Выбор характеристического полинома двоичной м-последовательности для идентификации нелинейного динамического объекта
Автор: Яковлев В.Ф.
Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc
Рубрика: Физика и электроника
Статья в выпуске: 4-1 т.13, 2011 года.
Бесплатный доступ
Рассмотрен алгоритм выбора характеристического полинома М последовательности заданной степени при синтезе тест-сигнала для идентификации нелинейных динамических объектов, позволяющего без смешивания оценивать наибольшее число ординат ядер Вольтера первого и второго порядков.
Ряд вольтера, тест-сигнал, двоичная м-последовательность
Короткий адрес: https://sciup.org/148200086
IDR: 148200086
Текст научной статьи Выбор характеристического полинома двоичной м-последовательности для идентификации нелинейного динамического объекта
Для идентификации нелинейных динамических объектов используются их различные модели, в том числе и отрезок ряда Вольтерра, в дискретном случае имеющий вид:
N -1 Q -1 Q -1
Xi ] = h o + A t • Z h[ j' ] • x [ i - j ] + A t 2 • У\ h[k , l ] • x [ i - k ] • x [ i - l ] , j =0 k l
(1) здесь y[i] – реакция объекта, Δ t – шаг дискретизации, x[i] – входной сигнал, h0, h[j], h[k,l] – ординаты ядер Вольтерра N, Q – времена памяти ядер первого и второго порядков [1].
На практике для независимой оценки ординат ядер Вольтерра при идентификации применяют ортогональные к сдвигу кусочно-постоянные тест-сигналы небольшой амплитуды, не нарушающие нормальное функционирование объекта, тогда при измерении реакции объекта один раз на такте тест-сигнала:
h [ j ] =
p
Z У [ i ] • x [ i - j ] i = 0
p
Z X 2 [ i - j ]
i = 0
Z y [ i ] • X [ i - k ] • X [ i - 1 ] h[ k , l ] = ^^ ^^------------------------
Z x 2 [ i - k ] • x 2 [ i - 1 ] i = 0
Здесь р – число замеров, размерность плана эксперимента.
Для моделей динамики используют субоптимальные композиционные планы эксперимента с ядрами в виде планов Плакетта-Бермана или двоичных (троичных) М-последовательностей [1,2]. В композиционных планах эксперимента для моделей динамики строки ядра плана соответствуют двоичным числам, появляющимся в регистре сдвига аппаратного или программного генератора М-последовательности на каждом такте.
Отметим, что в литературе имеется недостаточно сведений о практической стороне синтеза субоптимальных тест-сигналов на основе М-пос-ледовательностей с использованием современных аппаратных и программных средств. Цель этой статьи частично восполнить этот пробел путем разработки алгоритма и программы для отбора двоичных М-последовательностей с необходимыми корреляционными свойствами, пригодных для использования в тест-сигналах.
Двоичная М-последовательность является упорядоченным с помощью сопровождающей матрицы (характеристического полинома F(x)), множеством компонент Si вектора координат элементов поля Галуа GF(2n) в степенном базисе [4]. М-последовательность, генерируемая с помощью характеристического полинома степени n, имеет период (2n – 1) такт.
При генерации тест-сигналов эти компоненты заменяются реальными сигналами с нормированными значениями:
х(0) = +1; х(1) = -1. (3)
Умножение для реальных сигналов оказывается эквивалентным сложению по модулю 2 для компонент Si:
1 ⊕ 0 = 1 (-1)·(+1) = -1
-
1 ⊕ 1 = 0 (-1)·(-1) = +1 (4) 0 ⊕ 0 = 0 (+1)·(+1) = +1
0 ⊕ 1 = 1 (+1)·(-1) = -1
Для независимой оценки ординат h0 и h[k, k] в тест-сигнал на основе двоичной М-последова-тельности вводятся дополнительные такты, после чего полный факторный композиционный план содержит (2n+2n+1) строк, а тест-сигнал -(2n+2n+4N-3) тактов [2]. Дополнительные такты необходимы также для устранения погрешности от неверного задания исходного состояния объекта перед началом тестирования. В качестве примера на рис. 1 приведен композиционный сигнал на основе двоичной М-последовательности с характеристическим полиномом F(x) = х3+х+1, ам-
Известия Самарского научного центра Российской академии наук, т. 13, №4, 2011
fx(t)

Рис. 1. Композиционный сигнал на базе двоичной М-последовательности: а – формирование начальных условий, б – ядро плана, в – дополнительные такты для оценки h0 и h[k, k]
плитуды дополнительных импульсов а определяются по параметрам плана, точками указаны моменты измерения реакции объекта [2].
М-последовательности с запаздыванием j>n являются линейными комбинациями последовательностей с запаздываниями в диапазоне (1 ^ n) того же характеристического полинома:
-
S i — = 3 1 .5, 1 ф аД © a^S n (5)
Коэффициенты aiв (5) совпадают с коэффициентами полинома-остатка Rj(x) в GF(2n) [4]:
Rj(x) = xj mod F(x). (6)
Выражение (6) иногда называют алгоритмом Дэвиса, его применяют для генерации задержанных М-последовательностей при идентификации линейных динамических объектов.
В специализированной литературе имеются таблицы коэффициентов полиномов различных степеней для генерации М-последовательностей. Нужно выбрать полином, обеспечивающий раздельную оценку ординат h[j] и h[k,l] при наи- меньшей длине тест-сигнала и известных временах памяти ядер Вольтерра N и Q.
Комбинированный тест-сигнал на базе М-последовательности длиной (2n – 1) тактов позволяет раздельно оценивать по (2) n ординат ядра первого порядка и (n·n) ординат ядра второго порядка. Для большинства реальных динамических систем N > Q, поэтому выбираем разрядность n полинома F(x) так, чтобы значимые ординаты ядра h[k,l] полностью размещались в квадрате n·n. Если нужно произвести идентификацию динамического объекта со временем памяти ядра Вольтерра первого порядка большим n, потребуется генерировать реплики М-после-довательности с запаздыванием j>n и изменить параметры дополнительной части тест-сигнала.
При использовании запаздывания j>n оценки ординат h[j] и h[k,l] могут оказаться смешанными в силу (5), если:
х[i-j] = x[i-k]·x[i-l]. (7)
Алгоритм для отбора характеристических полиномов М-последовательностей состоит в том, что по (6) определяем максимальное запаздывание j>n, при котором в полиноме-остатке не менее трех ненулевых коэффициентов, то есть оценки h[j] и h[k,l] не связаны. Из нескольких полиномов F(x) одной степени выбираем полином с максимальным значением допустимого запаздывания.
Процесс идентификации связан с автоматическим управлением объектом исследования, оборудованием для подачи тест-сигнала и сбора данных, обработкой данных. Это удобно осуществлять в специализированной среде программирования LabVIEW [5]. Разумно и подготовительную работу делать в той же среде. Автором был

Рис. 2. Блок-схема виртуального прибора для определения максимального запаздывания М-последовательности.

области определения ядра первого порядка отличаются значительно, таким образом отбор характеристических полиномов М-последовательнос-тей для синтеза эффективных композиционных тест-сигналов для идентификации нелинейных динамических объектов является обязательным.
ВЫВОДЫ
При заданной области определения ядра Вольтера второго порядка h[k,l] в квадрате n·n максимально допустимые значения запаздывания тест-сигнала на базе двоичной М-последо-вательности (область определения ядра h[j])
Таблица 1. Результаты расчета допустимого максимального запаздывания для некоторых характеристических полиномов
В окно “Полином” лицевой панели прибора вводятся в двоичном коде коэффициенты характеристического полинома, для GF(2n) это обычное представление F(x). Запускается виртуальный прибор (рис.3), определяющий полином-остаток, максимально допустимое число ординат в h[j] без смешивания оценок h[j] и h[k,l].
Результаты расчета для некоторых характеристических полиномов приведены в табл. 1, они подтверждают, что для различных характеристических полиномов одинаковой степени допустимые сильно различаются для различных характеристических полиномов одинаковой степени n. Предложенные в статье алгоритм и программа позволяют отбирать характеристические полиномы М-последовательностей, приводящие к генерации тест-сигналов наименьшей длины.
Список литературы Выбор характеристического полинома двоичной м-последовательности для идентификации нелинейного динамического объекта
- Ikonen E. Advanced process identification and control. New York: Marcel Dekker Inc., 2002. 316 p.
- Яковлев В.Ф. Идентификация электрической дуги аппроксимирующими моделями. Алгоритмы и аппаратура//Математические методы исследования динамики и проблемы управления низкотемпературной плазмой. Новосибирск: Наука, 1991. с.175-244.
- Льюнг Л. Идентификация систем. Теория для пользователя. М.: Наука, 1991. 432 с.
- Davies W.D.T. System identification for self adaptive control. New York: Wiley Interscience, 1970. 290 р.
- Тревис Дж. LabVIEW для всех. М.: ДМК Пресс, 2005. 540 с.