5 - Identifikace. Michael Šebek Automatické řízení

Podobné dokumenty
5 - Identifikace. Michael Šebek Automatické řízení

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

10 - Přímá vazba, Feedforward

Příklady k přednášce 3 - Póly, nuly a odezvy

Příklady k přednášce 3 - Póly, nuly a odezvy

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Statistické charakteristiky (míry)

Lineární regrese ( ) 2

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.

Příklady k přednášce 5 - Identifikace

PRAVDĚPODOBNOST A STATISTIKA

Charakteristiky úrovně

Příklady k přednášce 6 - Ustálený stav, sledování a zadržení poruchy

3 - Póly, nuly a odezvy

Téma 1: Pravděpodobnost

Metody zkoumání závislosti numerických proměnných

Příklady k přednášce 6 - Ustálený stav, sledování a zadržení poruchy

3. cvičení 4ST201 - řešení

IV. MKP vynucené kmitání

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

11 - Regulátory. Michael Šebek Automatické řízení

Příklady k přednášce 5 - Identifikace

PRAVDĚPODOBNOST A STATISTIKA

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

NEPARAMETRICKÉ METODY

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

Příklady k přednášce 12 - Frekvenční metody

1.3. POLYNOMY. V této kapitole se dozvíte:

11 - Regulátory. Michael Šebek Automatické řízení

Testování statistických hypotéz

Téma 5: Analýza závislostí

1. Přirozená topologie v R n

2. Vícekriteriální a cílové programování

PRAVDĚPODOBNOST A STATISTIKA

3. cvičení 4ST201. Míry variability

SP2 Korelační analýza. Korelační analýza. Libor Žák

9. REGRESNÍ A KORELAČNÍ ANALÝZA

} kvantitativní znaky

Doc. Ing. Dagmar Blatná, CSc.

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

7 - Ustálený stav kmitavý a nekmitavý, sledování a zadržení poruchy

Popisné (deskriptivní) metody. Statistické metody a zpracování dat. II. Popisné statistické metody. Rozdělení četností. Skupinové rozdělení četností

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

1.1. Primitivní funkce a neurčitý integrál

Prostředky automatického řízení

Lineární a adaptivní zpracování dat. 12. Adaptivní filtrace a predikce III.

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

21 Diskrétní modely spojitých systémů

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Experimentální identifikace regulovaných soustav

25 Dopravní zpoždění. Michael Šebek Automatické řízení

P1: Úvod do experimentálních metod

Měření na trojfázovém transformátoru naprázdno a nakrátko.

Interval spolehlivosti pro podíl

7. ZÁKLADNÍ TYPY DYNAMICKÝCH SYSTÉMŮ

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

3. Charakteristiky a parametry náhodných veličin

Univerzita Karlova v Praze Pedagogická fakulta

POLYNOM. 1) Základní pojmy. Polynomem stupně n nazveme funkci tvaru. a se nazývají koeficienty polynomu. 0, n N. Čísla. kde

Popisná statistika. (Descriptive statistics)

Počítačová analýza fraktálních množin

Momenty a momentové charakteristiky

ZÁKLADY POPISNÉ STATISTIKY

Analýza bodové množiny

PRAVDĚPODOBNOST A STATISTIKA

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

[ jednotky ] Chyby měření

MATICOVÉ HRY MATICOVÝCH HER

Příklady k přednášce 9 - Zpětná vazba

PRAVDĚPODOBNOST A STATISTIKA

, jsou naměřené a vypočtené hodnoty závisle

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

Důkazy Ackermannova vzorce

Obr Lineární diskrétní systém

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ

Lineární a adaptivní zpracování dat. 8. Modely časových řad I.

8.2.7 Vzorce pro geometrickou posloupnost

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

Lekce Úroveň a její měření. aritmetický průměr; geometrický průměr; harmonický průměr; medián; mocninový

6. Posloupnosti a jejich limity, řady

Iterační metody řešení soustav lineárních rovnic

1. Základy měření neelektrických veličin

3 - Póly, nuly a odezvy

Jednoduchá lineární závislost

Doplňky k přednášce 23 Diskrétní systémy Diskrétní frekvenční charakteristiky

Frekvenční metody syntézy

Statistická rozdělení

8.1.2 Vzorec pro n-tý člen

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Lineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá

Lineární programování

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Rovnice 1.řádu. (taková řešení nazýváme singulární řešení). řeší rovnici (*) na intervalu ( a, b)

Přednáška č. 2 náhodné veličiny

Transkript:

5 - Idetface Mchael Šebe Automatcé řízeí 06 8-3-6

Idetface Automatcé řízeí - Kybereta a robota Aeb ja zíat model ytému z dat (a valdovat ho a jých datech) whte box (víme vše): ze záladích prcpů (fyz-chem-bo- ) grey box (víme ěco): záme třeba typ modelu, hledáme parametry blac box (evíme c): ezáme a typ modelu, řád, eleartu,... V ARI uážeme jedoduché expermetálí metody, off-le, ope-loop z čaové odezvy z frevečí odezvy zálady ejmeších čtverců V dalších předmětech oftovaé tochatcé metody typu blac box reuretí, o-le, v uzavřeé myčce pro poročlé zájemce (a drétí ytémy) L. Ljug: Sytem Idetfcato: heory for the Uer (d Ed.) Pretce Hall, 999. ISBN 978-036566953 Matlab: Sytem Idetfcato oolbox Mchael Šebe ARI-05-05

Automatcé řízeí - Kybereta a robota Aproxmace ze oové odezvy - Bump tet Hledáme leárí odchylový model tomu přzpůobíme expermet pozor a pracoví bod a velot ou Potup. Expermetálě změříme oovou odezvu graf ebo tabula. Na í aměříme ěol vybraých bodů 3. Doadíme hodoty do obecě vypočítaé odezvy a řešíme rovce pro ezámé parametry je to obtížé, ta hledáme zvláští hodoty Metody Klacé, jedoduché metody, off-le, ope-loop Determtcé - fugují, je dyž ejou (jou malé) šumy, tattcé vlatot ezáme Soutava muí být tablí! Poud má ytém dopraví zpožděí, odečteme ho předem Poud má ytém ofet, odečteme ho předem D Mchael Šebe ARI-05-05 3

. Řád bez uly Automatcé řízeí - Kybereta a robota Aplujeme u () = G () = + a hledáme y( ) 0,63 y( ) t y( t) = ( e ). Změříme y( ) a vypočteme = y( ). Najdeme 0.63 y( ) a odměříme Pro G () =. Odměříme y() Koečě pro a vypočteme je = y() y() = yt () = t 0 0 u + p G () = + p = Mchael Šebe ARI-05-05 4 p

. řád bez ul - mtavý případ Automatcé řízeí - Kybereta a robota Hledáme ω G () = + ζω + ω y( ) %OS ±%. Změříme y( ),% OS,. Vypočteme ( OS ) ( OS ) l % 00 4 y( ) ζ =, ω, = = π + l % 00 ζ Mchael Šebe ARI-05-05 5

Já metoda pro. řád bez ul mtavý Automatcé řízeí - Kybereta a robota Hledáme ω G () = Aplujeme. Změříme + ζω + ω u () = y( ), A, A, d y( ) A d A yt (). Vypočteme y( ) A µ π = = = = u( ) A 4 +, µ l, ζ, ω π µ d ζ Klacé ázvoloví: A A fator útlumu, 0 čaová otata µ tzv. logartmcý deremet útlumu Pro zajímavot A ζω A π d = e, µ = l = ζω, dále platí dωd = A A Mchael Šebe ARI-05-05 6 d

Zvláští ytém tegračího charateru bez ul Automatcé řízeí - Kybereta a robota Pro ytém tegračím chováím G () = ( + ). arelíme aymptotu v eoeču. odečteme τ 3. odečteme τ a vypočteme = Obdobě pro ložtější. = měrce aymptoty. a platí a = + + + aymptota u () = t h() t = t + e h () t = t = t h = e G () = ( )! ( + ) Mchael Šebe ARI-05-05 7 h τ h 3 4 5 0.37 0.7 0. 0.0 0.8

Automatcé řízeí - Kybereta a robota Obecější ytém tegračího charateru Pro ytém tegračím chováím G () =, u () = I = ( + ) dy() t lm = lm ( y( ) ) = lm ( G( ) u( )) = t dt 0 0. Narelíme aymptotu v eoeču. Odečteme její měrc a vypočteme (odečteme) I 3. Potom uděláme dervac odezvy a 4. z í detfujeme ytém proporcoálího charateru éhož doáheme použtím mpulzího vtupu ut () = cδ () t ympule() = Gc () = GP () c u () = c Mchael Šebe ARI-05-05 8 I yd () = y() = G() GP () = G() = I = I ( + ) Ja realzovat Drac? Krátým obdélíovým pulem plochou c!

. řád bez ul - emtavý případ Automatcé řízeí - Kybereta a robota Pro L G () = e, ( + )( + ) je oová odezva y [ ] 0., yt () e = t ( t L) ( t L) ( t L) ( t L) e e = e t [ ] V horím grafu odezev pro 0., y e zdají být růzé, ale po ormalzac čau a t ( je vdět, že jou podobé + ) A proto je těžé určt parametry robutě ze oové odezvy, šlo by to lépe z mpulzí Protíají e přblžě v bodě ( τ.56, f ( τ) 0.7), toho využívá Strejcova metoda vz přílady 0.7 τ.56 [ ] 0., τ = t ( + ) Mchael Šebe ARI-05-05 9

Automatcé řízeí - Kybereta a robota Sytém dervačího charateru ( ulou v ule) Pro ytém dervačího charateru (tedy ulou v = 0) G( ) = D ( + ) D y () = G () = ( + ) D yi ( ) = y() = ( + ). Soovou odezvu dervačího čleu ejprve tegrujeme. A pa detfujeme vhodou z předchozích metod totéž po tegrac Soová odezva dervačího čleu y( ) = 0 éhož doáheme vybuzeím rampou u() t = ct u() = c. Pa výtup rovou odpovídá oové odezvě ytému proporcoálího charateru y () c D c ramp = G () = + Mchael Šebe ARI-05-05 0

Idetface z frevečí odezvy Automatcé řízeí - Kybereta a robota Odezva většou aměřeá (aalyzátorem, typcy 0-00Hz), ale může být vypočteá (přílad: mechacý model a metoda oečých prvů) Metody Podívat e, odhadout vlatot a zumo apaovat aymptoty (Ne paperbac 0.3 traa 665) Obecé metody terpolace, fttg, ejmeší čtverce Specálí metody (tarší) pro Bodeho ebo Nyqutův graf Mchael Šebe ARI-05-05

Nejmeší čtverce Leat Square Automatcé řízeí - Kybereta a robota Přeurčeá outava leárích rovc ( A je m, m> ) poud Varata - Nejmeší čtverce Ax ra A ra[ A b] = b emá řešeí! m x Ax m ( ax ) j j j b b = = = evvaletí mmalzac bez odmocy (vadrátu ormy) r = Ax b e azývá rezduum ebo odchyla Řešeí mmalzující ormu rezdua e azývá řešeí ejmeším čtverc Pro A plé loupcové hodot ajdeme řešeí pomocí peudoverze: ( ) x= AA Ab Mchael Šebe ARI-05-06

Data fttg Automatcé řízeí - Kybereta a robota Vhodým výběrem oefcetů apaujte fuc (leárí ombac bázových fucí ebol regreorů g t ) a data (ebol měřeí) ta, aby x, x,, x = + + + g t xg t xg t xg t ( t, y ),( t, y ),, ( t, y ) g t y, g t y,, g t y Obvyle je m a eextuje přeé řešeí aže hledáme ejlepší řešeí ve mylu ejmeších čtverců m m = g t = y, g t = y,, g t = y ( xg ) t + xg t + + xg t y Mchael Šebe ARI-05-06 3

Data fttg Automatcé řízeí - Kybereta a robota Data fttg převedeme a matcový problém pomocí m x Ax b ( ) g t g t g t x y g t g t g t x y A=, x=, b= g( tm) g( tm) g( tm) x ym Mchael Šebe ARI-05-06 4

Data fttg polyomy Automatcé řízeí - Kybereta a robota Pro = + + + g t x xt xl xt 3 Jou bázové fuce a =,,, g t t t t t x y x t t t y A=, x=, b= t x m tm tm ym Př terpolac je m a g t = y plíme přeě řešeím Ax = = b Př aproxmac je m> a ažíme e o malou odchylu m Ax b x Mchael Šebe ARI-05-06 5

Automatcé řízeí - Kybereta a robota Idetface metodou ejmeších čtverců Drétí leárí model, azývaý v oblat detface Auto-Regreve model wth exogeou put (ARX) Daý buď leárí dferečí rovcí e tochatcým čleem y t + a y t + + a y t = b u t + bu t + + b u t + e t a 0 b ebo přeoem (polyomálím popem) b d a( d) y( t) = b( d) u( t) + e( t) y( t) = u( t) + e t a d a d, a 0 a d = + ad+ + a d b d = b + bd+ + b d Poud je předem záme pevé dopraví zpožděí a b d a( d) y( t) = b( d) u( t d) + e( t) y( t) = u( t d) + e t a d a d b b b Mchael Šebe ARI-05-06 6

Automatcé řízeí - Kybereta a robota Celý oubor aměřeých dat e zpracuje ajedou Kompatě zapáo b = Ax + r, de Jedorázová detface ( a) ( b) y y 0 y y u u 0 u y y y 0 y a u u u b b= A= y( m) y( m ) y( m ) y( m a) u( m) u( m ) u( m b) a e( ) a e( a ) x= r = b0 e( m) b b je vetor měřeí výtupů, matce dat, vetor parametrů a vetor chyb predce, Hledáme m r = Ax b x Mchael Šebe ARI-05-06 7

LS detface další jemot Automatcé řízeí - Kybereta a robota Stochatcý (Bayeový) přítup důazy Numercá mplemetace jedorázová detface průběžá detface - reurzví potup Proměé parametry zapomíáí, měrové zapomíáí adaptví řízeí Zabudováí aprorí formace Idetfovaý ytém eí dotatečě vybuze leárí závlot dat apř. detface v uzavřeé myčce ávrh expermetu / volba budcího gálu o vše v dalších předmětech Mchael Šebe ARI-05-06 8