Вы задаете алгоритм с помощью Adaptation Method выпадающий список в диалоговом окне Function Block Parameters адаптивного блока интерполяционной таблицы. В этом разделе рассматриваются детали этих алгоритмов.
Sample mean
вводит среднее значение выборок выходных данных n и задан как:
где y (i) является измерением ith, собранным в конкретной ячейке. Для каждого входные данные u, демонстрационное среднее значение в соответствующей ячейке обновляется с помощью измерения выходных данных, y. Вместо того, чтобы накопить выборки n данных для каждой ячейки, рекурсивное отношение используется, чтобы вычислить демонстрационное среднее значение. Рекурсивное выражение получено следующим уравнением:
где y (n) является выборкой данных nth.
Определение априорной ошибки расчета как , рекурсивное отношение может быть записано как:
где и первоначальная оценка произвольно.
В этом выражении, только количество выборок, n, для каждой ячейки — а не выборок данных n — хранится в памяти.
Демонстрационное Среднее значение метода адаптации имеет бесконечную память. Прошлые выборки данных имеют тот же вес как итоговая выборка в вычислении демонстрационного среднего значения. Sample mean (with forgetting)
использует алгоритм с фактором упущения или Adaptation gain, который помещает больше веса на более свежие выборки. Этот алгоритм обеспечивает робастность против начальных переходных процессов ответа объекта и корректируемой скорости адаптации. Sample mean (with forgetting)
задан как:
где Adaptation gain и .
Определение априорной ошибки расчета как , где и первоначальная оценка произвольно, рекурсивное отношение может быть записано как:
Маленькое значение λ приводит к более быстрой адаптации. Значение 0
указывает на короткую память (последние данные становятся табличным значением), и значение 1
указывает на хорошую память (усредните все данные, полученные в ячейке).