Объекты идентификация

Для эффективного решения задач, возникающих на всех уровнях иерархии химического производства, необходимо прежде всего выполнить идентификацию операторов отдельных ФХС, составляющих ХТС, т. е. оценить входящие в них параметры. Это может быть достигнуто либо решением обратных задач с постановкой соответствующих экспериментов (если объектом исследования служит действующее производство), либо априорным заданием ориентировочных значений технологических параметров, используя данные аналогичных производств (при проектировании новых химико-технологических систем). После процедуры идентификации отображение (2) можно считать готовым для изучения свойств ФХС в рабочем диапазоне изменения ее параметров нахождения оптимальных конструктивных и режимных параметров технологического процесса синтеза оптимального управления системой анализа и моделирования поведения ХТС, в состав которой в качестве элемента входит рассматриваемая ФХС и т. п. Реализация перечисленных задач так или иначе связана с решением системы уравнений, соответствующих отображению (2), что равносильно получению явной функциональной связи между переменными у и и либо в аналитической форме конечных соотношений, либо в виде результата численного решения задачи на ЭВМ. Формально это решение представляется в виде соответствующего отображения [c.8]

Рассмотрим связь между различными формами представления математического описания объектов идентификации. [c.288]

Введенные дисперсионные отношения позволяют прежде всего определить и количественно оценить такую важную характеристику, как степень нелинейности объекта идентификации. Из- [c.439]

Построение таких систем целесообразно вести на основе адаптивного подхода. Общий принцип адаптивных систем базируется на том, что одновременно в системе управления решаются задачи получения модели объекта (идентификации) и управления. Эти системы обладают значительной степенью универсальности в том смысле, что они основаны на одних и тех же принципах идентификации и прямого цифрового управления, имеют практически одинаковое математическое обеспечение, и специфика объекта учитывается только составом средств получения информации от объекта и согласующими устройствами. Эта универсальность является важной предпосылкой для серийного производства таких систем. [c.202]

Может оказаться, что постоянная температура а и произвольно заданные массовая скорость потока Ш и температура и, а также соответствующая этим условиям массовая скорость а з не обусловливают конечной температуры 4. Следовательно, используем только одну эту степень свободы и будем регулировать массовую скорость потока т з- При этом важно, чтобы регулируемые вели чины, влияющие на процесс, вызывали большой отклик (регулиро ванне должно быть результативным). Данный пример очень упро щен. В действительности многие технологические процессы имеют сложный характер и на них влияют различные параметры. Деталь нов изучение механизма процесса представляет собой очень труд ную (а иногда и неразрешимую) задачу. Поэтому необходимо вы брать такие параметры (из входных и выходных на блок-схеме) которые представляют для нас наибольший интерес, и тем самым ограничить необходимое для идентификации свойств процесса ко личество расчетов и измерений. Особое внимание следует уделять тем величинам, которые существенно влияют на объект (процесс), в частности, таким переменным ы из набора и, которые [c.475]

Наконец, существенной характеристикой методов идентификации является форма представления математической модели объекта, на которую ориентирован тот или иной метод. Математическая модель динамической системы может быть представлена либо в форме дифференциальных уравнений состояния (5.1), либо в форме интегрального оператора с ядром в виде весовой функции системы, либо в форме передаточной функции. Методы идентификации, ориентированные на различные формы представления математической модели объекта, существенно отличаются друг от друга и неравнозначны по своей эффективности. [c.288]

Монография посвящена решению широкого класса задач по планированию эксперимента в различных отраслях науки и техники. Строятся точные и непрерывные планы, дается синтез тестирующих сигналов для идентификации динамических объектов, показаны оптимальные экстраполяции. [c.431]

Общие положения. Идентификация математического описания объекта является основным этапом в построении адекватной математической модели процесса и поэтому представляет собой одну из центральных задач в области математического моделирования химико-технологических нроцессов. [c.281]

Общая схема формирования модели сложной системы представляет собой переход от общего к частному. Сначала разрабатывают структуру модели. Это так называемый структурный или топологический уровень формирования модели. Следующий уровень моделирования — функциональный или алгоритмический. Исследователя на этом этапе интересует моделирование поведения объекта, т. е. изменение его состояния во времени. Наконец, производят идентификацию параметров модели, этот этап называют параметрическим уровнем моделирования. [c.74]

Методологически задача выполнения научных исследований для оценки параметров (или выбора) модели процесса или ХТС состоит из нескольких этапов, а именно а) задания некоторого множества моделей объекта на основе фундаментальных законов (закономерностей) или априорной информации б) разработка структуры, состава, элементов, системы управления и изготовления экспериментальной установки в) планирования и проведения экспериментов на установке г) обработка экспериментальных данных для идентификации модели (определения параметров) д) выдачи модели процесса или ХТС на стадию проектирования. При неудачном выполнении одного из этапов в указанной последовательности цикл действий может повторяться с любого из этапов, т. е. длительность проведения эксперимента и обработки результатов зависит от четкости его постановки, корректности математического обеспечения и уровня автоматизации. [c.58]

Идентификация математических моделей, т. е. установление степени соответствия результатов, полученных на модели и на реальном объекте. [c.3]

J Следующим этапом системного исследования является идентификация математических моделей элементов, состоящая в определении неизвестных параметров и оценке параметров состояния объекта. [c.8]

В зависимости от степени нелинейности объекта существующие методы идентификации целесообразно разделить на две группы методы, ориентированные на линейные системы, и методы, специфические для нелинейных систем. Методы первой группы чаще всего используются для уточнения той части функционального оператора Ф, которая ответственна за гидродинамическую структуру потоков в технологическом аппарате. Методы второй группы используются преимущественно при определении и уточнении параметров другой его части, которая отражает кинетику физикохимических превращений в системе. [c.16]

Как уже упоминалось (см. 4.1), естественной характеристикой гидродинамической обстановки в технологическом аппарате служит его весовая функция К (1), которая статистически интерпретируется как функция распределения элементов потока по времени пребывания в аппарате. В этом смысле весовая функция полностью характеризует линейную систему. В связи с этим задача синтеза интегрального оператора объекта сводится, во-пер-вых, к дискриминации гидродинамической структуры потоков, т. е. установлению характера весовой функции, адекватно отражающей гидродинамику потоков в аппарате, и, во-вторых, к идентификации найденного оператора, т. е. к определению численных значений входящих в пего параметров. [c.240]

Такая классификация методов идентификации существенно связана с оценкой степени нелинейности объектов. Один из методов оценки степени нелинейности, основанный на понятии дисперсионных отношений, будет рассмотрен ниже (см. 8.2). Здесь лишь отметим, что для различных объектов степень нелинейности может быть различной, и при идентификации необходимо решать вопрос о том, в классе каких операторов (линейных или нелинейных) следует искать оператор конкретного объекта. Очевидно, что для объектов, степень нелинейности которых мала, может быть достаточно описание с помощью линейной модели, так как возникающие при этом погрешности могут лежать в допустимых пределах. [c.287]

Важной характеристикой того или иного метода идентификации является возможность или невозможность его использования в режиме непрерывной подстройки математической модели к процессу в реальном масштабе времени (т. е. в темпе с процессом), когда по мере поступления новой информации с объекта производится переоценка переменных состояния и коррекция параметров модели. Методы идентификации, допускающие такой режим, будем называть последовательными или непрерывными. В отличие от них методы, основанные на однократной записи информации с объекта (т. е. когда вся исходная информация имеется в готовом виде) и ее переработке в произвольном масштабе времени вне контура управления объектом, будем называть методами автономной идентификации. Последние применимы в основном к линейным динамическим системам с постоянными параметрами. [c.287]

Ввиду того что многие методы идентификации ориентированы на определение весовых функций объектов, не менее важна обратная задача зная весовую функцию линейной динамической системы с переменными параметрами (t, - ), определить дифференциальное уравнение этой системы (5.5) [23, 24]. [c.293]

Подчеркнута важность таких фундаментальных понятий, как переходная матрица состояния и весовая функция динамической системы, лежащих в основе интегральной формы представления функциональных операторов ФХС, которая, как будет показано ниже (см. гл. 8), весьма удобна при решении задач идентификации объектов химической технологии в условиях случайных помех. [c.306]

МЕТОДЫ ИДЕНТИФИКАЦИИ ОБЪЕКТОВ, ОПИСЫВАЕМЫХ ЛИНЕЙНЫМИ [c.307]

Рассмотрим стационарную систему (с постоянными параметрами), не возмущенную до момента =0, на вход которой с момента =0 начинает поступать произвольный входной сигнал и I) (причем и (0)= 0), вызывающий реакцию на выходе у (<). Здесь под задачей идентификации будет подразумеваться определение весовой функции системы К (1). Если функция К ) известна, то это значит, что известно математическое описание объекта в виде интегрального уравнения свертки [c.307]

Таким образом, если объект допускает нанесение тестового возмущения в виде белого шума , то проблема его идентификации сводится к вычислению его взаимной корреляционной функции. [c.323]

Если норма разности между истинным значением у (1) и его оценкой у ( ) велика (т. е. точность приближения неудовлетворительна), то задачу идентификации следует решать с учетом нелинейности объекта, осуществляя поиск оператора объекта в классе нелинейных операторов (см. 8.2). [c.328]

Среди промышленных объектов идентификации большой сне цификой и своеобразием отличаются химико-технологические процессы. Так, для объектов химической технологии характерны большие степени нелинейности, распределенность параметров, нестационарность входных шумов и помех измерения, непрерывный дрейф основных показателей процессов и т. п. Все это накладывает существенные ограничения на применение стандартных методов идентификации и требует разработки специальных методов, которые в максимальной степени учитывали бы эту специфику. В связи с этим из второй группы методов представляется целесообразным выделить и рассмотреть отдельно статистический метод идентификации объектов с конечной памятью на основе понятия аналитических случайных процессов и задачи о минимизации квадратичного функционала. [c.287]

Среди объектов идентификации большой спецификой и своеобразием отличаются химико-технологические процессы. Для объектов химической технологии характерны большие степени нелинейности, существенная распределенность параметров в пространстве и времени, нестационарность и взаимная коррелиро-ванность входных шумов и помех измерения, непрерывный дрейф технологических показателей процессов, деформация физикохимической структуры протекающих в объектах процессов и т. д. Перечисленные факторы лежат в основе тех значительных трудностей, которые возникают при решении задач оценки переменных состояния и идентификации объектов химической технологии на основе стандартных методик, рекомендуемых современной теорией динамических систем и рассмотренных выше. [c.474]

Задача оценки переменных состояния химико-технологического процесса, к которым можно отнести температуру, дав.ттение, составы фаз, расходы жидких и газообразных среди т. д., состоит в том, чтобы по показаниям измерительных приборов, функционирующих в условиях случайных помех, восстановить значения переменных состояния системы, наиболее близкие в смысле заданного критерия к истинным значениям. Применительно к химико-технологическим процессам важность решения задач оценки переменных состояния и определения неизвестных параметров модели объекта имеет три аспекта открывается возможность получать непрерывно информацию о тех переменных состояния слон<-ного объекта, непосредственное измерение которых невозможно по технологическим причинам (например, концентрации промежуточных веществ, параметры состояния межфазной поверхности, доля свободных активных мест катализатора и т. п.) реализация непрерывной (в темпе с процессом) оценки переменных состояния и поиска неизвестных параметров модели создает предпосылки для прямого цифрового оптимального управления технологическим процессом решение задач идентификации решает проблему непрерывной оптимальной адаптации нелинейной математической модели к моделируемому процессу в условиях случайных помех и дрейфа технологических характеристик последнего, что необходимо для осуществления статической и динамической оптимизации. [c.283]

В этой связи полезно еще раз подчеркнуть, что решающее значение для корректности постановки и точности решения обратных задач на практике обычно имеют не метрологические ошибки и не дефекты формально-математического аппарата (принятого метода прогонки прямой задачи), а погрешности, обуС ловлеиные физическим несоответствием модели и реального объекта. Главными из них являются погрешности самого дифференциального уравнения (небалапс— см. 10.25) и краевых условий , а также погрешности интерполяции напоров. Поскольку эти погрешности, практически неотделимые от погрешностей параметров, и определяются их характером, площадным распределением и плотностью исходной информации, то для каждого объекта идентификации и соответствующей калибрационной модели существует, очевидно, некая оптимальная, с точки зрения задач калибрации, сеть наблюдательных точек и точек опробования (при фиксированных затратах на наблюдательную сеть и опробование). [c.294]

Концепция системных исследований ГА-техники и технологии предполагает создание некоторого алгоритма интеллектуальной деятельности, который включает три аспекта, составляющие суть системотехнических исследований [220] первый — идентификация ГА-технологии как объекта, принадлежащего obokjti-ности сложных систем, т. е. выявление присущих исследуемому объекту образующих систему (эмерджентных) свойств второй — приложение к ГА-технологии системного подхода как совокупности системных и методологических приемов описания этого объекта и третий — оформление позитивных результатов в виде алгоритма принятия и выработки решений при конструировании и создании ГА-техники для конкретных процессов. [c.9]

Эффективным средством идентификации параметров и автоматизированного построения моделей пористых сред являются вычислительные комплексы, оснащенные средствами автоматического анализа изображения (ААИ). Принципиальная схема одного из таких вычислительных комплексов показана на рис. 3.3. При помощи передающего телевизионного сканирующего устройства изображение объекта может быть введено в цветном или чернобелом варианте непосредственно с плоскости наблюдения во всех ее видах, т. е., например, с фокальной плоскости окуляра оптического микроскопа, с экрана электронного микроскопа, с экрана телевизора, а также фотографических репродукций и др. Соответственно в схему ААИ может быть включен оптический микроскоп, электронный микроскоп (просвечивающий, эмиссионный или растровый), приемное телевизионное устройство, эпидиаскоп и т. п. Скорость работы современных ААИ более чем на 5 порядков превышает скорость работы человеческого глаза при значительно более высокой чувствительности (свыше 200 точек на [c.125]

Формализация процессов выработки и принятия решений оператором. До сих пор подходы к формализации процессов принятия человеко-машинных решений при управлении сложными объектами базировались в основном на теоретико-игровом, семиотическом принципах, методах теории идентификации и планирования эксперимента [206]. К недостаткам таких методов применительно к системам принятия решений можно отнести трудоемкость априорного исследования всех вариантов поведения сложных объектов управления, качественный характер получаемых решений при семиотическом подходе, непредставимость оперативной статистики по реакциям объекта на управляющие воздействия в реальном масштабе времени и т. п. На этом фоне особенно перспективна концепция человеко-машинного управления. Человеко-машинные системы обладают собственными знаниями , что позволяет (автоматически или путем общения с человеком) находить управляющие решения или вырабатывать и обосновывать логические факты, не заложенные априори, вести диалог с ЛПР. Такие человеко-машинные системы принято относить к классу систем принятия решений с интеллектуальным механизмом автоматического поиска (СПРИНТ). [c.343]

Газовая хроматография по праву считается самым эффективным и универсальным способом фракционирования органических соединений. Подобно другим микрохроматографическим методам, она обеспечивает не только четкое разделение, но и групповую, а часто и индивидуальную идентификацию компонентов смеси. Описанию различных аспектов газовой хроматографии и ее результатов посвящена обпшрнейшая литература [159—162 и др.], поэтому мы ограничимся лишь упоминанием некоторых воа юж-ностей метода, оказавших наибольшее влияние на исследования ГАС из нефтей и других природных объектов. [c.21]

В состав информационного обеспечения входит нормативносправочная и другая условно-тюстоянная информация по оборудованию, изделиям и материалам, применяемым в проектах в объеме, достаточном для однозначной идентификации их в выходных документах по заказным и выпущенным спецификациям оборудования по проектируемым предприятиям, пусковым комплексам, объектам проектирования. [c.582]

Следует, однако, заметить, что при использовании большинства стандартных процедур идентификации применительно к химикотехнологическим процессам возникает ряд трудностей. Эти трудности в значительной мере обусловлены тем, что при оперировании в расчетах формальным аппаратом алгебры (который является основным при дифференциально-разностной аппроксимации канонических дифференциальных уравнений состояния) недостаточное внимание уделяется специфике объектов химической технологии и характерным свойствам протекающих в них процессов (неста-ционарность шумов в самом широком смысле, распределенность параметров в пространстве, возможная нестационарность структуры функционального оператора, специфические виды нелинейностей и т. п.). В этой связи представляет интерес разработка вероятностно-статистических методов идентификации, основанных [c.16]

Интегральная форма функционального оператора имеет место при задании связи между входным и выходным сигналами объекта с помощью его весовой функции в виде интеграла свертки. Часто такая форма связи бывает предпочтительна как с точки зрения устойчивости к помехам, так и с точки зрения эффективности вычислительных процедур при решении задач идентификации и оценки параметров состояния объекта, подверженного случайным возмущениям и дрейфу технологических характеристик. Статистическая динамика, которая эффективно применяется в этих случаях, ориентирована в основном на интегральную форму представления функциональных операторов. Кроме того, операция интегрирова- [c.201]

Общую постановку задачи идентификации поясняет рис. 5.1. Химико-технологический процесс характеризуется и-мерным вектором состояний х=(хг, Х2,. . ., г-мерпым вектором управлений и=(ц1, 1 2,. . ., иУ, т-мерным вектором наблюдений У=( и Уг, -1 Уя) (по числу измерительных приборов), причем на показания измерительных приборов накладывается как собственный приборный шум V ( ), так и шум объекта w ( )- Математическое описание процесса представляется в канонической или нормальной форме уравнений состояния [c.281]

При статистическом подходе к задаче идентификации в качестве критерия близости оператора Ф к оператору еЖпринима-ется критерий близости выходных сигналов у (1) и у ( ). В частности, вводится функция С [у 1), у ( )], зависящая от выходных переменных модели и объекта (эту функцию иногда называют функцией цены за ошибку, функцией потерь или функцией штрафа). Цель введения штрафной функции — количественная характеристика потерь, связанных с недостижением абсолютно точной идентификации. Критерием близости модели к объекту служит [c.303]

Во многих случаях методы идентификации объектов путем анализа функций отклика на искусственные детерминированные воздействия (типа импульса, ступенчатой функции, синусоиды и т. п.) не применимы по следующим причинам [1] часто невозможно точно определить динамические характеристики объекта по типовым входным сигналам, так как на выход системы оказывают влияние слзгчайные неконтролируемые возмущения нежелательно или невозможно подавать на вход объекта возмущающее воздействие специального детерминированного вида, так как это ведет к нарушению нормального хода процессов в объекте. [c.321]

Запись реализаций случайных процессов на входе и выходе объекта и их статистическая обработка для вычисления корреляционной и взаимнокорреляционной функций не представляет труда и может выполняться автоматизированно с применением специальных корреляторов [1]. Таким образом, задача идентификации объекта сводится к третьему этапу — решению интегрального уравнения (6.27) относительно неизвестной функции К (t) при известных функциях и [c.323]

Справочник химика 21

Химия и химическая технология