Параметрическая идентификация стохастической системы неградиентным случайным поиском

Abstract

К настоящему времени известно большое разнообразие объектов, задач и методов идентификации, значение которой в различных областях науки и техники постоянно возрастает. Задача идентификации зависит от априорной информации об объекте идентификации, кроме того, существующие подходы и методы идентификации определяются формой математических моделей (детерминированные, стохастические, частотные, временные, спектральные и т. п.). В статье рассматривается задача определения параметров системы (объекта идентификации), заданной стохастической математической моделью, включающей в себя случайные функции времени. Показано, что для оптимизации стохастической системы, подверженной случайным воздействиям, детерминированные методы могут применяться лишь ограниченно для приближенной оптимизации системы при учете усредненных случайных воздействий и при фиксированной структуре системы. Предложен алгоритм идентификации параметров математической модели стохастический системы неградиентным случайным поиском, особенностью которого является его применимость к математическим моделям практически любого вида, так как примененный алгоритм не зависит от линеаризации и дифференцируемости функций, входящих в математическую модель системы. Предложенный алгоритм обеспечивает поиск экстремума заданного критерия качества в условиях внешних неопределенностей и ограничений путем использования случайного поиска параметров математической модели системы. Представлены результаты исследования работоспособности рассматриваемой методики идентификации путем математического моделирования гипотетической системы управления при априорно не известных значениях параметров математической модели. Приведенные результаты математического моделирования наглядно показывают работоспособность предлагаемого метода идентификации.