Exponenta Banner
exponenta event banner

Модель процесса оценки

Оценка модели непрерывного процесса для системы с одним входом и одним выходом (SISO) во временной или частотной области в интерактивном редакторе

развернуть все на странице

Описание

Задача Оценка модели процесса позволяет в интерактивном режиме оценивать и проверять модель процесса для систем SISO. Можно определить и изменить структуру модели, а также указать дополнительные параметры, такие как обработка исходных условий и методы поиска. Задача автоматически генерирует код MATLAB ® для сценария в реальном времени. Дополнительные сведения о задачах Live Editor в целом см. в разделе Добавление интерактивных задач в сценарий Live.

Модели процессов представляют собой простые функции непрерывного переноса времени, описывающие линейную динамику системы. Элементы модели процесса включают статический коэффициент усиления, постоянные времени, временные задержки, интегратор и нулевой процесс.

Модели процессов популярны для описания динамики системы во многих отраслях и применимы к различным производственным средам. Преимущества этих моделей заключаются в том, что они просты, поддерживают оценку задержки переноса, а коэффициенты модели легко интерпретировать как полюса и нули. Дополнительные сведения об оценке модели процесса см. в разделе Что такое модель процесса?

Задача Оценка модели процесса не зависит от более общего приложения Идентификация системы. Используйте приложение Идентификация системы, чтобы вычислить и сравнить оценки для нескольких структур модели.

Для начала загрузите данные эксперимента, содержащие входные и выходные данные, в рабочую область MATLAB, а затем импортируйте их в задачу. Затем выберите структуру модели для оценки. Задача предоставляет элементы управления и графики, которые помогают экспериментировать с различными структурами модели и сравнивать, насколько хорошо выходные данные каждой модели соответствуют измерениям.

Связанные функции

Код, создаваемый моделью процесса оценки, использует следующие функции.

Задача оценивает idproc модель процесса.

Estimate Process Model task in Live Editor

Открыть задачу

Чтобы добавить задачу Оценка модели процесса в живой сценарий в редакторе MATLAB, выполните следующие действия.

  • На вкладке «Интерактивный редактор» выберите «Задача» > «Оценить модель процесса».

  • В блоке кода в сценарии введите соответствующее ключевое слово, например process или estimate. Выбрать Estimate Process Model из предложенных завершений команды.

Примеры

развернуть все

Открыть сценарий в реальном времени

Используйте задачу Оценить динамический редактор модели процесса (Estimate Process Model Live Editor), чтобы оценить модель состояния-пространства и сравнить выходные данные модели с данными измерений.

Откройте этот пример, чтобы просмотреть предварительно настроенный сценарий, содержащий задачу.

Настройка данных

Загрузить данные измерений iddata1 в рабочую область MATLAB.

load iddata1 z1
z1
z1 =

Time domain data set with 300 samples.
Sample time: 0.1 seconds               
                                       
Outputs      Unit (if specified)       
   y1                                  
                                       
Inputs       Unit (if specified)       
   u1

Импорт данных в задачу

В разделе «Выбор данных» задайте для параметра «Тип данных» значение Data Object и задайте для объекта оценки значение z1.

Объект данных содержит имена входных и выходных переменных, а также время выборки, поэтому указывать их не требуется.

Оценка модели с использованием настроек по умолчанию

Проверьте структуру модели и дополнительные параметры.

В разделе Указать структуру модели (Specify model structure) опция по умолчанию: One Pole без задержки, нуля или интегратора. Уравнения под параметрами в этом разделе отображают указанную структуру.

В разделе Указать инициализацию оценки параметры инициализации, соответствующие параметрам в структуре модели, позволяют задавать начальные точки для оценки. При выборе опции Исправить (Fix) параметр остается фиксированным к указанному значению. В этом примере не указывайте инициализацию. Затем задача использует значения по умолчанию для начальных точек.

В разделе Указать дополнительные параметры (Specify optional parameters) задаются параметры по умолчанию для оценки процесса.

Выполните задачу на вкладке Live Editor с помощью команды Выполнить. График отображает оценочные данные, оценочные выходные данные модели и процент аппроксимации.

Эксперимент с настройками параметров

Поэкспериментируйте с настройками параметров и посмотрите, как они влияют на посадку.

Например, добавьте задержку к One Pole структурировать и запустить задачу.

Оценка соответствия улучшается, хотя процент соответствия все еще ниже 50%.

Попробуйте использовать другую структуру модели. В поле Указать структуру модели (Specify model structure) выберите Underdamped Pair без задержки и запустите задачу.

Результаты подгонки значительно улучшаются.

Создать код

Для отображения кода, создаваемого задачей, щелкните в нижней части раздела параметров. Отображаемый код отражает текущую конфигурацию параметров задачи.

Открыть сценарий в реальном времени

Используйте отдельные данные оценки и проверки, чтобы можно было проверить расчетную модель процесса.

Откройте этот пример, чтобы просмотреть предварительно настроенный сценарий, содержащий задачу.

Настройка данных

Загрузить данные измерений iddata1 в рабочую область MATLAB и проверьте ее содержимое.

load iddata1 z1
z1
z1 =

Time domain data set with 300 samples.
Sample time: 0.1 seconds               
                                       
Outputs      Unit (if specified)       
   y1                                  
                                       
Inputs       Unit (if specified)       
   u1

Извлеките входные и выходные измерения.

u = z1.u;
y = z1.y;

Разбейте данные на два набора: половина для оценки и половина для проверки. Исходный набор данных содержит 300 выборок, поэтому каждый новый набор данных содержит 150 выборок.

u_est = u(1:150);
u_val = u(151:300);
y_est = y(1:150);
y_val = y(151:300);

Импорт данных в задачу

В разделе «Выбор данных» установите для параметра «Тип данных» значение «Время». Установите время выборки равным 0.1 секунд, которое является временем выборки в оригинале iddata объект z1. Выберите соответствующие наборы данных для оценки и проверки.

Оценка и проверка модели

В примере Оценка модели процесса с помощью задачи интерактивного редактора (Estimate Process Model with Live Editor Task) достигаются наилучшие результаты с использованием структуры модели. Underdamped Pair. Выберите ту же опцию для этого примера.

Выполните задачу на вкладке Live Editor с помощью команды Выполнить. При выполнении задания создаются два графика. Первый график показывает результаты оценки, а второй график показывает результаты проверки.

Соответствие данным оценки несколько хуже, чем в модели процесса оценки с задачей «Оперативный редактор». Оценка в текущем примере имеет только половину данных, с помощью которых можно оценить модель. Соответствие проверочным данным, которое представляет благость модели в более общем плане, лучше, чем соответствие оценочным данным.

Параметры

Выбор данных

Задача принимает одноканальные числовые значения измерений, которые равномерно дискретизируются во времени. Данные могут быть упакованы в числовые массивы (Time или Frequency тип) или в объекте данных, таком как iddata или idfrd объект.

Выбранный тип данных определяет дополнительные параметры, которые необходимо указать.

  • Time - Укажите время образца и время начала в выбранных единицах времени.

  • Frequency - укажите частоту, выбрав имя переменной частотного вектора в рабочей области MATLAB. Укажите единицы измерения для этого частотного вектора. Укажите время выборки в секундах.

  • Data Object - не указывать дополнительные параметры, поскольку объект данных уже содержит информацию о временной или частотной выборке.

Выберите имена входных и выходных переменных из вариантов рабочей области MATLAB. Используйте эти параметры, когда тип данных имеет значение Time или Frequency.

Выберите имя переменной объекта данных из вариантов рабочей области MATLAB. Используйте этот параметр, если тип данных имеет значение Data Object.

Выберите имена входных и выходных переменных или имя объекта данных из вариантов рабочей области. Используйте эти параметры, когда тип данных имеет значение Time или Frequency. Указание данных проверки необязательно, но рекомендуется.

Выберите имя переменной объекта данных из вариантов рабочей области MATLAB. Используйте этот параметр, если тип данных имеет значение Data Object. Указание данных проверки необязательно, но рекомендуется.

Задание структуры модели

Задача позволяет указать одну из четырех базовых структур. Эти структуры варьируются от простого процесса первого порядка до более динамического процесса второго порядка или третьего порядка с комплексными сопряженными (недампированными) полюсами.

  • One Pole

  • Two Real Poles

  • Underdamped Pair

  • Underdamped Pair + Real Pole

Включить задержку передачи или задержку ввода-вывода одной выборки. Задержка транспортировки также известна как время покоя.

Включите нулевой процесс в числитель.

Включить интегратор, представленный дополнительным термином 1/с. В том числе интегратор создает саморегулирующийся процесс.

Указать инициализацию оценки

Укажите начальные значения для оценки и необходимо ли фиксировать или оценивать эти значения. Задаваемые значения зависят от структуры модели и спецификаций задержки и нуля. Под опцией Указать структуру модели (Specify model structure) задача отображает уравнение, представляющее указанную систему. Это уравнение содержит все параметры, которые можно оценить и которые можно инициализировать или исправить. Возможные параметры:

  • Kp - Статический коэффициент усиления

  • Tp1 - постоянная времени для первого реального полюса

  • Tp2 - Постоянная времени для второго реального полюса

  • Тс - постоянная времени для комплексных полюсов, равная обратной собственной частоте

  • start- Коэффициент демпфирования для комплексных полюсов

  • Td - Задержка транспортировки

  • Tz - постоянная времени для процесса ноль

Все зависящие от времени параметры находятся в единицах времени, выбранных для параметра «Sample Time».

Указать дополнительные параметры

Fit focus указывает, какую ошибку следует минимизировать в функции потерь во время оценки.

  • Prediction - Минимизация ошибки одношагового прогнозирования между измеренными и прогнозируемыми выходами. Этот подход оценки фокусируется на создании хорошей модели предсказателя для входных и выходных данных оценки. Фокус прогнозирования обычно дает наилучшие результаты оценки, поскольку он использует как входные, так и выходные измерения, тем самым учитывая возмущения.

  • Simulation - Минимизация погрешности между измеренными и имитационными выходами. Этот подход оценки фокусируется на получении смоделированной реакции модели, которая хорошо соответствует входным и выходным данным оценки. Фокус моделирования, как правило, лучше всего подходит для проверки, особенно с наборами данных, не используемыми для первоначальной оценки.

Установите эту опцию, если требуется выбрать конкретный метод инициализации модели. С настройкой по умолчанию Auto, программное обеспечение выбирает способ на основе данных оценки. Возможны следующие варианты:

  • Zero - Начальное состояние устанавливается равным нулю.

  • Estimate - Исходное состояние рассматривается как независимый оценочный параметр.

  • Backcast - Начальное состояние оценивается с использованием наилучшего вписывания наименьших квадратов.

Входная интерсампляция является свойством входных данных. Задача использует это свойство при оценке моделей процессов. Укажите интерсамплинг ввода, когда тип данных Time или Frequency. При использовании iddata объект уже содержит информацию о промежуточной выборке. Варианты для этого свойства:

  • Zero-order hold - Кусочно-постоянный входной сигнал между образцами

  • Triangle approximation - Кусочно-линейный входной сигнал между выборками, также известный как удержание первого порядка

  • Band-limited - Входной сигнал имеет нулевую мощность выше частоты Найквиста

  • Auto - Для каждой итерации программное обеспечение циклически использует методы, пока не найдет первое направление спуска, что приводит к снижению стоимости оценки.

  • Gauss-Newton - Подпространство поиска наименьших квадратов Гаусса-Ньютона.

  • Levenberg-Marquardt - поиск наименьших квадратов Левенберга-Марквардта.

  • Adaptive Gauss-Newton - адаптивный подпространственный поиск Гаусса-Ньютона.

  • Gradient Search - Поиск самых крутых спускаемых наименьших квадратов.

Установка максимального количества итераций во время минимизации ошибок. Итерации прекращаются, когда Макс. Достигнуты итерации или удовлетворен другой критерий остановки, например Допуск (Tolerance).

Если процент ожидаемого улучшения меньше, чем Допуск (Tolerance), итерации прекращаются.

Установите эту опцию, если требуется применить весовой предварительный фильтр к функции потерь, которую задача сводит к минимуму при оценке модели. При выборе опции необходимо также выбрать связанную переменную в рабочей области, содержащую информацию о фильтре. Доступные параметры зависят от области данных.

Весовой предварительный фильтрData DomainСведения о фильтре
No FilterВремя и частота 
PassbandsВремя и частотаДиапазоны полосы пропускания, задаваемые как вектор строки 1 на 2 или матрица n на 2, где n - число полос пропускания
LTI FilterВремя и частотаМодель LTI SISO
Frequency Weights VectorЧастотаЧастотные веса, определяемые как вектор-столбец с той же длиной, что и частотный вектор

Например, предположим, что выполняется оценка с использованием данных частотной области SISO и что в рабочей области MATLAB имеется вектор столбца. W содержит весовые коэффициенты частоты для предварительного фильтра. В задании выберите Весовой предварительный фильтр > Вектор весов частоты и переменная W.

Визуализация результатов

Постройте график сравнения выходных данных модели и исходных измеренных данных, а также процента соответствия. При наличии отдельных данных проверки второй график сравнивает отклик модели на входные данные проверки с результатами измерений из набора данных проверки.

См. также

| | | | | | (Панель инструментов системы управления)

Представлен в R2019b

Документация по инструментам идентификации системы

Поддержка