Tema: Familiarizarea cu pachetul System Identification Toolbox din pachetul de programe

MATLAB.

Mersul:

1. Pentru încărcarea interfeţei grafice System Identification Toolbox în linia de comndă se înscrie
comanda ident
2. Pentru vizualizarea modului de lucru pachetului System Identification Toolbox se analizează
exemplu pe baza uscătorului de păr, cu scopul de a obţine modelul matematic uscătorului de păr
Pentru asta în linia de comandă trebuie de introdus comanda load dryer2.
În urma introducerii comenzii date în spaţiul de lucru MATLAB, fig. 1, se încarcă masive de date
u2(date de intrare) şi y2(date de ieşire), pentru cazul respectiv – uscătorul de păr u2- reprezintă
puterea de căldură, y2 – temperatura aerului încălzit.

Fig.1. Spaţiul de lucru din MATALB.

Fig. 2. Fereastra de dialog interfeţei grafice pachetului System Identification Toolbox.

În colţul stîng de sus în lista Data alegem opţiune Import. Asta duce la deschiderea ferestrei de
dialog fig.3.
Fig. 3. Fereastra de dialog importării datelor.

În cîmpul Input(Intrare) se introduce y2, în cîmpul Otput (Ieşire) se introduce u2, în cîmpul
Starting Time (Timpul de start)-0, în cîmpul Samp. interv (interval de dicretizare) – 0.08, în
cîmpul Data name (Denumirea datelor) se introduce denumirea – Uscător de păr. Pentru
încărcarea datelor respective se apasă pe butonul Import . În urma importării datelor ele se apar
în Working Space din interfaţa grafică System Identification Toolbox, fig. 4.

Fig.4.

3. Cercetarea datelor iniţiale.

Pentru vizulizarea evoluţiei datelor introduse în timp – fig. 5 se pune bifa în faţa Time plot
(Caracteristica în timp).
Fig.5

În continuare se efectuiază prelucrarea preeliminară a semnalelor obiectului studiat, excluzînd

din aceste semnale componenta constantă. Cu acest scop se activează lista Preprocess
(Prelucrarea peeliminară) şi se alege opţiunea Remove means (Şterge valoarea medie). În
rezultatul efectuarii opţiunii date în Data Views (Forma datelor) în colţul stîng interfeţei va
apărea informaţie despre datele noi cu denumirea Uscător de părd. Datele obţinute pot fi
vizualizate prin intermediul opţiunii Time Plot.
4. Construirea modelului.
Pentru construirea modelului sunt luate ca baza datele obţinute Uscător de părd. Aceste date cu
ajutorul şoricelului se trag în spaţiul Working Data (în centrul ferestrei). În continuare pentru
analiza datelor se poate de schimbat dipazonul datelor pînă la 50 de secunde, alegînd opţiunea
Select Range (Alegerea diapazonului) din lista Preprocess, fig. 6, indicînd diapazonul de la 1
pînă la 50 secunde, apăsînd butonul Insert. În acest caz se vor apărea modelul Uscător de părde,
care mai departe va fi folosit pentru estimarea modelului şi care prin intermediul şoricelului se
trage în spaţiul Working Data.

Fig.6.

Estimarea neparametrică a modelului

Procedura de estimarea modelului se începe de la estimarea procesului tranzitoriu. În lista

Estimate(estimare) se alege opţiunea Correlation Model (Modelul de corelaţie), în urma allegerii
opţiunii date în colţul drept a interfeţei grafice (Model Views) apare însemnarea imp, care indică
că modelul ales a fost construit. Pentru a vizualiza rezultatul se pune bifa în faţa Transient resp
(Procesul tranzitoriu) astfel încît o să apare procesul tranzitoriu modelului studiat, fig.7
Fig.7. Procesul tranzitoriu modelului.

În continuare pot fi construite caracteristicile frecvenţiale ale modelului estimat, pentru această
în lista Estimate se alege opţiune Spectral model, astfel încît în fereastra de bază o să apară încă
o notaţie cu denumirea spad şi punînd bifa în faţa Frequency resp (Caracteristicele frecvenţiale)
o sa apară caracteristica frecvenţială modelului estimat fig.8.

Fig.8. Carcateristica frecvenţială.

Estimarea parametrică a modelului

Cele mai utilizate modele parametrice fac parte din clasa ARMAX (Auto-Regressive Moving
Average with eXogenous control). Modelul general al clase ARMAX arată de fapt că semnalul de
ieşire se obţine ca rezultat al superpoziţiei dintre un semnal util ob’inut prin filtrare semnalului
de intrare şi un semnal parazit obţinut prin filtarea zgomotului alb. Cazurile particulare cele mai
utilizate în aplicaţii sunt modelele: ARX, AR, MA şi ARMA. Primul model este tipic aplicaţiilor
de control numeric optimal, în timp ce ultimele 3 sunt utilizate în special pentru modelarea
seriilor de timp.
Pentru a efectua estimarea parametrică a modelului dat, în lista Estimate se allege opţiunea
Parametric models, în cadrul dat se va deschide fereastra din fig.9.
Fig.9. Estimarea parametrică.

Implicit se propune modelul ARX cu parametrii na=4, nb=4, nk=1, dar aceste paramtrii pot fi
modificaţi şi modelul de estimare poate fi alt ales – ARMAX, OE, BJ, State Space.
Dacă se apasă butonul Estimate, se creează notaţia arx441, în colţul drept al interfeţei, pentru a
vizualiza procesul tranzitoriu a modelului obţinut trebu de pus bifa în faţa Transient resp.
În continuare se poate de a efectua estimarea modelului cu alt ordin al modelului: na=2, nb=2,
nk=3, în urma estimării se obţine model arx223, procesul tranzitoriu căruia poate fi comparat cu
procesul tranzitoriu arx441, fig.10.

Fig.10. Procese tranzitorii obţinute.

Sarcina pentru elaborarea:

1. Pentru varianta respective de introdus datele de intare/ieşire în spaţiul de lucru MATLAB.
2. De încărcat datele intrare/ieşire în pachetul System Identification Toolbox.
3. De făcut vizulizarea castor date în dependenţa de timp.
4. De făcut estimarea neparametrică şi parametrică modelului respective pe baza paşilor
descrişi în mersul lucrării.
5. De obţinut procese tranzitorii pentru fiecare caz şi procesele tranzitorii obţinute de
comparat.