- •Идентификация как метод построения моделей
- •Задача идентификации
- •Сведения об объекте.
- •Идентификация статических оу. Определение статического объекта
- •Регрессионные модели идентификации
- •Выбор уравнения регрессии
- •Оценка параметров линейной регрессионной модели (пассивный эксперимент).
- •Аппаратная реализация процесса идентификации
- •Оценка адекватности модели
- •Проверка центрированности остаточного ряда
- •Проверка остатков на нормальное распределение
- •Оценка значимости модели и ее параметров
- •Критерий Фишера
- •Ошибка аппроксимации
- •Нелинейные регрессионные модели
- •1. Метод покоординатной оптимизации (Гаусса – Зайделя).
- •Градиентные методы поиска
- •Метод сопряженных направлений
- •Метод Ньютона
- •Квазиньютоновские методы
- •Динамические детерминированные су Линейные динамические объекты
- •Частотный метод определения коэффициентов пф
- •Идентификация с помощью настраиваемой модели
- •Метод модулирующих функций
- •В общем случае получаем
- •Конструкция модулирующих функций
- •Применение дискретных моделей для идентификации непрерывного оу
- •Непараметрические модели идентификации
- •Корреляционный метод идентификации
- •Корреляционный метод, решаемый на эвм
- •Разделим обе части (8) на :
- •Идентифицируемость оу
- •Оценка состояний объекта
- •Аппроксимация весовой функции оу
- •Авторегрессионные модели динамических объектов
- •Выбор периода дискретизации
- •Идентификация нелинейных непрерывных оу
- •Модели линейные относительно идентифицируемых параметров
- •Или более компактно, введя реакции динамических звеньев (5):
- •Представим степень интеграла в правой части (23) в виде произведения интегралов:
- •Планирование эксперимента
- •Критерии планирования эксперимента
- •Планы для моделей, описываемых полиномами первого порядка
- •Информационная матрица плана:
- •Полные факторные планы
- •Правило построения полных факторных планов
- •Дробные факторные планы (дробный факторный эксперимент)
- •Свойства полных и дробных факторных планов для линейных моделей
- •Технология проведения эксперимента
- •Планы второго порядка
- •Ротатабельный ортогональный центральный композиционный план
- •Диагностика линейных оу методом комплиментарного сигнала.
- •Аналитический расчет кс
- •Расчет кс по измеренным значениям выходного сигнала
- •Процедуры диагностирования
- •Локализация дефектов по годографу неисправностей (гн)
- •Байесовский метод диагностики
- •Прогнозирование технического состояния.
- •Линейное прогнозирование
Корреляционный метод идентификации
Линейный динамический объект с одним входом и одним выходом . В общем случае переменные и являются случайными процессами. Для упрощения полагаем их стационарными. Требуется найти по известным реализациям входа и выхода на некотором интервале оценку оператора ОУ, под которым будем понимать весовую функцию .
Выход ОУ:
. (1)
где – весовая функция объекта, подлежащая оценке.
Так как по условию вход – стационарный случайный процесс, его можно представить в виде постоянного математического ожидания и случайного центрированного процесса :
В установившемся режиме такая структура будет иметь и выход:
Связь между случайным входом и случайным выходом определяется (1). Подставив в (1) интеграл (1) распадется на два интеграла, один из которых (2), а второй определяется математическим ожиданием.
(2)
(2) – случайная составляющая выхода.
Умножим обе части (2) на и осуществим операцию математического ожидания над ними.
В результате получаем уравнение Винера-Хопфа:
(3)
Которое связывает взаимную корреляционную функцию входа и выхода с корреляционной функцией входа.
Для определения весовой функции в соответствии с (3) необходимо иметь информацию о корреляционной функции входа и взаимно корреляционной функции. Необходимо исключить верхний предел равный бесконечности.
– интервал корреляции, т.е. временный сдвиг между сечениями случайного процесса, начиная с которого корреляционная функция близка к 0.
значение случайного процесса при – сечение случайного процесса( )
– функция интеграла между двумя сечениями
Уравнение Винера-Хопфа примет вид (4):
(4)
Оценки корреляционных функций
Эти формулы справедливы для эргодического случайного процесса. Эргодический случайный процесс – стационарный случайный процесс, у которого характеристики, определенные по одной бесконечной реализации совпадают с характеристиками, найденными по множеству реализаций.
Параметрический метод решения уравнения Винера – Хопфа
Весовая функция разлагается по системе известных функций (5):
(5)
(5) подставим в (4) и используя квадратичный критерий идентификации, находятся оценки коэффициентов , которые минимизируют данный критерий.
Корреляционный метод, решаемый на эвм
Уравнение Винера-Хопфа преобразуя его к дискретному времени с периодом дискретизации , – число наблюдений на интервале . Результатом идентификации в этом случае являются оценки дискрет весовой функции , представляющей собой модель ОУ. Интеграл свертки (7) преобразуется к дискретной свертке (8):
(7)
(8)