Оценка адекватности модели объекта управления

Следующим этапом автоматической идентификации ТОУ с помощью пакета SystemIdentificationToolboxявляется проверка качества модели или ее адекватности по выбранному критерию близости выходного сигнала модели и объекта.

В пакете SystemIdentificationToolboxиспользуются следующие модели дискретных объектов для временной области, учитывающие действие шума наблюдения [7, 8]:

1. Модель авторегрессии AR (AutoRegressive) считается наиболее простым описанием:

A(z) y(t) = u(t) , гдеA(z) = 1 + a1 z – 1 + a2 z – 2 +...+ ana z – na .

2. ARX – модель (AutoregressivewitheXternalinput) учитывает два параметра: управляющий сигнал Оценка адекватности модели объекта управления - student2.ru и дискретный белый шум Оценка адекватности модели объекта управления - student2.ru :

A(z) y(t) = B(z) u(t) + e(t) ,

где Оценка адекватности модели объекта управления - student2.ru .

Или в развернутом виде:

Оценка адекватности модели объекта управления - student2.ru ,

3. ARMAX-модель (AutoRegressive-MovingAveragewihteXternalinput)или модель авторегрессии скользящего среднего:

Оценка адекватности модели объекта управления - student2.ru ,

где nk – величина задержки (запаздывания),

Оценка адекватности модели объекта управления - student2.ru .

4. Модель «вход-выход» (в иностранной литературе Output-Error»):

Оценка адекватности модели объекта управления - student2.ru ,

где Оценка адекватности модели объекта управления - student2.ru .

5. Модель Бокса-Дженкинса (BJ) описывается выражением вида:

Оценка адекватности модели объекта управления - student2.ru ,

зависимости B(z), F(z), C(z) рассчитывают аналогичным образом, а полином D(z) определяется по формуле:

Оценка адекватности модели объекта управления - student2.ru .

6. Модель для переменных состояния (State-space) представляет собой систему уравнений:

Оценка адекватности модели объекта управления - student2.ru ,

Оценка адекватности модели объекта управления - student2.ru ,

где A, B, C, D – матрицы соответствующих размеров, v(t) – коррелированный белый шум наблюдений.

Для построения модели технологического объекта и проверки ее качества необходимо выполнить команду PolynomialModels. В результате появится рабочее окно со списком в контекстном меню Structureназваний встроенных моделей (рис. 16). Установив требуемое значение, например ARX, и нажав кнопку Estimate, в разделе Importmodels добавляется новая модель (рис. 18).

Оценка адекватности модели объекта управления - student2.ru

Рисунок 16 – ДиалоговоеокноPolynomialModels

Для сравнительного анализа результатов моделирования необходимо воспользоваться всеми имеющимися методами, т.е. поочередно выбрать из предложенного ряда модели из перечня представленного выше (ARX, ARMAX, OE или BJ), каждый разнажимая кнопку Estimate, вызываем в правой части диалогового окна поля для ввода параметров (рис. 17).

Оценка адекватности модели объекта управления - student2.ru

Рисунок 17– Модели технологического объекта управления

Для выбора наиболее адекватной модели технологического объекта управления, которая впоследствии будет использоваться при решении задач анализа и синтеза регулятора системы управления, в диалоговом окне Estimate выбираем быстрый старт QuickStart. Программа автоматически выполнит сравнение моделей, полученных на основе измеренных выходных параметров Measuredandsimulatedmodeloutput, сформировав процент адекватности (рис. 18).

Оценка адекватности модели объекта управления - student2.ru

Рисунок 18 – Оценка адекватности моделей ТОУ

Таким образом, для рассматриваемого примера наиболее адекватной, т.е. максимально соответствующей экспериментальным данным, полученным в результате исследования кривой разгона технологического объекта управления,является модель arx441 с процентом адекватности 73,49%.



Наши рекомендации