3.4.1. Идентификация характеристик технологических объектов
Идентификация технологического объекта представляет собой получение (уточнение) по экспериментальным данным модели объекта, работоспособной для всех эксплуатационных режимов. Для решения задач идентификации может быть использована многочисленная группа методов, в частности, регрессионный анализ (РА), корреляционный анализ (КА), дисперсионный анализ (ДА), диаграмма рассеяния (ДР), проверки статистических гипотез (ПСГ) и др. Каждый из этих методов имеет свои разновидности. Например, в методе РА выделяют случаи линейный и нелинейный РА, одномерный и многомерный РА. Метод ДА подразделяется на однофакторный, двухфакторный, трехфакторный и т.д. Каждый метод эффективен для решения определенной группы задач. Так при анализе существенности влияния факторов на выходной показатель при большом числе факторов и значительном изменении Q удобно использовать метод диаграмм рассеяния, если же число факторов невелико и колебания Q незначительны, то эффективнее метод ДА. При решении идентификации моделей важное значение имеет точность определения значений входных переменных Х. Если ошибками в определении Х можно пренебречь, то можно использовать методы РА, если же значения Х рассматриваются как случайные величины, то применяются методы КА. Методы ПСГ используются в различных задачах, связанных с анализом случайных величин (идентификация закона распределения случайной величины, проверка существенности различий между параметрами распределения), построением доверительных интервалов, оценки степени согласованности мнений экспертов и др. ^
- Автоматизированные информационно-управляющие системы (часть 1) Казаринов л.С., Попова о.В., Барбасова т.А.
- 1. Основные понятия
- 2. Информационно-управляющие системы реального времени
- 2.1. Особенности иус реального времени
- 2.1.1. Определение и основные характеристики иу срв
- 2.1.2. Ядра и операционные системы реального времени (осрв)
- 2.1.3. Обзор систем реального времени
- 2.2. Построение иус реального времени на базе операционной системы qnx
- 2.3. Сравнение scada – систем
- 2.4. Scada – система trace mode
- 2.4.1. Обзор системы trace mode
- 2.4.2. Функциональная структура пакета
- 2.5. Программно-технический комплекс DeltaV
- 2.5.1. 3Обзор системы DeltaV
- 2.5.2. Концепции системы DeltaV
- 2.5.3. Программные приложения DeltaV
- 2.6. Полнофункциональный программно-технический комплекс Квинт (Государственный научный центр рф ниитеплоприбор)
- 2.6.1. Описание
- 2.6.2. Программно-технический комплекс Квинт
- 2.7. Siemens
- 2.7.1. Состав simatic Totally Integrated Automation
- 2.7.2. Примеры автоматизации асу тп
- 2.8.1. Основные направления деятельности
- 2.8.2. Системы управления, предлагаемые абб Автоматизация в России
- 3. Обеспечивающие подсистемы информационно-управляющих систем и их характеристики
- 3.1. Программное обеспечение цифровой фильтрации сигналов и трендов
- 3.2. Программное обеспечение управления непрерывными процессами
- 3.2.1. Реализация языков программирования стандарта мэк 6-1131/3 в системе trace mode
- 3.2.2. Описание языков программирования
- 3.2.3. Реализация регуляторов и объектов управления в scada-системе TraceMode
- 3.3. Программное обеспечение секвенциально-логического управления
- 3.3.1. Программируемые логические контроллеры
- 3.3.2. Языки программирования плк
- 3.3.3. Пример реализации секвенциально-логических алгоритмов в trace mode
- 3.4.1. Идентификация характеристик технологических объектов
- 3.4.2. Идентификация характеристик технологических объектов с использованием стандартных методов Excel
- 3.4.3. Решение задачи оптимизация технологических объектов
- 3.5. Средства интеллектуального анализа данных
- 3.5.1. Общие представления о Data Mining
- 3.5.2. Задачи Data Mining
- 3.5.3. Классы систем Data Mining
- 3.5.4. Основные этапы Data Mining