Nhận dạng mô hình đối tượng với system identification toolbox

Nhận dạng mô hình đối tượng với system identification toolbox

Nhận dạng Mô hình đối tượng với

System Identification Toolbox

Nhóm 1

Nội dung

1 Nhận dạng hệ thống là gì ?

2 Tổng quan về System Identification

Toolbox

3 Nhận dạng sử dụng SI

1 Nhận dạng hệ thống là gì?

1.1 Giới thiệu chung

Nhận dạng hệ thống là một quá trình lặp

đi lặp lại, cho phép chúng ta có thể xây dựng các mô hình chính xác của trạng thái hệ thống dựa trên các dữ liệu đo.

1 Nhận dạng hệ thống là gì?

1.2 Các mô hình nhận dạng

 Mô hình tổng quát

Trong đó:

1

( ) ( ) ( ) ( ) ( ) ( )

( ) ( )



1 1

na

A q a q a q

1

0 1

nb

B q b b q b q

1 1

nc

C q c q c q

1 1

nd

D q d q d q

1 1

nf

F q f q f q

1 Nhận dạng hệ thống là gì?

1.2 Các mô hình nhận dạng

• Mô hình ARMAX

( ) ( ) ( ) ( k ) ( ) ( )

A q y t  B q u t n   C q e t



D q F q 

1 Nhận dạng hệ thống là gì?

 Mô hình AR

( ) ( ) 1 ( ) 0

( ) 1

D q F q

B q

C q

 





 A q y t ( ) ( )  e t ( )

( ) 0

B q

  A q y t ( ) ( )  C q e t ( ) ( )

1 Nhận dạng hệ thống là gì?

1.3 Mô hình đặc tính tần

Cho phương trình:

Chứa các thông tin về đặc tính tần số

cùng với phổ của nhiễu đầu ra

𝜆: phương sai ước lượng của nguồn nhiễu

e(t)

T: chu kỳ trích mẫu tín hiệu

( ) ( ) ( ) ( ) ( )

w

( j )

G e

v

   

1 Nhận dạng hệ thống là gì?

1.3Mô hình trạng thái

• Mô hình trạng thái liên tục

• Mô hình trạng thái gián đoạn

T là chu kỳ trích mẫu

kT là các thời điểm trích mẫu, k=1,2,…

.

0

( ) ( ) ( ) w( ) ( ) ( ) ( ) ( ) (0)





0

( ) x(kT)+ Au(kT) +Ke(kT)

(0)

x kT T A

y kT Cx kT Du kT e kT



2 Tổng quan về

System Identification Toolbox

2.1 Các bước nhận dạng với SI

I Thu thập dữ liệu từ quá trình nhận dạng

II Kiểm tra dữ liệu

III Chọn và định nghĩa cấu trúc mô hình

IV Tính toán mô hình tốt nhất

V Kiểm tra đặc tính mô hình nhận được

VI Nếu mô hình là đủ tốt thì dừng lại hoặc có thể

quay lại các bước I-IV

2 Tổng quan về

System Identification Toolbox

Trợ Giúp

ihelp Một micromanual Nhập giúp đỡ idhelp để bắt đầu

idprops Danh sách các thuộc tính của đối tượng hộp công cụ

Demo

iddemo Demo các tính năng cơ bản và dự báo mô hình tuyến tính

ident dự đoán toàn diện và giao diện phân tích

midpre

fs

Chỉ định một thư mục thông tin để khởi động

Giao diện người dùng và đồ họa

Pe Tính toán dự báo lỗi

Dự báo và dự đoán

2.2 Các nhóm lệnh trong SI

Iddata/

FFT

Chuyển đổi dữ liệu từ miền tần số

Iddata/

IFFT

Chuyển đổi dữ liệu từ tần số miền thời gian

Iddata Xây dựng một đối tượng dữ liệu

idinput Tạo ra các tín hiệu đầu vào để xác định

Thao tác dữ liệu

covf Hiệp phương sai chức năng ước tính cho một ma trận dữ liệu

CRA Tương quan phân tích

Nonparametric dự đóan

Tham số mô hình dự đóan

2 Tổng quan về

System Identification Toolbox

2.2 Các nhóm lệnh trong SI

Idarx Tạo mô hình ARX tuyến tính đa biến

idnlgre

y

Tạo mô hình phi tuyến người sử dụng tham số

Mô hình cấu trúc sáng tạo

C2d, d2c Biến đổi liên tục/ rời rạc và ngược lại

data2sta

te

Bản đồ đầu vào ra qua các giá trị trạng thái của một mô hình idnlarx linapp Xấp xỉ tuyến tính của mô hình phi tuyến cho một đầu vào nhất định

Chuyển đổi mô hình

Nyquist Vẽ đồ thị Nyquist

Fflot Chức năng tần số

idmodel Tư vấn về một mô hình ước tính

MÔ hình trình bày

Resi

d

Tính toán và kiểm tra chất thải kết hợp với một mô hình

Mô hình xác nhận

2.2 Các nhóm lệnh trong SI

AIC Tiêu chí thông tin tính toán Akaike

FPE Tính toán dự báo tiêu chuẩn cuối cùng

MÔ hình cấu trúc lựa chọn

Rarx Tính toán ước tính đệ quy cho một mô hình ARX

Rarmax Tính toán ước tính đệ quy cho một mô hình ARMAX

Ước lượng tham số đệ quy

idnlfun Đánh giá phi tuyến

customne

t

Tùy chỉnh ước tính phi tuyến

Đối tượng ước tính phi tuyến

getpvec Danh sách tham số của mô hình tuyến tính và phi tuyến

Các cơ sở sổ sách kế hoạch và hiển thị

3 Nhận dạng với IDENT

3.1 Nhận dạng tham số theo mô hình

Đặt

Ta được

3 Nhận dạng với IDENT

3.1 Nhận dạng tham số mô hình con lắc ngược

 Thực hiện trên MATLAB

A = [0,1;-3,-5];B = [0;.5];C = [1,0];D = 0;x0=[0;0]

A1 = [0,1;-1,-1];B1 = [0;0.2];

G =ss(A,B,C,D);

T=0.1;time=[0:T:20]';

u=randn(size(time));

y=lsim(G,u,time);

data=iddata(y,u,T);

m = idss(A1,B1,C,D,x0);

m.As = [0 1; NaN NaN];

m.Bs = [0;NaN];

m.Cs = [1, 0];

3 Nhận dạng với IDENT

3.2 Nhận dạng đối tượng khi chưa biết

dạng mô hình của đối tượng

Ví dụ : Nhận dạng một hệ rời rạc trong KGTT

m0 = drss(4,3,2)%Tạo ngẫu nhiên 1 hệ rời rạc trong KGTT m0 = idss(m0,'NoiseVar',0.1*eye(3));convert

u = iddata([], idinput([800 2],'rbs'));

y = sim(m0,u,'noise')

Data = [y u];

m = pem(Data(1:400))

tf(m)

compare(Data(401:800),m)

view(m)

Tham khảo

1 Mathworks – System Identification

Toolbox – User’s Guide

2 L Ljung – System Identification-Theory

for User

3 Hoàng Minh Sơn – Cơ sở điều khiển quá

trình

4 K Ogata – Modern Control Engineering