Идентификация - параметр - модель
Cтраница 1
Идентификация параметров модели позволяет прогнозировать динамику пластового давления при заданных годовых режимах эксплуатации месторождения. Так, было рассчитано изменение давления в контуре пласта БСю при годовом отборе жидкости Qx 7585 3 тыс. т и годовой закачке 2з 5792 8 тыс. т воды. [1]
Идентификация параметров модели позволяет прогнозировать динамику пластового давления при заданных годовых режимах эксплуатации месторождения. [2]
Для идентификации параметров модели поступим следующим образом. [3]
Рассмотрим процесс идентификации параметров модели углубления для роторного бурения вертикальной скважины. [4]
Выше было показано, что идентификация параметров модели с помощью сопоставления импульсных характеристик модели и объекта в принципе возможна. Критерий, основанный на импульсных характеристиках, практически более удобен для объектов, содержащих транспортные задержки, в то время как более абстрактные методы нахождения полюсов и нулей при сравнении частотных характеристик в этом случае становятся громоздкими. [5]
Приведенный здесь алгоритм легко может быть модифицирован, для решения задачи идентификации параметров модели сложного ЛУ с раздельными входами и выходами. [6]
Комплекс на базе мини - ЭВМ реализует функции расчета технико-экономических и обобщенных показателей функционирования АСУ ТП, идентификации параметров моделей оборудования и технологического процесса, определения и прогнозирования на базе моделей состояния оборудования и хода технологического процесса, расчета оптимальных режимов МГ, формирования рекомендаций по управлению в переходных и аварийных режимах, выявления мест утечки газа, моделирования режимов, ситуационного управления и широкого общения пользователя с системой. [7]
Для идентификации параметров электрических моделей в подсистеме АСОНИКА-Э разработан специальный виртуальный прибор, позволяющий решать эту задачу. Исходными данными для решения задачи идентификации параметров моделей являются данные, приводимые в технических условиях на элементы. [8]
В ряде случаев наблюдается высокая автокорреляция значений случайного члена. Тогда метод наименьших квадратов, наиболее часто используемый для идентификации параметров математико-статистических моделей, дает несмещенные и состоятельные оценки, однако не обязательно вполне эффективные. Формулы для расчета стандартной ошибки и уровня существенности в этом случае оказываются неприемлемыми даже для приблизительных расчетов. Однако при прогнозировании правильное использование автокорреляции может способствовать повышению достоверности прогнозов. [9]
Проанализирован круг задач обработки навигационной информации, при решении которых необходимо использование аппарата теории нелинейной фильтрации. Отмечено, что такая потребность возникает: при учете нелинейности уравнений динамики объекта, в задачах первичной обработки радиотехнических измерений, при решении задач идентификации параметров модели объекта и действующих на него возмущений, задач навигации с использованием данных карты, при исключении неоднозначности фазовых измерений и контроле целостности GPS, выставке ИНС при грубой априорной информации о курсе и ряд других. [10]
Проанализирован круг задач обработки навигационной информации, при решении которых необходимо использование аппарата теории нелинейной фильтрации. Отмечено, что такая потребность возникает: при учете нелинейности уравнений динамики объекта, в задачах первичной обработки радиотехнических измерений, при решении задач идентификации параметров модели объекта и действующих на него возмущений, задач навигации с использованием данных карты, при исключении неоднозначности фазовых измерений и контроле целостности GPS, выставке ИНС при грубой априорной информации о курсе и ряд других. [11]
 |
Схема вычислительного комплекса со средствами автоматического анализа изображения ( КЛТ-катодно-лучевая трубка ( дисплей. [12] |
Трудности эффективного описания процессов в пористых средах связаны с построением адекватной модели пористой среды, с созданием надежных и, по возможности автоматизированных методов идентификации параметров моделей пористых сред. [13]
Одной из задач САУ электроприводом ротора является выбор оптимального управляющего воздействия в условиях взаимосвязанного управления рядом исполнительных механизмов и отсутствия строгого математического описания процесса. Решение этой задачи возможно на основе использования адаптивных систем управления на базе ЭВМ. Принципы построения САУ с адаптивными моделями глубокого роторного бурения заключаются в применении однотактной схемы идентификации параметров модели и пассивного слежения за их изменением, использовании декомпозиции критерия оптимизации на составляющие по виду износа инструмента ( по опоре и вооружению долота) и определении вида износа, на который следует ориентироваться при нахождении оптимальных управляющих воздействий. [14]
Значения BI и а могут быть определены, если возможна вариация нагрузки на долото Р либо от рейса к рейсу, либо р течение одного рейса по крайней мере на двух уровнях. Во втором случае необходимо варьировать нагрузкой в течение рейса долота, которая в данном случае одновременно является и выбираемым управляющим воздействием, и входным сигналом для блока идентификации параметров модели. В связи с этим возникает вопрос о выборе характера изменения нагрузки на долото. В работе [79] показано, что оптимальное значение нагрузки на долото имеет монотонно нарастающий характер от начала рейса долота к его концу. [15]
Страницы: 1 2