Файл: Лебедкин, В. Ф. Проектирование систем управления обогатительными производствами.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 16.10.2024

Просмотров: 121

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

вания, определенные гипотезы или экспериментальные данные. Иногда этот путь дает хорошие результаты, но он практически не применим для сложных объектов, так как при описании приходится идеализировать процесс, вводить в большинстве случаев ряд кон­ стант и условий, которые не остаются постоянными в реальных условиях.

Задачу идентификации можно решить статистическими мето­ дами, обработкой некоторых данных процессов методами регресси­ онного анализа и теории случайных функций. При идентификации различают две задачи [239]:

определение структуры и параметров

объекта;

 

 

 

определение

параметров объекта при

заданной

или

принятой

структуре.

 

 

 

 

 

 

Если в первом случае имеем дело

с

«черным»,

непрозрачным

ящиком,

то во

втором — оперируют

«серым»,

полупрозрачным.

Именно

второй

случай представляет

наибольший

интерес,

так как

наличие априорных сведений о структуре объекта (к этому мы и стремимся, когда делим целое на части) позволяет значительно ус­ корить процесс оценки.

Рассмотрим алгоритмы расчета статических моделей с использо­ ванием методов регрессионного анализа.

Как уже было сказано, характерной особенностью управляющих систем обогатительных процессов является отсутствие в них авто­ матических измерителей некоторых важнейших технологических параметров. Это приводит к тому, что информацию о таких пара­ метрах можно получить лишь путем лабораторных анализов уже спустя некоторое, часто значительное, время по прошествии пере­ ходных процессов, вызванных изменением величины этих возму­ щающих параметров. Таким образом, практически имеем дело с по­

ложением, когда поверхность

отклика

Д' (хі,

х2, ..., Xk,

у и

.. -,

ут)

может быть задана лишь числовыми наборами

 

 

 

 

 

К™=К(х\1\

 

4 ° ,

у\\

 

. . . . уіР);

1=1,

2,

3 . . .

 

в

некоторой

замкнутой

области

о

(k + m)- мерного

евклидова

про­

странства.

Здесь

X®, ..., xfïï,

...,

—возмущающие

и wm , . . .

 

 

 

l

i

f

e

 

 

 

 

 

i

 

...,

у®, ...,

г/ю —управляемые

параметры

системы в

1-й момент

 

j

m

 

 

 

 

 

 

 

 

 

 

 

времени; К{,) — значение целевой функции в

1-й момент

времени.

 

Величина выборки п для целевой функции k и соответствующих

аргументов

{х, у),

как

правило,

недостаточна для того, чтобы ох­

ватить все

возможные

технологические

ситуации процесса и,

сле­

довательно, исключает возможность удовлетворительного выбора оптимальных режимов в дальнейшем.

Это приводит к необходимости отыскания непрерывной формы

для К в виде некоторой функции K = F{x,

у}.

Как

известно, существует множество

способов интерполяции

функции

по ее численным значениям [20]. Выбор способа интерпо-

121


ляции целиком определяется

субъективными

задачами

исследова­

теля. Для дальнейших

построений

К{х, у}

удобно

представить

в виде полинома F{x,

у} от

(k + tn)

переменных степени, не выше

второй. Вообще говоря, степень полинома можно не ограничивать, но характер экспериментальных зависимостей параметров, напри­

мер флотационных

процессов [11, 91, 158, 204], и некоторые част­

ные исследования

[98, 125, 258] свидетельствуют о том, что в ра­

бочих диапазонах изменения аргументов {х, у} практически доста­ точно приближения полиномами второго порядка.

Общий вид полинома второй степени от (k + m) переменных сте­ пени можно представить выражением

 

 

 

Xx[l

. . . x[ky['

. . .

у^,

 

 

(111.78)

где і = 1, k,

k— число параметров возмущения; / = 1, m, m — число

параметров

управления;

4 = 0,

1, 2—-степень

аргумента

ХІ;

J \ =

= 0,

1, 2 — степень аргумента у^, причем для каждого члена

поли­

нома

(111.78) выполняется условие

 

 

 

 

 

 

 

 

 

 

 

 

* * + Л < 2 .

 

 

 

 

 

(111.79)

Например, для случая

 

 

 

 

 

 

 

 

 

 

 

 

 

 

K=F{xu

 

х2,

у}

 

 

 

 

 

многочлен имеет вид

 

 

 

 

 

 

 

 

 

 

 

F [х,

у}=

а ш + а т

х х - f

 

 

 

 

 

атх2ту+ашх\-fатх\-f-

 

 

 

+

аоо2У2 ~\~ aiwXxx2

-f-Q.m xx y -f- a0 i

\X2y.

 

 

Число членов N в выражении

(111.78)

определяется соотноше­

нием

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

¥ = 2 ( Ä +

m) + ^.2

+ m

+

l ,

 

 

(Ш.80)

где с — знак сочетаний.

 

 

 

 

 

 

 

 

 

 

Например, для (k + m) =30 N = 496, а

для

(k + m) = l0

N = 66.

Совершенно

естественно

поэтому

стремление к

целесообразному

уменьшению числа членов в полиноме в каждом

конкретном

слу­

чае,

а это связано, прежде всего, с определением

конкретного

вида

поверхности отклика. Такую задачу можно решить с привлечением регрессионного анализа.

Очевидно, вид многочлена F{x, у} в каждом отдельном случае определяется теснотой связи и формой связи параметров {х} и {у}

сцелевой функцией К [201].

Втеории регрессионного анализа теснота линейной связи харак­ теризуется величиной частного коэффициента корреляции. Так, ча-

122



стный коэффициент

корреляции

между

К и хх

определяется по

формуле

 

 

 

 

г

 

-=

/?12

(111.81)

Кх. (х0

х ь , у, ,

Ут)

V « И

»22

где /?ц, / ? і 2 , ^?22—миноры, получаемые из определителя R вычерки­ ванием первой строки и первого столбца, первой строки и второго столбца, второй строки и второго столбца соответственно из глав­ ной матрицы R коэффициентов корреляции между К и аргументами

{*. у} :

 

1

'Kl

'Kl

' К

(fe +

m)

 

 

 

 

 

 

 

 

 

1

12

Г 1

(ft +

m)

 

 

 

 

 

 

 

 

 

 

 

 

(111.82)

 

Г(к + т

 

 

 

1

 

 

 

 

Коэффициенты корреляции подсчитывают обычно по формулам

типа

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(111.83)

 

1=1

 

' '

 

 

 

 

 

 

где и

текущие значения

аргументов х\ и Хг; п — длина вы­

борки;

 

 

 

 

 

 

 

 

 

 

Щ\ — —

Х х

 

 

 

 

 

(111.84)

 

 

 

 

 

 

 

 

 

 

 

 

I :

 

 

 

 

 

 

математическое ожидание параметра хі\

 

 

 

 

 

 

 

 

i=i

 

 

 

 

 

 

(III.85)

 

 

 

 

 

 

 

 

 

дисперсия

параметра Хи* Математическое

ожидание

и дисперсия

параметра х-> подсчитываются аналогично параметру хі.

Остальные частные коэффициенты корреляции подсчитываются

по формулам, аналогичным (111.81).

 

 

 

 

 

 

Заметим, что частный коэффициент корреляции

означает тес­

ноту линейной связи функции k

с аргументом

хі

при

фиксирован­

ных прочих параметрах. На величину частного

коэффициента кор­

реляции влияет лишь факт закрепления

за

остальными парамет­

рами постоянных значений, но не сами

значения

[201].

Меру нелинейной связанности случайных величин

принято ха­

рактеризовать корреляционным

отношением.

Для

многомерных

* Подсчитанные таким образом величины нельзя незывать математическим ожиданием и дисперсией. В математической статистике и теории случайных функций их называют оценками математического ожидания и дисперсии [182].

123


распределений, если нас интересует сила связанности k только с од­ ним из параметров из группы {х, у), следует пользоваться частным корреляционным отношением, определяемым по формуле [157]

 

 

 

 

 

 

 

_

 

[Vi

 

 

2

Уm)

Ѵ'2'--" У m)]

,

 

(111.86)

 

 

 

 

 

 

ут)~

 

 

 

 

 

 

(х2

 

 

У m)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ï f

t

 

 

 

 

 

 

 

 

 

 

где

k

( х ь .

. ., у

т )

—среднее

значение

k

при

фиксированном

наборе

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

X i , . . . ,

Xk,

у и

..., Ут, k

 

 

 

—среднее

значение

при

фиксиро-

 

 

 

 

 

 

 

\х%, .

.

Ут)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ванном наборе

х2 , ...,

xk,

 

у и

...,

ут\

 

[k,

 

 

 

,—k,

 

 

 

, ] 2

 

 

 

 

г

'

 

'

J

 

'

и

'

 

1

 

у т

)

 

(X,,

• • .,

у т )

'х,

 

среднее значение по ху\

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

где

/?и,22-—минор

определителя

 

(III.82),

 

получаемый

вычеркива­

нием первой и второй строки и первого и второго

столбца.

 

 

 

Сравнением

частного

 

коэффициента

 

корреляции,

например

г.

,

 

,

с частным

корреляционным

отношением

ті,

,

 

 

hx,

(xs

 

ѵт)

 

 

 

 

 

Г Г

 

 

 

 

 

 

 

 

 

 

 

 

'ft*,

(эй

 

у т )

можно определить форму связи k с Хі. При этом следует

учитывать

следующие случаи:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1.

г.

,

 

 

 

. и т і . ,

 

 

 

 

 

 

 

.

близки к нулю.

 

 

kx,

2 , . . .,

xk, у и

. ., ут)

 

'fex,

2

 

xh,

у

 

, ут)

 

 

 

 

 

J

и ху

При этом существует большая вероятность, что связь между k

чрезвычайно слаба и ею можно

 

пренебречь.

Однако

всякий

раз,

когда по каким-либо соображениям возникают

сомнения

о досто­

верности

рассчитанных

г.

 

.

 

 

.

и т) . ,

 

 

,,

следует

приме-

 

 

 

 

 

 

 

ЯХ\

{Х2^ . . .,

Уш>

 

ЖЙІ \Х2>

• • •'

Уш>

 

 

 

 

 

[206]

нять проверку гипотезы об отсутствии

корреляционной связи

и, таким образом, достаточно надежно определять ее наличие.

 

 

2.

г.

,

 

, »г)

 

 

 

. В

этом

случае

предполагается,

 

 

ЯХ\

(Х2, . . .,

Vyff)

ЯХІ

(Ж2» • •

Ут'

 

 

 

 

 

 

 

 

 

 

следует прове­

что k с ху связаны линейной зависимостью. Однако

рить,

существенно

ли

 

расхождение

между

г

 

 

 

 

и

•n

(Xs, . . .,

 

или оно случайно. Оценить

случайность

или

неслу-

ЯХ\

у )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

чайность расхождения частного коэффициента корреляции и част­ ного корреляционного отношения можно в этом случае определе­ нием величины [201]

Ѵ п

( ^ ( х -

ут) r Uof, . .... ym ))

(111.88)

где п — объем выборки из генеральной совокупности.

 

Если расхождение

случайно, то с большей вероятностью

можно

считать связь k и ху линейной. В случае неслучайного расхождения

124