Wybrane zagadnienia identyfikacji statycznych systemów złożonych

Spis treści......Page 7
Od autora......Page 9
Wykaz ważniejszych oznaczeń......Page 11
1.1. Wstęp......Page 23
1.2. Rola modelu w badaniach systemowych......Page 24
1.3. Zadanie identyfikacji obiektu......Page 30
1.4. Opis systemu złożonego......Page 38
1.5. Problemy identyfikacji systemów złożonych......Page 47
2. Podstawowe zadania identyfikacji obiektów statycznych......Page 50
2.1. Wyznaczanie parametrów charakterystyki statycznej obiektu......Page 51
2.2. Estymacja parametrów charakterystyki statycznej obiektu......Page 55
2.2.1. Estymacja parametrów charakterystyki statycznej obiektu na podstawie zakłóconych pomiarów wyjścia......Page 56
2.2.2. Estymacja parametrów charakterystyki statycznej obiektu ze zmiennymi niemierzalnymi wielkościami losowymi......Page 70
2.3.1. Aproksymacja charakterystyki statycznej......Page 81
2.3.2. Zadanie wyboru optymalnego modelu na podstawie ciągu niezakłóconych obserwacji......Page 89
2.3.3. Zadanie wyboru optymalnego modelu z wykorzystaniem sieci neuronowej......Page 94
2.4. Zadanie wyboru optymalnego modelu w warunkach losowych......Page 99
2.4.1. Pełna informacja probabilistyczna......Page 102
2.4.2. Niepełna informacja probabilistyczna......Page 107
3. Identyfikacja obiektów złożonych przy ograniczonych możliwościach pomiarowych......Page 115
3.1. Separowalność deterministyczna......Page 118
3.2.1. Estymacja parametrów charakterystyk statycznych systemu złożonego na podstawie zakłóconych pomiarów wyróżnionych wyjść......Page 127
3.2.2. Estymacja parametrów charakterystyk statycznych systemu złożonego ze zmiennymi niemierzalnymi wielkościami losowymi......Page 145
3.2.3. Estymacja parametrów charakterystyk statycznych systemu złożonego ze zmiennymi niemierzalnymi wielkościami losowymi na podstawie zakłóconych pomiarów wyróżnionych wyjść systemu złoŜonego......Page 150
4. Wybór optymalnego modelu systemu złożonego......Page 155
4.1. Lokalnie optymalny model systemu złożonego......Page 157
4.2. Globalnie optymalny model systemu złożonego......Page 159
4.3. Model globalnie optymalny z uwzględnieniem jakości modelu lokalnego......Page 161
4.4. Algorytm identyfikacji dla systemu złożonego o strukturze szeregowej......Page 163
4.4.1. Globalnie optymalny model systemu o strukturze szeregowej......Page 167
4.4.2. Globalnie optymalny model z uwzględnieniem jakości modelu lokalnego dla systemu o strukturze szeregowej......Page 180
4.5. Modelowanie systemów złożonych za pomocą sieci neuronowych......Page 191
4.5.1. Algorytm uczenia sieci neuronowej dla systemu złożonego z lokalnym wskaźnikiem jakości identyfikacji......Page 194
4.5.2. Algorytm uczenia sieci neuronowej dla systemu złożonego z globalnym wskaźnikiem jakości identyfikacji......Page 196
5. Identyfikacja dwustopniowa......Page 200
5.1. Dwustopniowe algorytmy estymacji parametrów obiektu......Page 204
5.1.1. Metoda maksymalnej wiarogodności......Page 209
5.1.2. Metoda maksymalnego prawdopodobieństwa......Page 219
5.2. Dwustopniowe zadanie wyboru optymalnego modelu w warunkach losowych......Page 226
5.2.1. Przypadek liniowo-kwadratowy......Page 230
5.2.2. Porównanie podejścia dwustopniowego i bezpośredniego......Page 238
5.3. Identyfikacja destylacyjnej kolumny wypełnionej z pulsacją fazy parowej......Page 241
5.3.1. Opis danych pomiarowych......Page 243
5.3.2. Algorytmy identyfikacji i wyniki obliczeń......Page 247
5.3.3. Rozwinięcie badań z wykorzystaniem identyfikacji wielostopniowej......Page 254
Dodatek. Przekształcenia zmiennych losowych......Page 257
Bibliografia......Page 263