Вы задаете алгоритм, используя выпадающий список Adaptation Method в диалоговом окне Function Block Parameters блока адаптивной интерполяционной таблицы. В этом разделе рассматриваются детали этих алгоритмов.
Sample mean
обеспечивает среднее значение < reservedrangesplaceholder0 > выходов данных и определяется как:
где y (i) является ith измерения, собранные в конкретной камере. Для каждого входных данных u, среднее значение выборки в соответствующей камере обновляется с помощью измерения выходных данных, y. Вместо того, чтобы накапливать n выборки данных для каждой камеры, рекурсивное отношение используется, чтобы вычислить среднее значение выборки. Рекурсивное выражение получается следующим уравнением:
где y (n) является nth выборка данных.
Определение априорной ошибки расчета как рекурсивное отношение может быть записано как:
где и первоначальную оценку является произвольным.
В этом выражении в памяти хранится только количество выборок, n, для каждой камеры - а не n выборок данных.
Метод адаптации Sample Mean имеет бесконечную память. Прошлые выборки данных имеют тот же вес, что и конечная выборка при вычислении среднего значения выборки. Sample mean (with forgetting)
использует алгоритм с коэффициентом забывания или Adaptation gain, который ставит больше веса на более поздние выборки. Этот алгоритм обеспечивает робастность против начальных переходных процессов отклика объекта и регулируемую скорость адаптации. Sample mean (with forgetting)
определяется как:
где является Adaptation gain и .
Определение априорной ошибки расчета как , где и первоначальную оценку является произвольным, рекурсивное отношение может быть записано как:
Небольшая величина, в результаты, обеспечивает более быструю адаптацию. Значение 0
указывает короткую память (последние данные становятся значением таблицы) и значение 1
указывает на длинную память (среднее значение всех данных, полученных в камере).