Наши конференции
В данной секции Вы можете ознакомиться с материалами наших конференций
II МНПК "Спецпроект: анализ научных исследований"
II МНПК"Альянск наук: ученый ученому"
I Всеукраинская НПК"Образовательный процесс: взгляд изнутри"
II НПК"Социально-экономические реформы в контексте европейского выбора Украины"
III МНПК "Наука в информационном пространстве"
III МНПК "Спецпроект: анализ научных исследований"
I МНПК "Качество экономического развития"
III МНПК "Альянс наук: ученый- ученому"
IV МНПК "Социально-экономические реформы в контексте интеграционного выбора Украины"
I МНПК "Проблемы формирования новой экономики ХХI века"
IV МНПК "Наука в информационном пространстве"
II МНПК "Проблемы формирования новой экономики ХХI века"
I НПК "Язык и межкультурная коммуникация"
V МНПК "Наука в информационном пространстве"
II МНПК "Качество экономического развития"
IV МНПК "Спецпроект: анализ научных исследований"
ІІІ НПК "Образовательный процесс: взгляд изнутри"
VI МНПК "Социально-экономические реформы в контексте интеграционного выбора Украины"
МНПК «Проблемы формирования новой экономики ХХI века»
IV МНПК "Образовательный процесс: взгляд изнутри"
IV МНПК "Современные проблемы инновационного развития государства"
VI МНПК «Наука в информационном пространстве»
IV МНПК "Проблемы формирования новой экономики ХХI века"
II МНПК студентов, аспирантов и молодых ученых "ДЕНЬ НАУКИ"
VII МНРК "Социально-экономические реформы в контексте интеграционного выбора Украины"
VI МНПК "Спецпроект: анализ научных исследований"
VII МНПК "Наука в информационном пространстве"
II МНК "Теоретические и прикладные вопросы филологии"
VII МНПК "АЛЬЯНС НАУК: ученый - ученому"
IV МНПК "КАЧЕСТВО ЭКОНОМИЧЕСКОГО РАЗВИТИЯ: глобальные и локальные аспекты"
I МНПК «Финансовый механизм решения глобальных проблем: предотвращение экономических кризисов»
I Международная научно-практическая Интернет-конференция «Актуальные вопросы повышения конкурентоспособности государства, бизнеса и образования в современных экономических условиях»(Полтава, 14?15 февраля 2013г.)
I Международная научно-практическая конференция «Лингвокогнитология и языковые структуры» (Днепропетровск, 14-15 февраля 2013г.)
Региональная научно-методическая конференция для студентов, аспирантов, молодых учёных «Язык и мир: современные тенденции преподавания иностранных языков в высшей школе» (Днепродзержинск, 20-21 февраля 2013г.)
IV Международная научно-практическая конференция молодых ученых и студентов «Стратегия экономического развития стран в условиях глобализации» (Днепропетровск, 15-16 марта 2013г.)
VIII Международная научно-практическая Интернет-конференция «Альянс наук: ученый – ученому» (28–29 марта 2013г.)
Региональная студенческая научно-практическая конференция «Актуальные исследования в сфере социально-экономических, технических и естественных наук и новейших технологий» (Днепропетровск, 4?5 апреля 2013г.)
V Международная научно-практическая конференция «Проблемы и пути совершенствования экономического механизма предпринимательской деятельности» (Желтые Воды, 4?5 апреля 2013г.)
Всеукраинская научно-практическая конференция «Научно-методические подходы к преподаванию управленческих дисциплин в контексте требований рынка труда» (Днепропетровск, 11-12 апреля 2013г.)
VІ Всеукраинская научно-методическая конференция «Восточные славяне: история, язык, культура, перевод» (Днепродзержинск, 17-18 апреля 2013г.)
VIII Международная научно-практическая Интернет-конференция «Спецпроект: анализ научных исследований» (30–31 мая 2013г.)
Всеукраинская научно-практическая конференция «Актуальные проблемы преподавания иностранных языков для профессионального общения» (Днепропетровск, 7–8 июня 2013г.)
V Международная научно-практическая Интернет-конференция «Качество экономического развития: глобальные и локальные аспекты» (17–18 июня 2013г.)
IX Международная научно-практическая конференция «Наука в информационном пространстве» (10–11 октября 2013г.)
К ВОПРОСУ ИДЕНТИФИКАЦИИ НЕЛИНЕЙНЫХ ДИНАМИЧЕСКИХ ОБЪЕКТОВ
В. В. Челабчи , В. Н. Челабчи
При исследовании переходных процессов в детерминированных динамических системах с сосредоточенными параметрами, используются математические модели в виде систем обыкновенных дифференциальных уравнений, получаемых на основе феноменологического подхода или путем идентификации элементов действующих систем на базе экспериментальных данных.
В основном реализуются два типа математических моделей:
— линейные уравнения высоких порядков;
— уравнения невысоких порядков, но с коэффициентами являющимися функциями параметров процесса.
Выбор типа математической модели диктуется утилитарными соображениями. Для аналитических исследований удобен первый тип, но для численного моделирования процессов в системах предпочтителен второй.
Чаще всего проблема идентификации объектов сводится к решению задачи параметрической идентификации, когда вид уравнения математической модели заранее выбран. Задачи структурной идентификации решаются редко, и в основном сводятся к выбору одной модели из ограниченного списка.
Существует много подходов к параметрической идентификации. Например, определение коэффициентов передаточной функции производится на основе информации о значениях переходной характеристики [1], или используются методы наименьших квадратов и методы спуска [2] и др.
Методы параметрической идентификацией элементов динамических систем разрабатываются в Одесском национальном морском университете на кафедре «Техническая кибернетика». Основная цель разработок - инвариантность методов к исходным данным, надежность и простота.
В качестве математических моделей чаще всего используются уравнения:
, (1)
, (2)
где ? - время,
X( ? ) - воздействие,
Y( ? ) - реакция объекта,
C 1 , C 2 , K 1 , K 2 – коэффициенты отражающие свойства объекта.
Коэффициенты C 1 , C 2 , K 1 , K 2 могут быть гладкими функциями параметров процесса и времени.
Выполнение идентификации включает несколько этапов:
— для моментов времени, путем дифференцирования экспериментальных данных определяются производные X’, Y’ и Y”;
— значения функций и производных, подставляются в идентифицируемое уравнение, и определяется функционала ? (сумма квадратов невязок левой и правой частей уравнения для всех рассматриваемых моментов времени);
— значения коэффициентов идентифицируемого дифференциального уравнения определяются путем минимизации функционала ? , которую можно проводить одним из методов спуска или решая полученную систему линейных алгебраических уравнений прямым методом. Если X( ? ) и Y ( ? ) незашумлены , а C 1 , C 2 , K 1 , K 2 - константы можно использовать численное дифференцирование экспериментальных данных для определения производных [3].
Использование предварительного интегрирования X( ? ) и Y ( ? ) позволяет несколько снизить чувствительность метода к шуму [4].
При заметно зашумленых X ( ? ) и Y( ? ) используется предварительная аппроксимация экспериментальных данных.
Вся область изменения величин X( ? ) и Y ( ? ) разбивается на интервалы времени, которые могут перекрывать друг друга (Рис. 1).
На каждом интервале (индекс интервала - nz ) используется локальная, в пределах каждого интервала, независимая переменная – t .
Зависимости X ( t ) и Y( t ), в пределах каждого интервала, аппроксимируются подходящими функциями (например, полиномами невысоких степеней):
, (3)
где
? – независимая переменная, с ;
i – индекс момента времени на оси основной независимой переменной ? ;
?? - интервал времени, на котором проводится аппроксимация, с ;
t = ? - ? 1 - локальная (в пределах nz интервала) координата времени, с ;
? 1 – момент времени соответствующий началу интервала, с ;
j – индекс момента времени на вспомогательной оси независимой переменной t (в пределах локального интервала);
jm – индекс момента времени конца интервала (на вспомогательной оси t );
nz – индекс интервала времени;
?i – количество узловых точек входящих в зону перекрытия интервалов;
а 0 ? a nf и b 0 ? b mf - коэффициенты аппроксимирующих полиномов;
nf , mf - порядки аппроксимирующих полиномов.
В ряде случаев (колебательный процесс) для аппроксимации X( t ) и Y ( t ) использовались функции вида:
, (4)
для апериодических процессов:
, (5)
или другие подходящие функции.В принципе, на аппроксимирующую функцию особые ограничения не накладываются. Однако для нахождения значений а 0 ? а 6 приходится использовать методы спуска, что довольно часто приводит к попаданию в зону локального минимума ? . Логично предварительное использование метода сканирования, но это усложняет и затягивает вычислительный процесс.
Использование аппроксимирующих полиномов наиболее удобно. Установлено, что полиномы 5 ? 7 порядков обеспечивают достаточное отражение реалий процесса и одновременно хорошо подавляют шум.
Выбранный способ обработки данных при проведения аппроксимации экспериментальных зависимостей X( ? ) и Y ( ? ) отличается тем, что он не требует равномерного расположения моментов времени на оси ? .
Другим достоинством принятого способа является возможность существенного перекрытия интервалов времени при аппроксимации, что заметно повышает достоверность результатов идентификации. Представляется разумным использовать максимальное перекрытие интервалов, когда ?i = jm-1.
Значительно сложнее проводится идентификация нелинейных объектов. Выбор функций, отражающих зависимость свойств объекта от параметров процесса, трудно формализовать. Поэтому используется предварительная информация о процессах в объекте. Меняется также стратегия решения задачи идентификации.
Рассмотрим объект (1), в котором происходит накопление кинетической ( C 0 ? Y ”), потенциальной ( Y = K 1 ? Y ) энергий и диссипация энергии ( C 1 ? Y ’). Фактически Y = K 1 ? Y является статической характеристикой объекта. Если K 1 существенно зависит от параметров процесса, имеет смысл предварительно проводить параметрическую идентификацию (6):
, (6)
где a , b , c … - коэффициенты статической характеристики.
Результаты (6) используются при идентификации (1). Как правило инерционные свойства объекта мало зависят от процесса (С 1 = const ), в то время как, коэффициент отражающий диссипацию энергии может быть, например, функцией Y ’ (например C 2 = D 1 + D 2 ? Y ’+ D 3 ? ( Y ’) 2 )
Тогда
, (7)
следовательно
, (8)
Оценка результатов идентификации, проводится сравнением экспериментальных значений Y( ? ) с полученным путем численного решения идентифицированного уравнения при задании экспериментального воздействия X( ? ). При решении используются апробированные проекционные [5] или устойчивые численные методы [6].
Литература:
1. Болдырев Д.В. Динамическая идентификация объектов управления. Материалы VII региональной научно-технической конференции “Вузовская наука – Северо-Кавказскому региону”. - Ставрополь: СевКавГТУ , 2004. - http://www.ncstu.ru.
2. Еремеев В.С., Умеров О.С. Идентификация параметров математических моделей с использованием метода наискорейшего спуска. -http://mpu.melitopol.net/confer/2004/inf_mat/articles/eremeev_umerov.pdf.
3. Ерышев В.С., Коваленко О.А., Челабчи В.Н. Идентификация объектов сложных систем c сосредоточенными параметрами № 570-мф. М.: ВИНИТИ , Депонированные рукописи № 9(179) -1986. –14 с.
4. Меr к t R.V ., Chelabchi V.N ./ Prediction of modes of operation of ship plants and systems ./ "Proceedings of third exhibition and technical conference. Black Sea'94", Varna, Bulgaria, 1994.
5. Максименюк Я.А., Меркт Р.В., Челабчи В.Н. Исследование дифференциальных уравнений методом аппроксимирующих функций № 619-мф. М.: ВИНИТИ, Депонированные рукописи № 12(182) -1986. –7 с .
6. Челабчи В.В., Челабчи В.Н. К вопросу эффективности компьютерного моделирования динамических систем // Materials of international scientifically-practical conference “ The Science theory and practice ”. Vol.25. Modern Ifomation Technologies. – Praha : Publishing House “Education and Science” s.r.o .; Prague Czechia – Dnepropetrovsk , Ukraine – Belgorod , Russian, 2005. – P. 33–35.