Documente Academic
Documente Profesional
Documente Cultură
Modele de identificare
.
Modele
Modele parametrice
parametrice
Clase
Clase uzuale
uzuale de
de modele
modele liniare
liniare
ARMAX
Clasa ARMAX
ARMAX[na,nb,nc,nk
ARMAX[na,nb,nc,nk]]
indici
ntrziere
structurali intrinsec
Uzual
Uzual
nk = 1
RSISO
De stare
2
E
{
e
[
n
]
e
[
m
]}
=
0 [n m]
n, m N
1
1
nb
1 nk
=
+
"
+
B
q
b
q
b
q
q
(
)
(
)
ARMAX[na,nb,nc
]
1
nb
ARMAX[na,nb,nc]
Necunoscutele
Necunoscutele
modelului
modelului
Funcii
Funcii de
de
sistem
sistem
indicii scructurali: na nb nc
dispersia zgomotului alb: 2
n
n mod
ntrzierea intrinsec
este
,
mod normal,
normal, ntrzierea
intrinsec
este cunoscut
cunoscut,
altfel
unitar
.
altfel ea
ea este
este implicit
implicit considerat
considerat
unitar.
Filtru de sistem
u
H (H
q
H
B ( q 1 )
)= B/A
B/A1
def
A (q
(polinoame)
Reprezentare
Reprezentare
sistemic
sistemic
GG
(Gq
C ( q 1 )
Filtru de
( ) zgomot
) =C/A
C/A
A q 1
def
53
4/22
Modele de identificare
.
Modele
Modele parametrice
parametrice
Clasa ARMAX
Modele
Modele particulare
particulare
ARX[na,nb
,<nk>]
ARX[na,nb,<nk>]
AR[na
AR[na]]
2
E{e[n]e[m]} = 0 [n m]
n, m N
C ( q 1 ) = 1
A ( q 1 ) y[n] = e[n]
2
E{e[n]e[m]} = 0 [n m]
B ( q 1 ) = 0 C ( q 1 ) = 1
n, m N
OE[na,nb
,<nk>]
OE[na,nb,<nk>]
ARMA[na,nc
]
ARMA[na,nc]
2
E{e[n]e[m]} = 0 [n m]
n, m N
A ( q 1 ) y[n] = C ( q 1 ) e[n]
2
E{e[n]e[m]} = 0 [n m]
( )
( )
date
A q 1 = C q 1
msurate
date simulate
B ( q 1 )
eroare
=
y
n
u
n
e
n
[
]
[
]
[
]
de ieire
A( q 1 )
n, m N
B ( q 1 ) = 0
n, m N
54
5/22
Modele de identificare
.
Modele
Modele parametrice
parametrice
Clase
Clase uzuale
uzuale de
de modele
modele liniare
liniare
ARMAX
RSISO
Clasa RSISO
Modele
Modele de
de tip
tip SISO
SISO Raionale
Raionale
RSISO[na,nb,nc,nd,nf
,<nk>]
RSISO[na,nb,nc,nd,nf,<nk>]
indici
structurali
Reprezentare
Reprezentare sistemic
sistemic
ntrziere
intrinsec
e
Filtru de G C/(AD)
G C/(AD)
zgomot
Filtru de sistem
u
H
H B/(AF)
B/(AF)
De stare
1
1
B
q
C
q
(
)
(
)
1
u[n] +
e[n]
A ( q ) y[n] =
1
1
F (q )
D (q )
2
E{e[n]e[m]} = 0 [n m]
n, m N
D ( q 1 ) = 1 + d1q 1 + " + d nd q 1
F ( q 1 ) = 1 + f1q 1 + " + f nf q 1
H (q
)= A
def
B ( q 1 )
(q ) F (q )
1
G (q
)= A
def
polinoame
+
polinoame
coprime
(D, F) = 1
C ( q 1 )
(q ) D (q )
1
(cmmdc)
55
Modele de identificare
.
6/22
Modele
Modele parametrice
parametrice
Modele
Modele particulare
particulare
Clasa RSISO
ARMAX[na,nb,nc
,<nk>]
ARMAX[na,nb,nc,<nk>]
BJ[nb,nc,nd,nf
,<nk>]
BJ[nb,nc,nd,nf,<nk>]
RSISO[na,nb,nc,
0,0,<nk>]
RSISO[na,nb,nc,0,0,<nk>]
D ( q 1 ) = 1 F ( q 1 ) = 1
(Box Jenkins)
B ( q 1 )
C ( q 1 )
Filtrul de sistem i filtrul de zgomot nu au poli comuni.
u[n] +
e[n] Decuplarea dintre partea util i cea parazit este necesar n
y[n] =
1
1
F (q )
D (q )
E
e
n
e
m
n
m
{
[
]
[
]}
[
]
0
n, m N dac identificarea sa nu ar fi att de dificil.
A ( q 1 ) = 1
Clase
Clase uzuale
uzuale de
de modele
modele liniare
liniare
ARMAX
RSISO
De stare
T
E{e[ n ]e [ m]} = e ( )0 [ n m]
Acest
pe
Acest curs
curs se
se concentreaz
concentreaz
pe
T
identificarea
identificarea modelelor
modelelor din
din clasa
clasa
E{w[ n]w [ m]} = w ( )0 [ n m]
ARMAX
E{e[ n ]wT [ m]} = ( ) [ n m]
ARMAX..
e,w
0
n, m N
56
7/22
Modele de identificare
.
y[ n] = T [ n] + e[ n]
Forma
Forma de
de regresie
regresie liniar
liniar
n N
Ie
irea depinde
Ieirea
depinde liniar
liniar de
de vectorul
vectorul
parametrilor
i.
parametrilor necunoscu
necunoscui.
ARMAX[na,nb,nc
]
ARMAX[na,nb,nc]
Vectorul
Vectorul regresorilor
regresorilor
FFormat
ormat din
surate i,
i, eventual,
din date
date m
msurate
eventual, estimate
estimate..
T def
u[ n 1] u[ n 2] " u[ n nb]
...
[ n] = y[ n 1] y[ n 2] " y[ n na ]
3 componente,
... e[ n 1] e[ n 2] " e[ n nc ]]
ca i vectorul parametrilor
T def
Ultima
Ultima component
component
b1 b2 " bnb
c1 c2 " cnc
= a1 a2 " ana
nu
surabil. n N
nu este
este m
msurabil.
Exerciiu
Exerciiu S se indice toate modelele din clasa ARMAX
Dar
, fapt
Dar poate
poate fifi estimat
estimat,
fapt care
care
pentru care vectorul regresorilor conine
complic
metoda
complic
metoda de
de identificare
identificare
numai componente msurabile.
ii reduce
reduce precizia
precizia modelului
modelului..
Stabilitatea
Stabilitatea modelelor
modelelor parametrice
parametrice raionale
raionale
A ( z 1 ) = 1 + a M ,1 z 1 + " + a M ,M z M = z M ( z M + a M ,1 z M 1 + " + a M ,M )
( z 1 ) = z M A ( z +1 ) = z M + a z1 M + " + a
A
M ,1
M ,M
Coeficient
Coeficient
de
de reflexie
reflexie
def
k M = aM , M
def
57
Criteriul
Criteriul
Hurwitz
Hurwitz
8/22
Modele de identificare
Sisteme
Sisteme continue
continue
Criteriul
r-Cohn
Criteriul de
de stabilitate
stabilitate Sch
Schr-Cohn
((Sisteme
Sisteme discrete)
discrete)
Date
Date de
de intrare
intrare
m = M (primul indice)
k M = aM , M (primul coeficient de reflexie)
Ini
ializare
Iniializare
Bucl
iterativ
Bucl
iterativ
T
t timp
T CCt
timp
km < 1
&
m>0
Dac
m >1
Dac
a.
polinomul
tor, care
te at
t polinomul
a.Se
Se evalueaz
evalueaz
polinomul urm
urmtor,
care folose
folosete
att
polinomul curent,
curent,
cct
t ii polinomul
polinomul reciproc
reciproc asociat:
asociat:
( z 1 )
A m ( z 1 ) k m A
m
1
A m1 ( z ) =
= am1,0 + am1,1 z 1 + " + am1,m1 z1 m
2
1 km
am 1,0 = 1
b.
xtrage coeficientul
tor de
b.Se
Se eextrage
coeficientul urm
urmtor
de reflexie:
reflexie: k m 1 = am 1,m 1
Se
indicele
Se decrementeaz
decrementeaz
indicele curent
curent:: m m 1
Test
Test final
final
m>0
km 1
m=0
{k }
i
i1, M
Polinomul
Polinomul este
este instabil
instabil..
[0,1)
Polinomul
Polinomul este
este stabil
stabil..
To
i coeficien
ii de
Toi
coeficienii
de
reflexie
reflexie se
se situeaz
situeaz
n
n discul
discul unitar
unitar..
58
9/22
Modele de identificare
.. Problema
rii modelelor
Problema identific
identificrii
modelelor parametrice
parametrice
Contextul
Contextul de
de lucru
lucru
P ((
**)
u [n]
Vectorul parametrilor
estimai folosind un
orizont de msur de
dimensiune N, vector
renotat prin:
y [n]
U
M (()
)
N R n
V (()
) | P(()
)
yM [n,]
Optimizare
Consisten
convergena
statistic
Eficien
viteza de
convergen
59
10/22
Modele de identificare
.. Propriet
i statistice
Proprieti
statistice dezirabile
dezirabile ale
ale estimaiilor
estimaiilor parametrice
parametrice
Nedeviere
E{ N } =
Exemplu
Exemplu
Cazul
Cazul parametrului
parametrului scalar
scalar
N N
E {^
N}
^
N
*
lim E{ N } =
Nedeviere
asimptotic
asimptotic
Exemplu
Exemplu
Cazul
Cazul parametrului
parametrului scalar
scalar
E {^
N}
^
N
*
N1
N2
...
Np N
PProprietate
roprietate destul
ii
destul de
de restrictiv
restrictiv
dificil
n practic
.
dificil de
de verificat
verificat n
practic.
N2
...
Np N
Deviaie
def
N = E{ N }
Proprietate relaxat
relaxat
N1
N N
lim E{ N } = lim N = 0
60
11/22
Modele de identificare
Proprieti statistice dezirabile ale estimaiilor parametrice
lim N =
Consisten
Exemplu
Exemplu
Cazul
Cazul parametrului
parametrului scalar
scalar
E {^
N}
^
N
n jurul mediei (sau al valorilor adevrate).
Raportul dintre consisten i nedeviere (asimptotic)
este ilustrat de urmtoarea proprietate:
*
Exerciiu
Estimaiile consistente pot fi deviate, dar
Exerciiu
sunt ntotdeauna asimptotic nedeviate.
(cletele consistenei)
O alt proprietate interesant este legat de
conceptul de varian a erorii de estimare.
2 ( ) = E {
def
} R
Produsul
Produsul interior
interior (scalar).
(scalar).
Matrice
-covarian
Matrice de
de auto
auto-covarian
def
P( ) = E{( )( ) } R
Produsul
Produsul exterior.
exterior.
nn
N1
N2
...
Np N
Toate
rile estima
iilor converg
Toate realiz
realizrile
estimaiilor
converg la
la
valoarea
rat.
valoarea adev
adevrat.
( )
Exerciiu
N = lim P N = 0
Exerciiu Nlim
N
Dispersie
Dispersie tot
tot mai
mai mic
mic
n
n jurul
jurul mediei
mediei..
se poate
poate
lim 2 ( N ) = 0 se
N
ar
ta
arta
Consisten
a este
.
Consistena
este proprietatea
proprietatea cea
cea mai
mai important
important.
61
12/22
Modele de identificare
Proprieti statistice dezirabile ale estimaiilor parametrice
Eficien
P ( N ) P ( N )
n
n sensul
sensul pozitiv
pozitiv
N
N
(semi
-)definirii.
(semi-)definirii.
Eficiena este asimilat cu viteza de consisten.
1 ( A ) 0
xT Ax 0
x Rn
2 ( A) 0
( A ) R +
spectrul
matricii
#
det( A ) 0
determinanii
Sylvester
~
E { N}
Cazul
Cazul parametrului
parametrului scalar
scalar
E {^
N}
^
N
dac:
P ( N ) P ( N ) 0
lim N = lim P ( N ) = 0
Exemplu
Exemplu
N
N1
N2
...
Np N
Consisten
rapid
.
Consisten
rapid.
N1
N2
...
Consisten
lent
.
Consisten
lent.
Np N
62
Modele de identificare
13/22
.. Exerci
ii rezolvate
Exerciii
rezolvate
Exerci
iul 2.1
Exerciiul
2.1
Fie
i
Fie ee un
un zgomot
zgomot alb
alb de
de medie
medie nul
nul
i varian
varian unitar
unitar care
care stimuleaz
stimuleaz
intrarea
se
intrarea unui
unui model
model AR[1].
AR[1]. SS
se determine
determine secvena
secvena de
de auto
autocovarian
.
covarian aa zgomotului
zgomotului colorat
colorat rezultat,
rezultat, yy.
Solu
ie
Soluie
63
Modele de identificare
Solu
ie ((Exerciiul
Exerciiul 2.1)
Soluie
2.1)
14/22
Exerciii rezolvate
64
Modele de identificare
.
15/22
Exerciii rezolvate
Exerci
iul 2.2
Exerciiul
2.2
Fie
i
Fie ee un
un zgomot
zgomot alb
alb de
de medie
medie nul
nul
i varian
varian unitar
unitar care
care stimuleaz
stimuleaz
intrarea
se
intrarea unui
unui model
model MA[1].
MA[1]. SS
se determine
determine secvena
secvena de
de auto
autocovarian
modelul
covarian aa zgomotului
zgomotului colorat
colorat rezultat,
rezultat, yy.. Dac
Dac
modelul MA
MA are
are
ordinul
se
secvena
-covarian aa ieirii
ordinul nc
nc,, ss
se arate
arate cc
secvena de
de auto
auto-covarian
ieirii are
are
suport
c are
r finit
suport finit
finit (adi
(adic
are un
un num
numr
finit de
de valori
valori nenule)
nenule) i
i s
s se
se
determine
aa suportului.
determine dimensiunea
dimensiunea maxim
maxim
suportului.
Solu
ie
Soluie
65
Modele de identificare
Solu
ie ((Exerciiul
Exerciiul 1.2)
Soluie
1.2)
16/22
Exerciii rezolvate
66
17/22
Modele de identificare
.
Exerciii rezolvate
Exerci
iul 2.4
Exerciiul
2.4
Echivalena
Echivalena dintre
dintre 22 modele
modele matematice
matematice
((densiti
densiti spectrale
).
spectrale de
de ieire
ieire identice
identice).
2 zgomote
e
C/A
v
x
1 zgomot
E {e[ n]e[ n k ]} = 2e 0 [ k ], k Z
(alb)
E {v[ n]v[ n k ]} = 2v 0 [ k ], k Z
(alb)
B/A
B ( q 1 )
A (q
w[n], n N
67
Modele de identificare
Solu
ie ((Exerciiul
Exerciiul 2.4)
Soluie
2.4)
18/22
Exerciii rezolvate
densit
i spectrale
densiti
spectrale de
de ieire
ieire identice
identice
autocovariane
autocovariane de
de ieire
ieire identice
identice
68
Modele de identificare
Solu
ie ((Exerciiul
Exerciiul 2.4)
Soluie
2.4)
19/22
Exerciii rezolvate
69
Modele de identificare
Solu
ie ((Exerciiul
Exerciiul 2.4)
Soluie
2.4)
20/22
Exerciii rezolvate
70
Modele de identificare
Solu
ie ((Exerciiul
Exerciiul 2.4)
Soluie
2.4)
21/22
Exerciii rezolvate
71
Modele de identificare
Solu
ie ((Exerciiul
Exerciiul 2.4)
Soluie
2.4)
22/22
Exerciii rezolvate
Deoarece
0, are
Deoarece bb000,
are loc
loc transmisia
transmisia instantanee
instantanee aa zgomotului
zgomotului la
la ieire,
ieire,
aa
aa cum
cum era
era de
de ateptat.
ateptat.
Examen: Echivalai un model AR avnd 2 zgomote cu
72