ident_lab3
.pdf
Отчет по лабораторной работе № 3
по дисциплине «Идентификация объектов управления»
на тему: «Моделирование и идентификация линейных многомерных динамических систем в среде
Matlab»
Схема А
1) Моделирование линейной многомерной системы. Исходная схема:
Задаем настройки блоков сигналов (сейчас установили период Т = 0,01 с, а с помощью Noise Power и Variance уменьшили амплитуду сигналов):
1
Если даже после изменения амплитуд входных сигналов сигналы на выходе по амплитуде сильно отличаются от входных, не зацикливаемся на этом, просто оставляем параметры амплитуд маленькими (например, как на рисунке выше) и идем дальше.
В Scope, Scope1 также устанавливаем шаг по времени T = 0,01 c.
Устанавливаем:
Параметры моделирования:
2
2) Промоделируем систему:
Выходные сигналы (Scope):
Выходные и входные сигналы (Scope1):
3) Импортируем данные и выведем их характеристики:
Вводим ident (с маленькой буквы) в командном окне Matlab. Появилось:
3
Раскроем список с import data и выберем time… (или другой раздел), чтобы получилось окно, представленное ниже. Заполняем его в соответствии с заданным прежде периодом Т и названиями блоков (в точм числе ставим 0 в Starting time):
Жмем import, получили:
Перетащим mydata1 мышью в окошко Working data. Следует иметь в виду, что если окно mydata выделено жирным, значит, оно активно, если же линии на нем тонкие, то неактивно. Построим time plot (зависимость сигнала от времени), data spektra (спектр сигнала), frequency function (АЧХ и ФЧХ):
4
4) Проведем структурную идентификацию, определив порядок системы:
Действуем в соответствии с картинками:
5
Жмем Estimate, получим:
Номер красного столбца – это порядок, определенный системой - 6. Введем его в окошко Order вручную и нажмем Insert. Появились следующие обновления:
6
5) Проведем параметрическую идентификацию:
Щелкнем на ss1 дважды, получим:
7
Значения FPE = 2.501*10-61 и MSE = 1.008*10-14.
Нажмем Present, чтобы данные вывелись в командное окно, чтобы удобно скопировать.
Name: ss1
Sample time: 0.01 seconds
Parameterization:
CANONICAL form with indices: [3 3]. Feedthrough: none
Disturbance component: estimate Number of free coefficients: 36
Use "idssdata", "getpvec", "getcov" for parameters and their uncertainties.
Status:
Estimated using N4SID on time domain data "mydata1".
Fit to estimation data: [99.99;99.99]%
FPE: 2.501e-61, MSE: 1.008e-14
More information in model's "Report" property.
Указанную последовательность действий (пункты 1-5) необходимо проделать для 5 разных периодов T, однако окно ident заново вызывать не надо – пользуемся всегда одним для схемы А. При этом меняем везде только параметр T и имя mydata. Если после моделирования получается, что число элементов в in неравно числу элементов в out, то обрезаем до меньшего по аналогии:
8
Не забываем перетаскивать рабочие данные в Working data и вручную вбивать полученный порядок модели. После 5 экспериментов окно ident может выглядеть так:
Ниже представлены программные выводы для моделей с периодами T = 0,02; 0,03; 0,04; 0,05 c.
При Т = 0,02
Структурная идентификация:
9
Порядок определен как 5.
Параметрическая идентификация:
Name: ss2
Sample time: 0.02 seconds
Parameterization:
CANONICAL form with indices: [2 3]. Feedthrough: none
Disturbance component: estimate Number of free coefficients: 30
Use "idssdata", "getpvec", "getcov" for parameters and their uncertainties.
Status:
Estimated using N4SID on time domain data "mydata2".
Fit to estimation data: [99.62;98.93]% (prediction focus)
FPE: 3.196e-22, MSE: 4.651e-11
More information in model's "Report" property.
Значения FPE = 3.196*10-22 и MSE = 4.651*10-11.
При Т=0,03
Структурная идентификация:
Порядок определен как 3.
Параметрическая идентификация:
Name: ss3
10