ntrebri pentru examen

1. Ce ntelegeti prin identificarea unui sistem?

Prin identificarea unui sistem se nelege un procedeu experimental i/sau
urmat de un algoritm n urma cruia/crora se obine modelul sistemului. Modelul
este o reprezentare a aspectelor eseniale ale unui sistem existent sau care
urmeaz s devin realitate. Identificarea presupune o etap de achiziie de date,
utilizarea unui algoritm de calcul cu ajutorul cruia se obin parametrii modelului
sistemului; validarea acestui model.
2. Cum se pregtete un experiment pentru identificarea unui proces
dat?

Sistemul trebuie izolat fa de mediu;

variabilele de intrare care influeneaz ieirea;

se pot aplica semnale de prob sau este necesar observarea n funcionarea

normal a procesului;

limitele admise ale semnalului de prob;

alegerea semnalului de prob adecvat pentru a obine informaii ct mai

bogate despre proces;

procesul se identific n bucl nchis sau n bucl deschis;

timpul maxim de realizare a experimentului;

Selectarea unei clase de modele prin care se aproximeaz procesul;

ponderea zgomotului n semnalul de ieire al sistemului;

Stabilirea procedurii i metodei de procesare a datelor.

3.
n ce const validarea modelului unui sistem obinut dup
parcurgerea unui algoritm de identificare?
Operaie care const n testarea funcionrii modelului comparativ
cu cea a procesului, atunci cnd se iniiaz o nou sesiune de stimulare a
ambelor entiti cu aceeai intrare.
Eroarea dintre proces i model trebuie
s aib caracteristicile unui zgomot alb
normal distribuit (Gaussian).

Zgomot alb - zgomot de band larg i aleator, caracterizat prin energie egal pe
lime de band constant.
Validarea unui model de identificare trebuie s se efectueze pe un alt set de date
dect cel utilizat pentru determinarea modelului.
4.
Cine garanteaz faptul c n urma procedurii de identificare s-au
captat toate dinamicile sistemului din datele utilizate ?
Reziduul modelului trebuie s aib caracteristicile unui zgomot alb
normal distribuit. Acest lucru implic faptul c

(impulsul Dirac);

5.
Prin ce se caracterizeaz semnalul pseudoaleator binar?
Un semnal pseudo-aleator binar (SPAB) este un semnal determinist (cu valori +/- a i cu momente de
comutare cunoscute), dar cu caracteristici statistice apropiate de cele ale zgomotului alb, deci
utilizabile comod la identificarea sistemelor.
Pentru generarea unui SPAB, se utilizeaz un registru de deplasare cu reacie, implementat cu ajutorul
operatorului SAU-exclusiv.

Semnalul pseudoaleatoar binar are urmtoarele proprieti:

1.

semnalul are dou nivele( +a respectiv -a) i poate trece de la un nivel la

altul numai la anumite momente de timp bine determinate;

2. este un semnal periodic de perioada Tp=N T , N=2n-1, unde n reprezint

numrul celulelor registrului de deplasare;
3. n cadrul unei perioade exista (N+1)/2 situaii cnd semnalul ia valoarea -a i
(N-1)/2 situaii cnd semnalul ia valoarea +a;
4.

5.

efectund o permutare ciclic asupra unei succesiuni date, se obine un

semnal care, comparat cu cel original, prezint un numr de coincidene care
difer cu o unitate de numrul de necoincidene;
funcia de autocorelaie a semnalului este ilustrat n figur

6. Care sunt motivele pentru care zgomotul alb se aproximeaz cu un

semnal aleator de
banda limitata, in cazul identificrii sistemelor?
Zgomotul alb nu se poate obine fizic, deoarece ar necesita un generator de energie
infinit pentru a furniza o putere constant n toat gama de frecven. De regul,
un asemenea semnal nu este necesar deoarece procesele ntlnite au band de
frecven limitat. Din acest motiv se utilizeaz semnale aleatoare de band
limitat. Acestea au proprieti (funcia de autocorelaie, funcia densitate
spectral) similare cu cele ale zgomotului alb.
8. Realizai o clasificare a modelelor de identificare.
Modelele de identificare se clasifica dupa cum urmeaza :
Analitice experimentale
Liniare neliniare
Parametrice neparametrice
Invariante in timp variabile in timp
Single input single output (SISO) Multiple inputs multiple output
(MIMO)
Single input multiple outputs (SIMO) Multiple inputs single output
(MISO)
In timp continuu in timp discret
Cu parametri concentrati cu parametri distribuiti
In domeniul timpului in domeniul frecventei
9. Este posibil ca intr-o aplicaie de conducere sa se lucreze cu un model
redus al sistemului sau un model diferit de modelul sistemului? Justificai
rspunsul.
Da, este posibil, atunci cnd sistemul opereaz (n timpul funcionrii), iar
manifestarea acestuia n aceste condiii este echivalent cu un sistem redus.
11. Explicai care este diferena dintre validarea reziduurilor i validarea
modelului.
- Validare reziduuri - se folosete acelai lot de date, realiznd testarea proprietilor
ym i ys
- Validare model - se folosete un lot diferit de date
VR: (t) = ys(t) ym(t) unde trebuie sa aib propritile zgomotului alb (R i S)
VM: (t) = ys(t) ym(t) unde ys(t) ys(t)
3

12. Care sunt aspectele negative ntlnite n cazul metodelor de

identificare ce utilizeaz analiza indiciala?
- sistemul trebuie decuplat din mediul n care este utilizat pentru a obine
realizrile dorite.
- Pot aprea situaii cnd semnalul de intrare poate duce sistemul n zona de
neliniaritate cu consecine nefavorabile n ceea ce privete acurateea
modelului obinut.
- Parametrii sistemului se determin utiliznd doar informaii punctuale. Din
acest motiv rezult erori de modelare.
13.
Ce tip de conversie se realizeaz prin metoda descompunerii funciei
pondere printr-o sum de triunghiuri, dar prin metoda suprafeelor?
Triunghiuri conversie neparametric neparametric. Se pleac de la o
reprezentare neparametric n domeniul timp (rspunsul la impuls al sistemului) i
se ajunge tot la o reprezentare neparametric dar n domeniul frecvenelor
(hodograful sistemului).
Metoda suprafeelor conversie neparametric parametric. Se pleac
de la o reprezentare neparametric n domeniul timp (rspunsul la semnal treapt
al sistemului) i se ajunge la o reprezentare parametric (funcie de transfer).
15.
Care sunt avantajele utilizrii funciei de corelaie polar pariala n
cadrul identificrii cu semnale de prob periodice?

1 T
Rxe xi ( ) xe ( t ) xi ( t )dt
T 0
-

perturbaiile influeneaz ntr-o msur mai mic rezultatul identificrii,

-

precizia metodei este uniform n toat banda de frecven a procesului

analizat,

metoda se poate utiliza att pentru procese liniare ct i pentru procese

neliniare, caz n care se determin funcia de descriere.

16. Cum ar trebui s procedai n cazul metodei suprafeelor pentru a

obine parametrii (kA,a1,a2,...) cu o precizie ridicat?
Se poate face i un desen..
Se aplic sistemului un semnal de tip treapt. Din rspunsul sistemului n
regim staionar trebuie reinut doar o mic poriune. Apoi se face o medie acestor
valori pentru a obine coeficientul kA\
4

G (s)

1
1 a1 s a2 s 2

17. Cum justificai faptul c eroarea de calcul a

coeficientului a1 determin erori de calcul majore n calculul coeficientului
a2 n cazul metodei suprafeelor? Funcia de transfer a sistemului se
consider de forma

n calculul coeficientului a2 se utilizeaz valoarea estimat a lui a1. Deci, obligatoriu erorile
de calcul (estimare) n cazul coeficientului a 1 se vor propaga n calculul coef. a2. Pentru a obine o
precizie mai bun se poate nlocui a1 cu valoarea lui adevrat, dac ea se cunoate.

18. Ce proprietate trebuie s aib reprezentarea parametric sau

neparametric a unui proces supus identificrii ?
Capabilitate de captare a tuturor dinamicilor sistemului.
20. Cum procedai, n cazul identificrii sistemelor cu semnale de prob
deterministe sinusoidale pentru a nu obine rezultate eronate, n ceea ce
privete procesarea datelor cu ajutorul funciei de corelaie polar parial
?
Se aplic un semnal sinusoidal care se menine pn ce amplitudinea i faza
semnalului de ieire se stabilizeaz.
Ar trebui fcut i un desen..
este utilizat pentru a pondera cu aceeai valoare criteriul n toat banda de frecvene

22. n ce condiii se poate obine direct funcia pondere utiliznd analiza

de corelaie?
Cnd se aplic la intrarea sistemului:
- semnal aleatoriu
- semnal pseudo aleator binar
- zgomot alb

23. Cum se definete un estimator nedeviat ?

se numete estimator nedeviat (fr pierderi) a lui , dac

se numete estimator consistent a lui a lui , dac

30. Care este cea mai sever cerin pentru aplicarea estimatorului de risc minim i cum se
rezolv aceast cerin ?
Trebuie cunoscut funcia densitate de probabilitate a parametrilor p(). Se determin utiliznd alt
estimator care nu utilizeaz aceast ipotez i apoi n urma analizei proprietilor statistice a
lui
se determin p().

Aceste metode au la baz principiul ajustrii ciclice, a parametrilor funciei criteriu. Vectorul
parametrilor se partiioneaz, de exemplu, n 2 vectori
, iar minimizarea funciei criteriu se
face mai nti n raport cu x i apoi cu y. Se recurge la acest procedeu n situaia cnd minimizarea
funciei criteriu numai n raport cu x sau y implic un volum de calcul mai mic sau n cazul cnd
funcia criteriu este ptratic n raport cu x sau y, dar nu este ptratic n raport cu .

33. Explicai de ce metoda de conversie neparametric-parametric n

domeniul timp care utilizeaz algoritmul Gauss-Newton este sensibil la
variaiile punctului iniial.
Funcia criteriu are mai multe minime locale, iar trecerea peste ele se face greu
cnd factorul de ajustare este mic. Dificultile pot fi depite dac punctul iniial
este determinat utiliznd o procedur de tip Monte Carlo.
34. Prin ce se caracterizeaz algoritmul de optimizare Gauss Newton?
evit calculul derivatelor de ordinul 2
matricea P(k) este o matrice cel puin semi-pozitiv definit, deci este garantat
convergena algoritmului
n jurul punctului de minim, P(k) este o bun aproximare pentru matricea Hessian

35. Care este semnificaia mrimilor e(t) i

36. Care este una din condiiile ca estimaia CMMP n dou etape s fie asimptotic orict de
apropiat de parametrii reali ai sistemului?
Condiia este ca estimaia zgomotului s fie ct mai bun sau altfel spus
s aib o valoare suficient de mic.

37. Ce se determin in cazul algoritmului de variabila intrumental si de ce

se numete de variabil instrumental?
Se determin doar partea determinist a sistemului utiliznd un vector z(t) fr
semnificaie fizic, vector care este considerat doar un instrument de lucru. De aici
deriv i denumirea de variabil instrumental.
(A2, B2)

40. Care dintre urmtoarele metode: - cele mai mici ptrate, cele mai mici
ptrate generalizat este o metoda iterativ ? Justificai rspunsul.
Ambele metode sunt iterative, deoarece se determin succesiv o estimaie din ce n
ce mai
bun. Metoda se termin cnd este ndeplinit condiia de stop.
41. Metoda celor mai mici ptrate - algoritmul on line, este o metod iterativ, recursiv sau
iterativ i recursiv? Justificai rspunsul.
MCMMP este iterativ i recursiv; iterativ deoarece se determin succesiv o estimaie din ce n ce
mai bun; recursiv deoarece pentru obinerea estimaiei parametrilor se utilizeaz o relaie
forma

43. n ce const identificarea parametric on-line i n ce cazuri se

utilizeaz ?
n cadrul metodelor recursive de estimare a parametrilor modelului, datele sunt
preluate de la proces i procesate pe msur ce devin disponibile.
Aceste metode sunt preferate n urmtoarele cazuri:

la implementarea structurilor de control adaptiv;

cnd procesul sau/i zgomotul sunt caracterizate de parametrii lent variabili

n timp;

cnd se dorete continuarea experimentului de identificare pn la

obinerea unei precizii de aproximare, impus a priori;

Cei mai utilizai algoritmi recursivi sunt variante ale estimatorilor CMMP,
verosimilitii maxime i variabilei instrumentale.
Algoritmii on-line nu sunt ntotdeauna algoritmi n timp real, deoarece timpul
de estimare a parametrilor, n unele situaii, este mai mare dect perioada de
eantionare a datelor.

Sunt ponderate informaiile false din trecut.

45. Ce nelegei prin identificarea off-line?

Sunt preluate date de la proces, se aplic o metod de identificare pentru a fi
obinut o estimaie a parametrilor procesului. Toat aceast procedur este
realizat separat (decuplat) de proces.
47. Cum se face validarea parametrilor obinui n cazul identificrii cu ajutorul metodei celor
mai mici ptrate?
Structura modelului se mai poate determina analiznd proprietile reziduului aleator, care reprezint
diferena dintre ieirea sistemului i ieirea modelului (t)=ys(t)-ym(t).
Dac
precizia parametrilor obinui este bun, atunci proprietile reziduului aleator trebuie s fie
sensibil apropiate de proprietile zgomotului alb. Funcia de autocorelaie dat de relaia
urmtoare
unde (n+j)=(j),
trebuie s ia valori apropiate de cele ale impulsului Dirac.