IDENT_20110330 02 RMNŠ - implementácia v Simulinku

Zhrnutie prednášky

Prednáška sa venuje praktickej implementácii rekurzívnej metódy najmenších štvorcov (RLS/RMNŠ) v prostredí Simulink pri identifikácii diskrétneho dynamického systému. Systém sa opisuje diferenčnou rovnicou, z ktorej sa odvodzuje vektor údajov ZK a výstup YK, pričom identifikácia prebieha ako dynamický systém so stavmi tvorenými vektorom parametrov teta a kovariančnou maticou P. Vysvetľuje sa konštrukcia vstupného vektora pomocou blokov dopravného oneskorenia a multiplexera a jeho spracovanie prostredníctvom vlastnej diskrétnej S-funkcie s metódami inicializácie (case 0), aktualizácie stavov (case 2) a výpočtu výstupu (case 3). Detailne sa popisuje spôsob uloženia teta a P do jedného stavového vektora pomocou operátora dvojbodky v MATLABe a spätné získanie oboch veličín pri aktualizácii. Na záver sa upozorňuje, že vstupný signál pre identifikáciu diskrétneho systému musí byť po častiach konštantný (band-limited white noise s nastavenou periódou vzorkovania), nie spojitý šum.

• - Implementácia RLS (recursive Least Squares) v Simulinku ako diskrétnej S-funkcie
• - Systém popísaný diferenčnou rovnicou, z ktorej sa zostavuje vektor údajov ZK a výstup YK
• - Vstupný vektor sa v Simulinku skladá pomocou blokov diskrétneho dopravného oneskorenia a multiplexera (MUX)
• - Stavy S-funkcie obsahujú vektor parametrov teta a kovariančnú maticu P uloženú po stĺpcoch pomocou operátora dvojbodky
• - Štruktúra S-funkcie: case 0 - inicializácia, case 2 - aktualizácia diskrétnych stavov, case 3 - výpočet výstupu
• - Aktualizácia teta prebieha pred výpočtom novej kovariančnej matice P pomocou zisku gamma a chyby predikcie e
• - Vstupný signál do identifikovaného diskrétneho systému musí byť po častiach konštantný (band-limited white noise so zvolenou periódou vzorkovania)

Zhrnutie pripravené s pomocou AI z prepisu videa.