Professional Documents
Culture Documents
Zadeh (1962): Nhận dạng là xác định một mô u Đối tượng điều y
hình toán cụ thể cho hệ thống từ lớp các mô hình
khiển
thích hợp, trên cơ sở quan sát các tín hiệu vào
ra, sao cho sai lệch giữa nó với hệ thống là nhỏ uk N0 yk N0
nhất.
Thuật toán nhận dạng đối
tượng
1. Là phương pháp thực nghiệm
2. Cần có lớp các mô hình thích hợp (thông tin A-
priori từ hệ thống)
Kết quả: Mô hình toán của
3. Sử dụng tối ưu hóa (optimization)
đối tượng
4. Tài liệu tham khảo: Nhận dạng hệ thống điều
khiển (Phước, Minh) và Cơ sở lý thuyết điều
khiển tuyến tính (Phước).
Tín hiệu vào ra phải mang đầy đủ thông tin về động học của đối tượng
1. Nếu tín hiệu vào được chọn trước: Nhận dạng chủ động (active) hay còn gọi là
nhận dạng ngoại tuyến (off-line)
2. Ngược lại: Gọi là nhận dạng bị động (passive) hay trực tuyến (on-line)
Nguyên lý chung
nhiễu
1. Kích thích u 1(t ) ở đầu vào, thu thập h (t ) , tức là đo dữ liệu đầu ra
2. Xác định lớp mô hình thích hợp từ dạng đồ thị h (t ) ở đầu ra (cấu trúc hàm
truyền cho hệ và nhiễu)
3. Xác định tham số của hàm truyền
k
1. Cấu trúc hàm truyền G (s )
1 Ts
2. Dựng đường tiệm cận và từ đó là k
3. Xác định T theo 2 cách:
k
1. Cấu trúc hàm truyền G (s )
(1 T1s )(1 T2s )
2. Dựng đường tiệm cận và từ đó là giá trị k
3. Kẻ tiếp tuyến tại điểm uốn và xác định hai
hằng số a ,b. Từ đó là x theo bảng sau:
a
Điều kiện tiên quyết: 0.103648
b
k
1. Cấu trúc hàm truyền G (s )
(1 Ts )n
2. Dựng đường tiệm cận và từ đó là k
3. Kẻ tiếp tuyến tại điểm uốn và xác định hai
hằng số a ,b. Từ đó là n theo bảng sau:
b (n 1)n 1
4. Tính T n 1
e (n 2)!
a
Điều kiện tiên quyết: 0.103648
b
k (1 Tt s )
1. Cấu trúc hàm truyền G (s )
1 Tm s
2. Dựng đường tiệm cận và từ đó là k
3. Xác định các hằng số còn lại là Tm ,Tt như ở hình vẽ.
2
3. Xác định độ quá điều chỉnh h và từ đó là D 1 1
ln 2 h k
T1 1 D 2
4. Xác định T1 và từ đó là T
Ti 1 D 2
T , i 1, 2,
i
1
D , A1 h
2
1
ln 2 Ai 1 Ai
! Với tín hiệu ồn trắng ở đầu vào thì tín hiệu ra luôn chứa được đầy đủ thông tin động học về đối tượng
1. Gán K 0 ry (0) và i 1
i 1
ry (i ) ry (i k )ak [i 1]
k 1
2. Tính ai [i ]
K i 1
ak [i ] ak [i 1] ai [i ]ai k [i 1], k 1, 2, , i 1
K i Ki 1 1 ai [i ]2
3. Nếu i n thì gán i : i 1 và quay về 2. Ngược lại thì dừng với đáp số:
K Kn và ak : ak [n ], k 1, 2, , n
Thuật toán
f b 1 N 2
1. Gán i 1, ek [0] ek [0] yk , k 0,1, , N và K 0 ry (0) yk
N 1 k 0
N 1
2 ekf [i 1]ekb 1[i 1]
2. Tính ai [i ] N 1
k i
, K i Ki 1 1 ai [i ]2
ekf [i 2
1] ekb 1[i 2
1]
k i
ak [i ] ak [i 1] ai [i ]ai k [i 1], k 1, 2, , i 1
ekf [i ] ekf [i 1] ai [i ]ekb 1[i 1], k 0,1, , N
ekb [i ] ekb 1[i 1] ai [i ]ekf [i 1], k 0,1, ,N
3. Nếu i n thì gán i : i 1 và quay về 2. Ngược lại thì dừng với đáp số:
K Kn và ak : ak [n ], k 1, 2, , n
các tham số b1 , ,bm sao cho kỳ vọng (giá trị Nhận b1 , ,bm
trung bình) của bình phương sai lệch giữa mô hình dạng AR
y
Ít ý nghĩa ứng dụng, nhưng là bước trung gian để nhận dạng tham số mô hình ARMA sau này
3. Sử dụng thuật toán Levinson hoặc Burg một lần nữa để xác định b1 , ,bm từ
các giá trị c1 , ,cn lúc này được xem như tín hiệu đo được {yk }
Lưu ý: Trong trường hợp chọn n 2m thì sau khi đã có c1 , ,cn các tham số mô hình hàm
truyền sẽ được xác định đơn giản từ phương trình đại số tuyến tính sau:
c1 c2 cm
b c
c c3 cm 1 1 m 1
2
b c2m
c
m 1 cm 2 c2m m
Thuật toán
3. Tính dãy giá trị đầu vào {x k }N0 cho khối MA từ {yk }N0 và K ,a1 , ,an
4. Sử dụng thuật toán nhận dạng MA để xác định b1 , ,bm từ {x k }N
0
y col y 0 , , yN , X col x T0 , , x TN
x Tk yk 1 , , yk n , uk , , uk m
D diag (di ) ma trận trọng số
y col ruy (0), , ruy (N / ) với N / N 5
Nguyên lý nhận dạng: Chuyển về bài toán nhận dạng chủ động nhờ hai mô hình AR:
Ku Ky
Gu và Gy
1 b1z 1 bm z m 1 a1z 1 an z n
1. Từ uk , k 0,1, , N xác định tham số K u ,b1 , ,bm của hàm truyền AR Gu (nhờ
thuật toán Levinson hoặc Burg)
2. Từ yk , k 0,1, , N xác định tham số K y ,a1 , ,an của hàm truyền AR Gy (nhờ
thuật toán Levinson hoặc Burg)
3. Tính K Ky Ku