В зависимости от способа поиска экстремума критерия оптимизации самонастраивающиеся системы (СНС) можно разделить на два больших класса [1, 4, 5]: поисковые и непоисковые. В поисковых адаптивных системах применяются те или иные поисковые алгоритмы (перебора вариантов, случайного поиска, генетические алгоритмы и др.). В непоисковых СНС используются алгоритмы адаптации с фиксированной структурой, получаемой в результате решения задачи оптимизации. Непоисковые самонастраивающиеся системы могут в той или иной степени использовать модель объекта. Если модель используется в неявном виде, то такие СНС называют системами с прямым адаптивным управлением [6] или адаптивными системами с эталонной моделью [7]. В этом случае параметры регулятора и объекта подстраивают до тех пор, пока система не будет следовать движению эталонной системы.
Системы с непрямым адаптивным управлением или просто самонастраивающиеся системы [6, 8 и др.] основаны на использовании явной математической модели (блока идентификации) объекта. Этот класс обеспечивает достижение экстремального значения критерия оптимизации для данного типа управляющего устройства и полученной информации об объекте и сигналах в системе.
Системы непрямого адаптивного управления получили широкое распространение благодаря высокой эффективности и надежности. К модели здесь может предъявляться несколько требований. Прежде всего, она должна адекватно описывать процессы, протекающие в объекте. Это требование обеспечивается за счет выбора алгоритма идентификации и структуры модели, поскольку только наличие адекватной модели может гарантировать оптимальное обучение. По сравнению с системами с эталонной моделью непоисковые системы обладают более высокой скоростью сходимости и надежностью [3]. Кроме того, к числу наиболее важных преимуществ СНС с идентификатором следует отнести то, что они адаптируются к внешним условиям даже в тех случаях, когда внешние воздействия не измеряются [9]. Это значительно расширяет класс решаемых задач. Можно отметить также возможность контроля и вмешательства (если это необходимо) в процесс идентификации, так как в системе с прямым адаптивным управлением объект остается неидентифицируемым. Вместе с тем в системах с эталонной моделью не требуется соблюдение условия постоянного возбуждения входа, что является одним из достоинств этого класса систем.
Четкую границу между адаптивными системами с явной и неявной моделью провести нельзя, хотя первоначально системы с эталонной моделью использовались при построении детерминированных следящих систем, а самонастраивающиеся системы с идентификатором в стохастических системах [10]. Сравнительный анализ адаптивных систем с явной и неявной моделью проводился в [6], где сделан вывод о том, что между этими классами систем существует тесная связь. В системах управления могут применяться и комбинированные адаптивные системы, основанные на принципах непрямого адаптивного управления и сигнальной адаптации [11].
Таким образом, наибольшее распространение получили адаптивные модели систем с прямым и непрямым адаптивным управлением, вопросами синтеза которых занимается теория идентификации.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.