Sunteți pe pagina 1din 28

Capitol.1.

1.Identificarea sistemelor.
1.1.Consideratii generale cu privire la instalatiile automate
In ultimele decenii,instalatiile industriale au cunoscut o dezvoltare
considerabila,ceea ce a condus la realizarea unor sisteme de conducere corespunzatoare.
Impedimentul major in realizarea unei conduceri calitativ superioare a instalatiilor
industriale complexe este reprezentant in primul rand de imposibilitatea stabilirii prin
metode analitice,atat a modelului lor dinamic cat si a celui stationar.
Acest lucru se explica prin faptul ca fenomenele care se desfasoara in instalatiile
industriale sunt extrem de complicate incat modelul stabilit pe cale analitica sa reprezinte
satisfactor realitatea fizica.
Un alt mod il constituie si faptul ca modelul odata stabilit nu ramane constant in
raport cu conditiile de functionare.Acest lucru inseamna ca,chiar daca modelul matematic
ar putea fi stabilit prin metoda analitica,modificarea sa in timpul functionarii,necesita
obtinerea unor informatii curente cu privire la structura sa incat sa se poata interveni in
mod corespunzator in sistemul de conducere.
Din aceste motive,rezulta necesitatea cunoasterii unor metode care utilizand rezultatele
unor masuratori efectuate asupra instalatiei studiate sa permita stabilirea unui model
matematic cat mai aproape de cel real.
1.2.Conceptul de identificare.
Vom presupune ca instalatia al carui model matematic dorim sa-l stabilim este
descris de urmatoarea relatie diferentiala statistica:

= , , , ! , ! ! ! t p w t u t x f t x

!"."
#-z$omotol care afecteaza intrarea%
p-paramatrii modelului!in $eneral necunoscuti%
t-timpul%
Vom presupune ca instalatia ofera prin dispozitivul de masura al starii la iesire o marime
de foma:
, , , ! , ! ! ! t p w t u t x h t z =

!".&
h-functie specifica dispozitivului de masura%
#-z$omotul care afecteaza procesul de masurare%
Identificarea cuprinde etape:
"Adaptarea unei ecuatii de forma!".", care sa fie cat mai aproape de cea exacta.
"
&Determinarea vectorului p al parametrilor necunoscuti pentru modelul propus in prima
etapa.
'chema se poate reprezenta astfel:
(i$.".
Analiza sistemelor ca problematica $enerala se ocupa de studiul evolutiei semnalului de
iesire,determinat atat de variatia marimii de intrare cat si de proprietatea acestuia.
)rroblema identificarii poate fi privita ca problema inversa analizei sistemelor.
(iind cunoscuta evolutia semnalelor de intrare si de iesire,prin masuratori,sa
determinam modelul matematic care sa descrie comportarea sistemului.
Identificarea consta in determinarea pe baza intrarii si a iesirii unui sistem dintr-o clasa de
sisteme,fata de care se incearca sa fie echivalent.Aceasta definitie implica specificarea
unei clase de sisteme *+,'- a clasei de semnale U+,u- si a unor relatii de echivalenta ..
/chivalenta se defineste in functie de un criteriu sau o functie de erori j,care
depinde atat de iesirea modelului cat si de iesirea procesului.


, !
0
n
y y j J =
!".1
Doua modele 2" si 2& sunt echivalente,daca valoarea functiei de eroare este aceeasi
pentru ambele:
, ! , !
&
0
"
0
n n
y y j J y y j J = = =
!".3
Acest criteriu poate fi si de exemplu un criteriu patratic ideal
x=f(x(u,w,p,t))
Identificare
Dispozitiv masura
Dispozitiv masura
P
u
x
&

=
T
dt e J
4
&
!".5
Unde: ! ! t y t y e
M
= !".6
1.3.Metode de identificare a proceselor.
Identificarea unui proces poate fi partiala sau totala.
Identificarea partiala presupune cunoscuta structura modelului si se pune doar problema
determinarii valorilor parametrilor care intervin in model.
In cazul identificarii totale structura si parametrii necunoscandu-se aprior se pune
problema sa fie determinati prin identificare.
Acesta reprezinta cazul cel mai complex si $eneral de identificare.Un asemenea proces a
carui structura si parametrii sunt complet necunoscuti se numesc cutii ne$re!blac7 box.
Abordarea prin cutia nea$ra a unui proces nu este realista deoarece exista
intotdeauna cunostiinte apriorice dobandite printr-o intele$ere a procesului care se
examineaza.
De exemplu,simplul fapt ca se stie despre un proces sau sistem ca este vorba
despre un $rup hidroener$etic si nu de un reactor nuclear implica o cunoastere,facand
cutia mai mult sau mai putin cenusie.
)roblema identificarii inseamna de fapt problema obtinerii unui model adecvat
pentru un proces,lucru care sa se obtina pe doua cai:
1)Identificarea analitica 8 presunpune determinarea modelului matematic al procesului
pe baza le$ilor fizice care $uverneaza dinamica desfasurarii fenomenelor.
Aplicarea acestui procedeu este limitat de faptul ca de foarte multe ori conduce la
obtinerea unor modele matematice complicate care nu pot fi utilizate la sinteza sistemului
de conducere.2ai este limitat si de faptul ca in practica,multe procese ale caror le$i de
desfasurare nu sunt suficient de bine cunoscute.
&Identificarea experimentala-presunpune determinarea modelului matematic pe baza
unor date intrare-iesire obtinute prin masuratori.
9imitari:
-Dificultati in:
aproiectarea experimentului
bprelucrarea datelor
cfiltrarea perturbatiilor
(ara a reduce importanta cunostiintelor teoretice apriorice se poate considera ca
identificarea experimentala constituie partea de baza a identificarii sistemelor,fie ca este
vorba de evaluarea parametrilor sau chiar de determinarea structurii.
In ipoteca,se prefera o identificare mixta,adica daca din cunoasterea partiala a
functionarii procesului dispunde de o asemenea informatie incat sa putem fixa structura
modelului.)roblema care mai ramane de rezolvat este cea a determinarii valorilor
numerice a parametrilor,a coeficientilor ce intervin in model,aceasta constituind de fapt o
problema de estimare.
/stimarea se defineste ca fiind problema determinarii experimentale a valorilor
parametrilor unui model presupunand ca strucura modelului este cunoscuta.
Desfasurarea oricarei proceduri de identificare este implinita de urmatorii factori:
1
-posibilitatea de a scade procesul din functionare normala sau necesitatea de a efectua
lucrari asupra procesului functionand in bucla inchisa.
-daca se utilizeaza semnale de proba se pune problema ale$erii tipului de semnal.
-timpul util de identificare este limitat!restrictii tehnice
-disponibilitatile de aparatele de masura.
-in cazul conducerii adaptive este recomandata o identificare in timp real.
2etodele identificate se clasifica in & cate$orii:
-metode active-presupune aplicarea unor semnale de proba si conduc la obtinerea unui
model neparametric.
(i$&.
-metode pasive - permit determinarea directa a unui model parametric pe baza variatiilor
aleatorii ale marimilor de intrare si de iesire in functionarea normala a procesului.
Proces
Metode active
Generare semnal
Model neparametric
x
u
3

(i$.1
Clasificarea procedurilor de identificare
1)procedee frecventiale - permit determinarea caracteristicilor de frecventa amplitudine-
pulsatie si faza pulsatie.
Acestea se impart in:
-procedee frecventiale indirecte - se bazeaza in esenta pe transformarea (ourier precum si
pe alte procedee care permit determinarea functiei de densitate spectrala
-procedee frecvential directe 8 se bazeaza pe aplicarea unor semnale armonice la intrarea
procesului ale carui caracteristici de frecventa dorim sa le determinam.
2)Procedee de corelatie-se bazeaza pe calculul functiilor de corelatie atat in cazul
statistic cat si in cazul determinist.:u ajutorul acestor functii de corelatie se pot determina
functii pondere,densitatea spectrala,s.a.m.d.
3)Procedee bazate pe minimalizarea erorii.
Achizitia valorilor numerice ale marimilor de intrare si de iesire ale unui proces in
urma unui experiment si prelucrarea lor primara conduce in final la existenta unui set de
perechi de valori care reprezinta de fapt relatia intrare-iesire pentru procesul studiat.
Adoptand un model dintr-o clasa de modele se pune problema ca aplicand la
intrarea sa aceeasi valori ale marimii de intrare utilizate in cadrul procesului sa
determinam atat ordinul cat si valoarea parametrilor sai.
In le$atura cu acest lucru,facem urmatoarea observatie:
aIn mod practic aproape in toate cazurile cel putin o marime de intrare sau cauza interna
a procesului care nu poate fi masurata,efectul acestei marimi caracterizandu-se printr-o
anumit influenta asupra iesirii rezultand ca iesirea reprezinta de obicei o combinatie intre
efectul determinat de intrarea masurabila si efectul determinat de cauza nemasuratorii
rezultand ca,chiar daca modelul ar reprezenta cu exactitate procesul va exista intotdeauna
o anumita diferenta intre iesirea sa si cea a procesului.
b2arimile extreme sau interne nemasurabile au un caracter de variatie aleator cu
anumite proprietati statistice printre care proprietatea de medie nula joaca un rol foarte
important aceasta pentru ca facand medie in timp a diferentei dintre iesirea procesului si
cea a modelului,aceasta diferenta trebuie sa tinda la zero,pe masura ce distanta dintre
model si proces tinde la zero.
5
/roarea dintre iesirea modelului si cea a procesului poate servi ca un indicator pentru
determinarea atat a ordinului cat si a parametrului modelului.
Din aceaste motive,aceste procedee se spune ca se bazeaza pe minimalizarea erorii.
2)1.4.Validarea modelului.
;data modelul matematic stabilit trebuie testata abilitatea lui de a se comporta identic cu
procesul sub efectul acelorasi stimuli.
(i$.3.
Daca comportarea procesului si cea a modelului sunt identic intr-un sens care trebuie bine
precizat spunem ca am obtinut un model pentru proces daca nu structura modelului
trebuie modificat pentru obtinerea unei concordante mai bune.
Valorile numerice ale parametrilor modelului sunt determinate astfel incat
comportarea modelului sa fie cat mai apropiata de cea a procesului.
Aceasta proximitate se masoara cu ajutorul unui criteriu care sa exprime cantitativ
distanta dintre proces si model notata cu
, ! M P =
!".<

=
T
m
t y t y
4
&
! ! !
!".=
6
Distanta intotdeauna va trebui sa fie pozitiva:
4 , ! > M P
!".>
M P M P 4 , !
!"."4
Daca nu se ne$lijeaza z$omotele de masura,distanta nici in cazul teoretic nu poate
fi nula,ea trebuind redusa sub o anumita valoare 4

4
, ! < M P
!".""
In concluzie,putem spune ca am construit un model 2 al unui proces ),daca se
pot determina un $rup de parametrii structurali astfel incat,data fiind o intrare u!t se
poate obtine o distanta care sa satisfaca relatia!".""
2ai mult este evident ca definind spatiul parametric ca fiind spatiul parametrilor
care trebuie determinat,modelul este reprezentat de un punct iar sistemul de un alt
punct,criteriul fiind de fapt distanta dintre aceste doua puncte.
/xemplu de distante:
"Distanta de stare sau de iesire - exprima diferenta dintre iesirea )-ului si cea a 2-ului.

(i$.5.

= =
= =
N
i
N
i
n
i i y i y
" "
! ! ! !
!"."&
?-numarul punctelor de masura.
'eobserva ca
!i
poate avea atat valori pozitive cat si valori ne$ative incat @ poate fi
A4B,chiar daca distanta dintre 2 si ) este mare.; ale$ere mai convenabila este:

= =
= =
N
i
N
i
n
i i y i y
" "
! 4 ! ! !
<

=
=
N
i
i
"
&
!
!"."1
-distanta de productie - se bazeaza pe diferenta dintre iesirea procesului si iesirea prezinta
de model la acelasi moment de timp.

(i$.6.
-distanta de structura 8 se bazeaza pe distante dintre parametrii ) si cei ai 2-ului.

(i$.<.
! !
M
T
M
A = !"."5
A-matrice de ponderare,simetrica,pozitie definita.
=
Capitolul 2.
emnale de intrare.
(oarte important pentru realizarea unei indentificari e faptul ca procesul trebuie sa
fie excitat.
'emnalul de intrare alaturi de modelul ales si de metoda utilizata conditioneaza
definitiv rezultatele oricarui experiment de identificare.
9a ale$erea unui semnl de intrare va trebui sa tinem cont de:
-lar$imea de banda a semnalului%
-amplitudinea si ener$ia maxima admise%
-posibilitatea de $enerare si prelucrare a informatiei obtinute
Casirea unui semnal de proba optima reprezinta o problema destul de delicata.
)rin semnal de proba optimal intele$em acel semnal cu o amplitudine maxima
precisa care furnizeaza informatii necesare cu o precizie specificata intr-un interval de
timp minim.
'emnalul de intrare trebuie sa fie un semnal persistent '),ceea ce in domeniul
frecventelor inseamna ca trebuie sa aiba un spectru suficient de bo$at.
:a exemplu de semnal de intrare avem:
-impulsul Dirac
-treapta unitara
-semnalele sinusoidale in domeniul frecventa.
-z$omotul alb
2etodele de identificare cu semnale proba aleatoare se bazeaza pe masurarea
functiilor de corelatie sau a celor de densitate spectrala.
Vom considera & procese tehnolo$ice !aleatoare si vom nota cu x!t si D!t realizarile
corespunzatoare acestor procese.
/ evident ca x!t si D!t un admit reprezentari analitice,deoarece intre valoarea
luata la un moment dat de timp si momentul respectiv un exista o dependenta bine
stabilita.
!unctia de autocorectie
(unctia de autocorectie masoara $radul de influenta pe care valorile luate de un proces
stohastic in timp,au asupra valorilor luate a aceeasi realizare la momente de timp
decalate.
>

(i$.=.
/ste evident ca aceasta influenta a lui x!t asupra lui x!tEF depinde de valoarea
decalajul F,fiind maxima avand F+4 si scazand pe masura ce F creste.
2atematic se noteaza:


+ =
T
T
T
xx
dt t x t x
T
R ! !
&
"
lim ! !"."6
!unctia de corelatie mutuala.
(unctia de corelatie mutuala masoara $radul influentei pe care valorile luate de o
realizare a unui proces stahostic in timp o au asupra valorilor luate de realizarea altui
proces stahostic la momente decalate.
(i$.>.
"4
!unctia de densitate spectrala
Avem:
!
xx
S
ca fiind:
- ! , !
xx xx
R F S =
densitate spectrala de autocorectie
'imilar avem
- ! , !
xy xx
R F S =
densitate spectrala de corelatie mutuala
"gomotul alb este pur si simplu prin definitie un proces stahostic a carui densitate
spectrala de autocorectie este o constanta pozitiva.
4 ! - ! , !
4
> = = =

S d e R R F S
j
uu uu xx


!"."<
Gezulta un z$omot alb prezentand urmatoarea caracteristica
:
(i$.>.
In realitate nu exista dispozitiv ce prezinta aceasta caracterisitica.Datorita caracteristicilor
de filtru trece-jos pe care le prezinta instalatiile industriale,se introduce notiunea de
z$omot alb pe banda limitata care e un proces stahostic cu urmatoarele statistici:
""
emnale pseudo aleatoare binare P#$
- sunt semnale deterministe care se apropie foarte mult ca proprietati statistice de z$omot
alb.
/le se prezinta sub forma unor succesiuni binare care se repeta la o anumita
perioada si sunt $enerate prin relatii de recurenta binare.
-proprietati in notite de curs.
Capitol 3.
%eterminarea e&perimentala a functiei pondere si indiciala
?otite curs.
Capitol 4.
c'imbari de reprezentare
)entru aplicarea rezultatelor moderne ale teoriei controlului la procesele din
practica este necesara trecerea de la modelele neparametrice la cele parametrice,realizand
in acest fel o identificare parametrica indirecta.
Acest $en de identificare s-a impus din urmatoarele motive:
"In multe aplicatii nu sunt disponibile $eneratoare de semnal sofisticate,iar procesul nu
prezinta fluctuatii importante in functionarea lui normala.
&2odelele neparametrice se obtin foarte usor ca rezultat al aplicarii unui semnal de test.
1)recizia metodelor de identificare parametrica indirecta e compatibila cu cea a
metodelor care determina modelul parametric direct din datele intrare 8iesire.

"&
4.1.%eterminarea functiei de transfer.
4.1.1.%eterminarea functiei de transfer cu a(utorul functiei indiceala prin
metoda logaritmarii successive
a:azul functiei indiceale aperiodice fara zerouri
Avem:
! !
4
!
4
!
&
t u b b t y a a
m
m n
dt
t u d
m
dt
t y d
n
+ = + =
Daca
4 , 4
4 " "
= = = =

b b b b
m m
functia de transfer are atunci
4 4 ! =
.
000000aici ramasesem data trecutaH.

=
=
=
+
n
i
j
n
i
j
s
c
s H
"
"
4
!
!

!3.6
Daca n-IJ+m,coeficientii din membrul drept in ordinea crescatoare a ordinului
derivatelor sunt diferite de 4,atunci conditiile !3.6 nu mai pot fi satisfacute in totalitate
deoarece functia de transfer trebuie sa contina si un numar corespunzator de zerouri si va
avea forma:


=

= =
=

=
+
+
q n
j
n
i
j j
n
i
q n
j
j j
s c
s H
" "
" "
4
!
!
!


Cazul prezentei zerourilor
Daca sunt prevazute n-I zerouri atunci n-I conditiile !3.6 nu mai pot fi satisfacute,adica:
4
"

=
i
n
i
j
i
c
cu j+I,IE",---n-I !3.<
Verificarea relatiei!3.< se face dupa ce au calculat parametrii :j i Kj
prin metoda lo$aritmarii succesive.
9a verificarea relatiei !3.< trebuie avuta in vedere precizia cu care au fost calculati acesti
parametrii Kj si :j fiind obli$ati sa acceptam la verificarea aceleasi $rade de aproximare.
In cazul prezentei zerourilor trebuie determinati si parametrii Lj si acest lucru se face
identificand termen cu termen transformata 9a )lace a functiei indiceale cu functia de
transfer de forma:

=
=

=
=
+
+
+ +
n
i
i
q n
j
j
q n
j
j
n
i
i
n
n
s
s
s
c
s
c
s
c
c
" "
"
"
"
" 4
!
!
4



"1
Prezenta timpului mort .
'e observa foarte usor inspectand tabelul cu valorile determinate experimental ale
functiei indiceale.
)resupunand ca s-a constatat prezent unui timp mort,atunci la numaratorul
functiei de transfer trebuie sa apara factorul

e .
%ef:Valoarea timpului mort tau se determina ca fiind intervalul de timp masurat din
momentul aplicarii semnalului de proba pana cand raspunsul functiei indiceale.
b:azul functiei indiceale periodice.
Daca functia indiceala contine componente periodice,atunci ea poate fi aproximata printr-
o expresie de forma:

+ =
&
"
4 4
sin! !
n
i
i
t
i
t c e c c t
i
i


!3."4
:eea ce inseamna ca functia de transfer are polii complex conju$ati.
i
jc p
i i 4
=
&
, "
n
i =
)utem determina parametrii functiei de transfer vom proceda similar cazului
aperiodic,adica pentru inceput vom considera o aproximare de ordinul ".
sin! !
" " " 4
"


+ =

t e c c t
t
!3.""
sin! !
" " " "
"


+ =

t e c t
t
!3."&

! !
4 "
t c t =
!3."1
1 pas) )resupunem ca valorile determinate experimental ale functiei indiceale le-am
reprezentat $rafic si avem D!t functia de transfer de timp.
"3
:u ajutorul $raficului din fi$ura vom masura perioadele:M",M&,M1.
Determinam o perioada medie a oscilatiilor:

=
=
r
i
i r
T
T
"
"
N
"
!3."3
:u care putem determina pulsatia:

"
N
&
"
T

=
!3."5
Deoarece la momentul

t
4
expresia !3."1 se anuleaza+O
4 sin!
" 4 "
= +

t
4 sin!
" 4 "
= +

t
,7+",&,n+O !
t c !
4 4 "
"
=
.2ai mult,tot din tabel observam ca la
momentul de timp n
t
, sinusul de valori extreme.Atunci pot scrie:
.... & , " , " ! sin!
"
" "
= = +
+
! t
!
m!

.... & , " , " ! !
"
" "
"
= =
+
! e c t
! t
m!
m!

m!
t
m!
e c t
"
" "
P ! P


=
ln
m! m!
t c t
" " "
ln P ! P =
)arametrii
"
si
"
c se determina similar cazului aperiodic.
Dupa determinarea parametrilor
"
4
c
,
"
,
"
c ,
"
se verifica daca e......
sin! sin! !
& & & " " " 4
& "


+ + =

t e c t e c c t
t t
"5
sin! !
& & & &
&


+ =

t e c t
t
! sin! !
" " " 4 &
"
t t e c c t
t


+ =

4.1.2 Metoda apro&imarii prin functii de transfer simplificate
)ractica a demonstrat ca in foarte multe cazuri modelul matematic al proceselor
poate fi aproximat cu o precizie suficienta prin una din urmatoarele tipuri de functii de
transfer.
Ts
e
s H
s
A
+

"
!

!3."6
!
s
A
Ts
e
s H
" !
!
+

!3."<
" ! " !
!
& "
s T s T

s H
A
+ +
=
!3."=
" ! " !
!
& "
s T s T
e
s H
s
A
+ +

!3.">
)entru ale$erea uneia din aceste functii de transfer un exista o reteta universal
valabila. ?umai analiza atenta a HHHHHsi experienta celui care executa identificarea
pot decide cu privirea la aproximarea unuiH..
4.1.2.1 #pro&imarea printr*o functie de transfer de ordinul I
'a presupunem ca s-a determinat experimental o functie indiciala si ca aceasta
poate fi aproximata printr-o functie de transfer de forma !3."6.
Crafic, situatia se prezinta astfel:

"6
!
!
!
0
ts
t
t

=
- reprezinta functia indiciala experimentala normalizata
!
!
N
!
N0
ts
t
t y

=
- reprezinta functia indiciala de aproximare normata
Minand cont de forma functiei de transfer !3."6, functia indiciala de aproximare
are expresia !3.&4:
" ! !
Q ! T t
A
e t


= !3.&4
;bs: Mimpul mort

din aceasta relatie un coincide cu cel real dedus din portiuna


initiala a curbei indiciale experimentale ci reprezinta un timp mort de calcul determinat
astfel incat sa rezulte o aproximare cat mai buna a functiei experimentale prin functia de
transfer !3."6.
In aceste conditii, daca pentru calcule se va utiliza curba indiciala experimentala
translatata, timpul mort de calcul se va adau$a celui real.
'e constata in aceasta relatie ca:
A
t
t =

!
N
lim
Atunci:


= =
t
A
e

t
t "
!
N
!
N0
!3.&"
)roblema care se pune este cea a determinarii constantei de timp M precum si a
timpului mort

.
(unctia indiciala de aproximare normalizata a fost astfel trasata incat punctul A
coincide cu punctul de inflexiune iar punctul R satisface conditia:
> , 4 ! !
N 0 0
= =
" "
t t
Vom scrie relatia !3.&" in punctele A si R si vom obtine:
T
t
A
A
e t

= " !
N0
T
t
"
"
e t


= " !
N0
)entru a lo$aritma scriem:
! "
0
A
T
t
t e
A

=

! "
0
"
T
t
t e
"

=

Daca lo$aritmam
! " ln!
0
A
A
t
T
t

=

! " ln!
0
"
"
t
T
t

=

S ! " lnT
S ! " lnT
0
0
"
A
"
A
t
t
t
t

SS ! " lnT S ! " TlnT S ! " lnT S ! " lnT


0 0 0 0
A " A " " A
t t t t t t =
"<
S ! " lnT S ! " lnT
S ! " lnT S ! " lnT
0 0
0 0
A "
A " " A
t t
t t t t



=
AMB

introdus in oricare din cele & relatii:


S ! " lnT S ! " lnT
0 0
" A
A "
t t
t t
T

=
In fi$ura reprezentata linia intrerupta corespunde functiei indiciale de aproximare si se
pot observa zonele in care apar cele mai mari erori.
9ipsa de precizie a acestei metode se datoreaza faptului ca din totalitatea
informatiei despre proces pe care o contine curba indiciala , pentru determinarea celor &
parametri am folosit foarte putina informatie adica cea referitoare la cele & puncte A si R.
Dupa determinarea celor & parametri ar trebui evaluate erorile de aproximare. ;
verificare rapida a masurii in care aproximarea este acceptabila se face cu ine$alitatea:
! 61& , 4 ! ! 5>3 , 4
s s
t T t
4.2.2 Metoda lui tre(c
Aceasta metoda presupune aproximarea printr-o functie de transfer de forma
!3."<, adica aproximam un sistem de ordin superior cu n constante de timp diferite,
printr-o functie de transfer cu n constante de timp e$ale.

"
4
U
" !
n
!

T
t
A
! T
t
e t
U " !
!
"

n
t
e
T

t
n
T
t
n
A

" !
"
U & !
!
&
n T
t
n
t
e
T

t
n
T
t
n
A

)entru a $asi punctele de inflexiune:


4 ! = t " !
0
= = n T T t
#
"=
!n f

A
#
=

% !
"
n f
T
T
a
= % !
1
n f
T
T
n
= % !
3
n f
T
T
c
=
/tape:
" 'e determina punctele de inflexiune I
& 'e duce o tan$enta prin punctul de inflexiune si se determina M
c
, M
#
, M
a
, M
u
?
T
T
a
T
T
n
a
n
T
T
T
T
w
#

T
T
$
a
$
T
T
4 " & 1 3 5 6 <
" " 4 4 4 4 " "
& &,< 4,&= 4," " 4,&6 & 4,<3
"4 <,6 5,=< 4,<< > 4,3"1 3,36 4,5=<
1 'e calculeaza raportul
a
n
T
T
3 :oeficientul valorii calculat se cauta in coloana 1 a tabelului liniei
corespunzatoare.
Daca raportul
a
n
T
T
un are un corespndent exact in coloana 1 se ia pentru n
valoarea care corespunde liniei cu valoarea imediat inferioara celei calculate la
etapa 1.
5 'e calculeaza constanta M cu ajutorul valorilor din coloanele " si &
corespunzatoare lui n determinat in etapa 3
6 Daca cele doua valori calculate pentru M sunt foarte apropiate sau coincid
atunci rezulta ca timpul mort

este nul.
Daca insa cele doua valori ale lui M calculate sunt diferite rezulta ca

4. In
acest caz se translateaza $fraficul functiei indiciale spre stan$a pana can cele doua valori
coincid, iar valoarea translatiei reprezinta timpul mort.
:oloanele 3-< din tabel permit controlul determinarilor efectuate.
">
Cap +) Principii de estimare a parametrilor
procesului
+.1 Consideratii generale
Identificarea reprezinta operatia de determinarea a caracteristicilor dinamice ale
unui proces a carui cunoastere e necesara pentru proiectarea si punerea in practica a unui
sistem performant de re$lare.
Vom aborda estimarea parametrilor modelelor dinamice parametrice discrete sau
esantionate.
)entru identificarea unui model dinamic trebuie parcurse urmatoarele etape:
". Achizitia datelor de intrare-iesire sub un protocol de experimente
&. Ale$erea structurii modelului
1. /stimarea parametrilor modelului
3. Validarea modelului
; operatie de estimare completa trebuie sa parcur$a obli$atoriu aceste 3 etape.
2etodele utilizate in fiecare etapa depinde de modelul cautat.
Identificarea se caracterizeaza prin 1 elemente, si anume:
- o colectie de date, notata D%
- o colectie de modele, 2%
- un criteriu, :.
si consta in determinarea unui model din 2 care sa justifice cat mai bine colectia de date
in sensul criteriului :.
:olectia de date : reprezinta o secventa de perechi intrare-iesire
- . " , ! , ! , N ! ! y ! u = $enerata de un sistem ' in conditiile unui experiment /.
:olectia de modele este parametrizata dupa vectorul parametrilor necunoscuti .
:riteriul : este specificat printr-o functie criteriu !o functie de cost care trebuie
extremizata, de re$ula, minimizata.
Ipoteza ca sistemul ' care $enereaza colectia de date D apartine colectiei de
modele 2 corespunde punctului de vedere ca exista un sistem real caracterizat de
parametrii , scopul identificarii fiind acela sa descopere acest sistem. :u alte cuvinte
trebuie determinata o functie de secventele masurate ale intrarii si ale iesirii
- , " , ! , ! ,
V V
N ! ! y ! u = = care sa aproximeze intr-o cat mai buna masura pe .
(unctia - , " , ! , ! ,
V V
N ! ! y ! u = = se numeste estimator iar valoarea numerica
luata pentru secventele u!7,D!7, cu
N ! , " =
se numeste estimat.
)roblema teoretica de baza este sa se investi$heze apoi daca estimatul param.
V

conver$e cu probabilitate " catre pe masura ce lun$imea colectiei de date intrare-
iesire creste.
)rincipiul estimarii parametrilor modelelor discrete ete urmatorul:
&4
2odelul esantionat cu parametri ajustabili e implementat pe un calculator.
/roarea dintre iesirea procesului D!t si iesirea prezisa de model,
! V t y
, numita pentru
inceput eroare de predictie e utilizata de un AA) care la fiecare moment de esantionare
va modifica parametrii modelului astfel incat eroarea de predictie sa fie minimizata.
2arimea de intrare e un semnal pseudo-aleator binar !')AR de nivel mic,
$enerat cu ajutorul calculatorului. ;data cu modelul obtinut o validare corecta a sa poate
fi facuta prin teste statistice asupra erorii de predictie
!t
si a iesirii prezise,
! V t y
.
/lementul cheie pentru estimarea parametrilor este al$oritmul de adaptare
parametrica care modifica parametrii ajustabili ai modelului, tinand cont de informatiile
primite de la proces la fiecare pas de esantionare.
Al$oritmul de adaptare parametrica are o structura recursiva, adica valoarea noua
a parametrilor este e$ala cu valoarea precedenta, plus un termen de corectie care trebuie
sa depinde de ultimele masuratori.
'e defineste un vector al parametrilor ale carui componente sunt parametrii care
trebuie estimati atunci AA)-ul are urmatoarea forma:
Tnoua estimatie a parametrilorS+Testimatia precedentaS E Tfactor de adaptareS E Tfunctia
masurabilaS 0 Tfunctia eroare de predictieS
+.2 #lgoritmi recursivi pentru estimarea parametrilor
+.2.1 #pro&imare euristica
Vom considera un model discret al unui proces descris prin:
D!tE"+ - a
"
D!t E b
"
u!t !5.&
unde:
a
"
- parametru cunoscut
b
"
- parametru necunoscut% b
"
O4 !din motiv de stabilitate
'copul este sa estimam valoarea parametrilor necunoscuti b".2odelul care va fi
estimat va avea aceeasi structura de forma !5.& ca a procesului.
&"
)entru a estima parametrul b" va trebui sa construim un model ajustabil de forma
!5.&,in care parametrul b" va fi inlocuit prin estimatul sau
"
W
b
!t care va trebui sa fie
determinat cu ajutorul unui AA)!al$oritm de adaptare parametrica.
/fectul acestui al$oritm va trebui sa se concretizeze printr-o reducere a diferentei
dintre iesirea accesului si iesirea precisa de modelul ajustabil.
2odelul de predictie aprior va fi deci de forma:
! ! ! " !
"
W
"
4
W
t u t t y a t
b
y
+ = +
!5.1
Vom defini in continuare eroarea de predictie apriori:
" ! " ! " !
4
W
4
+ + = + t t y t
y

!5.3
" u!t4+treapta,O4!pozitiva
Vom avea & situatii:

/xaminand aceasta situatie,presupunem pentru inceput un al$oritm de adaptare
parametrica!AA) de urmatoarea forma:
" ! ! " !
4
"
W
"
W
+ + = + t f t t
b b

!5.5
(+se numeste casti$!factor de adaptare.
4
-eroarea.
&&
'a examinam evolutia lui
"
W
b
cu ajutorul acestui al$oritm:
u!t+"!tO4
"
W
b
!tJb % f
4
!tE"O4+O
"
W
b
!t creste.
"
W
b
!tOb% f
4
!tE"J4+O
"
W
b
!t scade
In concluzie pentru treapta pozitiva,al$oritmul!5.5 are o evolutie corecta conver$enta.
& u!t+treaptaJ4

"
W
b
!tJb% f
4
!tE"J4+O
"
W
b
!t scade
"
W
b
!tOb% f
4
!tE"O4+O
"
W
b
!t creste
In concluzie,pentru treapta ne$ativa al$oritmul in forma!5.5 nu are o evolutie corecta!el
devine diver$ent.
Vom modifica al$oritmul propus pentru a tine cont de semnul marimii de intrare
P P
s$n
u
u
=
!5.6
Atunci !5.5 devine:
&1
P P
" !
"
W
"
W
4
! " !
u
t fu
t t
b b
+
+ = +
!5.<
"
W
b
!tJb" %u
4
O4%
"
W
b
creste%uO4%
uO4,
"
W
b
!tO b", u
4
J4,
"
W
b
scade%
uJ4,
"
W
b
!tO b", u
4
J4,
"
W
b
creste%
uJ4,
"
W
b
!tO b", u
4
J4,
"
W
b
scade
In concluzie,al$oritmul !5.< prezinta o evolutie buna pentru ambele trepte
!pozitiva,respectiv ne$ative.
Acestui al$oritm i se pot aduce urmatoarele imbunatatiri si anume raspunsul cu
amplitudinea treptei si cu valoarea casti$ului de adaptare observa ca produsul:
! S ! T " !
"
W
"
4
t fu t b t f b = +
Din !5.=+O termenul de corectie este proportional cu produsul
fu
.Atunci ar fi normal si
lo$ic sa normam termenul de corectie impartindu-l la factorul fPuP
+O
&
4
" !
"
W
"
W
! " !
fu
t fu
t t
b b
+
+ = +

!5.>
)entru a evita o impartire prin 4!zero,in cazul in care u!t+4 isi modifica 00000
&
4
"
" !
"
W
"
W
! " !
fu
t fu
t t
b b
+
+
+ = +

!5."4
&3
In relatia !5.= vom inlocui cu pe
"
W
b
!t cu
"
W
b
!tE" si vom nota noua iesire a modelului
cu
y
W
!t,care se numeste model de predictie aposteriori.
! " !
"
! " !
W
"
W
t u t t y a t
b y
+ + = +
!5.""
In !5."" introducem !5."4 +O
+O
&
4
&
4
"
" !
W
"
"
" !
W
"
W
! !
"
! ! S !
"
! " !
T
fu
t fu
fu
t fu
t u t t y a t u t t y a t
b b y
+
+
+
+
+ + + + = +

& " !
W
W
" " ! " !
&
fu t
%
t
t fu
%
y
y
+ + + = +
+
!5."&
Vom defini o noua eroare:
X!tE" 8 eroare de predictie aposterioeri.Va fi data de:
X!tE"+D!tE" -
&
4
&
&
&
4 &
"
" !
"
4
"
" ! 4
W
S " T " ! " ! " !
fu
t
fu
fu
fu
t fu
t t t
y
+
+
+ +
+
= + = + = +


&
4
"
" ! 4
" !
fu
t
t
+
+
= +

!5."1
" !
4
+ t am numit-o eroare de predictie apriori,deoarece ea depindea de parametrii
estimati la momentul t.
" !
4
+ t senumeste eroare de predictie aposteriori deoarece ea depinde de parametrii
estimati la momentul tE",adica dupa ce al$oritumul de adaptare a actionat.
Gelatia !5."1 ne da o le$atura intre cele & tipuri de erori.
'e constata ca " ! " !
4
+ = + t t !5."3
+Oe$alitatea avand loc numai pentru f si u nuli.
Gelatia !5."1 ne permite sa rescriem AA),in forma :
&5
" ! ! " !
"
W
"
W
+ + = + t fu t t
b b

!5."5
" ! + t
fiind determinat cu !5."1 nu depinde decat de parametrii estimati la momentul
t.
+.22.#lgoritmul gradientului.
Acest al$oritm are ca obiectiv minimalizarea unui criteriu patratic in termenul erorii de
predictie.
Vom considera acelasi expresie de ordinul " numai ca vom considera ca ambii
parametrii a", b" sunt necunoscuti.
2odelul discretizat al procesului il vom scrie sub forma:
! ! ! " !
" "
t t u b t y a t y
T
= + = +
!5."6
Unde:
S , T
" "
b a
T
= - vectorul parametrilor !5."<
S ! , ! T ! t u t y t
T
= - vectorul masuratorilor
!5."=
2odelul de predictie ajustabil aposteriori:
! ! ! ! ! !
"
! " ! " !
W
"
W
W
W
W W
t t
T
t u t t y t t t t
b
a
y y
%

= + = + = +
!5.">
&6
Unde:
S ! , !
"
T
"
W
W
W
t t
T
b
a
=
!5.&4
In continuare com defini cele & erori:
-eroarea de predictie apriori:
" ! " ! " !
W
+ + = + t t y t
y
%

!5.&"
-eroarea de predictie aposteriori:
" ! " ! " !
W
+ + = + t t y t
y

!5.&&
Vom cauta al$oritmul de adaptare parametrica recursiv si cu memorie de forma:

" ! , ! , ! ! ! " ! ! " !
W W W W W
+ + = + + = + t t t f t t t t

!5.&1
Mermenul de corectie !5.&1 trebuie sa depinda in mod unic de informatii disponibile la
momentul tE" de parametrul

W
si eventual de un numar finit de informatii t,t-",t-&.
Acest tip de corectii trebuie sa ne permita minimalizarea la fiecare pas a
urmatorului criteriu:
min.!tE"+
& 4
S " ! T + t !5.&3
'olutia se obtine printr-o tehnica de $radient.
Daca vom reprezenta curbele j+ct in planul parametric a", b" vom obtine curbe
concentrice in juriul valorii minimale a criteriului corespunzator punctelor a", b",care de
fapt reprezinta parametrii procesului.
Aceste curbe de j+ct se indeparteaza de minim pe masura ce valoarea lui j creste.
&<
)entru a minimaliza valoarea criteriului ne vom deplasa in directie inversa $radientului
ceea ce ne va conduce pe o curba de j+ct,dar de valoare mai mica si atunci al$oritmul
$radientului va avea forma:
!
! " !
W
" !
W W
t J
F t t
t J

+
= +

!5.&5
Unde:( se numeste casti$ sau factor de adaptare matriceal.
& F = % 4 >
I+matricea unitate.

+
!
W
" !
t J
t J
$radientul criteriului in raspuns cu

W
.
-este in sens contrar sensului $radientului.
&=