Sunteți pe pagina 1din 4

IDENTIFICAREA SISTEMELOR

APLICAII PRACTICE ALE METODELOR DE INDENTIFICARE EXPERIMENTAL A


SISTEMELOR
1. Date de identificare
Nume/Prenume

Semntura

Intocmit
Verificat
Data elaborrii/verificrii

2. Scopul lucrrii
n cadrul acestei lucrri de laborator se vor studia dou aplica ii practice ale metodelelor de indentificare
experimental a sistemelor:
- aproximarea modelelor atunci cnd structura modelului sistemului real nu conine suficiente date
pentru a descrie funcionarea n regim dinamic a sistemului:
- estimarea parametrilor modelelor rezultate prin aplicarea teoriei specifice sistemului dat.

3. Breviar teoretic
3.1. Aproximarea modelelor
n acest paragraf vom examina modul n care identifcarea sistemelor poate fi utilizat pentru
determinarea unor modele aproximative atunci cnd dinamica sistemului real este prea complex pentru
a fi exprimat. Pentru a simplifica studiul vom considera c sistemul nu este afectat de perturba ii. Func ia
de transfer operaional a sistemului real este:

G0 q 1

1.0 q 2 1.3 q 3 0.8 q 4

1.0 1.5 q 1 0.9 q 2 1.0 0.9 q 2 ;

(1)

Simulai rspunsul sistemului aplicnd la intrarea u(t) a sistemului un zgomot alb discret cu valoarea
medie statistic zero si amplitudinea egal cu unitatea. Pentru a genera 100 de valori utilizai funcia
gendata2. n continuare vom estima sistemul de mai sus printr-un model ARMAX de ordin doi, notat G(q1, ) cu ajutorul metodei erorii de predicie si a metodei prefiltrrii datelor.

u F t F q 1 u t
;
y F t F q 1 y t

(2)

Prin filtrare se accentueaz anumite domenii de frecven , depinznd de alegerea filtrului. n fapt o
anumit alegere poate arta c vectorul parametrilor este determinat ca elementul care minimizeaz
funcia:
V

F e
j

G0 e j G e j u d ;
2

n care u este densitatea spectral a semnalului de intrare


Urmtoarele etape pot fi parcurse:

Rev:DA;2012

(3)

Indrumar de laborator
1
- indentificarea sistemului pentru F q 1 . Aceast sarcin poate fi realizat prin rularea funciei
MATLAB lab4d. Rezultatul este evaluat n domeniul frecven elor prin reprezentarea diagramelor Bode ale
modelului, filtrului si dinamicii reale.
1
Presupunnd c F q este un filtru trece-band cu caracteristic de filtrare fin. Folosi i un filtru
Butterworth de ordinul 5. Funcia MATLAB filtdes poate fi util pentru proiectarea acestui filtru. Dup ce
filtrul a fost proiectat (numrtorul si numitorul au fost memorate respectiv n nn li dd). Aceast opera iune
este realizat automat de ctre funcia filtdes, rula i lab4d pentru a realiza procedura de estimare.

Repetai sarcina precedent pentru un filtru care accentueaz cealalt frecven de rezonan .
3.2. Estimarea parametrilor fizici
n continuare se prezint o modalitate de utilizare a procedeelor de indentificare a sistemelor pentru
estimarea parametrilor sistemelor fizice. Se consider un motor de current continuu a crui funcie de
transfer este:

G s

s
K

;
U A s s T s 1

(4)

unde K si T sunt parametrii care trebuie determina i. Prin alegerea pozi iei unghiulare si a vitezei
unghiulare ca variabile de stare, se poate reprezenta motorul n spa iul strilor astfel:

1
0
0

K T u ;
0 1 T

y 1 0 x

(5)

Pentru a genera datele necesare pentru experimentul de identificare este necesar un model discretizat al
motorului de curent continuu, care poate fi obinut din modelul n domeniul continuu al motorului si este
de forma:

x t h F x t G u t
;
y C x t e t

(6)

n care e[t] este zgomotul alb cu valoarea medie statistic zero si varian a 1. Valorile care vor fi utilizate
pentru simularea rspunsului procesului n acest experiment sunt:

K 4

T 0,5

h 0,1 ;

(7)

Comanda u[t] este o und dreapt cu amplitudinea de 0,5, perioada 8 [s] si durata total de 80 [s].
Mrimea de intrare este o und dreapt cu amplitudinea de 0,5 si perioada de 8 s; durata total a
simulrii este de 80 s. Scopul lucrrii este de a estima parametrii fizici T constanta de timp si K
constanta electric ale mainii.

4. Probleme de rezolvat
4.1. Exerciiu pregtitor
Determinai relaiile de calcul ale parametrilor fizici K si T pornind de la funcia de transfer operaional
a motorului de curent continuu:

G q

b1 q b2
;
q a1 q a2

(8)

n care perioada de esantionare este cunoscut.


2

Aplicaii practice ale metodelor de indentificare experimental a sistemelor


Indicaie: se porneste de la expresia funciei de transfer a procesului continuu i se calculeaz func ia de
transfer operaional.
Determinai dependenele dintre parametrii {a1;a2;b1;b2} i parametrii fizici ai procesului rezult prin
indentificare. In continuare se estimeaz parametrii K si T pe baza datelor rezultate din msurtori. Se
utilizeaz metoda de estimare a erorii de predicie aplicat modelului parametrizat al procesului dup cum
urmeaz:

0 1
0
x u

0 1
2 ;
y 1 0 x e

(9)

Relaia dintre parametrii modelului si parametrii modelului n spa iul strilor este urmtoarea.

1
1

2
;
1

(10)

4.2. Desfurarea lucrrii


Aproximarea modelelor
% lab6.m
% Aproximarea modelelor. Efectele domeniului de frecventa
num=[0 0 1 -1.3 0.8];
den=conv([1 -1.5 0.9],[1 0 0.9]);
[msys,psys,w]=dbode(num,den,1);
u=sign(randn(100,1));
y=filter(num,den,u);
z=[y u];
nn=1;dd=1;
clf
% estimarea parametrilor pe baza datelor filtrate
filtnum=nn;input('introduceti numaratorul fdt al filtrului intre [] ')
filtden=dd;input('introduceti numaratorul fdt al filtrului intre [] ')
yf=filter(filtnum,filtden,y);
uf=filter(filtnum,filtden,u);
that1=armax([yf,uf],[2 2 2 1]);
[a1,b1,c1]=polyform(that1);
[m1,p1]=dbode(b1,a1,1,w);
[mf,pf]=dbode(filtnum,filtden,1,w);
format short
subplot(121)
loglog(w,m1,w,msys,'--',w,mf,':')
title('Frequency functions');
xlabel('Angular frequency');ylabel('Amplitude');
mmax=max(max(m1),max(max(msys),max(mf)))+10;
axis([0.1 10 0.1 mmax])
legend('Est','Sys','Filt',0)
subplot(122)
semilogx(w,p1,w,psys,'--');hold off;
title('Frequency functions');
ylabel('Phase');xlabel('Angular frequency');
Estimarea parametrilor fizici
T=0.5; function lab6parfiz
clc
close
%parametrii modelului
K=4;
3

Indrumar de laborator
ramp=1;
lambda=1;
a=0.5;
h=0.1;
tper=8;
ttot=80;
%modelul motorului
A=[0 1;0 -1/T]; B=[0;K/T]; C=[1 0];%reprezentarea in spatiul starilor
[F,G]=c2d(A,B,h);%conversia din continuu in discret a modelului
%[bsys,asys]=ss2tf(F,G,C,0,1)
%generarea semnalelor
time=0:h:ttot;
np=ttot/h;
e=randn(np+1,1)*sqrt(lambda);
rr=kron(ones(ttot/tper/2,1),[1;-1]);%matricea lui Kronecker
u=kron(rr,ones(tper/h,1));u=[1;u(:)];
[y0,x]=dlsim(F,G,C,0,u);
y=y0+e;
Aest=[0 1;0 1]; Best=[0;1]; Cest=[1 0]; Dest=0;Kest=[0; 0];xest=[0;0];
% ms2=modstruc(Aest,Best,Cest,Dest,Kest,xest);
% thguess=[-1,1];
% th2=idss(ms2)
th2=idss(Aest,Best,Cest,Dest,Kest,xest,0.01);
thest=pem([y u],th2)
plot(time,[y,u])
Notai n tabelul de mai jos valorile estimate ale parametrilor fizici ai modelului.