Теоретические основы автоматизированного управления. Файзрахманов Р.А - 76 стр.

орной информации об объекте идентификации (идентифицируемой систе-
ме). Например, если известна структура системы и задан класс моделей, к
которому она относится, то априорная информация в этом случае велика и
задача идентификации состоит в оценивании параметров и состояния сис-
темы по результатам наблюдений за входными и выходными переменны-
ми. Это идентификация в узком смысле слова.
      В худшем случае априорная информация может быть очень бедной
или отсутствовать вообще, поэтому при идентификации приходится ре-
шать много дополнительных задач. К ним относятся: выбор структуры
системы, задание класса моделей, оценивание степени стационарности и
линейности объекта, выбор информационных переменных и др. Это уже
идентификация в широком смысле слова. К настоящему времени в теории
и практике управления накоплен большой опыт решения задач идентифи-
кации в узком смысле.
      Методы решения задач идентификации в широком смысле начали
разрабатываться сравнительно недавно, и здесь результаты значительно
скромнее, что в первую очередь можно объяснить чрезвычайной сложно-
стью задачи.
      Следует также отметить, что при идентификации, как правило, не
удается исключить влияния контролируемых и неконтролируемых случай-
ных возмущений на параметры и координаты объекта и обеспечить абсо-
лютную точность измерений, поэтому в основе методов идентификации
лежат статистические методы обработки сигналов и получение вероятно-
стных оценок.
      Пусть на вход изучаемой одномерной системы поступает случайный
сигнал Λ(t). Этот же сигнал подаётся на вход модели (рис. 15.1).


             Λ(t)       Изучаемая        Yh(t)
                         система


                                                     –    E(t)

                                                     +
             +
    N(t) +       X(t)                    Y(t)
                         Модель

                             Рис. 15.1

Однако из-за ошибки измерения, представляющей собой случайную поме-
ху N(t), фактический входной сигнал X(t) модели является суммой сигнала
Λ(t) и помехи N(t). Разность E(t) между значениями выходных сигналов
модели и изучаемой системы называют ошибкой идентификации. Она ха-
рактеризует точность определения динамических характеристик изучаемой

                                                                     76