آموزش شناسایی سیستم - درس پنجم: روش های شناسایی پارامتری (الف)

توضیحات:

برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
#http://www.faradars.org/fvctr95041

در مهندسی کنترل، اغلب الگوریتم های کنترلی که ارائه می شود بر مبنای مدل هستند، بدین معنی که یا ساختار کنترل کننده بر اساس مدل است و یا اینکه پارامترهای کنترل کننده وابسته به پارامترهای مدل پلانت هستند. در نتیجه برای کارکرد صحیح این قوانین کنترلی لازم است که مدل نسبتاً دقیق و مناسب از سیستم داشته باشیم. از طرفی اکثر پلانت های واقعی که در عمل با آن ها سروکار داریم را نمی توان با استفاده از روش های ریاضی و بر اساس قوانین فیزیکی حاکم بر پلانت، مدل سازی کرد. در این موارد ناچار هستیم که بر اساس داده های آزمایشگاهی که از پلانت گرفته می شود، یک مدل مناسب استخراج کنیم. در درس شناسایی سیستم ابزارهای لازم برای رسیدن به هدف ارائه خواهد شد.



سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
درس یکم: سیستم های خطی نا متغیر با زمان
مقدمه و تعاریف اولیه
گام های شناسایی سیستم ها
سیستم های LTI
گسسته سازی انتگرال کانولوشن
مدل سازی اغتشاش
گسسته سازی از روی تابع تبدیل پیوسته
پایداری سیستم های گسسته
مدل کامل سیستم های LTI
پاسخ فرکانسی
تبدیل فوریه در سیستم های LTI
مشخصات آماری سیستم های LTI
چهارچوب مشترک برای بیان سیگنال های ایستا و غیر ایستا
طیف توان
تجزیه طیفی
درس دوم: شبیه سازی، پیش بینی و کنترل
شبیه سازی از طریق مدل سازی پلانت
پیش بینی از طریق مدل سازی پلانت
پیش بینی یک گام به جلو و چند گام به جلو
طراحی رویت گر
کنترل از طریق مدل سازی
کنترل حداقل واریانس
درس سوم: انواع مدل های ریاضی در شناسایی سیستم ها
مدل های LTI
مدل ARX
مدل ARMAX
مدل ARARMAX
مدل OE
مدل BJ
شکل عمومی شناسایی مدل های LTI
مدل های خطی برای سیستم های چند متغیره
مدل سازی و پیش بینی در فضای حالت
مدل های خطی متغیر با زمان
مدل های غیر خطی
درس چهارم: روش های شناسایی غیر پارامتری در حوزه زمان و فرکانس
آنالیز پاسخ ضربه
آنالیز پاسخ پله
آنالیز وابستگی
آنالیز فرکانسی
آنالیز ETFE
درس پنجم: روش های شناسایی پارامتری
ساختار مدل
تابع هزینه
بهینه سازی تابع هزینه
بهینه سازی حداقل مربعات
حل مسئله درون یابی خطی و غیر خطی با حداقل مربعات
شناسایی سیستم های خطی و غیر خطی با روش حداقل مربعات
درس ششم: روش های شناسایی بازگشتی
اهمیت شناسایی بازگشتی
حداقل مربعات بازگشتی (RLS)
الگوریتم تصویرگر کازمارز
الگوریتم تخمین خطای اتفاقی
الگوریتم حداقل میانگین مربعات
تخمین پارامترهای مدل ARMAX با استفاده از روش RLS


مدرس: مهندس امید زندی

لغات کلیدی:

آموزش, شناسایی, سیستم

درباره ما | تماس با ما | قوانین تخته سفید