Идентификация объектов управления. Семенов А.Д - 157 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

()
(
)
()
()
⎪
⎪
⎩
⎪
⎪
⎨
⎧
≥>
=>−
≤
=
.кcσkeRS,
,кcσkekk
,cσke,ky
ky
e
e
T
e
c
2 иесли
2иесли)()1(
если
)]([
Ψθ
η
(6.30)
Моделирование работы алгоритмов этой группы для случайных
стационарных процессов, задаваемых авторегрессионной моделью показало,
что алгоритм (6.30) имеет преимущество перед всеми рассмотренными ранее
алгоритмами идентификации. Так при нормальном законе распределения
помех он имеет эффективность такую же, как и не робастные алгоритмы, а при
наличии аномальных помех позволяет получить сходящиеся и более точные
оценки процесса, в то время как оценки не робастных алгоритмов расходятся.
7. Идентификация переменных состояния объекта управления.
7.1. Идентификация переменных состояния с использованием
наблюдателей состояния
Очень часто в задачах управления возникает ситуация когда не все
переменные состояния объекта могут быть непосредственно определены с
использованием прямых или косвенных методов измерения. В этом случае
для полностью наблюдаемого объекта с известными параметрами
задаваемого уравнением
)0()(,
0
xxBuAx
x
=+= t
d
t
d
(7.1)
и измеряемыми переменными
Cx
y
=
, (7.2)
можно вычислить (оценить) его переменные состояния, непосредственно,
используя математическую модель объекта
)0(
ˆ
)(
ˆ
,
ˆ
ˆ
0
xxBuxA
x
=+= t
d
t
d
. (7.3)
Очевидно, что если
)0()0(
ˆ
xx
=
, то решение уравнения (7.1) точно
совпадает с решением уравнения (7.3). 
                     ⎧ y (k ), если e(k ) ≤ cσ e ,
                     ⎪⎪
     η c [ y (k )] = ⎨θ T (k − 1)Ψ (k ) если e(k ) > cσ e и к = 2,
                      ⎪
                      ⎪⎩ RS,       если e(k ) > cσ e и к ≥ 2.
                                                                      (6.30)
     Моделирование работы алгоритмов этой группы для случайных
стационарных процессов, задаваемых авторегрессионной моделью показало,
что алгоритм (6.30) имеет преимущество перед всеми рассмотренными ранее
алгоритмами идентификации. Так при нормальном законе распределения
помех он имеет эффективность такую же, как и не робастные алгоритмы, а при
наличии аномальных помех позволяет получить сходящиеся и более точные
оценки процесса, в то время как оценки не робастных алгоритмов расходятся.
           7. Идентификация переменных состояния объекта управления.


            7.1. Идентификация переменных состояния с использованием
                                  наблюдателей состояния


     Очень часто в задачах управления возникает ситуация когда не все
переменные состояния объекта могут быть непосредственно определены с
использованием прямых или косвенных методов измерения. В этом случае
для полностью наблюдаемого объекта с известными параметрами
задаваемого уравнением
                               dx
                                  = Ax + Bu, x(t 0 ) = x(0)                    (7.1)
                               dt
и измеряемыми переменными
                                              y = Cx ,                         (7.2)
можно вычислить (оценить) его переменные состояния, непосредственно,
используя математическую модель объекта
                               dxˆ
                                   = Axˆ + Bu, xˆ (t 0 ) = xˆ (0) .            (7.3)
                               dt
     Очевидно, что если           xˆ (0) = x(0) , то решение уравнения (7.1) точно
совпадает с решением уравнения (7.3).

Страницы