Результаты идентификации математических моделей

Результаты идентификации математических моделей [c.172]

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]

В дальнейшем все эти три коэффициента уточняются по результатам автономных испытаний или в процессе идентификации математической модели двигателя. [c.66]

В процессе идентификации математической модели двигателя особо следует отметить сопоставление модельной (полученной в результате моделирования) и измеренной температур газовых потоков. [c.158]

При статистическом характере возбуждения спектр колебаний из дискретного становится непрерывным. Поэтому существенное значение приобретает статистическая обработка результатов экспериментальных исследований и моделирования, выделение частотных зон, где спектральная плотность максимальна, и описание статистических свойств основных спектральных составляющих. Такой сравнительный анализ вибрационных процессов, полученных экспериментально и математическим моделированием, позволяет поставить задачу диагностики как специальный случай задачи идентификации [16]. Основное отличие от рассмотренной в [16] схемы в нашем случае состоит в том, что математическая модель объекта в первом приближении известна и идентифицируется возбуждение на входе объекта, недоступное непосредственному измерению. Критерием идентификации может служить совпадение статистических характеристик выходов реального объекта и его математической модели (1). Такое совпадение (или достаточно хорошее приближение) служит основанием для вывода об адекватности статистических характеристик возбуждения на входах объекта и его математической модели. Естественно, что информативность различных характеристик вибро-акустического процесса для идентификации возбуждения является различной. Поэтому существенное значение приобретает изучение возможно большего числа таких характеристик с целью выбора наиболее информативных. Здесь остановимся только на некоторых таких характеристиках (их опреде- [c.48]

Разработаны теория и алгоритмы расчета прочности оболочек сложной геометрии под действием интенсивного термосилового нагружения. По результатам расчета резервуара для криогенных жидкостей предложено конструктивное изменение, снижающее концентрацию напряжений до безопасной, запатентованы устройство и технология изготовления и контроля куполообразных предохранительных мембран. Разработан новый метод идентификации фильтрационных параметров нефтяных и газовых пластов при нестационарной фильтрации на основе теории некорректных задач, позволяющий сократить время промыслового эксперимента.. Предложены алгоритмы определения коэффициентов фильтрации трехмерных водоносных пластов. Построена математическая модель переноса частиц двухфазным потоком в [c.78]

Переход от мягкого моделирования к жесткому часто сопровождается решением задачи идентификации, структурной или параметрической. В первом случае по результатам экспериментов уточняется математическое описание процессов, во втором — только коэффициенты, входящие в уравнения. Следует отметить, что в тех случаях, когда предъявляются особые требования к быстродействию модели, например при включении ее в систему автоматического управления, структура модели УИН может быть уже не связана с решением фундаментальных физических уравнений, а представляет собой аппроксимирующие выражения, например, в виде полиномов. Идентификация такой модели может быть осуществлена не только с использованием экспериментальных данных, но и путем их получения на точной модели. [c.202]

Процесс биохимического превращения веществ исключительно сложен. Это делает необходимым дальнейшее расширение исследований самоочищения в натурных условиях водоемов во все сезоны года с изучением не только характера образующихся веществ, т. е. их идентификации, но и установления, по каким реакциям, параллельным или последовательным, они образуются с определением соответствующих кинетических констант. Результаты таких исследований и полученные в них новые сведения о механизме самоочищения и превращения веществ позволят повысить надежность математических моделей и достоверность прогноза качества воды водоемов — приемников сточных вод. [c.182]

На этом же этапе производится идентификация самих математических моделей по результатам автономных испытаний агрегатов и огневых испытаний двигателя. [c.7]

Результаты автоматизированного эксперимента целесообразно использовать при построении и идентификации математической модели, диагностике технического состояния объекта, разработке рекомендаций по повьш1ению динамического качества конструкции, проведении сравнительных испытаний объектов новой техники, разработке и совершенствовании методов и средств анализа вибрационных сигналов. [c.124]

Для построения каждого последующего ряда селекции из предыдущего ряда по критериям регулярности или несмещенности с учетом критерия минимума аргументов выбирается R уравнений. Процесс селекции продолжается до тех пор, пока критерий селекции больше не уменьшается или уменьшается незначительно. Метод группового учета аргументов позволяет построить машинные программы для автоматического расчета регрессионных моделей оптимальной сложности. В отличие от регрессионного анализа МГУА может обеспечивать построение регрессионйых моделей с числом членов больше, чем число испытаний N. МГУА используется для построения прогностических моделей в системах распознавания и диагностики, при этом более подходящим критерием селекции является критерий регулярности. В задачах идентификации математических моделей наилучшие результаты дают критерии несмещенности. [c.167]

При соответствующей идентификации математической модели по результатам эксперимента в качестве аналога для расчета ЭВТИ может быть использована п линейная математическая модель сплошной среды [c.55]

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]

I группы (без учета зазоров, жесткости, с меньпшм числом приведенных масс и т. п.), однако эта модель может потребовать дополнительных экспериментов, поскольку у нее меньше критериев идентификации. После проведения натурных эксиериментов и обработки полученных данных решается задача идентификации вспомогательной, а затем исходной математических моделей. В результате получается диагностическая модель исследуемого устройства. Затем проводится исследование полученной модели во всей области допустимого изменения ее параметров. При этом определяются нагрузки в механизме в разных его состояниях, чувствительность выходных параметров к изменению внутренних и входных воздействий и т. п., т. е. собирается вся информация, необходимая диагностирования. [c.58]

В большинстве случаев структурного синтеза математическая модель в виде алгоритма, позволяющего по заданному множеству X и заданной структуре объекта рассчитать вектор критериев К, оказывается известной. Например, такие модели получаются автоматически в программах анализа типа Spi e, Adams или ПА-9 для объектов, исследуемых на макроуровне. Однако в ряде других случаев такие модели не известны в силу недостаточной изученности процессов и их взаимосвязей в исследуемой среде, но известна совокупность результатов наблюдений или экспериментальных исследований. Тогда для получения моделей используют специальные методы идентификации и аштрокси-мации (модели, полученные подобным путем, иногда называют феноменологическими). [c.173]

Эквивалентность формул (7.20) и (7.21) есть прямое следствие соотношения (7.13), но результат вычислений по ни.м зависит от того, какая из двух величин (if или ij ) подлежит измерению. Это отражает недостаточную адекватность исходной математической модели, неполноту и погрешность измерений. Дополнительный источник многозначности возникает, если оценивать величину ji,j методом идентификации, например по приращениям измеряемой величины. Результат в общем случае зависит от того, какая функция подлежит йзме- [c.273]

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]

Результаты идентификации для рассматриваемой математической модели гидроопоры для различных сочетаний величин Ь и 62 представлены на рис. 4.18 и 4.19. Идентификацию выполняли следующим образом. Был осуществлен перебор параметров. В первом варианте было задано Ь — 1500, а 62 варьировали от 150 до 1500 с шагом 50 Н с/м. Во втором варианте 62 = 150, а 61 варьировали от 150 до 1500 Н с/м с шагом 50 Н с/м. Приведем наиболее близкие параметры для кривой 1 (рис. 4.18) 6i = 1500 62 = 1500 кривая 1 (рис. 4.19). Для кривой 2 (рис. 4.18) 61 = 190 62 = 1500 кривая 2 (рис. 4.19). Дополнительно на рис. 4.10 показана расчетная кривая 3, где Ь — 1500, 62 = 150. На кривой 3 хорошо просматривается эффект размягчения динамической жесткости. Видно, что когда значение Ь находится на верхнем пределе варьирования, а 62 на нижнем, то наименьшая динамическая жесткость получается на частоте 25 Гц. При этом на частоте 200 Гц возникает внутренний антирезоианс гидроопоры. [c.84]

В качестве примера для изучения различных методов идентификации и управления была использована модель парогенератора барабанного типа с естественной циркуляцией продуктов сгорания жидкого топлива. Рассматривалась задача регулирования давления и температуры пара. Блок-схема этой части парогенератора была приведена на рис. 18.1.1. Передаточные функции отдельных блоков были получены с помощью математического моделирования нагревателя и испарителя реального парогенератора [18.5], [18.6] и приведены в приложении. Они хорошо согласуются с результатами измерений сигналов реальной установки. Нагреватель необходимо рассматривать как объект с распределенными параметрами. После проведения линеаризации трансцендентная передаточная функция для малых сигналов может быть аппроксимирована рациональной передаточной функцией с малой задержкой времени. Ошибки, возникающие при этих упрощениях, пренебрежимо малы. Объект управления с двумя входами/двумя выходами моделировался на аналоговом вычислителе, который был состыкован с управляющей ЭВМ типа НР21МХ. Чтобы упростить сравнение, в рассматриваемом примере шум объекта в модели не учитывался. Поскольку парогенератор обладает малым собственным шумом, влияние последнего на основные результаты данных исследований относительно мало. [c.501]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...