В этом примере показано, как использовать данные эксперимента для оценки параметров модели. Вы оцениваете параметры системы дроссельной заслонки двигателя.
Модель Simulink ® для системы дроссельной заслонки двигателя ,spe_engine_throttle, показано ниже.
Дроссель управляет массовым потоком воздуха во впускной коллектор двигателя. Корпус дросселя содержит дроссельный клапан, который открывается, когда водитель нажимает вниз на педаль акселератора. Это позволяет большему количеству воздуха поступать в цилиндры и заставляет двигатель создавать больший крутящий момент.
Двигатель постоянного тока управляет углом открытия поворотного клапана. К клапану также прикреплена пружина для возврата его в закрытое положение, когда двигатель постоянного тока обесточен. Величина вращения клапана ограничена приблизительно 90 градусами. Поэтому, если к двигателю применяется большой командный ввод, клапан ударяет по жестким упорам, препятствуя его дальнейшему вращению.
Двигатель моделируется как коэффициент усиления крутящего момента и входной сигнал временной задержки с параметрами Kt и input_delay. Дроссельный клапан выполнен в виде массово-пружинно-демпферной системы с параметрами J, c и k. Эта система дополнена жесткими упорами для ограничения открытия клапана до 90 градусов. Мы знаем компоненты модели, однако значения параметров системы не известны точно.
Дважды щелкните значок Parameter Estimation GUI with preloaded data блок в модели для открытия предварительно сконфигурированного сеанса GUI оценки.
Проект сохраненной оценки определяет три эксперимента: EstimationData эксперимент будет использоваться для оценки параметров, в то время как ValidationData1, ValidationData2 используются для проверки оценочных параметров. EstimateData строят график эксперимента.
Данные сигналов для экспериментов можно импортировать из различных источников, включая переменные MATLAB ®, MAT-файлы, файлы Excel ® или файлы с разделителями-запятыми. Дополнительные сведения см. в разделе Импорт и предварительная обработка данных эксперимента (GUI).
График эксперимента также используется для определения того, насколько хорошо измеренные данные соответствуют текущей модели. Щелкните График (Plot) Отклик модели (Model Response), чтобы отобразить данные моделируемого сигнала на графиках эксперимента.
Результаты моделирования показывают, что модель не соответствует измеренным данным и что необходимо оценить параметры модели.
Следующим шагом является определение параметра для оценки. Щелкните Выбрать параметры (Select Parameters), чтобы открыть диалоговое окно для выбора параметров модели для оценки. В этом примере мы предварительно выбрали четыре неизвестных параметра; инерция клапана-бабочки, J; коэффициент демпфирования, c; постоянная возвратной пружины, k; и временной лаг в двигательной реакции, input_delay.
Поскольку мы знаем из физического понимания, что все эти параметры имеют положительные значения, мы устанавливаем их нижние пределы на ноль. Мы также ставим верхнюю границу 0,1 сек на input_delay параметр. Можно также выбрать начальное значение для параметров. Они могут быть получены из некоторых быстрых вычислений некоторых формул, которые определяют параметры.
Для изменения минимальных и максимальных границ параметров нажмите кнопку со стрелкой вправо.
С выбранными параметрами оценки мы выбираем эксперименты для оценки. Щелкните Выбрать эксперименты (Select Experiments) и выберите EstimationData для оценки.
Сейчас мы почти готовы начать нашу оценку, но сначала создадим графики для мониторинга хода оценки. Щелкните Добавить график (Add Plot) и выберите Параметр (Parameter) Траектория (Trajectory). При этом создается график, показывающий, как значения расчетных параметров изменяются во время оценки. Перейдите на вкладку Вид (View), чтобы разместить графики таким образом, чтобы Experiment plot:EstimationData и EstimatedParams являются видимыми.
Нажмите кнопку Оценка (Estimate), чтобы начать оценку. Вы можете изменить параметры оценки, установив выпадающий список Cost Function и нажав Дополнительные опции....
Во время выполнения оценки графики обновляются, и появляется диалоговое окно, показывающее ход выполнения оценки. Диалоговое окно хода выполнения показывает итерации оценки, количество раз, когда модель была оценена (F-count), и стоимость оценки для каждой итерации.
После ряда итераций оценка сходится и заканчивается. Модель обновляется оценочными параметрами, и результаты оценки сохраняются в браузере данных. Щелкните правой кнопкой мыши EstimatedParams и выберите Открыть... для просмотра подробных данных результата оценки.
Важно проверить результаты оценки по сравнению с другими экспериментами. Успешная оценка будет соответствовать не только экспериментальным данным, которые использовались для оценки, но и другим независимым измеренным данным, которые были собраны в экспериментах.
Перейдите на вкладку Проверка (Validation) и щелкните Выбрать эксперименты (Select Experiments), чтобы выбрать эксперименты для проверки. Выберите оба ValidationData1 и ValidationData2 для проверки.
Щелкните Выбрать результаты (Select Results), чтобы выбрать результаты оценки для проверки. Выбрать EstimatedParams и отменить выбор Use current parameter values.
Щелкните Проверить (Validate), чтобы проверить результат оценки по экспериментам проверки. Проверка моделирует модель с использованием расчетных параметров и выбранных экспериментов и создает графики, показывающие измеренные и расчетные данные. Используйте вкладку Вид (View) для компоновки графиков таким образом, чтобы Experiment plot:ValidationData1 и Experiment plot:ValidationData2 являются видимыми.
Графики проверки подтверждают, что наша оценка была успешной, показывая, что оцененные параметры достаточно надежны для обработки различных входных данных.
Чтобы узнать, как оценить параметры модели с помощью sdo.optimize см. раздел Оценка значений параметров модели (код).
Закройте модель.