IDENT_20110419 04 Praktické otázky identifikácie
Preber si túto prednášku so svojou AI
Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.
Zhrnutie prednášky
Prednáška sa venuje praktickým problémom, ktoré vznikajú pri identifikácii reálnych systémov metódou najmenších štvorcov. Vysvetľuje sa problém statického posunu, ktorý vzniká, keď nulovému vstupu nezodpovedá nulový výstup, a spôsoby jeho odstránenia pomocou odchýlkových premenných, diferenčného modelu alebo priamej identifikácie poruchy. Ďalej sa rozoberá dôležitosť normalizácie signálov s rozdielnymi rádmi veličín, ktorá zabezpečuje numericky stabilnejší výpočet kovariančnej matice. Na záver sa uvádza postup voľby štruktúry modelu – odporúča sa začať systémom druhého rádu, dopravné oneskorenie určiť porovnaním veľkostí koeficientov B a vhodný počet parametrov nájsť sledovaním poklesu autokorelačnej funkcie predikčných chýb.
- - Statický posun spôsobuje, že pri nulovom vstupe nie je nulový výstup, čo skresľuje odhad parametrov A a B
- - Konštantný statický posun sa odstráni prechodom na odchýlkové premenné (Y - Yustálené, U - Uustálené)
- - Časovo premenlivý pomalý posun sa rieši diferenčným (prírastkovým) modelom alebo priamou identifikáciou parametra D pridaním jednotky do vektora údajov
- - Normalizácia vstupov a výstupov (napr. delením ustálenou alebo maximálnou hodnotou) zabezpečuje bezrozmerné veličiny porovnateľného rádu a lepšiu numerickú stabilitu
- - Pri neznámom procese je vhodné začať identifikáciou modelu druhého rádu s dopravným oneskorením
- - Veľkosť dopravného oneskorenia sa overuje porovnaním koeficientov B1 a B2 v čitateli prenosovej funkcie
- - Vhodný počet parametrov modelu sa určuje sledovaním poklesu autokorelačnej funkcie predikčných chýb R(0) - ak pokles klesne pod cca 80% pôvodnej hodnoty, ďalšie zvyšovanie počtu parametrov nemá zmysel
Zhrnutie pripravené s pomocou AI z prepisu videa.
nechodím na prednášky