03 Is Curs Principal - Estimare Si Identificare

1/18
O
O
Introducere
Introducere
41
41
P Principal rincipala a caracteristi caracteristic c a unei aeroterme a unei aeroterme: : capacitatea capacitatea
de a pstra de a pstra temperatura constant temperatura constant a aerului ventilat la a aerului ventilat la
ie ie ire, ire, n pofida temperaturii aerului absorbit n pofida temperaturii aerului absorbit. .
Exemplu
Exemplu Exemplu
Identficarea unei aeroterme []
Identficarea Identficarea unei unei aeroterme aeroterme [ [ ] ]
Aceasta se realizeaz cu un Aceasta se realizeaz cu un sistem de compensare a sistem de compensare a

temperaturii temperaturii bazat pe o bazat pe o bucl simpl de reglare bucl simpl de reglare. .
I Id de en nt ti if fi ic ca ar re ea a a ae er ro ot te er rm me ei i n n b bu uc cl l d de es sc ch hi is s , , n n
v ve ed de er re ea a p pr ro oi ie ec ct t r ri ii i r re eg gu ul la at to or ru ul lu ui i c ca ar re e s s a as si ig gu ur re e
r re ej je ec c i ia a p pe er rt tu ur rb ba a i ii il lo or r i i m me en n i in ne er re ea a t te em mp pe er ra at tu ur ri ii i n n
j ju ur ru ul l u un ne ei i v va al lo or ri i d do or ri it te e. .
Problem
Problem Problem
Cureni de aer de diferite temperaturi.
C Curen uren i de aer de diferite temperaturi i de aer de diferite temperaturi. .
Perturbaii Perturbaii? ?
Desfurarea experimentului de identificare
Desf Desfurarea urarea experimentului experimentului de de identificare identificare
CPrecizarea informaiilor preliminare
C C Precizarea Precizarea informa informa iilor iilor preliminare preliminare
Aeroterma
Aeroterma Aeroterma
Sistem electro-mecanic, ale
crui ecuaii de funcionare
bazate pe legile dinamicii,
electricitii i termodinamicii
conduc la concluzia c ordinul
maxim al modelului de
identificare este 2 .
S Sistem electro istem electro- -mecanic, ale mecanic, ale
crui ecua crui ecua ii de func ii de func ionare ionare
bazate pe legile dinamicii, bazate pe legile dinamicii,
electricit electricit ii ii i termodinamicii i termodinamicii
conduc la concluzia c ordinul conduc la concluzia c ordinul
maxim al modelului de maxim al modelului de
identificare este identificare este
2
2 . .
Schema funcional
Schema Schema func func ional ional
pagina pagina urmtoare urmtoare
2/18
O
O
Introducere
Introducere
42
42
Exemplu
Exemplu Exemplu
Desfurarea experimentului de identificare (continuare)
Desf Desfurarea urarea experimentului experimentului de de identificare identificare ( (continuare continuare) )
Schema funcional a aerotermei
Schema Schema func func ional ional a a aerotermei aerotermei
AC AC
~
Amplificator
de putere
Amplificator Amplificator
de putere de putere
u u
Senzor Senzor de de
temperatur temperatur
y y
`
` Termostat Termostat
A Aerul rece este ventilat ctre o rezisten erul rece este ventilat ctre o rezisten electric alimentat prin intermediul unui electric alimentat prin intermediul unui
amplificator de putere amplificator de putere, care , care poate varia tensiunea poate varia tensiunea i/sau i/sau intensitatea curentului electric intensitatea curentului electric
ce o traverseaz ce o traverseaz. . Temperatura Temperatura aerului aerului cald cald este este msurat msurat prin prin intermediul intermediul unui unui senzor senzor. .
intrarea intrarea
procesului procesului
ie ie irea irea
P Pe circuitul de la intrare la ie e circuitul de la intrare la ie ire exist ire exist 4 componente ale procesului: 4 componente ale procesului:
amplificatorul de putere amplificatorul de putere, , rezisten rezisten a electric a electric, , fluxul de aer cald fluxul de aer cald i i senzorul de temperatur senzorul de temperatur. .
Procesul este Procesul este neliniar neliniar, dar , dar liniarizabil liniarizabil n jurul fiecrei temperaturi din plaja n jurul fiecrei temperaturi din plaja
admisibil admisibil pe care o poate asigura rezisten pe care o poate asigura rezisten a electric a electric ( (av av nd nd o putere maxim o putere maxim) ). .
CPrecizarea informaiilor preliminare (continuare)
C C Precizarea Precizarea informa informa iilor iilor preliminare preliminare ( (continuare continuare) )
3/18
O
O
Introducere
Introducere
43
43
Exemplu
Exemplu Exemplu
P Procesul poate fi considerat ca av rocesul poate fi considerat ca av nd un nd un tip mediu de varia tip mediu de varia ie ie, deoarece , deoarece
timpul de stabilizare timpul de stabilizare a unei temperaturi fixate este de circa a unei temperaturi fixate este de circa 2s 2s. .
Se poate considera c Se poate considera c parametrii parametrii procesului procesului sunt constan sunt constan i i. .
Aeroterma poate fi comandat cu o gam larg de semnale de intra Aeroterma poate fi comandat cu o gam larg de semnale de intrare, inclusiv re, inclusiv de de
persisten persisten ridicat ridicat, , dar dar cu cu a amplitudinea limitat de capacitatea amplificatorului de putere mplitudinea limitat de capacitatea amplificatorului de putere. .
Perturba Perturba ia ia provine de la provine de la fluxul de aer rece fluxul de aer rece, care poate avea at , care poate avea at t temperatur c t temperatur c t t i debit variabile i debit variabile. .
Determinarea uniu model matematic necesar proiectrii unui regulator automat
care s asigure att o bun rejecie a perturbaiilor, ct i meninerea temperaturii
fluxului de aer cald n jurul unei valori precizate prin intermediul termostatului.
Determinarea Determinarea un uniu iu model matematic necesar proiectrii unui regulator automat model matematic necesar proiectrii unui regulator automat
care s asigure at care s asigure at t o bun rejec t o bun rejec ie a perturba ie a perturba iilor, c iilor, c t t i men i men inerea temperaturii inerea temperaturii
fluxului de aer cald fluxului de aer cald n jurul unei valori precizate n jurul unei valori precizate prin prin intermediul intermediul termostatului termostatului. .
S
c
o
p
u
l
S
c
o
p
u
l
i
d
e
n
t
i
f
i
c
r
i
i
i
d
e
n
t
i
f
i
c
r
i
i
Referin Referin
r r
y y u u
Cutie
neagr
Cutie Cutie
neagr neagr
D
a
t
e

d
e

D
a
t
e

d
e

i
n
t
r
a
r
e
i
n
t
r
a
r
e
D
a
t
e

d
e

D
a
t
e

d
e

i
e
i
e

i
r
e
i
r
e
Regulator
automat
Regulator Regulator
automat automat - -
+ +
I
e
I
e

i
r
e
i
r
e
y y
Model de identificare
adecvat, valid
Model de identificare Model de identificare
adecvat, valid adecvat, valid
CPrecizarea informaiilor preliminare (continuare)
C C Precizarea Precizarea informa informa iilor iilor preliminare preliminare ( (continuare continuare) )
4/18
O
O
Introducere
Introducere
44
44
Exemplu
Exemplu Exemplu
Frecven Frecven a a de de tiere tiere a a filtrului filtrului analogic analogic: :
Frecven Frecven a a de de e e antionare antionare: :
Timpul Timpul mort mort normalizat normalizat: :
Se renun Se renun pre pre- -filtrarea digital filtrarea digital, deoarece SNR este suficient de mare , deoarece SNR este suficient de mare. .
CStimularea procesului i achiziia datelor
C C Stimularea Stimularea procesului procesului i i achizi achizi ia ia datelor datelor
50[Hz]
c
F =
100[Hz]
s
F =
10 nk =
Colectarea datelor se poate realiza fie cu Colectarea datelor se poate realiza fie cu o plac de achizi o plac de achizi ie de uz general ie de uz general, ,
fie cu fie cu un sistem de achizi un sistem de achizi ie dedicat ie dedicat. .
LMS Roadrunner (Belgia)
LMS LMS Roadrunner ( Roadrunner (Belgia Belgia) )

pre pre- -filtrarea datelor filtrarea datelor

Capabiliti principale
Capabilit Capabilit i i principale principale
achizi achizi ie de date simultan pe cel pu ie de date simultan pe cel pu in in 2 canale 2 canale
( (dispune dispune de de 4 4 canale canale cu cu extensie extensie la la 16 16 canale canale) )

plaj larg de frecven plaj larg de frecven e de e e de e antionare antionare
( ( ntre ntre 1 Hz 1 Hz i i 100 kHz 100 kHz) )

compatibilitate cu un mare numr de senzori compatibilitate cu un mare numr de senzori

posibilitatea de a trasa spectre posibilitatea de a trasa spectre i chiar spectrograme i chiar spectrograme
( (s spectre varibile pectre varibile n decursul timpului) n decursul timpului)

Semnalul Semnalul de de stimul stimul ( (de persisten de persisten ridicat ridicat): ): Pseudo Pseudo- -Aleator (Binar) Aleator (Binar) ( (SPA(B) SPA(B)). ).
Dimensiunea Dimensiunea orizontului orizontului de de msur msur: :

10
2 1024 N = =
cuantificarea cuantificarea datelor datelor pe pe 12 12 bi bi i i
( (numrul numrul maxim de maxim de bi bi i i: : 32 32) )

5/18
O
O
Introducere
Introducere
45
45
Exemplu
Exemplu Exemplu
CAlegerea clasei de modele i a modelului specific
C C Alegerea Alegerea clasei clasei de de modele modele i i a a modelului modelului specific specific
0 50 100 150 200 250 300 350
-0.1
-0.05
0
0.05
0.1
0 50 100 150 200 250 300 350
-0.1
-0.05
0
0.05
0.1
0 500 1000 1500 2000 2500
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Period: N =500
* Variance: 0.697359
0 500 1000 1500 2000 2500
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Period: N =500
* Variance: 0.697359
H B/A
G C/A
+
e
u y
v
1
q
Operatorul de ntrziere cu un pas.
Operatorul Operatorul de de ntrziere ntrziere cu un pas. cu un pas.
A Auto uto- -R Regresiv egresiv
1 1 1
( ) [ ] ( ) [ ] ( ) [ ]
AR X MA
A q y n B q u n C q e n

= +

Clasa de
modele
ARMAX
[na,nb,bc]
Clasa Clasa de de
modele modele
ARMAX ARMAX
[ [na,nb,bc na,nb,bc] ]
M Medie edie
A Alunectoare lunectoare
Control Control
e eX Xogen ogen
1 1
1
1 1
1
1 1
1
( ) 1
( )
( ) 1
na
na
nk nk nb
nb
nc
nc
A q a q a q
B q b q b q
C q c q c q

= + + +
= + +
= + + +
( )
1
[ ] [ 1] q f n f n
=
n Z
Filtru Filtru de de sistem sistem
Filtru Filtru de de zgomot zgomot
- - intrarea intrarea nu nu se se transmite transmite instantaneu instantaneu la la ieire ieire
- - zgomotul zgomotul se se transmite transmite instantaneu instantaneu la la ieire ieire
P
o
l
i
n
o
a
m
e
P
o
l
i
n
o
a
m
e
proces stocastic total necorelat,
impredictibil
proces proces stocastic stocastic total total necorelat necorelat, ,
impredictibil impredictibil
Zgomotul colorat
Zgomotul Zgomotul c co ol lo or ra at t
zgomot alb
filtrat
zgomot zgomot alb alb
filtrat filtrat
v
Zgomotul alb
Zgomotul Zgomotul alb alb
e
coeficien coeficien ii ii polinoamelor polinoamelor

Necunoscutele modelului
Necunoscutele Necunoscutele modelului modelului
numrul numrul coeficien coeficien ilor ilor

Modelele Modelele posibile posibile ale ale aerotermei aerotermei: :

ARX[2,2]
ARX[2,2] ARX[2,2]
ARX[2,3]
ARX[2,3] ARX[2,3]
ARX[3,2]
ARX[3,2] ARX[3,2]
ARX[3,3]
ARX[3,3] ARX[3,3]
n N
6/18
1 1
( ) [ ] ( ) [ ] [ ]
AR X
A q y n B q u n e n

= +

1 1 2
1 2
1 10 1 2
1 2 3
( ) 1
( ) ( )
A q a q a q
B q q b b q b q

= + +
= + +
ARX[2,3]
ARX[2,3] ARX[2,3]
O
O
Introducere
Introducere
46
46
Exemplu
Exemplu Exemplu
CAlegerea metodei de identificare
C C Alegerea Alegerea metodei metodei de de identificare identificare
ARX
ARX ARX
MCMMP sau MVI
MCMMP MCMMP sau sau MVI MVI
mai mai bine bine adaptat adaptat modelului modelului
CDeterminarea modelului adecvat
C C Determinarea Determinarea modelului modelului adecvat adecvat

Organizarea
experimentului
econometric
Alegerea clasei
de modele de
identificare
Achiziia i
prelucrarea
primar a datelor
Alegerea
modelului de
identificare
Pentru fiecare structur de model din ce n ce mai
bogat (m{1,2,,M):
se determin parametrii modelului ales, m;
se evalueaz precizia modelului (V (m) sau P(m)).
M() U
Y
Alegerea modelului
adecvat datelor
achiziionate
Alegerea
metodei de
identificare
Validarea
modelului
Model valid
M (o)
M (o)
DA NU
Informaie preliminar despre proces
Scopul identificrii procesului
M ()
n Z
10 nk =
Compar Compar nd nd coeficien coeficien ii ii polinomului polinomului B B ntre ntre ei ei, se , se constat constat c c termenul termenul
de grad maxim de grad maxim ar ar putea putea fi fi neglijat neglijat n n raport raport cu cu ceilal ceilal i i termeni termeni. .
ARX[2,2]
ARX[2,2] ARX[2,2]
model model adecvat adecvat
parsimonios parsimonios
- Modelul parsimonios trebuie determinat din nou.
Nu este suficient anularea coeficientului termenului
neglijat n modelul adecvat mai puin parsimonios.
- - Modelul Modelul parsimonios parsimonios trebuie trebuie determinat determinat din din nou nou. .
Nu Nu este este suficient suficient anularea anularea coeficientului coeficientului termenului termenului
neglijat neglijat n n modelul modelul adecvat adecvat mai mai pu pu in in parsimonios parsimonios. .
Validarea modelului adecvat
Validarea Validarea modelului modelului adecvat adecvat
Testul Testul de de validare validare e e ueaz ueaz. .

Modelul perturbaiilor este
probabil inadecvat.
Modelul Modelul perturba perturba iilor iilor este este
probabil probabil inadecvat inadecvat. .
7/18
1 1 2
1 2
1 10 1
1 2
1 1
1
( ) 1
( ) ( )
( ) 1
A q a q a q
B q q b b q
C q c q

= + +
= +
= +
1 1 1
( ) [ ] ( ) [ ] ( ) [ ]
AR X MA
A q y n B q u n C q e n

= +

1 1 2
1 2
1 10 1
1 2
1 1 2
1 2
( ) 1
( ) ( )
( ) 1
A q a q a q
B q q b b q
C q c q c q

= + +
= +
= + +
ARMAX[2,2,2]
ARMAX[2,2,2] ARMAX[2,2,2]
O
O
Introducere
Introducere
47
47
Exemplu
Exemplu Exemplu
Desfurarea experimentului de identificare (final)
Desf Desfurarea urarea experimentului experimentului de de identificare identificare (final) (final)
CReconsiderarea modelului matematic i a metodei de identificare
C C Reconsiderarea Reconsiderarea modelului modelului matematic matematic i i a a metodei metodei de de identificare identificare
ARMAX[2,2,nc]
ARMAX[2,2, ARMAX[2,2,nc nc] ]
MMEP
MMEP MMEP indicele indicele structural maxim al structural maxim al
modelului modelului de de zgomot zgomot
Redeterminarea modelului adecvat
Redeterminarea Redeterminarea modelului modelului adecvat adecvat

Organizarea
experimentului
econometric
Alegerea clasei
de modele de
identificare
Achiziia i
prelucrarea
primar a datelor
Alegerea
modelului de
identificare
Pentru fiecare structur de model din ce n ce mai
bogat (m{1,2,,M):
se determin parametrii modelului ales, m;
se evalueaz precizia modelului (V (m) sau P(m)).
M() U
Y
Alegerea modelului
adecvat datelor
achiziionate
Alegerea
metodei de
identificare
Validarea
modelului
Model valid
M (o)
M (o)
DA NU
Informaie preliminar despre proces
Scopul identificrii procesului
M ()
n Z
Compar Compar nd nd coeficien coeficien ii ii polinomului polinomului C C ntre ntre ei ei, se , se constat constat c c termenul termenul
de grad maxim de grad maxim ar ar putea putea fi fi neglijat neglijat n n raport raport cu cu ceilal ceilal i i termeni termeni. .
ARMAX[2,2,1]
ARMAX[2,2,1] ARMAX[2,2,1]
model model adecvat adecvat
parsimonios parsimonios
- Modelul parsimonios trebuie determinat din nou.
- - Modelul Modelul parsimonios parsimonios trebuie trebuie determinat determinat din din nou nou. .
Validarea modelului adecvat
Validarea Validarea modelului modelului adecvat adecvat
Modelul Modelul este este validat validat. .

10 Nc =
+ +
M (
o
)
M
M
(
(
o o
)
)
8/18
Analitice Analitice Experimentale Experimentale
O
O
Modele
Modele
de
de
identificare
identificare
O.O Scurt clasificare
O O. .O O Scurt Scurt clasificare clasificare
A Au un caracter mai mult u un caracter mai mult teoretic teoretic i se ob i se ob in, d in, de e
regul regul, prin aplicarea , prin aplicarea legilor fizico legilor fizico- -chimice chimice care care
caracterizeaz func caracterizeaz func ionarea unui proces. ionarea unui proces.
D Dovedesc o ovedesc o mare aplicabilitate practic mare aplicabilitate practic, sunt , sunt
destul de destul de generale generale, , i i precise precise, , dar, de multe ori, dar, de multe ori,
ridic pragul de complexitate dincolo de o limit ridic pragul de complexitate dincolo de o limit
admisibil admisibil. .
S Se ob e ob in din seturi de date furnizate de ctre in din seturi de date furnizate de ctre
proces proces i sunt, i sunt, n general, n general, u u or de implementat or de implementat. .
48
48
M M
M
S Sufer de ufer de lips de generalitate lips de generalitate, fiind , fiind specifice specifice
anumitor tipuri de procese sau chiar puncte de anumitor tipuri de procese sau chiar puncte de
func func ionare ale aceluia ionare ale aceluia i proces i proces. .
P Precizia lor este recizia lor este modest modest. .

n acest curs n n acest acest curs curs
Liniare Liniare Neliniare Neliniare
Procesele Procesele local liniarizabile local liniarizabile n jurul anumitor n jurul anumitor
puncte de func puncte de func ionare ionare sunt cele mai rsp sunt cele mai rsp ndite. ndite.
M Modele odelele le matematice liniare, matematice liniare, eventual cu eventual cu

parametri variabili n timp parametri variabili n timp reprezint reprezint adesea adesea
procesele procesele liniare liniare sau sau local local liniarizabile liniarizabile. .
Majoritatea proceselor din natur sunt Majoritatea proceselor din natur sunt neliniare neliniare, ,
dar cu dar cu diferite grade de neliniaritate diferite grade de neliniaritate. .
M M
M
Procesele profund neliniare sunt Procesele profund neliniare sunt dificil de dificil de
identificat identificat, ele necesit , ele necesit nd modele matematice nd modele matematice
relativ relativ complexe complexe, av , av nd tot nd tot caracter neliniar caracter neliniar. .
Metode de
identificare
Metode Metode de de
identificare identificare
Modele de
identificare
Modele Modele de de
Semnale
de stimul
Semnale Semnale
de de stimul stimul
IS IS
Metode de
identificare
Metode Metode de de
Modele de
identificare
Modele Modele de de
Semnale
de stimul
Semnale Semnale
de de stimul stimul
IS IS IS IS
Metode de
identificare
Metode Metode de de
Modele de
identificare
Modele Modele de de
Semnale
de stimul
Semnale Semnale
de de stimul stimul
IS IS
Metode de
identificare
Metode Metode de de
Modele de
identificare
Modele Modele de de
Semnale
de stimul
Semnale Semnale
de de stimul stimul
IS IS IS IS
9/18
Parametrice Parametrice Neparametrice Neparametrice
O
O
Modele
Modele
de
de
identificare
identificare
M Mai ai precise precise. .

Mai Mai pu pu in in precise precise. .
49
49
M M
M
O Ofer mai mult fer mai mult descrieri calitative ale procesului descrieri calitative ale procesului
de interes, dar pot fi utilizate pentru a stabili de interes, dar pot fi utilizate pentru a stabili
anumite anumite caracteristici ale experimentului de caracteristici ale experimentului de
identificare identificare parametric desf parametric desf urat ulterior urat ulterior
( ( nt nt rziere rziere intrinsec intrinsec, , frecven frecven de de e e antionare antionare, ,
numrul numrul maxim de maxim de parametri parametri, etc.) , etc.). .
Invariante Invariante n n timp timp Variabile Variabile n n timp timp
M M
M
dar mai mult dar dar mai mai mult mult
( ) (
(
)
)
SISO SISO MIMO MIMO
SIMO SIMO MISO MISO
M M
M
S Single ingle I Input nput S Single ingle O Output utput
S Single ingle I Input nput M Multi(ple ulti(ple) ) O Output(s utput(s) )
M Multi(ple ulti(ple) ) I Input(s nput(s) )
S Single ingle O Output utput
M Multi(ple ulti(ple) ) I Input(s nput(s) ) M Multi(ple ulti(ple) ) O Output(s utput(s) )
dar i dar dar i i
10/18
n n timp timp continuu continuu n n timp timp discret discret
O
O
Modele
Modele
de
de
identificare
identificare
Procesele care trebuie identificate au de regul o Procesele care trebuie identificate au de regul o
evolu evolu ie ie n timp continuu n timp continuu. .

De De regul regul, , sunt sunt modele modele experimentale experimentale. .
50
50
M M
M
U U or de implementat or de implementat i de i de determinat determinat. .. .

Cu Cu parametri parametri concentra concentra i i Cu Cu parametri parametri distribui distribui i i
M M
M
S Sunt mai degrab unt mai degrab modele analitice modele analitice dec dec t t
experimentale. experimentale.
Pentru Pentru procesel procesele e de complexitate de complexitate redus redus, e , este ste
posibil posibil determinarea determinarea parametrilor func parametrilor func iilor de iilor de
transfer (numi transfer (numi i i i i parametri fizici parametri fizici) sau chiar a ) sau chiar a
parametrilor de stare parametrilor de stare. .
Cu Cu un numr un numr finit finit de parametri de parametri. .
Cu Cu un numr un numr in infinit finit de parametri de parametri. .

n n domeniul domeniul timpului timpului n n domeniul domeniul frecven frecven ei ei
M M
M
11/18
Apartenena unei variabile aleatoare la domeniul
su de variaie este un eveniment sigur.
Apartenena Apartenena unei unei variabile variabile aleatoare aleatoare la la domeniul domeniul
su su de de variaie variaie este este un un eveniment eveniment sigur sigur. .
Modelele de identificare construite plecnd de la astfel de date au natur statistic.
Modelele Modelele de de identificare identificare construite construite plecnd plecnd de la de la astfel astfel de date de date au au natur natur statistic statistic. .
O
O
Modele
Modele
de
de
identificare
identificare
O.OModele statistice elementare
O O. .O O Modele Modele statistice statistice elementare elementare
51
51
- Coleciile de date msurate sunt semnale avnd un caracter nedeterminist (stocastic).
- - Colec Colec iile de date msurate sunt semnale av iile de date msurate sunt semnale av nd un caracter nd un caracter nedeterminist nedeterminist ( (stocastic stocastic). ).
Pentru a putea caracteriza propriet Pentru a putea caracteriza propriet ile modelelor de identificare sunt necesare ile modelelor de identificare sunt necesare
c c teva concepte elementare de teva concepte elementare de Statistic Statistic i de i de P Prelucrare relucrare de de S Semnal emnal ( (PS PS). ).
Densitate de probabilitate
Densitate Densitate de de probabilitate probabilitate
: ( ) [0,1] x D p
( )
( )
1
x
x dx =
D
p
domeniul domeniul de de varia varia ie ie al al
variabilei variabilei aleatoare aleatoare x x
cel cel mult mult numrabil numrabil
p
frecven frecven de de apari apari ie ie
finit finit
h
histogram histogram
( )
x
p
h
#D
frecven frecven de de apari apari ie ie
cardinalul cardinalul domeniului domeniului de de varia varia ie ie
( (numrul numrul de de valori valori) )
( ) x D
( ) x D
- Frecvena de apariie este
adesea considerat o aproximare
a densitii de probabilitate.
- - Frecven Frecven a a de de apari apari ie ie este este
adesea adesea considerat considerat o o aproximare aproximare
a a densit densit ii ii de de probabilitate probabilitate. .
Probabilitate
Probabilitate Probabilitate
( )
( )
def
x x dx =
S
S P p
probabilitatea probabilitatea ca ca x x s s apar apar in in submul submul imii imii
S S din din domeniul domeniul de de varia varia ie ie
Distribu Distribu ii ii de de probabilitate probabilitate uzuale uzuale: :

Gaussian
Gaussian Gaussian
Laplacian
Laplacian Laplacian
Student
Student Student
Pearson
Pearson Pearson
( (distribu distribu ie ie de de probabilitate probabilitate) )
12/18
> Convenie: distribuiile de probabilitate
ale proceselor vor fi implicit
considerate de tip Gaussian,
dac nu se specific altfel.
> > Convenie Convenie: : distribuiile distribuiile de de probabilitate probabilitate
ale ale proceselor proceselor vor vor fi fi implicit implicit
considerate considerate de tip Gaussian de tip Gaussian, ,
dac dac nu nu se se specific specific altfel altfel. .
TLC
TLC
Probabilitatea ca valoarea
intrrii, respectiv ieirii s
aparin setului de date
msurate la momentul
nN*.
Probabilitatea ca valoarea Probabilitatea ca valoarea
intrrii intrrii, , respectiv respectiv ie ie irii irii s s
apar apar in setului de date in setului de date
msurate msurate la moment la momentul ul
n n N N* *. .
Probabilitatea ca intrarea u[m]
s produc ieirea y[n] n
datele msurate, la momentele
mN* i n N*.
Probabilitatea ca intrarea Probabilitatea ca intrarea u u[ [m m] ]
s produc ie s produc ie irea irea y y[ [n n] ] n n
datele msurate datele msurate, , la momentele la momentele
m m N N* * i i n n N N* *. .
Densitatea Densitatea de de probabilitate probabilitate
ncruci ncruci at at ( (intrare intrare- -ie ie ire ire) )
Densitatea Densitatea simpl simpl de de
probabilitate probabilitate
a a aceleia aceleia i i realizri realizri
Tipuri de densiti de probabilitate utilizate n IS
Tipuri Tipuri de de densit densiti i de de probabilitate probabilitate utilizate utilizate n n IS IS
O
O
Modele
Modele
de
de
identificare
identificare
52
52
( [ ], ) ( [ ]) [0,1]
def
u n n u n = p p
( [ ], ) ( [ ]) [0,1]
def
y n n y n = p p ( [ ], [ ], , )
( [ ], [ ]) [0,1]
def
u m y n m n
u m y n =
p
p
Probabilitatea ca valorile y[m]
i y[n] ale ieirii procesului s
aparin aceleiai realizri, la
momentele mN* i n N*.
Probabilitatea ca Probabilitatea ca valorile valorile y y[ [m m] ]
i i y y[ [n n] ] ale ale ie ie irii irii procesului procesului s s
apar apar in in aceleia aceleia i i realizri realizri, , la la
momentele momentele m m N N* * i i n n N N* *. .
( [ ], [ ], , )
( [ ], [ ]) [0,1]
def
y m y n m n
y m y n =
p
p
- Cunoaterea preliminar a acestor densiti de
probabilitate este dificil (dac nu imposibil).
- - Cunoa Cunoa terea terea preliminar preliminar a a acestor acestor densit densit i i de de
probabilitate probabilitate este este dificil dificil ( (dac dac nu nu imposibil imposibil). ).
13/18
E
x
e
r
c
i
i
i
E
x
e
r
c
i
i
i
E
x
e
r
c
i
i
i
produsul produsul dintre dintre valoarea valoarea densit densit ii ii de de probabilitate probabilitate
i i valoarea valoarea corespunztoare corespunztoare a a variabilei variabilei aleatoare aleatoare
O
O
Modele
Modele
de
de
identificare
identificare
53
53
Medie statistic
Medie Medie statistic statistic
E
( (valo valoarea area ce cea a mai a mai a teptat teptat , ,
speran speran a matematic a matematic) )
E Expected xpected
( )
( [ ])
{ [ ]} [ ] [ ] [ ]
def
y n
E y n y n y n dy n =
D
p
Folosind media statistic a unui set de date aleatoare (cu o anumit
distribuie de probabilitate), se poate obine o predicie (de regul
grosier) a valorii care s-ar aduga datelor disponibile la
momentul urmtor de achiziie.
F Folosind media statistic a unui set de date aleatoare olosind media statistic a unui set de date aleatoare (cu (cu o anumit o anumit
distribu distribu ie de probabilitate), se poate ob ie de probabilitate), se poate ob ine o ine o predic predic ie ie ( (de regul de regul
grosier grosier) a valorii ) a valorii care s care s- -ar aduga datelor disponibile ar aduga datelor disponibile la la
momentul momentul urmtor urmtor de de achizi achizi ie ie. .
Speran Speran matematic matematic? ?
- Timpul joac un rol secundar n definiia operatorului E, deoarece integrarea se efectueaz peste
mulimea valorilor variabilei aleatoare i nu de-a lungul axei timpului.
- - T Timpul joac un rol secundar impul joac un rol secundar n n defini defini ia ia operatorului operatorului E E, d , deoarece integrarea se efectueaz peste eoarece integrarea se efectueaz peste
mul mul imea valorilor imea valorilor variabilei variabilei aleatoare aleatoare i nu de i nu de- -a lungul axei timpului a lungul axei timpului. .
Operator de
mediere statistic
Operator de Operator de
mediere mediere statistic statistic
y y
n n
0 0
y[n y[n] ]
p
p(y[n (y[n]) ])
E E { {y[n y[n]} ]}
Direcia de integrare n definiia
operatorului de mediere statistic
Direcia Direcia de de integrare integrare n n definiia definiia
operatorului operatorului de de mediere mediere statistic statistic
Realizri ale
procesului
Realizri Realizri ale ale
Variabil n timp,
dar determinist.
Variabil Variabil n n timp timp, ,
dar dar determinist determinist. .
n

N
Proprieti elementare ale
operatorului de mediere statistic
Propriet Proprieti i elementare elementare ale ale
operatorului operatorului de de mediere mediere statistic statistic
{ [ ]} [ ] E a n a n =
n

N

Invarian Invarian a a variabilelor variabilelor deterministe deterministe
1 1 2 2
1 1 2 2
{ [ ] [ ] [ ] [ ]}
[ ] { [ ]} [ ] { [ ]}
E a n y n a n y n
a n E y n a n E y n
+ =
= +
n

N

Liniaritate Liniaritate
14/18
O
O
Modele
Modele
de
de
identificare
identificare
54
54
E E { {y[n y[n]} ]}
Exemplu
Exemplu Exemplu
Revenim la rspunsul indicial al unui sistem liniar de ordin I
Revenim Revenim la la rspunsul rspunsul indicial al indicial al unui unui sistem sistem liniar liniar de de ordin ordin I I
y y
0 0
~K ~K
Realizri ale
procesului
Realizri Realizri ale ale
~T ~T t t
Parametrii procesului pot fi
determinai cu o anumit precizie
folosind curba medie statistic a
tuturor realizrilor acestuia.
Parametrii Parametrii procesului procesului pot pot fi fi
determinai determinai cu o cu o anumit anumit precizie precizie
folosind folosind curba curba medie medie statistic statistic a a
tuturor tuturor realizrilor realizrilor acestuia acestuia. .
Inconvenientele Inconvenientele utilizrii utilizrii directe directe a a defini defini iei iei operatorului operatorului de de mediere mediere statistic statistic n n aplica aplica ii ii practice: practice:
D De cele mai multe ori, e cele mai multe ori, nu se cunoa nu se cunoa te te
densitatea de probabilitate a datelor msurate densitatea de probabilitate a datelor msurate. .

A Ar putea fi estimat r putea fi estimat prin prin ini ini ierea ierea un unui ui
mare numr de experimente econometrice mare numr de experimente econometrice
i tra i trasarea sarea histogramel histogramelor or valorilor valorilor
msurate la fiecare moment de timp msurate la fiecare moment de timp. .
complicat complicat
&
&
costisitor costisitor
P Pentru evaluarea cu precizie a mediei entru evaluarea cu precizie a mediei
statistice, este nece statistice, este necesar o sar o colec colec ie infinit ie infinit
de realizri ale procesului de realizri ale procesului. .

Un Un mare numr de experimente mare numr de experimente
econometrice econometrice ar ar putea putea conduce la conduce la valori valori
suficient suficient de precise ale de precise ale mediei mediei statistice statistice. .
15/18
1
1
{ [ ]} [ ]
n
i
E y n y i
n
=

- Timpul joac rolul principal.
- - T Timpul joac rol impul joac rolul ul principal. principal.
n n
Media statistic pe ansamblul realizrilor unui proces se poate Media statistic pe ansamblul realizrilor unui proces se poate evalua evalua
calcul calcul nd nd mediile temporale mediile temporale succesive succesive ale oricrei realizri ale oricrei realizri, , n jurul n jurul
fiecrui moment de timp fiecrui moment de timp. .
O
O
Modele
Modele
de
de
identificare
identificare
55
55
Folosind o ipotez celebr din Fizic.
F Folosind olosind o o ipotez ipotez celebr celebr din din Fizic Fizic. .
Cum se Cum se poate poate utiliza utiliza operatorul operatorul de de mediere mediere statistic statistic n n cazul cazul n n care care doar doar o o
singur singur realizare realizare a a procesului procesului este este disponibil disponibil? ?
Ipoteza Ergodic (IE) (de medie)
Ipoteza Ipoteza Ergodic Ergodic ( (IE IE) (de ) (de medie medie) )
Precizia evalurii cre Precizia evalurii cre te odat cu numrul datelor care reprezint te odat cu numrul datelor care reprezint
acea realizare. acea realizare.
1
1
{ [ ]} [ ]
n
i
E y n y i
n
=

n

N
medie medie temporal temporal
+ +
Direcia de sumare/integrare n
definiia mediei temporale
Direcia Direcia de de sumare/integrare sumare/integrare n n
definiia definiia mediei mediei temporale temporale
n n
- -
1 1
y y
0 0
E E { {y[n y[n]} ]}
y[i y[i] ]
i=1 i=1
n n
y[i y[i] ]
i=1 i=1
n n
Caz particular
Caz Caz particular particular
{ [ ]} constant
def
E y n y = =
Proces staionar (n medie)
Proces Proces staionar staionar ( (n n medie medie) )
n

N
IE
IE IE
1
1
{ [ ]} lim [ ]
n
n
i
E y n y y i
n
=
= =

cauzal cauzal
+ +
necauzal necauzal
+ +
1
1
{ [ ]} lim [ ]
n
n
i
E y n y y i
n
=
= =

1
1
{ [ ]} lim [ ]
2
n N
N
i n N
E y n y y i
N
+
= +
= =

numrul numrul de de termeni termeni ai ai sumei sumei
n n
O realizare a
procesului
O O realizare realizare a a
Teorema Teorema
de de medie medie
n

N
16/18
O
O
Modele
Modele
de
de
identificare
identificare
56
56
Precizia aproximaiei crete odat cu
numrul de date achiziionate.
Precizia Precizia aproxima aproxima iei iei cre cre te te odat odat cu cu
numrul numrul de date de date achizi achizi ionate ionate. .
Ct Ct de de precis precis este este aceast aceast aproximaie aproximaie? ?
1
1
{ } lim [ ]
n
n
i
E y y i
n
=
=

Aadar
Aadar Aadar
Folosirea IE conduce la posibilitatea de a aproxima operatorul de mediere statistic
n aplicaii practice fr a cunoate densitatea de probabilitate a datelor i fr a
efectua mai mult de un experiment econometric.
Folosirea Folosirea IE IE conduce la posibilitatea de a aproxima operatorul de mediere st conduce la posibilitatea de a aproxima operatorul de mediere statistic atistic
n aplica n aplica ii practice ii practice fr a cunoa fr a cunoa te densitatea de probabilitate te densitatea de probabilitate a datelor a datelor i i fr a fr a
efectua mai mult de un experiment econometric efectua mai mult de un experiment econometric. .
Totui, pentru un numr constant de date achiziionate, precizia aproximaiei
poate fi testat cu ajutorul dispersiei datelor n jurul mediei.
Totu Totu i i, , pentru pentru un un numr numr constant de date constant de date achizi achizi ionate ionate, , precizia precizia aproxima aproxima iei iei
poate poate fi fi testat testat cu cu ajutorul ajutorul dispersiei dispersiei datelor datelor n n jurul jurul mediei mediei. .
( )
2
2 2 2 2 2
( [ ])
[ ] { [ ]} [ ] [ ] [ ]
def
y
y n
n E y n y n y n dy n = =

D
p
Dispersie
Dispersie Dispersie
(media (media ptratelor ptratelor valorilor valorilor) )
2 2
[ ] { [ ]}
def
y
n E y n =

Varian
Varian Varian
n

N
2
[ ] { [ ]}
def
y
n E y n =

Deviaie
standard
Deviaie Deviaie
standard standard
Date
staionarizate
Date Date
staionarizate staionarizate
[ ] [ ] { [ ]}
def
y n y n E y n =
( (centrate centrate pe pe medie medie) )
{ [ ]} 0 E y n =
( (dispersia dispersia datelor datelor
n n jurul jurul mediei mediei) )
( (vezi vezi propriet propriet ile ile
operatorului operatorului E E) )
IE
IE IE
2 2
1
1
[ ] [ ]
n
y
i
n y i
n
=

n

N
n

N
n

N n

N
1
1
{ [ ]} [ ]
n
i
E y n y i
n
=

n

N
Alt Alt variant variant: :

2 2
1
1
[ ] [ ]
1
n
y
i
n y i
n
=

\{1} n

N
determinist determinist nedeterminist nedeterminist
n

N
n

N
propriet propriet i i
statistice statistice
superioare superioare
17/18
Tubul de deviaie standard este definit
n orice moment de intervalul 3.
Tubul Tubul de de deviaie deviaie standard standard este este definit definit
n n orice orice moment de moment de intervalul intervalul 3 3 . .
n n
O
O
Modele
Modele
de
de
identificare
identificare
57
57
y y
0 0
E E { {y[n y[n]} ]}
Gradul de grupare a datelor n jurul mediei este cuantificat de deviaia standard, cu ajutorul
tubului de deviaie standard.
Gradul de grupare a datelor Gradul de grupare a datelor n jurul mediei este cuantificat de devia n jurul mediei este cuantificat de devia ia standard ia standard, cu , cu ajutorul ajutorul
tubul tubului ui de devia de devia ie standard ie standard. .
E E {y[n]}+ {y[n]}+
y y
[n] [n] ~ ~
E E {y[n]} {y[n]}- -
y y
[n] [n] ~ ~
factor de factor de
propor propor ionalitate ionalitate care care
depinde depinde de de interpretarea interpretarea
pe pe care o are care o are tubul tubul
Exemplu
Exemplu Exemplu
Cazul procesului normal distribuit
Cazul Cazul procesului procesului normal normal distribuit distribuit
3 =
- Mai mult de 95% din realizrile
procesului trec prin acest tub.
- - Mai Mai mult mult de 95% din de 95% din realizrile realizrile
procesului procesului trec trec prin prin acest acest tub. tub.
Cu ct tubul este mai ngust,
cu att precizia curbei medii
este mai mare.
Cu c Cu c t tubul este mai t tubul este mai ngust, ngust,
cu at cu at t precizia curbei medii t precizia curbei medii
este mai mare. este mai mare.
Alt
interpretare
Alt Alt
interpretare interpretare
Valoarea msurat la momentul urmtor celui curent (n)
se va situa n intervalul de ncredere:
Valoarea msurat la momentul urmtor celui curent Valoarea msurat la momentul urmtor celui curent ( (n n) )
se va situa se va situa n n intervalul de intervalul de ncredere ncredere: :
cu o anumit probabilitate, numit nivel de ncredere.
cu o anumit probabilitate cu o anumit probabilitate, , numit nivel de numit nivel de ncredere ncredere. .
{ [ ]} [ ] , { [ ]} [ ]
y y
E y n n E y n n

+

- De regul, nivelul de ncredere scade odat
cu ngustarea intervalului de ncredere.
- - De regul De regul, nivelul de , nivelul de ncredere ncredere scade scade odat odat
cu cu ngustarea ngustarea intervalului de intervalului de ncredere. ncredere.
Exemplu
Exemplu Exemplu Nivelul de ncredere pentru predicia
procesului normal distribuit este 0.95.
Nivelul Nivelul de de ncredere ncredere pentru pentru predicia predicia
procesului procesului normal normal distribuit distribuit este este 0.95 0.95. .
Precizia de predicie
a procesului
Precizia Precizia de de predicie predicie
a a procesului procesului
18/18
a a aceleia aceleia i i realizri realizri
(G (G del, ~1933) del, ~1933)
O
O
Modele
Modele
de
de
identificare
identificare
58
58
Determinarea Determinarea gradului de corelare gradului de corelare existent existent ntre valorile unui set de date ntre valorile unui set de date
este extrem de important pentru aprecierea este extrem de important pentru aprecierea predictibilit predictibilit ii ii acestuia. acestuia.
D Dac datele sunt ac datele sunt slab corelate slab corelate ntre ele ntre ele, predic , predic ia valorilor viitoare nu se poate face dec ia valorilor viitoare nu se poate face dec t t n limitele unei n limitele unei
precizii sczute precizii sczute. .
P Prezentul rezentul i trecutul apropiat influe i trecutul apropiat influen n e eaz mai mult viitorul imediat az mai mult viitorul imediat
dec dec t o face trecutul t o face trecutul ndeprtat ndeprtat. .
Caracterizarea filozofic este fundamentat de urmtorul principiu axiomatic.
Caracterizarea Caracterizarea filozofic filozofic este este fundamentat fundamentat de de urmtorul urmtorul principiu principiu axiomatic axiomatic. .
Cum se Cum se poate poate caracteriza caracteriza corelarea corelarea dintre dintre date? date?
Principiul cauzalitii din sistemul logic uman
Principiul Principiul cauzalit cauzalitii ii din din sistemul sistemul logic logic uman uman
Viitorul Viitorul nu nu poate poate influe influen n a a prezentul prezentul sau sau trecutul trecutul. .
- Sistemul logic
uman este
incomplet!
- - Sistemul Sistemul logic logic
uman uman este este
incomplet incomplet! !
n IS, caracterizarea fenomenului de
corelare dintre date se bazeaz pe:
n n IS IS, , caracterizarea caracterizarea fenomenului fenomenului de de
corelare corelare dintre dintre date se date se bazeaz bazeaz pe pe: :
Covarian (ncruciat)
Covarian Covarian ( (ncruciat ncruciat) )
( )
,
( [ ]) ( [ ])
[ , ] { [ ] [ ]}
[ ], [ ] [ ] [ ] [ ] [ ]
def
u y
u m y n
r m n E u m y n
u m y n u m y n du m dy n
= =
=

D D
p
- Definiie formulat tot cu ajutorul operatorului de mediere statistic.
- - Defini Defini ie ie formulat formulat tot cu tot cu ajutorul ajutorul operatorului operatorului de de mediere mediere statistic statistic. .
pivo pivo i i
, m n

N
ncruci ncruci at at ( (intrare intrare- -ie ie ir ire e) )
Densitatea Densitatea simpl simpl de de
probabilitate probabilitate
a a aceleia aceleia i i realiz realiz ri ri
Tipuri de densit??i de probabilitate utilizate n IS Tipuri Tipuri de de densit densit? ??i ?i de de probabilitate probabilitate utilizate utilizate n n IS IS
Arat ct de corelat
statistic este ieirea
cu intrarea, ambele
aparinnd aceluiai
set de date msurate.
Arat Arat c c t de corelat t de corelat
statistic este ie statistic este ie irea irea
cu intrarea cu intrarea, ambele , ambele
apar apar in in nd aceluia nd aceluia i i
set de date msurate set de date msurate. .

03 Is Curs Principal - Estimare Si Identificare

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

03 Is Curs Principal - Estimare Si Identificare

Încărcat de

Drepturi de autor:

Formate disponibile

1/18

Aceasta se realizeaz cu un Aceasta se realizeaz cu un sistem de compensare a sistem de compensare a

Frecven Frecven a a de de tiere tiere a a filtrului filtrului analogic analogic: :

Frecven Frecven a a de de e e antionare antionare: :

Timpul Timpul mort mort normalizat normalizat: :

Dimensiunea Dimensiunea orizontului orizontului de de msur msur: :

Modelele Modelele posibile posibile ale ale aerotermei aerotermei: :

P Precizia lor este recizia lor este modest modest. .

M Modele odelele le matematice liniare, matematice liniare, eventual cu eventual cu

M Mai ai precise precise. .

U U or de implementat or de implementat i de i de determinat determinat. .. .

Cu Cu un numr un numr finit finit de parametri de parametri. .

Cu Cu un numr un numr in infinit finit de parametri de parametri. .

Distribu Distribu ii ii de de probabilitate probabilitate uzuale uzuale: :

Alt Alt variant variant: :

S-ar putea să vă placă și