Sunteți pe pagina 1din 4

IDENTIFICAREA SISTEMELOR

COMPARAIE NTRE METODELE DE IDENTIFICARE PARAMETRIC. METODE DE


VALIDARE A MODELULUI
1. Date de identificare
Nume/Prenume

Semntura

Intocmit
Verificat
Data elaborrii/verificrii

2. Scopul lucrrii
Scopul acestei lucrri este de a compara dou metode de identificare parametric a sistemelor: metoda
celor mai mici ptrate si metoda variabilelor instrumentale. De asemenea, se vor examina trei metode de
validare a rezultatelor.

3. Breviar teoretic
Metoda celor mai mici ptrate de indentificare a sistemelor se aplic modelelor de forma unui model ARX:

A q 1 y [ k ] B q 1 u [ k ] [ k ] .

(1)

Relaia (1) poate fi scris sub forma unei regresii linaire astfel:
y k T k k

(2)

n care:

T k y k 1 y k na u k 1 u k nb

a1 a n a

b1 bnb

Valoarea estimat a vectorului parametrilor este dat de relaia:


1

1
k T k
N k 1

1 N

k y k
N t 1

(3)

Modelul care se obine prin aplicarea metodei celor mai mici ptrate este un model parametric.
Presupunnd c sistemul dinamic real este descris prin o relaie de forma:

A q 1 y [ k ] B q 1 u [ k ] [ k ] .

(4)

n care k este un proces stochastic staionar, independent de semnalul de intrare (cele dou
semnale nu sunt corelate statistic) rezult c estimatul este consistent dac sunt ndeplinite condiiile
E k T k este nesingular i E k k 0 . Cerina a doua revine la afirmaia c k este o
perturbaie necorelat cu semnalul de intrare. Aceast condiie este restrictiv pentru ca estimatul s fie
consistent.

2.2. Metoda variabilelor instrumentale poate fi privit ca o generalizare a metodei celor mai mici ptrate.
Ideea de baz este de a modifica estimatul celor mai mici ptrate astfel nct s fie consistent pentru o
perturbaie arbitrar.
Rev:DA;2012

Lucrarea de laborator nr. 5


Vom considera o structur de modele ARX, dar vom modifica estimatul dup cum urmeaz:
1

1
z k T k
N k 1

1 N

z k y k
N t 1

(5)

n care z k este vectorul variabilelor instrumentale. Vectorul variabilelor instrumentale se alege astfel
nct s se asigure consistena estimrii. Se presupune c datele sistemului real descriu un proces
T
staionar. Dac se alege z k necorelat cu perturbaia k i dac R E z k k are gradul
maxim, atunci rezult c estimatul variabilelor instrumentale este consistent.

O modalitate des utilizat de a urmri obinerea instrumentelor este urmtoarea:

z k k 1 k na

u k 1 u k nb T

1
k D q 1 u k
n care semnalul k se obine prin filtrarea intrrii cu un filtru stabil C q
polinomele C i D pot fi obinute prin mai multe procedee. O modalitate de determinare a polinomelor
C i D utilizat n funcia MatLab iv4 este: polinoamele se iau a priori egale cu polinoamele estimate
A i B obinute prin metoda celor mai mici ptrate. O a doua modalitate este de a lua C q 1 1 i

Dq

nb

2.3. Metodele erorii de predicie pot fi aplicate pentru modele parametrice exprimate sub forma general:

y [ k ] G q 1 , u [ k ] H q 1 , e [ k ] .

(6)

T
n care zgomotul alb este de forma E e k e k t ,s .

Idea de baz este de a determina vectorul parametrilor astfel nct eroarea de predicie
k , y [ k ] y [ k k 1, ] s fie minim. n aceast abordare y [ k k 1, ] este predicia
optimal a ieirii y k rezultat prin aplicarea metodei celor mai mici ptrate. Pentru a defini metoda
erorii de predicie, utilizatorul trebuie s decid asupra urmtoarelor ci de urmat. Fie s aleag o
structur a modelului, respectiv s parametrizeze G , H , ca funcii de q . Fie s aleag o funcie
criteriu, adic s decid o funcie scalar cu ajutorul creia s evalueze erorile de predicie. Acest criteriu
trebuie minimizat n raport cu q , pentru a determina estimatul cutat.
2.4. Validarea modelului
Procedura de estimare parametric selecteaz cel mai bun model din cadrul structurii de modele aleas.
Prin validarea modelului se poate decide dac modelul este suficient de bun sau nu. Validarea modelului
se poate face pe baza unor tehnici de validare care se descriu n continuare.
Analiza erorilor
Erorile modelului sunt acea parte a valorilor pe care modelul nu o poate reproduce:

k , y [ k ] y [ k
N ]

. Erorile modelului conin informaia despre calitatea modelului; n cazul ideal


erorile modelului ar trebui s fie o secven necorelat. Doar prin examinarea secvenei este dificil de a
decide dac sunt secvena este necorelat sau nu. Mai mult consisten rezult prin combinarea erorilor
cu alte semnale. De aceea este uzual testarea funciilor de covarian r i ru n care u k este

semnalul de intrare. n cazul ideal, funciile de covarian ar trebui s fie egale cu zero (excepie r 0 ).
Dac exist corelaii ntre intrrile de la paii anteriori i erori rezult c o parte a ieirii conine
componente ale secvenelor anterioare ale intrrii care nu au fost descrise corespunztor de ctre model.
Evaluarea formei de variaie a iesirii simulate respectiv a iesirii msurate
2

Comparaie ntre metodele de identificare parametric. Metode de validare a modelului


Const n compararea formelor iesirii msurate, y k i ieirii modelului y k . Pentru un model bun,
aspectul celor dou funcii trebuie s fie asemntor. Comparaia efectuat asupra unor seturi de date
obinute a priori ofer informaii asupra capacitii modelului de a descrie seturi de date noi adic ofer
robusteea modelului.
Metoda anulrii polilor si zerourilor
Const n calculul polilor respectiv a zerourilor funciei de transfer a modelului. Dac se constat c apar
perechi de poli-zerouri care (aproape) se anuleaz reciproc este un indiciu c modelul este de ordin prea
mare. n particular dac se constat c pentru o bun estimare este necesar cresterea ordinului unui
model de tip ARX dar apar perechi poli-zerouri care se anuleaz, atunci un numr de poli sunt necesari
pentru a descrie zgomotul; pentru acest caz trebuie ncercat o structur de modele ARMAX.

4. Probleme de rezolvat
4.1. Exerciiu pregtitor
Fiind dat un set de

N perechi de valori

t k ; yk

care verific expresia unui polinom

y P t t a1 t a 2 . Artai cum pot fi determinai coeficienii polinomului cu metoda celor mai mici
ptrate.
2

Fiind dat setul de eantioane u k i y k ale semnalelor de intrare/ieire se estimeaz sistemul examinat
sub forma unui model de tip MA(2) avnd ecuaia cu diferene:
y k 1 b0 u k 1 b1 u k e k 1

(7)

Rspuns: ___________________________________________________________________________
___________________________________________________________________________________
___________________________________________________________________________________
___________________________________________________________________________________
4.2. Desfurarea lucrrii
In cadrul experimentului se estimeaz parametrii modelului unui sistem descris prin ecuaia cu diferene
care urmeaz.
y k 1.5 y k 1 0.7 u k 0.5 u k 1 e k e k 1 0.2 e k 2

(8)

Rulai aplicaia asociat lucrrii de laborator. Selectai metoda de identificare i gradul polinoamelor. Se
presupune c experimentatorul nu beneficiaz de nici o informaie despre modelul sistemului pe care l
identific. Notai rezultatele n Tabelul 1.
Tabelul 1: Rezultatele experimentului
gradul\metoda

CMMP algoritmul liniar

(A^)

(B^)

(C^)

a1

a2

a3

b1

b2

b3

c1

c2

c3

Lucrarea de laborator nr. 5


Tabelul 1: Rezultatele experimentului
gradul\metoda

Variabilelor instrumentale

gradul\metoda

CMMP algoritmul neliniar

Selectai dou modele ai cror parametri se apropie de parametrii modelului teoretic pe baza criteriului de
evaluare a erorilor i scriei funciile de transfer operaionale ale celor dou modele.
Rspuns: ___________________________________________________________________________
____________________________________________________________________________________
____________________________________________________________________________________
Cu ajutorul mediului de programare MatLab, reprezentai rspunsurile indiciale ale sistemului real i ale
celor dou modele selectate anterior. Decidei care dintre cele dou modele reproduce mai bine
rspunsul tranzitoriu. Decidei care dintre cele dou modele reproduce mai bine rspunsul staionar.
Rspuns: ___________________________________________________________________________
____________________________________________________________________________________
____________________________________________________________________________________
Cu ajutorul mediului de programare MatLab, transformai modelele discrete n modele continue. Apoi,
reprezentai localizarea polilor i a zerourilor funciilor de transfer continue. Verificai prezena perechilor
de poli i zerouri grupate n semiplanul drept i n final validai modelul.

5. Fiele msurtorilor i anexe


5.1. Captura formei principale a aplicaiei cu reprezentrile semnalelor i ale calculelor pentru modelul
validat.
5.2. Graficele rspunsurilor sistemului real i ale modelelor selectate la pasul al doilea.
5.3. Reprezentarea grafic a localizrii polilor i zerourilor modelului optim ales.