Нерекуррентный алгоритм идентификации.
Задача идентификации квазилинейного объекта заключается в определении коэффициентов разностного уравнения а i и bi по известным измерениям входного и выходного процессов u( k) и х( k) в дискретные моменты времени k:
u(0),u(1),…,u(k-1);
x(d+1),x(d+2),…,x(k+d).
Если учесть, что производится оценка параметров на k –м шаге изменений векторов U и X, то верно следующее:
где , - оценка i – х коэффициентов, полученная на предыдущем, ( k-1) - м шаге; e( k) – ошибка (невязка), полученная по причине неточного значения коэффициентов ai, bi, а также шумов измерения входного и выходного процессов U, X.
Данное уравнение можно представить как ошибку, определенную из разности действительного и спрогнозированного значений выходной координаты x( k):
e( k)= x( k)- x( k/( k-1)), где
тогда
Использование матричных выражений позволяет представить взаимосвязь между параметрами и ошибками на шагах от ( m+ d-1) до ( m+ d+ N), т. е. на ( N+1)-м шаге. Рассмотрение ошибок и оценок на интервале в ( N+1)-й шаг позволяет перейти к средним оценкам и оптимальному выбору параметров из условия минимизации этих ошибок.
Вводя функцию потерь (ошибок):
произведем преобразования:
При определении минимума потерь (ошибок) исходим из необходимых условий:
Отсюда:
где
Недостатки нерекуррентного алгоритма.
1. Точность вычисления оценки может быть низкой из-за плохой обусловленности матрицы [Ф T(т + d + N)Ф( m + d + N)].
|
|
2. Велики затраты памяти машины.
3. Большой объем вычислений для определения оценки вектора параметров, препятствующий реализации алгоритма в темпе со временем.
Рекуррентный алгоритм идентификации.
Если ( k) и ( k + 1) - оценки на шагах k и ( k + 1) соответственно, то можно получить рекуррентную формулу для оценивания параметров системы:
Пусть проведено некоторое количество измерений, так что система содержит k скалярных уравнений. Запишем её в виде:
Проведя измерения в (k+1) -ый момент времени, получим
или в блочном виде:
где индексы k и k+1, соответствующие q, показывают число уравнений в системе, которую для оценки q надо решить в смысле минимума среднеквадратической ошибки.
Переписывая (2), получаем:
Формулы (4) и (5) позволяют вычислить новую оценку параметра q(k+1), если заданы предыдущая оценка q(k), оценка Р(k) и информация об , x(k) по измерениям в момент времени k. Для того чтобы можно было начать оценивание по рекурентной схеме,
Необходимо знать начальные значения q(0), Р(0). Матрицу Р(0) можно вычислить, воспользовавшись определением (2,а), а q(0)- из (1). Можно выбрать q(0) иначе (как чаще и делают) в соответствии с имеющейся априорной информацией, а в отсутствии такой информации q(0) полагают равным нулю:
|
|
q(0)=0
Матрицу Р(0) в отсутствии априорной информации полагают пропорциональной единичной матрице
где выбирается достаточно большим, так что влияние предложения, сделанного в (6), по мере учета в оценке новых измерений быстро становится пренебрежимо малым.
Итого:
P(0) = c2 I, c→∞; I - единичная матрица; γ( k)- вектор коррекции;
Приведенные формулы есть классические формулы идентификации параметров по рекурентному методу наименьших квадратов. Однако для практического применения они, как правило, непосредственно не используются по следующей причине:
Большое влияние точности вычислений на устойчивость оценки - плохая обусловленность матриц.
Модифицированный алгоритм идентификации по методу квадратного корня.
Рекуррентный алгоритм целесообразно модифицировать, чтобы исключить непосредственные вычисления плохо обусловленных матриц. Наибольшее распространение получил подход по методу квадратного корня [10]. Здесь используется переход от матрицы Р( k) к матрице G( k), причем
откуда следует:
где G( k) - так называемая информационная матрица.
Воспользуясь выражением:
|
|
введем H( k) = G( k)φ( k + 1),
Отсюда:
что позволяет вычислять G( k + 1) по значениям G( k).
Вектор коррекции:
I - единичная матрица.
Вычисление квадратного корня в (2.15) производится по формуле Хелеского:
если N = VTV, то:
- для диагональных элементов;
- для недиагональных элементов.
По сравнению с классическим алгоритмом идентификации по методу наименьших квадратов модифицированный алгоритм идентификации по методу квадратного корня обладает большей устойчивостью благодаря меньшей вычислительной погрешности: он обеспечивает такую же точность, как классический алгоритм идентификации, при использовании ЭВМ с вдвое меньшей разрядностью центрального процессора.
Для целей сокращения операций в ЦВМ алгоритм имеет пошаговый вид:
Дата добавления: 2018-11-24; просмотров: 265; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!