Липецкий государственный технический университет
Кафедра автоматизированных систем управления
Практическая работа №2
по идентификации систем
Идентификация модели передаточной функции с предварительным выравниванием спектра входа
Вариант 30
|
Студент |
|
|
|
Филатов А.А. |
|
||||||
|
|
|
подпись, дата |
|
фамилия, инициалы |
|
||||||
|
Группа |
АС-09-2 |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
||||||
|
Руководитель |
|
|
|
|
|
||||||
|
|
|
|
|
Корнеев А.М. |
|
||||||
|
ученая степень, звание |
|
подпись, дата |
|
фамилия, инициалы |
|
Липецк 2013г.
1. Задание кафедры
-
Используя модели авторегрессии – скользящего среднего, преобразовать входной сигнал в белый шум.
-
Осуществить идентификацию отклика на единичный импульс с предварительным выравниванием спектра входа.
2. Основная часть
Исходные данные:
0 |
70 |
10 |
77 |
20 |
75 |
30 |
75 |
40 |
81 |
50 |
73 |
60 |
70 |
1 |
73 |
11 |
79 |
21 |
79 |
31 |
77 |
41 |
79 |
51 |
71 |
61 |
75 |
2 |
75 |
12 |
74 |
22 |
73 |
32 |
73 |
42 |
76 |
52 |
78 |
62 |
79 |
3 |
72 |
13 |
70 |
23 |
70 |
33 |
71 |
43 |
73 |
53 |
76 |
63 |
76 |
4 |
76 |
14 |
73 |
24 |
76 |
34 |
77 |
44 |
70 |
54 |
81 |
|
|
5 |
81 |
15 |
78 |
25 |
81 |
35 |
79 |
45 |
72 |
55 |
74 |
|
|
6 |
79 |
16 |
81 |
26 |
80 |
36 |
74 |
46 |
74 |
56 |
72 |
|
|
7 |
75 |
17 |
79 |
27 |
77 |
37 |
71 |
47 |
78 |
57 |
75 |
|
|
8 |
71 |
18 |
74 |
28 |
73 |
38 |
76 |
48 |
72 |
58 |
78 |
|
|
9 |
74 |
19 |
71 |
29 |
70 |
39 |
78 |
49 |
70 |
59 |
72 |
|
|
Рис.1. Диаграмма исходных данных
Вариант 30.
Разностное уравнение:
(1-0,3В2)yt=(0,2+0,4B+0,1B2)B2Xt;
yt -0,3 yt-2 =0,2xt-2+0,4 xt-3+0,1 xt-4;
yt =0,3 yt-2 + 0,2xt-2+0,4 xt-3+0,1 xt-4;
Входные и выходные данные для исследуемой системы.
t |
X |
Y |
|
t |
X |
Y |
|
t |
X |
Y |
1 |
74 |
76,6432 |
|
21 |
70 |
78,21617 |
|
41 |
70 |
74,19397 |
2 |
77 |
74,9708 |
|
22 |
75 |
76,79464 |
|
42 |
73 |
74,85926 |
3 |
79 |
73,69296 |
|
23 |
77 |
74,36485 |
|
43 |
71 |
72,85819 |
4 |
74 |
74,59124 |
|
24 |
73 |
73,33839 |
|
44 |
78 |
72,25778 |
5 |
70 |
76,10789 |
|
25 |
71 |
74,70946 |
|
45 |
76 |
72,25746 |
6 |
73 |
76,47737 |
|
26 |
77 |
74,90152 |
|
46 |
81 |
72,97733 |
7 |
78 |
74,33237 |
|
27 |
79 |
73,51284 |
|
47 |
74 |
75,17724 |
8 |
81 |
72,94321 |
|
28 |
74 |
73,57046 |
|
48 |
72 |
76,2932 |
9 |
79 |
74,09971 |
|
29 |
71 |
75,75385 |
|
49 |
75 |
77,35317 |
10 |
74 |
76,58296 |
|
30 |
76 |
76,17114 |
|
50 |
78 |
74,98796 |
11 |
71 |
78,22991 |
|
31 |
78 |
74,42616 |
|
51 |
72 |
74,40595 |
12 |
75 |
77,47489 |
|
32 |
81 |
73,85134 |
|
52 |
70 |
75,29639 |
13 |
79 |
75,16897 |
|
33 |
79 |
75,42785 |
|
53 |
75 |
75,42179 |
14 |
73 |
74,04247 |
|
34 |
76 |
77,1554 |
|
54 |
79 |
73,18892 |
15 |
70 |
75,45069 |
|
35 |
73 |
78,62835 |
|
55 |
76 |
72,82654 |
16 |
76 |
75,91274 |
|
36 |
70 |
78,04662 |
|
|
|
|
17 |
81 |
73,73521 |
|
37 |
72 |
76,48851 |
|
|
|
|
18 |
80 |
73,27382 |
|
38 |
74 |
74,21399 |
|
|
|
|
19 |
77 |
75,72056 |
|
39 |
78 |
72,64655 |
|
|
|
|
20 |
73 |
77,98215 |
|
40 |
72 |
72,8642 |
|
|
|
|
Построим автокорреляционную функцию и воспользуемся критерием Кенуя.
1 |
1 |
12 |
-0,03082 |
23 |
-0,01013 |
34 |
-0,10363 |
45 |
-0,07147 |
2 |
0,330094 |
13 |
-0,18926 |
24 |
0,108682 |
35 |
-0,20996 |
46 |
-0,049 |
3 |
-0,37495 |
14 |
-0,07135 |
25 |
0,055214 |
36 |
-0,13076 |
47 |
0,072933 |
4 |
-0,41368 |
15 |
0,208119 |
26 |
-0,08908 |
37 |
0,128607 |
48 |
0,099572 |
5 |
0,021089 |
16 |
0,244288 |
27 |
-0,01331 |
38 |
0,231631 |
49 |
-0,00973 |
6 |
0,154191 |
17 |
0,071999 |
28 |
0,060385 |
39 |
0,053685 |
50 |
-0,083 |
7 |
-0,00291 |
18 |
-0,12158 |
29 |
-0,01036 |
40 |
-0,12843 |
51 |
-0,02554 |
8 |
-0,1204 |
19 |
-0,13247 |
30 |
-0,05295 |
41 |
-0,09762 |
52 |
0,032216 |
9 |
-0,14945 |
20 |
-0,00979 |
31 |
0,031011 |
42 |
0,026991 |
53 |
0,018206 |
10 |
0,045888 |
21 |
-0,00102 |
32 |
0,096364 |
43 |
0,054226 |
54 |
-0,00414 |
11 |
0,151443 |
22 |
-0,10362 |
33 |
0,026517 |
44 |
-0,0113 |
55 |
-0,00162 |
Рис. 2 – Автокорреляционная функция
Критическое значение – 38.
Оценки Юла — Уокера для параметров процесса можно получить, заменяя теоретические значения автокорреляции к выборочными автокорреляциями rк. Если перейти к матричным обозначениям
решение системы — выражения для параметров через автокорреляции — можно записать в виде
Ф(В):
1 |
-0,00651 |
10 |
0,018969 |
19 |
0,027081 |
28 |
0,004518 |
37 |
-0,05509 |
2 |
0,024086 |
11 |
0,012404 |
20 |
0,034263 |
29 |
-0,00103 |
38 |
-0,0596 |
3 |
0,184011 |
12 |
-0,01124 |
21 |
0,005202 |
30 |
-0,00234 |
|
|
4 |
0,382779 |
13 |
0,002138 |
22 |
0,001071 |
31 |
-0,00943 |
|
|
5 |
0,163937 |
14 |
-0,00727 |
23 |
0,03352 |
32 |
-0,01195 |
|
|
6 |
0,098647 |
15 |
-0,00299 |
24 |
0,012545 |
33 |
-0,02674 |
|
|
7 |
0,050716 |
16 |
-0,02203 |
25 |
-0,02698 |
34 |
-0,0109 |
|
|
8 |
0,035421 |
17 |
0,005668 |
26 |
0,002161 |
35 |
-0,01847 |
|
|
9 |
-0,00255 |
18 |
0,042138 |
27 |
-0,00335 |
36 |
-0,0554 |
|
|
С помощью полученной подели авторегрессии получаем прогнозы и находим ошибку. Таким образом получа-ем «белый шум».
t |
alfa |
beta |
|
t |
alfa |
beta |
|
t |
alfa |
beta |
1 |
-1,09091 |
0,609191 |
|
20 |
-0,24834 |
1,446006 |
|
39 |
0,948318 |
-0,67876 |
2 |
2,441645 |
-0,84877 |
|
21 |
-1,34709 |
2,107265 |
|
40 |
-4,2679 |
-0,06291 |
3 |
2,492996 |
-0,59606 |
|
22 |
0,876613 |
2,344898 |
|
41 |
-1,72862 |
0,210075 |
4 |
-2,47442 |
0,659436 |
|
23 |
-1,76055 |
0,39455 |
|
42 |
-0,77152 |
-0,37807 |
5 |
-1,9903 |
0,27935 |
|
24 |
-2,20001 |
0,093498 |
|
43 |
-5,82364 |
-1,81649 |
6 |
0,289342 |
0,792322 |
|
25 |
-0,89046 |
0,331486 |
|
44 |
3,404352 |
-1,30742 |
7 |
0,768762 |
-0,52666 |
|
26 |
1,685466 |
-0,9667 |
|
45 |
-3,19243 |
-2,11261 |
8 |
3,907842 |
-1,39877 |
|
27 |
0,434661 |
-1,17178 |
|
46 |
2,673979 |
-2,03943 |
9 |
2,365466 |
0,265709 |
|
28 |
-1,27327 |
-0,42833 |
|
47 |
-1,24218 |
-0,41436 |
10 |
-0,57102 |
0,896024 |
|
29 |
-1,14219 |
0,371023 |
|
48 |
-2,7791 |
-0,93504 |
11 |
-0,37124 |
1,563954 |
|
30 |
2,562811 |
0,133933 |
|
49 |
-0,77781 |
0,456141 |
12 |
1,581097 |
1,893751 |
|
31 |
0,241732 |
-0,55707 |
|
50 |
1,849008 |
-0,98727 |
13 |
1,615164 |
0,51256 |
|
32 |
3,208919 |
-0,13344 |
|
51 |
-3,27031 |
-1,17604 |
14 |
-3,28861 |
0,464194 |
|
33 |
1,663448 |
0,986012 |
|
52 |
0,563546 |
-0,43688 |
15 |
-0,98803 |
1,039002 |
|
34 |
2,119216 |
1,061121 |
|
53 |
-0,21327 |
-0,26652 |
16 |
2,789401 |
0,211057 |
|
35 |
0,893291 |
2,020199 |
|
54 |
0,104539 |
-1,06304 |
17 |
1,579354 |
-0,957 |
|
36 |
-3,55181 |
1,79503 |
|
55 |
-0,04716 |
-0,14569 |
18 |
2,505876 |
0,074736 |
|
37 |
0,040467 |
1,617031 |
|
|
|
|
19 |
3,041438 |
1,273086 |
|
38 |
0,459421 |
0,363156 |
|
|
|
|
Рис.3 – График полученных значений alfa и beta.
Модель выходного сигнала можно представить в виде: t = V(B) * t .
Умножим обе стороны модели на t-k и перейдем к математическим ожиданиям:
M[t-k*t] = M[V0*t-k*t] + M[V1*t-1*t-k] +...+ M[Vk*t-k*t-k]
+ M[t*t-k]
K(k) = K(k) + K(k-1) +...+ K(0) = Vk2
Vk = K (k) / 2
t |
Сab |
Vk |
Коэф. модели |
1 |
-0,0305 |
-0,00651 |
-0,015 |
2 |
0,112911 |
0,024086 |
-0,009 |
3 |
0,862627 |
0,184011 |
0,194 |
4 |
1,794433 |
0,382779 |
0,385 |
5 |
0,768523 |
0,163937 |
0,158 |
6 |
0,462446 |
0,098647 |
0,111 |
7 |
0,237752 |
0,050716 |
0,065 |
8 |
0,166048 |
0,035421 |
0,031 |
9 |
-0,01193 |
-0,00255 |
0,011 |
10 |
0,088926 |
0,018969 |
0,021 |
11 |
0,058148 |
0,012404 |
0,012 |
12 |
-0,05267 |
-0,01124 |
-0,017 |
13 |
0,010023 |
0,002138 |
0,023 |
14 |
-0,03406 |
-0,00727 |
-0,027 |
15 |
-0,01401 |
-0,00299 |
0,022 |
16 |
-0,10328 |
-0,02203 |
0,005 |
17 |
0,026572 |
0,005668 |
0,003 |
18 |
0,19754 |
0,042138 |
0,026 |
19 |
0,126951 |
0,027081 |
0,003 |
Рис. 4 – График рассчитанной модели
Рис 7. Графики выходного сигнала и сигнала, полученного по модели