Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
2.4. МЕТОДЫ ОЦЕНИВАНИЯ ПО НАСТРАИВАЕМОЙ МОДЕЛИНечетные и четные функции ошибокСхема, изображенная на фиг. 2.1, б, может быть использована для такой настройкимодели
где, как и раньше, Радужная оболочка управляет уровнем освещенности сетчатки как самая обычная система управления: если уровень освещенности слишком высок, сигнал ошибки приводит к сужению зрачка, и наоборот. Знак ошибки непосредственно указывает направление изменения размеров зрачка (фиг. 2.5, б). Сигнал ошибки сводится к пулю. Хрусталик управляет фокусировкой изображения. Здесь сигнал ошибки ужо не меняет знака при перестройке фокусного расстояния хрусталика от наблюдения удаленных предметов для наблюдения близких предметов и наоборот. Четкость изображения как функция аккомодации хрусталика и, следовательно, сигнала ошибки имеет экстремум (фиг. 2.5, в). Мы сталкиваемся с ситуацией, (кликните для просмотра скана) (кликните для просмотра скана) (кликните для просмотра скана)
Фиг. 2.8. аналогичной схеме с настраиваемой моделью. Эта ситуация типична для адаптивных и экстремальных регуляторов. На фиг. 2.6 проводится сравнение целей оценивания параметров, оптимизации и адаптации. На фиг. 2.7 показано главное отличие обычного управления от управления экстремального типа. Будем называть эти два типа систем с обратной связью, подчеркивая их основное отличие, системами с нечетной функцией (ошибки) и системами с четной функцией (ошибки). Из фиг. 2.8 видно, что если известен знак второй производной (минимум или максимум функции), то для системы с четной функцией ошибки требуется по меньшей мере два наблюдепия, чтобы определить по ним направление движения к экстремуму. Для того чтобы управлять, необходимо сжать информацию о двух или большем числе наблюдений, представив ее в виде одного числа. Такая редукция данных превращает четную функцию ошибки в нечетную функцию ошибки. После редукции, используя эту нечетную функцию ошибки, можно применять обычный принцип управления с обратной связью. Направление оптимальной настройки указывается знаком первой производной по
Ни Для выборочных сигналов в том случае, когда выбранное описание адекватно представляет поведение исследуемого объекта, паходим (см. фиг. 2.3)
и, следовательно, ошибка определится как
Таким образом, квадратичная форма
достигает минимума при Непрерывная схема настройки. Хорошая стратегия получается, если положить
Такой выбор приводит к градиентному методу. Строго говоря, при определепии градиента величина Дискретная схема настройки. Упомянутая трудность определения градиента не возникает, если пользоваться дискретной схемой: измерение градиента при постоянном
где На простом примере снова можно продемонстрировать связь между методами с настраиваемой моделью и использованием явных математических выражений. Допустим, что критерием настройки является
Из. уравнения (2.9) видно, что после
Это оценка по методу наименьших квадратов при условии, что проведена априорная настройка модели и имеется последовательность выборочных значений ошибки. Для последующих настроек из уравнения (2.21) находим
Также можно оценить степень «неопределенности» этой оценки Точно так же в задачах настройки можно использовать критерий Методы получения частных производных или градиентовВ принципе имеются следующие подходы: а) Использование коэффициентов влияния параметров или коэффициентов чувствительности параметров. В последние годы этот способ вызвал большой интерес (см. гл. 9). Идею метода можно объяснить на простом примере, принадлежащем Мейссингеру [14]. Рассмотрим модель первого порядка с одним неизвестным параметром
Ошибка
Оставим только члены первого порядка малости. Величину производной
Меняя порядок дифференцирования и делая замену
Это уравнение называется уравнением чувствительности по
Фиг. 2.9.
Фиг. 2.10. ограничениях обеспечивали сходимость выходного сигнала к параметру б) Использование двух моделей с параметрами в) Использование модели с возмущаемым параметром. Этот метод основывается на соотношении
из которого следует, что если величина параметра модели определяется возмущением, заданным известной
Фиг. 2.11. функцией времени — пробным сигналом, а возникающее возмущение производной г) Использование обобщенной модели. Очевидно, что перечисленные методы вычисления
В этом случае имеем
т. е. коэффициенты чувствительности входят в модель в явном виде. Этот случай представлен на фиг. 2.12. Входной сигнал и
Фиг. 2.12. считается случайным процессом. Блоки В дальнейшем читатель оценит удобство модели, которая приводит к ошибке, линейной по оцениваемым параметрам. На фиг. 2.13, а — в приводятся конкретные примеры:
Отметим, что а) является частным случаем б), а б) — частным случаем в). Для обобщенной модели вовсе не обязательно, чтобы связь между входом и выходом модели была линейной. Уже из фиг. 2.12 видно, что операторы Фиг. 2.13. (см. скан) На фиг. 2.13, а приводится пример системы, в которой ошибка нелинейна относительно оцениваемых параметров:
Здесь
|
1 |
Оглавление
|