• Artykuły
  • Forum
  • Ciekawostki
  • Encyklopedia
  • Identyfikacja systemu



    Podstrony: 1 [2] [3] [4] [5]
    Przeczytaj także...
    Modele parametryczne w identyfikacji procesów to modele o ściśle zdefiniowanej strukturze. Identyfikacja takich modeli zazwyczaj rozpoczyna się od etapu identyfikacji samej struktury, gdyż od niej bezpośrednio zależy liczba parametrów, których wartości będzie trzeba wyznaczyć na dalszym etapie (dla niektórych zastosowań, na przykład dla syntezy regulatora adaptacyjnego, wystarcza samo określenie struktury). Po wyznaczeniu struktury modelu, sam etap wyznaczania wartości parametrów nazywa się często etapem estymacji parametrów dla podkreślenia, że jest to jedynie jeden z końcowych etapów całego procesu identyfikacji.Metoda najmniejszych kwadratów – standardowa metoda przybliżania rozwiązań układów nadokreślonych, tzn. zestawu równań, w którym jest ich więcej niż zmiennych. Nazwa „najmniejsze kwadraty” oznacza, że końcowe rozwiązanie tą metodą minimalizuje sumę kwadratów błędów przy rozwiązywaniu każdego z równań.

    Identyfikacja – rozpoznawanie (sporządzenie opisu matematycznego) właściwości statycznych i dynamicznych elementów i układów automatyki. Identyfikacja oznacza znalezienie zależności między wejściem a wyjściem (dla elementu automatyki, obiektu, układu regulacji) na podstawie danych doświadczalnych. Po poddaniu obiektu (procesu) szeregowi doświadczeń dobiera się bowiem parametry modelu w taki sposób, aby pasował on do danych doświadczalnych. Identyfikacja odgrywa zasadniczą rolę w odniesieniu do obiektów i procesów regulacji, gdyż umożliwia poprawne nastrojenie układu regulacji automatycznej. W czasie identyfikacji określane są bowiem wartości parametrów modelu obiektu (procesu), które wykorzystuje się następnie w doborze nastaw regulatora sterującego rzeczywistym obiektem (procesem).

    Charakterystyka amplitudowo-fazowa (charakterystyka Nyquista, wykres Nyquista, ang. polar plot, Nyquist plot) – w automatyce, wykres transmitancji widmowej układu na płaszczyźnie zmiennej zespolonej.Estymacja to dział wnioskowania statystycznego będący zbiorem metod pozwalających na uogólnianie wyników badania próby losowej na nieznaną postać i parametry rozkładu zmiennej losowej całej populacji oraz szacowanie błędów wynikających z tego uogólnienia. Wyrażenie nieznana postać jest kluczem do odróżnienia estymacji od drugiego działu wnioskowania statystycznego, jakim jest weryfikacja hipotez statystycznych, w którym najpierw stawiamy przypuszczenia na temat rozkładu, a następnie sprawdzamy ich poprawność.

    Spis treści

  • 1 Podstawowe pojęcia
  • 2 Etapy identyfikacji
  • 3 Zastosowania wyników identyfikacji
  • 4 Podział metod identyfikacji
  • 5 Algorytmy stosowane w identyfikacji
  • 6 Typowe problemy
  • 7 Zobacz też
  • 8 Bibliografia


  • Podstrony: 1 [2] [3] [4] [5]



    w oparciu o Wikipedię (licencja GFDL, CC-BY-SA 3.0, autorzy, historia, edycja)

    Warto wiedzieć że... beta

    Regulator − jeden z elementów składających się na obwód regulacji. Zadanie regulatora polega na wygenerowaniu odpowiedniego sygnału sterującego, tak aby obiekt sterowany zachowywał się w pożądany sposób (na przykład w jak najkrótszym czasie osiągał wartość zadaną).
    Modele parametryczne w identyfikacji procesów to modele o ściśle zdefiniowanej strukturze. Identyfikacja takich modeli zazwyczaj rozpoczyna się od etapu identyfikacji samej struktury, gdyż od niej bezpośrednio zależy liczba parametrów, których wartości będzie trzeba wyznaczyć na dalszym etapie (dla niektórych zastosowań, na przykład dla syntezy regulatora adaptacyjnego, wystarcza samo określenie struktury). Po wyznaczeniu struktury modelu, sam etap wyznaczania wartości parametrów nazywa się często etapem estymacji parametrów dla podkreślenia, że jest to jedynie jeden z końcowych etapów całego procesu identyfikacji.
    Modelowanie matematyczne to użycie języka matematyki do opisania zachowania jakiegoś układu (na przykład układu automatyki, biologicznego, ekonomicznego, elektrycznego, mechanicznego, termodynamicznego).
    Model ARX (ang. autoregressive with exogenous input – model autoregresywny z zewnętrznym wejściem) jest dyskretnym modelem wejściowo-wyjściowym dla procesów stochastycznych. Model ten jest wyrażony wzorem:
    Statystyka nieparametryczna – gałąź statystyki, zajmująca się modelami i metodami, nie wymagającymi założeń odnośnie do rozkładu populacji z której losowana jest próba.
    Modele nieparametryczne w identyfikacji procesów to modele, które nie posiadają struktury, którą trzeba by identyfikować. Ponieważ etap identyfikacji struktury modelu parametrycznego jest często bardzo skomplikowany, modele nieparametryczne stosuje się bardzo często na wstępnych etapach identyfikacji, dla uzyskania podstawowej wiedzy o badanym systemie.
    Szybka transformacja Fouriera (ang. FFT od Fast Fourier Transform) to algorytm liczenia dyskretnej transformaty Fouriera oraz transformaty do niej odwrotnej.

    Reklama

    Czas generowania strony: 0.162 sek.