Điều khiển quá trình

Chương 1

Chương 2: Mô hình quá trình

phần II

18/08/2006
2.4 Mô hình hóa thực nghiệm

u 1
y 1

u u 2
M
y 2 y
u m
y m

Y (s )
G(s ) =
U (s )
⎛ x ⎞⎟ ⎛⎜ A B ⎞⎟ ⎛ x ⎞⎟
⎜⎜ ⎟ = ⎜ ⎟
⎟ ⎜⎜ ⎟
⎜⎝ y ⎟⎠ ⎜⎝C D ⎟⎠ ⎜⎝ u ⎟⎠
...

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 2
Định nghĩa nhận dạng
ƒ Phương pháp xây dựng mô hình toán học trên cơ
sở các số liệu vào-ra thực nghiệm ₫ược gọi là mô
hình hóa thực nghiệm hay nhận dạng hệ thống
(system identification).
ƒ Theo IEC 60050-351: “Nhận dạng hệ thống là
những thủ tục suy luận một mô hình toán học biểu
diễn ₫ặc tính tĩnh và ₫ặc tính quá ₫ộ của một hệ
thống từ ₫áp ứng của nó ₫ối với một tín hiệu ₫ầu
vào xác ₫ịnh rõ, ví dụ hàm bậc thang, một xung
hoặc nhiễu tạp trắng”.
ƒ Theo Lofti A. Zadeh: Trên cơ sở quan sát số liệu
vào/ra thực nghiệm, các ₫ịnh các tham số của mô
hình từ một lớp các mô hình thích hợp, sao cho
sai số là nhỏ nhất.
Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 3
Các yếu tố cơ bản của nhận dạng
ƒ Số liệu vào/ra thực nghiệm:
— Xác ₫ịnh như thế nào? Trong ₫iều kiện nào?
— Dạng nhiễu (nhiễu quá trình, nhiễu ₫o), ₫ộ lớn của
nhiễu?
ƒ Dạng mô hình, cấu trúc mô hình
— Mô hình phi tuyến/tuyến tính, liên tục/gián ₫oạn hàm
truyền ₫ạt/không gian trạng thái, …
— Bậc mô hình, thời gian trễ
ƒ Chỉ tiêu ₫ánh giá chất lượng mô hình
— Mô phỏng và so sánh với số liệu ₫o như thế nào?
ƒ Thuật toán xác ₫ịnh tham số
— Rất ₫a dạng -> thuật toán nào phù hợp với bài toán nào?

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 4
Các bước tiến hành
1. Thu thập, khai thác thông tin ban ₫ầu về quá
trình (“apriori” information)
2. Lựa chọn phương pháp nhận dạng (trực tuyến/
ngoại tuyến, vòng hở/vòng kín, chủ ₫ộng/bị ₫ộng,
thuật toán nhận dạng, ...).
3. Lấy số liệu thực nghiệm cho từng cặp biến vào/ra,
xử lý thô các số liệu nhằm loại bỏ những giá trị ₫o
kém tin cậy.
4. Quyết ₫ịnh về dạng mô hình và giả thiết ban ₫ầu
về cấu trúc mô hình
5. Lựa chọn thuật toán và xác ₫ịnh các tham số mô
hình
6. Mô phỏng, kiểm chứng và ₫ánh giá mô hình
7. Quay lại một trong các bước 1-4 nếu cần

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 5
Phân loại các phương pháp nhận dạng
ƒ Theo dạng mô hình sử dụng: phi tuyến/tuyến
tính, liên tục/gián ₫oạn, mô hình thời gian/tần số
ƒ Theo dạng số liệu thực nghiệm: chủ ₫ộng/bị ₫ộng
ƒ Theo mục ₫ích sử dụng mô hình: trực tuyến,
ngoại tuyến
ƒ Theo thuật toán ước lượng mô hình:
— bình phương tối thiểu (least squares, LS),
— phân tích tương quan (correlation analysis), phân tích phổ
(spectrum analysis),
— phương pháp lỗi dự báo (prediction error method, PEM)
— phương pháp không gian con (subspace method).
ƒ Nhận dạng vòng hở/vòng kín

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 6
Nhận dạng vòng hở/vòng kín

u QUÁ TRÌNH y

a) Nhận dạng vòng hở

r BỘ ĐIỀU u QUÁ TRÌNH y

KHIỂN

b) Nhận dạng vòng kín

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 7
Đánh giá và kiểm chứng mô hình
ƒ Tốt nhất: Bộ số liệu phục vụ kiểm chứng khác bộ
số liệu phục vụ ước lượng mô hình
ƒ Đánh giá trên miền thời gian:
N
1
ε=
N
∑ [ y( kh ) − ˆ
y ( kh )]2

k =1

— h là chu kỳ trích mẫu tín hiệu (chu kỳ thu thập số liệu)

— k là bước trích mẫu tín hiệu (bước thu thập số liệu)
– y là giá trị ₫ầu ra ₫o ₫ược thực nghiệm
— ŷ là giá trị ₫ầu ra dự báo trên mô hình
ƒ Đánh giá trên miền tần số
⎧⎪ Gˆ ( jω ) − G( jω ) ⎫⎪
E = max ⎨ ×100% ⎬
ω∈O
⎪⎩ G( jω ) ⎭⎪
Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 8
2.4.1 Nhận dạng dựa trên ₫áp ứng quá ₫ộ

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 9
Xấp xỉ về mô hình ₫ơn giản
ƒ Đáp ứng quán tính (a): có thể xấp xỉ thành mô
hình quán tính bậc nhất hoặc bậc hai có trễ
— FOPDT: first order plus dead-time
— SOPDT: second order plus dead-time
ƒ Đáp ứng dao ₫ộng tắt dần (c): có thể xấp xỉ thành
mô hình dao ₫ộng bậc hai (SOPDT).
ƒ Đáp ứng tích phân (d): có thể ₫ưa về xấp xỉ thành
mô hình quán tính bậc nhất hoặc bậc hai có trễ
cộng thêm thành phần tích phân.
ƒ Đáp ứng quán tính - ngược (b): mô hình có chứa
₫iểm không nằm bên phải trục ảo (hệ pha không
cực tiểu) => cần phương pháp chính xác hơn

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 10
Phương pháp kẻ tiếp tuyến
k
Mô hình FOPDT: Gˆ ( s ) = e − Ls
1 + Ts

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 11
 2
ƒ Ví dụ quá trình có mô hình lý tưởng G( s) =
( s + 1)5
2
ƒ Mô hình ước lượng: Gˆ ( s) = e −2.2s
1 + 3.25s

——— mô hình lý tưởng, — — mô hình ước lượng

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 12
Phương pháp hai ₫iểm qui chiếu
k
Mô hình FOPDT: Gˆ ( s ) = e − Ls
1 + Ts

T = 1.5(t2 − t1 )
L = 1.5(t1 − t2 / 3) = t2 − T

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 13
 2
ƒ Ví dụ quá trình có mô hình lý tưởng G( s) =
( s + 1)5
t1 = 3.55s, t2 = 5.45s
=> T = 1.5(5.4s — 3.5s) = 2.85s và L = 5.45s — 2.85s = 2.6s.
2
ƒ Mô hình ước lượng: Gˆ ( s) = e −2.6 s
1 + 2.85s

——— mô hình lý tưởng, — — mô hình ước lượng

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 14
 Phương pháp diện tích
k
Mô hình FOPDT: Gˆ ( s ) = e − Ls
1 + Ts

A0
T +L=
kΔu
t∞

∫ [ Δy∞ − Δy(t)] dt
Δy∞ = A0 = 0

kΔ u kΔu
T +L

A1 T=
eA1
=
∫0 Δydt
kΔu kΔu
T+
L

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 15
Phương pháp hai ₫iểm qui chiếu
k
ƒ Mô hình SOPDT Gˆ ( s) = e − Ls
(1 + T1s)(1 + T2s)

ƒ Hệ số khuếch ₫ại tĩnh xác ₫ịnh dựa trên giá trị xác lập
ƒ Thời gian trễ xác ₫ịnh dựa trên kẻ tiếp tuyến tại ₫iểm uốn
(hoặc phân tích số liệu trên máy tính)
ƒ Chọn hai ₫iểm qui chiếu T1 và T2 (ví dụ tương ứng với 33% và
67% giá trị xác lập):
ti − L ti − L
− −
T2 T1
T2e − T1e Δy(ti )
1+ − = 0, i = 1,2
T1 − T2 Δy∞

ƒ Giải ₫ược bằng phương pháp số, không có gì phức tạp nếu
sử dụng các công cụ tính toán như MATLAB (ví dụ hàm
fsolve trong Optimization Toolbox)
Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 16
 2
ƒ Ví dụ quá trình có mô hình lý tưởng G( s) =
( s + 1)5
ƒ Mô hình ước lượng:
k = 1.08, L = 12.3s
T1 = 2.9985s và T2 = 2.9986s

(——— mô hình lý tưởng, — — mô hình FOPDT, —⋅—⋅ mô hình SOPDT)

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 17
Mô hình chứa khâu tích phân
ƒ Mô hình hàm truyền:
k k
GIT 1 D = e − Ls GIT 2 D = e − Ls
s(1 + Ts ) s(1 + T1s)(1 + T2s)

ƒ Có thể ₫ưa về nhận dạng mô hình FOPDT hoặc

SOPDT :
— Sử dụng tín hiệu kích thích dạng xung thay cho tín hiệu
bậc thang.
— Sử dụng tín hiệu kích thích dạng bậc thang, nhưng lấy
số liệu là ₫ạo hàm của tín hiệu ₫ầu ra thay cho trực tiếp
giá trị ₫ầu ra. Nhược ₫iểm: có thể ₫ưa quá trình ra khỏi
phạm vi làm việc cho phép.

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 18
2.4.2 Phương pháp phản hồi rơ-le
ƒ Åström và Hägglund ₫ưa ra năm 1984 ₫ể ước
lượng hệ số khuếch ₫ại tới hạn Ku và chu kỳ dao
₫ộng tới hạn Tu => chỉnh ₫ịnh bộ PID theo phương
pháp Ziegler-Nichols 2
ƒ Thực chất là một phương pháp tần số, chỉ nhận
dạng ₫ược ₫ặc tính tần số tại tần số tương ứng
với 180O của hệ kín
ƒ Một trong những phương pháp nhận dạng hệ kín
₫ược sử dụng nhiều nhất bởi các ưu ₫iểm:
— Đơn giản, dễ tiến hành
— Ít chịu ảnh hưởng của nhiễu
— Nhận dạng hệ kín xung quanh ₫iểm làm việc

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 19
Cách thức tiến hành
r=0 +d u G(s) y
-d
1 4d
Ku = =
G( jωu ) aπ

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 20
2.4.3 Thuật toán bình phương tối thiểu
ƒ Giả sử quá trình có thể ₫ược mô tả bởi

y(ti ) = ϕ1 (ti )θ1 + ϕ 2 (ti )θ2 + + ϕ n (ti )θn = ϕ T (ti )θ

— y(ti) là giá trị của ₫ại lượng quan sát tại thời ₫iểm ti
— θ là vector tham số của mô hình cần xác ₫ịnh
— ϕ T là vector hàm biết trước (vector hồi qui)

θ = [θ1 θ2 … θn ] ϕ T (ti ) = [ϕ1 (ti ) ϕ2 (ti ) … ϕn (ti )]

T

ƒ θ cần ₫ược lựa chọn nhằm tối thiểu hóa hàm mục tiêu cho
một khoảng thời gian quan sát [t1, tN]:
N N
( )
2
V (θ ,tN ) = ∑ ( y(ti ) − yˆ (ti )) = ∑ y(ti ) − ϕ (ti )θ
2 T

i =1 i =0

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 21
 ƒ Sử dụng các ký hiệu:

⎡ ϕ T (t1 ) ⎤ ⎡ y(t1 ) ⎤
⎢ ⎥
Φ=⎢ ⎥, Φ ∈ ℜN × n ψ = ⎢⎢ ⎥,
⎥ ψ ∈ ℜN ×1
⎢ϕ T (tN )⎥ ⎢⎣ y(tN )⎥⎦
⎣ ⎦

ƒ Ta có thể viết
Φθ = ψ
ƒ Đưa về bài toán tìm nghiệm tối ưu toàn phương
θˆ = arg min ⎡⎣(ψ − Φθ )T (ψ − Φθ )⎤⎦

ƒ Nghiệm tối ưu với ΦT Φ khả ₫ảo và n ≤ N (ĐK kích

thích)
θˆ = ( ΦT Φ )−1 ΦTψ = Φ †ψ

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 22
Ước lượng tham số mô hình FIR
ƒ Mô hình ₫áp ứng xung hữu hạn (finite impulse response,
FIR):
n
y(t ) = ∑ giu(t − i )
i =1
ƒ Xác ₫ịnh dãy trọng lượng { gi }

ƒ Đặt vector tham số:

θ = [ g1 g2 … gn ]T
ƒ Vector hồi quy:

ϕT (t ) = [ u(t − 1) u(t − 2) … u(t − n) ]

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 23
 ƒ Chọn thời gian quan sát từ (n + 1) ₫ến t, ta có:

ψ = [ y(n + 1) y(n + 2) y(t ) ]

T

⎡ u(n) u(n − 1) u(1) ⎤

⎢ ⎥
Φ=⎢ ⎥
⎢ ⎥
⎢ u(t − 1) u(t − 2) u(t − n) ⎥⎦
⎣

θˆ = (ΦT Φ)−1 ΦTψ = Φ†ψ

ƒ u(t) phải ₫ảm bảo ₫iều kiện kích thích. Giả sử tín hiệu bậc
thang ₫ược chọn, khả năng rất cao là một số cột của Φ sẽ
giống nhau hoàn toàn và do ₫ó phụ thuộc tuyến tính.
ƒ => Tín hiệu thích hợp nhất là dạng ngẫu nhiên, ví dụ ồn
trắng hoặc PRBS (pseudo random binary signal)

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 24
Ví dụ ước lượng mô hình FIR
Mô phỏng ₫áp ứng bậc thang ₫ơn vị của quá trình có hàm truyền:
2 −1.5s
G(s) = e
(s + 2)(s + 3)(s 2 + 0.6s + 1.09)
chu kỳ trích mẫu tín hiệu T = 0.5s, giới hạn quan sát t = 100T, chiều dài
dãy trọng lượng n = 40

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 25
Ước lượng tham số mô hình ARX
Giả sử quá trình ₫ược mô tả bởi mô hình ARX:

A (q − 1 )y (t ) = B (q − 1 )u (t − d ) + e (t )

trong ₫ó d > 0 (cho trước) và

A (q − 1 ) = 1 + a 1q − 1 + + a na q −na
B (q − 1 ) = b 0 + b1q − 1 + + bn b q − n b

Phương trình ₫ược viết lại dưới dạng

y (t ) = −a 1y (t − 1) − − a na y (t − n a ) +
+b0u (t − d ) + b1u (t − d − 1) + + bnb u (t − d − n b ) + e(t )

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 26
 Đặt vector tham số mô hình cần xác ₫ịnh là

θ = [ a1 a na b0 bnb ]T

và véc tơ hồi quy

ϕ T (t ) = [ −y (t − 1) −y (t − na ) u (t − d ) u (t − d − nb ) ]

ta có thể viết

y (t ) = ϕ T (t )θ + e(t ) = yˆ(t ) + e(t )

Mô hình tốt nhất ₫ược coi là mô hình ₫ưa ra dự báo lỗi nhỏ
nhất theo nghĩa bình phương tối thiểu, tức là
N
θˆ = arg min ∑ ( y(ti ) − yˆ(θ , ti ) )2
i =1

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 27
 Đặt
m = max(na, nb + d ) + 1
và chọn thời gian quan sát từ m ₫ến t, ta có

⎡ −y(m − 1) −y(m − na ) u(m − d ) u(m − d − nb) ⎤

⎢ ⎥
Φ=⎢ ⎥
⎢ ⎥
⎢ −y(t − 1) −y(t − na ) u(t − d ) u(t − d − nb) ⎥⎦
⎣
và
ψ = [ y(m ) y(t ) ]
T

Dễ thấy rằng ma trận Φ cần phải có số hàng lớn hơn hoặc

bằng số cột và vì thế giới hạn quan sát t cần ₫ược chọn ít
nhất bằng m + n a + n b − 1

θˆ = ( ΦT Φ )−1 ΦTψ = Φ†ψ

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 28
 ƒ Ví dụ quá trình có mô hình lý tưởng
2 −1.5s
G(s ) = e
(s + 2)(s + 3)(s 2 + 0.6s + 1.09)
₫ược mô phỏng cho trường hợp không có nhiễu ₫o và có
nhiễu tạp trắng (tỉ lệ NSR 5%) ₫ể lấy số liệu
Chu kỳ trích mẫu T = 0.5s, giới hạn quan sát t = 10s (20*T)
Cấu trúc mô hình ₫ược chọn: na = nb = 3, d = 3
ƒ Kết quả kiểm chứng mô hình nhận ₫ược

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 29
Lựa chọn cấu trúc mô hình
ƒ Thời gian trễ biết trước: chọn na = nb và tiến
hành ước lượng tham số theo một quy trình lặp,
bắt ₫ầu với một số nhỏ cho ₫ến khi sai lệch mô
hình (kiểm chứng dựa trên bộ số liệu thực nghiệm
khác) có thể chấp nhận ₫ược.
ƒ Thời gian trễ chưa biết trước: tiến hành như trên
nhưng sau ₫ó kiểm tra các tham số của mô hình.
Những tham số ₫ầu của ₫a thức tử số có giá trị
xấp xỉ không cho biết thông tin về thời gian trễ
của quá trình => giảm bậc của cả hai ₫a thức tử
và mẫu (tức na và nb) ₫úng bằng số tham số của
xấp xỉ không, sau ₫ó chạy lại thuật toán ước
lượng tham số một lần nữa ₫ể tìm ra mô hình có
trễ thực.

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 30
2.4.4 MATLAB Identification Toolbox
ƒ Biểu diễn số liệu thực nghiệm
Data = iddata(y,u,Ts)
ƒ Dạng mô hình sử dụng:
— Đáp ứng tần số: tạo mô hình bằng lệnh idfrd
— Các mô hình ₫a thức (ARX, ARMAX, Box-Jenkins, PE,...):
tạo mô hình bằng các lệnh idpoly, idarx, ...
— Mô hình trạng thái: tạo mô hình bằng lệnh idss
ƒ Thuật toán ước lượng môhình:
— Mô hình FIR: hàm impulse
— Mô hình ₫áp ứng tần số: hàm spa và etfe
— Mô hình ARX và AR: hàm arx, ax, iv4 và ivx
— Ước lượng mô hình ARMAX và ARMA: hàm armax
— Ước lượng mô hình trạng thái: hàm n4sid

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 31
 ƒ Ví dụ quá trình có mô hình lý tưởng
2 −1.5 s
G( s ) = e
( s + 5)( s + 9)( s2 + 0.6s + 1.09)
ƒ Mã chương trình
% create simulation data
G = zpk([],[-0.3+j -0.3-j -5 -9],2, 'Inputdelay',1.5);
h = 0.5;
time = [0:h:20]';
u = randn(size(time));
y = lsim(G,u,time);
% estimate model parameters
data = iddata(y,u,h);
M1 = arx(data,[3 3 3]);
M2 = arx(data,[4 4 3]);
% plot step responses
step(M1,'k+',M2,'k.',20);
hold on;
step(G,'k-',20);
grid on;
Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 32
Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 33
2.4.5 Lựa chọn phương pháp nhận dạng
ƒ Quá trình cho phép nhận dạng chủ ₫ộng và ₫ối tượng có
thể xấp xỉ về mô hình FOPDT (hoặc có thể có thêm thành
phần tích phân):
— Phương pháp hai ₫iểm qui chiếu theo ₫ơn giản và dễ áp
dụng trực quan nhất,
— Nếu có nhiễu ₫o và thuật toán ₫ược thực hiện trên máy
tính thì phương pháp diện tích cho kết quả chính xác
hơn.
ƒ Quá trình cho phép nhận dạng chủ ₫ộng và phương pháp
thiết kế ₫iều khiển sử dụng trực tiếp mô hình gián ₫oạn:
— Nên chọn các phương pháp ước lượng dựa trên nguyên
lý bình phương tối thiểu áp dụng cho mô hình phù hợp
với bài toán ₫iều khiển (FIR, ARX, ARMAX,…).

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 34
 ƒ Quá trình không cho phép nhận dạng chủ ₫ộng vòng hở:
— Phương pháp nhận dạng dựa trên phản hồi rơ-le và các
phiên bản cải tiến tỏ ra tương ₫ối ₫a năng và ₫ặc biệt
phù hợp cho thiết kế ₫iều khiển trên miền tần số.
— Nếu chất lượng mô hình cần cao hơn thì nên áp dụng
các phương pháp bình phương tối thiểu.
ƒ Quá trình hoàn toàn không cho phép nhận dạng chủ ₫ộng:
— Nếu phương pháp thiết kế ₫iều khiển sử dụng trực tiếp
mô hình gián ₫oạn thì các phương pháp bình phương tối
thiểu là phù hợp nhất.
— Chỉ nên sử dụng phương pháp phân tích phổ tín hiệu
khi phương pháp thiết kế ₫iều khiển hoàn toàn trên ₫ặc
tính tần số.

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 35
Tóm tắt yêu cầu bài giảng
ƒ Hiểu rõ các yếu tố cơ bản trong xây dựng mô hình
bằng phương pháp thực nghiệm
ƒ Nắm ₫ược các vấn ₫ề khó khăn, trở ngại trong các
bước tiến hành nhận dạng
ƒ Hiểu ₫ược nguyên tắc cơ bản và có ₫ược kỹ năng
tự thực hiện ₫ược (bằng mô phỏng) phương pháp
ước lượng các mô hình ₫ơn giản dựa trên ₫áp ứng
bậc thang ₫ơn vị/phương pháp phản hồi rơ-le
ƒ Nắm ₫ược nguyên tắc cơ bản của phương pháp
bình phương cực tiểu, áp dụng ₫ược trên hai lớp
mô hình FIR và ARX (thông qua mô phỏng)
ƒ Nắm ₫ược sơ lược về chọn phương pháp

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 36
Phần tự học/tự nghiên cứu
ƒ Đọc thêm chương 4 cuốn sách giáo trình: Cơ sở
hệ thống ₫iều khiển quá trình.
ƒ Đọc thêm cuốn sách “Nhận dạng hệ thống ₫iều
khiển” (tác giả PGS. Nguyễn Doãn Phước)
ƒ Câu hỏi, bài tập:
— Các câu hỏi và bài tập cuối chương 4 trong sách giáo
trình
— Sử dụng MATLAB, chạy lại các ví dụ trong bài giảng và
trong chương 4 của cuốn sách
— Tự lấy ví dụ và áp dụng các phương pháp ₫ã học.

Chương 2: Mô hình quá trình – 2.4 Mô hình hóa thực nghiệm © 2006 - HMS 37