Файл: Брикман, М. С. Аналитическая идентификация управляемых систем.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 22.10.2024

Просмотров: 123

Скачиваний: 0

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

135 МЕТОД ПОСЛЕДОВАТЕЛЬНЫХ ПРИБЛИЖЕНИЙ

Теорема 4.8. Итерационный процесс (4.17) устойчив по отно­ шению к возмущениям уравнения идентификации (2.10) и по­ грешностям вычислений, если выполняются условия

шах ||Сг-+АЛ,||^<7i< 1;

1=0,1,2....

шах ||Л,-|К<72<1.

i=0,l,2,...

Доказательство. В условиях теоремы из формулы (4.35) нолучаем

Пт

 

&(ф+бф)+б

< Пш g 8(n) =

71-+-00

П-+оо

1—а—е

 

 

6бф+б

bye

 

l —qi

(4.41)

 

(l — qi) ( l —qz)

Отсюда следует требуемый результат, так как правая часть формулы (4.41) непрерывно зависит от нормы возмущений и погрешностей вычислений и сходится к нулю, если последние стремятся к нулю.

в условиях примера 4.2 вместо

 

 

 

точного

значения

 

Ryx(t,

0)

 

 

 

определяется

приближенное,

 

 

 

представленное

сплошной

ли­

 

 

 

нией на рис. 11.

 

 

 

 

 

 

 

 

 

 

Точное решение

 

возмущен­

 

 

 

ного уравнения (4.12) u(t) изо­

 

 

 

бражено на рис. 12 и сущест­

 

 

 

венно отличается

от

искомого

 

 

 

решения

задачи

идентифика­

 

 

 

ции. Воспользуемся итерацион­

 

 

 

ным

процессом

 

примера

4.2

 

 

 

для

построения

приближенного

 

 

 

решения, выбрав число итера­

 

 

 

ций

в соответствии

 

с

первой

 

 

 

из формул (4.40). В рассмат­

 

 

 

риваемом

случае

 

составляю­

 

 

 

щие формулы (4.40) следую­

 

 

 

щие:

 

 

 

 

 

 

 

 

 

 

o> = lk'(OIU2(o,4=l: Ь=2;

 

Рис .

11. Взаимная корреляционная

функ­

 

 

 

 

 

 

 

 

 

ция

выходного и входного сигналов

систе­

 

а =

| | / — 2 / x ’ ol i

=

0

, 5 0 6

;

мы (пример 4.3).

 


ГЛАВА IV

136

6<p=lltfy*(l. 0)

9) llij(o,i)=0,098;

б= I!A||l2(o,i)=0,250;

l~-= f (1~ a) =9,52;

2

6 —Ьбср

«2=n6=-_Jgj£ii±113— =2,45.

 

Iga

Таким образом, рациональное число итераций в нашем примере равно 2 или 3. Соответствующие приближенные решения приведены на рис. 4.4. Из графиков видно, что функции м2(/) и u?(t) намного лучше воспроизводят точное решение, чем функция u(t). В то же время объем расчетов по пред­ ложенному регуляризующему алгоритму невелик вследствие небольшой вели­ чины рационального числа итераций.

В заключение данного параграфа рассмотрим случай, когда получение оценок для норм ошибок и операторов погрешностей оказывается затруднительным. Обычными критериями остановки итерационного процесса являются следующие:

\\ип—

| | А - 7 м * - Ч К > й .

Достаточно общий класс подобных критериев можно описать соотношением

\\F[un, « п- 1]||^х,

(4.42)

где хь яг я — некоторые априори выбранные положительные числа; F — известный оператор, причем на точном решении за­ дачи идентификации w0 и при отсутствии возмущений выпол­ няется тождество

F[w0, wo] = 0 .

(4.43)

Основным недостатком при использовании выражения

(4.42)

для определения числа итераций является то, что оно не учи­ тывает имеющейся информации о помехах измерений и поэтому приводит в общем случае к завышенному значению п.

Обычно мы можем считать, что элемент e0 = /7[®o, ш0] в слу­ чае присутствия в итерационном процессе возмущений является случайной функцией (или последовательностью случайных ве­ личин), удовлетворяющей следующим условиям:

М {е0} = 0 ;

l l e o l l ^ x -

( 4 .44)

Неравенство (4.44) вводится в связи с ограниченностью реаль­ ных сигналов и помех. При этом мы не исключаем случая х = °°- Имеющаяся информация о функции е0 вместе с условием (4.43) позволяет выделить в пространстве W некоторую область


137

МЕТОД ПОСЛЕДОВАТЕЛЬНЫХ ПРИБЛИЖЕНИЙ

N(%,x), зависящую от пара­ метров £ и х и обладаю­ щую следующими свойст­ вами:

1) элемент даеЛД|, %) в том и только в том случае, когда случайная функция s = F[w, да] удовлетворяет не­ равенству (4.44), а гипотеза о равенстве нулю математи­ ческого ожидания М{е} ис­ тинна на уровне значимос­ ти

2) параметр £= £(х) вы­ бирается таким образом,что

lim Nll(x), х] =®о, где да0 —

Х-Ч)

точное решение задачи.

Отсюда вытекает,

что

 

процесс нахождения какого-

Р Ис. 12. Приближенные решения задачи

либо

элемента

ИЗ области

N(l,x)

представляет

собой

идентификации (пример 4.3).

регуляризующий

алгоритм,

 

если параметр |е[0, 1] выбирать в соответствии с информацией о статистических свойствах возмущений. Легко показать, что при £= 0 область N (0, %) совпадает с областью, определяемой неравенством (4.44), а при ^ = 1 с совокупностью решений урав­ нения

M{F[w, да]} — О,

удовлетворяющих условию (4.44).

Допустим, что в результате расчета при помощи итерацион­ ного процесса (4.17) определены элементы ип~1 и ип. Тогда ре­ шение об остановке итерационной процедуры принимается, если

IIF[un~i

ни]1 К х

 

и гипотеза

 

 

A4{F[a»-1,u n] } = 0

(4.45)

истинна на уровне значимости

Элемент ип в этом случае рас­

сматривается как приближенное решение уравнения иденти­ фикации.

Проверка гипотезы (4.45) обычно проводится при помощи непараметрических критериев математической статистики [2.20], например, критерия знаков, так как между значениями функции


ГЛАВА IV

138

en= E[«rl_1, ип] существует сильная зависимость, не подчиняю­ щаяся гауссовскому закону.

Если же случайная функция гп распределена нормально, то наиболее эффективным является использование критерия Стьюдента [2.36]: гипотеза (4.45) истинна, если

|*п|^г4|,й-Ь

где h, /i-t — квантиль распределения Стьюдента с числом сте­ пени свободы (k~ 1) и вероятностью

k — число точек дискретизации ei" , . . ., e/tn функции е” ;

 

л

 

X тпУк— Г

tn—

г=1

.

У *

( g ‘ n ) 2- ( Ц ып У

 

i s = l

В том случае, когда

неравенство (4.44) также понимается

в вероятностном смысле, для его проверки можно использовать статистические критерии.

Таким образом, критерий остановки процесса последователь­ ных приближений, основанный на методах проверки статисти­ ческих гипотез, записывается следующим образом:

п* =

Е[п(1, х)+0,5],

где « = л(£, ^) — первое

натуральное

число, удовлетворяющее

условиям

 

 

un( = N ( l , x ) \

Ui <=N&,x);

£ =1, м— 1.

Как показывают исследования, использование для оценки

величины g формулы £=

позволяет значительно умень­

шить число итераций и общий объем вычислений по сравнению с обычными критериями остановки итерационного процесса.

4.4. РЕШЕНИЕ ИНТЕГРАЛЬНЫХ УРАВНЕНИЙ ИДЕНТИФИКАЦИИ МЕТОДОМ ПОСЛЕДОВАТЕЛЬНЫХ ПРИБЛИЖЕНИЙ

В предыдущих параграфах были рассмотрены вопросы исполь­ зования итерационных методов для определения приближенных решений задачи идентификации. Применим описанные алго­ ритмы к интегральным уравнениям идентификации непрерывных динамических систем.


139 МЕТОД ПОСЛЕДОВАТЕЛЬНЫХ ПРИБЛИЖЕНИЙ

Решение

уравнения

(3.33) можно искать при помощи сле­

дующего итерационного процесса:

 

 

 

Ь ( ( )

 

 

f(t,Q )~

 

г )N (t, 6, x)dx

 

 

ait)

 

(4.46)

Wan(t,$) = ----------------------— ------------------- , (n = 1,2,... ),

сходящегося

к wa(t, 0)

в метрике L2[a(t), b(t)], если [1.9]

 

 

 

b(t)

 

 

 

 

J f2(i, (T)d0<oo;

 

 

 

ait)

 

 

bit)

ЪЦ)

 

 

J

J

N2(t,Q, ■x)dxdQ<k2(t).

(4.47)

 

ait)

ait)

 

Обычно величина /„(/) пропорциональна параметру регуля­ ризации а (/), поэтому при достаточно больших значениях a(t) решение регуляризованного уравнения идентификации опреде­ ляется при помощи процесса (4.46). В тех случаях, когда усло­ вие (4.47) не выполняется либо сходимость медленная, следует применять способы улучшения сходимости, изложенные в пара­ графе 4.1.

Учитывая доказанную выше устойчивость процесса последо­ вательных приближений (4.6), рассмотрим его применение для решения нерегуляризованного интегрального уравнения иден­ тификации (3.42), считая для простоты записи в выражении

(3.43) k ( t ) = О

Ь( ( )

ш" (/,0 )= J [wn- i(t,%)An(t,x,Q)-\-RyX(t,x)Bn(t,T,Q)]dx,

аЦ)

(4.48)

(п = 1, 2, ...).

Здесь Л „(/, т, 0) и B„(t, т, 0) — ядра интегральных операторов, связанные соотношением

bit)

Лп{t, т, 0 )-f- j Rxx(r, z)Bn(t, z, 0)d2=6(T —0).

ait)