Cursul 10.

Metode de tip CMMP pentru estimarea parametrilor

modelelor dinamice.
4.8.1) Estimarea parametrilor modelelor dinamice pe baza raspunsului
pondere si a raspunsului indicial
a)Raspunsul pondere:

Y (s) H (s) * U (s)

y (t ) h(t ) * u ( )d (1 / ) h(t )d

unde h(t) este raspunsul pondere.

Exemplu: Incercam sa modelam procesul si sa aproximam modelul printr-un
raspuns de ordinul I.
t

y (t ) L1[ H ( s )] L1[

K
K T
]
e
Ts 1
T

K i T0
e
T
y (iT0 ) y (i )
y (iT0 )

t
( K , T )
T0

Definim un criteriu de eroare de tip CMMP:

VN ( K , T )

[ y (iT0 ) y (iT0 )]
i 0

min VN ( K , T ) ( K , T )

N=orizontul de experimentare
Rezulta:
T
T
N
2
K i T0
1 N i T0
T

V
] * ( * e ) 0 K i T
2 * [ y (iT0 ) * e
0;
0T VN ( K , T )T [ y (iT0 ) e
]

K 0
T
T
0

i 0
K i 0
1 i 0 1 1
2 * K * [ y (iT0 ) e T ] * ( 2 e T * 2 * e T .....) 0
T
T
T T
0
N

Daca nu cunoastem K,T, rezulta un sisitem neliniar foarte complicat.

OBSERVATIE: Eroarea facuta CMMP (metoda celor mai mici patrate)
este mai buna in cazul in care modelul este liniar in parametri (de exemplu:
modele discrete de tip AR, ARX, ARMAX).
Incercam sa liniarizam.
T

K i T0 K (i 1) T0 i T0
y (iT0 ) * e
*e
* e
T
a
T
y [( i 1)*T0 ]

Am obtinut un model :
y (i ) a * y (i 1)

cu oservatia ca am realizat trecerea de la iTo->i si ca :

ae

T0
T

adica am trecut de la T la a.
Daca tinem cont de faptul ca schema generala are si efect al erorilor,
zgomotelor, atunci putem scrie:
y(i)=a*y(i-1)+v(i)

Pentru i=1 y(1)=a*y(0)+v(1)

y(2)=a*y(1)+v(2)
:
y(N)=a*y(N-1)+v(N)
N

VN (a) v 2 (i ) [ y (i ) y (i )]2 [ y (i ) a * y (i 1)]2 min in functie de a

N

N
V
0 2 [ y (i ) a * y (i 1)] * [ y (i 1)] 0 a
a
1

y(i) * y(i 1)
1

y (i 1)
1

To
T

y (iT0 ) k * a i , k

K
T

y (i ) k * a i v(i )
N

VN (k ) v (i ) [ y (i ) k * a ] min k
2

N
V
0 2 [ y (i ) k * a i ] * a i 0 k
k
1

( y (i ) * a i )
1

2i

b)Raspunsul indicial:

y (t ) K * Uo * (1 e T )
Trebuie sa gasim K , T pe baza metodei CMMP. Procedura se bazeaza
pe liniarizare prin discretizare.
Daca :

y (iTo ) K1 * Uo * (1 e

iT0
T

) K K *e

( i 1)*

To
T

*e

To
T

y[(i 1)To ] K K * e

( i 1)*

To
T

y (iTo ) K { y[(i 1)To ] K } * a K (1 a ) a * y (i 1)

b

Daca tinem cont de efectul zgomotelor,

y (i ) a * y (i 1) b

AR autoregresiv y(i)=a*y(i-1)+b+v(i)
Definitiecriteriul de eroare:
N

VN ( a, b) v 2 (i ) [ y (i ) y (i )]2 [ y (i ) a * y (i 1) b]2 min

N
N
N
V
V

0
;

[
y
(
i

1
)
]
*
a

[
y
(
i

1
)
]
*
b

1
1
1 y (i) * y (i 1) -- ecuatia I
b
a

a sistemului
-- ecuatia a II-a a sistemului este:

[ y (i 1)] * a N * b y (i )
1

1
N

2
y (i 1)

y (i ) * y (i 1)

a
*
b

y(i 1)
1

y(i 1)

y (i)

A * B A1 * B

To
T

a e T
b K (1 a) K

4.9) Estimarea parametrilor modelelor discrete de tip ARX (ARMAX)prin

metoda celor mai mici patrate (CMMP) si a celor mai mici patrate recursive
(CMMPR)
a)Estimarea prin metoda CMMP (metoda off-line) :

H ( z 1 )

B ( z 1 ) Y ( z 1 )
b1 z 1 b2 z 2 ... bn z n

A( z 1 ) U ( z 1 ) 1 a1 z 1 a2 z 2 ... an z n

bo=0nu exista transfer direct I/E

Scriem echivalent ecuatia recursiva inlocuind: Y(z)y(k)
z lY ( z ) y ( k l )

Operatorul de intarziere in discret este: z l

n

Exemplu: n e z * H ( z 1 ) . Noi vom considera cazul fara timp mort.

Rezulta, inmultind pe diagonala, trecand la relatia de recurenta si izoland:

y ( k ) a1 y ( k 1) ..... an y ( k n) b1u ( k 1) b2u ( k 2)

y ( k ) a1 y ( k 1) ..... an y ( k n) b1u ( k 1) b2u ( k 2)

[ y ( k 1) | y ( k 2) | ..... | y ( k n) | u ( k 1) | u ( k 2) | ....


iesiri
anterioare

comenzile
anterioare

vectorul
observatiilor
T (k )

CMMP ARXmodele liniare in panta

y ( k ) T (k ) *

V ( )

[ y ( k ) y (k )]

[ y (k )

2
T

( k ) * A]

V
0

V
2 y ( k ) * [ y ( k ) T ( k ) * ] 0

1
N

( k ) * y ( k ) [ ( k ) * T ( k )] *
Not : ( N ) (1) ( 2) (3) ... ( N )

matricea
observatiilor

si : Y ( N ) y (1)

y ( 2)

y (3)

...

y ( N )

[ ( k ) * T ( k )] 1 * ( k ) * y ( k )
1

Estimatia pe N detrminari I/E: [ T ( N ) * ( N )]1 * T ( N ) * y ( N )

b) Estimatia prin metoda CMMPR (metoda on-line):
Pentru aplicatii de conducere in timp real, este necesara dezvoltarea unei
variante recursive de estimare a parametrilor.

( N 1) ( N ) ( N )

noua
estimatie

estimatia
anterioara

timp real poate fi o problema complicata

( N

1)

1)

(N

Y (N

1)

( N
1)
( N )

(N

( N

(N

(N

1)]1 *

(N )

| Y (N

(N ) *

(N )

(N

]1 * [

*Y

Evaluam:
P ( N 1) [ T * * T ]1 [ T * ]1 P * * (1 T * P * ) 1 * T * P

scalar

P * * * P P P * * P * P * * * P
P

T
T
T
1 * P*
1 * P*
1 * P*
T

=>relatie de

recurenta pentru matricea observatiilor

Revenim la calculul lui :
( N 1) [ P

P * * T * P
] *[ T * Y * y ] P * T * Y P * * y

1 T * P*
( N )

P * * T * P * T * Y P * * T * P * * y

1 T * P *
P *
( N )
* [ y T * P * * y T * P * T * Y T * P * * y ]

1 T * P *
( N )

( N 1) ( N ) P( N 1) * ( N 1) *[ y ( N 1) T ( N 1) * ( N )]

( N 1)
P ( N 1)

(N

1) *

( A b * bT ) 1 A1 A1 * b * (1 bT * A1 * b) 1 * bT * A1

1)]

P(N+1) se evalueaza folosind urmatoarea lema:

Lema:

notatie
P ( N 1)

Y (N )

y( N
1)

1) *

1)
1)

=>inversarea in

corectie

P( N )
1 ( N 1) * P( N ) * ( N 1)
T

CMMPR

Initializari :
( 0) 0
P (0) c * I
const

Metoda CMMPR nu necesita inversare de matrici. Plecand de la CMMPR

se dezvolta si alte variante :

(N

-CMMPP (metoda celor mai mici patrate ponderate), (in care se aloca
ponderi observatiilor recente in raport cu observatiile mai vechi ) si
-CMMPG (metoda celor mai mici patrate generalizate), (in care se tine
cont si de efectul zgomotelor).