PROF. DOMINIK SANKOWSKI

Slides:



Advertisements
Podobne prezentacje
Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Advertisements

Leszek Smolarek Akademia Morska w Gdyni 2005/2006
Przetworniki pomiarowe
T47 Podstawowe człony dynamiczne i statyczne
Marcin Bogusiak Paweł Pilewski
Układ sterowania otwarty i zamknięty
Katedra Telekomunikacji Morskiej
REGULATORY Adrian Baranowski Tomasz Wojna.
DIELEKTRYKI TADEUSZ HILCZER
Ekonometria wykladowca: dr Michał Karpuk
Teoria Sygnałów Literatura podstawowa:
Systemy dynamiczne – przykłady modeli fenomenologicznych
Systemy dynamiczne 2010/2011Systemy i sygnały - klasyfikacje Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 Dlaczego taki.
Seminarium Dyplomowe sem.10
Program przedmiotu “Metody statystyczne w chemii”
Zastosowania komputerów w elektronice
Alfred Stach Instytut Geoekologii i Geoinformacji
Projektowanie i programowanie obiektowe II - Wykład IV
PROF. DOMINIK SANKOWSKI
SYSTEMY CZASU RZECZYWISTEGO Wykłady 2007/2008 PROF. DOMINIK SANKOWSKI.
SYSTEMY CZASU RZECZYWISTEGO Wykłady 2008/2009 PROF. DOMINIK SANKOWSKI.
AGH Wydział Zarządzania
Opis matematyczny elementów i układów liniowych
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów regulacji.
Teoria sterowania Wykład 3
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów, elementów i układów.
Dwie podstawowe klasy systemów, jakie interesują nas
Projektowanie architektur systemów filtracji i akwizycji danych z wykorzystaniem modelowania w domenie zdarzeń dyskretnych Krzysztof Korcyl.
AUTOMATYKA i ROBOTYKA (wykład 6)
Modelowanie – Analiza – Synteza
Podstawy automatyki 2012/2013Transmitancja widmowa i charakterystyki częstotliwościowe Mieczysław Brdyś, prof. dr hab. inż.; Kazimierz Duzinkiewicz, dr.
Rozważaliśmy w dziedzinie czasu zachowanie się w przedziale czasu od t0 do t obiektu dynamicznego opisywanego równaniem różniczkowym Obiekt u(t) y(t) (1a)
Karol Rumatowski Automatyka
1 Investigations of Usefulness of Average Models for Calculations Characteristics of the Boost Converter at the Steady State Krzysztof Górecki, Janusz.
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Automatyka Wykład 27 Linie pierwiastkowe dla układów dyskretnych.
Sterowanie – użycie obserwatorów pełnych
Automatyka Wykład 26 Analiza układu regulacji cyfrowej z regulatorem PI i obiektem inercyjnym I-go rzędu.
Etapy modelowania matematycznego
Modele dyskretne obiektów liniowych
SW – Algorytmy sterowania
Wykład nr 1: Wprowadzenie, podstawowe definicje Piotr Bilski
Systemy wbudowane Wykład nr 3: Komputerowe systemy pomiarowo-sterujące
Planowanie badań i analiza wyników
Sterowanie – użycie obserwatorów pełnych
Seminarium licencjackie Beata Kapuścińska
Metoda badań eksperymentalnych i quasi-eksperymentalnych
Przykład 1: obiekt - czwórnik RC
Blok obieralny Zagadnienia cieplne w elektrotechnice Prowadzący: Dr hab. inż. Jerzy Zgraja, prof. PŁ Dr hab. inż. Jacek Kucharski, prof. PŁ Dr inż. Andrzej.
Przykład 5: obiekt – silnik obcowzbudny prądu stałego
ISS – D1: Podstawy dyskretnych UAR Pojęcia podstawowe.
Całkowanie różniczkowego równania ruchu metodą Newmarka
Dynamika zjawisk. Analiza sezonowości dr hab. Mieczysław Kowerski
Model Lopesa da Silvy – opis matematyczny Zmienne modelu: V e (t) – średni potencjał w populacji pobudzającej E(t) – średnia częstość odpalania w populacji.
Weryfikacja hipotez statystycznych dr hab. Mieczysław Kowerski
Podstawy automatyki I Wykład 1b /2016
© Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów Sterowania Podstawy automatyki 2015/2016 Dynamika obiektów - modele 1 Podstawy automatyki.
ZASTOSOWANIE DWUKROTNEJ SYMULACJI MONTE CARLO W WYCENIE OPCJI REALNYCH mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw.
MODELE ANALIZY WYNIKÓW GEODEZYJNYCH POMIARÓW DEFORMACJI.
O ODPORNOŚCI KONWENCJONALNEGO OBSERWATORA LUENBERGERA ZREDUKOWANEGO RZĘDU Ryszard Gessing Instytut Automatyki Politechnika Śląska.
Jak można wykorzystać swoją wiedzę z Matlaba
Podstawy automatyki I Wykład 3b /2016
Modelowanie i podstawy identyfikacji
Blok obieralny Zagadnienia cieplne w elektrotechnice
Podstawy automatyki I Wykład /2016
Sterowanie procesami ciągłymi
Sterowanie procesami ciągłymi
IV Konferencja Naukowo-Techniczna "Nowoczesne technologie w projektowaniu, budowie.
* PROCESÓW TECHNOLOGICZNYCH
Ogólne zasady konstruowania modeli układów mechanicznych #1/2
Zapis prezentacji:

PROF. DOMINIK SANKOWSKI SYSTEMY CZASU RZECZYWISTEGO PROF. DOMINIK SANKOWSKI Wykłady 2009/2010

PROF. DR HAB. INŻ. DOMINIK SANKOWSKI System czasu rzeczywistego jest to system komputerowy w którym obliczenia, przeprowadzane są równolegle z przebiegiem zewnętrznego procesu. SCR mają na celu nadzorowanie, sterowanie lub terminowe reagowanie na zachodzące w procesie zdarzenia. (sacha:scr)

PROF. DR HAB. INŻ. DOMINIK SANKOWSKI Identyfikacja jest to proces wyznaczania najlepszego modelu matematycznego obiektu z określonej klasy modeli, przy określonym kryterium oraz na podstawie wiedzy apriori o obiekcie i danych pomiarowych (obserwacje sygnału wejściowego i wyjściowego).

Budowa uproszczonego modelu matematycznego sygnał testowy _ Prawa Uprosz- Model Estymacja A termokinetyki czenia paramet - parametrów ryczny Wiedza apriori Struktura PIEC Wiedza mierzalna modelu Gromadzenie, korekcja i Analiza Estymacja przetwarzanie Model Fouriera charakterystyki danych w nieparame G(j ) cz ęstotliwo- pomiarowych - tryczny ś ciowej Budowa uproszczonego modelu matematycznego

Cel identyfikacji jest związany między innymi (Norton,1988) z: zaspokojeniem ciekawości naukowej; monitorowaniem własności dynamicznych obiektów przemysłowych w systemach „on-line” dla potrzeb podjęcia dalszych decyzji; diagnozowaniem urządzeń dla potrzeb wykrywania uszkodzeń i stanów awaryjnych; wyznaczaniem własności dynamicznych obiektu dla potrzeb zaprojektowania optymalnego typu regulatora i jego nastaw (syntezy układu regulacji).

Dane niezbędne do budowania modelu matematycznego obiektu uzyskiwane są w dwojaki sposób równocześnie: Na drodze identyfikacji teoretycznej w oparciu o wiedzę apriori o obiekcie; Na drodze identyfikacji eksperymentalnej. W metodzie eksperymentalnej identyfikacji wiedza aprori o obiekcie wykorzystywana jest w różnych etapach procedury identyfikacyjnej: planowania eksperymentu; korekty danych pomiarowych; wyboru właściwej klasy i struktury modelu weryfikacji modelu.

procedury identyfikacyjnej WIEDZA A PRIORI WYZNACZENIE ZAŁOŻENIA STRUKTURY UPRASZCZAJĄCE MODELU PLANOWANIE EKSPERYMENTU DANE u(t), y(t) ESTYMACJA PARAMETRÓW MODELU KOREKTA DANYCH (ELIMINACJA TRENDU) DANE SKORYGOWANE - WERYFIKACJA MODELU + Podstawowe etapy procedury identyfikacyjnej KOŃCOWY MODEL

Do podstawowych etapów procedury identyfikacji należą: sformułowanie założeń upraszczających; planowanie eksperymentu identyfikacji (wybór sygnału testowego); korekta danych pomiarowych (eliminacja trendu, minimalizacja wpływu składowej przejściowej); wyznaczanie struktury modelu obiektu (wyznaczanie rzędu modelu); estymacja parametrów modelu; weryfikacja modelu czyli sprawdzenie jego ważności polegające na teście zgodności modelu z rzeczywistym obiektem.

Metody identyfikacji obiektów przemysłowych: analityczne i eksperymentalne; charakterystyk statystycznych i dynamicznych; deterministyczne i statystyczne; modeli ciągłych i dyskretnych; klasyfikacja według struktury układu: identyfikacja w układzie otwartym i zamkniętym; klasyfikacja według struktury modeli: identyfikacja modeli parametrycznych i nieparametrycznych; klasyfikacja według struktury przetwarzania danych: metody identyfikacji „of-line” (w czasie rzeczywistym); klasyfikacja według sposobu przeprowadzania eksperymentu identyfikacji; klasyfikacja według rodzaju sygnału testowego użytego do identyfikacji.

Klasyfikacja metod identyfikacji Struktura modelu Struktura przetwarzania danych Struktura układu Sygnały testowe Parame- tryczne Niepara- metryczne układ otwarty układ zamknięty off-line on-line bierne czynne

Trudności identyfikacji obiektów przemysłowych na przykładzie obiektów elektrotermicznych: bardzo wysoki rząd modelu. Są to obiekty o stałych rozłożonych, stąd istnieje konieczność stosowania uproszczeń; bardzo czasochłonne pomiary, istotna więc jest ich automatyzacja. Na wydłużenie czasu trwania eksperymentu identyfikacyjnego przy zastosowaniu klasycznej metody wymuszeń harmonicznych mają wpływ następujące czynniki: liczba badanych pulsacji; okres sygnałów harmonicznych szczególnie długi w przypadku eksperymentów w zakresie małych pulsacji; okres oczekiwania na stan quasi-stacjonarny; poziom szumów, który powoduje konieczność uśredniania wyników na podstawie obserwacji (pomiarów) prowadzonych dla kilku okresów.

nieliniowość prowadząca do konieczności linearyzacji dla danego punktu pracy przy małych zmianach temperatury wokół tego punktu; duży wpływ dynamiki czujników termometrycznych na wyniki pomiarów i na własności dynamiczne obiektów wraz z tym czujnikiem; znaczny wpływ wsadu, jego masa i postać; występująca często konieczność wielokrotnego powtarzania pomiarów i przyjmowania wartości średnich celem eliminacji wpływu zakłóceń działających zarówno na obiekt, jak i na układ pomiarowy; zmienność własności dynamicznych obiektu w czasie wynikająca głownie ze zjawiska starzenia się materiałów ogniotrwałych i izolacji cieplnej.

e Obiekt + czujnik (piec + szum termoelement) G (s) u(s) (s) G (s) R(s) Regulator

w Piec + czujnik Multiplek- ser Woltomierz cyfrowy Interface Zegar Komputer Drukarka n(t) u(t) y(t) G( w ) Generator MBS Układ liniowy stacjonarny Cykliczne obliczenia

Sygnały testowe ciągłe dyskretne deterministyczne losowe nie- stacjonarne stacjonarne nie- ergodyczne nieokresowe okresowe ergodyczne Impuls Skok sinusoidalne poliharmo- sygnały binarne Diraca jednostkowy niczne prostokątne PRBS MBS