
||
