- •Моделирование и идентификация объектов управления
- •Моделирование и идентификация объектов управления
- •Введение
- •Лабораторная работа №1 «Идентификация параметров статической характеристики объекта»
- •1.1 Цели и задачи работы
- •1.2 Содержание работы
- •1.6 Контрольный пример
- •1.3 Оборудование, технические и инструментальные средства
- •1.4 Порядок выполнения работы
- •1.5 Контрольные вопросы
- •Лабораторная работа №2 «Однофакторный дисперсионный анализ объекта»
- •2.1 Цели и задачи работы
- •2.2 Содержание работы
- •2.3 Оборудование, технические и инструментальные средства
- •2.4 Порядок выполнения работы
- •2.5 Контрольные вопросы:
- •2.6 Контрольный пример
- •Лабораторная работа №3 «Статистическая оценка параметров распределения случайных величин. Проверка гипотез»
- •3.1 Цели и задачи работы
- •3.2 Содержание работы
- •3.3 Оборудование, технические и инструментальные средства
- •3.4 Порядок выполнения работы
- •3.5 Контрольные вопросы
- •3.6 Контрольный пример
- •Лабораторная работа №4 «Определение параметров модели методами планирования эксперимента»
- •4.1 Цели и задачи работы
- •4.2 Содержание работы
- •4.3 Оборудование, технические и инструментальные средства
- •4.4 Контрольные вопросы:
- •4.5 Контрольный пример
- •4.6 Контрольный пример
- •Лабораторная работа №5 «Идентификация динамических характеристик объектов»
- •5.1 Цели и задачи работы
- •5.2 Идентификация динамических характеристик объектов с самовыравниванием
- •5.3 Оборудование, технические и инструментальные средства
- •5.4 Порядок выполнения работы
- •5.5 Идентификация динамических характеристик объектов без самовыравнивания.
- •5.6 Проверка адекватности
- •5.7 Методика проведения эксперимента
- •Лабораторная работа №6 «Оптимальная линейная фильтрация по Калману»
- •6.1 Постановка задачи
- •Лабораторная работа №7» Определение параметров регрессионной модели с использованием рекуррентных методов оценивания. Непараметрические методы идентификации»
- •7.1 Цель работы
- •7.2 Порядок работы
- •Лабораторная работа №8 «Идентификация на основе авторегрессионных моделей»
- •8.1 Цель работы
- •8.2 Порядок работы
- •8.3 Содержание отчета
- •Лабораторная работа №9 «Идентификация при помощи пакетов расширения matlab»
- •9.1 Цель работы
- •Лабораторная работа №10 «Оценивание состояния системы дискретным фильтром Калмана»
- •10.1 Цель работы
- •10.2 Порядок работы
- •Приложение а. Основы работы в matlab Общие сведения
- •Приложение б. Виртуальный лабораторный комплекс «Моделирование и идентификация объектов управления»
- •Приложение в. Пример проверки адекватности математической модели динамики объекта с применением расчетов в среде Mathcad
- •Приложение г. Пример проверки адекватности математической модели статики объекта по критерию Фишера в среде Mathcad
- •Приложение д. Пример проверки значимости коэффициентов математической модели статики объекта по критерию Стьюдента в среде Mathcad
- •Лабораторная работа № 8.
4.6 Контрольный пример
Пример приведен для ортогонального плана 2 порядка.
При исследовании влияния входных факторов: T (температура в реакторе, °С), Q (концентрация целевого компонента в сырье,%),F (расход сырья) на концентрацию целевого компонента на выходе, Y (%), по схеме ортогонального плана 2 порядка были получены экспериментальные данные:
Таблица4.6.
N |
T |
Q |
F |
Y1 |
Y2 |
Y3 |
Ycp |
σ2 |
Yрасч |
1 |
161.85 |
34.77 |
1.728 |
47.11 |
45.40 |
45.83 |
46.11 |
0.791 |
45.49 |
2 |
161.85 |
34.77 |
2.552 |
39.85 |
39.14 |
39.18 |
39.39 |
0.159 |
39.12 |
3 |
161.85 |
51.23 |
1.728 |
53.39 |
55.35 |
54.42 |
54.39 |
0.961 |
54.04 |
4 |
161.85 |
51.23 |
2.552 |
47.45 |
47.83 |
46.03 |
47.10 |
0.9 |
47.67 |
5 |
244.15 |
34.77 |
1.728 |
51.58 |
48.85 |
50.03 |
50.15 |
1.875 |
50.70 |
6 |
244.15 |
34.77 |
2.552 |
44.63 |
43.73 |
44.26 |
44.21 |
0.205 |
44.32 |
7 |
244.15 |
51.23 |
1.728 |
59.75 |
60.64 |
57.78 |
59.39 |
2.142 |
59.25 |
8 |
244.15 |
51.23 |
2.552 |
54.03 |
51.87 |
54.31 |
53.4 |
1.783 |
52.87 |
9 |
253.00 |
43.00 |
2.140 |
47.30 |
46.92 |
50.73 |
48.32 |
4.404 |
48.31 |
10 |
153.00 |
43.00 |
2.140 |
42.00 |
40.95 |
41.40 |
41.45 |
0.278 |
41.99 |
11 |
203.00 |
53.00 |
2.140 |
57.57 |
58.27 |
53.89 |
56.58 |
5.536 |
56.93 |
12 |
203.00 |
33.00 |
2.140 |
46.55 |
44.49 |
48.07 |
46.37 |
3.228 |
46.54 |
13 |
203.00 |
43.00 |
2.640 |
50.59 |
47.73 |
46.52 |
48.28 |
4.368 |
48.36 |
14 |
203.00 |
43.00 |
1.640 |
53.09 |
56.75 |
57.13 |
55.66 |
4.977 |
56.10 |
15 |
203.00 |
43.00 |
2.140 |
50.53 |
51.03 |
51.79 |
51.12 |
0.403 |
50.21 |
Требуется определить коэффициенты уравнения регрессии вида:
Y=B0+B1·X1+B2·X2+B3·X3+B4·X12+B5·X13+B6·X23+B7·X1’+B8·X2’+B9·X3’
оценить их значимость, а также проверить модель на адекватность эксперименту.
1) Матрица планирования в безразмерном виде будет выглядеть следующим образом:
Таблица 4.7.
n |
X0 |
X1 |
X2 |
X3 |
X12 |
X13 |
X23 |
X1’ |
X2’ |
X3’ |
1 |
1 |
-1 |
-1 |
-1 |
1 |
1 |
1 |
0.27 |
0.27 |
0.27 |
2 |
1 |
-1 |
-1 |
1 |
1 |
-1 |
-1 |
0.27 |
0.27 |
0.27 |
3 |
1 |
-1 |
1 |
-1 |
-1 |
1 |
-1 |
0.27 |
0.27 |
0.27 |
4 |
1 |
-1 |
1 |
1 |
-1 |
-1 |
1 |
0.27 |
0.27 |
0.27 |
5 |
1 |
1 |
-1 |
-1 |
-1 |
-1 |
1 |
0.27 |
0.27 |
0.27 |
6 |
1 |
1 |
-1 |
1 |
-1 |
1 |
-1 |
0.27 |
0.27 |
0.27 |
7 |
1 |
1 |
1 |
-1 |
1 |
-1 |
-1 |
0.27 |
0.27 |
0.27 |
8 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
0.27 |
0.27 |
0.27 |
9 |
1 |
a |
0 |
0 |
0 |
0 |
0 |
0.746 |
-0.73 |
-0.73 |
10 |
1 |
-a |
0 |
0 |
0 |
0 |
0 |
0.746 |
-0.73 |
-0.73 |
11 |
1 |
0 |
a |
0 |
0 |
0 |
0 |
-0.73 |
0.746 |
-0.73 |
12 |
1 |
0 |
-a |
0 |
0 |
0 |
0 |
-0.73 |
0.746 |
-0.73 |
13 |
1 |
0 |
0 |
a |
0 |
0 |
0 |
-0.73 |
-0.73 |
0.746 |
14 |
1 |
0 |
0 |
-a |
0 |
0 |
0 |
-0.73 |
-0.73 |
0.746 |
15 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
-0.73 |
-0.73 |
-0.73 |
Значения Xj’ (j=1,2,...,k) определяются по (4.8).
2) Средние значения по опытам и соответствующие дисперсии, рассчитанные по (4.1) и (4.2) сведены для удобства расчетов в таблицу 4.6.
3) Критерий Кохрена определяемый как отношение максимальной дисперсии (σmax2=5.536) к сумме всех дисперсий по опытам (32.01) будет равен:
G = 0.137
т.к. G<Gkp(α,m-1,N)=Gkp(0.05,2,15)=0.3346 следует, что дисперсия однородна, т.е. влияние неучтенных факторов отсутствует.
4)Дисперсия воспроизводимости: σвос2= 2.134 (см. 4.3)
5)Рассчитанные значения коэффициентов Bj, а также соответствующих им дисперсий σBj2 и расчетных значений критерия Стьюдента (см. формулы 4.9, 4.10, 4.11) можно свести в таблицу:
(Критическое значение Tkp(α, N(m-1))=Tp(0.05, 30)=2.04)
Таблица 4.8.
j |
Bj |
sBj |
TBj |
Значим? |
При |
0 |
49.46 |
0.218 |
227.13 |
Да |
X0 |
1 |
2.6 |
0.255 |
10.21 |
Да |
X1 |
2 |
4.27 |
0.255 |
16.77 |
Да |
X2 |
3 |
-3.19 |
0.255 |
12.5 |
Да |
X3 |
4 |
0.306 |
0.298 |
1.03 |
Нет |
X12 |
5 |
0.259 |
0.298 |
0.87 |
Нет |
X13 |
6 |
-0.075 |
0.298 |
0.25 |
Нет |
X23 |
7 |
-3.43 |
0.404 |
8.49 |
Да |
X1’ |
8 |
1.032 |
0.404 |
2.55 |
Да |
X2’ |
9 |
1.367 |
0.404 |
3.38 |
Да |
X3’ |
6) Дисперсия адекватности: σад2= 1.11 (см. 4.6)
7) Расчетное значение критерия Фишера, определяемое как отношение σад2 к σвос2 :
F = 0.52
т.к. F<Fkp(α,N-l, N(m-1))=Fkp(0.05,8, 30)=2.3 следует, что уравнение регрессии адекватно описывает экспериментальные данные.
8) Вид уравнения регрессии в безразмерной форме (с учетом только значимых коэффициентов):
Y = 49.46·X0+2.6·X1+4.27·X2-3.19·X3-3.43·X1’+ 1.032·X2’+1.367·X3’
или:
Y = 49.46·X0+2.6·X1+4.27·X2-3.19·X3-3.43·(X12-0.73)+
1.032·(X22-0.73)+1.367·(X32-0.73)
В натуральной форме:
Y = 49.46+2.6·(T-203)/50+4.27·(Q-43)/10-3.19·(F-2.14)/0.5-
3.43·([(T-203)/50]2-0.73)+1.032·([(Q-43)/10]2-0.73)+
1.367·([(F-2.14)/0.5]2-0.73)
или после раскрытия скобок:
Y = 22.535 + 0.609·T - 0.461·Q - 29.783·F - 0.001372·T2 + 0.01032·Q2 + 5.468·F2
