Задачи и системы адаптивного управления, страница 3

- для аналитического конструирования обучаемой модели объекта управления и адаптивного (самонастраивающегося) регулятора (например, минимизацией соответствующих функционалов обобщенной работы с помощью принципа максимума);

- для моделирования переходных процессов в реальном времени с помощью цифровых вычислительных устройств;

- для анализа управляемости, наблюдаемости и устойчивости системы управления.

Кроме того, предполагается, что измерительные устройства имеют только случайную составляющую погрешности измерений с математическим ожиданием, равным нулю.

Задачи управления, анализа и моделирования различных процессов и систем решают с применением их математических моделей. Выбор модели диктуется условиями реализации и требованием адекватности. В простейших случа­ях можно пользоваться аналитическими моделями, а в более сложных случаях – экспериментальными моделями типа "вход – выход". Однако любую математическую модель получают с использованием упрощающих допущений. Поэтому математические модели лишь приближенно описывают реальные процессы, что неизбежно сказывается на результатах моделирования и управления. Большую роль в этой связи играют информационные аспекты, основанные на анализе экспериментальных данных с целью уточнения исходных предпосылок и дополнительных сведений об изучаемых процессах. Это особенно актуально при моделировании сложных процессов и систем в условиях неопределенности.

Проблема разработки алгоритмов управления в условиях неопределенности занимает одно из центральных мест в современной теории управления. Для решения возникающих задач структурной и параметрической идентификации применяют, как правило, методы и алгоритмы теории адаптивных систем управления. Связано это с тем, что традиционные методы принятия решений являются неработоспособными в данных условиях, так как требуют полной априорной информации о структуре, параметрах и режимах функционирования объекта. Кроме того, классические методы не позволяют накапливать информацию в процессе работы системы, поэтому в условиях действия неконтролируемых возмущений и дрейфа параметров нельзя обеспечить требуе­мые значения показателей качества системы.

Теория адаптивного управления была создана и развита в научных школах: Р. Беллмана, К. Гловера, Р. Калмана, А.А. Красовского, А.Б. Куржанского, Б.Н. Петрова, Дж. Саридиса, А.А. Фельдбаума, В.Н. Фомина, Я.З. Цыпкина, В.А. Якубовича и многих других ученых.

Применение принципов адаптации позволяет обеспечить высо­кую точность моделирования при существенном изменении динамических свойств изучаемой системы, унифицировать отдельные подсистемы и их блоки; сократить сроки разработки и доводки системы.

В общем случае процесс синтеза адаптивной системы можно разбить на отдельные этапы. На первом этапе формируют цель моделирования и определяют структуру математической модели анализируемого объекта. На втором этапе определяют критерий обучения и структуру обучающего устройства. Затем формируют алгоритм оценивания параметров и переменных состояния модели объекта и обучающего устройства. На заключительном этапе проводится верификация разработанной модели. По­скольку в общем случае адаптивная система является нелинейной и не­стационарной, то процесс идентификации ее модели может быть связан со значитель­ными трудностями.