Universitatea “Politehnica” din Bucureşti

Facultatea de Automaticã & Calculatoare

Identificarea Sistemelor
• Note de curs •

Dan Ştefănoiu
Profesor

Danny@router.indinf.pub.ro
http://www.geocities.com/dandusus/Danny.html
http://www.geocities.com/aplimathes/SISP
http://www.geocities.com/aplimathes/SISP
 Sumar
Bibliografie 3
Privire de ansamblu (obiect de studiu, problematică, experiment de identificare) 4
Modele de identificare 48
. Scurtă clasificare 48
. Noţiuni de Statistică şi Prelucrare de Semnal 51
. Analiza modelelor neparametrice 84
. Modele parametrice (clase uzuale, criterii de stabilitate) 93
Semnale de stimul 110
. Necesitatea stimulării corecte a proceselor 110
. Conceptul de persistenţă 114
. Proprietăţi ale semnalelor persistente 119
. Clase de semnale persistente 120
(semnale ideale, semnale practice, metode de generare)

Metode de identificare şi validare 132

. Scurtă clasificare 132
. Metoda Celor Mai Mici Pătrate (MCMMP) 133
. Metoda Variabilelor Instrumentale (MVI) 160
. Metode bazate pe optimizarea parametrilor 166
(Newton-Raphson, Gauss-Newton)
1
 Sumar
(continuare)

Metode de identificare şi validare (continuare) 132

. Metoda Celor Mai Mici Pătrate Extinsă (MCMMPE) 177
. Metoda Minimizării Erorii de Predicţie (MMEP) 182
. Metode bazate pe Teoria Estimaţiei (Bayes, verosimilitatea maximă) 188
. Identificarea şi predicţia proceselor auto-regresive 198
(Metoda Yule-Walker-Wiener, Algoritmul Levinson-Durbin, predictorul optimal)
. Metode adaptive de identificare 225
(MCMMP-R, MVI-R, utilizarea ferestrelor culisante, MCMMPQR-R)
. Estimarea structurii modelelor de identificare 253
. Validarea modelelor de identificare 258
. Deschidere către modele şi metode de identificare avansate 262
(estimarea modelelor de tip MIMO cu ajutorul MCMMP,
identificarea proceselor cu reacţie,
estimarea modelelor cu reprezentare pe stare folosind filtrul Kalman-Bucy)

Exerciţii rezolvate P1:P61

2
 Bibliografie Referin ţa fundamental
Referinţa ă
fundamentală
1. Ljung L. – System Identification - Theory for the User, Prentice Hall, Upper Saddle
River, N.J., 2nd edition,1999.
2. Söderström T. – Lecture Notes in Identification, Uppsala University Presss, Sweden,
1984.
3. Söderström T., Stoica P. – System Identification, Prentice Hall, London, UK, 1989.
4. Ştefănoiu D. – Identificarea Experimentală a Sistemelor – Serii de Timp, Tipografia
Universităţii “Politehnica” din Bucureşti, România, 1996.
5. Ştefănoiu D. – Identificarea Experimentală a Sistemelor – Probleme de Seminar,
Tipografia Universităţii “Politehnica” din Bucureşti, România, 1996.
6. Ştefănoiu D., Culiţă J., Stoica P. – Fundamentele Modelării şi Identificării Sistemelor,
Editura PRINTECH, Bucureşti, România, 2005.
7. Ştefănoiu D., Matei I., Stoica P. – Aspecte Practice în Modelarea şi Identificarea
Sistemelor, Editura PRINTECH, Bucureşti, România, 2004.

Curs
Curs &
& Examen
Examen Teme
Teme de
de laborator
laborator
 Privire de ansamblu
Obiectul M odelarea proceselor/sistemelor
Modelarea proceselor/sistemelor dinamice
dinamice
Obiectulde
destudiu
studiu alaldomeniului
domeniului
folosind
folosind date
date experimentale
experimentale achizi ţionate îîn
achiziţionate n
Identific ării Sistemelor
Identificării Sistemelor ((IS)
IS) cursul
cursul exploatării acestora
exploatării acestora..
Modelare?

Termen
Termen care
care se
se refer ă la
referă la construcţia
construcţia şişi determinarea
determinarea unui
unui model
model matematic
matematic
asociat
asociat unei
unei entit ăţi evolutive/dinamice
entităţi evolutive/dinamice cu cu structură necunoscut
structură ă.
necunoscută.
• Practic, entitatea este văzută ca o
cutie neagră capabilă să ofere informaţii despre
mecanismele care determină evoluţia/dinamica acesteia, dacă este stimulată corespunzător.
Model? Cutie
Intrare Cutie Ieşire
elaţie matematic
RRelaţie matematică ă abstractă care
abstractă care descrie
descrie cucu oo (stimul) neagr
neagrăă (reacţie)
anumit
anumităă acurate ţe caracteristicile
acurateţe caracteristicile şşi/sau
i/sau
dinamica/func ţionarea unei
dinamica/funcţionarea unei entit ăţi ((cutii
entităţi cutii negre
negre).).

intrare

ieşire
Date

Date
de

de
Model de identificare
• Modelul de identificare constituie un fel de Model matematic
carte de identitate a entităţii studiate.
• Acesta reflectă relaţia dintre intrarea care stimulează entitate (de regulă un proces sau un sistem)
şi ieşirea care codifică reacţia corespunzătoare a acelei entităţi.
• Construcţia modelelor de identificare se bazează pe datele experimentale furnizate de către cutia neagră.
4
 Privire de ansamblu
simulare, în vederea evidenţierii caracteristicilor
principale şi/sau a comportamentului în diverse situaţii
recunoaştere de forme
Aplicaţii uzuale
Aplicaţii uzuale de
de identificare
identificare prelucrări de semnale
predicţie/prognoză
diagnoză de defecte
proiectare de sisteme automate de conducere sau reglare

IS
IS este
este un
un domeniu
domeniu cu
cu deschidere
deschidere ccătre
ătre abordări interdisciplinare
abordări
Obiectivul
Obiectivul cursului
cursului
O
O referire
referire Tipuri
Tipuri de
de identificare
identificare

Identificare analitică Identificare experimentală

D eterminarea parametrilor
Determinarea parametrilor fizici
fizici D eterminarea unor
Determinarea unor parametri
parametri ffără
ă ră
ai
ai proces elor.
proceselor. semnifica ţii fizice
semnificaţii fizice,, care
care descriu
descriu
comportamentul
comportamentul procesului
procesului îîn
n jurul
jurul
Obiectiv •
Se utilizează legile fizico-chimice de la
Obiectiv unui anumit punct de funcţionare.
baza dinamicii proceselor (ecuaţii de unui anumit punct de funcţionare.
bilanţ de masă/energie, ecuaţii de
echilibru static şi/sau dinamic, etc.) .
Model Model
analitic experimental 5
 Privire de ansamblu
Caracteristici
Caracteristici ale
ale modelelor
modelelor de
de identificare
identificare experimentală
experimentală
generalitate şi validitate limitată la anumite clase de procese, semnale de stimul
sau la anumite puncte de funcţionare ale aceluiaşi proces;
interpretare fizică dificilă;
• în majoritatea cazurilor, parametrii nu au semnificaţii fizice clare;
• parametrii sunt utilizaţi ca instrumente menite să uşureze descrierea funcţionării pocesului;
☺ determinarea lor este adesea realizabilă prin metode algoritmice,
ceea ce le conferă eficienţă şi simplitate.

Scurt
Scurt istoric
istoric al
al dezvolt ării domeniului
dezvoltării domeniului IS
IS
• IS a apărut şi s-a dezvoltat aproximativ odată cu Automatica, pe fondul aplicaţiilor de control automat.
• Perioada cea mai prolifică: anii ’70-’80.
IS

Şcoala Congresele IFAC

suedeză Praga
Praga (1967,
(1967, 1970)
1970)
K.J.
Şcoala Şcoala
K.J. Åström
Åström Haga
Haga (1973)
(1973)
asiatică românească
P.
P. Eykhoff
Eykhoff Tbilisi
A.R. Tbilisi (1976)
(1976)
A.R. Rao
Rao C
C.. Penescu
Penescu
T.
T. Söderström
Söderström Darmstadt
Darmstadt (1979)
(1979)
R.L.
R.L. Kashyap
Kashyap M
M.. Tertişco
Tertişco
LL.. Ljung
Ljung
H Washington
Washington DC
DC (1982)
(1982)
H.. Akaike
Akaike P
P.. Stoica
Stoica
Unul
Unul dintre
dintre fondatorii
fondatorii Facult ăţii de
Facultăţii de Automatic
Automaticăă şşii Calculatoare
Calculatoare din
din Bucureşti (1967)
Bucureşti (1967) 6
 Privire de ansamblu
Coordonatele
Coordonatele domeniului
domeniului IS
IS La
La intersecţie
intersecţie..
Metode
Metodede
deidentificare
identificare

Bazate pe Teoria Optimizărilor (TO) Bazate pe Teoria Estimaţiei (TE)

fundamentală
Coordonata
☺ Se pot finaliza prin algoritmi implementabili Au caracter mai mult teoretic, fiind
pe un mijloc automat de calcul. rareori implementabile pe un mijloc
automat de calcul.
☺ Permit analiza convergenţei.
Nu permit analiza convergenţei.
Nu permit analiza consistenţei
(convergenţei statistice). ☺ Permit analiza consistenţei
(convergenţei statistice).
IS
• Metoda principală:
Metoda Celor Mai Mici Pătrate
(MCMMP). Semnale
Semnalede destimul
stimul
• Conceptul central:
persistenţa.
Modele
Modele((matematice)
matematice) de
deidentificare
identificare • Semnalul ideal:
Neparametrice zgomotul alb.
Parametrice • Semnalul practic:
• Descrieri calitative (analize) • Conceptul central: parametrul. pseudo-aleator
preliminare ale proceselor.
• Date statistice referitoare la • Organizate în clase (ARMAX, (binar).
RSISO, cu reprezentare pe stare, etc.).
evoluţia/dinamica proceselor .
• 4 tipuri de analize (în timp şi în frecvenţă). 7
 Privire de ansamblu
Probleme
Probleme practice
practice ridicate
ridicate de
de identificarea
identificarea unui
unui proces
proces
Selectarea
Selectarea m ărimilor care
mărimilor care trebuie
trebuie şişi pot
pot fifi m ăsurate.
măsurate.
• Principalul inconvenient: mărimile care
trebuie măsurate nu sunt direct accesibile

Senzor
pentru amplasarea senzorilor corespunzători.
M ăsurătorile trebuie
Măsurătorile trebuie efectuate
efectuate indirect
indirect,, prin
prin
amplasarea
amplasarea senzorilor
senzorilor în
în locul
locul accesibil
accesibil cel
cel
mai
mai apropiat
apropiat de
de zona
zona ce
ce trebuie
trebuie identificat ă.
identificată.
Vibraţie măsurată
y

Rulment
inaccesibil 0 t

Datele
Datele m ăsurate sunt
măsurate sunt afectate
afectate de
de zgomote
zgomote de
de m ăsură
măsură Vibraţie ideală
şişi interferenţe
interferenţe..

În
În absenţa
absenţa unor
unor tehnici
tehnici de
de deparazitare
deparazitare aa datelor
datelor ((atenuare
atenuare aa zgomotelor
zgomotelor şişi interferenţelor ),
interferenţelor),
modelul
modelul de
de identificare
identificare rezultat
rezultat este
este adesea
adesea inadecvat
inadecvat..
8