IDENTIFICAREA

SISTEMELOR
• CURS - 2h / săptămână (Y405)

• LABORATOR - 2h / la 2 săptămâni (Y502)

• PROIECT ….. 2h / la 2 săptămâni (Y502)

• EXAMEN ….. 2-3 subiecte teoretice ample

+ 5 întrebări
 Bibliografie
 T. Ganciu, Identificarea sistemelor, Editura NORD-EST, 1996, Iaşi.
 I. D. Landau, Identification and comande de procédés 2ème èdition, Hermès, Paris, 1993.
 M.Tertisco, P. Stoica, Th. Popescu, Modelarea şi predicţia seriilor de timp, Ed.Academiei,
Bucureşti, 1985
 M. Tertisco, P. Stoica, Identificarea şi estimarea parametrilor sistemelor, Ed. Academiei,
Bucureşti 1980.
 Ştefănoiu D., Culiţă J., Stoica P. – Fundamentele Modelării şi Identificării Sistemelor, Editura
PRINTECH, Bucureşti, România, 2005.
 Ljung L. – System Identification - Theory for the User, Prentice Hall, Upper Saddle
River, N.J., 2nd edition,1999.
 Söderström T. – Lecture Notes in Identification, Uppsala University Presss, Sweden,
1984.
 orice alte cărţi, reviste, articole care tratează probleme legate de identificare.
 STRUCTURA CURSULUI

• Noţiuni introductive
• Semnale aleatoare, pseudoaleatoare binare
• Identificarea sistemelor utilizând analiza indicială
• Identificarea neparametrică
• Schimbări de reprezentare (conversia modelelor)
• Teoria estimaţiei
• Identificarea parametrica off-line
• Identificarea parametrica on-line
• Estimarea parametrilor seriilor de timp
 Privire de ansamblu
Obiectul de studiu al domeniului Modelarea proceselor/sistemelor dinamice
folosind date experimentale achiziţionate
Identificării Sistemelor (IS) în cursul exploatării acestora.

Modelare ?
Termen care se referă la construcţia şi determinarea unui model matematic asociat unei
entităţi evolutive/dinamice (proces) cu structură necunoscută, dacă este “stimulată”
corespunzător. Practic, entitatea este văzută ca o cutie neagră capabilă să ofere informaţii
despre mecanismele care determină evoluţia/dinamica acesteia.
Model ?
Relaţie matematică abstractă care descrie cu
o anumită acurateţe caracteristicile şi/sau
dinamica/funcţionarea unei entităţi(cutii negre)

Modelul de identificare
Modelul de identificare constituie un fel de 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.
 Privire de ansamblu
• simulare, în vederea evidenţierii caracteristicilor
principale şi/sau a comportamentului în diverse
situaţii
Aplicaţii uzuale de identificare • recunoaştere de forme
• prelucrări de semnale
• predicţie/prognoză
• diagnoză de defecte
• proiectare de sisteme automate de conducere sau
reglare
IS este un domeniu cu deschidere către abordări interdisciplinare.
TIPURI DE IDENTIFICARE

Identificare analitică Identificare experimentală

Determinarea parametrilor fizici
ai proceselor.
• Se utilizează legile fizico-chimice
de la baza dinamicii proceselor
Obiectiv (ecuaţii de bilanţ de masă/energie,
ecuaţii de echilibru static şi/sau
dinamic, etc.).
Model analitic
(Obiectivul acestui curs !)
Determinarea unor parametri fără
semnificaţii fizice, care descriu
Obiectiv comportamentul procesului în jurul
unui anumit punct de funcţionare.
Model experimental
 Privire de ansamblu
Caracteristici ale modelelor de identificare 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 procesului;
☺ determinarea lor este adesea realizabilă prin metode algoritmice, ceea ce le conferă
eficienţă şi simplitate.
Scurt istoric al dezvoltării domeniului 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.
Privire de ansamblu
 Privire de ansamblu
Probleme practice ridicate de identificarea unui proces
Selectarea mărimilor care trebuie şi pot fi măsurate.
Principalul inconvenient: mărimile care
trebuie măsurate nu sunt direct
accesibile pentru amplasarea
senzorilor corespunzători.
Măsurătorile trebuie efectuate
indirect, prin amplasarea senzorilor
în locul accesibil cel mai apropiat de
zona ce trebuie identificată.

Rulment inaccesibil

Datele măsurate sunt afectate de zgomote

de măsură şi interferenţe.

În absenţa unor tehnici de deparazitare a datelor (atenuare a zgomotelor şi

interferenţelor), modelul de identificare rezultat este adesea inadecvat.
 Privire de ansamblu
Probleme practice ridicate de identificarea unui proces (continuare)
Achiziţia şi prelucrarea primară a datelor.
• Modelele de identificare uzuale sunt liniare • Procesele uzuale sunt neliniare
Identificarea proceselor cu un pronunţat caracter neliniar folosind modele
liniare este inadecvată.

Ce se poate face ?
Complicat, mai precis
Dacă neliniarităţile pot fi caracterizate printr-un formalism
matematic, se alege un model de identificare neliniar.
Se poate utiliza un aproximator cvasi-universal: reţeaua
neuronală (care are la bază MCMMP, în faza de instruire).

Mai simplu, mai imprecis Se stabileşte un punct de funcţionare nominal, în jurul

căruia se determină o colecţie de modele de identificare
adaptive (cu parametri variabili în timp).

Identificare multi-model
Observaţii:
Modelele de identificare trebuie să posede două proprietăţi opuse: să fie adaptive şi
consistente (convergente statistic, adică precise).
Metodele de identificare trebuie să asigure un bun compromis între adaptabilitate şi
precizie (sau robusteţe).
 Procedura de identificare experimentală
Procedura de identificare experimentală presupune în general o etapă de formare a
datelor şi o altă etapă de procesare a datelor în vederea obţinerii modelului. În
timpul desfăşurării experimentului de identificare este necesar să se aibă în vedere
următoarele aspecte:

• variabilele de intrare influenţează ieşirea;

• se pot aplica semnale de probă sau este necesară observarea în funcţionarea normală a
procesului;
• care sunt limitele admise ale semnalului de probă;
• ce semnal de probă trebuie ales pentru a obţine informaţii cât mai bogate despre proces;
• dacă procesul se identifică în buclă închisă sau în buclă deschisă;
• care este timpul maxim de experimentare admis;
• care este clasa de modele prin care se aproximează procesul;
• care este ponderea zgomotului în semnalul de ieşire al sistemului;
• care este procedura prin care se stabileşte structura modelului şi care este metoda de
procesare a datelor.
Procedura de identificare experimentală
 Procedura de identificare experimentală
Pregătire experiment (informaţii apriorice)

Tipul de proces: puternic neliniar, neliniar, aproape liniar, liniar.

• Majoritatea proceselor sunt neliniare şi puternic neliniare, dar liniarizabile în jurul unor puncte
nominale de funcţionare.
• Dacă se cunosc ecuaţiile de funcţionare în timp continuu (rezultate prin aplicarea legilor fizico-
chimice), acestea pot fi discretizate, pentru a obţine informaţii privind structura modelului de
identificare ce ar trebui ales.
• Eventual, vor fi necesare mai multe experimente de identificare succesive pentru construcţia unui
model adecvat şi valid.

Tipul de variaţie: lent (> 5s), mediu (1s…5s), rapid (< 1s).
• Informaţie care se referă la durata de stabilizare a ieşirii atunci când procesul este stimulat cu o
treaptă de o anumită amplitudine, acceptată de proces (fără a produce instabilitate).
• Utilă în determinarea perioadei de eşantionare ce trebuie aleasă pentru achiziţia datelor numerice.

Timpul mort intrinsec al procesului.

• Detectarea valorii acestuia în timp continuu şi conversia sa (chiar imprecisă) în timp discret
(exprimată ca un număr întreg de perioade de eşantionare) conduce la simplificarea modelului de
identificare ales (prin reducerea numărului de parametri necesari).
• Determinarea timpului mort se poate efectua prin stimularea preliminară a procesului cu o treaptă
de o anumită amplitudine care nu îl conduce către instabilitate.
 Procedura de identificare experimentală
Pregătire experiment (informaţii apriorice)
Variabilitatea în timp a procesului.
• Dacă parametrii sunt aproximativ constanţi, este doar necesar ca la anumite intervale de timp
modelul matematic asociat să fie reevaluat.
• Dacă parametrii variază sesizabil în timp, atunci modelul trebuie adaptat mai des la dinamica
procesului.
• Această informaţie este utilă în alegerea tipului de metodă de identificare adecvată: nerecursivă
( off-line) sau recursivă (on-line).

Clasele de semnale de stimul acceptate de către proces.

• Semnalele ideale cu care procesul ar putea fi stimulat pot produce instabilitate.
• Modelul de identificare ar putea fi determinat prin stimularea procesului cu semnalele folosite în
exploatarea sa uzuală. Modelul rezultat are generalitate redusă.
• Utilizarea de semnale cu amplitudini suficient de mici poate conduce la modele matematice
suficient de generale şi precise.

Clasele de perturbaţii la care este expus procesul.

• Informaţie utilă în selectarea unui model adecvat al zgomotelor ce pot afecta măsurătorile la ieşirea
procesului.
• În absenţa acestei informaţii, experimentul de identificare se poate repeta de câteva ori,
până la stabilirea unui model adecvat de zgomot.
 Procedura de identificare experimentală
Culegere de informaţii necesare estimării (achiziţia datelor)
Achiziţia datelor şi distorsionarea minimală a acestora.
Obiectiv: Alegerea soluţiei de eşantionare.
• Pe de o parte, tipul de variaţie al procesului este determinant.

• Pe de altă parte, resursele financiare disponibile induc restricţii.

Costul soluţiei de eşantionare creşte

exponenţial de la un anumit nivel.

• Perioada/Frecvenţa de eşantionare trebuie aleasă astfel încât informaţia transportată de

datele rezultate să exprime cât mai bine caracteristicile procesului care le-a generat.
 Procedura de identificare experimentală
Culegere de informaţii necesare estimării (achiziţia datelor)
Obiectiv: Alegerea soluţiei de eşantionare.
• O indicaţie referitoare la perioada/frecvenţa de eşantionare limită cu care se poate
opera este oferită de comportamentul în frecvenţă al procesului.

Majoritatea covârşitoare a proceselor

uzuale sunt de bandă limitată.

Alegerea semnalelor de stimul.

Principiul general de alegere a intrărilor
• Dacă există informaţii preliminare despre clasele de semnale de stimul acceptate de către
proces, fie se alege semnalul cu plaja de frecvenţe cea mai bogată, fie, dacă nu se poate altfel, se
alege semnalul utilizat în exploatarea efectivă a procesului.
• Dacă informaţiile despre intrările admisibile ale procesului lipsesc, atunci se încearcă
stimularea acestuia cu semnale cât mai „persistente”. (persistent – capacitatea unui semnal de a
“stimula” procesul pe un număr dorit de frecvenţe).
 Procedura de identificare experimentală
Culegere de informaţii necesare estimării (achiziţia datelor)
Alegerea şi amplasarea senzorilor.
• Este de dorit ca senzorii să aibă caracteristici care să afecteze cît mai puţin datele
măsurate: lege de conversie cât mai liniară (cea mai importantă caracteristică), masă
cât mai mică, viteză de comutaţie cît mai mare, etc.
• Adesea, se acceptă alegerea unor senzori cu caracteristici doar local liniare în jurul
unor valori precizate, pentru a minimiza costurile.
Alegerea modelului.
• Clasa uzuală de modele de identificare: ARMAX (Auto-Regresive, de Medie
Alunecătoare, având control eXogen)
• Alegerea unui tip de model particular din clasa precizată se realizează ţinând cont de
două proprietăţi dezirabile:
- Precizie (Acurateţe) : apropiată de ecuaţiile rezultate prin aplicarea legilor fizico-
chimice care descriu funcţionarea procesului (dacă aceste ecuaţii sunt disponibile)
- Simplitate : cu un grad minim de complexitate algoritmică implicată de metodele
necesare pentru determinarea sa.
Observaţii: Cele 2 proprietăţi sunt opuse. Dintre toate modelele de identificare adecvate
şi valide, vor fi preferate cele care asigură un compromis cît mai bun între precizie şi
simplitate.
În IS, de multe ori este sacrificată acurateţea modelului în favoarea
implementabilităţii sale sau a metodei de identificare.
 Procedura de identificare experimentală
Etapa de validare a modelului
Ce reprezintă validarea unui model?
Operaţie care constă în testarea funcţionării modelului comparativ cu cea a procesului,
atunci când se iniţiază o nouă sesiune de stimulare a ambelor entităţi cu aceeaşi intrare.

Eroarea dintre proces şi model

trebuie să aibă caracteristicile
unui zgomot alb normal
distribuit (Gaussian).
Zgomot alb - zgomot de bandă largă şi aleator, caracterizat prin energie egală pe lăţime de
bandă constantă.
Extrem de important
Validarea unui model de identificare trebuie să se efectueze pe un alt set de date decât cel
utilizat pentru determinarea modelului.
Modele de identificare - clasificare
Modele de identificare - clasificare
Modele de identificare - clasificare
 Semnale aleatoare şi procese aleatoare
Procese aleatoare
Se consideră realizările obţinute de la un termometru ce indică temperatura într-o incintă şi care se
doreşte a fi constantă. Se reţin înregistrările: X 1(t), X2(t), … , Xn(t) pentru intervalele: (0 T), (T 2T), (2T
3T), … ,((n-1)T nT) (figura 2.9 unde n = 4).
Procesul aleator este reprezentat prin simbolul X(t,) ( X1(t), X2(t), X3(t), X4(t)).
Pentru un rezultat dat, înregistrările reprezintă o simplă funcţie de timp (X k(t)) iar pentru un moment de
timp t i  i  t , X(ti,)X() reprezintă o variabilă aleatoare. Deci, procesul aleator
reprezintă o succesiune de variabile aleatoare: X(t,)=((t1), … , (tn)).
Un proces aleator se numeşte proces staţionar dacă:
 media este M [ (ti )]  ct. i  1, n
1 N k
R (t
 funcţia de autocorelaţie  i j, t )  M [ (t i )   ( t j )]  lim 
N   N k 1
X (t i )  X k (t j )

.
nu depinde de momentele ti, tj ci depinde
numai de (tj-ti ). În concluzie se poate scrie
R (t i , t j )  R ( ) unde t i  t j  
 Semnale aleatoare binare
Procese aleatoare
Caracteristicile zgomotului alb ideal sunt:
 funcţia de autocorelaţie Ruu ( )   ( ) (impulsul Dirac);


•funcţia densitate spectrală S uu ( )  Ruu ( )  e d  1

 j 

Un semnal aleator de tip zgomot alb de bandă limitată are următoarea funcţie densitate spectrală
 A 2 daca |  |  c
S uu ( )  
 0 daca |  |  c

Generarea semnalelor aleatoare continue presupune existenţa unor elemente costisitoare.

Semnalele aleatoare binare sunt semnale care au două valori (+a sau –a), dar momentele
comutării de la o valoare la alta sunt generate aleator şi reprezintă multiplul intervalului de
eşantionare  (figura). Caracteristicile semnalelor aleatoare binare obţinute în acest mod pot
să aproximeze suficient de bine caracteristicile zgomotului alb.
 2 
a ( 1  ) daca 0 |  | 
Ruu (  )   
 0 daca |  | 
2
  
 sin 
S uu ( )  S uu (0)   2 
  
 
 2 
 Semnale aleatoare binare
În figura sunt reprezintate grafic caracteristicile semnalului aleator binar. Proprietăţile
statistice ale semnalului aleator binar sunt cu atât mai apropiate de cele ale zgomotului alb cu
cât  este mai mic.

2
 2    
a ( 1  ) daca 0 |  |   sin 
Ruu (  )    2
 0 daca |  |  S uu ( )  S uu (0)   
   
 
Semnale pseudo-aleatoare binare  2 
În practică, de cele mai multe ori se utilizează semnale pseudo-aleatoare binare. Un semnal
pseudo-aleator binar (SPAB) este un semnal determinist (cu valori +/- a şi 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 utilizează un registru de deplasare cu reacţie, implementat cu
ajutorul operatorului SAU-exclusiv.
 Semnale pseudo-aleatoare binare
În tabelul următor sunt date celulele care se utilizează la
formarea reacţiei registrului şi perioada semnalului generat.

xx5
1
3
5
4

Observaţie: În majoritatea cazurilor polinomul asociat registrului este reductibil. Astfel

practic în funcţie de numărul de celule al registrului, doar între anumite celule se va face
SAU exclusiv.
Schema de principiu a unui registru de deplasare cu 5 celule şi secventa de numere pseudoaleatoare,
generata cu functia spb2n care implementeaza registrul de deplasare, sunt ilustrate mai jos
 Semnale pseudo-aleatoare binare
Semnalul pseudoaleatoar binar are următoarele proprietăţi:
1. semnalul are două nivele( +a respectiv -a) şi 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 reprezintă numărul celulelor
registrului de deplasare;

3.în cadrul unei perioade exista (N+1)/2 situaţii când semnalul ia valoarea -a şi (N-1)/2
situaţii când semnalul ia valoarea +a;

4. efectuând o permutare ciclică asupra unei succesiuni date, se obţine un semnal care,
comparat cu cel original, prezintă un număr de coincidenţe care diferă cu o unitate de numărul
de necoincidenţe;

5. funcţia de autocorelaţie a semnalului este ilustrată în figură