specified)
Unit (if specified)
Сформований файл вказує, що він містить результати 100 вимірювань з інтервалом дискретизації 0.1 с. Вхідними змінними є масив U, а вихідним параметром Y.
Для наочності сформованого файлу необхідно в його структуру ввести позначення вхідних і вихідних даних:
gt; gt; set (dan, InputName , Витрата добавки , OutputName , темперетуру )
gt; gt; dan.inputunit= т/год raquo ;;
gt; gt; dan.outputunit= град Ц raquo ;;
Для перегляду повної інформації про отриманий файлі скористаємося командою:
gt; gt; get (dan) =: Time raquo ;: []: [100x1 double]: Same as OutputData raquo ;: { темперетуру }: { град Ц }: [100x1 double]: Same as InputData raquo ;: { Витрата добавки }: { т/год }: Inf: zoh raquo ;: 0.1000: []: [100x0 double]: raquo ;: Exp1 raquo ;: []: Для графічного представлення даних скористаємося командою:
gt; gt; plot (dan)
Рис. 3.4 Графічне представлення вихідних даних
Для подальшого використання отриманих вихідних даних необхідно провести попередню обробку цих даних з метою видалення тренда з набору даних і якщо необхідно відфільтрувати дані за допомогою наявних засобів в пакеті System Identification Toolbox. Дані операції проведемо в графічному інтерфейсі System Identification Toolbox, який запускається з командного рядка командою: gt; gt; ident
System Identification Tool ....... done.
Імпортуємо файл даних в середу інтерфейсу за допомогою команди data - import
Рис. 3.5 Імпортовані дані
Запустимо режим швидкого старту, для чого в падаючому меню Operations виберемо Quick Start. При виборі цього режиму здійснюється:
видалення тренду з масиву експериментальних даних;
формування усічених масивів даних з іменами dande і dandv для побудови моделей.
Рис. 3.6 Температура і витрата добавки
Після проведення попередньої обробки даних можна приступити до знаходження оцінки моделі. У запропонованому списку Estimate вибираємо Parametric models, даний вибір призведе до відкриття діалогового вікна задання структури моделі. Отримаємо параметричні моделі із запропонованого списку (ARX, ARMAX, OE, BJ, State Space), оцінка проводиться натисненням кнопки Estimate. Існує можливість змінити параметри моделі в редакторі Order Editor. Скористаємося значеннями за замовчуванням, за винятком ARX і State Space, у яких параметри виберемо, натиснувши кнопку Order Selection.
Рис. 3.7 Температура
Для аналізу моделей скористаємося засобами System Identification Toolbox: Model output, Transient resp, Frequency resp.
Для аналізу моделі ТОУ візьмемо модель arx441 для чого перетягнемо її на іконку To Workspace, при цьому модель arx441 з'явиться в робочому просторі MATLAB.
Отримані моделі представлені в так званому тета - форматі і є дискретними. Для перетворення моделі з тета - формату в вид зручний для подальшого використання в пакеті System Identification Toolbox є спеціальні функції.
Перетворимо модель тета-формату багатовимірного об'єкта в вектор передавальних функцій, пов'язаних з обраним входом:
gt; gt; [A, B]=th2arx (arx441)=1.0000 - 1.1324 0.0794 0.3034 - 0.1239=0 0.0098 0.0050 0.0583 0.0571
gt; gt; [num, den]=th2tf (arx441)=0 0.0098 0.0050 0.0583 0.0571=1.0000 - 1.1324 0.0794 0.3034 - 0.1239
де num, den відповідно чисельник і знаменник дискретної передавальної функції.
Отримаємо дискретну передавальну функцію:
gt; gt; Zarx441=tf (num, den, Ts)
function:
. 009776 z ^ 3 + 0.004965 z ^ 2 + 0.05834 z + 0.05713
------------------------------------------------ ^ 4 - 1.132 z ^ 3 + 0.07935 z ^ 2 + 0.3034 z - 0.1239
time: 0.1
Перетворимо дискретну модель в безперервну, і представимо її у вигляді передавальної функції:
gt; gt; sarx441=thd2thc (arx441) time IDPOLY model: A (s) y (t)=B (s) u (t) + C (s) e (t) (s)=s ^ 4 + 20.88 s ^ 3 + 195.6 s ^ 2 + 816.5 s + +1050
(s)=1.241 s ^ 3 - 9.629 s ^ 2 + 68.18 s + +1082
(s)=s ^ 4 + 31.72 s ^ 3 + 453.1 s ^ 2 + 3164 s + +8305
using ARX f...
