To tylko jedna z 4 stron tej notatki. Zaloguj się aby zobaczyć ten dokument.
Zobacz
całą notatkę
IDENTYFIKACJA, ROZPOZNAWANIE
(b. Specyficzna identyfikacja)
y1 = a11x1 + a12x2
y2 = a21x1 + a22x2 Mamynieznane parametry: a11=? a12=? a21=? a22=? Algorytm identyfikacji - sposób na wyznaczenie tych parametrów.
Eksperyment: BIERNY
AKTYWNY
W układzie krwionośnym nie można np. podwyższyć ciśnienia u pacjenta, bo umrze, Można u pacjenta zaobserwować ciśnienie np. dziś i jutro, mam 2 wyniki i je przetwarzam.
Jeżeli sami możemy ustalić, zaplanować wejścia. Wykonuje doświadczenie. Np. Sam ustawiam WE.
Identyfikacje przeprowadzamy w przypadku, kiedy znamy dokładny model systemu.
Przykład:
y1 = a11x1 + a21x2 X1,X2 - ilość surowców przerabianych w 2 agregatach
y2 = a21x1 + a22x2 Y1,Y2 - ilość produktu i kosztu produkcji
Y = AX
A = YX-1 - algorytm identyfikacji
A = Ψ (x1,x2,y1,y2)
_
y = Ø (x, a) zakładam sobie model z dokładnością parametrów Ilość obserwacji WY zew. obiektu
↓ ↓ n _ n
QI =∑ ( yi - yi )2 =(mają nie być różne od siebie)= ∑ ( yi - Ø(a1 xi ))2
i=1 i=1
↑
WY modelu (wylicze sobie) Min Q(a) → a*
a
Obliczam I pochodną i sprawdzam I lub II warunek wystarczający istnienia min funkcji. _ y = ax _ y = ax2 - klasa modeli kwadratowa Obliczanie sumy
odl. od prostej pomiary i-tego a
n n
QI = ∑ (y1 - Ø(a1xi))2 = ∑ (y1 - ax1)2
i=1 i=1
dQ n
― = ∑ 2(y1 - ax1) (-xi) = 0
da i=1
n
∑ (axi2 - xiyi) = 0
i=1
n n
a ∑ xi2 - ∑ xiyi = 0
i=1 i=1
n
∑ xiyi Algorytm identyfikacji wygląda dokładnie tak.
i=1 Model statyczny, liniowy.
a = ------------- Najlepsze rozwiązanie w miare minimalizacji danego kryterium
n
∑ xi2
i=1
ANALIZA
Analiza (Systemu) ilościowa:
... zobacz całą notatkę
Komentarze użytkowników (0)