IDENT_20170404 01 Odhad prechodovej charakteristiky pomocou MNŠ

Zhrnutie prednášky

Prednáška predstavuje metódu odhadu prechodovej charakteristiky procesu z bežných nameraných vstupno-výstupných dát, bez potreby priameho merania skokovej odozvy. V deterministickom prípade sa výstup vyjadrí pomocou Duhamelovho integrálu prevedeného na sumu, čím vznikne sústava rovníc s neznámymi koeficientmi impulzovej odozvy H, riešiteľná inverziou štvorcovej matice vstupov. Keďže reálne merania obsahujú šum, čisto deterministické riešenie dáva nepresné výsledky, preto sa prechádza na stochastický prípad s väčším počtom meraní, kde sa parametre H odhadujú metódou najmenších štvorcov pomocou pseudoinverzie matice vstupov. Na záver je uvedené praktické odporúčanie – aspoň 10-15 koeficientov charakteristiky a dostatočný počet vzoriek, aby charakteristika dosiahla ustálený stav – a názorný príklad porovnávajúci presnosť deterministického a MNŠ odhadu.

• - Cieľom je odhadnúť prechodovú charakteristiku z ľubovoľných (nie skokových) vstupno-výstupných dát bez spätnej väzby regulátora.
• - Deterministický prípad vychádza z Duhamelovho konvolučného integrálu prevedeného na diskrétnu sumu s periódou vzorkovania Ts.
• - Sústava N+1 rovníc s N+1 neznámymi koeficientmi H sa zapíše maticovo a rieši inverziou štvorcovej matice vstupov: H = (1/Ts)·U⁻¹·Y.
• - Pri zohľadnení šumu merania sa pridáva viac vzoriek (N+M), matica vstupov prestáva byť štvorcová a stáva sa obdĺžnikovou.
• - Neznáme koeficienty H sa v stochastickom prípade odhadujú metódou najmenších štvorcov pomocou pseudoinverzie matice vstupov (U^T U)^-1 U^T.
• - Odporúča sa použiť aspoň 10–15 koeficientov charakteristiky a dostatočný počet vzoriek, aby charakteristika dosiahla ustálený stav (napr. 90 % hodnoty).
• - Na príklade sa ukazuje, že MNŠ s väčším počtom meraní (100 vzoriek) dáva presnejší odhad prechodovej charakteristiky než deterministický prístup s minimálnym počtom vzoriek (40).

Zhrnutie pripravené s pomocou AI z prepisu videa.