Laborator 1&2

Identificarea este determinarea modelului unui sistem dinamic din date de

intrare/iesire. Cunoasterea modelului este necesara la proiectarea si impplementarea unui
sistem de reglare performant.
Modelele de cunoastere bazate pe legile fizicii sunt in general prea complexe pentru
realizarea unui sistem de reglare. Din acest motiv s-au dezvoltat tehnici de identificare directa
a sistemelor dinamice (pentru control) din setul de date experimentale.
Avem doua tipuri de modele dinamice:
Modele neparametrice (ex: raspunsul in frecventa, raspunsul indicial);
Modele parametrice (ex: functii de transfer, ecuatii diferentiale sau cu
diferente).
In figura 1.1 este prezentat un exemplu de identificare printr-un model neparametric.

Identificarea sistemelor este formata din 4 etape:

1. Achizitia de date de intrare/iesire printr-un experiment;
2. Selectia/estimarea complexitatii modelului;
3. Estimarea parametrilor modelului;
1

4. Validarea modelului identificat (structura si valori).

Nu exista un algoritm unic de estimare a parametrilor care sa conduc ntotdeauna la
un model valid. Identificarea sistemelor este o procedura iterativa.

Experimentul de achizitie de date intrare/iesire

Trebuie ales un semnal de excitare cu un spectru al frecventelor bogat pentru a acoperi
banda de frecvente a procesului identificat dar cu amplitudine mica deoarece in practica
variatiile de amplitudine ale semnalului de intrare sunt constranse puternic.
Exemplu: utilizarea unui semnal de intrare tip treapta poate conduce doar la
identificarea exacta a amplificarii procesului. Trebuie folosit un semnal de intrare compus din
sinusoide.
nA

nB

y ( t ) = a y ( t i ) + bi u ( t d i )

i
=i 1 =i 1

Semnalul de excitare:
p

u ( t ) = sin (iTet )
i =1

nA + nB

nA + nB par p 2

n + n impar p nA + nB + 1
A B
2

Secventa Pseudo-Aleatoare Binara (SPAB)

Utilizeaza un registru de shiftare.

Lungimea maxima: Lmax = 2N-1 (N numarul de celule ale registrului) se obtine
numai pentru anumite alegeri ale bitilor intre care se face functia sau exclusiv:
N L=2N-1 Biti adunati modulo 2
2
3
1 si 2
3
7
1 si 3
4
15
3 si 4
5
31
3 si 5
6
63
5 si 6
7
127
4 si 7
8
255
2, 3, 4 si 8
9
511
5 si 9
10 1023
7 si 10

Dimensionare SPAB
Durata maxima a unui puls al SPAB-ului este data de NTe. Aceasta trebuie sa fie mai
mare decat timpul de crestere pentru a identifica corect amplificarea sistemlui.

Conditia este: NTe tc.

Durata experimentului trebuie sa fie cel putin egala cu durata secventei pentru a
acoperi intregul spectru de frecventa generat de SPAB.
Lungimea setului de date: 2N-1
Durata experimentului: (2N-1) Te
Pentru a nu avea o durata prea lunga se poate alege un divizor de frecvente: fSPAB=fs/p
(p=1,2,3,4).
Durata maxima a unui puls devine: pNTe tc.
Urmatorul tabel prezinta o comparatie intre modificarile aduse asupra lungimii
maxime a secventei de date I/E si asupra duratei maxime a unui puls (perioada in care
semnalul SPAB sta in 1) de cresterea numarului de biti ai registrului de shiftare (coloana 1) si
de divizarea frecventei cu p (coloana 2).
NN+n
fs fs/p
n
Lungimea maxima
L2L
L pL
Durata maxima a unui puls NTe (N+n)Te NTe pNTe

Observatii:
Se recomanda p 4.
Amplitudinea SPAB-ului trebuie sa fie mai mare decat cea a zgomotului.
Cresterea prea puternica a amplitudinii SPAB are efecte nedorite asupra
liniaritatii sistemului identificat (in general ne intereseaza identificarea unui
sistem liniar in jurul unui punct de functionare).

Conditionarea semnalului
1. Structurile modelelor folosite pentru identificare corespund modelelor
dinamice care exprima variatii ale iesirii ca o functie de variatiile intrarii in
jurul unui punct de functionare. Drept urmare trebuie eliminata componenta
continua (corespunzatoare punctului de functionare) sau alunecarea acestuia pe
parcursul identificarii.
2. Reducerea complexitatii modelului pornind de la informatii cunoscute apriori:
Proces cu integrator:
y1 ( t ) = y ( t )
(a)

u1 ( t ) =

u (t )
1 q 1

y2 ( t ) = y ( t ) y ( t 1)

(b)

u2 ( t ) = u ( t )

Proces cu element de derivare:

y1 ( t ) = y ( t )
u1 ( t ) = u ( t ) u ( t 1)

Datele se pot scala pentru a avea acelasi ordin de marime la valorile vectorilor u si y.
Parametrii identificati b trebuie modificati la sfarsit pentru a reface modificarile de scalare
initiale.

Estimarea complexitatii sistemului

Are scopul de a determina nA, nB si d.
Indicatie: se poate face o prima identificare cu d = 0. Ulterior acesta este crescut, d =
di, daca b < 0.15 b , i =1, d . Apoi se reidentifica sistemul!
i

di +1

Pentru a determina grdele maxime ale polinoamelor A si B se porneste de la valori

mici apoi sunt crescute alternativ gr(A) si gr(B) si se calculeaza varianta erorii de predictie:
*

1 N 2
=
R ( 0 ) E=

t
(
)
{ } N * (t )
i =1
Daca Rnou(0) 0.8 Rvechi(0), nu se recomanda cresterea gradului polinomului.
2

Ordinul sistemului discret este n = max(nA, nB+d).

In WinPIM se poate introduce valoarea minima a timpului mort (daca aceasta este
cunoscuta, de exemplu din raspunsul indicial al sistemului) si ordinul maxim al sistemului.
Avem 4 metode de estimare a complexitatii. Se recomanda folosirea metodei 3, Instrumental
Variable with Delayed Inputs (Metoda Variabilelor Instrumentale cu Intrari Intarzite).
Metoda 1 (Least Squares - CMMP) este sensibila la perturbatii si paote da estimatii gresite in
cazul proceselor afectate de zgomote.
Observatie: lungimea setului de date N* = p(2N-1) (p si N din configuratia SPAB)!

Identificarea sistemului
Structura 1: A(q-1)y(k) = q-dB(q-1)u(k)+e(k)
Structura 2: A(q-1)y(k) = q-dB(q-1)u(k)+ A(q-1)w(k)
Structura 3: A(q-1)y(k) = q-dB(q-1)u(k)+ C(q-1)e(k)
Structura 4: A(q-1)y(k) = q-dB(q-1)u(k)+(1/ C(q-1))e(k)

Vectorul
parametrilor

nou estimati

Vectorul

Matrice Vectorul Eroare

parametrilor + de adaptare marimilor de predictie

est. la pasul prec. parametrica masurate ( scalar )

( k + 1) = ( k ) + F ( k + 1) ( k + 1) ( k + 1)
F ( k ) ( k + 1) T ( k + 1) F ( k )
F ( k + 1=
) F (k )
1 + T ( k + 1) F ( k ) ( k + 1)

(k + 1)= y ( k + 1) T ( k ) ( k + 1)

Fiecare structura are metode proprii de identificare.

Nu exista o structura si o metoda de identificare care sa functionare i ntoate cazurile.
Mai multe trebuie sa fie incercate pentru a o gasi pe cea corecta!
Observatii:
Structura 3 corespunde in practica la putin sub doua treimi din cazuri,
structura 2 la aproximativ o treime iar structurile 1 si 4 la restul.
In general o alegere a nC = nA da rezultate bune in cazul structurilor 3 si 4.

In continuare sunt atasate metodele de identificare folosite in WinPIM:

Metode de validare
Validarea modelelor de la structurile 1, 3 si 4
Principiu: daca structura aleasa este cea corecta iar gradele nA, nB, nC si d sunt corecte,
atunci eroare de predictie tinde asimptotic spre un zgomot alb:
lim E { ( t ) ( t i )} =
0
t

=
i 1, 2,3,...; 1, 2, 3,...
Validarea se face pe u nou set de date:
1. Se calculeaza y ( t )

2. Se calculeaza ( t )
3. Testul de albire (necorelare)
Testul de albire:
Fie ( t ) secventa centrata a erorilor de predictie.
Se calculeaza:
R ( 0)
1 N
R=
( 0 ) * 2 ( t ); RN=
( 0) = 1
N t =1
R ( 0)
*

R=
(i )

R (i )
1 N
t t i ); RN=
(i )
* ( ) (
N t =1
R ( 0)
*

Testul ideal de validare ar fi RN(0) = 1 si RN(i) = 0, pt i 1. In realitate nu se

indeplineste.
2.17
Testul practic de validare este RN(0) = 1 si RN ( i )
pt i 1.
N*
Observatie: un criteriu indeplinit prea bine sugereaza faptul ca se pot face
simplificari in modelul de identificare.

Validarea modelelor identificate cu structura 2

Principiu: daca pertuirbatia si intrarea sunt independente (E{w(t)u(t)}=0), structura
este corect aleasa, metoda buna iar nA, nB, d sunt corect determinate atunci iesirea predictata
cu un model de tip OE:
A ( q 1 ) y (k ) = q d B ( q 1 ) u (k )
este asimptotic necorelata cu eroarea de predictie:
E { ( t ) y ( t i )}

1 N
( t ) y ( t i ) = 0, i = 1, 2,3,...
N * t =1

10

Se calculeaza:
*

1 N
=
R (i )
( t ) y ( t i );
N * t =1
RN ( i ) =

R (i )

1/2

1 N * 2 1 N * 2
* ( t ) * y ( t )
=
N t 1 =
N t 1

i = 0,1, 2,..., imax
=
imax max( nA , nB + d )

Criteriul de validare este acelasi ca la testul de albire a erorii de predictie.

11