Алгоритм идентификации рекуррентный

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]

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]

Единая схема описания рекуррентных алгоритмов параметрической идентификации (Ьо=с =0). [c.368]

Сравнительный анализ рекуррентных алгоритмов параметрической идентификации с точки зрения точности получаемых оценок, их сходимости и требуемого объема вычислений проводился различными способами путем математического моделирования ([23.9], [c.370]

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]

Процесс адаптации с критерием качества (3.28) сводится к поиску решения системы эстиматорных неравенств. Это соображение наводит на мысль о том, что в качестве алгоритмов адаптации можно использовать соответствующие модификации алгоритмов выпуклого программирования. Значительный интерес представляют также разного рода рекуррентные алгоритмы вида (3.15), обладающие свойством конечной сходимости [109, 132]. В конкретных задачах адаптивного управления с идентификацией удобны эстиматорные неравенства вида (3.26). Легко видеть, что эти неравенства также выпуклы и разрешимы с запасом б > О при т = и л = 0. Для их решения опять-таки применимы соответствующие модификации алгоритмов выпуклого программирования, которые выступают здесь как алгоритмы адаптивной идентификации неизвестных параметров. [c.76]

В основе алгоритмов обработки лежат такие известные методы идентификации, как метод наименьших квадратов, метод вспомогательных переменных, метод максимального правдоподобия, реализуемые либо в рекуррентной, либо в нерекуррентной формах. В последние годы разработке методов идентификации уделялось большое внимание. Были созданы и успешно опробованы методы, предназначенные как для работы в реальном времени, так и для обработки накопленной информации. В настоящее время с достаточно высокой точностью можно выполнять идентификацию объектов различных классов — линейных и нелинейных, в составе разомкнутых или замкнутых контуров управления, при наличии случайных возмущений и без них. Созданы пакеты прикладных программ, с помощью которых можно определять порядок моделей и величину запаздывания (см. гл. 23, 24 и 29). [c.72]

В следующем разделе рассмотрим алгоритмы управления, отвечающие перечисленным требованиям. В классе самооптимизирующихся адаптивных регуляторов с идентификацией объекта управления недуальные методы, основанные на принципе стохастической эквивалентности и рекуррентном оценивании параметров, зарекомендовали себя положительно как в теории, так и в практике. Полученные с их помощью алгоритмы будем называть алгоритмами управления с подстройкой параметров] также будет встречаться термин самонастраивающиеся регуляторы [26.8], [26.13]. Следует различать понятия самонастраивающийся и адаптивный , поскольку использование первого предполагает постоянство параметров объекта управления. Однако при анализе применения этих терминов выясняется, что разграничения между ними не делается, поэтому будем считать, что различия между ними второстепенны. [c.393]

КОР-МНК — корреляционный анализ с идентификацией параметров по методу наименьших квадратов МВП — метод вспомогательных переменных ММП — метод максимального правдоподобия МНК — метод наименьших квадратов МСА — метод стохастической аппроксимации Для рекуррентных алгоритмов к сокращенному обозначению основного метода добавляется буква Р, т. е. РМВП, РММП, РМНК [c.519]

Анализ данных и идентификация систем (табл. 4). Пакет MATRIXx позволяет очень легко и эффективно проводить анализ данных и идентификацию. Графи еские возможности пакета допускают применение пакетных и рекуррентных методов идентификации. Для простой передачи данных предназначен универсальный интерфейс. Можно отбраковывать и анализировать данные, а также исключить временной дрейф. Пакетные процедуры включают в себя стандартные регрессионные методы с анализом дисперсии и методы пошаговой регрессии. Кроме того, процедуры пакетного метода максимального правдоподобия могут быть применены к нелинейным системам и системам, описанным в пространстве состояний. Из рекуррентных алгоритмов реализованы метод наименьших квадратов, метод максимального правдоподобия и модифицированный обобщенный фильтр Калмана. Для определения ковариационных функций и спектральных плотностей предусмотрены непараметрические пакетные и полу пакетные методы на основе быстрого преобразования Фурье. Для синтеза алгоритмов адаптивного управления многомерными системами используются простые команды. [c.173]

Возможности программного обеспечения пакет MATRIX предназначен для анализа и проектирования систем управления, идентификации, анализа данных и моделирования. Классические частотные, современные на основе пространства состояний и другие методы проектирования систем управления доступны пользователю в виде простых команд. Новые алгоритмы могут быть легко включены в пакет по желанию пользователя. Для идентификации систем предусмотрены частотные непараметрические методы, алгоритмы максимального правдоподобия в пакетной и рекуррентной формах, а также адаптивные алгоритмы. Имеется возможность моделирования систем, описываемых дифференциальными и алгебраическими уравнениями, а также исследования разреженных систем. Мощный встроенный пакет предназначен для реализации двух- и трехмерной графики. [c.322]

Возможности программного обеспечения пакет обеспечивает расчет различных схем адаптивного управления и моделирование систем управления различных типов. Процедуры идентификации основаны на рекуррентном методе наименьших квадратов, расширеином методе наименьших квадратов для многосвязных моделей ARMAX, методе ортогональной факторизации. Стратегии управления основаны на решении ЛКГ-задачи с различными органичениями на управляющие воздействия (в том числе алгоритмы с минимальной дисперсией, расширенной минимальной дисперсией, многошаговые алгоритмы и т. д.). Программа позволяет моделировать алгоритмы управления, основанные на идентификации неявной , т. е. замкнутой модели, с помощью простой идентификации по методу наименьших квадратов (даже в случае цветного шума). Максимальная размерность системы — 10 состояний. [c.328]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...