- •1. Введение: предпосылки создания аиус. Эволюция систем автоматизации
- •1.1. Эволюция систем автоматизации
- •1.2. Цели и задачи курса
- •2. Автоматизированные информационно – управляющие системы
- •2.1 Общие понятия
- •2.2 Иерархия автоматизированных информационно – управляющих систем
- •Асутп. Определения и функции
- •Классификация аиус
- •Разновидности аиус по характеру объекта управления (оу)
- •2.4.1.1. Объекты с непрерывным характером процесса
- •2.4.1.2. Объекты управления с дискретным характером процесса
- •2.4.5.2 Асутп с цсои, выполняющим информационные функции
- •2.4.5.3. Асутп с цсои, выполняющим управляемые функции в режиме советника
- •2.4.5.4. Асутп с цсои, выполняющим супервизорное управление
- •2.4.5.5. Асутп с цсои, выполняющим непосредственное управление
- •2.5. Системы автоматического управления на основе цифровых средств обработки информации (цсои)
- •2.6 Требования к аиус. Состав обеспечивающих подсистем аиус. Этапы создания аиус
- •3. Математическое обеспечение аиус
- •3.1 Математическая модель. Общие понятия о математической модели
- •3.2 Понятия об идентификации объекта управления
- •3.2.1. Параметрическая идентификация
- •3.2.2. Полная идентификация
- •Разработка моделей динамических процессов обобщенным экспериментальным методом (методом Калмана)
- •Проведение эксперимента. (этап 1)
- •Выбор модели. (этап 2)
- •Группировка данных. (этап 3)
- •Вычисление коэффициентов а0 и в0. (этап 4)
- •Проверка полученной математической модели на адекватность (этап 5)
- •Выбор модели объекта в виде разностного уравнения более высокого порядка. (Этап 6)
- •Разработка неформальных математических моделей
- •4. Алгоритмическое обеспечение аиус
- •Общие вопросы алгоритмизации
- •4.2. Алгоритмы сбора, первичной обработки данных и контроля состояния объекта
- •4.3. Алгоритмы плу
- •4.4 Алгоритмы цифрового двухпозиционного регулирования
- •4.5 Алгоритмы цифрового регулирования по рассогласованию
- •4.6 Алгоритм оптимального управления
- •4.6.1 Общие сведения о методах оптимизации
- •4.6.2 Построение линейной операционной модели для решения задач оперативного планирования производства
- •4.6.3. Сведения о решении задачи линейного программирования
- •4.6.4. Алгоритм симплексного метода
- •4.6.5 Пример поиска оптимального плана
- •4.7 Алгоритм календарного планирования и оперативное управление в аиус
- •4.7.1 Дискретное производство и планирование производственных процессов
- •4.7.2 Математическое моделирование и методы планирования дискретного производства
- •4.7.3 Математическая постановка задачи оперативного календарного планирования
- •4.7.3.1. Формализация характеристик технологических операций
- •4.7.3.2. Математическая постановка задачи оперативно-календарного планирования
- •4.7.3.3. Пример: построения оптимального двухоперационного плана (календарного плана)
-
Проведение эксперимента. (этап 1)
Эксперимент, организованный в соответствии со схемой (рис.3.3.1) даёт возможность зарегистрировать и запомнить значения величины X и Y в различные моменты времени
-
ti
X(ti)
Y(ti)
t -N
X(t -N)
Y(t –N)
···
···
···
t0
X(t0)
Y(t0)
···
···
···
ti-1
X(ti-1)
Y(ti-1)
ti
X(ti)
Y(ti)
···
···
···
t N
X(t M)
Y(t M)
Рис.3.3.1. Решетчатая функция.
Вместо непрерывной функции X(t) имеет место ряд значений Х в различные моменты времени:
упростим запись: , - текущий номер такта решётчатой функции, ∆t – интервал квантования по времени или период дискретизации.
В результате такого эксперимента получаем набор статистических данных, которые позволяют в дальнейшем строить ММ объекта экспериментальным методом.
-
Выбор модели. (этап 2)
При проведении эксперимента с использованием описанных выше указанных аппаратных средств, непрерывные функции X и Y трансформируются в так называемые решётчатые функции (см. рис. 3.3.1), следовательно, для описания моделей объекта нельзя использовать дифференциальные уравнения, так как они предполагают непрерывность функции. При переходе от непрерывной функции к решетчатой происходит потеря части информации об объекте, но использовать решетчатые функции и разностные уравнения в качестве ММ объекта можно, если следующие условия:
т. е. количество параметров должно быть достаточно большим. В связи с этим были предложены модели в виде разностных уравнений, которые могут базироваться на решётчатых функциях. Разностное уравнение 1-го порядка имеет вид: и являются аналогом ДУ:
Действительно, вспомним, что:
- это и есть разность 1-го порядка,
где , – период дискретизации, одинаковый во всем диапазоне исследования.
В вышеприведённой формуле мы предположили, что (Метод Калмана).
Пример: дифференциальное уравнение 1-го порядка приемлемое для непрерывной функции:
Разностное уравнение получается путём подстановки вместо дифференциала (разности 1-го порядка).
C(Yi-Yi-1)+KiYi-1=K2Xi-1, C – константа.
Аналогично можно показать соответствие ДУ 2-го порядка и РУ 2-го порядка и т. д. РУ N-го прядка имеет вид .
-
Группировка данных. (этап 3)
На этом этапе формируются данные в соответствии со следующей таблицей удобной для определения соответствующих ,
- расчетные значения выходных координат в -ый момент времени,
- экспериментальные данные.
Экспериментальные данные |
Расчётные формулы |
Y0,X0,Y1 |
=A0X0+B0Y0 |
Y1,X1,Y2 |
=A0X1+B0Y1 |
……. |
…… |
Yi-1,Xi-1,Yi |
=A0Xi-1+B0Yi-1 |
…… |
..….. |
Ym-1,Xm-1,Ym |
=A0Xm-1+B0Ym-1 |
Из таблицы видно, что по формулам и экспериментальным данным для каждого момента времени ti можно определить , но для этого нужно знать значения A0 и B0.