Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Лабораторный практикум-МИОУ.docx
Скачиваний:
4
Добавлен:
01.07.2025
Размер:
4 Мб
Скачать
☆

Лабораторная работа №7» Определение параметров регрессионной модели с использованием рекуррентных методов оценивания. Непараметрические методы идентификации»

7.1 Цель работы

Разработать в среде MATLAB программу, реализующую корреля­ционный метод анализа систем во временной области. Программа должна выполнить следующие действия [19-21]:

сформировать последовательность отсчетов тестового сигнала;

провести имитацию реакции системы на тестовый сигнал при помощи подпрограммы, выданной преподавателем;

рассчитать оценки автокорреляционной функции выхода, взаим­ной корреляционной функции входа и выхода.

сформировать корреляционную матрицу;

найти оценку импульсной характеристики системы путем реше­ния системы линейных уравнений в матричной форме;

провести проверку адекватности модели, сравнив реакцию на ступенчатое воздействие системы и модели (в форме отсчетов импульсной характеристики);

рассчитать дисперсию адекватности модели.

7.2 Порядок работы

Создать рабочий каталог на диске; скопировать в него файл MODEL.M, выданный преподавателем. Запустить среду MATLAB и уста­новить рабочий каталог в качестве каталога по умолчанию. Создать файл программы.

Задать частоту Fs квантования или период квантования Ts. Реко­мендуется период квантования выбрать из диапазона от 1 до 10 мс. Соз­дать вектор дискретного времени 0 < t < tmax. Шаг квантования должен быть равен Ts. Рекомендуемое значение tmax от 0,5 до 5 с. Образец:

t=0:Ts:1;

Сформировать вектор тестового сигнала. Число элементов долж­но быть равно числу элементов в векторе времени. Предлагается в качест­ве тестового сигнала использовать двоичный белый шум с нулевым сред­ним, для получения которого воспользоваться функциями rand и sign.

u=sign(rand(size(t))-0,5);

Вызвать функцию имитации выходных экспериментальных дан­ных model. Формат вызова следующий:

[u y]=model(t,u,v,t0);

Входные параметры: t — вектор времени; u — вектор тестового сигнала; v — номер варианта; t0 — время, отводимое для затухания пере­ходного процесса.

Выходные параметры u — вектор тестового сигнала; y — реакция системы. Функция возвращает результат для моментов времени t > t0.

Рекомендуется выбрать t0 от 0,2 до 1 с. Обязательно t0 < tmax.

Вычислить оценки корреляционных функций. Существует не­сколько способов.

Непосредственно по формулам (4). Тогда команды вычисления корреляционных функций могут быть такими:

for n=1:length(y)/2;

Ryu(n)=sum( u(1:end/2).*y(n:end/2+n-1) ) *2/N;

Ruu(n)=sum( u(1:end/2).*u(n:end/2+n-1) ) *2/N;

end

Переменная N должна быть равна числу элементов в u или y.

С помощью функции xcorr. Рекомендуется задать максималь­ное смещение, равное половине длины последовательности отсчетов сиг­налов. Четвертым параметром указать опцию 'biased' — это необходи­мо для правильной нормировки результата.

Ruu=xcorr(u,u,N/2,'biased');

Ryu=xcorr(u,y,N/2,'biased');

Провести усреднение найденных оценок, повторив вычисления по пунктам (3-5) 10...50 раз для разных реализаций случайного тестового сигнала. При этом следует Ryu и Ruu сделать матрицами в строках, кото­рых будут расположены отсчеты одной реализации. Приведем пример формирования матриц с помощью функции xcorr.

for k=1:20

Ryu(k,:)=xcorr(y,u,N/2,'biased'); Ruu(k,:)=xcorr(u,u,N/2,'biased');

end

Для нахождения среднего служит функция mean.

Функция xcorr возвращает двустороннюю корреляционную функцию (для положительных и отрицательных моментов времени). Если корреляционные функции рассчитывались с ее помощью рекомендуется отбросить все значения для отрицательных моментов времени, например командами:

Ryu=Ryu(:,end/2:end);

Ruu=Ruu(:,end/2:end);

Построить осциллограммы тестового сигнала и реакции системы. Построить графики корреляционных функций. Вывод графиков произво­дится с помощью команды plot.

По оценке автокорреляционной функции Ru сформировать корре­ляционную матрицу, как теплицеву матрицу, образованную строкой и столбцом Ru. Для получения теплицевой матрицы служит функция toe- plitz.

Найти оценку импульсной характеристики, решив систему урав­нений (3), с использованием функции inv (обратная матрица) и при необ­ходимости оператора ' (транспонирование матрицы). Построить график полученной импульсной характеристики.

Проверить адекватность на примере переходной характеристи­ки. Для этого сформировать вектор времени размерностью, совпадающей с числом отсчетов импульсной характеристики. При этом соблюдать вы­бранный в начале работы интервал квантования.

t=0:Ts:Ts*(length(g)-1);

Сформировать вектор, составленный из единичных элементов той же длины (Функция ones).

u=ones(size(g));

Провести моделирование при переходном процессе (функция model). Входным сигналом служит вектор единиц (имитация ступенчато­го воздействия), последний параметр t0 = 0. Построить график эксперимен­тальной переходной характеристики.

Провести предсказание переходной характеристики по имеющейся оценке импульсной характеристики (1). Свертку входного воздействия и импульсной характеристик удобно вычислять при помощи функции fil­ter. В нашем случае, в соответствии с (2), числителем передаточной функции служат отсчеты импульсной характеристики, знаменатель равен единице.

h=filter(g,1,u); Построить график расчетной переходной характеристики в той же системе координат.

Рассчитать дисперсию адекватности модели по формуле

где y(kT) — отсчеты предсказанной реакции на ступенчатое воздействие, h(kT) — отсчеты экспериментальной переходной характеристики. Для на­хождения дисперсии использовать функцию std, возвращающую средне- квадратическое значение процесса.

Сравнить полученное значение с дисперсией собственного шума системы. Для этого применить функцию model к последовательности ну­левых отсчетов. Определить дисперсию реакции с помощью функции std [19-20].

7.3 Содержание отчета

  • краткие теоретические сведения (импульсная характеристика, корреляционная функция, связь между ними);

  • исходный текст M-программы с комментариями;

  • графики: тестового сигнала, реакции на тестовый сигнал, корре­ляционных функций, импульсной характеристики, реакции на ступенчатое воздействие системы и модели (в одной системе координат);

  • дисперсионные характеристики точности полученной модели;

  • выводы.