IDENTIFICAREA PROCESELOR PROIECT II

IDENTIFICAREA UNEI AXE ACIONATE CU MOTOR BLDC

Tamas Bojte Facultatea de Automatica si Calculatoare Grupa 30131

Scopul lucrarii este de a determina functia de transfer al ansamblului motor BLDC+axa

I. Procesarea datelor experimentale Vizualizarea datelor utilizand mediul Matlab:

Avand urmatoarele date experimentale : t(timp),y(pozitie unghiulara) ,w(viteza unghiulara) si u(semnal de comanda), vom determina functiile de transfer ale ansamblului motor BLDC+axa utilizand metodele de identificare parametrica (Metoda Celor Mai Mici Patrate Recursiva(ARX),Metodata Celor Mai Mici Patrate Extinsa(ARMAX),Metoda Variabilelor Instrumentale(IV4) si Metoda Erorii de Iesire).

Identificarea functiei de transfer a vitezei unghiulare

Pentru a incepe identificarea vom avea nevoie de o perioada de esantionare Te=t(1001)-t(1000) si de un tip de data obiect , care se obtine prin dataw=iddata(w,u,Te);

Metoda Celor Mai Mici Patrate Recursiva(ARX)

A(q)y(t)=B(q)u(n-k)+e(t) Pentru a gasi un model prin metoda ARX vom parcurge urmatorii pasi: M111=arx(dataw,[na nb nk]), unde na=1(ordinul polinomului A), nb=1(ordinul polinomului B+1) si nk=1(timpul mort). Modelul gasit anterior este verificat prin compararea lui cu un alt model identificat astfel: dat1w=iddata(w(1:(n/2-1)),u(1:(n/2-1)),Te); %Identificare unde n este nr de elemente dat2w=iddata(w(n/2:n),u(n/2:n),Te); %validare M111v=arx(data1w,[1 1 1]); resid(M111w,dat2w); compare(dat2w,M111v,M111); Din aceasta secventa vom obtine un grafic care ne va confirma validitatea semnalului si unul care ne va confirma procentajul de protrivire cu semnalul dat:

In continuare vom determina functia de transfer a modelului ARX: A(q)y(t)=B(q)u(n-k)+e(t)

A(q) = 1 -0.9960q^-1 B(q) = 0.5133q^-1

Rezulta functia de transfer:

Hwarx =

Eroarea medie relativa J1w_arx=(1-norm(w-w_c1)/norm(w-mean(w)))*100= 75.9872 Eroare medie patratica J2w_arx=sqrt(sum((w-w_c1).^2)/sum((w-mean(w)).^2))= 0.2401

Metoda Erorii de Iesire (OE) y(t) = [B(q)/F(q)] u(t-nk) + e(t) Pentru a gasi un model prin metoda OE vom parcurge urmatoarele sevcente: (ordinul polinomului B +1), nf=1 (ordinul polinomului F), nk=1 (timpul mort). Acest model este verificat prin compararea lui cu un alt model identificat astfel
M111oev=oe(datv,[nb nf nk]);unde nb=1

n continuare vom determina functia de transfer a acestui model: y(t) = [B(q)/F(q)]u(t) + e(t) B(q) = 0.6130q^-1 F(q) = 1 -0.9958q^-1

Hwoe =

Eroarea medie relativa J1w_oe=(1-norm(w-w_c2)/norm(w-mean(w)))*100= 80.3681 Eroare medie patratica J2w_oe=sqrt(sum((w-w_c2).^2)/sum((w-mean(w)).^2))=0.1963

Identificarea functiei de transfer a pozitiei unghiulare

Pentru a ncepe identificarea avem nevoie de un tip de data obiect, obtinut astfel
dat_y=iddata(y,w,Te)

Metoda Celor Mai Mici Patrate Recursiva (ARX) A(q) y(t) = B(q) u(t-nk) + e(t) Pentru a gasi un model prin metoda ARX vom parcurge urmatoarele sevcente:
M110=arx(dataw,[na nb nk]), unde na=1(ordinul polinomului A), nb=1(ordinul polinomului B+1) si nk=1(timpul mort).

Din aceasta secventa obtinem un grafic care ne confirma validitatea modelului i unul care ne arata procentajul de potrivire al modelului cu semnalul dat:

n continuare vom determina funcia de transfer a acestui model: A(q)y(t) = B(q)u(t) + e(t) : A(q) = 1 - q^-1 B(q) = 0.0058

Hyarx =
Eroarea medie relativa J1y_arx=(1-norm(y-yca)/norm(y-mean(y)))*100= 85.2450 Eroare medie patratica J2y_arx=sqrt(sum((y-yca).^2)/sum((y-mean(y)).^2))= 0.1476

Metoda Erorii de Iesire (OE) y(t) = [B(q)/F(q)] u(t-nk) + e(t) Pentru a gasi un model prin metoda OE vom parcurge urmatoarele sevcente: (ordinul polinomului B +1), nf=1 (ordinul polinomului F), nk=1 (timpul mort). Acest model este verificat prin compararea lui cu un alt model identificat astfel:
M111oe_y=oe(daty,[nb nf nk]);unde nb=1

n continuare vom determina functia de transfer a acestui model: y(t) = [B(q)/F(q)]u(t) + e(t) B(q) = 0.0059q^-1 F(q) = 1-q ^-1

Hwoe =

Eroarea medie relativa J1w_oe=(1-norm(w-w_c2)/norm(w-mean(w)))*100= 85.4864 Eroare medie patratica J2w_oe=sqrt(sum((w-w_c2).^2)/sum((w-mean(w)).^2))= 0.1451

Spatiulstarilor pentru modelul ARX

Avand in vederecafunctia de transfer dintreintrarea u siviteza w1 este de forma:

iarcea de la vitezala pozitieeste:

calculamvariabilele:

0,104 pentru a determinaspatiul starilor ca sistemul sa porneasca din conditii initiale nenule:
A = [-1/Tm 0 ; 1/Ti 0]; B = [km/Tm; 0]; C = [1 0; 0 1]; D = [0 ; 0]; sys = ss( A , B , C , D ); iesire=lsim(sys,u1,t,[w1(1) y1(1)]); plot(t,[iesire y1 w1])

Functia de transfer vadeveni o matrice de transfer: H(s)=[ ]=[ ]=[ ]