Sunteți pe pagina 1din 34

1.

PRINCIPII DE BAZ PRIVIND IDENTIFICAREA PROCESELOR


1.1Aspecte generale
Identificarea este un ansamblu de metode prin care se urmrete obinerea unor modele ct mai
reprezentative pentru procesele prezentate. Avnd n vedere faptul c performanele sistemelor automate
trebuie satisfcute att n regim staionar ct i n regim tranzitoriu, este necesar ca prin identificare s se
determine att caracteristicile statice, ct i cele dinamice ale procesului investigat.
Caracteristicile statice reprezint dependena mrimilor de ieire ale proceselor de mrimile care
acioneaz la intrarea acestora n regim staionar, adic n regimul n care derivatele n raport cu timpul ale
acestor mrimi sunt nule.
Caracteristicile dinamice ale proceselor automatizate reprezint dependena mrimilor de ieire n raport
cu timpul i cu mrimile de intrare. n funcie de diversitatea proceselor tehnologice supuse automatizrii, de
tipul identificrii i de gradul de precizie impus modelului, sunt cunoscute mai multe tipuri de metode de
identificare experimentale. Metodele experimentale reprezint partea de baz a identificrii proceselor. Ele
permit, prin msurtori asupra mrimilor de intrare i de ieire ale proceselor (figura 1.1), obinerea unor
modele matematice care descriu ct mai aproape de realitate comportarea proceselor investigate. n lucrare se
va utiliza pentru modelele matematice ale proceselor funcii de transfer H(s).
Fig. 1.1 Structura sistemului de identificat
Astfel, pentru a se putea estima care este cea mai potrivit form a funciei de transfer se prezint tipuri
de rspunsuri indiciale (la un semnal de intrare treapt) ale principalelor tipuri de procese automatizate,
precum i relaiile de calcul pentru determinarea coeficienilor modelelor matematice.
Modelele dinamice de comand, care dau relaia ntre variaiile mrimilor de intrare ale unui proces i
variaiile mrimilor de ieire, sunt tipuri de modele necesare pentru proiectarea i ajustarea sistemelor de
comand/reglare. Dei indicaii asupra structurii acestor modele de comand se pot obine pornind de la
structura modelului de cunoatere, n general, este foarte dificil s se determine valorile parametrilor
semnificativi pornind de la aceste modele. De aceea, n majoritatea situaiilor practice, este pus n aplicare o
metodologie de identificare direct a acestor modele dinamice (de comand). De amintit c, modelele de
comand sunt de dou tipuri:
1. Modele neparametrice (ca de exemplu: rspuns n frecven, rspuns la treapt, etc.).
2. Modele parametrice (ca de exemplu: funcie de transfer, ecuaie diferenial sau cu diferene)
n continuare, se prezint identificarea modelelor dinamice parametrice discretizate adecvate
proiectrii i ajustrii sistemelor numerice de comand i reglare.
Identificarea este o tehnic experimental pentru determinarea modelului dinamic ai sistemului; ea
cuprinde patru etape :
1. Achiziia intrrilor/ieirilor cu un protocol de experimentare.
PROCES
2. Alegerea structurii modelului (determinarea complexitii sale).
3. Estimarea parametrilor modelului.
4.Validarea modelului identificat (validarea structurii i a valorilor parametrilor).
O operaie de identificare complet trebuie s conin cele patru etape enumerate anterior. Metodele
specificate utilizate n fiecare etap depind de tipul modelului studiat (parametric sau neparametric, continuu
sau discret). Metoda de identificare clasic utilizat pentru obinerea modelelor parametrice pornind de la
modele neparametrice este de tip rspuns la treapt (fig. 2.2). Metoda a fost utilizat iniial pentru a obine
modele parametrice continue, apoi a fost extins pentru identificarea modelelor discrete.
Fig. 1.2 Explicativ privind utilizarea metodei clasice de identificare.
Pornind de la forma rspunsului procesului la treapt, se alege un tip de model i se determin grafic
parametrii modelului. Cunoscnd frecvena de eantionare, se poate obine cu ajutorul tabelelor modelul
discret corespunztor.
Dezavantajele acestei metode sunt multiple:
- semnalele de test au amplitudine mare (fiind rareori tolerate de instalaiile industriale);
- precizia modelului obinut este redus;
- influena perturbaiilor este semnificativ, ele conducnd cu uurin la necesitatea schimbrii
modelului ales;
- nu exist posibilitatea modelrii perturbaiilor;
- timpul de calcul este mare;
- nu exist posibilitatea validrii modelului.
Utilizarea unui calculator numeric permite implementarea algoritmilor de estimare automat a
parametrilor modelelor discrete ale proceselor. Este important de subliniat c identificarea modelelor
parametrice discrete permite (prin simulare) obinerea unor modele neparametrice de tip rspuns la treapt
sau rspuns n frecven, cu o precizie mai mare dect n cazul unei abordri directe i utiliznd semnale de
excitaie extrem de slabe. Identificarea modelelor parametrice discrete conduce la modele de utilizare foarte
general i ofer numeroase avantaje n raport cu celelalte abordri.
Au fost dezvoltai algoritmi de identificare performani avnd o formulare recursiv adaptat
problemelor de identificare n timp real i implementrii lor pe calculatoare [35]. Faptul c aceste metode de
identificare pot lucra cu semnale de excitaie extrem de slabe constituie o calitate apreciat n practic.
2
PROCES
Fig. 1.3 Principiul estimrii parametrilor modelelor discrete.
Un model discret cu parametri ajustabili poate implementat pe calculator (fig. 2.3). Eroarea ntre
ieirea procesului la momentul t, y(t), i ieirea predictiv de model, ( ) t y
, numit eroare de predicie, este
utilizat de algoritmul de adaptare parametric. Acesta va modifica parametrii modelului la fiecare moment de
eantionare, astfel nct s fie minimizat aceast eroare. Mrimea de intrarea este, n general, o secven
pseudo-aleatoare binar de un nivel foarte slab, generat de calculator (succesiune de impulsuri
dreptunghiulare cu durat aleator variabil n Matalab exist astfel de blocuri). Odat modelul obinut, o
validare obiectiv poate fi fcut prin teste statistice asupra erorii de predicie ( ) t i ieirii predictate ( ) t y
.
Testul de validare permite pentru un proces dat s se aleag cel mai bun model, respectiv cea mai bun
structura i cel mai bun algoritm pentru estimarea parametrilor. Calculnd i reprezentnd grafic rspunsul la
o treapt i rspunsul n frecven al modelului identificat, se poate determina modelul continuu (rspuns la o
treapt sau rspuns n frecven). Aceast abordare pentru identificare modelelor procesului elimin dezavan-
tajele metodelor clasice menionate anterior i ofer, i alte posibiliti, cum ar fi:
- urmrirea variaiilor parametrilor procesului n timp real, permind o reacordarea regulatoarelor n
timpul funcionrii;
- identificarea modelelor de perturbaie;
- modelarea zgomotelor din traductoare n vederea eliminrii lor;
- detecia i msurarea frecvenelor de vibraie;
- analiza spectral a semnalelor.
Unul din elementele cheie pentru aplicarea acestei abordri pentru identificarea modelului procesului este
algoritmul de adaptare parametric (AAP), ce ajusteaz parametrii modelului de predicie plecnd de la
informaiile culese de la sistem la fiecare pas de eantionare. Acest algoritm are o structur recursiv, adic
noua valoare a parametrilor este egal valorii precedente plus un termen de corecie ce va depinde de ultimele
msurtori.
Exist algoritmi nerecursivi de identificare parametric (ce prelucreaz n bloc fiierele cu date de
intrare/ieire obinute pe un orizont de timp). n comparaie cu aceste tehnici, identificarea recursiv ofer
avantajele urmtoare:
3
u(t)
Parametrii
modelului
Model eantionat
adaptiv
Algoritm de
adaptare
parametric
+
-
_
y(t)
CAN
CAN
+EO
Z
PROCES
PROCES DISCRETIZAT
(t)
( ) t y
- obinerea unei estimaii a modelului pe msur ce procesul evolueaz;
- compresia datelor, pentru c algoritmii recursivi nu prelucreaz la un moment dat dect o pereche de
date intrare/ieire, spre deosebire de ceilali algoritmi ce utilizeaz o mulime de date;
- necesarul de memorie i puterea de calcul sensibil diminuate;
- implementarea uoar pe calculator;
- posibilitatea de a realiza sisteme de identificare n timp real;
- posibilitatea de a urmri parametrii sistemelor variabile n timp.
1.2 ALGORITMI RECURSIVI PENTRU IDENTIFICAREA PARAMETRIC
1.2.1 Abordarea euristic
Se consider modelul discret al procesului descris prin:
y(t + l) = -a
l
y(t) + b
l
u(t) , t N , (1.1)
unde a
1
este un parametru cunoscut i b
1
este un parametru avnd o valoarea pozitiv, dar necunoscut.
Scopul este de a estima valoarea parametrului b
1
. Modelul identificat va avea aceeai structur cu cel
de mai sus. Pentru a identifica b
1
, va trebui construit un model ajustabil dat de o ecuaiei de forma (1.1), n
care b
1
va fi nlocuit prin estimaia sa ( ) t b

1
, i care va fi modificat cu ajutorul unui algoritm de adaptare
parametric. Efectul algoritmului va trebui s se concretizeze printr-o reducere/ minimizare a distanei dintre
mrimea de ieire real i mrimea de ieire predictiv printr-un model ajustabil.
Modelul ajustabil de predicie (a priori) va fi deci descris de ecuaia:

0
(t+l) = -a
1
y(t) + ( ) t b

1
u(t), t N , (1.2)
n care ( ) t b

1
este o estimaie a lui b
1
la momentul t. Se definete eroarea de predicie (a priori):

0
(t+1) = y(t+1) -
0
(t+1) , t N, (1.3)
n funcie de valorile lui b
1
i ( ) t b

1
apar cteva situaii:
1. Cazul parametrului subestimat: u(t)>0 de tip treapt; ( ) t b

1
>b
1
. Rspunsurile
procesului i modelului sunt reprezentate n fig. 1.4.a, caz n care,
0
(t) > 0.
a) b)
Fig. 1.4 Evoluia lui y(t) i ( ) t y
0
n cazul:
a) subestimrii parametrului; b) supraestimrii parametrului.
4
2. Cazul parametrului supraestimat: u(t)>0 de tip treapt; ( ) t b

1
>b
1
. Rspunsurile procesului i modelului
sunt reprezentate n fig. 1.4.b. n acest caz,
( ) t
0

<0. Analiznd cele dou situaii, se poate propune un


algoritm de adaptare parametric de forma:
( ) 1
1
+ t b

= ( ) t b

1
+ k
0
(t+1), t N , (1.4)
unde k > 0 este amplificarea de adaptare. Aceast ecuaie are forma unui integrator numeric, ceea ce
garanteaz memoria algoritmului (dac
0
(t+1)=0, atunci ( ) 1
1
+ t b

= ( ) t b

1
. n cele ce urmeaz se vor studia
evoluiile lui ( ) t b

1
cu acest algoritm (prin convenie, va indica o cretere, iar va indica o descretere):
u (t) > 0 ; ( ) t b

1
< b
1
; k
0
(t) > 0 ; ( ) t b

1

u (t) > 0 ; ( ) t b

1
> b
1
; k
0
(t) < 0 ; ( ) t b

1

Fig. 1.5 Explicativ privind evoluia lui
1
b

(t) utiliznd algoritmul dat de ecuaia


(1. 4) pentru u(t) < 0.
Se observ c, pentru u(t) > 0, aciunea algoritmului de adaptare parametric este bun. Din contr, dac se
schimb semnul lui u(t) (u(t) < 0), algoritmul de adaptare parametric face ca
( ) t b

1
s evolueze ntr-un sens
nedorit (lucru ilustrat n fig. 1.5). Trebuie deci modificat algoritmul dat prin ecuaia (1.4) pentru a ine cont de
semnul lui u(t) (trebuie inversat aciunea atunci cnd u(t) este negativ). Dar:
sign u =
u
u
, (1.5)
i algoritmul de adaptare parametric devine:
( ) 1
1
+ t b

= ( ) t b

1
+
) t ( u
k
u(t)
0
(t+1) , t N , (1.6)
Acest nou algoritm acioneaz ntr-un sens bun asupra lui ( ) t b

1
, oricare ar fi semnul lui u(t). Se
obine:
u (t) > 0 ; ( ) t b

1
< b
1
; u(t)
0
(t) > 0 ;
1
b


u (t) < 0 ; ( ) t b

1
< b
1
; u(t)
0
(t) > 0 ;
1
b


u (t) > 0 ; ( ) t b

1
> b
1
; u(t)
0
(t) < 0 ;
1
b


5
u (t) < 0 ; ( ) t b

1
> b
1
; u(t)
0
(t) < 0 ;
1
b


Se pot aduce o serie de ameliorri la algoritmul de adaptare parametric (AAP) dat de ecuaia (1.6) . O
prim mbuntire se poate face prin reducerea sensibilitii algoritmului n raport cu amplitudinea lui u(t) i a
valorii amplificrii k. Din ecuaiile (1.1), (1.2) i (1.3) se obine:
k
0
(t+1) = (b
1
(t) - ( ) t b

1
)ku(t), t N , (1.7)
Astfel spus, termenul de corecie este proporional cu produsul ku(t). Este convenabil ca termenul de corecie
s fie normalizat, mprindu-l cu k u(t) . n aceast situaia algoritmul de adaptare va devine:
( ) 1
1
+ t b

= ( ) t b

1
+
2
) t ( u k
k
u(t)
0
(t+1) , t N , (1.8)
A doua mbuntire se refer la situaiile cnd u(t) 0, ceea ce conduce la o mprire cu 0.
Pentru a o evita, algoritmul din ecuaia (2.8) se modific astfel:
( ) 1
1
+ t b

= ( ) t b

1
+
0
(t+1), t N . (1.9)
n ecuaia (2.9) se poate pune n eviden un termen de forma
0
(t+1)/(1+ k u(t)
2
) ce are o
interpretare foarte interesant. Pentru aceasta, n ecuaia (1.2) ( ) t b

1
se nlocuiete cu ( ) 1
1
+ t b

i se
noteaz noua ieire a modelului (t+1) (model de predicie a posteriori ):
(t+1) = - a
1
y(t) + ( ) 1
1
+ t b

u(t), t N. (1.10)
Utiliznd ecuaia (2.9), ecuaia (2.10) se poate rescrie sub forma:
(t+1) = - a
1
y(t) +
1
1
]
1

+
+
+ ) t (
) t ( u k
) t ( ku
) t ( b 1
1
0
2
1

u(t) =
=
0
(t+1) +
2
2
1 ) t ( u k
) t ( ku
+

0
(t+1) , t N . (1.11)
Se definete:
(t) = y(t) - (t) , t N . (1.12)
Utiliznd relaiile (2.11) i (2.3) n aceast definiie, se obine:


(t+1) =
0
(t+1) -
2
2
1 ) t ( u k
) t ( ku
+

0
(t+1) =
2
0
1
1
) t ( u k
) t (
+
+
, t N . (1.13)
6
n acest context,
0
(t+l) este numita eroare de prediceie a priori , pentru c depinde de parametrii
estimai la momentul t. Analog, ( t+1) este numit eroare de predicie a posteriori , deoarece ea depinde
de parametrii estimai la momentul t+1, adic dup ce algoritmul de adaptare parametric a acionat.
Ecuaia (2.13) d relaia dintre eroare, de predicie a priori i eroarea de predicie a posteriori. Se
constat c ( t+1)
0
(t+1) (egalitatea avnd loc pentru valori nule ale lui k sau u). De asemenea,
ecuaia (2.13) permite s se rescrie algoritmul de adaptare parametric dat de ecuaia (2.9) sub forma:
( ) 1
1
+ t b

= ( ) t b

1
+k u(t)(t+1), t N, (1.14)
unde ( t+1) este dat de ecuaia (1.13), depinznd astfel numai de parametrii estimai la momentul t .
1.2.2 Algoritmul gradientului
Algoritmul de adaptare parametric al gradientului are ca obiectiv minimizarea unui criteriu
ptratic n funcie de eroarea de predicie [9]. Se va considera acelai exemplu ca n paragraful precedent, dar,
de aceast dat, cei doi parametri ai modelului procesului, a
1
i b
1
, sunt necunoscui.
Modelul discretizat al procesului este descris de relaia:
y(t+1) = -a
1
y(t) + b
1
u(t) =
T
(t), t N , (1.15)
unde:

T
= [a
1
, b
1
], (1.16)
este vectorul parametrilor (necunoscui) i

T
(t) = [-y(t) , u(t)] , t N, (1.17)
este vectorul msurilor (sau al observaiilor).
Modelul de predicie ajustabil ( a priori ) va fi descris de ecuaia:

0
(t+1) = (t+1)

(t) = -
1
(t)y(t) +
1
b

(t)u(t) =

T
(t) (t), t N, (1.18)
unde
0
(t+1) reprezint predicia a priori ce depinde de valorile parametrilor estimai la momentul t
i

T
(t) = [
1
(t), ( ) t b

1
] , t N, (1.19)
este vectorul parametrilor estimai .
Ieirea a posteriori a predictorului va fi dat de ecuaia:
(t+1)=(t+l

(t+1))=-
1
(t+1)y(t)+ ( ) 1
1
+ t b

u(t)=

T
(t+1) (t), t N (2.20)
7
Se definete o eroare de predicie a priori prin:

0
(t) = y(t) -
0
(t), t N, (1.21)
i o eroare de predicie a posteriori prin:
(t) = y(t) - (t), t N. (1.22)
i se caut un algoritm de adaptare parametric recursiv i cu memorie. Structura unui astfel de
algoritm este:

(t+1)=

(t)+

(t+1)=

(t)+k(

(t) (t)
0
(t+1)), t N. (1.23)
Termenul de corecie k() trebuie s depind numai de informaiile disponibile la momen tul t+1 (ultima
msurare y(t+l), parametrii

(t)) i eventual un numr finit de informaii la momentele ( t, t-1, t-2,


.. . , t-n). Termenul de corecie permite minimizarea la fiecare pas a criteriului:
J (t+1) = [
0
(t+l)]
2
, t N, (1.24)
minimizarea efectundu-se n raport cu

(t) la momentul (t+1). Soluia se obine utiliznd metoda


gradientului. Dac se reprezint curbele de iz ocriteriu (pentru care J este constant) n planul
parametrilor a
1
i b
1
, se obin curbe nchise concentrice n jurul valorii minimale a criteriului
corespunztoare punctului a
1
, respectiv b
1
(parametrii modelului procesului). Curbele de izocriteriu
se deprteaz de minim pe msur ce valoarea lui J crete (fig. 1.6).
Fig. 1.6 Principiul metodei gradientului.
Pentru a minimiza valoarea criteriului, se va efectua o deplasare n direcia invers gradientului
curbei de izocriteriu corespunztoare. Aceasta va conduce la o curb corespunztoare lui J constant de valoare
mai mic (precum este ilustrat n fig. 1.7). Algoritmul de adaptare parametric corespunztor va avea forma:

(t+1) =

(t) - K
) t (
) t ( J

+

1
, t N , (1.25)
8
unde K= I cu > 0, este amplificarea de adaptare matricial, I este o matrice diagonal unitar, i
) t (
) t ( J

+

1
este gradientul criteriului ecuaiei (1.24) n raport cu

(t). Din ecuaia (1.24), rezult:



2
1
) t (
) t ( J

+

1
=
) t (
) t (

+

1
0

0
(t+1) , t N. (1.26) Cum:

0
(t+1)=y(t+1)-
0
(t+1)= y(t+1)-
T

(t) (t), t N, (1.27)


rezult c:

) t (
) t (

+

1
0
= - (t), t N. (1.28)
Introducnd ecuaia (1.28) n ecuaia (1.26), algoritmul de adaptare parametric din ecuaia (1.25) devine:

(t+1)=

(t)+K (t)
0
(t+1), t N , (1.29)
unde K este amplificarea matricial de adaptare. n acaest situaie sunt posibile dou alegeri [17]:
1. K = I , > 0;
2. K > 0 (matrice pozitiv definit - este caracterizaii prin faptul c: toate elementele de pe diagonal
sunt pozitive, este simetric iar determinanii tuturor minorilor principali sunt pozitivi).
Interpretarea geometric a algoritmului de adaptare parametric din ecuaia (1.29) este ilustrat n
fig. 1.7. Algoritmul de adaptare parametric dat de ecuaia (1.29) prezint riscuri de instabilitate dac
amplificarea de adaptare (respectiv ) este mare (aceast lucru se poate nelege cu ajutorul fig. 1.6).
Fig. 1.7 Interpretarea geometric a algoritmului de adaptare al gradientului.
Pentru a evita aceast problem de instabilitate, se utilizeaz aceeai abordare a gradientului dar se consider
un alt criteriu:
J(t+1) = [(t+1)]
2
, t N, (1.30)
9
de unde se obine:

2
1
) t (
) t ( J
1
1
+
+

=
) t (
) t (
1
1
0
+
+
(t+1) , t N. (1.31)
Din ecuaiile (1.20) i (1.22) se obine:
( t+1)=y(t+1) (t+1)=y(t+1)-
T
(t+1) (t), t N, (1.32)
respectiv:
) t (
) t (
1
1
+
+

= - (t)

, t N. (1.33)
Introducnd ecuaia (1.33) n ecuaia (1.31), algoritmul de adaptare parametric din ecuaia (1.25) devine:

(t+1)=

(t) + K (t)(t+1) , t N. (1.34)


Acest algoritm depinde de (t+1), care este o funcie de

(t+1). Pentru a se putea implementa acest


algoritm, trebuie exprimat (t+1) , n funcie de
0
(t+1), (adic: (t+1)=f(

(t), (t),
0
(t+1)) .
Ecuaia (1.32) se poate rescrie sub forma:
(t+1) = y(t+1)-
T

(t) (t) -[

(t+1)-

(t)]
T
(t), t N. (1.35)
Primii doi termeni ai membrului drept corespund lui
0

(t+1), i, din ecuaia (1.4),


rezult:

(t+1) -

(t) = K (t) (t+1), t N. (1.36)


ceea ce permite scrierea ecuaiei (2.25) sub forma:
(t+1) =
0
(t+1)
T
(t) K (t) (t+1), t N. (1.37)
de unde se obine relaia ntre (t+1) i
0
(t+1) :
(t+1) =
( )
( ) ( ) t K t
t
T
+
+
1
1
0
, t N . (1.38)
Algoritmul din ecuaia (1.34) devine:

(t+1) =

(t)
( ) ( )
( ) ( ) t K t
t t K
T
+
+
+
1
1
0
, t N . (1.39)
10
Acesta este un algoritm stabil oricare ar fi amplificarea K (pozitiv). mprirea prin
1+
T
(t)K (t) introduce o normalizare (ca n paragraful anterior), care reduce sensi-
bilitatea algoritmului n raport cu K i (t). Dac parametrul a
1
este cunoscut, acest algoritm este identic celui
dat de ecuaia (1.9), obinut prin consideraii euristice.
1.2.3 Algoritmul celor mai mici ptrate recursiv
Utiliznd algoritmul gradientului, se minimizeaz la fiecare pas
2
(t+1) sau deplasarea se efectueaz n
direcia de descretere cea mai rapid a criteriului, cu un pas ce depinde de K. Minimizarea lui
2
(t+1) la
fiecare pas nu implic n mod necesar minimizarea sumei:

1
0
) (
2
N
i
i
, t N .
pe un orizont de t pai (fig. 1.8). De fapt, n apropierea optimului, dac amplificarea nu este destul de slab,
pot exista oscilaii n jurul minimului. Pe de alt parte, pentru a avea o vitez de convergen bun de la
nceput, cnd diferena fa de optim este mare, ar fi de preferat o amplificare de adaptare mare. Algoritmul
celor mai mici ptrate recursiv ofer un astfel de profil de variaie a amplificrii de adaptare.
Fig. 1.8 Explicativ privind evoluia unui algoritm de adaptare de tip gradient.
Se consider aceleai ecuaii pentru proces, modelul de predicie i erorile de predicie utilizate n
algoritmul gradientului, i anume ecuaiile (1.15), ... , (1.22). Scopul este de a gsi un algoritm recursiv avnd
forma ecuaiei (1.23) care s minimizeze criteriul celor mai mici ptrate [23, 43]:
J(t) =

t
i
) i ( y [
1
-
T

(t) (i-1)]
2
, t N *. (1.40)
Termenul
T

(t) (i-1) corespunde lui:



T

(t) (i-1) = -
1
(t)y(i-1)

+ ( ) t b

1
u(i-1)

= (i

(t)) , t N . (1.41)
Astfel, predicia ieirii la momentul i (i t) este bazat pe estimarea parametrilor la momentul t obinut cu
ajutorul a t msurri.
Se pune problema estimrii unui parametru

la momentul t ce minimizeaz suma ptratelor


distanelor dintre proces i modelul de predicie pe un orizont de t msurri. Valoarea lui

(t) care
minimizeaz criteriul (2.40) se obine cutnd valoarea care anuleaz J(t)/

(t):
11

) t (
) t ( J

= -2

t
i
) i ( y [
1
-
T

(t) (i-1)]
T
(i-1) = 0 , t N *. (1.42)
Dup aplicarea operatorului de transpunere rezult imediat ecuaia liniar n

:

1
]
1

t
1 i
T
1) (i 1) (i

(t) =


t
1 i
) 1) (i i ( y , t N*.
Multiplicnd la stnga cei doi termeni ai acestei ecuaii cu termenul:
1
t
1 i
T
1) (i 1) (i

1
]
1

,
va rezulta:

(t)=
1
t
1 i
T
1) (i 1) (i

1
]
1


t
1 i
) 1) (i i ( y =K(t)
1
]
1

t
1 i
) 1) (i i ( y , t N*, (1.43)
unde:
[K(t)]
-1
=


t
1 i
) 1 1) (i i (
T

, t N*. (1.44)
Acest algoritm de estimare nu este recursiv, i ca urmare, pentru a obine un algoritm recursiv, se consider
estimaia lui
( ) 1 + t

(t+1) = K(t+1)


1 t
1 i
) 1) (i i ( y , t N*. (1.45)
[K(t+1)]
-1
=


1 t
1 i
) 1 1) (i i (
T

= [K(t)]
-1
+ (t)
T
(t) , t N*. (1.46)
Se urmrete exprimarea lui
( ) 1 + t

n funcie de
( ) t

(t+1) =

(t) +

(t+1) , t N*. (1.47)


Din ecuaia (1.45) se obine:


1 t
1 i
) 1) (i i ( y =


t
1 i
) 1) (i i ( y + (t)y(t+1)= [K(t)]
-1

(t) + (t)y(t+1), t N*.


(1.48)
12
innd cont de relaia de recuren (2.46), ecuaia (2.48) se poate rescrie sub forma:


1 t
1 i
) 1) (i i ( y = [K(t+1)]
-1

(t+1) =
= [K(t+1)]
-1

(t) + (t) [y(t+1) -


T
(t)

(t)] =
= [K(t+1)]
-1

(t) + (t)
0
(t+1), t N*. (1.49)
nmulind la stnga cu K, rezult:

(t+1) =

(t) + K(t+1) (t)


0
(t+1), t N*. (1.50)
Algoritmul de adaptare din ecuaia (1.50) are o form recursiv similar algoritmului gradientului dat de
ecuaia (1.29), cu deosebirea c matricea de amplificare K(t+1) este variabil n timp, ntruct depinde de
msurri (aceasta corecteaz automat direcia gradientului i lungimea pasului). Acum, se urmrete o formul
recursiv pentru K(t+1) plecnd de la formula recursiv pentru K
-1
(t+1) dat de ecuaia (1.46). Aceasta se
obine utiliznd o lem a inversrii matriciale (dat mai jos ntr-o form simplificat), rezultat preluat din
Teoria calculului matricial:
Lem. Fie K o matrice ptrat de dimensiune (nxn) i un vector de dimensiune n, atunci:
(K
-1
+
T
)
-1
= K -
+

K
K K
T
T
1
. (1.51)
Aplicnd aceast lem, din ecuaiile (1.46) i (1.51) se obine:
K(t+1

)

= K(t) -
) t ( ) t ( K ) t (
) t ( K ) t ( ) t ( ) t ( K
T
T
+

1
, t N*. (1.52)
Regrupnd ecuaiile, o prim form a algoritmului de adaptare parametric (AAP) a celor mai mici ptrate
recursiv (CMMPR) este dat mai jos:

(t+1) =

(t) + K(t+1) (t)


0
(t+1), t N. (1.53)
K(t+1

)=K(t)-
) t ( ) t ( K ) t (
) t ( K ) t ( ) t ( ) t ( K
T
T
+

1
, t N. (1.54)

0
(t+1) = y(t+1) -

T
(t ) (t) , t N. (1.55)
Argumentul t din aceste relaii, pleac de la 0, mrimile K(0) i

(0) constituind iniializarea predefinit a


algoritmului.
O form echivalent a acestui algoritm se obine introducnd expresia lui K(t+1)dat de ecuaia (1.54)
n ecuaia (1.53):
13

(t+1)-

(t)=K(t+1) (t)
0
(t+1)=K(t) (t)
) t ( ) t ( K ) t (
) t (
T
+
+
1
1
0
, t N. (1.56)
Dar, din ecuaiile (1.21) i (1.22) rezult sucesiv:
(t+1)=y(t+1)-
T
(t)

(t+1)=y(t+1) -
T
(t)

(t) -
T
(t)[

(t+1)-

(t)]=
=
0
(t+1) -
T
(t)K(t) (t)
) t ( ) t ( K ) t (
) t (
T
+
+
1
1
0
=
=
) t ( ) t ( K ) t (
) t (
T
+
+
1
1
0
, t N*, (1.57).
care exprim relaia ntre eroarea de predicie a posteriori i eroarea de predicie a priori. Utiliznd relaia n
ecuaia (1.56), se obine o form echivalent a algoritmului de adaptare parametric a celor mai mici ptrate,
recursiv:

(t+1) =

(t) + K(t+1) (t)(t+1), t N ; (1.58)


K(t+1)
-1
= K(t)
-1
+ (t)
T
(t) , t N ; (1.59)
K(t+1)

= K(t)

-
) t ( ) t ( K ) t (
) t ( K ) t ( ) t ( ) t ( K
T
T
+

1
, t N ; (1.60)
(t+1) =
) t ( ) t ( K ) t (
) t ( ) t ( ) t ( y
T
T
+
+
1
1

, t N. (1.61)
i aici rmne valabil observaia anterioar privind iniializarea algoritmului. Pentru ca algoritmul celor mai
mici ptrate recursiv s fie riguros echivalent cu algoritmul nerecursiv al celor mai mici ptrate ar trebui
demarat la momentul t
0
=dim

, pentru ca inversa lui K(t


0
) (dat prin ecuaia (1.44) pentru t=t
0
) s fie bine
definit. n practic, algoritmul este iniiat de la momentul t=0, considernd:
K(0) = I

1
= (GI)I , 0 < << 1 , (1.62)
o valoare tipic fiind 0,001 (GI=1000). Se poate vedea din expresia lui [K(t+l)]
-1
dat prin ecuaia (1.46)
c influena acestei erori iniiale descrete n timp. O analiz riguroas (pornind de la teoria stabilitii) arat
totui c pentru orice K(0) pozitiv definit (K(0) > 0), are loc proprietatea asimptotic:
( ) 0 1 +

t lim
t
.
Algoritmul celor mai mici ptrate recursiv este un algoritm cu amplificare de adaptare descresctoare,
lucru evident dac se consider estimaia unui singur parametru. n acest caz K(t) i (t) sunt scalari i ecuaia
(1.60) devine:
14
K(t+1) =
( )
( ) ( ) t K t
t K
2
1 +


K(t) ,
t N*.
De fapt, algoritmul celor mai mici ptrate recursiv aloc ponderi din ce n ce mai mici noilor erori de predicie,
deci noilor msurri. Aadar, acest tip de variaie al amplificrii de adaptare nu este indicat pentru estimarea
parametrilor variabili n timp. Va trebui, s se considere alte profile de variaie a amplificrii de adaptare.
Algoritmul celor mai mici ptrate care a fost prezentat pentru

(t) i (t) de dimensiune 2 se


generalizeaz pentru orice dimensiune rezultnd din descrierea sistemelor discrete de forma:
y(t) =
( )
( )
( ) t u
q A
q B q
d
1
1


, t
N, (1.63)
unde:
A(q
-1
) = 1 + a
1
q
-1
+...+ a
nA
q
-nA
, (1.64)
B(q
-1
) = 1 + b
1
q
-1
+...+ b
nB
q
-nB
. (1.65)
Acesta se scrie n forma detaliat care urmeaz:
( ) ( ) ( ) ( ) t

i d t u b i t y a t y
T
n
i
n
i
i i
A B
+ + + +

1 1
1 1 1 , t N . (1.66)
unde:

T
= [a
1
,...,a
nA
,b
1
,...,b
nB
], (1.67)

T
(t) = [-y(t), ..., -y(t-n
A
+1), u(t-d),..., u(t-d-i+1)] , t N. (1.68)

Predictorul ajustabil a priori este dat, n cazul general, de ecuaia:
) t ( ) i d t ( u b ) n t ( y a ) t ( y
T
n
i
i A
n
i
i
B A
+ + + +




1 1 1
1 1
0
, t N, (1.69)
unde:

T
= [ a

1
,..., a

nA
,
b

1
,...,
b

nB
]. (1.70)
Pentru estimarea lui

(t), se utilizeaz algoritmul dat de ecuaiile (1.58), (1.59), (1.60), (1.61) cu o


dimensiune adecvat pentru

(t), (t) i K(t).


1.3 ALEGEREA INTRRILOR PENTRU IDENTIFICARE
15
1.3.1 Formularea problemei
Convergena ctre zero a erorii de predicie (t) nu implic n majoritatea cazurilor convergena
parametrilor estimai ai modelului spre parametrii reali ai modelului. Se va prezenta situaia pe un
exemplu. Fie modelul discret al procesului descris prin:
y(t+1) = -a
1
y(t) + b
1
u(t) , t N. (1.71)
i un model estimat descris prin:
(t+1) = -
1
a

y(t) +
1
b

u(t), t N. (1.72)
unde (t+1) este ieirea predictiv prin modelul estimat.
Se presupune c u(t) este constant i c parametrii a
1
, b
1
,
1
,
1
b

verific relaia urmtoare:


1
1
1
1
1 1 a
b
a
b

+
, (1.73)
adic amplificrile statice ale procesului i ale modelului estimat sunt egale, fr ca n mod
necesar
1
b

= b
1
i
1
= a
1
.
Sub efectul intrrii constante u(t) =u, ieirea procesului va fi dat de relaia:
y(t+1) = y(t) =
1
1
1 a
b
+
u , t N, (1.74)
iar ieirea modelului estimat de predicie va fi dat de relaia:
(t+1) = (t) =
1
1
1 a
b

+
u , t N. (1.75)
Dar, innd cont de relaia (2.89), rezult:
(t+1) = y(t+1) - (t+1) = 0 , pentru u(t) = u,
1
a
1
,
1
b

b
1
(1.76)
Pentru acest exemplu, aplicarea unei intrri constante nu permite s se disting cele dou modele,
pentru c au aceeai amplificare static.
16
Fig. 1.9 Caracteristicile in frecven a dou sisteme avned aceeai amplificare static.
Dac se reprezint caracteristica de frecven a celor dou sisteme, se vor obine curbele reprezentate
n fig. 1.9. Din figur se observ c, pentru a pune n eviden diferena dintre cele dou modele (adic ntre
parametri), trebuie aplicat un semnal u(t)=sin( t) ( 0) i nu un semnal u(t) constant.
Analiznd acest fenomen mai n detaliu, se observ c, atunci cnd eroarea de predicie este nul, din
ecuaiile (1.71) i (1.72) se obine:
(t+1) = y(t+1)- (t+1) = -[a
1
-
1
] y ( t ) + [b
1
-
1
b

]u(t)=0 , t N. (1.77)
Plecnd de la ecuaia (1.71), se poate exprima y(t) n funcie de u(t)
y(t) =
1
1
1
1
1

+ q a
q b
u(t) , t N. (1.78)
Introducnd expresia lui y(t) dat prin ecuaia (1.75) n ecuaia (1.74), se obine relaia echivalent:
[(
1
- a
1
)b
1
q
-1
+ ( b
1
-
1
b

) (1 + a
1
q
-1
)] u(t) = 0
[( b
1
-
1
b

) + q
-1
( b
1

1
- a
1
1
b

)] u(t) = 0 , t N. (1.79)
Se urmrete gsirea unei structuri a lui u(t) pentru ca verificarea ecuaiei (1.79) s
conduc la erori parametrice nule. Se noteaz:
b
1
-
1
b

=
0
; b
1

1
- a
1
1
b

=
1
. (1.80)
Ecuaia (1.79) se rescrie sub forma:
(
0
+
1
q
-1
) u(t) = 0 , t N. (1.81)
care este o ecuaia recurent avnd o soluie de tip exponenial discret.
Fie:
u(t) = z
t
=
t sT
e
e
, t N. (1.82)
unde T
e
este perioada de eantionare. Ecuaia (1.81) se scrie sub forma:
(
0
+ z
-1
) z
t
= (z
0
+ ) z
t-1
= 0 , t N. (1.83)
17
i va fi verificat pentru z, soluie a ecuaiei caracteristice:
z
0
+
1
= 0. (1.84)
Se obine:

0
1

z
=
e
T
e

, ( ) (1.85)
i soluia neperiodic:
u(t) =
t T
e
e

, t N. (1.86)
conduce la verificarea ecuaiei (2.97) i, respectiv, a ecuaiei (2.93) fr ca
1
b

=b
1
i
1
=a
1
. De fapt,
semnalul u(t) constant, considerat anterior, corespunde la =0, adic -
1
=
0
. Dar -
1
=
0
b
1
-
1
b

=a
1
1
b

-b
1

1

1
1
1
1
1 1 a
b
a
b

+
. Altfel spus, dac u(t) este constant, nu se va identifica dect
amplificarea static. Ca urmare, trebuie gsit u(t), astfel nct
1
=a
1
i
1
b

= b
1
. Acesta va fi obinut
dac u(t) nu este o soluie posibil a ecuaiei (2.97).
Fie:
u(t) =
t T j
e
e
t
, t N. (1.87)
Ecuaia (1.81) devine (pentru u(t) =
t T j
e
e

):
[
e
T j
e

0
+
1
]
) t T j (
e
e
1
= 0 , t N. (1.88)
Cum
0
i
1
sunt variabile reale,
e
T j
e

nu poate fi o rdcin a ecuaiei caracteristice i rezult c
(t)=0 va fi obinut numai dac:

0
=
1
= 0
1
=a
1
,
1
b

= b
1
. (1.89)
Aceste observaii conduc la tipul de intrare care a fost propus anterior, examinnd
caracteristicile frecveniale. Aadar, este necesar o sinusoid de frecven nenul pentru a identifica
cei doi parametri din exemplul prezentat. Aceast abordare pentru determinarea intrrii u(t) (permite
o bun identificare a parametrilor modelului) se aplic i pentru sisteme de forma general:
y(t) = - ) i t ( y a
A
n
i
i

1
+ ) i d t ( y b
B
n
i
i

1
, t N. (1.90)
pentru care numrul total al parametrilor de identificat este:
B A
n n + . n acest caz, se poate alege
u(t) ca o sum de p sinusoide de frecvene distincte:
18
u(t) = t T sin
e
p
i
i

1
, t N. (1.91)
iar o valoarea lui p ce permite o bun identificare a tuturor parametrilor este dat de condiia (1.92) prin care se
asigur c

t
i 1
(i-1)
T

(i-1) este o matrice ireversibil i pozitiv definit pentru t n


A
+n
B
=dim :

+ +
+
+
+
2
1
2
B A
B A
B A
B A
n n
p impar numar n n
n n
p par numar n n
. (1.92)
Altfel spus, pentru o bun identificare trebuie aplicat o intrare bogat n frecvene. Soluia
standard n practic este furnizat priit utilizarea secvenelor pseudo-aleatoare SPAB).
1.4 EFECTUL PERTURBAIILOR ALEATOARE ASUPRA IDENTIFICRII
PROCESELOR
Ieirea msurat a proceselor este n general afectat de zgomot, fie din cauza efectului perturbaiilor
aleatoare care acioneaz asupra procesului, fie din cauza zgomotelor de msur. Aceste perturbaii cu caracter
aleator sunt modelate adeseori prin modele ARMAX (descriu procese cu perturbaiilor aleatoare). Perturbaiile
introduc erori n identificarea parametrilor modelelor procesului atunci cnd se utilizeaz algoritmul celor mai
mici ptrate recursiv (sau nerecursiv). Acest tip de eroare se numete deviaie a parametrilor.
nainte de a se prezenta algoritmii care permit eliminarea deviaiei parametrilor estimai, se analizeaz
mai nti efectul perturbaiilor aleatoare asupra algoritmului celor mai mici ptrate. n acest caz, se consider
un model de proces i perturbaia de tip ARMAX (model utilizat pentru a reprezenta simultan efectul comenzii
i al perturbaiilor asupra ieirii procesului):
y(t+1) = -a
1
y(t) + b
1
u(t) +c
1
e(t) + e(t+1) , t N. (1.93)
unde termenul e(t+1)+c
1
e(t) modeleaz perturbaia.
Predictorul ajustabil a priori pentru metoda celor mai nud ptrate recursiv se scrie n acest caz:
(t+1) = -
1
y(t+1) +
1
b

u(t +1)u(t) , t N. (1.94)


Perturbaia nu este modelat n modelul ajustabil al procesului.
Eroarea de predicie a posteriori este dat prin:
(t+1) = y(t+1) - (t+1) =
( ) ( ) ( )
( ) ( ) ( ) t t K t
t t

t y
T
T
+
+
1
1
, t N. (1.95)
unde:
( ) ( ) ( ) [ ] t u , t y t
T
; ( ) ( ) ( ) [ ] t b

, t a t

1 1
, t N. (1.96)
Algoritmul de adaptare parametric este urmtorul:
19
Predictor
adaptiv
PROCES

(t+1) =

(t) +K(t) (t)(t+1) , t N. (1.97)


n absena perturbaiilor, pentru

(t)=0, eroarea de predicie a posteriori este nul ((t+1)=0) iar algoritmul


(1.97) las neschimbat valoarea parametrilor estimai. ns, n prezena perturbaiilor, chiar dac

(t)=0, se
obine:
(t+1)
( ) 0 t

= c
1
e(t) +e(t+1) , t N. (1.98)
Pe de alt parte, (t) dat de ecuaia (1.96) conine y(t), care potrivit ecuaiei (1.94) (rescris la momentul t)
depinde de e(t) i e(t -1), de unde rezult:
(t) = f(e(t), e(t+1)...) , t N. (1.99)
n consecin, corelaia dintre (t) i (t+1) este nenul:
E{ (t)(t+1)}
( ) 0 t

0. (1.100)
Chiar dac se iniializeaz algoritmul celor mai mici ptrate recursiv cu

(0)= , aceasta implic faptul c


termenul de corecie al ecuaiei (1.97) va introduce o eroare (deviaie) proporional cu E{ (t)(t+1)}. De
fapt, din ecuaia (1.97) se obine:

(t+N)=

(t) + ( )

+
1
0
N
i
i t K (t+i)(t+i+1) , t N. (1.101)
Pentru N suficient de mare, rezult :

1
0
1
N
i
N
(t+i)(t+i+1) E{ (t)(t+1)} , (1.102)
i ca urmare termenul de corecie din ecuaia (1.97) va introduce o derivaie. Pentru a elimina derivaia,vor
trebui alei vectori de observaie, ali predictori i alte erori de adaptare astfel nct:
E{ (t)(t+1)}
( ) 0 t

= 0 (1.103)
Pentru a genera algoritmii care s satisfac condiia (1.103) i care s conduc asimptotic la estimaii
nedeviate ale parametrilor sunt reinute dou criterii.
1. (t+1) (sau ( t+1) = eroarea de adaptare ) este un zgomot alb pentru

.
2. (t) i ( t+1) (sau ( t+1)) sunt necorelate (sau independente) pentru

.
Eliminarea derivaiei asupra parametrilor estimai n prezena perturbaiilor este la originea dezvoltrii
majoritii metodelor de identificare.
1.5 STRUCTURA METODELOR DE IDENTIFICARE RECURSIV
20
Predictor
adaptiv
PROCES
+

--
+

--
Toate metodele de identificare recursiv corespund schemei de principiu ilustrate n fig. 2.12. Acestea
utilizeaz aceeai structur pentru alogoritmul de adaptare parametric, dar cu diferite alegeri posibile
pentru amplificarea de adaptare i se difereniaz prin [25, 39]:
- structura predictorului i natura componentelor vectorului de observaie ( );
- dimensiunea vectorului parametrilor ajustabili

(t) i a vectorului observaiilor


(t);
- modul de generare al erorilor de predicie, respectiv, al erorilor de adaptare.
Fig. 1.10 Structura general a metodelor de identificare recursive.
Proprietile de convergen n prezena perturbaiilor aleatoare vor depinde de ale gerile
indicate mai sus. Se disting trei tipuri de metode:
1. Metode de ecuaie de eroare (MCMMP recursiv i diferitele variante ale
acesteia: MCMMP extins, MCMMP generalizat, metoda maximului de verosimilitate recursiv). Fiecare
metod are ca obiectiv obinerea unei erori de predicie albe (zgomot alb) pentru o clas de modele de
perturbaie ce modeleaz perturbaia.
2. Metode de variabil instrumental (cu observaii ntrziate sau cu model au xiliar).
Obiectivul fiecrei metode este obinerea anulrii lui E{ (t)(t+1)}, prin modificarea vectorului de
observaie (t) al algoritmului CMMP.
3. Metode de eroare de ieire (cu compensator fix, cu compensator ajustabil, cu model de predicie
extins). Aceste metode au ca obiectiv obinerea n mod asimptotic fie a anulrii lui E{ (t)(t+1)}, fie a albirii
erorii de adaptare, prin modificarea predictorului i a metodei de obinere a erorii de adaptare.
Exist n total 9 metode de identificare fundamentale, cu numeroase variante n funcie de
amplificarea de adaptare aleas. Se disting patru structuri de modele de reprezentare a ansamblului
proces+per turbaie". n aceste figuri, s-au utilizat notaiile obinuite:
A(q
-1
) = 1 + a
1
q
-1
+ ... + a
nA
q
-nA
,
B(q
-1
) = 1 + b
1
q
-1
+...+ b
nB
q
-nB
,
C(q
-1
) = 1 + c
1
q
-1
+...+ c
nC
q
-nC
.
Cele patru structuri sunt urmtoarele:
21
u(t)
Predictor
adaptiv
Algoritm de adaptare
parametric
+
-
_
y(t)
q
-1
PROCES
Perturbaie

0
(t)
( ) t y
( ) t

( ) 1 t
+

--
+

--
+

--
+

--
S1. A(q
-1
)y(t) = q
-d
B(q
-1
)u(t) + e(t), t N .
Metodele ce pot fi utilizate pentru aceast structur sunt:
- cele mai mici ptrate recursiv (MCMMPR);
- variabile instrumentale cu model auxiliar;
- variabile instrumentale cu observaii ntrziate;
- eroare de ieire cu compensator fix;
- eroare de ieire cu compensator ajustabil.


Fig. 1.11 Structura modelului proces+perturbaie de tip S1.

S2. A(q
-1
)y(t) = q
-d
B(q
-1
)u(t) + A(q
-1
)w(t), t N.
Structura corespunde unui model de forma (fig. 1.11):
y(t) =
( )
( )
1
1


q A
q B q
d
u(t)

+ w(t)
, t N .
unde w(t) este o perturbaie nemodelat asupra creia se fac doar ipotezele: este de medie nul, putere
finit i independent de intrare.
Fig. 1.12 Structura modelului proces+perturbaie de tip S2.
Metodele ce pot fi utlizate pentru aceast structur sunt:
- metoda celor mai mici ptrate recursiv (dac A(q
-1
)w(t) = e(t));
- metoda variabilelor instrumentale cu model auxiliar;
- metoda variabilelor instrumentale cu observaii ntrziate;
22
+

--
A
B q
d
( ) t y ( ) t u
( ) t e
A
1
+

--
A
B q
d
( ) t y ( ) t u
( ) t w
+

--
+

--
- metoda cu eroare de ieire cu compensator fix (MEICF);
- metoda cu eroare de ieire cu compensator ajustabil (MEICA).
S3. A(q
-1
)y(t) = q
-d
B(q
-1
)u(t) + C(q
-1
)e(t) , t N.
Metodele ce pot fi utilizate pentru aceast structur sunt (fig. 1.12):
- metoda celor mai mici ptrate extins (MCMMPE);
- metoda maximului de verosimilitate recursiv (MMVR);
- metoda cu eroare de ieire cu model de predicie extins (MEIMPE).
Fig. 1.13 Structura modelului proces+perturbaie de tip S3.
S4. A(q
-1
)y(t) = q
-d
B(q
-1
)u(t) +
( )
1
1

q C
e(t), t N.
Fig. 1.14 Structura modelului proces+perturbaie de tip S4.
Metoda care poate fi utilizat pentru aceast structur este (fig. 1.14 ):
- metoda celor mai mici ptrate generalizat (MCMMPG).
Nu exist o structura unic proces + perturbaie" pentru a descrie toate situaiile ntlnite n
practic. De asemenea, nici o metod de identificare nu poate fi utilizat cu toate structurile posibile
proces+perturbaie" pentru a obine ntotdeauna estimaii nedeviate. Aa cum s-a vzut, toate aceste
23
+

--
A
B q
d
( ) t y ( ) t u
( ) t e
A
C
+

--
A
B q
d
( ) t y ( ) t u
( ) t e
CA
1
metode de identificare se clasific n dou categorii, dup criteriul considerat pentru dezvoltarea lor (cu
scopul de a se obine parametri estimai nedeviai).
I Metode de identificare bazate pe albirea erorii de predicie ().
II Metode de identificare bazate pe decorelarea vectorului de observaie ( ) i a erorii de predicie
() (E{ (t)(t+1)}

0).
Cum diferitele metode au fost dezvoltate cu scopul de a verifica cele dou criterii menionate,
modelul identificat printr-o metod trebuie s fie validat utiliznd criteriul ce a fost folosit pentru a defini
obiectivul metodei. Rezult c exist dou tehnici de validare ce permit verificarea, dup caz, a celor dou
criterii.
Cum nu exist o structur unic model+perturbaie" care s descrie toate situaiile ce pot fi ntlnite n
practic, i pentru c nu exist o metod de identificare unic pentru a se obine ntotdeauna estimaii
nedeviate ale parametilor, rezult c, pentru a efectua o bun identificare a unui proces, este necesar un
sistem interactiv de identificare. Un astfel de sistem trebuie s furnizeze:
- diferite structuri tip model + perturbaie";
- diferite metode de identificare i AAP;
- metode de validare a modelelor identificate;
- un sistem de achiziie i prelucrare de date de intrare-ieire (capabil s genereze i secvene SPAB);
- analiza modelelor;
- un sistem de vizualizare grafic.
Un program interactiv de identificare a modelelor parametrice ale sistemelor i semnalelor ce rspunde
criteriilor indicate mai sus este PIM - Adaptech [ ], care conine:
- 4 structuri de model proces + perturbaie";
- 9 metode de identificare (cu preselecie n funcie de structura aleas);
- 7 tipuri de amplificare de adaptare;
- 2 tehnici de validare (n funcie de structur i de metoda de identificare) ce au fost menionate;
- achiziia fi prelucrarea datelor de intrare-ieire plus faciliti de generare de SPAB;
- analiza modelelor (rspunsuri n frecven i n timp, poli i zerouri);
- sistem grafic.
2. Regulatoare automate
2.1. Noiuni generale.Locul i rolul regulatorului automat n sistemul de reglare
automat
Regulatorul automat (RA) are rolul de a prelucra operaional semnalul de eroare (obinut in urma
comparaiei liniar aditive a mrimii de intrare x
i
i a mrimii de reacie x
r
n elementul de comparaie) i de a
da la ieire un semnal de comand x
c
pentru elementul de execuie. Este plasat pe calea direct, ntre elementul
de comparaie i elementul de execuie, conform schemei bloc a sistemului de reglare automat reprezentat n
figura 1.

24
p
x
e
x
c

-
x
r
x
i
+
EC
RA EE+IT
TR
fig. 1. 15 Schema bloc a sistemului de reglare automat
Informaiile curente asupra procesului automatizat se obin cu ajutorul traductorului de reacie TR i
sunt prelucrate de regulatorul automat RA n conformitate cu o anumit lege care definete algoritmul de
reglare automat (legea de reglare).
Implementarea unei anumite legi de reglare se poate realiza printr-o varietate destul de larg a
construciei regulatorului, ca regulator electronic, pneumatic, hidraulic sau mixt. Alegerea unei anumite soluii
constructive se face lund n considerare factori tehnico-economici.
Cu toate c exist o mare varietate de regulatoare, orice regulator va conine urmtoarele elemente
componente (figura 2.):
- amplificatorul (A)
- elementul de reacie secundar (ERS)
- elementul de comparare secundar (ECS)
Amplificatorul (A) este elementul de baz. El amplific mrimea
1
cu un factor K
R
, deci realizeaz o
relaie de tipul:
( ) ( ) t K t x
R c 1

,
unde K
R
reprezint factorul de amplificare al regulatorului.
25
x
c

ECS
ERS
A

1
1
x
rs
+
-
fig.1.16. Schema bloc a unui regulator automat
Elementul de reacie secundar ERS primete la intrare mrimea de comand x
c
(de la ieirea
amplificatorului) i elaboreaz la ieire un semnal x
rs
denumit mrime de reacie secundar. ERS este de obicei
un element care determin o dependen proporional ntre xrs i x
c
.
Elementul de comparare secundar (ECS) efectueaz continuu compararea valorilor abaterii i a lui
x
rs
dupa relatia:
( ) ( ) ( ) t x t t
rs

1
Din punct de vedere constructiv regulatorul automat include de obicei i elementul de comparaie EC
al sistemului de reglare automat. n cazul sistemelor de reglare unificate, electronice sau pneumatice, el poate
include i dispozitivul de prescriere a referinei.
Regulatorul poate avea o structur mai complicat. De exemplu, la unele regulatoare exist mai multe
etaje de amplificare, la altele exist mai multe reacii secundare necesare obinerii unor legi de reglare mai
complexe.
2.2 Clasificarea regulatoarelor automate
Se poate face dup mai multe criterii.
1. n funcie de sursa de energie exterioar folosit, acestea se clasific n:
regulatoare automate directe funcioneaz fr o surs de energie exterioar, transmiterea
semnalului realizndu-se pe seama energiei interne preluat direct din proces prin intermediul
traductorului de reacie;
regulatoare automate indirecte necesit o surs de energie exterioar pentru acionarea
elementului de execuie. Sunt cele mai utilizate regulatoare care permit obinerea unor
caracteristici funcionale mai complexe i performane superioare regulatoarelor directe.
2. Dup viteza de rspuns exist:
regulatoare automate pentru procese rapide folosite pentru reglarea automat a parametrilor
proceselor cu rspuns rapid, caracterizate de constante de timp mici (mai mici de 10 s), ca de
exemplu procesele de tip acionri electrice.
regulatoare automate pentru procese lente folosite atunci cnd constantele de timp ale instalaiei
sunt mari (depesc 10 sec), situaie frecvent ntlnit n cazul proceselor avnd ca parametri
temperaturi, presiuni, debite, nivele etc.
3. Dup tipul aciunii regulatoarele pot fi:
regulatoare automate cu aciune continu - sunt cele in care mrimile (t) i x
c
(t) variaza
continuu in timp;
regulatoare automate cu aciune discontinu sau discret, la care cel puin una din mrimile (t)
i x
c
(t) variaz discontinuu n timp, de exemplu ca trenuri de impulsuri (modulate n amplitudine
sau durat). n aceast categorie intr regulatoarele bi sau tripoziionale, la care (t) variaz
continuu dar x
c
(t) poate lua un numr limitat de valori n raport cu eroarea.
Regulatoarele cu aciune continu la rndul lor pot fi:
o regulatoare automate liniare dac dependena dintre cele dou mrimi este liniar;
26
o regulatoare automate neliniare dac dependena dintre cele dou mrimi este neliniar.
4.Dup caracteristicile constructive exist:
regulatoare automate unificate, utilizate pentru reglarea a diferii parametri (temperatur,
presiune, etc.). Regulatoarele unificate funcioneaz cu un anumit tip de semnal ce variaz n
limite fixate, att la intrare ct i la ieire. Semnalele cu care funcioneaz aceste regulatoare sunt
semnale unificate i au aceleai valori ca la sistemele de msurare i control unificate, respectiv
2...10mA sau 4...20mA pentru regulatoarele electronice unificate i 0,2...1bar pentru cele
pneumatice.
regulatoare automate specializate, utilizate numai pentru un anumit parametru tehnologic, au
structura constructiv i semnalele de lucru special concepute pentru parametrul considerat.
5.Dup agentul purttor de semnal exist:
regulatoare automate electronice, la care att mrimea de intrare ct i mrimea de ieire sunt de
natur electric (intensitatea curentului electric sau tensiunea electric) i care au n componena
lor blocuri electronice;
regulatoare automate hidraulice (ulei sub presiune);
regulatoare automate pneumatice (aer comprimat);
regulatoare automate mixte (electropneumatice sau electrohidraulice).
6. Dup numrul mrimilor de ieire ale instalaiei tehnologice:
regulatoare automate monovariabile (pentru o singur mrime reglat)
regulatoare automate multivariabile (pentru mai multe mrimi reglate).
2.3. Rspunsul regulatoarelor cu aciune proporional integral derivativ (de tip PID) la
semnal treapt-unitate
Aceste regulatoare sunt cele mai complexe regulatoare cu aciune continu, care asigur performane de
reglare superioare, att n regim staionar ct i n regim tranzitoriu. Ele nglobeaz efectele proportional P,
integral I i derivativ D expuse mai sus, conform legii de reglare:

( ) ( ) + t K t x
R c

( )

dt t
T
i

1
+
( )
dt
t d
T
d

.
Dac se ine seama de realizarea constructiv a regulatorului, relaia poate fi scris:
( ) ( ) ( )
( )
1
]
1

+ +

dt
t d
T dt t
T
t K t x
D
I
R c


1
.
Rspunsul la intrare treapt al unui regulator de tip PID este reprezentat n figura 7. n care se observ
prezena celor trei componente P, I i D:
27
0

t
0 t
x
c
K
R
I
R
T
K
a r c t g
Fig.1.17. Rspunsul la intrare treapt al unui regulator PID
Regulatoarele PID au trei parametri ajustabili K
R
, T
I
, T
D
, ceea ce asigur posibiliti mult mai largi n
asigurarea legilor de reglare dect la oricare din regulatoarele descrise anterior i explic performanele
superioare ale sistemelor de reglare automat prevzute cu aceste regulatoare. Evident c regulatoarele PID au
construcii mai complexe i necesit o acordare atent a valorilor celor trei parametri.
2.4.Legea de reglare PID
Legile de reglare tipizate sunt des utilizate n aplicaiile industriale datorit bunei
cunoateri a acestora, implementrii uoare i posibilitilor de reglare i acordare prin metode clasice, precum
i gradului ridicat de robustee conferit buclei de reglare. n plus, legile de reglare tipizate au structur fix,
lucru care permite standardizarea constructiv a echipamentului de reglare. Obinerea unor performane
satisfctoare necesit ns o reacordare periodic a regulatoarelor PID.
Algoritmul de reglare PID folosit n aplicaiile industriale prezint urmtoarele forme:
- forma standard, denumit i forma ISA sau PID fr interinfluen:
), (
1
1 ) ( s E sT
sT
K s U
d
i
R

,
_

+ +
unde: U(s) = transformata Laplace a mrimii de comand (mrimea de ieire din regulator),
E(s) = transformata Laplace a erorii (mrimea de intrare n regulator),
KR = factorul de proporionalitate al regulatorului (introduce componenta proporional P),
Ti = constanta de timp de integrare (introduce componenta integral I),
Td = constanta de timp de derivare (introduce componenta derivativ D);
- forma PID serie, denumit i PID cu interinfluen:
( ) ) ( 1
1
1 ) (
'
'
'
s E sT
sT
K s U
d
i
R +

,
_

+
unde parametrii regulatorului pot fi calculai cu ajutorul formulelor:
,
'
' '
'
i
d i
R
R
T
T T
K K
+
,
' '
d i i
T T T +
' '
' '
d i
d i
d
T T
T T
T
+

- forma PID paralel, utilizat i n simulrile din mediul MATLAB:


28
), ( ) ( s E sK
s
K
K s U
d
i

,
_

+ +
unde parametrii regulatorului pot fi calculai cu ajutorul formulelor:
K
R
= K , T
i
= K / K
i
, T
d
= K
d
/ K .
condiia de realizabilitate fizic i pentru a limita amplificarea frecvenelor nalte (zgomote) de ctre
componenta derivativ, se introduce un element de filtrare de ordinul I, avnd constanta de timp Td ,
termenul derivativ devenind
d
d
T s
sT
+ 1
Pentru = 0.1 elementul de filtrare are o influen neglijabil asupra
performanelor sistemului de reglare automat.
Regulatoarele comerciale PID difer de cele prezentate mai sus prin structura legii de
comand, parametrizri, proprieti de filtrare sau modul n care este introdus referina. O structur mai
flexibil a regulatorului PID se obine tratnd separat referina R i mrimea reglat Y considerndu-se pentru
cele trei componente ale regulatorului urmtoarele erori:
Y considerndu-se pentru cele trei componente ale regulatorului urm toarele erori:
P : Ep (s) = bR(s) Y(s) ,
I : Ei (s) = R(s) Y(s) ,
D : Ed (s) = cR(s) Y(s) .
Regulatoarele obinute pentru diferite valori ale lui b i c vor rspunde la fel pentru
variaii treapt ale perturbaiilor, dar diferit pentru modificri ale referinei.
Pentru a putea acorda un regulator PID este necesar cunoaterea structurii i a parametrizrii algoritmului de
control. Din pcate, de cele mai multe ori, aceste informaii nu apar n documentaiile ce nsoesc
regulatoarele. In continuare sunt prezentate structuri ale unor regulatoare comerciale.
- forma standard, ISA:

,
_

+
+ + ) ( ) ( (
1
) (
1
) ( ) ( ) ( s Y s cR
T s
sT
s E
sT
s Y s bR K s U
d
d
i
i
R

,
- forma serie:
, ) (
1
1 1
1 ) (
1
1 1
) (
'
'
' '
'
'
'

,
_

+
+

,
_

+
+
+

,
_

+ s Y
T s
sT
sT
s R
cT s
scT
sT
b K s U
d
d
i d
d
i
R

-forma paralel:
)) ( ) ( (
) / ( 1
) ( )) ( ) ( ( ) ( s Y s cR
K K s
sK
s E
s
K
s Y s bR K s U
d
d
i
i

+
+ +

unde: Y(s) = transformata Laplace a mrimii reglate,


R(s) = transformata Laplace a referinei,
b, c = factori de ponderare ai referinei (uzual 0 sau 1), alei de firmele constructoare,
= factor de valoare subunitar.
Perioada de eantionare, parametru important pentru regulatoarele PID digitale, influeneaz alegerea
regulatorului comercial pentru procesul n cauz, datorit dinamicii acestuia. Valorile utilizate n regulatoarele
comerciale sunt situate ntr-o gam foarte larg i depind de firma constructoare.
Acordarea regulatorului presupune determinarea parametrilor legii de reglare. Aceast
operaie se realizeaz n funcie de performanele specifice pentru bucla de reglare (usual suprareglare i timp
de rspuns impuse), respectiv funcie de modelul matematic al procesului
reglat. Dificultile legate de identificarea cu precizie a procesului limiteaz considerabil aplicabilitatea
metodelor analitice de acordare. Din acest motiv, n practica inginereasc se prefer utilizarea unor metode
experimentale, euristice, de acordare.
29
Un numr mare de regulatoare comerciale utilizeaz drept parametru de acord banda de
proporionalitate (BP) n loc de factorul de propor ionalitate KR . Aceast schimbare este natural,
deoarece, deseori n utilizarea regulatoarelor de tip proporional P, variaii mici ale erorii e produc variaii mari
ale mrimi de comand u, uneori peste limita admis. Caracteristica u = f(e) a regulatorului proporional este
prezentat n figura 1.
Gama de valori acceptat pentru mrimea de comand poate fi specificat prin furnizarea valorii
factorului de proporionalitate KR (panta caracteristicii liniare u = f(e)) sau a benzii de proporionalitate BP,
cei doi parametrii aflndu-se n relaia:
umax umin = KR BP .
De obicei, diferena umax umin = 100%, ceea ce implic BP = 100 /K
R
.
Pentru regulatorul proporional avnd caracteristica static din figura 1, legea de reglare
este:
U(s) = K
R
E(s) + u0 ,
unde u
0
reprezint valoarea de offset (reset) a comenzii. De obicei valoarea lui u
0
este fixat la (u
max
u
min
) /
2 , dar poate fi modificat manual astfel nct eroarea staionar s fie nul pentru o anumit valoare a
referinei.
2.5. Criterii experimentale de acordare
2.5.1. Criteriul Ziegler-Nichols bazat pe rspunsul la semnal treapt
Una din metodele Ziegler-Nichols de acordare a regulatoarelor PID este bazat pe observarea
rspunsului la un semnal treapt de amplitudine u a prii fixate i aproximarea pe perioada regimului
tranzitoriu cu rspunsul unui element integrator cu timp mort. Astfel procesul este caracterizat de doi
parametrii prin funcia de transfer:
Ls e
Ls
a
s G
f
) (
Aceti parametrii pot fi uor determinai graphic de pe reprezentarea rspunsului la semnal treapt ca
n figura de mai jos. Astfel, se traseaz tangenta n punctul de inflexiune (de pant maxim) al rspunsului, iar
punctele de intersecie ale acesteia cu cele dou axe determin valorile parametrilor a i L.
Valorile parametrilor de acord ai regulatorului PID se determin direct funcie de parametrii a i L din tabelul
1.
30
Tipul
algoritmului
Banda de
propor ionalitate
Timpul de integrare Timpul de derivare
P
(a / u)*100
- -
PI
((a / u) / 0.9)*100
3*L -
PID
((a / u) / 1.2)*100
2*L 0.5*L
2.5.2. Criteriul Ziegler-Nichols bazat pe rspunsul la frecven
O alt metod Ziegler-Nichols propune calcularea parametrilor de acord a iregulatoarelor tipizate pe
baza caracterizrii dinamicii procesului (utiliznd rspunsul la frecven) i a determinrii caracteristicilor
sistemului de reglare, aflat la limita de stabilitate.
Implicit metoda este aplicabil n cazul unor sisteme stabile care au exces poli - zerouri cel puin 3 sau au timp
mort (proceselor stabile pentru care locul de transfer asociat parcurge minimum 3 cadrane). Pentru obinerea
caracteristicilor sistemului automat aflat la limita de stabilitate se configureaz mai nti regulatorul de tip
proporional (P) avnd factorul de amplificare KR = 1 (BP = 100). Se crete treptat factorul de amplificare (se
micoreaz banda de proporionalitate) pn n momentul cnd n sistem apar oscilaii ale mrimii msurate.
Cnd acestea ajung la o amplitudine constant se reine perioada oscilaiilor T
0
i factorul de amplificare al
regulatorului Kc (sau banda de proporionalitate BPc) care a condus sistemul automat la limita de stabilitate.
Cu aceti doi parametri se pot calcula parametrii de acord ai regulatorului PID conform tabelului de mai jos.
Tipul
algoritmului
Banda de proporionalitate Timpul de integrare Timpul de derivare
P 2*BPc - -
PI 2.2*BPc 0.8*T0 -
PID 1.6*BPc 0.5*T0 0.12*T0
2.5.3 Metoda Kaya-Scheib
n afara utilizrii unor indicatori de performan impui comportrii sistemului de reglare automat n
domeniu timp (suprareglare, timp de rspuns, erori staionare), n practica acordrii regulatoarelor se folosesc
anumite criterii de performan dintre care cele mai utilizate sunt criteriile integrale. Acestea permit asigurarea
unui optim privind regimul tranzitoriu, bazndu-se pe minimizarea unor integrale ale ptratului erorii (ISE),
modulului erorii (IAE) i modulului erorii cu timpul (ITAE), integrale ce se pot exprima prin relaiile:


0
2
min ) ( dt t e ISE

min; ) (
0

dt t e IAE

min; ) (
0

dt t e t ITAE
(*)
Imposibilitatea identificrii complete a modelului matematic al procesului conduce la utilizarea n
practica acordrii regulatoarelor a unor modele aproximative. Astfel, procesele, de obicei de ordin superior,
dar care au un rspuns indicial aperiodic, se pot aproxima prin funcii de transfer de tipul:
s
f
f
f
e
s T
K
s G

+

1
) (
(**)
31
care pune n eviden un element de ntrziere cu timp mort avnd factorul de amplificare Kf i constanta de
timp Tf.
Aceast aproximare este fcut pe baza rspunsului indicial reprezentat n figura de mai jos.
Considernd rspunsul indicial al elementului de ordin I ca fiind:
) 1 ( ) (
/ 7
f
T
f
e K t y


rezult c valoarea de regim staionar este Kf i pe baza construirii tangentei la rspunsul indicial in punctul de
pant maxim se determin i respectiv Tf cunoscnd c y(T f ) = 0.632K f .
Metoda Kaya-Scheib determin parametrii optimi de acord considernd partea fixat notat cu (**),
funcia de transfer a regulatorului dependent de structur i de parametrii KR, Ti, Td, prin minimizarea
criteriilor integrale (*). Pe baza raportului /Tf i a factorului de amplificare Kf caracteristice aproximrii
funciei de transfer a procesului, metoda determin parametrii de acord ai legii de reglare PID cu ajutorul
relaiilor:
R
b
f f
R
K
T K
a
K ,

,
_


= factorul de proportionalitate
( )
i
f
f
i
T
T d c
T
T ,
/ +

= constanta de integrare,(***)
d
f
f
f
d
T
T
e T T ,

,
_


= constanta de derivare;
unde coeficienii a, b, c, d, e, i f sunt dai n tabelul de mai jos n funcie de condiiile de operare, forma
regulatorului i criteriul de performan adoptat, pentru 0 / Tf 1.
PID serie PID paralel
ISE IAE ITAE ISE IAE ITAE
a 0.71959 0.65 1.12762 1.1427 0.81699 0.8326
b -1.03092 -1.04432 -0.80368 -0.9365 -1.004 -0.7607
c 1.12666 0.9895 0.99783 0.99223 1.09112 1.00268
d -0.18145 0.09539 0.02860 -0.35269 -0.22387 0.00854
e 0.54568 0.50814 0.42844 0.35308 0.44278 0.44243
f 0.86411 1.08433 1.0081 0.78088 0.97186 1.11499
Bibliografie:
32
1. Eykhoff P., System Identification: Parameter and State Estimation, John Wiley, London, 1974.
2. Goodwin G. C., Payene R. L., Dynamic System Identification: Experiment Design and Data
Analysis, Academic Press, New-York, 1977.
3. Ljung L., Soderstroom T., Theory and Practice of Recursive Identification, MIT Press,
Cambridge,Massashusetts, 1983.
4. Soderstroom T., Stoica P., System Identification, Prentice Hall, New-York, 1989.
5. Landau I. D., Identification et Commande des Systemes, Hermes, Paris, 1995.
6. Van den Hof P., Identification in Closed Loop, Ecole dEte, Grenoble, 1998.
7. Bitmead B., Identification for Control, Ecole dEte, Grenoble, 1998.
8. Clin, Sergiu. (1976). Regulatoare automate, Bucureti:Editura Didactic i Pedagogic
9. Clin, Sergiu. .a. (1979). Bazele funcionrii echipamentelor electrice i electronice din industria
chimic, Bucureti:Editura Didactic i Pedagogic
10. Clin, Sergiu. .a. (1980). Bazele automatizrii n industria chimic, Bucureti:Editura Didactic i
Pedagogic
11. Clin, Sergiu. .a. (1983). Echipamente electronice pentru automatizri, Bucureti:Editura Didactic
i Pedagogic
12. Chivu, Aurelian. .a. (2005). Electronic analogic, electronic digital, Craiova:Editura Arves
13. Dumitrache, Ioan. (2005). Ingineria reglrii automate, Bucureti: Editura Politehnica Press
Concluzii
n concluzie, identificarea sistemelor se desfoar n 4 etape:
1. Achiziia intrrilor/ieirilor printr-un protocol de experimentare.
2. Alegerea structurii modelului (stabilirea complexitii acestuia).
3. Estimarea parametrilor modelului.
4. Validarea modelului identificat (ca structur i ca valori ale parametrilor).
33
Algoritmii de identificare recursivi sau nerecursivi pot fi utilizai pentru estimare parametrilor unui
model pornind de la datele de intrare-ieire. Algoritmii recursivi sunt preferai pentru c:
- estimarea parametrilor modelului se efectueaz n timpul evoluiei procesului
- diferite structuri model + perturbaie";
- diferite metode de identificare i AAP;
- metode de validare a modelelor identificate;
- un sistem de achiziie i prelucrare de date intrare-ieire (care s permit inclusiv generarea secvenelor
SPAB);
- un modul de analiz a modelelor;
- un sistem de vizualizare
34