Sisteme Ierarhizate de Conducere

An IV, dir. B

Department of Automatic Control and Systems Engineering Politehnica University of Bucharest | Faculty of Automatic Control and Computers

Splaiul Independentei 313, Sector 6, Bucharest, 060042, ROMANIA pg. 1 acse.pub.ro, 2014

Laborator 3 Identificare si validare experimentala [2]

Pentru mai multe informatii privind procedurile de identificare si validare consultati materialul din laboratorul precedent !

Aplicatii

1. Pregatirea experimentului de identificare.

a. Pentru a rula fisierul Simulink, trebuie initial setati Tf, Te si u. Te se va alege pe baza raspunsului iesirii sistemului (tinand cont ca sistemul simulat este discret si are o perioada de esantionare specifica). Tf se va alege pe baza raspunsului iesirii sistemului a.i. sistemul sa se fi stabilizat. u se va genera cu o comanda de tip treapta conform indicatiei de mai jos.

Pe baza raspunsului la treapta (dupa ce s-a fixat corect Te si Tf) se va masura Tc (timpul de crestere) si se va estima timpul mort Tm=dTe. Completati valorile cerute in fisa de rezolvare!

b. Folosind functia idinput din Matlab, generati un Semnal SPAB alegand convenabil parametrii semnalului, tinand cont de urmatoarele aspecte:

- Se doreste ca experimentul sa nu dureze mai mult de 13 minute; - Semnalul SPAB generat sa fie cat mai consistent (sa acopera o

plaja cat mai buna a spectrului).

c. In plus fata de punctul b, se presupune ca sistemul se comporta ca un filtru

trece jos, ceea ce inseamna ca pentru frecvente sistemul nu trece semnalele de intrare. Cum ar trebui redimensionat semnalul SPAB ?

2. Realizarea experimentului de identificare Dupa ce s-a generat semnalul SPAB de la punctul 1b), acesta se aplica sistemului

testat (comanda Run a modelului Simulink). Rezultatul simularii poate fi vizualizat pe Scope, dar este si salvat in variabila y, disponibila in workspace-ul din Matlab.

>>u = idinput(L,tip_semnal,[freq_min freq_max],[u0-Du u0+Du]) % pentru semnal tip SPAB

>> In dosarul Model Test, dezarhivati arhiva corespunzatoare biletului primit

(Dezarhivati cu optiunea: Extract Here).

>> Deschideti in Matlab ModelTest.mdl (in functie de versiunea de Matlab acceptata).

>>u = ones(Tf/Te,1); % pentru semnal tip treapta

Sisteme Ierarhizate de Conducere

An IV, dir. B

Department of Automatic Control and Systems Engineering Politehnica University of Bucharest | Faculty of Automatic Control and Computers

Splaiul Independentei 313, Sector 6, Bucharest, 060042, ROMANIA pg. 2 acse.pub.ro, 2014

a. Sa se creeze in Matlab un obiect de identificare dataIO cu ajutorul functiei >>iddata

b. Sa se afiseze caracteristica in frecventa a semnalului y dar si a comenzii SPAB. Pentru semnalul y, sa se indice valoarea maxima a puterii spectrale, cat si frecventa la care puterea spectrala este 0 (se va citi de pe grafic).

c. Sa se filtreze semnalele din experimentul de identificare (eliminarea componentelor continue).

3. Estimarea complexitatii a. Folositi functia advice din Matlab si comentati rezultatele obtinute.

Se considera un model polinomial care urmeaza sa fie identificat. Pentru acest lucru se vor considera pasii urmatori.

b. Estimarea complexitatii modelului si a intarzierii. Se folosesc succesiv functiile din Matlab: struc, arxstruc, selstruc, delayest. Se va utiliza functia help din Matlab pentru a gasi modul de apelare.

4. Alegerea unui model de identificare si identificarea parametrilor acestuia a. Se vor folosi una din functiile urmatoare, in functie de ce model se doreste

a fi identificat: arx, iv4 -> pentru modele de tip ARX armax, bj, oe -> modele de tip ARMAX, BJ sau OE polyest ->pentru orice model polinomial I/O

Se va utiliza functia help din Matlab pentru a se cunoaste apelul acestor functii.

5. Validare model a. Pentru fiecare model in parte se vor retine valorile parametrilor de

validare: functia de pierdere si Final Prediction Error. Valorile cele mai mici prezinta un model corect.

b. Pentru modelul final ales se folosesc functiile resid si compare. Se va reprezenta eroarea obtinuta.

Detalii suplimentare: http://www.mathworks.com/help/ident/ug/identifying-input-output-polynomial-models.html#bq2fkbt-1

>>dataIOf=fft(dataIO); % transformata in frecventa; >>plot(dataIOf.frequency,10log10(abs(dataIOf.y)));% afisare spectru semnal in frecventa; 1dB (putere) =10log10(1.259).

Se vor folosi functii din Matlab >>detrend si >>gettrend.

>> e = resid(m,dataD);% m este modelul identificat; dataD modelul filtrat al datelor de identificare; >> plot(e) >> compare(dataD,m);