System Identification Toolbox parte 1/3

 

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:


Il tool grafico contiene icone rettangolari per ogni dato importato o modello stimato, in modo da tenere traccia a livello visivo dei dati con cui si sta lavorando. Alcune di esse sono disposte sulla sinistra nel riquadro Data Board evidenziate in rosso, altre sono situate sulla destra nel Model Board rappresentate dal contorno verde.

Una volta importati i dati, è possibile preprocessarli, trascinando un data set all’interno del riquadro blu, contrassegnato dal numero 2; aprendo il menu a tendina

Al passo 4, aprendo il menu a tendina Estimate–> è possibile stimare i parametri del modello scelto, il quale ad operazione compiuta verrà automaticamente trasferito nel riquadro verde (5) dove è possibile validarlo e confrontarlo con gli altri modelli ritenuti più opportuni all’identificazione del processo. Al di sotto del riquadro Model Views vi sono diverse casalle da spuntare, ciascuna di esse consente di visualizzare le caratteristiche del modello stimato, in modo da poter effettuare un confronto tra essi e scegliere il migliore.

1.IMPORTAZIONE DATI
Per importare il data-set, occorre salvarlo nel workspace di matlab, il suo trasferimento nella GUI avviene, selezionando nel menu a tendina “import data” la voce “Time Domain data..”


Nella finestra che si apre ci sono diversi campi da specificare:

input (dati in ingresso del sistema da identificare) richiama la variabile memorizzata in matlab
output (dati in uscita del sistema da identificare) richiama la variabile memorizzata in matlab
data name nome usato per etichettare i dati dopo che l’operazione di importazione si è conclusa
starting time è il valore iniziale dell’asse del tempo nei diversi grafici
sampling interval corrisponde all’intervallo di campionamento utilizzato nell’esperimento

Nel riquadro Data Information cliccando su More si espandere la finestra di dialogo; al suo interno è possibile specificare altre opzioni:

Input Properties

 

[*] innerSample specifica cosa accade tra due campioni di dati è possibile scegliere tra zoh, foh, bl
[*] period se i dati sono periodici indicare il loro periodo altrimenti inserire inf

Channel names (nome dei canali)

[*] input
[*] output

dare un nome ai canali aiuta a riconoscere i dati nei grafici

Physical Units of Variables (unità di misura dei canali)

[*] input
[*] output

Comments
Inserisci dei commenti riguardo i dati acquisiti durante l’esperimento come il nome, la data ed una descrizione delle condizioni dell’esperimento.
Clicca Import per aggiungere un’icona al di sotto del menu Import Data.

OSS
Nel caso in cui si dispone di un data-set caratterizzato da molti campioni si consiglia di dividerlo in due porzioni uguali, una per la stima dei parametri l’altro per la validazione (Cross-Validazione).
Ciò risulta utile in quanto, stimare e validare un modello sullo stesso set di dati, non garantisce la sua bontà, occorre quindi verificare l’aderenza del modello anche a dati diversi da quelli usati per la stima.

Riferimenti
MathWorks

Francesco Celiberti
Ciao a tutti,

mi chiamo Francesco, sono laureato in Ing. Informatica e dell'Automazione. Sono attualmente coinvolto in un progetto di ricerca Europeo, MOTORIST. www.motorist-ptw.eu
Tags: ,
By Francesco Celiberti | giugno 27th, 2011 | SHOW COMMENTS (3)

3 Responses

  1. System Identification Toolbox parte 2/3 | Automazione Open Source says

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

  2. System Identification Toolbox parte 3/3 | Automazione Open Source says

    […] 'http://www.xploreautomation.com/?p=673',size: 'small',} 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 […]

  3. System Identification Toolbox parte 2/3 | Automazione Open Source says

    […] hai perso la prima parte clicca su: system identification toolbox parte 1/3 2.ANALISI E PREPARAZIONE DEI […]