- •Лекции по тау- 2 Семестр Содержание:
- •Нелинейные системы автоматизированного управления (сау)
- •Особенности нелинейных систем:
- •Классификация нелинейных систем.
- •Типовые нелинейности
- •Структурные преобразования нелинейных систем
- •Общие правила построения фазовых траекторий:
- •Особенности фазовых портретов для нелинейных систем.
- •Метод гармонической линеаризации
- •Применение метода гармонической линеаризации для определения устойчивости колебаний.
- •Применение критерия Гурвица для исследования нелинейных систем после гармонической линеаризации
- •Применение критерия Михайлова для анализа нелинейных систем после линеаризации
- •Применение критерия Найквеста для устойчивости нелинейных систем после гармонической линеаризации
- •Метод припасовывания
- •Оценка абсолютной устойчивости по критерию Попова
- •Синтез систем автоматического управления Синтез методом переменного коэффициента усиления
- •Порядок синтеза цсау методом переменного коэффициента усилений
- •Синтез сау методом переменного коэффициента усиления для систем с аддитивными связями.
- •Методика построения регуляторов по модульному оптимуму для n от 2 до 8.
- •Расчет регуляторов по модульному оптимуму для типовых электромеханических систем.
- •Структурная идентификация
- •Параметрическая идентификация
- •Критерий оптимальности при идентификации
- •4)Двухэтапная процедура идентификации
- •Применение методов идентификации в адаптивных системах
- •Самонастраивающиеся адаптивные системы с автоматической оптимизацией критерия качества управления
- •Метод Гаусса – Зейделя
- •Метод наискорейшего спуска
- •Синтез оптимального дискретного управления для систем с аддитивными связями.
Параметрическая идентификация
Данный метод заключается в определении параметров модели по известной структуре, но параметры должны быть оптимальны в определенном смысле. Исходными данными являются наблюдения за входными и выходными величинами объекта.
Пример
0.63K
W(p)=K/(Tp+1) Необходимо по графику определить параметры К и Т.
К=У(); Т определяется по графику на месте пересечения прямой 0,63К и графика.
Идентифицируемость систем
Определение – система является идентифицируемой если по наблюдениям за вектором состояния можно восстановить значения параметров объекта (матрица коэффициентов А)
Критерий идентифицируемости -
Параметрическая идентификация может осуществляется по одной из двух схем реализации:
1). Явные методы идентификации.
2).Схема с настраевоемой моделью
Явные методы
Модель строится спустя некоторое время t.
Требует дополнительной памяти для накопления исх. данных и идентификации
Модель получается точной.
Математический аппарат: точные методы.
Схема с настр. моделью
Модель существует практически с первого шага, а потом лишьуточняется до определенной точности
Дополнительной памяти не требуется
Модель получается с определенной заданной точностью
Математический аппарат: иррациональные методы
Критерий оптимальности при идентификации
В задачах идентификации У=f(E) – функция от ошибки Уextremum( min или max )
В зависимости от вида функции f определяется следующие критерии и соответствующие им методы идентификации:
Метод наименьших квадратов. У=ЕТЕ min – не требует дополнительной амлеорной информации об объекте.
Обобщенный метод наименьших квадратов. У=ЕТ N Е N – ковариационная (матрица шума – когда на объект действует белый шум) состоит из коэффициентов ( зависит от помех по отношению друг к другу)
Максимальное правдоподобие У= f( E, N ,P) min – закон распределения шума.
1-ый метод применяется для детерминированных систем ( помехи незначительны и ими можно пренебречь. Если помехи оказывают влияние , то необходимо увеличить количество наблюдений, которые позволяют отфильтровать их.
2-ой,3-ий методы применяются для стохастических систем , где не только существуют помехи, но и сама модель описана вероятностной характеристикой.
Метод наименьших квадратов как основа регрессионного анализа
Регрессионная модель y = a0+a1x+a2x2+…+anxn
Пример:
r
x2
x1
Данный метод идентификации применяется для линейных непрерывных систем, а для нелинейных систем существуют другие методы.
Идентификация нелинейных систем
Для этого применяются следующие подходы:
Частные решения нелинейных систем путем линеаризации.
Метод Виннера
Модель Гаммерштейна
Двухэтапная процедура идентификации
1) Частные решения нелинейных систем путем линеаризации
Путем математических преобразований приводим систему к линейному виду, которая идентифицируется методами линейных систем – т.е. регрессивными методами.
Апроксимация нелинойности полиномами
Пусть дана зависимость y=f(x) составим таблицу
x |
y |
x0 |
y0 |
… |
… |
xn |
yn |
Затем по интерполяционным формулам получаем функцию в виде полинома y=f(x)=a0+a1x+…anxn
введем переменные u1=x2, u2=x3,…,un-1=xn f(x)=a0+a1x+a2u1+a3u2+…+anun-1
2) Метод Виннера
Считается, что вид нелинейности неизвестен, данный метод основан на следующей процедуре
Входной сигнал разлагается на функцию Лаггера Если к функции применить прямое преобразование Лапласа, то
а i- коэффициент Лаггера – выход каждого звена
Выходной сигнал определяется по формуле:
На практике данный метод применяется редко, т.к. отсутствует ясная связь между коэффициентом Лаггера и физическими параметрами объекта.
3) Модель Гаммерштейна
x=f(e)
1) Если вид функции неизвестен – тогда подаются на вход различные сигналы Ui , и снимаются соответствующие сигналы е и х и составляется таблица
U |
e |
x |
U0 |
e0 |
x0 |
… |
… |
… |
Un |
en |
xn |
Затем по интерполяционным формулам находим х= а0+ а1е +а2е2+…+аnen f(e)Pn(e)
После того, как нелинейность аппроксимирована полиномом, идентификация системы сводится к идентификации линейной части ( с помощью методов наименьших квадратов)
2) Если вид функции известен, то находим выходной сигнал х и задача сводится к задаче идентификации.