Se hai perso la prima parte clicca su: system identification toolbox parte 1/3
Se hai perso la seconda parte clicca su: system identification toolbox parte 2/3
Note: Clicca sulle immagini per ingrandirle

Scarica l’ebook GRATUITO

—————————————————————————————————————

4) VALIDAZIONE
Effettuata la stima con diversi modelli, è possibile analizzarne le prestazioni, verificando che il modello riproduca il comportamento del sistema con accuratezza. Il toolbox offre diversi approcci per validare i modelli:

Model Output
Compara l’uscita del predittore del modello (stimato minimizzando l’errore di predizione secondo il criterio “best fit”) con l’uscita del processo misurata; viene quindi effettuata una simulazione del modello atta a confrontare le uscite partendo dagli stessi ingressi. (altro…)

Se hai perso la prima parte clicca su: system identification toolbox parte 1/3

Scarica l’ebook GRATUITO

—————————————————————————————————————
2. ANALISI E PREPARAZIONE DEI DATI

Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di:

[*] Offset e disturbi a bassa frequenza
[*] Disturbi ad alta frequenza, al di là delle frequenze di interesse del sistema dinamico
[*] Outliers(dati anomali), mancanti o non continui

Il primo passo di tale fase consiste sempre nell’ispezione visiva dei dati.
Di conseguenza prima di cominciare la stima dai dati, occorre controllare che essi non abbiano caratteristiche indesiderate. A tale proposito è possibile graficarne gli andamenti per identificare derive e valori anomali ed operare ad eventuali correzioni.

Nel Toolbox sono presenti i seguenti data plots:

[*] Grafico Tempo (Time Plot) visualizza i valori dei dati in funzione del tempo
[*] Grafico dello spettro (Data Spectra)
[*] Risposta in frequenza (Frequency function)

Per visualizzare gli andamenti dei dati basta spuntare in basso a sinistra il grafico che si desidera visualizzare (altro…)

Scarica l’ebook GRATUITO

—————————————————————————————————————

L’identificazione è una disciplina che permette di risalire dai dati sperimentali al modello matematico che li descrive. Col passare del tempo il ricorso ai modelli è divenuto essenziale sia in fase di analisi che in ambito di progettazione, in diversi campi.

Ident è una GUI (graphical user interface) del System Identification Toolbox, che permette di costruire modelli di sistemi dinamici dalla misurazione di dati di input/output. Questo approccio è ampiamente utilizzato nella prartica, specialemente quando non è semplice ricavare il modello da principi fisici, o quando ciò implica il ricorso a complesse e numerose equazioni. I modelli ottenuti con questo Toolbox sono adatti per la simulazione, predizione ed il controllo per mezzo dei corrispondenti toolbox (Control System Toolbox e Model Predictive Control Toolbox).

CARATTERISTICHE CHIAVE DEL TOOLBOX

[*] identificazione di modelli lineari non lineari da un data set appartenente al dominio del tempo o della frequenza
[*] semplice identificazione di modelli a tempo continuo di primo, secondo, terzo ordine
[*] fornisce strumenti per il detrending, filtraggio e ricostruzione dei dati mancanti
[*] sono disponibili blocchi simulink per la simulazione dei modelli identificati
[*] è possibile trasferire i dati da/al workspace di matlab
[*]fornisce un’interfaccia per l’uso dei modelli lineari nel Control System Toolbox (disponibile separatamente)

FUNZIONAMENTO
L’identificazione di un sistema con la GUI avviene per mezzo dei seguenti passi:

1)Importazione dati nella GUI
2)Analisi e Preprocessing dei dati (preparazione dei dati alla stima)
3)Stima dei modelli basati sul data-set
4)Analisi dei modelli
5)Esportazione dei risultati nel workspace di Matlab

Per aprire il toolbox di identificazione, basta lanciare il comando IDENT dalla command window di matlab. Esso si compone di diverse parti evidenziate nella seguente figura: (altro…)