для вирішення широкого класу завдань - від проектування систем управління та обробки сигналів до аналізу часових рядів.
Обробка масиву даних за допомогою пакету System Identification Toolbox передбачає наступні етапи:
1. обробка та перетворення даних з метою створення файлу даних;
2. непараметричне оцінювання даних з метою попереднього визначення основних характеристик ТОУ;
3. параметричне оцінювання даних з метою створення різних видів моделей з тета-форматі;
4. завдання структури моделі;
5. зміна та уточнення структури моделі (якщо це необхідно);
6. перевірка адекватності і порівняння різних видів моделей з метою вибору найкращої;
7. перетворення моделі тета-формату в вид зручний для подальшого використання при аналізі та синтезі системи управління.
В результаті проведеного експерименту був отриманий масив даних складається з 2 тисяч значень вхідного параметра (швидкість витягаючої пари, м/с) і 2 тисяч значень вихідного параметра (лінійна щільність, ктекс). Інтервал дискретизації дорівнює 2.5 ( t s = 2.5). Для завантаження в робочу область MATLAB масиву даних необхідно виконати команду:
>> load datta
Після виконання команди в робочій області з'явилися масив вхідних змінних u та масив вихідного параметра y . br/>В
Інтервал дискретизації вказується додатково:
>> ts = 2.5
ts = 2.5
Для об'єднання вихідних даних в єдиний файл скористаємося командою:
>> dan = iddata (y (951:1050), u (951:1050), ts)
Time domain data set with 100 samples.
Sampling interval: 2.5
Outputs Unit (If specified)
y1
Inputs Unit (If specified)
u1
Сформований файл вказує, що він містить результати 100 вимірювань з інтервалом дискретизації 2.5 с. Вхідними змінними є масив u , а вихідним параметром y . p> Для наочності сформованого файлу необхідно в його структуру ввести позначення вхідних та вихідних даних, а також їх розмірностей:
>> set (dan, 'InputName', 'Швидкість вятягівающей пари', 'OutputName', 'Лінійна щільність')
>> set (dan, 'InputUnit', 'м/с', 'OutputUnit', 'ктекс')
Для перегляду повної інформації про отриманому файлі скористаємося командою:
>> get (dan)
ans =
Domain: 'Time'
Name: []
OutputData: [100x1 double]
y: 'Same as OutputData '
OutputName: {'Лінійна щільність'}
OutputUnit: {'Ктекс'}
InputData: [100x1 double]
u: 'Same as InputData '
InputName: {'Швидкість вятягівающей пари'}
InputUnit: {'М/с'}
Period: Inf
InterSample: 'Zoh'
Ts: 2.5000
Tstart: []
SamplingInstants: [100x0 double]
TimeUnit:''
ExperimentName: 'Exp1'
Notes: []
UserData: []
Для графічного представлення даних скористаємося командою:
>> plot (dan)
В
Малюнок 2.1.1 Графічне подання вихідних даних
Для подальшого використання отриманих вихідних даних необхідно провести попередню обробку цих даних з метою видалення тренду з набору даних і якщо необхідно відфільтрувати дані за допомогою наявних коштів у пакеті System Identification Toolbox. Дані операції проведемо в графічному інтерфейсі System Identification Toolbox, який запускається з командного рядка командою:
>> ident
Opening ident ....... done. br/>
В результаті виконання цієї команди з'являється діалогове вікно показане на малюнку 2.1.2. На початковій стадії ідентифікації з використанням графічного інтерфейсу після проведення експеременту необхідно сформувати файл даних, у нашому прикладі таким файлом є dan. p> У лівому верхньому куті вікна виберемо в списку Data варіант Import. Це приведе до відкриття діалогового вікна показаного на малюнку 2.1.3.
В
Малюнок 2.1.2 Вікно графічного інтерфейсу SIT
У полі вікна Data Format for Signals вибираємо IDDATA object. У полі Iddata вводимо назву нашого файлу dan (див. малюнок 2.1.3)
В
Малюнок 2.1.3 Вікно параметрів імпорту
Запустимо режим швидкого старту, для чого в падаючому меню Operations виберемо Quick Start (див. малюнок 2.1.4). br/>В
Малюнок 2.1.4 Імпорт файлу даних виконано
Під час виконання цього режиму здійснюється:
В· Видалення тренду з масиву експериментальних даних;
В· Формування усічених масивів даних з іменами dande і dandv для побудови моделей.
В
Малюнок 2.1.5 Завершено імпорт і перетворення даних ...
