Идентификация параметров моделе

Идентификация параметров моделей элементов электронных схем. Основные способы определения параметров моделей элементов — расчетный и экспериментальный. [c.139]

Разработка надежных в эксплуатации программ идентификации параметров моделей элементов — сложная и трудоемкая задача. Особую сложность представляет разработка оптимизационных методов, так как оптимизация проводится в пространстве многих переменных, а целевая функция не имеет аналитического представления. В качестве целевой функции обычно используется отклонение выходных характеристик элемента, полученных на модели, от эталонных в рабочем диапазоне внешних воздействий. Наиболее часто минимизируется среднеквадратическое относительное отклонение [c.141]

Правильное определение параметров моделей элементов имеет очень большое значение при решении основных задач схемотехнического проектирования. Поэтому внедрение программ схемотехнического проектирования должно сопровождаться разработкой мероприятий по идентификации параметров моделей элементов электронных схем, включая создание специального программного обеспечения. [c.141]

Идентификация параметров моделей 139 [c.330]

Задачи идентификации параметров разрабатываемых математических моделей формулируются как задачи математического программирования, в которых целевая функция — оценка степени совпадения выходных параметров, получаемых с помощью испытуемой н эталонной моделей, а управляемые параметры — параметры испытуемой математической модели. [c.68]

Следовательно, базовая ММ может использоваться двояким образом как инструмент исследований (при её трансформации в имитационную базовую ММ) и как средство накопления знаний, являясь по своей сути системой непрерывного накопления информации, которая проходит в своем развитии все этапы ЖЦ, укрупненно включающие в себя построение модели, идентификацию параметров построенной модели и практическое применение идентифицированных моделей. Максимальная эффективность базовой ММ может быть достигнута в том случае, когда продолжительность жизненного цикла модели будет существенно опережать соответствующие этапы жизненного цикла исследуемой сложной системы, какой является современный корабль. [c.38]

Задача идентификации модели. Применение любой модели среды к расчету конструкций невозможно без предварительной ее идентификации с материалом конструкции. Это означает, что определяющие функции и параметры модели должны быть заданы таким образом, чтобы соответствие с деформационным поведением [c.205]

Различают два этапа идентификации системы (процесса) [18]. Первый связан с так называемой стратегической идентификацией. Сюда относятся выбор информативных переменных, выбор структуры модели и оценка степени ее идентичности реальному физическому процессу. Второй этап обычно предусматривает оперативную, так называемую параметрическую идентификацию, в задачу которой входит оценка параметров модели. Рассмотрим эти вопросы более подробно, применительно к нестационарным процессам в ЯЭУ. [c.168]

Как видно из рисунка, эксперимент занимал около 4 мин. Принятая схема эксперимента позволяла легко подобрать такие значения возмущений я N, которые дают соизмеримые эффекты в температуре катода ЭГК. Последнее обеспечивает равную точность оценок параметров модели (6.83) при -идентификации. [c.202]

Проиллюстрируем высказанные соображения на примере простейшей схемы адаптивной идентификации параметров динамической модели РТК на основе настраиваемой модели. Предположим, что функция F в уравнении (3.1) линейна по Наряду с уравнением динамики (3.1) с неизвестными параметрами рассмотрим уравнение настраиваемой модели [c.71]

Идентификацию параметров можно осуществлять по выходам настраиваемой модели (3.21). Это значит, что параметры т модели z должны выбираться так, чтобы выход модели z был, по возможности, наилучшей оценкой измеряемого выхода х динамической модели. В качестве показателя качества идентификации оценки на интервале времени [ о, tf возьмем интегральную квадратичную ошибку [c.71]

В результате решения задачи идентификации получено, что в уравнении (193) можно ограничиться полиномами второго порядка. При этом количественная оценка степени адекватности модели при использовании дисперсионной меры (47) Т1д = 0,9 для прямого участка (точка /1) и Пд= 0,8 при криволинейном участке (точка В на рис. 1). Степень адекватности модели (192) несущественно зависит от расстояния .L относительно контрольной точки L для точки Ц = 0,83, а для точки ц 7 = 0,75. На рис. 2, а и б показаны нормированные оценки спектральных плотностей пульсаций давления и напряжений, а также амплитудно-частотные характеристики, соответствующие модели (193). На рис. 2, в показана зависимость полученных оценок т (AL) и К (АЦ параметров модели (193) от расстояния Д .. [c.375]

Идентификация параметров вероятностных моделей ИЭТ [c.88]

В связи с особенностями предложенного метода идентификации структурной модели (см. разд. А5.6) реологические функции конструкционных материалов можно определять в значительно более широком диапазоне скоростей деформации, чем при традиционном подходе (по кривым установившейся ползучести). Это позволило обнаружить практически для всех материалов важную особенность — наличие, как правило, двух участков реологической функции, значительно отличающихся по своим параметрам. При использовании логарифмических или полулогарифмических координат реологические функции довольно хорошо аппроксимируются двумя прямыми, наклоны которых при [c.221]

А6.3.6. Идентификация модели. В отличие от реологической модели при идентификации модели повреждения возникают две последовательные задачи анализ эволюции параметров состояния при заданной программе внешнего воздействия (на основании принципа подобия) и связи в этих условиях числа циклов до разрушения с параметрами внешнего воздействия (через идентифицируемые параметры модели). [c.231]

Такая математическая модель в достаточной мере не может точно описать реальный процесс, даже при наиболее оптимальном подборе параметров модели (коэффициентов теплопроводности, теплопередачи и т.п.). Первая причина заключается в том, что методы идентификации предполагают нахождение параметров, не имеющих физического смысла, удовлетворяющие только критерию адекватности модели. И вторая причина заключается в том, что в уравнениях (2) и (4) присутствуют переменные, являющиеся составляющими очень сложных взаимосвязанных механизмов химического превращения сырья и образования тепла вследствие горения топливного газа (химическая кинетика и процесс горения топлива). Процессы химической кинетики являются сложными по своей структуре. Традиционно механизм химической кинетики описывается коэффициентом скорости [c.298]

Все, что не входит в данную систему, является по отношению к ней внещней средой. Система может испытывать воздействия этой среды и сама воздействовать на нее. Первые воздействия называют входными, а вторые—выходными. Входные воздействия разделяют на регулируемые воздействия и шум системы. Для фиксации и измерения выходных воздействий обычно используют различные измерительные устройства (тракты), которые также вносят некоторые ошибки, т. е. создают шум измерений. Задача ее исследования состоит в определении методами математической статистики вероятности пребывания многомерного вектора выходного параметра V в пределах заданных ТЗ, в течение требуемого времен i при условии, что входные воздействия Xi,...,Xk также находятся в пределах, оговоренных ТЗ. Эта задача может быть решена при использовании математических моделей. Сущность построения (идентификации) математической модели системы заключается в выборе структуры модели и в определении оптимальных (в соответствии со статистическими критериями) оценок параметров модели на основании результатов эксперимента. [c.35]

Для уменьшения влияния статистических флуктуаций в каждом из пяти процессов идентификации были вычислены дисперсии 0(, и ае для этих ошибок. В работе [8.5] было показано, что в случае использования алгоритма управления ЗПР-З для обоих исследуемых объектов при О ств 0,2 наблюдается приближенно линейная зависимость =Г(Об ). Это также справедливо для всех остальных алгоритмов управления. Прямой зависимости между ошибками в отдельных параметрах модели не наблюдалось. Поэтому ошибки в весовой функции, с помощью которой описывается поведение объекта относительно входа/выхода, могут быть использованы для иллюстрации зависимости качества управления замкнутой системы от неточного задания модели объекта. Теперь можно оценить чувствительность системы к неточности задания модели [c.228]

Ниже излагается методика расчета регуляторов с минимальной обобщенной дисперсией для объектов с запаздыванием и без него. Обычные регуляторы с минимальной дисперсией могут быть получены как частный случай при г = 0. Для описания формирующих фильтров используются параметрические модели, которые наиболее удобны при синтезе адаптивных алгоритмов управления, основанных на идентификации параметров. [c.252]

Задача параметрической идентификации состоит в получении оценок параметров модели (23.1-7), т. е. коэффициентов полиномов [c.353]

Важным достоинством метода вспомогательных переменных является то, что он не накладывает никаких ограничений на структуру формирующего фильтра шума. Благодаря этому полиномы его передаточной функции (z- ) и D(z ) не обязательно должны быть связаны с полиномами передаточной функции объекта A(z-i) и В (z-1). Метод вспомогательных переменных позволяет вычислять только оценки параметров объекта идентификации aj и bj. Если же требуются и оценки параметров модели шума i и dj, то их можно определять с помощью метода наименьших квадратов (см. разд. 23.2.2), используя в качестве оценки сигнала помехи величину [c.363]

Для идентификации параметров по методу максимального правдоподобия наиболее удобно описывать объект МП-моделью (23. -8) [c.363]

Случай А Косвенная идентификация объекта управления. Оцениваются параметры замкнутого контура. Если параметры регулятора известны, модель объекта определяется на основе полученной модели замкнутого контура. Случай Б Прямая идентификация объекта управления. Параметры модели объекта определяются непосредственно, минуя промежуточный этап идентификации модели замкнутого контура. Параметры регулятора не используются. Случай В Измеряется только выходной сигнал у (к). [c.374]

Параметры моделей (1.45) hk.i и яг, / подлежат идентификации (см. раздел 2.4, а также [20]). [c.29]

При оценке эффективности моделей прогнозирования следует осторожно пользоваться такими общепризнанными критериями, как коэффициент множественной корреляции и среднеквадратичное отклонение случайного члена. Эти оба показателя характеризуют лишь выборку, на основании которой проведена идентификация структурных параметров модели, и не применимы к периоду прогнозирования. Кроме того, при малом числе наблюдений познавательная ценность коэффициентов корреляции значительно снижается. Это объясняется [c.181]

Для идентификации параметров электрических моделей в подсистеме АСОНИКА-Э разработан специальный виртуальный прибор, позволяющий решать эту задачу. Исходными данными для решения задачи идентификации параметров моделей являются данные, приводимые в технических условиях на элементы. [c.79]

Интерактивный режим работы иользоватсля с ППП обеспечивается наличием в пакете диалогового монитора. Примером ППП с диалоговым монитором служит пакет ПАРК для идентификации II а р а м е г р о в математических мод е-лей полупроводниковых приборов [9]. Комплекс входит составной частью в САПР больших интегральных схем (БИС) II является связующим звеном между подсистемами схемотехнического проектирования и проектирования компонентов БИС. Идентификация параметров осуществляется на основе минимизации расхождений между характеристиками эталонной и рассчитываемой с помощью создаваемой модели. Эталонная характеристика получается из эксперимента нлн рассчитывается с помощью более точной модели, относящейся к микроуровыю. Выбор минимизируемого функционала, ограничений, их оперативная корректировка осуществляются в диалоговом режиме. В пакет ПАРК кроме диалогового монитора входят [c.102]

Сначала проведено экспериментальное изучение основных характеристик и показателей работы робота, выделены змеханизмы, имеющие худшие характеристики (в нашем случае — механизм поворота руки робота), определены данные для составления математической модели [1, 2]. Затем разрабатывалась математическая модель механизма поворота руки и проводилась идентификация этой модели но результатам экспериментальных исследований [3]. При изучении математической модели ставилась задача определить влияние параметров механизма и системы управления на качество работы робота, которое оценивалось по коэффициенту Ка, зависящему от точности работы п быстродействия робота. Эти параметры тесно связаны между собой. Точность позиционирования нельзя определять после полного успокоения колебаний руки, так как в этом случае параметри, характеризующие быстродействие робота, будут сильно зацяжопы, а, следовательно, производительность данного технологического оборудования снизится. [c.55]

Отметим также, что на основе метода обратных задач динамики может быть осуществлена постановка и ряда фундаментальных исследований в нейтронной физике, теплообмене, гидродинамике, электрофизике и т. п. Здесь этот метод может оказаться незаменимым, особенно при обработке и интерпретации результатов эксперимента. В частности, полученные в ходе идентификации интегральной модели процесса эффективные значения параметров а можно затем использовать в качестве информативных функционалов при более детальном исследовании проблемы. Нйпример, известно, что в случае стабилизированного теплообмена в трубе при постоянной плотности теплового потока на стенках коэффициент теплоотдачи а выражается в виде функционала, зависящего от профиля скорости теплоносителя и турбулентного числа Прандтля (интеграл Лайона) [48] [c.172]

Непосредственно в ходе корректировки параметров модели работает лишь один алгоритм — алгоритм вычисления поправок 6fl i к априорным значениям Qi на основе обращенной формулы теории возмущений. Использование в этой формуле функций ценности /+(т) позволяет наиболее полно учесть свойства интересующего нас функционала как функции параметров at и организовать экономичную, в ряде случаев беспоисковую вычислительную процедуру. Последнее в принципе обеспечивает возможность решения обратной задачи в режиме реального времени (on-line — идентификация). [c.180]

Для заданного интервала времени управления вариации указанных характеристик различны. Для того чтобы модель ОУ была адекватна реальной системе, что является необходимым условием формирования эффективных управляющих воздействий СУ, требуется коррекция параметров модели ОУ и учет изменения переменных состояния ОУ. В связи с этим необходимо, чтобы СУ могла периодически производить идентификацию параметров и переменных состояния модели ОУ. При этом порядок формирования управляющих воздействий соответствует описанному для системы координированного управления, однако через некоторый интервал времени Т, зависящий от статистических характеристик стохастических переменных, включается алгоритм идентифи1 ции и модель ОУ подстраивается под новые условия. Для моделей СЦТ по информации, хранимой в базе данных системы, и по результатам текущих измерений должны периодически оцениваться параметры трубопроводов и характеристики оборудования сети и тепловых пунктов. При формировании управляющих воздействий необходимо учитывать на основе имеющихся ретроспективных данных и текущих измерений изменения температуры наружного воздуха и тепловых нагрузок. Блоки иден-тифи1 ии должны включаться в алгоритмы управления каждого уровня иерархии СУ идентификация должна проводиться для моделей всех уровней иерархии ОУ. Частота идентификации возрастает от верхнего к нижнему уровню ОУ. [c.65]

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]

Далее будут рассматриваться только самооптимизирующиеся регуляторы, основанные на идентификации параметров объекта. Проблемы идентификации объектов управления и моделей случайных сигналов обсуждаются в гл. 23. Идентификации объектов в замкнутом контуре посвящена гл. 24. В гл. 25 описывается специальный тип самооптимизирующихся регуляторов — регуляторы с настраиваемыми параметрами. [c.351]

Автоматизированные испытания состоят в экспериментальном подтверждении параметров математической людели. На этом этапе разрабатывают оптимальный план доводочных испытаний, способы идентификации (определения) параметров моделей по данным опыта. [c.671]

В ряде случаев наблюдается высокая автокорре.т1Яция значений случайного члена. Тогда метод наименьших квадратов, наиболее часто используемый для идентификации параметров математико-статистических моделей, дает несмещенные п состоятелыпяе опенки, однако не обязательно вполне эффективные. Формулы для расчета стандартной ошибки и уровня существенности в этом случае оказываются неприемлемыми даже для приблизительных расчетов. Однако при прогнозировании правильное использование автокорреляции может способствовать повышению достоверности прогнозов. Это следует из возможности и допустимости прогнозирования значений случайного члена, когда известны фактические разности в предшествующем периоде . [c.179]

Для подобных ситуаций созданы специальные разновидности метода наихменьших квадратов, позволяющие учитывать дополнительные условия, например, в виде ограничений на сумму некоторых структурных параметров, их предельных значений и т. п. Однако эти разновидности метода не позволяют установить направления отдельных факторов, т. е. знаки при структурных параметрах. Для преодоления этого можно рассматривать схему идентификации структурных параметров модели, основанную на задаче квадратичного программирования, Тогда проблема сводится к решению следующей задачи найти значения структурных параг.зетров модели при факторах Х , при которых сумма квадратов отклонений фактических значений от эмпирической линии регрессии достигает минимального значения [c.187]

Идентификация расчетной модели осуществляется на стадии доводки опытной конструкции. В этом случае проводится идентификация расчетной модели и объекта как по частотам, так и по амплитудам колебаний. Для этого корректируются жест-костные и диссипационные параметры динамической модели. [c.326]

Неизвестные функции этой системы — концентрация дырок и электронов р(х, у, z, t) и п х, у, z, t) и напряженность электрического поля Е(х, у, Z, t). Вместо Е может фигурировать электрический потенциал ф(д , у, z, t), так как Е=—gradf. Краевые условия состоят из начальных условий, характеризующих распределение зависимых переменных по объему кристалла в начальный момент времени, и граничных, задающих значения зависимых переменных на границах рассматриваемой полупроводниковой области. Геометрические размеры и конфигурация диффузионных областей и омических контактов транзистора также учитываются граничными условиями. Параметрами этой модели являются основные электрофизические параметры полупроводника. Дифференциальные уравнения в частных производных можно решать методами конечных разностей либо конечных элементов. С помощью физико-топологической модели можно с высокой степенью точности определить основные статические и динамические характеристики транзистора. Модель не учитывает влияния магнитного поля и возможных неоднородностей полупроводникового материала, что несущественно для моделирования реальных транзисторов, так как большее значение имеет точное определение параметров модели. Применение подобных моделей транзистора в задачах анализа электронных схем практически нереализуемо. Они применяются только для идентификации параметров более простых схемных моделей транзистора. [c.132]

Особенно большие отличия предсказаний теории Вайтмана от ре- )ультатов опыта наблюдаются при m—i, т. е. при идентификации мелодических интервалов, состоящих из двух соседних гармоник, что свидетельствует о значительной неопределенности высоты при анализе автокорреляционной функции на 2-м этапе преобразований. Эта неопределенность не может быть устранена путем вариаций единственного свободного параметра модели — разрешающей спЬ-собности треугольного фильтра, действующего на 1-м этапе преобра- )ований в модели. Изменение этого параметра влияет лишь на огибающую автокорреляционной функции R (х), вырабатываемой на 2-м этапе, что практически не отражается на относительных значениях, близких по шкале задержек значений R (х). [c.65]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...