 |
Оформление результатов выполнения задания
|
|
|
|
1 Титульный лист
2 Номер и название практического занятия.
3 Цель занятия.
4 Задание.
5 Объект исследования, таблица экспериментальных данных и расчетных данных.
6 Формулы (2.2) - (2.8) с пояснениями, распечатка результатов расчетов в среде MathCAD.
7 Выводы об адекватности математической модели объекту исследования.
Практическое занятие № 8. Изучение методов статической идентификации многомерных объектов исследования
Цель занятия: овладетьнавыками определения статических характеристик многомерного объекта управления с помощью метода линейного множественного регрессионного анализа (метод пассивного эксперимента),
Задание
3.1.1 По экспериментальным данным пассивного эксперимента, указанным преподавателем (таблицы 3.1, 3.2, 3.3) определить вид статической математической модели исследуемого объекта.
Таблица 3.1- Экспериментальные данные объекта исследования
| Экспериментальные точки i | ||||||||
| Входная переменнаяx1(i), | ||||||||
| Входная переменнаяx2(i), | ||||||||
| Выходная переменная y(i) |
Таблица 3.2- Экспериментальные данные объекта исследования
| Экспериментальные точки i | ||||||||
| Входная переменнаяx1(i), | ||||||||
| Входная переменнаяx2(i), | ||||||||
| Выходная переменнаяy(i) |
Таблица 3.3- Экспериментальные данные объекта исследования
| Экспери- ментальные точки i | ||||||||
| Входная переменная x1(i), | ||||||||
| Входная переменная x2(i), | ||||||||
| Выходная переменная y(i) |
3.1.2 Построить матрицу наблюдений.
|
|
|
3.1.3 Определить коэффициенты статической математических моделей.
3.1.4 Проверить статическую математическую модель исследуемого объекта на адекватность.
Указания по выполнению задания
3.2.1 Определение алгоритма функционирования (математической модели) исследуемого объекта в статическом режиме по результатам пассивного эксперимента.
3.2.1.1 Для аналитического описания статических характеристик объекта с двумя входными переменными и одним выходом по методу множественного регрессионного анализа находит применение модель в виде степенного полинома:
, (3.1)
или в обобщенном виде:
, (3.2)
где: aβ – коэффициенты регрессионной модели, подлежащие опреде лению;
х β – переменные факторы, влияющие на выходную переменную;
У – выходная переменная, полученная расчетным путем по модели;
– номер члена выбранного степенного полинома ( =0,…,k);
k –число факторов, влияющих на выходную переменную;
=1 (фиктивный фактор).
Статическая математическая модель объекта исследования с учетом (3.2) имеет вид:
, (3.3)
где: 
, 
, 
.
3.2.1.2 При пассивном эксперименте опытные данные заносят в таблицу с некоторым шагом Dt.
Матрица результатов наблюдений с учетом вида выбранной статической модели и числа членнов степенного полинома для N экспериментальных точек имеет вид:
| х1(1) | х2(1) | ... |  (1)
| … |  (1)
| у(1) |
| х1(2) | х2(2) | ... | (2)
| … | (2)
| у(2) |
| х1(i).. | х2(i). | ... |  (i)
| … |  (i)
| у(i). |
| х1(N) | х2(N) | ... | (N)
| … | (N)
| у(N) |
3.2.1.3 Оптимальной может считаться модель, у которой сумма квадратов отклонений расчетных экспериментальных значений у(i) и расчетных значений У(i) будет минимальной, т. е. минимизируется функционал:
, (3.4)
Для отыскания минимума выражения необходимо найти частные производные по всем коэффициентам и приравнять их к нулю:
|
|
|
, 
,..., 
, …, 
(3.5)
3.2.1.4 После преобразования система уравнений принимает вид:
, (3.6)
где q = 1, 2,..., k.
Для нахождения коэффициентов модели aβ необходимо решить систему уравнений (3.6), воспользовавшись методом метод Гаусса или прикладным пакетом MathCAD.
3.2.1.5 Определить адекватность можно по среднеквадратическому отклонению, которое не должно превышать 10%.
, (3.7)
где 
– средние значения переменных.
Модель адекватна реальному объекту с точностью (100-σ)%.
|
|
|
