Формирование теоретических знаний об областях использования алгоритмов идентификации

В рамках задачи формирования правил, регламентирующих примене­ние методов идентификации и содержащихся в базе алгоритмов (БА) ЭР, будем полагать, что блок идентификации ЭР осуществляет получе­ние и/или уточнение по экспериментальным данным математической модели системы, выраженной посредством того или иного математичес­кого аппарата. Входной информацией блока идентификации являются входные и выходные сигналы реального объекта u(t), y(t).

В настоящее время существует большое количество методов иден­тификации, которые могут быть разделены на два класса — параметри­ческие и непараметрические. Очевидно, что в силу специфики решаемых задач разрабатываемый ЭР должен обладать возможностью рекуррент­ного оценивания параметров системы. Поэтому при формировании БЗ ЭР интерес представляют только параметрические методы идентификации. Наибольшее распространение при идентификации систем получили ме­тоды ошибки предсказания, метод наименьших квадратов (МНК), метод инструментальных переменных, метод модулирующих функций (ММФ).

Достоинства метода инструментальных переменных — это простота реализации алгоритмов, возможность быстрого получения начальных оценок передаточной функции, возможность уточнения первоначальной оценки методом ошибки предсказания.

На основе рассмотренных выше методов идентификации можно сформулировать ключевые правила базы знаний экспертного регулятора.

Формирование эмпирических знаний, стратегий и эвристик

Для обеспечения универсальности экспертного регулятора теорети­ческие знания обязательно должны быть дополнены эмпирическими знаниями о зависимости пространства качества САУ от параметров регулятора.

3.1. Формирование знаний о динамике линейной системы авто­матического управления.

Хорошо известно, что для улучшения прямых показателей качества следует увеличивать коэф­фициент П-регулятора настолько, насколько позволяют возможности при практической реализации регулятора.

Для настройки ПД-регулятора следует сначала выбрать К_р исходя из требований по точности.

При формировании БЗ для настройки ПД-регулятора САУ третьего порядка нет необходимости в идентификации параметров объекта управления. В этом случае знания о свойствах пространства качества системы (так же, как и для систем первого и второго порядка) априорны и несколькими пробными изменениями коэффициентов ПД-регулятора можно определить, в какой точке пространства качества находится система и что следует предпринять (изменяя коэффициенты регулятора) для удовлетворения предъявляемых к системе требований.

Однако при этом необходимо не забывать, что уменьшение коэффи­циента Кр пропорционального канала ПД-регупятора ведет к ухудшению точностных показателей системы, а увеличение K_d — к росту степени колебательности в переходном процессе. Аналогичные рассуждения мож­но провести для ПИ-регулятора и объекта управления второго порядка.

При формирования эмпирических знаний по настройке параметров ПИД-регулятора простой аналитической зависимости между простран­ством параметров регулятора и пространством качества системы уже нет. Поэтому в этом случае знания экспертным регулятором формируются на основе обучения. При этом набор эмпирических знаний для САУ фор­мируется на основе алгоритма обучения или построения и анализа поверхностей качества в окрестности "рабочей точки".

3.2. Формирование знаний о динамике нелинейной системы автоматического управления. Для формирования знаний о динамике нелинейной САУ предлагается использовать диаграммы качества нели­нейных колебаний.