63000 ip2

Testy białości błędów predykcji

Testy skracania zer i biegunów

Wykonać weryfikację otrzymanych modeli korzystając z testów: białości błędów predykcji oraz skracania biegunów i zer.

3) Powtórzyć doświadczenie dla liczby pomiarów iV = 1000.

dA=dB	1	2	3
Parametry modelu \	<V'^cł‘^?,u l^tOi^i) *1: CcC ( 0(CiJ	.•*,s-0,0*sr ('ĄOii rd>,06 ( <5,-	A( )=.....(.....)B() =......( ) ~^l3iUd ^ fCj&ł) lOfOi 1 y~ofc.<(q^ij ' i ^ iĄcvłj *.■ --ą ,y CC Łe-C-

Jak liczba pomiarów wpływa na osiąganą dokładność ocen parametrów modelu? (zwrócić uwagę na oszacowane odchylenia standardowe ocen parametrów modeli oraz porównać otrzymane oceny z parametrami symulowanego obiektu), (0.25 pkt) I f) » /    ' n

j.caM'-. (,......................

17

[0₍c.

standardowe ocen paramet,

.....lj.L<ktQui .c.ctff.x.£±£:U n?df.iyj

..p................v..........................

. M

4) Powtórzyć doświadczenie dla liczby pomiarów N - 100 i poziomu zakłóceń NIS ^m 0.1.

dA=dB	l	2	3
Parametry modelu	A(l)=.....(.......) V c ć.cśc^ ( 6,C‘i ?•>]	*2 = 9p5t3 ^oci^‘> to, m /liACir./ M/i - '	A( )“.....(.....)B( )-......Cl $4% W? kkkim*

ir-

?>

'rtfl

[ Ć/O^j

Jaki jest wpływ poziomu zakłóceń N/S na •

%

7

5a) Przeprowadzić symulację obiektu dTa N = 100 oraz N/S = 1, przyjmując, że na jego wyjściu wprowadzone jest zakłócenie v(i) generowane jako ciąg ARMA o parametrach podanych przez prowadzącego.

Wykonać identyfikację modeli jak w punkcie drugim.

dA=dB	1	2	3
Parametry modelu	•!\ i - v? 1 / d ^1 Ćch5,2^ = /, = tr>, -/-4 Lu	-^pęrrr-0. 7^/;I	A( )=.....(.....) B( ) =......( ) A...

J

O _ ,jj