Алгоритмы оперативной оценки оценивают параметры и состояния модели при наличии новых данных во время работы физической системы. Программное обеспечение System Identification Toolbox™ использует линейный, расширенный и незаметный фильтр Калмана или алгоритмы фильтра частиц для оценки состояния в режиме онлайн. Инструментарий использует алгоритмы минимизации ошибок рекурсивного прогнозирования для оценки параметров в режиме онлайн.
Рассмотрим систему отопления и охлаждения, которая не имеет предварительной информации об окружающей среде, в которой она работает. Предположим, что эта система должна нагревать или охлаждать помещение для достижения определенной температуры в заданное время. Для выполнения своей задачи система должна получить информацию о температурных и изоляционных характеристиках помещения. Можно оценить изоляционные характеристики помещения, пока система находится в рабочем состоянии. Для этой оценки в качестве входного значения используйте системное усилие, а в качестве выходного значения - температуру в помещении. Расчетную модель можно использовать для улучшения поведения системы. Оперативная оценка идеально подходит для оценки небольших отклонений в значениях параметров системы в известной рабочей точке.
Общие применения онлайн-оценки включают в себя:
Адаптивное управление - оценка модели установки для изменения контроллера на основе изменений в модели установки.
Обнаружение неисправности - сравнение оперативной модели установки с идеализированной или эталонной моделью установки для обнаружения неисправности (аномалии) на установке.
Мягкое зондирование - создание «измерения» на основе расчетной модели установки и использование этого измерения для контроля с обратной связью или обнаружения неисправностей.
Проверка качества экспериментальных данных перед началом оценки в автономном режиме - прежде чем использовать измеренные данные для оценки в автономном режиме, выполните оценку в оперативном режиме для нескольких итераций. Онлайн-оценка обеспечивает быструю проверку того, использовал ли эксперимент сигналы возбуждения, которые захватывали соответствующую динамику системы.
Оперативная оценка параметров обычно выполняется с использованием рекурсивного алгоритма. Для оценки значений параметров на временном шаге рекурсивные алгоритмы используют текущие измерения и предыдущие оценки параметров. Поэтому рекурсивные алгоритмы эффективны с точки зрения использования памяти. Также рекурсивные алгоритмы имеют меньшие вычислительные требования. Эта эффективность делает их подходящими для интерактивных и встраиваемых приложений. Дополнительные сведения о алгоритмах см. в разделе Рекурсивные алгоритмы для интерактивной оценки параметров.
В панели инструментов идентификации системы можно выполнить интерактивную оценку параметров в Simulink ® или в командной строке:
В Simulink используйте блоки Recursive Least Squares Estimator и Recursive Polynomial Model Estimator для выполнения оперативной оценки параметров. Можно также оценить модель пространства состояния в оперативном режиме по этим моделям, используя блоки Recursive Polynomial Model Estimator и Model Type Converter вместе. Для этих блоков можно создать код C/C + + и структурированный текст с помощью программного обеспечения Simulink Coder™ и Simulink PLC Coder™.
В командной строке используйте recursiveAR, recursiveARMA, recursiveARX, recursiveARMAX, recursiveOE, recursiveBJ, и recursiveLS команды для оценки параметров модели для структуры модели. В отличие от оценки в Simulink, можно изменять свойства алгоритма рекурсивной оценки во время оперативной оценки. С помощью программного обеспечения MATLAB ® Coder и MATLAB Compiler™ можно создавать кодовые и автономные приложения.
При выполнении интерактивной оценки параметров в Simulink или в командной строке применяются следующие требования:
Модель должна быть дискретно-временной линейной или почти линейной с параметрами, которые медленно изменяются со временем.
Структура расчетной модели должна быть зафиксирована во время оценки.
iddata не поддерживается при оперативной оценке параметров. Укажите выходные данные оценки как действительный скаляр, а входные данные как действительный скаляр или вектор.
Онлайн-оценку состояния систем можно выполнить в командной строке и в Simulink:
В Simulink используйте блоки Kalman Filter, Extended Kalman Filter, Uncented Kalman Filter или Particle Filter для оперативной оценки состояния дискретно-временных линейных и нелинейных систем. Для этих блоков можно создать код C/C + + с помощью программного обеспечения Simulink Coder. Для блока фильтра Калмана можно также создать структурированный текст с помощью программного обеспечения Simulink PLC Coder.
В командной строке используйте extendedKalmanFilter, unscentedKalmanFilter и particleFilter команды оценки состояний дискретных нелинейных систем. Эти команды реализуют алгоритмы дискретно-временного расширенного фильтра Калмана (EKF), некачественного фильтра Калмана (UKF) и фильтра частиц. Дополнительные сведения о алгоритмах см. в разделе Расширенные и незаметные алгоритмы фильтра Калмана для оценки состояния в режиме онлайн. С помощью программного обеспечения MATLAB Coder и MATLAB Compiler можно создавать кодовые и автономные приложения.
При выполнении оценки состояния в режиме онлайн в Simulink или в командной строке применяются следующие требования:
Система должна быть дискретной. Если используется блок фильтра Калмана, система также может быть непрерывной.
iddata не поддерживается во время оценки состояния в оперативном режиме. Укажите оценочные входные-выходные данные как реальные скаляры или векторы.
[1] Люнг, Л. Идентификация системы: теория для пользователя. Река Верхнее Седло, Нью-Джерси: Prentice-Hall PTR, 1999, стр. 428-440.
[2] Саймон, D. Оптимальная оценка состояния: Калман, H Бесконечность и нелинейные подходы. John Wiley and Sons Inc., 2006.
extendedKalmanFilter | particleFilter | recursiveAR | recursiveARMA | recursiveARMAX | recursiveARX | recursiveBJ | recursiveLS | recursiveOE | unscentedKalmanFilter