Идентификация динамических моделей объектов

Download Report

Transcript Идентификация динамических моделей объектов

ИДЕНТИФИКАЦИЯ ДИНАМИЧЕСКИХ МОДЕЛЕЙ ОБЪЕКТОВ

Дискретные динамические модели стохастических объектов

В динамическом режиме поведение объектов описывается различными динамическими уравнениями: обыкновенными дифференциальными, интегральными, интегродифференциальными уравнениями; уравнениями с запаздываниями; уравнениями в частных производных и их дискретными аналогами. С целью упрощения будем рассматривать наиболее простые дискретные модели. Последние выбраны именно потому, что получаемые алгоритмы идентификации и управления напрямую реализуемы на цифровой вычислительной технике (мини-,микро-ЭВМ, микропроцессоры).

Дискретные модели привязаны к номерам дискретных моментов времени и поэтому основным аргументом для входных

u(t)

и выходных

x(t), y(t)

переменных является номер дискреты

t

= 0, 1, 2,… Например:

x

(

t

) 

Ax

(

t

 1 ) 

Bu

(

t

 1 ),

t

 1 , 2 , ...,

x

( 0 ) 

x

0

x

(

t

) 

f

(

x

(

t

 1 ),

u

(

t

 1 ), (

t

 1 ),  ),

t

 1 , 2 , ...,

x

( 0 ) 

x

0

Дискретные динамические модели стохастических объектов

Считаем, что объект описывается дискретным уравнением:

x

(

t

) 

ax

(

t

 1 ) 

bu

(

t

 1 ) 

e

(

t

) 

ce

(

t

 1 ),

t

 1 , 2 , ...

.

Модель имеет вид:

y

(

t

) 

a x

(

t

 1 )  

b u

(

t

 1 )  (

x

(

t

 1 ) 

y

(

t

 1 ))

q q c b

    (

t

)

a q

Дискретные динамические модели стохастических объектов

Если объект имеет вид:

x

(

t

) 

ax

(

t

 1 ) 

b

(

u

(

t

 1 ) 

e

(

t

 1 )) То оптимальная модель имеет вид:

y

(

t

)  

a y

(

t

 1 )  

b u

(

t

 1 ),

t

 1 , 2 , ...

.

q b

a q

Подстройка параметров с использованием функций чувствительности

Для примера рассмотрим модель:

y

(

t

|  (

t

))  (

t

)

x

(

t

 1 )  

b

(

t

)

u

(

t

 1 )  Построим алгоритм расчета параметров: (

t

)[

x

(

t

 1 ) 

y

(

t

 1 |  (

t

))]  (

t

)  ( 

a

(

t

), 

b

(

t

), 

c

(

t

))

T

Линеаризуем модель относительно параметров α(t-1) , вычисленных в предыдущий момент времени:

y

(

t

|  (

t

)) 

y

(

t

|  (

t

 1 ))  

a

(

t

)  

a

(

t

)  

b

(

t

)  

b

(

t

)  

c

(

t

)  

c

(

t

) 

y

(

t

|  (

t

 1 ))  

T

(

t

)   (

t

) Здесь y(t|α(t-1)) – выход модели в момент времени t при значениях параметров, полученных в предыдущий момент времени t-1

y

(

t

|  (

t

 1 ))  

a

(

t

 1 )

x

(

t

 1 )  

b

(

t

 1 )

u

(

t

 1 )  

c

(

t

 1 )[

x

(

t

 1 ) 

y

(

t

 1 |  (

t

 1 ))] ω(t) – вектор-столбец функций чувствительности выхода модели к параметрам модели.

Подстройка параметров с использованием функций чувствительности

Функции чувствительности удовлетворяют уравнениям чувствительности:  

a

(

t

)   

c

(

t

 1 )  

a

(

t

 1 ) 

x

(

t

 1 ),  

a

( 0 )  0  

b

(

t

)    

c

(

t

(

t

)    (

t

 1 ) 

b

 1 )  ( (

t t

 1 ) 

u

(

t

 1 )  (

x

(

t

 1 ),  1 )   

b

( 0 )  0

y

(

t

 1  (

t

 1 ))), 

c

( 0 )  0 Каждое уравнение чувствительности получается дифференцированием уравнения модели по соответствующему параметру.

Для расчета параметров α(t) можно использовать, например, простейший адаптивный алгоритм:  (

t

)   (

t

 1 )   (

t

)(

x

(

t

) 

T

y

(

t

(  (

t

(

t

)  (

t

)  1 ))

Применение простейшего адаптивного алгоритма

Рассчитаем параметры линейных и нелинейных динамических моделей на основе простейшего адаптивного алгоритма.

 (

t

)   (

t

 1 )   (

t

)(

x

(

t

) 

T

y

(

t

(  (

t

(

t

)  (

t

)  1 ))

Пример

: Рассмотрим модель без обратной связи:

y

(

t

) 

i n

  1

a

i x

(

t

i

) 

j m

  1

b

j u

(

t

j

) Функциями чувствительности выхода модели к ее параметрам являются измеренные значения выхода и входа объекта:  

i

(

t

) 

x

(

t

i

),

i

 1 ,

n

,  

b j

(

t

) 

u

(

t

j

),

j

 1 ,

m

Применение простейшего адаптивного алгоритма

В каждый текущий момент времени

t

на основе измерений

x(t)

;

x(t-1), u(t-1); x(t-2), u(t-2)

параметры корректируем по простейшему адаптивному алгоритму: 

a i

(

t

)  

a i

(

t

 1 ) 

x

(

t

) 

i n

  1  2

a i y

(

t

|  (

t

 1 )) (

t

) 

j m

  1  2

b j

(

t

)

x

(

t

i

);

i

 1 ,

n

b j

(

t

)  

b j

(

t

 1 ) 

x

(

t

) 

y

(

t i n

  1  2 

a i

(

t

)  |  (

t

 1 ))

j m

  1  2

b j

(

t

)

u

(

t

j

);

j

 1 ,

m y

(

t

|  (

t

 1 ) 

i n

  1 

a i

(

t

 1 )

x

(

t

i

) 

j m

  1 

b j

(

t

 1 )

u

(

t

j

)

Применение простейшего адаптивного алгоритма

Рассмотрим нелинейную модель без обратной связи:

y

(

t

) 

f

(

x

(

t

 1 ),

u

(

t

 1 ),  1 ,  2 ) Получаем следующие выход модели и функции чувствительности:

y

(

t

|  (

t

 1 ) 

f

(

x

(

t

 1 ),

u

(

t

 1 ),  1 (

t

 1 ),  2 (

t

 1 ))   1 (

t

)   2 (

t

)   

f

f

(

x

(

t

(

x

(

t

 1 ),  1 ),

u

(

t u

(

t

 1 ),  1   1  ), 1  1   2 (

t

(

t

 1 ),  2  1 ),  2 (

t

(

t

 1 ))  1 )) Алгоритм перестройки параметров:  1 (

t

)  2 (

t

)    1 (

t

 2 (

t

 1 )  1 )  

x x

(

t

)  ( 

t

) 2  1  (  2  1

t y

(

t y

) ( ) (

t

t

 |  |  2  2  (

t

(

t

 ) 1 ))  ( 2 

t

2  (

t

1 ) ))   1   2 (

t

(

t

) )