 |
В2. Процедура параметрической идентификации и три её основных компонента
|
|
|
|
Идентификация процессов и систем
введение
В1. Понятие об идентификации
Задачей идентификации систем является определение структуры и параметров математических моделей систем по экспериментальным наблюдениям процессов в системах.
В последнее время в связи с предъявлением всё более высоких требований к процессам управления проблема идентификации становится исключительно важной. Нельзя обеспечить качественное управление системой, если её математическая модель не известна с достаточной точностью. Для построения математической модели могут быть использованы как теоретические, так и экспериментальные методы. Практика проектирования систем управления свидетельствует о том, что во многих случаях нельзя построить математическую модель адекватную реальной системе только на основе теоретических исследований физических процессов в системе. Даже если такая модель получена, её адекватность может утрачиваться в процессе функционирования нестационарной системы.
Методы определения математических моделей по результатам экспериментальных исследований (в том числе в режиме нормального функционирования систем) является предметом теории идентификации. В широком смысле под идентификацией понимают также процесс восстановления вектора состояний, то есть наблюдение.
Схема, иллюстрирующая основные этапы процесса идентификации, приведена на рис. 1.
Как видно из рисунка, к процессам идентификации могут быть отнесены оценивание структуры, параметров и состояний динамических систем. Однако традиционно принято считать идентификацией (оцениванием) процесс определения структуры (а, следовательно, и порядка модели) и параметров модели. В этом случае речь следует вести о процедуре параметрической идентификации, более детально представляющей соответствующие фрагменты схемы на рис. 1.
|
|
|
|
| Рис.1. Основные этапы процесса идентификации |
В2. Процедура параметрической идентификации и три её основных компонента
Конструирование моделей по результатам эксперимента включает три основных компонента:
· данные наблюдений;
· множество моделей-кандидатов;
· оценивание адекватности модели, то есть соответствия данным наблюдений.
Прокомментируем перечисленные компоненты.
1. Данные наблюдений. В случае, если идентификационные эксперименты, в результате которых регистрируются вход-выходные данные, носят целенаправленный характер, исследователь может определить перечень измеряемых сигналов и моменты измерений, причем некоторые из входных сигналов могут быть управляемыми. Задача планирования экспериментов, таким образом, состоит в том, чтобы, учитывая возможные ограничения, выбрать максимально информативные данные о сигналах системы.
Иногда исследователь лишен возможности влиять на ход эксперимента и должен опираться на данные нормальной эксплуатации.
2. Множество моделей-кандидатов устанавливается посредством фиксации той группы моделей, в пределах которой предполагается искать наиболее подходящую; возможны две ситуации:
а) множество моделей становится результатом тщательного моделирования, после чего на основе законов физики и других достоверных знаний формируется модель, включающая физические параметры с ещё неопределёнными значениями;
б) без всякого физического обоснования используются стандартные линейные модели.
Модели, не отражающие физического смысла процессов в системе, а используемые лишь для подстройки к данным наблюдений, называются чёрными ящиками.
|
|
|
Модели с настраиваемыми параметрами, допускающими физическую интерпретацию, называются серыми ящиками.
3. Оценивание адекватности (согласия) модели. Определение на основе данных наблюдений наилучшей модели множества, то есть оценка качества моделей или их адекватности наблюдаемым в системе процессам, является сама по себе методом идентификации и связана, как правило, с воспроизведением процессов по изучаемым моделям и сопоставлением получаемых таким образом прогнозов с данными наблюдений.
На рис. 2 представлен возможный вариант процедуры параметрической идентификации, содержащей описанные выше три компонента.
Полученную в результате идентификации модель, как правило, никогда нельзя считать окончательным и истинным описанием системы. Её скорее можно рассматривать как способ достаточно хорошего описания аспектов поведения системы, представляющих для пользователя наибольший интерес.
Существует несколько причин несовершенства моделей:
- численный метод не позволяет найти наилучшую по выбранному критерию модель;
- критерий адекватности (согласия) модели выбран неудачно;
- множество моделей оказалось неполноценным (не содержит достаточно хорошего описания системы);
- данные наблюдений недостаточно информативны.
|
| Рис. 2. Процедура параметрической идентификации |
Как видно из схемы на рис. 2, процедура параметрической идентификации итеративна. Важным инструментальным средством решения этой итеративной задачи является интерактивное программное обеспечение, то есть обеспечение, поддерживающее диалог с пользователем. Если же диалог невозможен по причине автономности управляемого объекта, то процедура параметрической идентификации должна быть дополнена элементами искусственного интеллекта, обеспечивающими процессы принятия решений.
|
|
|
