Ett självjusterande system är ett cybernetiskt (eller dynamiskt) adaptivt system där memorering av information (ackumulering av erfarenhet) uttrycks i en förändring av en eller annan av dess parametrar som är väsentliga för systemets syften .
Ett idealiskt självjusterande system (SNS) skulle vara ett system som skulle bibehålla oförändrade dynamiska och statiska egenskaper under alla möjliga förhållanden. I praktiken anses SNS vara ett sådant system som håller dynamiska och statiska egenskaper oförändrade endast inom vissa gränser.
Självjusteringskriteriet är också ett systemkvalitetskriterium. Det bör återspegla optimalitetskrav, till exempel:
Vid design och beräkning av ett självjusterande system är det nödvändigt att upprätta funktionella relationer mellan optimalitetsindikatorerna och objektets egenskaper för att ändra systemets driftsförhållanden. Upprättandet av en sådan funktionell relation är grunden för självinställningskriteriet.
SNS klassificeras enligt den initiala faktorn som bestämmer användningen av självjusterande element, vilket gör att vi kan särskilja följande huvudklasser:
Ett ytterligare tecken på klassificering kan betraktas som hur de självjusterande elementen påverkar systemet:
De senare är de mest avancerade självinställningssystemen, särskilt självlärande system, där den logiska enheten kommer ihåg resultaten av självinställningen och använder dem direkt i driften av systemet.
SNS är också indelade i öppen och stängd med avseende på självinställningsslingan och systemutgången, i analytisk, sökning, kombinerad, etc.
Uppgiften att syntetisera den självinställande kretsen innefattar följande huvudsteg: 1) analys av orsakerna till användningen av självinställning; 2) val av självinställningskriteriet och principen för att konstruera MV-kretsen; 3) definition av identifieringsalgoritmer; 4) bestämning av lagen för förändring av justerbara parametrar; 5) utveckling av modellstrukturen eller prestandaanalysatorn.
Om SN används i syfte att optimera för olika egenskaper hos signaler av yttre påverkan, är det nödvändigt: a) antingen att känna till det analytiska uttrycket för den användbara signalen vid ingången med dess okända parametrar och kända statiska interferensegenskaper ; b) eller kunna direkt mäta den användbara signalen och känna till de statistiska egenskaperna hos störningen.
Som ett kriterium för självinställning vid användning av till exempel karakteristikanalysatorn (Ax) kan du ta minsta avvikelse för systemets dynamiska egenskaper från referensen, som är optimala.