Download miễn phí Đề tài Xây dựng mô hình động học cho lò hơi trong nhà máy Đạm Phú Mỹ
Tiếp đến ta cần chọn giá trị của n và t cho phù hợp. Giá trị của n cần chọn đủ lớn để khoảng quan sát có thể bao gồm luôn đặc tính trễ của quá trình và cũng đủ để đảm bảo độ chính xác của mô hình, nhưng giá trị của n cũng không nên quá lớn vì sẽ làm tăng khối lượng tính toán lên nhiều mà kết quả cũng không hẳn tốt hơn khi chọn n vừa đủ lớn. Còn giá trị t được chọn càng lớn thì dữ liệu sẽ càng đa dạng, tức là quá trình nhận dạng sẽ cho kết quả càng tin cậy. Tuy nhiên nếu t quá lớn thì khối lượng tính toán rất nhiều, do đó chọn t vừa phải nhưng ít nhất t phải bằng .
Hai nhược điểm quan trọng của mô hình FIR đó là khối lượng tính toán lớn do số lượng các phần tử trong dãy trọng lượng khá lớn và khó có thể chuyển đổi mô hình FIR sang mô hình khác một cách chính xác. Người ta đưa ra phương pháp khác có hiệu quả hơn và dễ dàng chuyển đổi qua các dạng mô hình khác dễ dàng, đó là mô hình ARX.
Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung tài liệu:
ạn công nghệ trước đó (upstream). Thực tế, đây là cách làm can thiệp khá thô bạo vào quá trình điều khiển và sản xuất, điều này làm cho việc vận hành quá trình công nghệ không thể đảm bảo ổn định và duy trì được chất lượng. Do đó đối với những quá trình công nghệ có mức độ quan trọng cao và nhạy cảm, cần thực hiện nhận dạng vòng kín, tức là thu thập dữ liệu trong khi hệ thống vẫn làm việc ổn định dưới sự điều khiển của các vòng điều khiển.Nhận dạng gián tiếp và trực tiếp
Có hai cách tính toán mô hình đối tượng: trực tiếp và gián tiếp. Thực tế đây là một vấn đề con bên trong vấn đề nhận dạng vòng kín. Tuy nhiên ta có thể xem như nó là một trong những phương pháp nhận dạng.
Nhận dạng trực tiếp là thực hiện nhận dạng dựa trên dữ liệu thu thập là giá trị các biến ngõ vào và biến ngõ ra của hệ thống mà không cần quan tâm đến thông tin của bộ điều khiển. Từ bộ dữ liệu thu được ta có thể tính ra trực tiếp được mô hình của quá trình. Phương pháp nhận dạng trực tiếp có ưu điểm là không cần thông tin chính xác về bộ điều khiển và có thể cho độ chính xác cao nếu chọn được phương pháp nhận dạng phù hợp. Tuy nhiên, nếu dữ liệu thu thập chịu ảnh hưởng của nhiễu mà nhiễu này có tương quan với dữ liệu đầu vào sẽ làm ảnh hưởng đến tính nhất quán và sự hội tụ của phương pháp.
Nhận dạng gián tiếp là thực hiện nhận dạng dựa trên bộ dữ liệu thu thập được ở đầu vào và đầu ra của hệ thống bao gồm quá trình công nghệ và bộ điều khiển (hay nói cách khác là thu thập dữ liệu trong lúc bộ điều khiển vẫn đang hoạt động bình thường). Từ bộ dữ liệu đấy ta tính ra mô hình của hệ thống vòng kín (bao gồm quá trình công nghệ, các thiết bị đo/chấp hành và bộ điều khiển). Sau đấy ta tính được mô hình của hệ thống hở từ mô hình kín vừa nhận dạng được, mô hình thu được là mô hình cho quá trình công nghệ và các thiết bị đo/chấp hành.
Nhận dạng trực tuyến (online) và ngoại tuyến (offline)
Tùy vào nhu cầu mà việc nhận dạng mô hình được thực hiện liên tục hay gián đoạn. Nếu quá trình nhận dạng được thực hiện liên tục để phục vụ điều khiển thích nghi hay tối ưu hóa thời gian thực cho hệ thống điều khiển, ta phải thực hiện nhận dạng liên tục tức là nhận dạng trực tuyến (online), lúc này các tham số của mô hình được cập nhật liên tục vì quá trình nhận dạng được thực hiện liên tục với bộ dữ liệu vào ra cũng được thu thập liên tục. Còn nếu như không có nhu cầu thực hiện nhận dạng liên tục (ví dụ như nhận dạng mô hình để phục vụ phân tích thiết kế điều khiển, mô phỏng hệ thống…) thì ta chỉ cần thu thập dữ liệu, sau đấy nhận dạng, kiểm chứng và sử dụng mô hình.
Đánh giá và kiểm chứng mô hình
Một mô hình mà khi thực hiện mô phỏng cho giá trị ra có sai lệch ít so với dữ liệu thực thu thập được thì được coi là mô hình có chất lượng tốt. Sử dụng giá trị vào của bộ dữ liệu kiểm chứng, ta tính sai lệch giữa giá trị ra mô phỏng và giá trị ra thực để đánh giá chất lượng của mô hình.
(4-1)
Với N là số lần trích mẫu của tín hiệu, là giá trị đầu ra thực ở thời điểm trích mẫu thứ k và là giá trị ngõ ra thu được từ việc mô phỏng tín hiệu của mô hình đã nhận dạng.
Phương pháp bình phương tối thiểu
Các thuật giải nhận dạng rất đa dạng và phong phú. Có phương pháp dựa vào đồ thị đáp ứng quá độ như phương pháp kẻ tiếp tuyến, phương pháp hai điểm quy chiếu, phương pháp diện tích, phương pháp hai điểm cực trị…. Có phương pháp dựa trên đáp ứng tần số như phương pháp kích thích trực tiếp tín hiệu sin, kích thích tín hiệu dạng xung, phương pháp phân tích phổ tín hiệu… Trong thời gian gần đây, với sự phát triển của máy tính, phương pháp tính toán nhận dạng dựa trên nguyên lý bình phương tối thiểu trở nên phổ biến rộng rãi và dần được phát triển hoàn thiện.
Phương pháp bình phương tối thiểu cho mô hình kết quả có chất lượng tốt hơn các phương pháp dựa trên đồ thị đáp ứng quá độ và các phương pháp dựa trên đáp ứng tần số. Nó thường được dùng khi thực hiện nhận dạng những quá trình công nghệ phức tạp hay những quá trình đòi hỏi cao về chất lượng điều khiển. Ứng dụng nguyên lý bình phương tối thiểu, thực chất bài toán nhận dạng chính là bài toán tối ưu tham số với hàm mục tiêu là cực tiểu hóa tổng bình phương sai lệch giữa số liệu thu thập được với số liệu tính toán ước lượng của mô hình.
Đây là phương pháp có khả năng ứng dụng rộng rãi, nó có thể được áp dụng cho cả hệ phi tuyến lẫn tuyến tính, trên miền thời gian cũng như miền tần số, trực tuyến cũng như ngoại tuyến.
Nguyên lý bình phương tối thiểu
Nguyên lý bình phương tối thiểu dựa trên cơ sở là một quá trình có thể mô tả được bằng phương trình dưới đây:
(4-2)
Trong đó là giá trị quan sát được tại thời điểm ,
là các hàm đã xác định trước
còn là vector tham số của mô hình cần xác định:
Vector hàm được gọi là vector hồi quy, các phần tử của nó được gọi là biến hồi quy. Thông thường, vector hồi quy biểu diễn trực tiếp các dữ liệu đầu vào (đã xác định). Theo như công thức (4-2) ta nhận thấy giá trị ngõ ra là tuyến tính với giá trị vào. Do đó trong thực tế, nếu cần thiết lập mô hình phi tuyến, người ta cần sử dụng vector hàm phức tạp hơn với các biến hồi quy có thể ở dạng biến thiên hay phi tuyến.
Như đã nêu ở công thức (4-1), việc xác định mô hình thực chất trở thành công việc giải bài toán tối ưu bằng cách tìm ra vector hàm sao cho hàm mục tiêu là cực tiểu. Trên cơ sở dữ liệu nhận dạng có N mẫu, tức thời gian quan sát từ đến , hàm mục tiêu có dạng như sau:
(4-3)
Ta đặt:
Lúc này (4-2) trở thành:
(4-4)
Ta có thể thấy rằng chính là và tích chính là . Giải bài toán tìm nghiệm tối ưu của hệ (4-4) sẽ thu được bộ tham số của mô hình cần nhận dạng.
(4-5)
Do vậy, để (4-4) có nghiệm thì N ≥ n và có đủ hạng cột (tức là có các cột độc lập tuyến tính, đây là điều kiện để ma trận khả đảo). Lúc này nghiệm sẽ là:
(4-6)
trong đó là ma trận giả nghịch đảo (pseudo-inverse) của .
Phương pháp ước lượng tham số mô hình FIR
Một quá trình ổn định có thể được biểu diễn bằng mô hình FIR (Finite Impulse Response, đáp ứng xung hữu hạn):
(4-7)
Thể hiện bằng sơ đồ khối như dưới đây (vì quá trình là có trễ nên hệ số )
Hình 4.2.2 1: Sơ đồi khối mô hình FIR
Dãy giá trị được gọi là dãy trọng lượng. Giá trị của từng phần tử trong dãy thể hiện ảnh hưởng của từng đầu vào trong quá khứ tới giá trị đầu ra hiện tại .
Đối với một quá trình ổn định, giá trị phần tử của dãy trọng lượng sẽ tiến dần về 0 khi hệ số i lớn lên, do đó n có giá trị hữu hạn và phương trình (4-7) thông thường chỉ là gần đúng.
Như được thể hiện trong (4-7) ta thấy mô hình FIR rất trực quan khi nó mô tả rõ ràng ảnh hưởng của từng giá trị đầu vào trong quá khứ lên đầu ra. Tuy nhiên, như đã nêu ở trên nó chỉ sử dụng được đối với quá trình ổn định....