PROF. DOMINIK SANKOWSKI

Prezentacja na temat: "PROF. DOMINIK SANKOWSKI"— Zapis prezentacji:

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

2 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)

3 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).

4 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

5 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).

6 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.

7 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

8 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.

9 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.

10 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

11 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.

12 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.

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

14 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

15 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

16

17