Идентификация объекта сводится к определению структуры и параметров модели по наблюдаемым данным (входу и выходу объекта) и имеющейся априорной информации. Все существующие подходы к идентификации можно разбить на две группы: статистические и множественно-функциональные (детерминированные). Указанные классы различаются учетом природы возмущений (помех), действующих на систему, и получаемыми оценками. На этапе создания теории идентификации преобладал статистический подход к задаче оценивания параметров. В рамках этого подхода постулировалась структура модели объекта, а относительно всех неопределенных факторов и помех предполагалось, что они носят случайный характер [12-17]. Модели действующих возмущений и помех задавались в виде закона распределения, а большинство применяемых алгоритмов основывалось на методе наименьших квадратов. Реализация этих подходов и процедур в системах управления требовала привлечения мощных вычислительных средств и разработки стабильных методов оценки вероятностных характеристик возмущений. Несмотря на это стохастический подход к проблеме идентификации применялся и в дальнейшем в связи с развитием и применением адаптивных методов идентификации. В рамках рассматриваемого подхода структура модели постулировалась априори. Такое же состояние проблемы структурной идентификации сохранилось до настоящего времени. Несмотря на большое разнообразие методов и алгоритмов идентификации так и не удалось предложить какие-либо процедуры регулярного синтеза структуры модели. Основные подходы к выбору структуры по-прежнему основываются на интуиции исследователя и методе перебора претендентов из заданного класса моделей. Объясняется такая ситуация сложностью и разнообразием объектов управления, плохой изученностью процессов, протекающих в объекте.
Для оценки параметров модели на основе данных, полученных в процессе нормальной эксплуатации, использовались методы ретроспективной идентификации [12-17], а немного позже в связи с повышением требований к качеству управления и развитием средств вычислительной техники и автоматизации стали применяться настраиваемые модели [12, 17].
В условиях априорной неопределенности для управления объектами широко применяются системы с непрямым адаптивным управлением, так как они позволяют обеспечить высокое качество функционирования. Основным звеном таких систем является блок идентификации. В зависимости от свойств объекта и требований, предъявляемых к системе, могут применяться как методы ретроспективной, стратегической идентификации (модель определяется вне контура управления), так и подходы, основанные на текущей или оперативной идентификации [16, 18, 19]. Несмотря на обилие публикаций можно выделить лишь несколько подходов к адаптивному параметрическому оцениванию. В основном это методы наименьших квадратов, стохастической аппроксимации и их модификации, а также различные градиентные алгоритмы. При решении практических задач теории управления теоретические предпосылки, лежащие в основе указанных методов, как правило, не выполнялись. Поэтому эффективность многих процедур идентификации была низкой. В частности, терялось свойство оптимальности, снижалась скорость сходимости [19]. Поэтому в теории идентификации возникла проблема обеспечения грубости применяемых алгоритмов и методов, непосредственно связанная с учетом ограничений и условий функционирования системы «объект + среда». Это был следующий этап развития статистических методов параметрического оценивания. Для решения проблемы робастности (грубости) адаптивных алгоритмов было предложено ряд подходов [19-22], которые в последующем составили основу нового научного направления - информационной теории идентификации. Указанное направление базировалось на учете априорной информации о среде в виде задания класса наименее благоприятных распределений помехи. Однако и такой подход не позволяет полностью учесть реальные условия функционирования объекта. В этом случае возникают трудности, связанные с оценкой качества работы алгоритмов идентификации по конечным выборкам. Полученные алгоритмы являются нелинейными относительно ошибки оценивания. Если же ограничения на помеху нестационарные, или известна дополнительная информация о входе, выходе или параметрах объекта, то этот подход является неработоспособным [18].
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.