Проблеме идентификации объектов управления посвящено много публикаций. Но, несмотря на это, к ней все время возвращаются исследователи при изучении новых процессов или объектов. Объясняется это тем, что каждый объект вносит свои особенности в процесс синтеза математической модели. Основу теории построения математических моделей (идентификации) составляет информационно-алгоритмический подход. В условиях априорной неопределенности информационная составляющая начинает играть доминирующую роль, так как от ее анализа во многом зависит применение тех или иных алгоритмических процедур, а также методов формализации, позволяющих синтезировать математическое описание для исследуемого объекта. Несмотря на доминирование в теории управления параметрического подхода, процесс синтеза математической модели начинается с рассмотрения вопросов структурной идентификации. Решение проблемы структурной идентификации до настоящего времени так и не получило своего окончательного развития. Это одна из основных проблем теории идентификации. Как правило, в большинстве работ по синтезу математических моделей структура постулируется априори с точностью до некоторого множества неизвестных параметров. В дальнейшем это множество является основным объектом исследования. Это не означает, что методам структурной идентификации не уделялось внимания. Доминирующим подходом при выборе структуры является статистический подход, а решение принимается на заданном классе моделей-претендентов. Но какие-либо формализованные подходы и методы, позволяющие выбрать структуру модели на основе доступного для наблюдения информационного множества объекта, отсутствуют. Это можно объяснить сложностью формализации элементов структуры модели. В данной книге основное внимание уделено структурной идентификации статических объектов. Этот класс систем описывается "простыми" уравнениями. Поэтому параметрической идентификации таких систем на классе регрессионных уравнений постоянной уделяется много внимания. Как только вопрос переходит в плоскость выбора структуры модели, то начинаются сложности, присущие всем объектам управления. В основном они связаны с тем, что вся информация о процессах содержится в интегрированной переменной – выходе объекта, а методы извлечения информации о структурных параметрах объекта на основе анализа этой интегрированной переменной не всегда являются эффективными. В книге рассматривается решение двух проблем структурной идентификации – оценки структуры нелинейных статических объектов на классе нерегулярных входов и идентификации области параметрических ограничений в условиях неопределенности. Решение указанных проблем базируется на построении поля структур на множестве секущих и анализе введенной автором статической структуры, которая отражает состояние нелинейной системы идентификации. Это позволяет при решении задачи оценки структуры нелинейной части отказаться от аппроксимации выхода объекта некоторым рядом и разрабатывать алгоритмы, которые позволяют принимать решение о принадлежности нелинейности некоторому классу. На основе предложенного подхода впервые удалось ввести для нелинейных объектов секторное условие и разработать методы его построения. Большинство предложенных методов основано на анализе информационных структур – портретов, которые очень часто носят виртуальный характер. Проведенные исследования показали, что статические структуры имеют вид, который является общим для широкого класса нелинейностей. Но, несмотря на это, каждая из них имеет свои особенности, анализ которых позволяет идентифицировать структурные параметры. Такой подход позволяет существенно расширить рамки методов структурной идентификации за счет введения новых характеристик и повысить эффективность получаемых моделей. Николай Николаевич КАРАБУТОВ Доктор технических наук, профессор, лауреат Государственной премии Российской Федерации в области науки и технологий. Профессор кафедры "Проблемы управления" Московского государственного института радиотехники, электроники и автоматики (технического университета). Область научных интересов: проблемы устойчивости и качества динамических систем; синтез алгоритмов и систем адаптивного управления и идентификации процессов различной природы; анализ данных и принятие решений в условиях неопределенности; применение информационных технологий в задачах моделирования. |