Автоматизированные теплофикационные системы управления турбины с отопительными отборами
(18)
К достоинствам
алгоритма
экспоненциальной
фильтрации
относятся:
малая трудоёмкость
расчётов и
малый объём
памяти ЭВМ, в
которой должны
храниться
величина
и обновляемая
в каждом цикле
расчёта величина
.


.
За начало отсчёта примем следующие допущения:

Расчёт
произведем
для трёх значений
g:
g = 0,4; 0,5; 0,6
Реализация этого метода представлена в приложении 2.
Как
видно из приложения,
в данном методе,
применительно
к нашему случаю,
самая малая
погрешность
при
после первого
цикла сглаживания
(см. рисунки 4,
5 и 6).
Рисунок
4. Графики при
![]()

Рисунок
5. Графики при
![]()

Рисунок
6. Графики при
![]()
3. ИДЕНТИФИКАЦИЯ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
3.1 ИДЕНТИФИКАЦИЯ С ПОМОЩЬЮ ПРЕОБРАЗОВАНИЯ КООРДИНАТ
Существует несколько стандартных видов функций, из которых легко можно получить линейную функцию путем преобразования координат. Эти функции указаны в таблице 2.
Таблица 2 Базисные функции с однократным и двойным преобразованиями координат
| № | Вид ММ | Исходное уравнение | Преобразованные переменные |
Преобразованное уравнение
|
Параметры ММ | ||
| X | Y |
|
|
||||
| 1 | Линейная |
|
x | y |
|
|
|
| 2 | Степенная |
|
|
|
|
|
|
| 3 | Показательная |
|
x |
|
|
|
|
| 4 | Показательно-гиперболическая |
|
|
|
|
|
|
| 5 | Гиперболическая |
|
|
y |
|
|
|
| 6 | Обратная линейная |
|
x |
|
|
|
|
| 7 | Обратная гиперболическая |
|
|
|
|
|
|
| 8 | Логарифмическая |
|
|
y |
|
|
|
| 9 | Обратная логарифмическая |
|
|
|
|
|
|
| 10 | Гиперболическо-логарифмическая |
|
|
y |
|
|
|
| 11 | Обратная гиперболическо-логарифмическая |
|
|
|
|
|
|
| 12 | Показательно гиперболическо-логарифмическая |
|
|
|
|
|
|
| 13 | Обратная показательно гиперболическо-логарифмическая |
|
|
|
|
|
|
| 14 | Обратная показательная |
|
x |
|
|
|
|
| 15 | Обратная показательно-гиперболическая |
|
|
|
|
|
|
| 16 | Обратная показательно-логарифмическая |
|
|
|
|
|
|
К процедуре выбора вида математической модели предъявляются противоречивые требования с одной стороны процедура выбора должна включать множество возможных вариантов ММ, с другой – должна быть выбрана одна иди ограниченное количество ММ, удовлетворяющих заданным условиям, выбор должен быть ограничен определенным набором функций, что позволяло бы проводить анализ этих ММ.
Удовлетворение этих требований в предлагаемой методике достигается за счет использования в качестве базовых ограниченного набора наиболее часто применяемых видов преобразований прямо и обратно пропорционального и логарифмического, что сводит процесс выбора к сравнению ограниченного набора функций, обеспечивает эффективность сравнительного анализа этих моделей, и применением многоуровневого преобразования координат, позволяющего выбирать практически любой вид ММ при использовании ограниченного стандартного набора функций, введением во внешнем контуре выбора итерационных процедур и процедур оптимизации, обеспечивающих определение неизвестных параметров ММ, входящих как в левую, так и в правую части уравнений, а также нахождение необходимого количества ко эффициентов ММ.
Выбор вида математической модели – уравнения регрессии основан на физической сущности исследуемого процесса, опыте решения аналогичных задач, анализе исходной информации. В настоящее время отсутствуют общие формализованные методы выбора вида модели Однако доя наиболее часто встречающихся зависимостей с двумя параметрами такой предварительный выбор возможен на основе сравнительного анализа абсолютных погрешностей каждого вида математических моделей для определенных значений хi, вычисляемых с использованием массива экспериментальных данных х и у.
Если в
основу систематизации
и приведения
ММ к линейному
виду положить
прямо пропорциональное
X=х, логарифмическое
и обратно
пропорциональное
преобразования,
то для двух
переменных
при однократном
их преобразовании
можно получить
девять видов
ММ (табл. 3.2), при
двукратном
преобразовании
– еще семь видов
ММ (табл. 2)
Существенное
расширение
типов ММ достигается
введением
многоуровнего
преобразования
переменных
х и у путём
использования
в качестве х
и у. различных
функций Например,
если принять
,
,
то зависимость
1 (см. табл. 2) примет
вид
,
а шестая и седьмая
функции перейдут,
соответственно
в уравнения
или
и
или
.
При
необходимости
получения
квадратичной
зависимости
достаточно
принять
,
или
,
или
в уравнении
1.
В результате
получим ММ
,
или
,
или
.
Уравнение
вида