Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Пусть задана многоэкстремальная функция:
.
Рассмотрим ее графики при различных изменениях . Из первого графика видим, что глобальный экстремум находится в районах и равен примерно 75.
Если смотреть другую область изменения, то глобальный экстремум находится в районе . Рассмотрим область изменения .
Используем метод «Монте-Карло» для нахождения глобального минимума функции. Сформируем два вектора и , присвоив их нулевым элементам значение нуль:
Зададим количеством случайных чисел , которое мы будем использовать для вычисления минимума. Чем больше это количество, тем точнее будет результат вычисления:
.
С помощью функции создадим вектор случайных значений элементов . Функция генерирует равномерно распределенные случайные числа в интервале 0… .
Из графика видно, что нам достаточен интервал .
.
Теперь в векторе помещено 100000 случайных чисел. Вычислим значения функции от них и поместим их в вектор .
.
Величину минимального элемента этого вектора найдем, используя функцию .
Величину минимального элемента вектора найдем, используя небольшую программу и вычислим по ней ответ:
,
,
.
Получили первое приближенное значение минимума функции цели. Для уточнения значения используем градиентный метод. Поиск минимума ведется по следующим формулам:
,
выбирается из условия .
– параметр, определяющий погрешность поиска минимума.
- отношение золотого сечения.
- формула Бине
для вычисления чисел Фибоначчи, где – номер числа.
Сделаем подпрограмму для вычисления частной производной функции в точке заданной вектором по переменной .
Подпрограмма выглядит следующим образом:
Сделаем подпрограмму для вычисления значений проекций градиента на оси координат. Подпрограмма возвращает вектор значений проекций и использует подпрограмму вычисления частной производной:
.
Функция , используемая для выбора :
.
Далее сделаем подпрограмму поиска минимума функции одной переменной по методу Фибоначчи (одномерной оптимизации функции цели).
Подпрограмма поиска минимума с помощью метода градиентного спуска:
Сформулируем еще раз нашу многоэкстремальную функцию:
,
.
Находим, в какой точке достигается минимум функции цели по нашей программе:
.
Находим значение минимума функции цели:
.
Отсюда можно сказать, что метод градиентного спуска подтвердил сходимость решения методом «Монте-Карло», [9, 10].
Пример из расчетного эксперимента:
Заключение
Целью нашего рассуждения и последующего исследования в работе является сведение полученной задачи НМП (18) к классической задаче математического программирования (2), для той же целевой функции , [3, 5, 8-11].
Приложение: рисунки и таблица
Рис. 1. Принципиальная модульно-структурная схема ВК для SKAIS ТЭС
с теплофикационными установками.
Рис. 2. SKAIS - подсистема диагностики состояния энергоустановки
в контуре управления электростанции.
Рис. 3. Принципиальная блок – схема модуля .
Рис. 4. Диагностический комплекс SKAIS (реализованный вариант).
Рис. 5. «Похожесть» диагностируемого состояния (при сравнении с нормативным значением ) и определение фактического значения (общее состояние энергоустановки) как расстояния между ними, определяемое по формуле [9]:
,[9].
Здесь - вектор измеренных параметров; - вектор эталонных значений параметров; - количество анализируемых параметров; - наборы значений признаков (параметров состояния) для диагностируемого () и эталонного () объектов (агрегатов), коэффициент Фехнера (см. закон Вебера-Фехнера, , где - оценка некоторой величины при «ощущении» ).
При этом, . Если известно элементов – эталонов , где , то, используя понятие «похожесть», можно найти ближайший к данному объекту (его состоянию) эталон по максимуму значения коэффициента , где .
Таблица П.1
Массив «весов» параметров-признаков (отклонение мощности турбины ΔNЭ и ее экономичности Δ от гарантийного значения, DELTA = ΔNЭ/Δ ) турбоустановки
Т – 100 – 130 ТМЗ ст. №7 Н ТЭЦ – 4 (в отдельных опытах до и после ремонта) и сравнение параметров состояний по мере «похожесть» (РОХ). Режим работы – конденсационный.
Номинальные (гарантийные) параметры | РОХ | DELTA | |||||||||
МВт | МПа | 0С | МПа | т/ч | 0С | м3/ч | кДж/ кВт×ч | - | МВт/кДж/кВт×ч | ||
110,0 | 12,8 | 555,0 | 0,0049 | 480,0 | 5,8 | 1,00 | - | ||||
Фактические параметры | Перед ремонтом | 79,73 | 12,29 | 552,4 | 0,0218 | 392,6 | 22,5 | 0,52 | |||
75,09 | 12,29 | 549,8 | 0,0216 | 366,6 | 14,2 | 0,65 | |||||
64,5 | 12,87 | 546,0 | 0,019 | 326,6 | 12,6 | 0,61 | |||||
55,84 | 12,94 | 547,7 | 0,0156 | 302,2 | 13,4 | 0,57 | |||||
После ремонта | 83,1 | 12,8 | 0,0121 | 330,8 | 24,7 | 0,66 | 0,52/10,05 | ||||
85,7 | 12,9 | 0,0059 | 339,7 | 22,2 | 0,64 | 0,61/15,9 | |||||
78,0 | 12,8 | 0,0052 | 323,6 | 22,2 | 0,67 | 0,39/14,2 | |||||
71,1 | 13,04 | 0,0056 | 289,0 | 24,3 | 0,61 | 0,92/10,9 | |||||
82,3 | 12,92 | 0,0061 | 332.7 | 17,1 | 0,66 | 0,63/15,9 |
Здесь под РОХ («похожесть», Рис.5) понимается расстояние между признаками
(точнее их совокупностью образов) состояний энергоустановки близких номинальному (нормативному) состоянию. Похожесть фактического состояния энергоустановки номинальному состоянию определяется по формуле, [9]:
.
Рис.6. Элемент многомерного поиска оптимума (по схеме ) :
- где взять ближайшую точку – Эвристика! – ближайшая точка совпадает с .
Дата публикования: 2015-09-17; Прочитано: 395 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!