6. Bố cục của luận văn
2.2.3. Nhận dạng hệ thống bằng phần mềm chuyên dụng Identification Toolbo
trong Matlab
- Sau khi thu thập dữ liệu vào/ra hệ thống và tiền xử lý tín hiệu ta tiến hành đưa tập dữ liệu này vào công cụ nhận dạng: System Identification Toolbox của phần mềm Matlab.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/ - Các bước thực hiện: 1. Nhập dữ liệu vào/ra 990 1 , 1 ,..., 990 , 990 Z u y u y
Nhập 990 giá trị vào/ra và lưu vào trong file identdata.mat 2. Mở system identification toolbox, gõ lệnh
>> ident
Hình 2.7: Cửa sổ làm việc của công cụ nhận dạng
3. Nhập dữ liệu trong miền thời gian vào công cụ nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/ 4. Vẽ và tiền xử lý dữ liệu
- Bộ tiền xử lý sẽ loại bỏ giá trị trung bình và tự động đặt thêm ký tự d
Hình 2.9: Tiền xử lý dữ liệu loại bỏ giá trị trung bình
- Chọn Time plot để xem hình vẽ của cả bộ dữ liệu gốc và bộ dữ liệu mới - đã loại bỏ giá trị trung bình:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/ - Di chuyển mô hình identdata d vào mục Working Data để tiếp tục nhận dạng với mô hình này.
Hình 2.11: Di chuyển mô hình identdata.d vào Working Data
- Chia dữ liệu identdata d thành 2 phần: identdata de để ước lượng mô hình và identdata dv để so sánh mô hình
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/
Hình 2.13: Hình vẽ bộ dữ liệu identdata de và identdata dv
- Di chuyển identdata de vào mục Working Data để tiến hành ước lượng mô hình và di chuyển identdata dv vào mục Validation Data (Xác nhận dữ liệu) để so
sánh mô hình.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/ 5. Ước lượng mô hình: Để ước lượng mô hình tự động và nhanh chóng ta chọn Estimate Quick start. Kết quả thu được các mô hình ở các ô bên phải giao diện.
Hình 2.15: Ƣớc lƣợng mô hình
6. Chọn Estimate Parametrics models để ước lượng các mô hình tham số:
- Ta lựa chọn mô hình tham số ARX, các thông số na, nb và nk có thể chọn ở mục Orders:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/ - Chọn Model output để xem độ fit – độ phù hợp của mô hình:
Hình 2.17: Độ phù hợp của mô hình
Nhận xét
Ta thấy mô hình ARXQS có độ fit lớn nhất 77.61% nhưng lại có bậc cao: na=4,nb=4,nk=4. Mô hình ARX221 có độ fit cao thứ hai, đạt 72,75% và là mô hình đơn giản nhất nên dễ dàng thực hiện các tính toán về sau. Do đó ta lựa chọn mô hình ARX221 với các thông số: na=2, nb=2, nk=1.
7. Di chuyển ARX221 vào mục To Workspace để xem mô hình toán học
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/ - Như vậy mô hình toán học của hệ thống QGCP sau khi nhân dạng bằng công cụ
System Identification Toolbox là
1 2 1 2 1 1.209 0.2406 0.01361 0.1358 A q y t B t u t e t A q q q B q q q (2.18)
Ngoài nhận dạng bằng công cụ nhận dạng System Identification Toolbox, ta có thể thực hiện nhận dạng bằng câu lệnh tại cửa sổ Matlab - Command Window: >> a=size(u1);
>> b=size(y1);
>> T=0.1; %Chu ky trich mau
>> Tm=98.9; %Thoi gian tien hanh thuc nghiem
>> t=(0:T:Tm); %Thoi gian mo phong
>> data1=iddata(y1,u1,T); %Du lieu chuan bi nhan dang
>> data2=detrend(data1); %Loai bo gia tri trung binh
>> figure(1) >> subplot(211) >> plot(t(1:a(:,1)),y1(1:a(:,1)),'r',t(1:a(:,1)),data2.y(1:a(:,1)),'b') >> title('output y1','FontSize',11) >> xlabel('t[s]','FontSize',11) >> grid on >> subplot(212) >> plot(t(1:a(:,1)),u1(1:a(:,1)),'r',t(1:a(:,1)),data2.u(1:a(:,1)),'b') >> title('input u1','FontSize',11) >> xlabel('t[s]','FontSize',11)
>> legend('du lieu goc','du lieu da loai bo gt trung binh') >> grid on
>> data1e=data2(1:a(:,1)/2); %Bo du lieu uoc luong,doi tuong nhan dang
>> data1v=data2((a(:,1)/2+1):a(:,1));%Bo du lieu kiem chung,doi tuong kiem chung >> nk=1:6;
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/ >> NN=struc(2,2,nk); %NN=struc(na,nb,nk) >> V1=arxstruc(data1e,data1v,NN); >> [nk,Vm1]=selstruc(V1,0) nk = 2 2 5 Vm1 = -1.9149 -2.0143 -2.1210 -2.1950 -2.1952 -2.0923 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 1.0000 2.0000 3.0000 4.0000 5.0000 6.0000 >> arx2uy=arx(data1e,[2 2 1]); >> arx5uy=arx(data1e,[5 5 1]); >> arx10uy=arx(data1e,[10 10 1]); >> figure(2) >> compare(data1v,arx2uy,arx5uy,arx10uy) >> title('output y','Fontsize',11); >> ylabel('input u','Fontsize',11); >>grid on
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/
Hình 2.19: Đặc tính vào/ra trƣớc và sau khi loại bỏ giá trị trung bình
Hình 2.20:Độ phù hợp của các mô hình ARX221,ARX551,ARX10101
Lựa chọn mô hình ARX221 với độ fit: 72.66%, do mô hình này đơn giản nhất dễ dàng tính toán và độ phù hợp của mô hình khá cao.
Ta có mô hình toán học ARX221 của hệ thống QGCP khi nhận dạng bằng câu lệnh là:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/ 1 2 1 2 1 1.21 0.2415 0.01405 0.1357 A q y t B t u t e t A q q q B q q q (2.19) Nhận xét
Ta thấy thực hiện nhận dạng hệ thống QGCP bằng công cụ nhận dạng
System Identification Toolbox và bằng câu lệnh cho kết quả tương tự nhau, độ chênh
lệch rất nhỏ : Độ fit của mô hình ARX221 khi nhận dạng bằng công cụ nhận dạng là 72,75% và nhận dạng bằng câu lệnh là 72,66%. So sánh mô hình toán học (2.18) và (2.19) ta thấy hai mô hình toán học này tương tự nhau. Do vậy ta có thể sử dụng một trong hai cách nhận dạng trên, đều cho kết quả tốt. Tuy nhiên do độ fit cao hơn nên ta sử dụng kết quả của công cụ nhận dạng với mô hình toán học (2.18).