Алгоритм - настройка
Cтраница 2
 |
Показатели качества и характеристики системы управления. [16] |
В программный комплекс входит доступная для пополнения библиотека алгоритмов с предоставляемым пользователю базовым набором, включающим: стандартный пропорционально-интегрально-дифференциальный ( ГТИД) - закон управления, различные варианты алгоритмов настройки его параметров в реальном времени; варианты реализации алгоритма аналитического конструирования оптимальных регуляторов, АКОР. Выбор этих двух классов алгоритмов объясняется полярностью их свойств с позиций учета ИЗ. Первый класс ( ТТИД-закон) является представителем инженерных алгоритмов, характерным свойством которых является сравнительно невысокая точность при высокой своевременности выдачи управляющих воздействий. Второй класс представляет алгоритмы, синтезированные исходя из строгих оптимизационных постановок; характерным свойством таких алгоритмов является ( наоборот, по отношению к первому классу) высокая точность при сравнительно невысокой своевременности выдачи управляющих воздействий. На примере исследования этих классов алгоритмов удается экспериментально подтвердить качественные эффекты, связанные с ИЗ, и проследить за этапами конкурирования между точностью и своевременностью управления по мере усложнения модели объекта. [17]
Представленная в [26] общая методика решения задач в нейросете-вом логическом базисе ( НСЛБ) заключается в следующем ( рис. 7.4): определение понятия входного сигнала НС, решающей поставленную задачу; определение понятия выходного сигнала НС, решающей поставленную задачу; формирование критерия и функционала первичной оптимизации; определение понятия ошибки в системе; формулировка функционала вторичной оптимизации и преобразования, формирующего сигнал, второй момент распределения которого соответствует функционалу первичной оптимизации; определение структуры разомкнутой НС; определение градиента функционала вторичной оптимизации через сигналы в системе или знака градиента функционала; формирование процедуры поиска экстремума функционала вторичной оптимизации в системе; формирование алгоритма настройки коэффициентов НС. [18]
Если проектируется самонастраивающийся фильтр или структура системы управления заранее задана, то этап синтеза корректирующего фильтра как таковой отсутствует. Алгоритм настройки параметров системы формируется после решения задачи первичной оптимизации и идентификации. [19]
Кроме того, в связи с тем, что по ряду технологических причин параметры объекта могут изменяться, вводят ограничения на обеспечение запаса устойчивости. При реализации экспериментального алгоритма настройки регулятора получают оптимальное качество регулирования относительно возмущающего воздействия на систему по каналу изменения задания регулятору. [20]
В свою очередь беспоисковые методы могут быть разделены на два класса: градиентные и неградиентные. В последнем случае алгоритм настройки заведомо устойчив, однако возникает необходимость получения во многих случаях чистых производных. Кроме того, имеет место многозначность решений задачи синтеза алгоритма. [21]
С целью повышения точности системы и быстродействия процесса адаптации применяются алгоритмы, сочетающие в себе методы сигнальной и параметрической адаптации. В таких системах алгоритм сигнальной настройки выбирается обычно релейным, обеспечивая в системе высокое быстродействие. Параметрическая часть настройки служит для стабилизации коэффициента усиления в требуемых пределах. Системы с сигнально-параметрической адаптацией обеспечивают достаточно высокую точность и отличаются простотой реализации, т.к. наличие сигнальной составляющей позволяет уменьшить число перенастраиваемых параметров. [22]
С целью повышения точности системы и быстродействия процесса адаптации применяются алгоритмы, сочетающие в себе методы сигнальной и параметрической адаптации. В таких системах алгоритм сигнальной настройки выбирается обычно релейным, обеспечивая в системе высокое быстродействие. Параметрическая часть настройки служит для стабилизации коэффициента усиления в требуемых пределах. Системы с сигнально-параметрической адаптацией обеспечивают достаточно высокую точность и отличаются простотой реализации, так как наличие сигнальной составляющей позволяет уменьшить число перенастраиваемых параметров. [23]
 |
Схема работы основных компонентов распределенного приложения. [24] |
Для оценки преимуществ, предоставляемых распараллеливанием алгоритмов обработки информации и управления, был разработан комплекс средств для имитации гетерогенной системы на базе персональных IBM-совместимых ЭВМ с различными техническими характеристиками и различными характеристиками сети, их объединяющей. Испытание комплекса проводилось на алгоритмах настройки параметров ПИД-регулятора и абстрактной задаче, в результате которого были выработаны рекомендации по эффективному использованию систем распределенных вычислений в задачах управления. [25]
В § 12.3 анализируется задача адаптивной фильтрации в условиях неизвестной интенсивности внешних белошумных возмущений. Рассматривается несколько различных подходов к построению алгоритмов настройки параметров, решающих поставленную задачу внешней оптимальной фильтрации. [26]
 |
Основные схемы адаптивных систем с настройкой регуляторов по. [27] |
Исходя из полученных данных производится расчет и настройка регулятора. Структурно это равносильно введению второй обратной связи и соответственно второго замкнутого контура, в котором информация циркулирует следующим образом: сигналы в контуре управления - алгоритм настройки - регулятор - сигналы в контуре управления. [28]
В докладе рассматривается задача анализа характеристик настройки параметров линейных непрерывных регуляторов для нелинейных многосвязных объектов управления, модели которых относятся к классу моделей состояния. Для настройки параметров регулятора и идентификации параметров объекта используются полигармонические пробные сигналы. Алгоритмы настройки регулятора используют оценки параметров объекта. Вводятся понятия локальной и глобальной полной и частичной адаптируемости. Получены критерии локальной и глобальной полной и частичной адаптируемости для случая возбуждения системы полигармоничсским пробным сигналом. [29]
Одноуровневые сети могут применяться для решения задач, в которых области разделяются только одной гиперплоскостью. В многоуровневых сетях коррекция внутренних уровней представляет собой более сложную процедуру. Собственно алгоритм настройки весов остается тем же самым за исключением шага 3, который значительно усложняется. [30]
Страницы: 1 2 3