Modelowanie matematyczne- podejście analityczne, polegające na wyprowadzeniu dynamiki zjawiska lub procesu z podstawowych praw fizyki
Identyfikacja systemów- podejście eksperymentalne: po przeprowadzeniu wielu doświadczeń, dobiera się model w taki sposób, by w stopniu wystarczającym „pasował” do danych eksperymentalnych
Cechy zidentyfikowanych modeli:
Ograniczona stosowalność
Brak opisu fizycznej istoty procesu
Łatwość uzyskania i wykorzystania
Problemy z identyfikacją:
Konieczność współdziałania z przyszłym użytkownikiem modelu w celi ustalenia właściwej struktury modelu
Dane zawierają zakłócenia
Procesy są zwykle zmienne w czasie i nie można stosować modeli niezmiennych w czasie
Pomiar zmiennych istotnych dla modelu często jest niemożliwy
Etapy identyfikacji systemu:
Pobudzenie systemu wymuszeniem i obserwacja wyjść w określonym przedziale czasu
Dopasowanie modelu do danych eksperymentalnych
Weryfikacja i walidacja (jedno przeprowadza się na nowych danych oraz najlepiej przez inny zespół, ale nie pamiętam które:P)
Nieparametryczne metody identyfikacji:
Analiza przebiegów przejściowych
Analiza częstotliwościowa
Analiza korelacyjna
Analiza widma
…
Przetwarzanie wstępne:
Weryfikacja dostępnych wyników obserwacji
Brak ciągłości danych
Niedopuszczalne wartości
Wybór danych trenujących
Usuwanie składowej stałej i trendu
Filtracja w celu ograniczenia szumów
Zmiana częstości próbkowania (resampling)
Decymacja
Interpolacja
Parametryczne metody identyfikacji:
Ogólny model liniowy MISO
Szczególne modele liniowe:
ARX
ARMAX
OE
BJ
Model przestrzeni stanów
Procedury identyfikacji modelu:
Wybór klasy systemu (klasa zależna od:)
Elastyczności
Oszczędności
Złożoności algorytmu
Właściwości funkcji celu
Wybór typu parametrycznego i przyjęcie struktury modelu
Estymacja parametrów modelu na podstawie znanych ciągów czasowych wejściowych i wyjściowych
Metoda najmniejszych kwadratów
Metoda zmiennych instrumentalnych
Weryfikacja modelu
Kryteria doboru struktury modelu:
Stopień dopasowania
Wizualna ocena wykresów
Testy statystyczne
Stopień złożoności modelu
Odpowiednia struktura modelu