טכניקות זיהוי מערכת דינמיות למהנדסים מכניים

זיהוי מערכת דינמי עומד כפרקטיקה אבן הפינה בהנדסה מכנית מודרנית, המאפשרת למהנדסים לתרגם נתונים ניסיוניים גולמיים למודלים מתמטיים ניתנים לפעולה.מודלים אלה חיוניים לניתוח התנהגות מערכת, תכנון מערכות בקרה חזקות, וחיזוי תגובות טרנספורמטיביות ויציבות על פני מערך עצום של תנאי הפעלה.מרובוטים אוטונומיים ועד להובלת רכב ביצועים גבוהים ומבנים חללי דיוק, היכולת ללכוד במדויק את המהות הדינמית של מערכת פיזית היא חדשנית עבור חדשנות ביקורתית וחדשנות.

המשמעת ממזגת עקרונות מתיאורית הבקרה, הסטטיסטיקה והעיבוד האותות.זה מספק מסגרת שיטתית כדי להסיק את הדינמיקה הפנימית של מערכת – לעיתים קרובות מורכבת מכדי מודל מעקרונות ראשונים בלבד – תוך שימוש בנתונים רק נמדדים של קלט- ⁇ .כאשר מערכות מכניות הופכות יותר ויותר משולבות עם תוכנה ואלקטרוניקה, התפקיד של זיהוי המערכת ממשיך להתרחב, מה שהופך אותו למיומנות חיונית לכל מהנדס שעובד עם פלטפורמות דינמיות.

מהו דינמיקה של מערכת דינמית?

זיהוי מערכת דינמי הוא תהליך של בניית מודל מתמטי של מערכת דינמי המבוסס על נתונים נצפים.המונח (FLT:0 דינמינמי FLT:1) מרמז כי המודל לוכד את האופן שבו המערכת מתפתחת לאורך זמן בתגובה לקלטים.בניגוד לזיהוי סטטי, מודלים דינמיים משלבים אפקטים זיכרון, עיכובים והתנהגות תלותית בתדר.

זרימת העבודה הסטנדרטית כוללת ארבעה שלבים עיקריים:

1. (FLT:0) רכישת נתונים וקידום של 1FLT) - עיצוב ניסויים כדי להערים את כל הצורות הרלוונטיות של המערכת, ואחריו סינון, ניתוק, הרחקה והסרת חיצונית.
2. (FLT:0)Model Structure SelectionFLT:1 - בחירת ייצוג מתאים, כגון העברת פונקציות, משוואות חלליות, או מודלים לא לינאריים אוטומטיים.בחירה זו תלויה בשימוש המיועד (שליטה, סימולציה, אבחון לקוי).
3. (FLT:0)Parameter אסטימונס FLT:1 - החל אלגוריתמים הממזערים את תפקוד העלות - באופן חד-משמעי את השגיאה בין תפוקה נמדדת ותחזיות מודל - כדי לקבוע את הערכים המספריים במבנה שנבחר.
4. (FLT:0)Model אימותFLT:1 - בדיקת המודל על נתונים שלא נעשה שימוש במהלך הערכה, הערכת מדדים כמו טוב של התאמה, קורלציה של שאריות, וביצועים של גלגולי-הצלב.

בפועל, שלבים אלה הם אינפורמטיבי.לדוגמה, אם מודל ליניארי נכשל אימות, המהנדס עשוי להציג לא ליניאריות או לשנות את סדר המודל.המטרה המרה היא לייצר מודל מכובד שמשלב היטב מעבר לנתונים האימונים.

התפקיד של ידע קודם

נושא חוזר בזיהוי המערכת הוא שילוב של ידע פיזי קודם.ר.ר.ר.ר.בוקס מודלינג, כפי שנדון מאוחר יותר, במפורש משתמש משוואות ידועות של איזון תנועה או אנרגיה כדי להגביל את המרחב הפרמטר.זה מקטין את הנטל על נתונים ומשפר יכולות הארכה.גם בגישות Black-box, ההבנה של המהנדס של תקופות קבועות דומיננטיות, יחס לחות, ומדריכים מחדש על החלטות על קלטות, על משקעים, דגימות, ומודלים.

טכניקות נפוצות בשימוש על ידי מהנדסי מכונות

במשך עשרות שנים, השדה הפיק ערכת כלים עשירה.כל טכניקה מציעה יתרונות נפרדים בהתאם לינאריות של המערכת, סביבת הרעש, והשימוש במודל המיועד. להלן אנו בודקים את ארבעת הקטגוריות הגדולות, כל אחת עם תת-טקניקים ו ניואנסים מעשיים.

שיטות זמן

שיטות דומיין הזמן פועלות ישירות על רצפי קלט- ⁇ מדגימים.הם אינטואיטיביים, כי הפלט של המודל הוא פונקציה ישירה של קלטות העבר ופלטים.

כיכרות כוסית (RLS)

RLS הוא אלגוריתם הסתגלותי כי פרמטר הערכות נתונים חדשים מגיע.זה נפוץ עבור זיהוי מקוון יישומים כמו דיכוי רטט אדסנסטיבי ובקרת רעש פעיל. האלגוריתם מצמצם את הסכום המסולק של שאריות מרובעות, עם גורם שוכח כי הנחות נתונים ישנים יותר, המאפשר את המודל לעקוב אחר דינמיקות זמן-vary. מהנדסי מכני לעתים קרובות ליישם RLS מערכות כי שינוי איטי עקב טמפרטורה, עומס, או סחף.

שיטות שגיאה (PEM)

PEM הוא מעמד רחב הכולל סבירות מקסימלית זיהוי ותפוקה-טרור. פונקציית העלות היא סכום של שגיאות חיזוי חד-שלב-ראש מרובע.עבור מערכות לינאריות, PEM מתאחד לא-מיושבים תחת תנאים קלים.זה כבד חישובי יותר מאשר RLS אבל מספק תוצאות מדויקות יותר עבור מודלים גבוהים יחסית לא-מחדש. ARX (מגיבים עם מודלים קיצוניים) והם משמשים מודלים מכניים.

שיטות יעילות Domain

שיטות דומיין תדירות הופכות נתונים לספקטרום התדר, וחושף תדרים מהדהדים, רוחב פס ולחות.הם חזקים במיוחד עבור מערכות שבהן תובנות פיזיות על מצבים טבעיים זמינות.

ניתוח Fourier Analysis and Spectral Asimation

באמצעות תהליך מהיר של Fourier Transform (FFT), מהנדסים מייחסים את היחס של צפיפות חוצה-ספקטרום לדחיסות ספקטרלית של כוח קלט כדי להשיג את הפונקציה העברה אמפירית הערכה. הפונקציה קוהרנטיות מספקת מדד איכות: קוהרנטיות ליד 1 מצביע על מערכת יחסים ליניארית, ללא רעש. למערכות מכניות עם מספר רב של חזרות - כמו מבנים גמישים - ראוי מאוד מגישה זו כי זה באופן ישיר מזהה תדרים טבעיים וקבועים מיחסי נשימה בודד.

Sinusoidal סוויפ ו-Stepped Sine Testing

בניתוח מודולי ניסיוני, קלט הסינוסאיד ידוע סחף על פני טווח תדר.מצב יציב amplitude ושלב בכל תדירות לבנות את הפונקציה תגובה תדירות תגובה (FRF) שיטה זו היא חזקה לרעש אבל זמן-consuming. גישות מודרניות להשתמש אותות רב-תחומיים המשלבים תדרים מרובים בו-זמנית כדי להפחית את זמן הבדיקה תוך שמירה על אנרגיה בכל תדירות של עניין.

שיטות זיהוי חלל

שיטות זיהוי של סובייקל, כגון N4SID (אלגוריתמים נומרניים עבור מזהה מערכת החלל של סובייקט) ו- MOESP (Multivariable Output Error State sPace), להעריך ישירות מודלים של המדינה מהנתונים של נתונים של קלט- ⁇ ללא אופטימיזציה היררטיבית.הם מסתמכים על ערך ייחודי (SVD) של מטריקס בלוק האנקל כדי לחלץ את יכולת הצייתנות ולשלוט במרחב.

שיטות אלה אטרקטיביות במיוחד עבור מערכות מרובות-variable שבו מספר קלטות ופלטים גדול.בהנדסת מכונות, הם משמשים עבור ניטור בריאות מבני, שבו יש מודל של 10-100 טווח מאיץ ערוץ 10-100, שיטות חלל הן לא רציונאליות וקנה מידה, אבל הם יכולים להיות רגישים לרעש ודורשים נחישות עקבית.

אפור-Box Modeling

תיבת אפור-box מעדנת איזון בין פיזיות מלאה (לבן-box) לבין גישות אמפיריות טהורות (Black-box).המהנדס מנסח מבנה מודל המבוסס על חוקים ידועים – החוק השני של ניוטון, המאזניים התרמודינמיקה, או מודלים של נטיקווס לחבק - אך משאיר כמה פרמטרים חופשיים להיות מוערך מהנתונים.

לדוגמה, מערכת הפעלה servo-hydraulic ניתן מודל באמצעות מערכת דגימה נוספת מסדר האביב עם אינרציה ידועה ונוקשות, בעוד שרווח coefficienting ו Actuator הם לא ידועים.נתוני ניסויי ואז מכוונן פרמטרים חופשיים אלה.התוצאה היא מודל כי מכבד מגבלות פיזיות ותוספות, גם אם הנתונים לא מכסה את כל התנאים הראשוניים הדרושים אופטימיזציה לא טובה.

יישומים בהנדסה מכנית

הגמישות של זיהוי המערכת משתקפת באימוץ הרחב שלה על פני תת-תחומי הנדסה מכנית.כל דומיין מציג אתגרים ייחודיים במונחים של רוחב פס, לא לינאריות, וזמינות חיישן.

רובוטיקה

מניפולטורים ורובוטים ניידים דורשים מודלים דינמיים מדויקים לתכנון טרפירי, בקרה על טורק, ובקרת אי-ציות של חיכוך משותף, פרמטרים אינרציה, ודינמיקה אקטוטור היא סטנדרטית.טכניקות כמו משקולות פחות ריבועים משמשים על מסלולים מעוצבים בקפידה שנועדו לבודד כל פרמטר inertia.

מערכות רכב

מהנדסי רכב ליישם זיהוי מערכת לניהול מנוע, בקרת שידור ודינמיקה של כלי רכב.לדוגמה, מודל מנוע ממוצע-ערך - המשמש בקרת יחס דלק אוויר - מזוהה לעתים קרובות ממיקומים בילוטל ומדידות מהירות המנוע. בדומה, מודל השעיה של רבע-רכב יכול להיות מזוהה מקלטי פרופיל כביש ופלט אנכי לבקרי השעיה פעילים.

הנדסה אווירית

בתחום התעופה, זיהוי המערכת משמש במהלך בדיקות טיסה כדי לחלץ נגזרות יציבות ושליטה ביעילות של תמרונים שנרשמו.שיטות Frequency-domain באמצעות קלטות צ'יפפר נפוצים כי הם מספקים רווח מדויק ורווחי שלב.הדינמיקה של Helicopter רוטטור, גמישות כנף פלוטר, והחלפת מצבי רכב מבניים מזוהים כולם באמצעות טכניקות אלה.

ניתוח ו- Structural Dynamics

מבנים מכניים כגון גשרים, מגדלי טורבינות רוח, ועלויות מנוע מאופיין באמצעות ניתוח מודולרי ניסיוני (שיטה של תדירות-דומיין) או ניתוח מודולי תפעולי (שם רק תפוקה נתונים תחת הנפקה מאוזנת זמינה) מודלים אלה מזוהים משמשים לשליטה רטט, חיזוי חיים עייפות וזיהוי נזק.

גילוי וקידום

על ידי זיהוי מתמיד של פרמטרים של מערכת באינטרנט, מהנדסים יכולים לזהות סטיית המעידות על תקלות - כגון הגדלת הנושא לחות במכונה רוטטת או ירידה חיכוך ב חותם הידראולי.מערכת זיהוי טפסים את החלק האחורי של זיהוי שגיאות מבוסס מודל, שבו שאריות (הבדלים בין מדדים ופלטים) מנתחים.

אתגרים ושיקולים

למרות כוחו, זיהוי המערכת הוא מוטרד מקשיים מעשיים שיכולים לעשות פרויקט אם לא מטפלים בו.אתגרים אלה ממושכים איכות נתונים, בחירת מבנה מודל ועלות חישובית.

איכות נתונים ועיצוב Exציטוט

ייתכן שהדרישה הבסיסית ביותר היא שהקלט חייב להרגשת בהתמדה את כל הדינמיקה של העניין. A צעד קלט, למשל, לא יכול לחשוף מצבי resonant גבוהה.מהנדסים משתמשים ברצףים בינאריים פסאודו-ראן (PRBS), אותות צ'ייפפול, וגלי גלונים מרובים כדי לספק תוכן בתדר מספיק.בנוסף, חיישנים חייבים להיות פתרון הולם ורוחב הפס.

רעש והפרעות

רעש מדידה, הפרעות תהליכים, ולא לינאריות לא מתוזמנות משחיתים את ההערכה.בעוד שיטות כמו משתנים אינסטרומנטליים יכולים להתמודד עם מבנים רעש מסוימים, הם דורשים חיישנים נוספים או עותקים מעוכבים של הקלט.המסנן את הנתונים (למשל, מסננים נמוכים אך יש לבצע בזהירות כדי למנוע הסרת מידע.

מודל סדר ובחירת מורכבות

בחירת מספר המדינות, הקטבים או התוקפים הוא מסחר- off-הטיה-היתר-נמוך מדי מכדי מודל מוביל לשגיאות מכופות ושיטתיות; גבוה מדי פקודה מובילה להתאמה יתר ולכללות גרועה. קריטריונים מידע כגון Akaike's Information Criterion (AIC) ו-Basian Informationterion (BIC) מספקים מוטציות אוטומטיות, אך הם חייבים להיות זוג עם מערכת שיפוטית שאינה יכולה לייצג את התקינה.

חוסר לינאריות וריאציות זמן

מערכות מכניות רבות אינן לינאריות: חיכוך, משיכה, תגובה, ואלסטיות גדולות של מערכת זיהוי עבור מערכות לא לינאריות הוא אזור מחקר פעיל.שיטות כמו Non ליניאריות Autoregressive Moving ממוצע עם קלטות אקסוגניות (NARMAX), מודלים מוכווני בלוק (Hammerstein, Wiener), ו-Verra משמשים. עבור מערכות זמן-vary, הסתגלות, טכניקות הסתגלות גבוהה יותר (recurive) של נתונים חישוביים (recurive) או אלגוריתמים) הוא לעתים קרובות יותר מורכבות יותר של אלגוריתמים של אלגוריתמים של אלגוריתמים של אלגוריתמים של אלגוריתמים (retraration) ואלגוריתמים יותר של אלגוריתמים חישוביים (rencedation) וגרסאות חישוביים יותר של אלגוריתמים יותר.

אימות וזיהוי בלתי-וודאי

מודל שמתאים לנתוני אימון באופן מושלם עשוי להיכשל בנתונים לא נראים.אימות חייב לכלול גם מדדים כמותיים (מבחן לבנות הדדית סובסידית, שורש רגיל פירושו טעות מרובעת, חיזוי מתאים לנתונים אימות) ובדיקות איכותיות (התאמת פיזית של פרמטרים, סימן נכון של הישגים, גרימתיות) היערכות לא- ביטוי מרווחי ביטחון על פרמטרים מוערכים - דורש יותר ויותר על ידי גופי רגולציה.

מסקנה

זיהוי מערכת דינמי הוא מתודולוגיה חיונית עבור מהנדסים מכניים אשר חייב מודל, שליטה, ואבחון מערכות פיזיות מורכבות.זה מספק גשר בין מודלים ראשוניים ראשוניים תיאורטיים לבין המציאות המבולגת של נתונים ניסיוניים. על ידי שליטה על מגוון של טכניקות - מכיכרים פשוטים לפחות ועד שיטות חלל מתוחכמות ומודלים אפורים-קו-קופסים יכולים להתמודד עם מגוון רחב של בעיות רובוטיות, חלל, ודינמיקה מבנית, ודינמית.

התחום ממשיך להתפתח עם הופעת הלמידה של מכונות, שבו רשתות עצביות עמוקות משמשות כדי להגדיל או אפילו להחליף את הזיהוי המסורתי עבור מערכות לא לינאריות מאוד.עם זאת, העקרונות הבסיסיים של עיצוב ציטוטים, ניהול רעש, ואימות נשארים ללא שינוי. מהנדסים שמטפחים תפיסה מוצקה של התיאוריה ומלכודות מעשיות יהיה מצויד היטב לפתח מודלים אמין, גבוה נאמנות כי מערכות מכניות מודרניות דורשות.

(ב) [קרא]: [ה] [ה]] [ה]] [ה]] [ה]]] [ה']'[ה']'[ה]']'[ה']'[ה']'[ה']'[ה']'[ה']']'[ה']']''''[ה']']'[ה'[ה']']'[ה'[ה']']']'[ה']']'[ה'[ה'[ה'[ה'[ה'[ה']']']'[ה'[ה'[ה'[ה']']']'[ה']']']'[ה'[ה'[ה']']']']']']'[ה'[ה']'[ה'[ה']'[ה']']']'[ה']']'[ה'[ה'[ה'[ה']']'[ה']']'[ה'[']'['['''