Алгоритм идентификации

Алгоритмы идентификации технических состояний и автоматизация процессов диагностирования [c.192]

Разработка алгоритмов идентификации [c.193]

При разработке алгоритмов идентификации параметров движения будем полагать, что параметр движения / (i) представляется в виде временного ряда /(0), / (Af), / (2-Д<),. . ., f т-At) (At р- О — фиксированный шаг дискретизации). [c.194]

Заметим, что при большом числе состояний. . ., рассмотренные выше алгоритмы идентификации параметров движения для сокращения возникающего в них перебора целесообразно в целом ряде случаев трактовать с позиций многошаговых процессов последовательного выбора решений. [c.198]

Алгоритмы идентификации. Вначале рассмотрим наиболее простую обратную задачу динамики — восстановление числовых коэффициентов линейного уравнения вида (6.33) [c.186]

В работах [107, 109] предложен широкий спектр рекуррентных и многошаговых алгоритмов идентификации, параметры которых выбираются из условия локальной оптимальности показателя (3.24). Эти алгоритмы относятся к классу градиентных алгоритмов решения идентификационных неравенств вида [c.72]

Цифровые системы обладают большей гибкостью при реализации алгоритмов идентификации, управления, спектрального анализа и генерирования случайных процессов. Одна и та же машина может обслуживать разные типы стендов. [c.470]

Для решения задач формирования испытательного воздействия и обработки информа-Юси, получаемой в результате вибрационных испытаний, широко применяют ЭВМ. Цифровые системы обладают большой гибкостью при реализации алгоритмов идентификации, управления, спектральною анализа и генерирования случайных процессов. Генерирование случайного испытательного воздействия проводится на основе скалярной модели Райса-Пирсона [2, 7] [c.365]

Присутствие числовых коэффициентов в аппарате качественного вывода решения упрощает алгоритмы идентификации модели, позволяя использовать численные методы поиска по минимизации ошибки моделирования. [c.301]

Поскольку при идентификации параметров объекта вместо сигналов и (к) и Y (к) приходится использовать соответствующие вариации и(к) и у (к), необходимо либо иметь оценки установившихся значений Uoo и Yoo, либо таким образом перестроить алгоритм идентификации, чтобы данные величины в нем не участвовали. Для этого можно предложить следующие методы [c.358]

При этом вместо и (z) и у (z) в алгоритме идентификации используются величины Au(z)=u(z)(l—z ) и Ay(z)=y(z)(l—z- ). Данное преобразование можно интерпретировать как прохождение входного и выходного сигналов через один и тот же высокочастотный фильтр. Учитывая, что фильтрации подвергаются оба сигнала, процесс получения оценок параметров не претерпевает никаких изменений по сравнению с тем случаем, когда измеряются вариации и(к) и у (к) лишь в процедуре идентификации эти переменные заменяются разностями Аи(к) и Ау(к). [c.358]

Для построения алгоритма идентификации это уравнение записывается в виде [c.359]

Алгоритм идентификации по методу вспомогательных переменных структурно аналогичен рекуррентному алгоритму на основе метода наименьших квадратов (см. 23.5], [23.6], а также табл. 23.7.1). Для того чтобы уменьшить степень корреляции между вспомогательными переменными н ошибкой е(к), в работе [23.6] параметры дополнительной модели предлагается определять как выход низкочастотного дискретного фильтра первого порядка с запаздыванием, на вход которого подается оценка параметров объекта [c.363]

ОБЩАЯ СХЕМА РЕКУРРЕНТНЫХ АЛГОРИТМОВ ИДЕНТИФИКАЦИИ [c.367]

Результаты многочисленных исследований различных рекуррентных алгоритмов идентификации можно обобщить в виде следующего краткого перечня их свойств [c.370]

МЕТОДЫ ПОВЫШЕНИЯ ЧИСЛЕННОЙ УСТОЙЧИВОСТИ РЕКУРРЕНТНЫХ АЛГОРИТМОВ ИДЕНТИФИКАЦИИ [c.371]

В работе [23.22] было проведено сравнение модифицированных рекуррентных алгоритмов идентификации по продолжительности вычислений, требованиям к памяти, сходимости и точности оценок. Этот анализ базировался на результатах моделирования шести различных тестовых объектов (тестовых объектов I, II, III и IV, описание которых приведено в приложении, а также двух других объектов). Программы алгоритмов идентификации были составлены на языке Фортран и выполнялись на 16-разрядной управляющей ЭВМ. Основные результаты исследования представлены в табл. [c.373]

Случай Е На объект воздействует внешнее возмущение из (к) — неизмеримое или поддающееся измерению, но не используемое непосредственно в алгоритмах идентификации. [c.374]

Случай Ж Внешнее измеримое возмущение из (к) используется в алгоритме идентификации. [c.374]

Синтез алгоритмов управления с подстройкой параметров осуществляется на основе методов оценивания параметров, описанных в гл. 23 и 24, а также алгоритмов управления, рассмотренных в разд. 25.2. Для сходимости процесса адаптации необходимо, чтобы алгоритмы оценивания параметров обеспечивали идентификацию параметров замкнутого контура управления, а алгоритмы управления удовлетворяли условию идентифицируемости этого контура. В разд. 25.1 раскрыты широкие возможности для создания различных сочетаний алгоритмов идентификации и уп- [c.399]

Рис. 43. Блок-схема алгоритма идентификации гребней

Именно на основе этого уравнения построены алгоритмы идентификации, которые подробно рассмотрены ниже. [c.150]

Это интегральное уравнение используется ниже для построения алгоритмов идентификации нестационарных систем. [c.151]

Здесь были рассмотрены алгоритмы идентификации, рассчитанные на использование в стационарных системах с сосредоточенными параметрам . Очевидно, они справедливы и для систем с распределенными параметрами, в которых связь между входом и выходом имеет вид [c.158]

Рассмотрим этот метод на примере построения алгоритма идентификации стационарного объекта, имеющего передаточную функцию вида [c.167]

Рассмотрена проблема идентификации стационарных и нестационарных систем по реализациям сигналов и их статистическим характеристикам. В основу положены принципиальные методы решения интегральных уравнений. Для отыскания решения либо в виде импульсной переходной функции, либо обобщенной передаточной функции использованы ортогональные разложения и классическая проблема моментов. Синтезированы алгоритмы идентификации и исследованы их особенности. [c.294]

Выражение (6.4) является алгоритмом идентификации. Его можно упростить, если за время идентификации момент нагрузки не изменяется Л/н = onst, Yt = t — Т, t- Выбрав модулирующую-функцию, удовлетворяющую условию [c.90]

Для ГАП вопросы автоматизации процессов диагностирования имеют особое значение. Ввиду отсутствия опыта диагностирования оборудования в этих условиях и коренного изменения конструкции многих станков, создаваемых для ГАП, необходимо проведение поисковых научно-исследовательских работ в этом направлении с целью сравнения и комбинирования различных путей решения и отбора наиболее эффективных и экономичных методов, алгоритмов и систем. Одним из таких путей является разработка алгоритмов идентификации законов движения выходных звеньев механизмов и создание автоматизированных систем, использующих такой подход к диагностированию ряда наименее надежных и ответственных участков. Большое значение при автоматизации постановки диагноза имеет применение правильных статистических методов оценивания параметров состояния по ограниченному количеству данных измерений и квалиметрических методов. Применение метода ветвей для автоматизации диагноза было рассмотрено в гл. 8. [c.192]

ЭВМ может одновременно осуществлять планирование, обра ботку результатов испытаний и самонастройку параметров математической модели объекта испытаний в соответствии с результатами испытаний. В этом случае испытательные установки обычно реализуют поисковые алгоритмы идентификации динамических систем (рис. 101). Поиск параметров математической модели производится путем параллельного испытания объекта и его математической модели. Вычисляется критерий оптимальности Ф, который представляет собой оценку близости параметров модели и параметров объекта. Далее рассчитбтаются параметры математической модели из условия минимума Ф. Этот итерационный процесс заканчивается как только будет достигнуто минимальное значение критерия оптимальности Ф. [c.163]

Данное выражение описывает не рекур рентный алгоритм идентификации, поскольку вычисление оценок параметров производится лишь после того, как сформирован массив, содержащий все измерения входных и выходных сигналов. Для получения рекуррентного варианта алгоритма достаточно, записав выражения для оценок 0(к4-1) и 0(к), вычесть второе из первого [c.356]

В этих формулах отмечены составляющие, которые можно считать равными нулю [23.8]. Объединяя соотношения (23.5-8)— (23.5-11), получаем рекуррентный алгоритм идентификации по методу максимального правдоподобия (РММП) [c.365]

Рассмотрим алгоритм идентификации, в котором в качестве ортонормированного базиса используются функции Лягерра. В этом случае зависимости для определения моментов импульсной переходной функции через моменты входа и выхода несколько усложняются. [c.157]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...