Identyfikacja Procesów Technologicznych, Realizacja liniowych modeli dyskretnych z wykorzystaniem sieci neuronowych, hdfhd


Laboratorium Identyfikacji procesów technologicznych

NAZWISKO IMIĘ :

Temat : Realizacja liniowych modeli dyskretnych z wykorzystaniem sieci neuronowych

Ćwiczenie numer :

Data wykonania:

Uwagi :

Ocena :

Data oddania :

1.Cel ćwiczenia

Celem ćwiczenia jest zapoznanie się z możliwością realizacji liniowych modeli dyskretnych z zastosowaniem sieci neuronowych.

2. Wstęp teoretyczny:

0x08 graphic

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic

Dd

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
u(k) + x(k+1) x(k) + y(k)

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic

+ +

Bd 1/z Cd

0x08 graphic
0x08 graphic

0x08 graphic
0x08 graphic

Ad

Równanie stanu: x(k+1)=Ad*x(k)+Bd*u(k) ;

Równanie wyjścia: y(k)=Cd*x(k)+Dd*u(k) ;

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic

x(k)= x1(k) -wektor stanu.

:

xn(k)

0x08 graphic
0x08 graphic

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
u(k)= u1(k) -wektor wejść.

:

ur(k)

0x08 graphic
0x08 graphic

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
y(k)= y1(k) -wektor wyjść.

:

yp(k)

0x08 graphic
0x08 graphic

Opis w postaci transmitancji:

n-1 n-2 n-m n n-1

1) G(z)=Y(z)/U(z)=(b1*z + b2*z +....+bm*z )/(z + a1*z +....+an)

n-1 n-2 n-m n n n-1 n

2) G(z)=Y(z)/U(z)=[(b1*z + b2*z +....+bm*z )\*z ]/[(z + a1*z +....+an)\*z ]

-1 -2 -m -1 -n

3) [ (b1*z + b2*z +....+bm*z )\*U(z)]=[(1 + a1*z +....+an*z ) \*Y(z)]

-1 -2 -m -1 -n

4) b1*z *U(z)+ b2*z *U(z) +....+bm*z *U(Z)=Y(z) + a1*z *Y(z) +....+an*z *Y(z)

  1. y (k)+a1*y(k-1)+....+an*y(k-n)=b1*u(k-1)+....+bm*u(k-m)

3.Przebieg ćwiczenia:

Układ 1.

0x08 graphic

Rys.1. Realizacja modelu liniowego dyskretnego układu 1.

[Ad,Bd,Cd,Dd]=dlinmod('obiekt',0.1)

Ad =

0.8056 -0.2705

    1. 0.9860

Bd =

0.0902

0.0047

Cd =

0 2.0000

Dd =

0

Układ 2.

0x08 graphic

[Ad,Bd,Cd,Dd]=dlinmod('cw4r',0.1)

Ad =

0.8056 -0.2705

0.0902 0.9860

Bd =

0.0902

0.0047

Cd =

2 0

Dd =

0

Model transmitancyiny.

[dnum,ddem]=ss2tf(Ad,Bd,Cd,Dd)

dnum =

0 0.1804 -0.1804

ddem =

1.0000 -1.7916 0.8187

printsys(dnum,ddem,'z') -wyliczenie transmitancj układu

num/den =

0.1804 z - 0.1804

----------------------

z^2 - 1.792 z + 0.8187

0x08 graphic

» [Ad2,Bd2,Cd2,Dd2]=dlinmod('cw4r2',0.1)

Ad2 =

1.7920 -0.8187 0.0093 0.0087

1.0000 0 0 0

0 0 0 0

0 0 1.0000 0

Bd2 =

0

0

1

0

Cd2 =

1.7920 -0.8187 0.0093 0.0087

Dd2 =

0

» [dnum2,ddem2]=ss2tf(Ad2,Bd2,Cd2,Dd2)

dnum2 =

0 0.0093 0.0087 0.0000 0.0000

ddem2 =

1.0000 -1.7920 0.8187 0 0

» printsys(dnum2,ddem2,'z')

num/den =

0.0093 z^3 + 0.0087 z^2 - 4.565e-017 z - 2.794e-018

---------------------------------------------------

z^4 - 1.792 z^3 + 0.8187 z^2

4.Uwagi i wnioski:

W ćwiczeniu tym zajęliśmy się realizacją liniowych modeli dyskretnych(układ 2 oraz

układ 3) i ciągłych(układ 1).

Za zadanie mieliśmy również opis trasmitancji dyskretnej G(z) z przejściem na

postać czasową ,co wykonaliśmy w wprowadzeniu.

Powyższy przebieg ćwiczenia jest zobrazowaniem tego co wykonaliśmy na ćwiczeniu.

Tak więc ,po utworzeniu układu pod simulinkiem ,należało wywołać zawartość

macierzy: A,B,C,D , następnie pokazać wektory współczynników w liczniku i

mianowniku -numd,dend oraz pokazać je w postaci ułamkowej. W ten sposób

opisaliśmy układy dyskretne. Układ ciągły służył tylko jako przykład do

wprowadzenia do ćwiczenia.

Układ 3-dyskretny jest przykładem zastosowania modelu o większym rządzie , co

można sprawdzić np. przy pomocy polecenia `printsys'.



Wyszukiwarka

Podobne podstrony:
Identyfikacja Procesów Technologicznych, Identyfikacja charakterystyk statycznych obiektu dynamiczne
AUTOMATYKA, Liniowe modele obiektów i sposoby ich opisów1, POLITECHNIKA OPOLSKA
Identyfikacja Procesów Technologicznych, 02 Eksperyment czynny
Identyfikacja Procesów Technologicznych, 07 Identyfikacja stochastyczna
Identyfikacja Procesów Technologicznych, Identyfikacja charakterystyki statycznej obiektu dynamiczne
Identyfikacja Procesów Technologicznych, Identyfikacja parametrycznarekurencyjną metodą najmniejszyc
Identyfikacja Procesów Technologicznych, 06 Metoda Momentów pelna
Identyfikacja Procesów Technologicznych 10.FFT
Identyfikacja Procesów Technologicznych 03.Obiekt oscylacyjny
Identyfikacja Procesów Technologicznych 05.Metoda momentów
Identyfikacja Procesów Technologicznych 09.Metodya korelacji
Identyfikacja Procesów Technologicznych, 05 Metoda momentów
Identyfikacja Procesów Technologicznych, Identyfikacja parametryczna obiektu dynamicznego (cz.1 i 2)
Identyfikacja Procesów Technologicznych, Identyfikacja parametryczna obiektów dynamicznych, Nr ?wicz
Identyfikacja Procesów Technologicznych, 12 Generatory przebiegów przypadkowych c d
Identyfikacja Procesów Technologicznych, 11 Generatory przebiegów przypadkowych
Identyfikacja Procesów Technologicznych 06.Metoda Momentów pelna
Identyfikacja Procesów Technologicznych, 08 Pomiar gestosci prawdopodobienstwa
Identyfikacja Procesów Technologicznych 07.Identyfikacja stochastyczna

więcej podobnych podstron