Файл: Конспект лекций для магистрантов специальности 6М070200 Автоматизация и управление.doc
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 27.04.2024
Просмотров: 300
Скачиваний: 0
СОДЕРЖАНИЕ
Модуль 1. Моделирование и идентификация статических характеристик объектов
Тема 2 Математические модели объектов идентификации
Лекция 2 Основнные понятия и терминология дисциплины
Лекция 3 Постановка задачи моделирования и идентификации статических характеристик объектов
Лекция 4 Основные характеристики случайных величин
Лекция 5 Оценка статистических показателей(часть1)
Лекция 6 Оценка статистических показателей(часть2)
Лекция 7 Статические модели в форме управления регрессии и методы их определения (часть 1)
Лекция 8 Статические модели в форме управления регрессии и методы их определения (часть 2)
Лекция 9 Статические модели в форме управления регрессии и методы их определения (часть 3)
Лекция 10 Статические модели в форме управления регрессии и методы их определения (часть 4)
Лекция 11 Методы планирования эксперимента (часть 1)
Лекция 12 Методы планирования эксперимента (часть 2)
Лекция 13 Методы планирования эксперимента (часть 3)
Лекция 14 Методы планирования эксперимента (часть 4)
Лекция 15 Методы планирования эксперимента (часть 5)
Модуль 2. Моделирование и идентификация динамических характеристик объектов
Тема3 Моделирование и идентификация динамических характеристик объектов
Лекция 16 Множество моделей, структуры моделей (часть 1)
Лекция 17 Множество моделей, структуры моделей (часть 2)
Лекция 18 Идентификация динамических систем
Лекция 19 Определение частотных характеристик.
Лекция 20 Определение переходных характеристик
Тема 4 Параметрическая статистическая идентификация
Лекция 21 Основные характеристики времянных рядов
Лекция 22 Параметрическая статистическая идентификация (часть 1)
Лекция 23 Параметрическая статистическая идентификация (часть 2)
Лекция 24 Параметрическая статистическая идентификация (часть 3)
Лекция 25 Параметрическая статистическая идентификация (часть 4)
Лекция 26 Параметрическая статистическая идентификация (часть 5)
Лекция 27 Параметрическая статистическая идентификация (часть 6)
Тема 4 Специальное программное обеспечение задач моделирования
Лекция 28 Специальное программное обеспечение задач моделирования (часть 1)
Лекция 29 Сециальное программное обеспечение задач моделирования (часть 2)
Лекция 30 Сециальное программное обеспечение задач моделирования (часть 2)
Приложение А. Условные обозначения
Приложение Б. Глоссарий. Основная терминология
Методическое обеспечение дисциплины и ТСО.
Учебники, учебные пособия, методические указания, конспекты лекций, справочники и др.
Плакаты, слайды, видео- и телефильмы, программы для ЭВМ (номера, полные названия)
Ф. 7.11-18
С.У. Исмаилов
СОВРЕМЕННЫЕ МЕТОДЫ ИДЕНТИФИКАЦИИ ОБЪЕКТОВ И СИСТЕМ УПРАВЛЕНИЯ
Конспект лекций
Шымкент, 2017
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РЕСПУБЛИКИ КАЗАХСТАН
ЮЖНО-КАЗАХСТАНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ им. М.О.АУЕЗОВА
Исмаилов С.У.
СОВРЕМЕННЫЕ МЕТОДЫ ИДЕНТИФИКАЦИИ ОБЪЕКТОВ И СИСТЕМ УПРАВЛЕНИЯ
Конспект лекций
для магистрантов специальности
6М070200 “Автоматизация и управление”
Шымкент, 2017 г.
УДК 658.012.011
ББК 6П7.1
Исмаилов С.У. Современные методы идентификации объектов и систем управления: Конспект лекций для магистрантов специальности 6М070200 «Автоматизация и управление». Шымкент, Южно-Казахстанский Государственный Университет им. М.О. Ауезова, 2017 г. - 160 с.
ISBN _____
Конспект лекций разработан на основании государственного общеобязательного стандарта образования Республики Казахстан ГОСО РК ГОСО 03.08.345-2006 специальности 6М070200 – «Автоматизация и управление» и программы дисциплины, разработанной кафедрой автоматизации, телекоммуникаций и управления ЮКГУ им. М.О.Ауезова (Утверждены проректором по УМО ЮКГУ «__»_____2017 г.)
Конспект лекций содержит материал, предусмотренные программой дисциплины и предназначен для магистрантов специальности 6М070200 – «Автоматизация и управление» всех видов обучения и смежных специальностей. Содержит материл лекций и сведения, необходимые для выполнения СРС и СРСП.
Рецензенты:
д.т.н., профессор кафедры ПАОС ЮКГУ Ескендиров Ш.З.
к.т.н., доцент, руководитель филиала №89 НТЦ МОНРК Каланов C.M.
Учебно-методическое пособие рекомендовано к изданию Методическим советом ЮКГУ им. М.Ауезова, протокол № ___ от «____» _______ 2010 г.
© Южно-Казахстанский государственный университет им.М.Ауезова, 2017 г.
© Исмаилов С.У., 2017 г.
Содержание
Стр.
Цели и задачи дисциплины 6
Выписка из учебного плана 7
Модуль 1. Моделирование и идентификация статических характеристик объектов 7
Тема 1. Введение 7
Лекция 1 Вводная 7
Тема 2 Математические модели объектов идентификации 18
Лекция 2 Основнные понятия и терминология дисциплины 18
Лекция 3 Постановка задачи моделирования и идентификации статических характеристик объектов 23
Лекция 4 Основные характеристики случайных величин 31
Лекция 5 Оценка статистических показателей(часть1) 35
Лекция 6 Оценка статистических показателей(часть2) 39
Лекция 7 Статические модели в форме управления регрессии и методы их определения (часть 1) 42
44
Лекция 8 Статические модели в форме управления регрессии и методы их определения (часть 2) 45
Лекция 9 Статические модели в форме управления регрессии и методы их определения (часть 3) 47
Лекция 10 Статические модели в форме управления регрессии и методы их определения (часть 4) 50
Лекция 11 Методы планирования эксперимента (часть 1) 53
Лекция 12 Методы планирования эксперимента (часть 2) 57
Лекция 13 Методы планирования эксперимента (часть 3) 62
Лекция 14 Методы планирования эксперимента (часть 4) 64
Лекция 15 Методы планирования эксперимента (часть 5) 67
Модуль 2. Моделирование и идентификация динамических характеристик объектов 69
Тема3 Моделирование и идентификация динамических характеристик объектов 69
Лекция 16 Множество моделей, структуры моделей (часть 1) 69
Лекция 17 Множество моделей, структуры моделей (часть 2) 75
Лекция 18 Идентификация динамических систем 80
Лекция 19 Определение частотных характеристик. 84
Лекция 20 Определение переходных характеристик 90
Тема 4 Параметрическая статистическая идентификация 97
Лекция 21 Основные характеристики времянных рядов 97
Лекция 22 Параметрическая статистическая идентификация (часть 1) 102
Лекция 23 Параметрическая статистическая идентификация (часть 2) 108
Лекция 24 Параметрическая статистическая идентификация (часть 3) 115
Лекция 25 Параметрическая статистическая идентификация (часть 4) 117
Лекция 26 Параметрическая статистическая идентификация (часть 5) 119
Лекция 27 Параметрическая статистическая идентификация (часть 6) 122
Тема 4 Специальное программное обеспечение задач моделирования 125
Лекция 28 Специальное программное обеспечение задач моделирования (часть 1) 125
Лекция 29 Сециальное программное обеспечение задач моделирования (часть 2) 133
Лекция 30 Сециальное программное обеспечение задач моделирования (часть 2) 137
Приложение А. Условные обозначения 150
Приложение Б. Глоссарий. Основная терминология 151
Методическое обеспечение дисциплины и ТСО. 157
Учебники, учебные пособия, методические указания, конспекты лекций, справочники и др. 157
Основная литература 157
Дополнительная литература 157
Плакаты, слайды, видео- и телефильмы, программы для ЭВМ (номера, полные названия) 158
Программы для ЭВМ 158
Плакаты (имеется аналогичный раздаточный материал и слайды) 158
Пособия в электронном виде, имеющиеся на кафедре 158
Цели и задачи дисциплины
Дисциплина «Современные методы идентификации объектов и систем управления» является одним из дополнительных направлений в современной подготовке специалистов по специальности 6М070200 – «Автоматизация и управление».
Целью преподавания дисциплины «Современные методы идентификации объектов и систем управления» является разработка математической модели и реализация процесса идентификации автоматизируемою технологического процесса (ТП) в системах связи и телекоммуникаций.
В процессе обучения магистранты должны получить знания: принципов системного подхода при решении задач автоматизации и управления; основных методов и алгоритмов; особенностей исследований непрерывных и дискретных технических систем, и объектов управления; основных положений автоматизации как научных, так и промышленных исследований в задачах идентификации и моделирования технических систем. Магистрант должен приобрести умения: ориентироваться и обоснованно применять методы и алгоритмы; проводить исследования и обрабатывать результаты с целью получения математических моделей в рамках процесса проектирования и построения систем управления объектами различной физической природы. В результате специалист получает навыки решения творческих, исследовательских и производственных задач на основе самостоятельности освоения и проработки технического задания на разработку; изучения научно-технической литературы; применение вычислительной техники для реализации разрабатываемых или осваиваемых алгоритмов.
Приведенное ниже содержание лекционного материала является основной для самостоятельной работы по изучению материала дисциплины при подготовке к лекции и отчетности. В процессе прослушивания лекции магистрант должен иметь при себе эти методические указания, используя их для пометок. Это позволяет значительно сократить время на конспектирование материала.
Выписка из учебного плана
Семестр | Количество недель | Распределение часов по семестрам и видам занятий | Всего часов | Итоговый контроль | |||||||
Лекции | Практические занятия | Семинары | Индивидуальная работа магистранта (ИРС) | Лабораторные занятия | Курсов проекты, работы | СРС | СРСП | ||||
7 | 15 | 30 | 1 | | | 15 | | 45 | 45 | 135 | Экзамен |
Модуль 1. Моделирование и идентификация статических характеристик объектов
Тема 1. Введение
Лекция 1 Вводная
Задачу идентификации характеристик системы можно рассматривать как дуальную по отношению к задаче управления системой. Нельзя управлять системой, если она не идентифицирована либо заранее, либо в процессе управления. Например, мы не можем управлять автомобилем, пока не познакомимся с его реакцией на поворот руля, нажатие акселератора или тормоза, т. е. пока не ознакомимся со свойствами автомобиля. Этот процесс освоения автомобиля («привыкания» к нему) и представляет собой процесс идентификации. Таким образом, идентификацию реакции автомобиля мы осуществляем и в том случае, когда нам не известна система описывающих его дифференциальных уравнений. B общем случае, если необходимо перевести систему из состояния A в состояние В, то можно положиться либо на свое умение управлять системой, либо изучить реакции системы на одно или несколько управляющих воздействий. Если априори известно, что воздействие Uj переводит систему ближе к состоянию В, то следует прилагать именно это входное воздействие. B отсутствие такого априорного знания можно измерять реакции системы на ряд входных воздействий, выполняя таким образом по существу идентификацию. Знание результатов идентификации до начала процесса управления существенно влияет на его реализацию.
Выявление дифференциальных уравнений процесса представляет собой одну из возможных, но не единственную форму идентификации. Можно, например, составить таблицу возможных управляющих воздействий и соответствующих им откликов системы в заданном интервале времени. Из этой таблицы можно затем легко определить лучшие (с точки зрения преследуемой цели) процессы управления. Подобно этому могут быть сформированы идентификационные модели и на основании других методов описания процессов.
B дисциплине рассматриваются различные методы идентификации, основанные на разных подходах к форме задания идентификационных моделей (например, дифференциальные уравнения, разностные уравнения, передаточные функции, градиентные выражения и т. п.).
Ни один из обсуждаемых методов идентификации не годится для идентификации всех видов систем. Каждый из них имеет свою область или области применения. Это, однако, не означает, что на современном уровне идентификация должна рассматриваться как набор готовых рецептов для различных типов систем. Сейчас уже можно говорить о теории идентификации, имеющей дело с оцениванием параметров на основании измеренных текущих входных и выходных данных, причем качество идентификации повышается с увеличением числа измерений. Ошибки идентификации, естественно, приводят к ошибкам в управлении или в требуемом выходном параметре системы; эти ошибки могут быть использованы для дальнейшего улучшения идентификации. Следовательно, теория идентификации аналогична, точнее, дуальна теории управления, в которой ошибки управления (в предположении, что система идентифицирована) используются для улучшения последующего процесса управления. Аналогично теории управления в теории идентификации существует несколько подходов, применяемых ко многим ситуациям и случаям.
Теория идентификации распространена на случай оценивания параметров устройств предсказания и фильтров. Это объясняется тесной взаимосвязью задач предсказания и идентификации, поскольку идентификация проводится обычно в целях облегчения предсказания поведения идентифицируемой системы в будущем. Однако задача предсказания отличается от задачи идентификации тем, что последняя для предсказания поведения в будущем рассматривает соотношения входов и выходов системы при заданных параметрах и входных воздействиях системы. Предсказание временных рядов основано на анализе измеренных значений, однако входные воздействия часто недоступны измерению и полностью неизвестны. Поэтому идентификация параметров устройств предсказания основана лишь на использовании предшествующих измерений сигналов, значения которых в будущем необходимо предсказать (и которые рассматриваются как выход системы, чей вход недоступен измерению), а воспользоваться данными о соотношениях входов и выходов нельзя.
Вообще говоря, различают несколько характерных ситуаций, для которых необходимы различные методы исследования. Во- первых, различают системы линейные и нелинейные, причем линейные системы легче идентифицировать, поскольку они обладают свойствами суперпозиции. Во-вторых, различают системы стационарные и нестационарные (к последним относятся системы с изменяющимися во времени параметрами). Системы могут считаться стационарными, если их параметры меняются медленно по сравнению со временем, которое требуется для точной идентификации. В-третьих, системы часто делятся на дискретные и непрерывные, хотя преобразовать непрерывную формулировку задачи в дискретную обычно довольно просто. Четвертый вариант классификации различает методы идентификации для систем с одним или несколькими входными воздействиями. Это деление целесообразно вводить потому, что методы идентификации значительно упрощаются, если на систему подается лишь одно входное воздействие, по сравнению со случаем, когда на систему действует одновременно комбинация нескольких возмущений или входных воздействий. Пятый вариант классификации предусматривает возможность идентификации детерминированных или стохастических процессов. При идентификации последних ориентируются в основном на вероятностные представления о точном состоянии системы. (На практике все результаты измерений засорены шумом и для точной идентификации необходимо осуществить фильтрацию или сглаживание). При идентификации детерминированных систем обычно предполагается, что фильтрация уже была проведена. Шестой, и, возможно, наиболее важный, но трудно осуществимый, вариант классификации — классификация методов идентификации в зависимости от наличия априорной информации о системе. При классификации систем по признакам линейности или стационарности также используют априорную информацию. Эти признаки (линейность и стационарность), если они заранее неизвестны, конечно, могут быть установлены в процессе анализа результатов измерений. При любом методе идентификации очень важным является знание размерности вектора состояния и природы внутренних связей или нелинейностей.