Upload
jiro
View
64
Download
0
Embed Size (px)
DESCRIPTION
M ETODY S UBSPACE I DENTIFICATION. Jaroslav Neuhauser n euhauj @control.felk.cvut.cz. Pavel Trnka [email protected]. Katedra Řídicí techniky Elektrotechnická fakulta České vysoké učení technické v Praze. úvod do problematiky. Metoda identifikace stavového modelu systému. - PowerPoint PPT Presentation
Citation preview
1
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATION
MMETODY ETODY
SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATION
Jaroslav [email protected]
Pavel [email protected]
Katedra Řídicí technikyElektrotechnická fakulta
České vysoké učení technické v Praze
2
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONúvod do problematikyúvod do problematiky
• Metoda identifikace stavového modelu systému.
• Explicitní numerický algoritmus pro získání odhadů posloupnosti stavů a systémových matic ze vstupně/výstupních dat.
• Slovo „subspace“ vyjadřuje skutečnost, že posloupnost stavů systému může být přímo získánaz řádkových a sloupových prostorů určitých matic vytvořených pouze ze vstupně výstupních dat.
• Jakmile jsou tyto stavy jednou známy je určení systémových matic A, B, C, D jednoduchým problémem řešitelným metodou nejmenších čtverců.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
3
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONccílíl
Z naměřených vstupně/výstupních dat:
Určit řád systému a získat matice A, B, C, D stavového LTI modelu:
kde
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
4
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONpoužívané zkratkypoužívané zkratky
4SID, S4IDSubspace State Space System IDentification
N4SIDNumerical 4SID
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
5
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONvlastnosti (1)vlastnosti (1)
Výhody:
• Minimální počet parametrů zadávaných uživatelem – zadáván pouze řád identifikovaného systému. K jeho určení navíc poskytuje dobrý odhad.
• Identifikuje přímo model s redukovaným řádem. Není tedy nutné nejprve identifikovat systém s vysokým řádem a následně použít metody redukce řádu.
• 4SID nejsou metodami iterativními, tudíž nemají potíže s konvergencí.
• Praktické realizace používají numericky robustní SVD a QR dekompozice s dobře známými vlastnostmi.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
6
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONvlastnosti (2)vlastnosti (2)
Nevýhody:
• 4SID nejsou určeny pro malé soubory dat. Jsou tedy špatně použitelné například v ekonometrii.
• Abstraktní metoda, jejíž kroky jsou obtížně fyzikálně interpretovatelné.
• Náročná rekurzivní implementace.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
7
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATION
Hiroshi Oku
University of Twente,Netherlands
Peter van Overschee
Katholieke Universiteit Leuven, Belgium
Bart De Moor
Katholieke Universiteit Leuven, Belgium
osobnosti 4SIDosobnosti 4SID
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
8
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATION
Vstupně-výstupnídata {uk , yk}
Posloupnost stavůKalmanova filtru
Matice systému
Matice systému
Posloupnost stavůKalmanova filtru
SubspaceIdentification
Klasickýpřístup
Kalmanůvfiltr
Nejmenšíčtverce
subspace vs. klasický přístupsubspace vs. klasický přístup
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
9
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONnástroje pro subspace metodynástroje pro subspace metody
Subspace metody používají matematické nástroje z následujících oblastí:
Geometrické nástroje:• Ortogonální projekce• Kosá (nepřímá, šikmá) projekce (Oblique Projection)• Principiální směry a úhly
Matematické nástroje:• Řádkové prostory matic• Rozklad na singulární čísla (SVD dekompozice)• QR dekompozice• Statistika
Teorie systémů
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
10
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONřádkový prostor matice (řádkový prostor matice (Matrix Row SpaceMatrix Row Space))
Řádkový prostor
matice A o rozměrech (m,n), označovaný jako row(A) je prostor tvořený všemi lineárními kombinacemi (lineárním obalem) vektorů řádků matice A.
Pro matici A o rozměrech (m,n) reprezentuje row(A) podprostor prostoru Rn ,který má dimenzi rank(A)=m.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
A = m x n
n-dimenzionální prostor
jeho m-dimen-zionální
podprostor
Pro matici A s plnou řádkovou hodností:
11
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONhankelovy maticehankelovy matice
Matice se stejnými prvky na vedlejších diagonálách.
Konstruovány z posloupností . Hodnota prvku v Hankelově matici H na pozici (i,j) závisí pouze na součtu i+j:
Například pro posloupnost dostaneme:
Naměřená vstupně/výstupní data jsou pro použití algoritmů Subspace Identification naplněna do Hankelových matic.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
12
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONhhankelovyankelovy matice - tvary matic pro 4SID (1) matice - tvary matic pro 4SID (1)
i … počet blokových řádků, musí být větší než řád odha- dovaného systému (postačuje větší než index pozorovatelnosti) j … počet sloupců je typicky roven s-2i+1, kde s je počet vzorkůIndexy U0|2i-1 označují první a poslední prvek v prvním sloupci Hankelovy matice.
j
i “past”
“future”i
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
13
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONhhankelovyankelovy matice - tvary matic pro 4SID (2) matice - tvary matic pro 4SID (2)
20 40 60 80 100 120 140 160 180
2
4
6
8
10
20 40 60 80 100 120 140 160 180
2
4
6
8
10
Uf
Příklad vytvoření Hankelovy matice dat z posloupnosti vstupů:
naměřeno 200 vzorků Up
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
Tyto matice pak reprezentují řádkový podprostor ve 180-ti rozměrném prostoru.
14
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONhhankelovyankelovy matice - tvary matic pro 4SID (3) matice - tvary matic pro 4SID (3)
Matice Up (minulé vstupy) a Uf (budoucí vstupy) jsou
definovány rozdělením matice U0|2i-1 na dvě stejné části.
Matice Up+ a Uf- vzniknou posunutím hranice mezi minulými a budoucími daty o jednu blokovou řádku dolů.
Hankelova matice výstupů Y0|2i-1 je definována podobně.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
15
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONposloupnost stavůposloupnost stavů
Posloupnost stavů Xi je definována:
kde index i označuje index prvního prvku v posloupnosti stavů.
Xi je matice o rozměrech (n, j) kde:• v řádcích jsou časové posloupnosti jednoho stavu (ty tvoří vektory, se kterými 4SID metody pracují)• ve sloupcích pak jsou hodnoty všech stavů pro daný časový okamžik.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
16
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONrozšířená matice pozorovatelnosti a řiditelnostirozšířená matice pozorovatelnosti a řiditelnosti
Rozšířená matice pozorovatelnosti i je definována:
Předpokládáme, že pár {A,C} je pozorovatelný, což znamená, že hodnost i je rovna n.
Předpokládáme, že pár {A,B} je řiditelný, což znamená, že hodnost i je rovna n.
Reverzovaná rozšířená matice řiditelnosti i je definována:
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
17
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONtoeplitzova matice impulzní odezvy systémutoeplitzova matice impulzní odezvy systému
Toeplitzova matice impulzní odezvy systému:Toeplitzova matice impulzní odezvy systému:Úvod
Matematické
nástroje
Deterministická
identifikace
Simulace
Závěr
18
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONstavový modelstavový model
Stavový model systému (m vstupů, l výstupů, řád n):
Pro deterministickou identifikaci budeme uvažovat systém bez přítomnosti šumu wk=0 a vk=0
Metody deterministické 4SID si kladou za cíl určit z naměřených vstupně/výstupních dat:
řád systému, posloupnost stavů a následně matice stavového modelu A, B, C, D.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
19
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATION
Stavový model je nejednoznačný vzhledem k volbě báze stavového prostoru.
Jeden systém tak může být popsán nekonečně mnoha stavovými modely, které jsou ovšem svázány podobnostní transformací T.
Libovolná regulární transformační matice popisuje transformaci mezi ekvivalentními stavovými modely.
Výsledek stavové identifikace tak není v maticích A, B, C, D numericky jednoznačný.
stavový model - nejednoznačnoststavový model - nejednoznačnost
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
20
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONstavový model - nejednoznačnoststavový model - nejednoznačnost
Stejnou transformaci můžeme napsat i pro již zavedenou matici posloupnosti stavů Xi:
jelikož je transformační matice T nesingulární budou řádkové prostory generované řádky matice Xi a Zi stejné.
4SID algoritmy tak nehledají konkrétní stavové posloupnosti Xi, ale právě prostor generovaný řádky
matice Xi , jehož libovolná báze tvoří platnou stavovou posloupnost (lze nalézt pomocí SVD).
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
21
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONstavový model stavový model -- maticový tvar (1) maticový tvar (1)
Stavový model lze přepsat do maticového tvaru:
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
Maticový zápis stavových rovnic systému odpovídá rozepsaným diferenčním rovnicím – spojují tak v sobě obvyklou rovnici aktualizace stavů a výstupní rovnici.
22
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONstavový model stavový model -- maticový tvar (2) maticový tvar (2)
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
v prvním sloupci
jsou výstupy počítány jako odezva na počáteční stav x0 a posloupnost vstupů:
v druhém sloupci
jsou výstupy počítány jako odezva na počáteční stav x1 a posloupnost vstupů:
atd…
23
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONstavový model stavový model -- maticový tvar (3) maticový tvar (3)
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
24
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONstavový model stavový model -- maticový tvar maticový tvar (4) (4)
Geometrická interpretace
Na násobení maticemi i, Hi, Ai, i zleva můžeme nahlížet jako na řádkové úpravy násobených matic. Z tohoto pohledu pak např. každý řádek matice Yf vzniká
jako lineární kombinace řádků matic Xf a Uf.
i . Xf
Hi . UfYf
Xf
Uf
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
25
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONalgoritmy deterministické identifikacealgoritmy deterministické identifikace
Algoritmy 4SID identifikace využívají geometrických vlastností vazeb mezi řádkovými prostory matic Up, Uf, Yp,
Yf, Xp a Xf popsaných maticovými rovnicemi systému.
Téměř výhradně pracujeme s řádkovými vektory blokových Hankelových matic (časové posloupnosti) a nikoliv např. s vektorem vstupů nebo stavů z jednoho časového okamžiku.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
Geometrické nástroje:
• Ortogonální projekce
• Kosá (nepřímá, šikmá) projekce (Oblique Projection)
• Principiální směry a úhly
26
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONortogonální projekce (1)ortogonální projekce (1)
Ortogonální projekce řádkového prostoru do řádkového prostoru matice označovanou jako lze zapsat:
kde značí Moore-Penrosovu pseudoinverzi.
Výsledek projekce leží v řádkovém prostoru matice B a má stejný počet řádkových vektorů jako matice A.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
27
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONortogonální projekce (2)ortogonální projekce (2)
Řádkový podprostor generovaný maticí lze ortogonální projekcí rozložit na dva vzájemně kolmé podprostory:
kde
Projekci lze dobře numericky realizovat pomocí LQ dekompozice.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
28
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONkosá (oblique) projekce (1)kosá (oblique) projekce (1)
Matice A může být také dekomponována jako lineární kombinace dvou neortogonálních matic B a C a jejich ortogonálního doplňku.
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
29
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONkosá (oblique) projekce (2)kosá (oblique) projekce (2)
Kosá projekce řádkového prostoru matice podél řádkového prostoru matice do řádkového prostoru matice je definována:
pouze prvních r řádků
Základní vlastnosti:
Pokud B=0 nebo řádkový prostor matice B je ortogonální k řádkovému prostoru matice C, pak platí:
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
30
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONprincipiprincipiální úhly a směry (1)ální úhly a směry (1)
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
Principiální úhly mezi dvěma řádkovými prostory jsou zobecněním úhlu mezi dvěma vektory.
A
B
a2
b2
2a1=b1
1=0
31
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONprincipiprincipiální úhly a směry (2)ální úhly a směry (2)
Principiální úhly mezi dvěma řádkovými prostory matic a a odpovídající principální směry a jsou rekurzivně definovány jako:
s podmínkami:
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
32
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONprincipiprincipiální úhly a směryální úhly a směry – souvislost s SVD – souvislost s SVD
Principiální úhly a směry lze počítat pomocí SVD:
Jsou dány dvě matice a a jejich SVD dekompozice:
pak platí:1. principiální směry mezi řádkovými podprostory matic
A a B jsou rovny řádkům matic U a VT.2. Kosiny principiálních úhlů mezi řádkovými podprostory
matic A a B jsou rovny singulárním číslům matice (diagonála matice ).
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
33
MMETODY ETODY SSUBSPACE UBSPACE IIDENTIFICATIONDENTIFICATIONzávěrzávěr
Úvod
Matematickénástroje
Deterministická
identifikace
Simulace
Závěr
V tomto semináři jsme:
• ukázali matematické nástroje používané metodami Subspace Identification
V dalším semináři:
• ukážeme samotné algoritmy deterministické Subspace Identification
• jejich použití na jednoduchých příkladech a reálných datech