Universitatea Tehnic a Moldovei

Facultatea Calculatoare Informatic i Microelectronic

Catedra Automatic i Tehnologii Informaionale

RAPORT
la Modelare i Identificare
Varianta 7
la Laborator nr. 4
Tema : Identificarea parametric MATLAB.

A efectuat :

st. gr. AI-141 Morcodeanu tefan

A verificat:

Cojuhari Irina
Chiinu 2016

Partea I Convertirea modelului continuu in model discret, utiliznd MATLAB.

1
1. H(s) = 4 s +6 s2 +3 s +2
3

>> den = [1]

>> num = [4 6 3 2]
>> H1 = tf(den, num)
>> step (H1)
>> Hd = c2d(H1, 0.1)

Obinem funcia de transfer discret

2

4.013e-005 z + 0.0001546 z +3.724e-005

3
2
H(s) =
z 2.854 z +2.715 z0.8607

>> hold on
>> step Hd

Fig.1. Funcia de transfer n domeniul discret.

2. H(s) =

2 s 3 +3 s +1
5 s3 +6 s2 +7

>> den = [2 0 3 1]
>> num = [5 6 0 7]

>> H = tf(den, num)

>> step(H)
>> Hd = c2d(H, 0.1)
Obine funcia de tranfer n domeniul discret
H(s) =

0.4 z3 1.197 z2 +1.2 z0.4028

3
2
z 2. 886 z +2.774 z0.8869

>> hold on
>> step(Hd)

Fig.2. Funcia de transfer n domeniul discret.

3. H(s) =

2 s2 +3 s+1
4
3
2
5 s + 6 s +7 s + 2 s+1

>> den = [2 3 1]
>> num = [5 6 7 2 1]
>> H = tf(den, num)
>> step(H)
>> Hd = c2d(H, 0.1)
Funcia de tranfer obinut :
H(s) =
>> hold on
>> step(Hd)

0.002018 z 3 +0.001707 z 20.002046 z+ 0.001754

z 4 3.874 z 3+ 5.634 z 23.648 z +0. 8869

Fig.3. Funcia de transfer discret.

Partea II Identificarea sistemelor n baza modelelor parametrice din linia de

comand MATLAB.
H(s) =

1
9 s +2 s+1
2

>> sisc=tf ([1],[9 2 1])

step (sisc)
sisd=c2d (sisc,0.01)
hold on
step (sisd)

% se creeaz un sistem continuu n timp

% se reprezint grafic rspunsul la treapt unitar
% se convertete sistemul la timp discret
% pe acelai grafic

Funcia de transfer discret : H(s) =

5.551e-006 z+5.547e-006
2
z 1.998 z +0.998

Fig.4. Funcia de transfer n domeniul discret.

>> [y,t]= step (sisd);
% se evalueaz rspunsul la treapt unitar
u1=sign ( randn (size (t) ) ); % se creeaza o intrare binar- aleatoare
[y1,t]=lsim (sisd, u1, t); % se evalueaz rspunsul prin simulare
z=[y1 u1];

Fig.5. Calculul erorilor.

>> m1=pem(z,[2 2 2 1 1 1])
plot(m1)
Discrete-time IDPOLY model: A(q)y(t) = [B(q)/F(q)]u(t) + [C(q)/D(q)]e(t)
A(q) = 1 - 1.998 q^-1 + 0.9978 q^-2
B(q) = 5.551e-006 q^-1 + 5.547e-006 q^-2
C(q) = 1 - 0.05867 q^-1 + 0.3419 q^-2
D(q) = 1 - 0.9953 q^-1
F(q) = 1 - 5.526e-015 q^-1

>> e=pe(z, m1);

plot(e)

Fig.6. Calculul erorilor de reprezentare.

% se calculeaz erorile de reprezentare

Fig.7. Calculul erorilor de reprezentare.

>> m=iv4(z,[2 2 2])
plot(m)
Discrete-time IDPOLY model: A(q)y(t) = B(q)u(t) + e(t)
A(q) = 1 - 1.998 q^-1 + 0.9978 q^-2
B(q) = 5.551e-006 q^-1 + 5.547e-006 q^-2

>> e=pe(z, m);

plot(e)

Fig.8. Calculul erorilor de reprezentare.

% se calculeaz erorile de reprezentare

Fig.9. Calculul erorilor reprezentate.

>> thd1=armax(z, [2 2 2 1])
plot(thd1)
Discrete-time IDPOLY model: A(q)y(t) = B(q)u(t) + C(q)e(t)
A(q) = 1 - 1.998 q^-1 + 0.9978 q^-2
B(q) = 5.551e-006 q^-1 + 5.547e-006 q^-2

C(q) = 1 + 0.7291 q^-1 + 0.7924 q^-2

Fig.10. Calculul erorilor de reprezentare.

>> e=pe(z, thd1);
plot(e)

% se calculeaz erorile de reprezentare

Fig.11. Calculul erorilor reprezentate.

>> thd2=oe(z, [2 2 1])
plot(thd2)
Discrete-time IDPOLY model: y(t) = [B(q)/F(q)]u(t) + e(t)
B(q) = 5.551e-006 q^-1 + 5.547e-006 q^-2
F(q) = 1 - 1.998 q^-1 + 0.9978 q^-2

Fig.12. Calculul erorilor de reprezentare.

>> e=pe(z, thd2);
plot(e)

% se calculeaz erorile de reprezentare

Fig.13. Calculul erorilor de reprezentare.

>> thd3=bj(z, [2 2 1 1 1])
plot(thd3)
Discrete-time IDPOLY model: y(t) = [B(q)/F(q)]u(t) + [C(q)/D(q)]e(t)
B(q) = 3.055e-006 q^-1 + 6.646e-006 q^-2
C(q) = 1 + 0.7758 q^-1 + 0.779 q^-2
D(q) = 1 - q^-1
F(q) = 1 - q^-1

>> e=pe(z, thd3);

plot(e)

Fig.14. Calculul erorilor de reprezentare.

% se calculeaz erorile de reprezentare

Fig.15. Calculul erorilor de reprezentare.

Partea III Identificarea sistemelor n baza modelelor parametrice pe baza

System ID Blocks

>> simident

Fig.16. Schema bloc al sistemului utiliznd modelul de aproximare ARX.