Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
|
18 Сущ.структур.и параметрич.причины появления эквив деф-в.Чтобы учесть всё мн-во структурных причин,необх.сконструировать некоторую колич.меру различимости 2х деф-в. Эта мера позволяет на этапе анализа модели определить,какие пары деф-в хорошо различимы,какие эквивалентны. Колич-е хар-ки различ-ти должны учитывать все особенности режима диагн-я(контрольные точки,вх.возд-е и т.д.). заменим в выражении для диагностического признака разность сигналов объекта и модели на другую функцию чувствительности и получим выражение для коэффициента различимости двух блоков:
-угол между единичными векторами |
17 Сущ.структур.и параметрич.причины появления эквив деф-в. Чтобы учесть всё мн-во параметрич.причин, необх. сконструировать некоторую колич.меру различимости 2х деф-в.Эта мера позволяет на этапе анализа модели определить,какие пары деф-в хорошо различимы,какие эквивалентны.Колич-е хар-ки различ-ти должны учитывать все особенности режима диагн-я(контрольные точки,вх.возд-е и т.д.) (параметрич.дефект).Пусть имеет место деф-т m (минимал.значение Jm, т.е. Jm=0).Тогда В диагностич.признак j-го деф-та вместо ∆J подставим Шкала числ.значений коэф-та различимости от 0 до 1 Экспериментальная различимость: Теоретическая различимость: |
|
19 Рассмотрим звено с известной передаточной функцией. Известна номинальная модель всей системы. Во время контроля доступны только входные и выходные сигналы САУ, а сигналы блока недоступны. Во время контроля блока остальные блоки не изменяются. Будем применять интегральное преобразование сигналов. -формула Мезона (1) линейно входит в => можно вынести (2) выразим Из (2) вычисляем передаточную функцию контролируемого блока: (3) Разница - критерий, по которому оцениваем блок |
21 ДМЧ–упрощенная модель чувствительности объекта диагностирования, эквивалентная полной модели чувствительности в отношение диагностических признаков. Диагностическая модель чувствительности структурных дефектов представляет собой передачи от выхода рассматриваемого блока до соответствующих контрольных точек. Рассмотрим на примерах: 1.последоват.соед.блоков: Вектор чувствительности по 1-му блоку: По 2-му: полная модель чувствительности => все подходит под определение 2. параллельное соединение: 3. встречно-параллельное соединение (отрицательная обратная связь) |
|
22 Sн – множество неработоспособных состояний πi – изменение сигналов (проверка) Каждая проверка может иметь 2 результата : Каждая проверка может иметь 2 результата : π = 0 - неработоспособен2) π = 1 – работоспособен Составим таблицу состояний: Таблица различимости
(5я проверка избыточна) «1» - различает, «0» - не различает Рассмотрим наличие обратной связи : В статике задача не решается - нужно воспольз динамическим режимом. Статика не позволяет диагностировать систему с глубиной поиска дефектов, превышающих контур обратной связи. |
23 ДМЧ –упрощенная модель чувств-ти об-та диагностирования, эквивалентная полной модели чув-сти в отношение диагностич признаков. Принцип построения рассмотрим на примере алгоритма поиска структ дефектов с использованием интегральных преобразований сигналов. (1) Где Ei - вектор-столбец с единственным непрерывным элементом в i-ой строке, то есть «закодированный» блок. Структурн чув-ти представляют собой оценки передаточ ф-ций объекта от входа i-го блока до рассматриваемых выходов. Оценка – передаточная функция в области вещественных значений. В терминах структурно-топологической формулы Мезона также можно упрощать: (2) где к – число контрольных точек, - число прямых путей от l -ой контрольной точки , W - оценка передаточной функции прямого пути от выхода i -го элемента. ∆ - минор i-го пути, i - номер блока, l-номер контрольной точки. (1) и (2) отличаются наличием общего множителя оценки передаточной функции рассматриваемого блока. |
|
24 Идентификация-процесс получения динамической модели.Структурная-определение структуры объекта(в широком смысле).Параметрическая(в узком смысле)-определение параметров этой модели |
|
|
25 Классификация методов идентификации по следующим альтернативным признакам:1.аналитические или компенсационные.2. Статистические или детерминированные.3. Градиентные или неградиентные4. Поисковые или беспоисковые. Аналитическая проводится на основе анализа переходных процессов, частотных или других динамических характеристик совместно с входными сигналами с использованием аналитических зависимостей. Компенсационные методы: применяют модели объектов, соединенных с объектом определенным образом и эти модели настраиваются в процессе идентификации, после завершения процесса настройки параметры модели используют для нахождения параметров объекта. Различают компенсационные: c парал моделью, послед моделью, посл-парал мод. 1.Параллельная Квадратичный критерий: |
2.Последовательная модель Условие компенсации Т.е.обратная передаточная функция Статистические методы: используют вероятностные характеристики сигналов, применяемых для вычисления меры качества настройки модели. Детерминированные: если отсутствуют случайные помехи. Градиентные: содержат градиентные алгоритмы оптимизации меры качества настройки I, движение к оптимальному значению I производится по градиенту в сторону уменьшения (по антиградиенту) α={K,T} Неградиентные: не используют информацию о градиенте. При поисковых методах идентификации используют специальные пробные входные сигналы. При беспоисковых – используют рабочие сигналы системы. |
|
26 Компенсационный, градиентный метод идентификации. Метод вспомогательного оператора используется как в системах идентификации, атак и в адаптивных системах с эталонной моделью.
Градиент функционала качества a и α- разные значения одного коэффициента, то есть модель и объект отличаются. Идентификация – модель подстраивается под объект. Адаптация – объект подстраивается под модель , , , Скорость изменения параметра α должна быть пропорциональна градиента I и обратно по знаку Частная производная по параметру α Подставим в (0) Вспомогательный оператор – это такой оператор, при подаче на вход которого входного сигнала объекта идентификации на выходе получаем сигнал, численно равный частной производной ошибки по настраиваемому параметру. Реализация метода с использованием последовательно-параллельной модели. Модель в общем виде общерациональная |
Фильтр: Ошибка равна нулю, если : Условия для избегания дифференцирования Выражение для ошибки: , - фильтр - Выходной сигнал вспомогательного оператора по пар-ру - фильтр |
|
27 Относится к аналитическим методам, позволяет получить модель динамической системы в виде графика весовой функции, полученного в дискретные моменты времени. Исходной информацией является входные и выходные сигналы, снятые в дискретные моменты времени. Уравнение свертки: , Аппроксимация весовой функции: Интеграл свертки: Количество слагаемых нарастает , Матрица входных сигналов – нижняя треугольная позволяет не обращать в процессе, а получить рекуррентное соотношение для вычисления весо-вой функции, т.е Входной сигнал не равен 0 на первом шаге рекуррентная формула - Определить, что по мере увеличения индекса «n» количество арифме-тических операций увеличивается, так как увеличивается длина суммы. От значения на текущем шаге вычитают все ранее полученные значения. Ес-ли используется на входе ступень единичной аплитуды: , Вычисление каждого следующего отсчета |