Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 1 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab.

Prezentacja na temat: "Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 1 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab."— Zapis prezentacji:

1 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 1 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Metoda najmniejszych kwadratów- estymacja sekwencyjna Dotychczas rozważaliśmy estymację w sytuacji: wszystkie możliwe pomiary-obserwacje dostępne jednocześnie Teraz rozważymy estymację w sytuacji: pomiary pojawiają się kolejno, paczkami, co jakiś czas i jest pożądane określać nowe wartości estymowane parametrów w oparciu wszystkie dotychczasowe pomiary, włączając bieżące Rozpocznijmy od sytuacji: dwie paczki pomiarów, uprzednia oznaczona indeksem 1 i bieżąca oznaczona indeksem 2 Przyjmiemy założenie: (1)

2 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 2 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Równania obserwacji: lub Estymata wartości nieznanych parametrów wyznaczona w oparciu o pierwszą paczkę pomiarów m1m1 - wektor2 (druga paczka) wartości mierzonych y m2m2 - wektor1 (pierwsza paczka) wartości mierzonych y (2)

3 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 3 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Teraz rozważmy estymację wartości nieznanych parametrów w oparciu o obie połączone paczki pomiarów-obserwacji Równania obserwacji: lub gdzie Założymy, że łączna macierz wag pomiarów jest blokowo-diagonalna

4 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 4 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Optymalne wartości estymowane nieznanych parametrów w oparciu o dwie kolejne paczki pomiarów: Ponieważ W jest blokowo-diagonalna Możnaby kontynuować: Ale....... Zasadnicza cecha estymacji sekwencyjnej powinna być: zorganizować tak proces estymacji, aby wykorzystać poprzednie estymaty i poprzednie wyniki obliczeń (3) (4)

5 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 5 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Zdefiniujmy (4) (5)

6 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 6 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Z definicji: zakładając istnienie oraz, mamy zatem zależność (6)  

7 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 7 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Korzystając z optymalne wartości estymowane po pierwszej serii pomiarów zapiszemy (7) (8) i po drugiej serii pomiarów

8 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 8 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Zależność (7) pozwala napisać (lewostronne mnożenie przez ) A zależność (6) pozwala napisać (po przeniesieniach między stronami) Ostatnią zależność podstawiamy do otrzymując

9 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 9 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Otrzymaną zależność podstawiamy do (8) otrzymując

10 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 10 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Ostatecznie możemy napisać Otrzymaliśmy sekwencyjny mechanizm otrzymywania uaktualnionej estymaty w oparciu o poprzednią estymatę i pewne dodatkowe obliczenia związane z pozyskaniem nowych pomiarów (9) (10)

11 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 11 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Otrzymany wynik nietrudno uogólnić na przypadek wykorzystania k-tej estymaty dla otrzymania k+1 estymaty po uzyskaniu k+1 zestawu pomiarów gdzie (11) (12) (13) K – macierz wzmocnień Kalmana Optymalne wartości estymowane nieznanych parametrów wyznaczone w oparciu o poprzednie k serii pomiarów Wartości y zmierzone w k+1 serii pomiarów Predykcja wartości y z wykorzystaniem wartości estymowanych nieznanych parametrów wyznaczonych w oparciu o poprzednie k serii pomiarów i aktualną macierz obserwacji z k+1 serii pomiarów

12 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 12 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Podany wynik (11) – (13) stanowi najważniejszy rezultat sekwencyjnej teorii estymacji !!! Równanie (11) modyfikuje poprzednią, najlepszą estymatę przez korekcję wykorzystującą informację zawartą w k+1 zestawie pomiarów. Równanie to nazywa się równaniem aktualizacji Kalman’a obliczania poprawionej estymaty Równanie (12) jest członem korekcyjnym nazywanym macierzą wzmocnień Kalman’a

13 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 13 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Równanie (11) Liniowy (niestacjonarny) dyskretny system dynamiczny Znane narzędzia analizy liniowych systemów dyskretnych mogą być zastosowane do badania stabilności, odpowiedzi czasowych itp..

14 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 14 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Macierz P jest nazywana macierzą informacyjną, a sposób obliczania P -1 podany wzorem (13) rekurencją macierzy informacyjnej Podany w ten sposób przepis obliczania P k+1 wymaga obliczania odwrotności prawej strony równania (13) – brak przewagi nad obliczaniem kolejnych estymat w ujęciu jednorazowym (3), gdzie - w dalszym ciągu potrzeba odwracać macierz nxn

15 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 15 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Pożądana metoda pozwalająca obliczać P k+1 wykorzystująca fakt posiadania wcześniej obliczonej macierz P k Kiedy liczba nowych pomiarów m k+1 jest mała w porównaniu do liczby nieznanych parametrów n, aktualizacja P k+1 może być efektywnie obliczona wykorzystując lemat odwracania macierzy Sherman’a – Morrison’a – Woodbury’ego

16 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 16 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Lemat Sherman’a – Morrison’a – Woodbury’ego Jeżeli gdzie to, jeżeli istnieją odpowiednie macierze odwrotne

17 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 17 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Jeżeli podstawimy to, rekurencja macierzy informacyjnej przyjmie postać ! odwracanie macierzy o rzędzie mniejszym od n! (14)

18 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 18 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Równanie aktualizacji estymat (11) też może być przedstawiane w wielu alternatywnych formach Jedno z częściej stosowanych podejść – podstawienie (14) do równania macierzy wzmocnień Kalman’a (12)

19 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 19 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Otrzymamy: „Wyłączając” przed nawias

20 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 20 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Doszliśmy do formy równania rekurencyjnego nazywanej kowariancyjną Kowariancyjna forma równania rekurencyjnego (11) gdzie (15) (16) (17) Równanie (17) otrzymujemy z (14)

21 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 21 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Porównanie: gdzie

22 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 22 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Realizacja obliczeń estymacji sekwencyjnej Kowariancyjna forma równania estymacji sekwencyjnej metodą najmniejszych kwadratów jest najczęściej używaną ze względu na efektywność obliczeniową Trzy możliwości rozpoczęcia obliczeń: 1. posiadanie estymaty a priori oraz macierzy Warunek 2. wykorzystanie pierwszego pakietu danych i przeprowadzenie estymacji jednokrotnej dla określenia oraz Następnie estymacja sekwencyjna może być kontynuowana dla k ≥ q (18)

23 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 23 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. 3. Można rozpocząć też obliczenia, jeżeli warunek (18) nie jest spełniony (mała liczba pomiarów) dla k=1,2,...q-1 stosując gdzie, α jest bardzo „dużą” liczbą a β jest wektorem bardzo „małych” liczb (19) (20)

24 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 24 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Przykład 1: System Dyskretna aproksymacja systemu z przedziałem dyskretyzacji Δt gdzie: Dla tego systemu wykonaliśmy estymację jednokrotną

25 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 25 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Wynik tej estymacji Przeprowadzimy dla tego systemu estymację sekwencyjną metodą najmniejszych kwadratów z jednym pomiarem jednorazowo Przypomnienie: Symulacja błędu pomiaru: generator szumu gaussowskiego o zerowej wartości średniej i odchyleniu standardowym σ = 0.08 Przyjmiemy

26 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 26 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Początkowe: Estymaty:

27 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 27 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Elementy diagonalne macierzy P

28 Modelowanie i identyfikacja 2013/2014 Identyfikacja rekursywna i nieliniowa I 28 Katedra Inżynierii Systemów Sterowania  Kazimierz Duzinkiewicz, dr hab. inż. Dziękuję za uczestnictwo w wykładzie i uwagę