Identificarea Sistemelor

Algoritmi de estimare a prametrilor proceselor

Identificarea sistemelor

1.Problemele fundamentale din identificarea sistemelor

Ce este identificarea sistemelor?

Identificarea sistemelor vă permite să construiţi modele matematice ale unui sistem dinamic bazate pe datele măsurate.

Cum este realizat acest lucru?

În special, prin ajustarea parametrilor la un model dat pana cand iesirea sa coincida pe cat posibil cu iesirea masurata.

Cum recunoasteti daca modelul este bun?

Un test foarte bun este sa aruncati o privire atenta asupra iesirii modelului comparand-o cu o iesire masurata pe un set de date care nu a fost folosit pentru probe ( validation data ).

Poate fi testata calitatea modelelor si altfel?

Este de asemenea bine sa va uitati la ceea ce modelul nu poate reproduce din date (rezidurile). Aceasta nu poate fi corelata cu alte informatii disponibile, cum ar fi intrarea sistemului.

Care sunt cele mai comune modele?

Aceste tehnici se aplic[ la modele foarte generale. Cele mai comune modele au ca descriere ecuatii difereniale, cum ar fi modelele ARX si ARMAX, precum si toate tipurile de modele liniare.

Trebuie sa preluati un model de un anumit tip ?

Pentru modelele parametrice, trebuie sa specificati stuctura. Oricum, daca doar presupuneti ca sistemul este liniar, puteti estima direct raspunsul sau la impuls sau treapta utilizand Corelation Analysis (Analiza de corelatie) sau raspunsul sau in frecventa utilizand Spectral Analysis (Analiza spectrala). Aceasta va permite comparatii utile cu alte modele estimate.

Ce contine casuta de instrumente System Identification - (Identificarea sistemelor)

Aceasta contine toate tehnicile comune pentru ajustarea parametrilor la toate tipurile de modele liniare. Ea va permite de asemenea sa examinati proprietatile modelelor, si sa verificati daca acestea sunt bune, precum sa preprocesati si sa rafinati datele masurate.

Oare nu este o limitare prea severa sa lucrati cu modele liniare?

Nu, de fapt nu. Cele mai comune neliniaritati ale modelelor sunt acelea in care, datele masurate ar trebui sa fie transformate neliniar (cum ar fi ridicarea la patrat a unei intrari de tensiune daca considerati ca aceasta este puterea care este stimulul ). Utilizati cunostintele despre partea fizica a sistemului pe care il modelati si incercati transformari asupra modelelor care sunt liniare in noile variabile. Astfel veti acoperi o gama mare de sisteme.

Cum incepem ?

Daca sunteti incepator parcurgeti acest capitol si apoi incercati cateva seturi de date care vin cu casuta de instrumente. Utilizati interfata grafica cu utilizatorul ( GUI ) si accesati functiile help pentru a intelege ceea ce trebuie sa faceti.

Aceasta este chiar tot ce se poate spune despre Identificarea Sistemelor ?

De fapt s-a scris mult in leg[tura cu acest subiect. Experienta cu date reale este forta conducatoare pentru a intelege mai mult. Este important sa amintim ca orice model estimat , indiferent de cat de bine arata pe ecranul dumneavoastra, el doar a cules o simpla reflexie a realitatii. Oricum surprinzator de des, acest lucru este suficient pentru luarea de decizii rationale.

2.Termenii comuni utilizati in identificarea

Sistemelor

Aceasta sectiune defineste cativa termeni care sunt utilizati frecvent in Identificarea Sistemelor.

- Datele de estimare reprezinta setul de date care este folosit pentru corelarea modelului cu datele. In GUI acesta este identic cu Working data (Datele de lucru).

- Datele de validare reprezinta setul de date care este utilizat pentru Model validation purposes. Acesta include simularea modelului pentru aceste date si calcularea rezidurilordin model cand este aplicat la aceste date.

- Model views (Inspectarea modelelor) sunt diferite moduri de inspectare a propriet[ilor unui model. Ele include inspectarea polilor si zerourilor, raspunsul in frecventa si transient, si alte lucruri similare.