О подходах и методах идентификации

Идентификация системы сводится к определению структуры и параметров модели по наблюдаемым данным (входу и выходу объекта) и имеющейся априорной информации.

Задачу идентификации характеристик системы можно рассматривать как дуальную (сопряженную) по отношению к задаче управления системой. Нельзя управлять системой, если она не идентифицирована либо заранее, либо в процессе управления.

Все существующие подходы к идентификации можно разбить на две группы — статистические и множественно-функциональные (детерминированные). Указанные классы различаются учетом природы возмущений (помех), действующих на систему, и получаемыми оценками. На этапе создания теории идентификации преобладал статистический подход к задаче оценивания параметров. В рамках этого подхода постулировалась структура модели объекта, а относительно всех неопределенных факторов и помех предполагалось, что они носят случайный характер. Модели действующих возмущений и помех задавались в виде закона распределения, а большинство применяемых алгоритмов основывалось на методе наименьших квадратов. Реализация этих подходов и процедур в системах управления требовала привлечения мощных вычислительных средств, разработки стабильных методов оценки вероятностных характеристик возмущений. Но несмотря на это стохастический подход к проблеме идентификации применялся и в дальнейшем в связи с развитием и применением адаптивных методов идентификации. В рамках рассматриваемого подхода структура модели постулировалась априори. Такое же состояние проблемы структурной идентификацией сохранилось до настоящего времени. Несмотря на большое разнообразие алгоритмов и методов идентификации, так и не удалось предложить какие-либо процедуры регулярного синтеза структуры модели. Основные подходы к выбору структуры по-прежнему основываются на интуиции исследователя и методе перебора претендентов из заданного класса моделей. Объясняется такая ситуация сложностью и разнообразием объектов управления, плохой изученностью процессов, протекающих в объекте.

Для оценки параметров модели на основе данных, полученных в процессе нормальной эксплуатации, использовались методы ретроспективной идентификации, а немного позже в связи с повышением требований к качеству управления и развитием средств вычислительной техники и автоматизации стали применяться настраиваемые модели.

В условиях априорной неопределенности для управления объектами широко применяются системы с непрямым адаптивным управлением, так как позволяют обеспечить высокое качество функционирования. Основным звеном таких систем является блок идентификации. В зависимости от свойств объекта и требований, предъявляемых к системе, могут применяться как методы ретроспективной, стратегической идентификации (модель определяется вне контура управления), так и подходы, основанные на текущей или оперативной идентификации. Несмотря на обилие публикаций можно выделить лишь несколько подходов к адаптивному параметрическому оцениванию. В основном это методы наименьших квадратов, стохастической аппроксимации и их модификации, а так же различные градиентные алгоритмы. При решении практических задач теории управления теоретические предпосылки, лежащие в основе указанных методов, как правило, не выполнялись и поэтому эффективность многих процедур идентификации была невысокой. Неучет реальных свойств приводил, в частности, к потере свойств оптимальности, замедлению или ухудшению скорости сходимости. Поэтому в теории идентификации остро встала проблема обеспечения грубости применяемых алгоритмов и методов, непосредственно связанная с учетом ограничений и условий функционирования системы «объект + среда». Это был следующий этап развития статистического направления развития методов параметрического оценивания.