Práce se zabývá v čase spojitou identifikací dynamických systémů. Jsou ukázány dvě metody rekurzivní v čase spojité identifikace dynamických systémů pro hybridní model Box Jenkins. Je podán úvod do platformy MATLAB a toolboxu Simulink. Na této platformě je uskutečněn simulační experiment se zvoleným dynamickým systémem popsaným modelem Box Jenkins. V rámci tohoto experimentu jsou vyzkoušeny obě popsané rekurzivní metody pro zmíněný model. Výsledky experimentů jsou shodnoceny. Dále je identifikován výukový systém AMIRA DR300 opět popsanými dvěmi metodami. Je odhadnuta struktura modelu systému a z její znalosti odhadnuty parametry modelu. Jsou popsány identifikační a simulační funkce v jazyce MATLAB.
Annotation in English
This thesis deals with continuous time identification of dynamic systems. It introduces two methods of recursive continuous time identification of dynamic systems for hybrid Box Jenkins model. Also it introduces MATLAB platform and toolbox Simulink. It is realized the simulation experiment with chosen dynamic system described by Box Jenkins model on this platform. The both introduced recursive continuous time identification methods are test for that model. It is analyzed results of that experiments. The learning system AMIRA DR300 has been identified by the same introduced methods. It is estimated the system model structure and then they are estimated parameters of the model based on that identfied structure. They are introduced the identification and simulation functions in MATLAB language.
Keywords
v čase spojitá identfikace, rekurzivní v čase spojitá identifikace, rekurzivní identifikace, RIV, IVARMA, RIVC, SRIVC, Full RIVC, Simplified RIVC, MATLAB, Simulink, simulace dynamických systémů, AMIRA DR300
Keywords in English
continuous time identification, recursive continuous time identification, recursive identification, RIV, IVARMA, RIVC, SRIVC, Full RIVC, Simplified RIVC, MATLAB, Simulink, simulation of dynamic systems, AMIRA DR300
Length of the covering note
85
Language
CZ
Annotation
Práce se zabývá v čase spojitou identifikací dynamických systémů. Jsou ukázány dvě metody rekurzivní v čase spojité identifikace dynamických systémů pro hybridní model Box Jenkins. Je podán úvod do platformy MATLAB a toolboxu Simulink. Na této platformě je uskutečněn simulační experiment se zvoleným dynamickým systémem popsaným modelem Box Jenkins. V rámci tohoto experimentu jsou vyzkoušeny obě popsané rekurzivní metody pro zmíněný model. Výsledky experimentů jsou shodnoceny. Dále je identifikován výukový systém AMIRA DR300 opět popsanými dvěmi metodami. Je odhadnuta struktura modelu systému a z její znalosti odhadnuty parametry modelu. Jsou popsány identifikační a simulační funkce v jazyce MATLAB.
Annotation in English
This thesis deals with continuous time identification of dynamic systems. It introduces two methods of recursive continuous time identification of dynamic systems for hybrid Box Jenkins model. Also it introduces MATLAB platform and toolbox Simulink. It is realized the simulation experiment with chosen dynamic system described by Box Jenkins model on this platform. The both introduced recursive continuous time identification methods are test for that model. It is analyzed results of that experiments. The learning system AMIRA DR300 has been identified by the same introduced methods. It is estimated the system model structure and then they are estimated parameters of the model based on that identfied structure. They are introduced the identification and simulation functions in MATLAB language.
Keywords
v čase spojitá identfikace, rekurzivní v čase spojitá identifikace, rekurzivní identifikace, RIV, IVARMA, RIVC, SRIVC, Full RIVC, Simplified RIVC, MATLAB, Simulink, simulace dynamických systémů, AMIRA DR300
Keywords in English
continuous time identification, recursive continuous time identification, recursive identification, RIV, IVARMA, RIVC, SRIVC, Full RIVC, Simplified RIVC, MATLAB, Simulink, simulation of dynamic systems, AMIRA DR300
Research Plan
Seznamte se s aktuálním stavem metod v čase spojité rekurzivní identifikace SISO systémů a vypracujte literární rešerši z této oblasti.
Vypracujte stručnou charakteristiku programového prostředí MATLAB.
Vyberte si typ modelu a pro něj pak 2 různé metody této identifikace kromě metody nejmenších čtverců a její často používaných modifikací (směrové a exponenciální zapomínání). Realizujte simulačně 2 vybrané metody na zvoleném systému v programovém prostředí MATLAB.
Do praktické části práce uveďte popis vámi vytvořeného programu pro simulační ověřování použitých metod identifikace spojitých systémů.
Proveďte kritické porovnání výsledků simulací.
Research Plan
Seznamte se s aktuálním stavem metod v čase spojité rekurzivní identifikace SISO systémů a vypracujte literární rešerši z této oblasti.
Vypracujte stručnou charakteristiku programového prostředí MATLAB.
Vyberte si typ modelu a pro něj pak 2 různé metody této identifikace kromě metody nejmenších čtverců a její často používaných modifikací (směrové a exponenciální zapomínání). Realizujte simulačně 2 vybrané metody na zvoleném systému v programovém prostředí MATLAB.
Do praktické části práce uveďte popis vámi vytvořeného programu pro simulační ověřování použitých metod identifikace spojitých systémů.
Proveďte kritické porovnání výsledků simulací.
Recommended resources
BOBÁL, Vladimír. Identifikace systému. Zlín : Ediční středisko VUT Brno, 1990. 184 s. ISBN 80-214-0125-7.
NOSKIEVIČ, Petr. Modelování a identifikace systémů. Ostrava : Montanex a.s., 1999. 280 s. ISBN 80-7225-030-2.
SÖDESTRÖM, Torsten, STOICA, Petre. System Identification. London : Prentice Hall International (UK) Ltd., 1989. 609 s. ISBN 0-13-881236-5.
WELLSTEAD, P.E., ZARROP, M.B. SELF-TUNING SYSTEMS : Control and Signal Processing. England : JOHN WILEY&SONS, 1991. 573 s. ISBN 0-471-92883-6.
OLBERT, Vít. Realizace rekurzivních metod identifikace v prostředí MATLAB a SIMULINK. Diplomová práce. Zlín : FAI UTB ve Zlíně, 2006.
PERŮTKA, Karel. MATLAB ? Základy pro studenty automatizace a informačních technologií. Zlín : UTB ve Zlíně, 2005, 303 s. ISBN 80-7318-355-2.
KOZÁK, Štefan. MATLAB - SIMULINK II. Bratislava : Vydavateľstvo STU v Bratislave, 1999. 141 s. ISBN 80-227-1235-3.
Recommended resources
BOBÁL, Vladimír. Identifikace systému. Zlín : Ediční středisko VUT Brno, 1990. 184 s. ISBN 80-214-0125-7.
NOSKIEVIČ, Petr. Modelování a identifikace systémů. Ostrava : Montanex a.s., 1999. 280 s. ISBN 80-7225-030-2.
SÖDESTRÖM, Torsten, STOICA, Petre. System Identification. London : Prentice Hall International (UK) Ltd., 1989. 609 s. ISBN 0-13-881236-5.
WELLSTEAD, P.E., ZARROP, M.B. SELF-TUNING SYSTEMS : Control and Signal Processing. England : JOHN WILEY&SONS, 1991. 573 s. ISBN 0-471-92883-6.
OLBERT, Vít. Realizace rekurzivních metod identifikace v prostředí MATLAB a SIMULINK. Diplomová práce. Zlín : FAI UTB ve Zlíně, 2006.
PERŮTKA, Karel. MATLAB ? Základy pro studenty automatizace a informačních technologií. Zlín : UTB ve Zlíně, 2005, 303 s. ISBN 80-7318-355-2.
KOZÁK, Štefan. MATLAB - SIMULINK II. Bratislava : Vydavateľstvo STU v Bratislave, 1999. 141 s. ISBN 80-227-1235-3.
