Моделирование процесса параметрической идентификации динамического объекта
Краткое сожержание материала:
Размещено на
1. Постановка задачи
В нашей работе нам нужно создать модель, которая будет удовлетворять исходным данным и сможет найти оптимальные параметры для идентификации исходной функции. Результатом работы должны быть графики поиска минимума значения функции, гистограмма распределения точек генератора случайных чисел, а также график Y теоретического, Y экспериментального от времени.
Моделирование используется, если эксперимент с реальным объектом:
1) опасный
2) дорогой
3) долговременный / краткосрочный
4) невозможный / трудный
Условная схема моделирования:
Т.к. у нас отсутствует объект, то мы заменяем его на Y теоретическое + шум
Y экспериментальное = Y теоретическое + шум
2. Нахождение Y теоретического. Преобразование формулы и решение ее с помощью Метода Эйлера
Здесь нам нужно найти значения функции Y теоретического, для того, чтобы потом получить Y экспериментальное, с помощью шума.
Используя метод введения дополнительной переменной, получим:
Перейдём в вещественную форму:
Обозначим:
Получим систему уравнений в канонической форме:
Далее решаем систему методом Эйлера. Начальные условия:
А также, на каждом шаге подставив полученные значения, рассчитываем
Выберем шаг h=0.5, выполним необходимые вычисления и построим график функции.
Полученный график представлен на рис. 1. По графику видно, что функция
y(t)-> к числу чуть больше 0. А выходит она из точки ~ -1500.
Узнаем точные значения этих точек. Для этого вычислим пределы:
= 30
= -1500
Некоторые значения y представлена в таблице 1 «Зависимость значения функции от времени».
Наилучший период наблюдения t=1…300, шаг h=0.5.
Взято 300 точек, т. к. уже на этом периоде наблюдения видно как график функции сходится к положительному числу около 0. График функции искажается при шаге больше 0.5 (при шаге больше 0,8 - расходится). А при меньшем шаге сходимость получим за большее число шагов. Поэтому выбран шаг h=0.5.
Таблица 1. Зависимость значения функции от времени
t |
y(t) |
|
1 |
-1500,000 |
|
11 |
1130,336 |
|
21 |
-407,472 |
|
31 |
-131,811 |
|
41 |
546,368 |
|
51 |
-554,815 |
|
61 |
465,039 |
|
71 |
-156,678 |
|
81 |
-15,510 |
|
91 |
218,653 |
|
101 |
-192,945 |
|
111 |
201,441 |
|
121 |
-48,697 |
|
131 |
18,974 |
|
141 |
98,544 |
|
151 |
-54,763 |
|
161 |
97,352 |
|
171 |
-2,843 |
|
181 |
28,262 |
|
191 |
54,751 |
|
201 |
-2,138 |
|
211 |
56,381 |
|
221 |
16,410 |
|
231 |
30,295 |
|
241 |
38,875 |
|
251 |
17,849 |
|
261 |
40,304 |
|
271 |
24,418 |
|
281 |
30,484 |
|
291 |
33,157 |
3. Моделирование метода оптимизации
3.1 Описание метода поиска
Метод предназначен для нахождения экстремума (минимума) функции , но в нашем случае: .
1. Задается начальная точка , отличная от точки минимума. Задаются точность (E) и шаг (h).
2. Далее выбираем координату (направление), по которой будем двигаться по функции:
а все остальные координаты фиксируем. И ищем минимальное значение функции как функцию одной переменной (Х1)
В случае если новое значение функции больше предыдущего, то меняем шаг на противоположный (h = - h).
3. Когда находим значение координаты, при котором значение функции минимально, то выбираем другую координату, по которой будем двигаться по функции:
а все остальные координаты снова фиксируем.
Выбор остановки задан 4 условиями:
1.
2.
3.
4. Число обращений (итераций)
k(f) > kmax
3.2 Результаты работы программы
Квадратичная функция (Эллипс)
Функция имеет вид
Начальная точка А0 (2, 2).
Таблица 2. Изменение x1 и x2, исходя из поиска min значения квадратичной функции
№ шага |
X1 |
X2 |
|
1 |
2 |
2 |
|
2 |
1,8 |
2 |
|
3 |
1,6 |
2 |
|
4 |
1,4 |
2 |
|
5 |
1,2 |
2 |
|
6 |
1 |
2 |
|
7 |
0,8 |
2 |
|
8 |
0,6 |
2 |
|
9 |
0,4 |
2 |
|
10 |
0,2 |
2 |
|
11 |
2,78E-16 |
2 |
|
12 |
2,78E-16 |
1,8 |
|
13 |
2,78E-16 |
1,6 |
|
14 |
2,78E-16 |
1,4 |
|
15 |
2,78E-16 |
1,2 |
|
16 |
<...
Другие файлы:
Математическое моделирование Синтез линейных систем модальным методом Моделирование замкнутой САР программным методом и при помощи системы имитационного моделирования ИМОДС Экспериментальная идентификация линейного динамического объекта методом корреляционных функций Инженерные методы идентификации энергетических объектов |