"Физика және математика" кафедрасы «компьютерлік математиканың бағдарламалық ЖҮйелерін математиканы оқытуда қолдану»
Идентификациялау әдістерін классификациялау
жүктеу/скачать 484,01 Kb.
|
6.УМКД M-19-1 Компьютерлік математиканың бағдарламалық жүйелерін математиканы оқытуда қолдану
Комп.мод. тест, Комп.мод. тест, Контент Констурк, Контент Констурк, stud.kz-9761, Экология Оқулық Алматы Адам және оны қоршап тұрған орта, Физикалық химия Оқулық Алматы Физикалық химия, Сізді сергітетін кеңестер, Омаров-начало, Диссертация Бергенбек Қазына, Диссертация Бергенбек Қазына, Дюсенбаева Т, 1-курс.Расп бак 2019-2020 2-сем., тест Квуант, тест Квуант
| 10.2 Идентификациялау әдістерін классификациялау
Негізіне қандай негізгі қасиет салынғанына қарай идентификациялау әдістерін классификациялау әртүрлі жолдармен орындалуы мүмкін. Сондықтан әр классификация салыстырмалы болып табылады. Зерттелетін жүйе қандай класқа жататынына қарай идентификациялау әдістері келесідей бөлінеді: - сызықты немесе сызықсыз жүйелерді идентификациялау әдістері; сонымен бірге сызықты жүйелерді идентификациялау жеңілдеу болады, себебі олардың суперпозифиялық қасеттері бар; - стационарлы немесе стационарлы емес жүйелерді идентификациялау әдістері. Егер де дәл идентификациялауға қажетті уақытқа қарағанда жүйе параметрлері баяу өзгеретін болса, жүйелер стационарлы болып есептелінуі мүмкін; - дискретті және үздіксіз жүйелерді идентификациялау әдістері; - жалғыз немесе бірнеше кіріс әсерлері бар жүйелерді идентификациялау әдістері; - детерминерленген немесе стохастикалық процестерді иден-тификациялау әдістері. Стохастикалық процестерді идентификациялағанда әдетте жүйе күйі туралы ықтималдық пікірлерге негізделеді. Практикада өлшеу нәтижелерінің барлығы бөгеттер себебінен дәл болмайды, сондықтан дәл идентификациялау үшін фильтрацияны немесе тегістеу операцияларын қолдану қажет болады. Детерминерленген жүйелерді идентификациялағанда әдетте фильтрация өткізілген деп есептелінеді. Айтылған классификациялау тәсілдерінің негізінде идентификациялау күрделілігі қойылған. Модель құрылымын таңдау процесінде қиындықтарды ескере отырып, модельді «төмендетуге» болатынына, яғни оны объекттің әлде- қайда қарапайымдалатынына көңіл бөлу керек. Мысалы, егер де объект динамикасы өте жоғары болмаса, динамикалық объекттің жүріс-тұрысын статикалық модельмен бейнелеуге болады; сызықты емес объектті сызықтымен аппроксимациялау, т.б. Әрине, осындай модельдер негізінде құрастырылған басқарудың тиімділігі төмендейді. Бірақ осы төмендеуі көп білінбесе, ал идентификациялаудан ұтатын табысты болса, осындай таңдауды оптималды деп есептеуге болады. Идентификациялау есебі объект моделінің құрылымын анықтап, оның параметрлерін қайтадан өңдеуге саятын болғандықтан, идентификациялау есептері мен әдістерін классификациялау негізіне объекттің алдын ала зерттеп тану дәрежесін таңдауға болады. Бұл ең маңызды, бірақ қолдануға қиын нұсқасы – жүйе туралы априорлы ақпараттың бар болуына қарай идентификациялау әдістерін клаасификациялау. Мұнда барлық объекттерді келесі топтарға бөлуге болады: - коэффициенттерінің жуықтаған мәндеріне дейін оларды бейнелейтін теңдеулері белгілі болатын объекттер; осындай объекттер үшін идентификациялау есебі жоқ болады, бұл есеп параметрлерінің жуықтаған мәндерін дәлелдеуге келтіріледі; - оларды бейнелейтін теңдеулер белгілі, бірақ коэффициенттерінің сандық мәндері белгісіз болатын объекттер; осы объекттер үшін идентификациялау процесі белгілі құрылымы бар модельдердің белгісіз параметрлерін қалпына келтіруге саяды; - оларды бейнелейтін теңдеулерінің анықталған түрі және параметрлерінің сандық мәндері белгісіз болатын объекттер, бірақ объект туралы априорлы ақпарат бар, мысалы, объект сызықты, ондағы өтпелі процестер монотонды болып табылады, т.б. Модель құрылымы бұл кезде осы белгілі априорлы ақпарат негізінде таңдалынып, тәжірибелер өткізу кезде дәлелденуі мүмкін, содан кейін параметрлерін қалпына келтіру есебі шешіледі; - олар туралы ешқандай априорлы ақпараты жоқ объекттер («қара жәшік»). Кез келген шектес топтарының арасында анық шекті орнату қиын болып табылады. Процестер динамикасын зерттеудің тәжірибелік әдістері оның кіріс және шығыс координаттарындағы орнатылған ақпаратты өңдеуде негізделген. Объектте тәжірибені өткізу әдісіне қарай идентификациялау әдістерін активті, пассивті және аралас деп бөлуге болады. Егер де зерттелетін объект кірісіне алдын ала анықталған сыналатын ісерлер беріліп, шығудағы сигнал зерттелсе, идентификациялау әдістері активті болып табылады. Сыналатын әсерлер импульсті, периодтық немесе кездейсоқ уақыттан тәуелді функциялары болуы мүмкін. Көбінесе объекттің әдеттегі жұмысын жасанды сыналатын әсерлермен бұзуға рұқсат берілмейді. Осындай жағдайда идентификациялаудың пассивті әдістері қолданылады, әдетте, статистикалық (мысалы, корреляциялық). Бұл кезде кірістегі сигналдың кездейсоқ табиғилық тербелістері қолданылады. Осындай әдістерді тиімді қолдану үшін бақылаудың үлкен интервалын алу керек, сондықтан компьютерлерді міндетті түрде пайдаланады. Жасанды сыналатын әсерлерді қолданбағандықтан, басқару процесіне идентификациялау жабдықтарының қажет емес әсерлерін жояды, бірақ идентификациялау дәлдігі төмендейді, әсіресе басқару шаманың кіші деңгейлерінде. Сондықтан ең болмаса осындай жағдайда активті тәжірибені өткізу немесе пассивті тәжірибедегі бақылау интервалын үлкейту ұсынылады. Кірудегі сигналдар объекттің барлық сипаттайтын жиіліктерінен тұруы керек. Қай әдісті қолдану дұрыс болатынын шешу жеңіл сұрақ емес. Ол анықталған объекттің қасиеттерінен, идентификациялаудың қажетті дәлдігінен және сыналатын сигналдың түріне тәуелді. Идентификациялау әдістері ұсынылған классификациядан басқа келесі белгілер бойынша бөлінуі мүмкін: - объект сипаттамаларын көрсету әдісі бойынша (уақыт немесе жиілік кеңістігінде); - объект мен модельдің ұқсастығын орнататын критерийі бойынша; - модельдің белгісіз параметрлерін қалпына келтіру әдістері бойынша (итерациялық немесе итерациялық емес). Алынған математикалық бейнелеу нақты объекттегі бар болатын заңдылықтарды шешілетін басқару есебінің талап ететін дәлдігімен көрсетуі керек. Одан басқарудың сапасы тәуелді болады. жүктеу/скачать 484,01 Kb. Достарыңызбен бөлісу:
|