Selvjusterende system

Den aktuelle version af siden er endnu ikke blevet gennemgået af erfarne bidragydere og kan afvige væsentligt fra den version , der blev gennemgået den 19. februar 2016; checks kræver 22 redigeringer .

Et selvjusterende system er et kybernetisk (eller dynamisk) adaptivt system , hvor memorering af information (ophobning af erfaring) kommer til udtryk i en ændring i en eller anden af dens parametre, som er væsentlige for systemets formål .

Ideal Self-Tuning System (SNS)

Et ideelt selvjusterende system (SNS) ville være et system, der ville opretholde uændrede dynamiske og statiske egenskaber under alle mulige forhold. I praksis anses SNS for at være et sådant system, der kun holder dynamiske og statiske egenskaber uændrede inden for visse grænser.

Bootstrapping-kriterier

Selvjusteringskriteriet er også et systemkvalitetskriterium. Det skal afspejle optimalitetskrav, for eksempel:

Sikring af effektivitet, gasturbine- eller dieselinstallationer.
Sikring af den højeste produktivitet af kulminedrift.
Minimer systemfejl ved tilstedeværelse af interferens.
Sikring af temperaturekstremumet af ovnen med åben ild.
Stabilisering af dynamiske egenskaber ved ændring af interne parametre.

Ved design og beregning af et selvjusterende system er det nødvendigt at etablere funktionelle forhold mellem optimalitetsindikatorerne og objektets egenskaber for at ændre systemets driftsbetingelser. Etableringen af et sådant funktionelt forhold er grundlaget for selvjusteringskriteriet.

SNA-klassifikation

SNS er klassificeret i henhold til den indledende faktor, der bestemmer brugen af selvjusterende elementer, hvilket giver os mulighed for at skelne mellem følgende hovedklasser:

Systemer, der justerer efter signaler fra ydre påvirkninger og outputvariable.
Systemet er indstillet til dynamiske egenskaber.
Ekstreme CNN'er, der giver ekstremisme af en eller anden indikator for systemobjektet.

Et yderligere tegn på klassificering kan betragtes som den måde, de selvjusterende elementer påvirker systemet på:

Med automatisk justering af systemets struktur (selvorganiserende systemer).
Med automatisk ændring af fungerende algoritme.

Sidstnævnte er de mest avancerede selvindstillingssystemer, især selvlærende systemer, hvor den logiske enhed husker resultaterne af selvjustering og bruger dem direkte i driften af systemet.

SNS er også opdelt i åben og lukket med hensyn til selvindstillingsløkken og systemoutput, i analytisk, søgemaskine, kombineret osv.

Karakteristiske træk ved selvjusterende systemer

I enhver SNS skal der være mindst to kredsløb: hovedkredsløbet og selvindstillingskredsløbet.
SNS skal have elementer med foranderlige (kontinuerligt eller diskrete) parametre, karakteristika eller struktur og en kontrollov, der er variabel i driftsprocessen. Således er CNN'er i det generelle tilfælde ikke-lineære ikke-stationære systemer.
SNS skal have logiske elementer (computere i det generelle tilfælde).
SNS'er er meget følsomme over for ændringer i systemparametre og inputsignaler.
Systemer, der justerer efter signaler fra ydre påvirkninger og outputvariable.

Opgaven med at syntetisere den selvindstillede loop

Opgaven med at syntetisere det selvindstillede kredsløb involverer følgende hovedtrin: 1) analyse af årsagerne til brugen af selvindstilling; 2) valg af selvindstillingskriteriet og princippet om konstruktion af MV-kredsløbet; 3) definition af identifikationsalgoritmer; 4) bestemmelse af loven om ændring af justerbare parametre; 5) udvikling af modelstrukturen eller præstationsanalysatoren.

Årsagsanalyse

Hvis SN bruges med det formål at optimere forskellige karakteristika af signaler af ydre påvirkninger, er det nødvendigt: a) enten at kende det analytiske udtryk for det nyttige signal ved indgangen med dets ukendte parametre og kendte statiske interferensegenskaber ; b) eller være i stand til direkte at måle det nyttige signal og kende de statistiske karakteristika for interferensen.

Valget af selvjusteringskriteriet og princippet om konstruktion af CH-kredsløbet

Som et kriterium for selvjustering ved brug af f.eks. karakteristikaanalysatoren (Ax) kan man tage minimumsafvigelsen af systemets dynamiske egenskaber fra referencen, som er optimale.

Bestemmelse af loven om ændring af justerbare parametre

Anvendelse af metoden til stokastisk statistisk tilnærmelse.

Brug af gradientmetoden.
Brug af Lyapunov-funktionen.

Se også

Litteratur

Selvjusterende system / Krasovsky A. A. // Bælte - Safi. - M . : Soviet Encyclopedia, 1975. - ( Great Soviet Encyclopedia : [i 30 bind] / chefredaktør A. M. Prokhorov ; 1969-1978, bind 22).
Krasovsky A.A. Dynamik af kontinuerlige selvjusterende systemer. - M. : Fizmatgiz, 1963. - 468 s.