Классификация методов идентификации

Классификация методов идентификации проводится по-разному, в зависимости от того, какой основной признак положен в основу, поэтому любая классификация относительна.

Классификация методов идентификации в зависимости от класса, к которому относится исследуемая система:

- методы идентификации линейных и нелинейных систем, причем линейные системы легче идентифицировать, т.к. они обладают свойством суперпозиции;

- методы идентификации стационарных и нестационарных систем. Системы могут считаться стационарными, если их параметры меняются медленно по сравнению со временем, которое требуется для точной идентификации;

- методы идентификации дискретных и непрерывных систем;

- методы идентификации систем с одним или несколькими входными воздействиями;

- идентификация детерминированных и стохастических процессов. При идентификации стохастических процессов ориентируются, в основном, на вероятностные представления о точном состоянии системы. На практике все результаты измерений засорены шумом, и для точной идентификации необходимо осуществлять фильтрацию или сглаживание. При идентификации детерминированных систем обычно предполагается, что фильтрация уже была проведена.

В основу перечисленных способов классификации положена по существу степень сложности идентификации. В процессе выбора структуры модели следует иметь в виду, что, учитывая трудности, вполне можно «снизить» модель, то есть сделать ее значительно проще объекта. Так, поведение заведомо динамического объекта можно описывать статической моделью, если динамика объекта не слишком ярко выражена; нелинейный объект можно аппроксимировать линейным и т.д. Разумеется, при этом эффективность управления, построенного на основе такой модели, снизится. Но если это снижение невелико, а выигрыш в идентификации значителен, то такой выбор следует считать оптимальным.

Поскольку задача идентификации сводится к определению структуры модели объекта и восстановлению ее параметров, в качестве основы для классификации задач и методов идентификации целесообразно выбрать степень предварительной изученности объекта. Это наиболее важный, но трудно осуществимый вариант – классификация методов идентификации в зависимости от наличия априорной информации о системе. Здесь можно все объекты разделить на следующие группы:

- объекты, для которых описывающие их уравнения известны вплоть до приближенных значений коэффициентов; задача идентификации для таких объектов отсутствует, она сводится к уточнению приближенных значений параметров;

- объекты, для которых описывающие их уравнения известны, а численные значения коэффициентов неизвестны; для таких объектов процесс идентификации представляет собой восстановление неизвестных параметров модели известной структуры;

- объекты, для которых конкретный вид уравнения и численные значения параметров неизвестны, но имеется априорная информация (например, объект линеен, переходные процессы в нем носят монотонный характер и т.д.). Структура модели в этом случае выбирается на основании имеющейся априорной информации и может быть уточнена в процессе проведения экспериментов, после чего решается задача восстановления параметров;

- объекты, относительно которых отсутствуют какие-либо априорные сведения («черный ящик»).

Провести четкую границу между любой парой смежных групп довольно затруднительно.

Все экспериментальные методы исследования динамики процесса основаны на обработке информации, содержащейся в его входных и выходных координатах. По методу проведения эксперимента на объекте можно выделить активные, пассивные и смешанные методы идентификации.

Активные методы идентификации характерны тем, что на входы исследуемого объекта подают заранее заданные пробные воздействия и исследуют выходной сигнал, причем эти пробные воздействия могут являться импульсными, периодическими или случайными функциями времени. Во многих случаях нарушение нормального функционирования объекта искусственными пробными воздействиями недопустимо. В этих случаях применяются пассивные методы идентификации, как правило, статистические (например, корреляционные), в которых используются случайные естественные колебания входного сигнала. Для эффективного использования этих методов необходим большой интервал наблюдения, что требует применения компьютеров. Отсутствие пробного воздействия устраняет нежелательное влияние аппаратуры идентификации на процесс управления, но точность идентификации уменьшается, особенно при малом уровне управляющей величины. Поэтому рекомендуется хотя бы в этих случаях проводить активный эксперимент или увеличить интервал наблюдения в пассивном эксперименте. Входные сигналы должны содержать все характеристические частоты объекта. Вопрос, что является более приемлемым, непростой и зависит от свойств конкретного объекта, требуемой точности идентификации и вида пробного сигнала

Помимо предложенной классификации методы идентификации могут различаться и по следующим признакам. По способу представления характеристик объекта ( во временной или частотной области); по принятому критерию подобия объекта и модели; по методам восстановления неизвестных параметров модели (неитерационные или итерационные).

Полученное математическое описание должно отражать закономерности, действующие в реальном объекте, с точностью, определяемой требованиями решаемой задачи управления. От этого зависит качество управления.