Strona główna

3. Wybrane zagadnienia identyfikacji oe 1 Definicje I zadania identyfikacji


Pobieranie 48.02 Kb.
Data19.06.2016
Rozmiar48.02 Kb.
22lutego 2003 Uaktualnić literaturę ( Jacek Kuharski+Borowik) 0 elektrotermiczne

identyfikacje

hab. rys.str27 Rys. 3.2 Podstawowe etapy procedury identyfikacyjnej- EWA

3. Wybrane zagadnienia identyfikacji OE

3.1 Definicje i zadania identyfikacji

3.2 Ogólny schemat identyfikacji {uwypuklić znaczenie szybkich algorytmów identyfikacji}.

3.3 Metody identyfikacji

3.4 Trudności identyfikacji

3.Wybrane zagadnienia identyfikacji obiektów elektrotermicznych
3.1Definicje i zadania identyfikacji.
Nadrzędnym celem identyfikacji dla obiektów sterowania jest uzyskanie danych do syntezy układu regulacji (wybór struktury regulatora i dobór nastaw jego parametrów)

Ważniejsze prace w języku polskim w dziedzinie identyfikacji własności dynamicznych obiektów sterowania to opracowania książkowe: Bubnicki (1974), Eykhoff (1980), Mańczak (1971) Mańczak i Nahorski (1983), Niederliński (1985), Wierzbicki (1977)

Z ostatniego dziesięciolecia na szczególne wyróżnienie w dziedzinie identyfikacji zasługują opracowania książkowe: Norton (1986), Ljung (1987), Sodestrom i Stoica (1989), Schoukens i Pintelon (1991), Na początku lat dziewięćdziesiątych z inicjatywy Keith Godfreya z Uniwersytetu Warwick, Wlk. Brytania zorganizowano na IEE International Conference ‘Control 91’ specjalną sesję ”Perturbation signals for system identification”. Na bazie artykułów tam zamieszczonych powstała książka Godfrey (1993), w której autor ma swój udział w rozdziale 8 (Sankowski i inni, 1993) przedstawiając zastosowanie sygnałów testowych MBS do identyfikacji własności dynamicznych pieców oporowych komorowych.
Definicja identyfikacji została zaproponowana przez Zadeha (1962), Astroma i Eykhoffa (1970), Rajbmana(1973), Bubnickiego (1984), Eykhoffa (1984). Połączenie najważniejszych cech z wymienionych opracowań pozwala na sformułowanie kompleksowej definicji identyfikacji: (Sankowski, 1989, hab), (McGhee, Henderson, Sankowski; 1991)

Identyfikacja jest to proces wyznaczania najlepszego modelu matematycznego obiektu z określonej klasy modeli, przy określonym kryterium oraz na podstawie wiedzy apriori o obiekcie i danych pomiarowych (obserwacje sygnału wejściowego i wyjściowego).

3.2 Ogólny schemat identyfikacji

Poniżej w formie diagramu na rys.3.1 przedstawiono sposób postępowania prowadzący do zbudowania uproszczonego modelu matematycznego obiektu.

elektrotermicznego.


Rys. 3.1. Budowa uproszczonego modelu matematycznego

Przed rozpoczęciem procedury identyfikacyjnej należy wydzielić z otaczającego środowiska obiekt identyfikacji (proces), oraz określić jego sygnały wejściowe i wyjściowe. (Eykhoff, 1984), (Bubnicki, 1980) . W pracy tej rozważaną klasą obiektów są:



  • piece oporowe komorowe, dla których sygnałem wejściowym jest moc elektryczna dostarczana do elementów grzejnych pieca, a sygnałem wyjściowym jest temperatura mierzona przy pomocy czujnika termometrycznego umieszczonego wewnątrz komory grzejnej pieca.

  • wielosekcyjne układy grzejne (piece do dyfuzji), jako wielowymiarowe obiekty identyfikacji, gdzie sygnałem..

  • czujniki termometryczne (rezystancyjne i termoelektryczne) dla opisaną w rozdziale ... obiektem identyfikacji jest sam czujnik.

Cel identyfikacji jest związany między innymi :(Norton, 1988)

  • zaspokojeniem ciekawości naukowej

  • monitorowaniem własności dynamicznych obiektów elektrotermicznych w systemach „on-line” dla potrzeb podjęcia dalszych decyzji.

  • diagnozowaniem urządzeń dla potrzeb wykrywania uszkodzeń i stanów awaryjnych

  • wyznaczaniem własności dynamicznych obiektu dla potrzeb zaprojektowania optymalnego typu regulatora i jego nastaw (syntezy układu regulacji).

Identyfikacja dla potrzeb syntezy układu regulacji przyczyniła się do powstania i rozwoju bardziej wyszukanych, szybkich a jednocześnie precyzyjnych metod identyfikacji. (Astrom i inni, 1986). Również dla autora stanowiło to motywację przy opracowaniu nowych metod identyfikacji dla potrzeb doboru nastaw precyzyjnego regulatora temperatury. (Sankowski, 1982), (Sankowski,1983), (Sankowski, 1989b), (Sankowski, 1989d), (Sankowski i inni, 1993), (Kucharski, Sankowski; 1994)

Cel identyfikacji w istotny sposób wpływa na wynik identyfikacji w postaci odpowiedniego modelu. Eykhoff (1984) definiuje model jako opis zasadniczych cech istniejącego lub projektowanego układu dostarczającego wiedzy o nim w formie użytecznej. W zależności od tego w jaki sposób ta wiedza jest przedstawiana rozróżnia się modele koncepcyjne, fizyczne, matematyczne W zależności od sposobu przedstawiania wyników identyfikacji Niederliński (1977), Eykhoff (1984) wyróżnia dwa podstawowe modele: nieparametryczne i parametryczne.


  • Modele nieparametryczne nie wymagają wstępnych założeń co do struktury i liczby jego parametrów, np. charakterystyki częstotliwościowe. W modelach parametrycznych dysponując wiedzą priori należy wstępnie założyć strukturę i liczbę parametrów opisujących obiekt. Istnieją obecnie profesjonalne pakiety oprogramowania umożliwiające otrzymanie modeli parametrycznych i nieparametrycznych na podstawie danych pomiarowych .(Matlab, System Identification Toolbox in Time Domain and Frequency Domain, 1994))

Dane niezbędne do budowania modelu matematycznego obiektu uzyskiwane są w dwojaki sposób równocześnie:



  • Na drodze identyfikacji teoretycznej w oparciu o wiedzę apriori o obiekcie.

  • Na drodze identyfikacji eksperymentalnej.

W metodzie eksperymentalnej identyfikacji wiedza aprori o obiekcie wykorzystywana jest w różnych etapach procedury identyfikacyjnej:(Sordestrom, Stoica, 1989)

  • planowania eksperymentu,

  • korekty danych pomiarowych

  • wyboru właściwej klasy i struktury modelu

  • weryfikacji modelu.


Identyfikacja teoretyczna obejmuje między innymi analizę fizyczną zjawisk zachodzących w obiektach elektrotermicznych. Zjawiska te opisane są znanymi prawami z dziedziny fizyki Na przykład własności dynamiczne obiektów elektrotermicznych można opisać, zgodnie z prawami termokinetyki rządzącymi wymianą i magazynowaniem ciepła, równaniami różniczkowymi cząstkowymi nieliniowymi.

Bardzo istotnym jest aby otrzymany w procesie identyfikacji model był modelem użytecznym. (Eykhoff, 1984), (Norton, 1988), (Sankowski, 1987). Istnieje konieczność rozsądnego kompromisu pomiędzy stopniem skomplikowania opisu rzeczywistości w postaci modelu matematycznego, a możliwościami jego wykorzystania. Na przykład na podstawie modelu opisanego równaniami różniczkowymi cząstkowymi nieliniowymi trudno jest formułować wnioski dotyczące dalszych decyzji. Model taki staje się modelem nieużytecznym. Istnieje więc konieczność upraszczania równań.



Linearyzacja równań prowadzi do równań różniczkowych cząstkowych liniowych, a ich redukcja umożliwia przejście do równań różniczkowych zwyczajnych.

W wyniku tego postępowania na podstawie wiedzy strukturalnej (a priori) o obiekcie możliwe jest wyznaczenie uproszczonej struktury modelu.

Znajomość uproszczonej struktury modelu pozwala na znaczne uproszczenie procedury eksperymentalnej identyfikacji znacznie ograniczając liczbę pomiarów.

Na przykład dzięki wyznaczonej na podstawie wiedzy a priori uproszczonej struktury modelu pieca oporowego komorowego w postaci członu inercyjnego pierwszego rzędu z czasem czystego opóźnienia do zbudowania modelu parametrycznego potrzebna jest jedynie znajomość kilku punktów charakterystyki częstotliwościowej obiektu. W przypadku braku informacji a priori o strukturze modelu i traktowania obiektu jako tzw. „czarnej skrzynki”, konieczne byłoby wykonanie dużej liczby pomiarów i wyznaczenie pełnej charakterystyki częstotliwościowej, która stanowi model nieparametryczny obiektu.

Do podstawowych etapów procedury identyfikacji należą:


  • sformułowanie założeń upraszczających (vide hab uzupełnić,str12 zał. 3,4,5)

  • planowanie eksperymentu identyfikacji (wybór sygnału testowego)

  • korekta danych pomiarowych (eliminacja trendu, minimalizacja wpływu składowej przejściowej) (Sankowski, 1989b), (Sankowski, 1992) (Henderson i McGhee,1990c)

  • wyznaczanie struktury modelu obiektu (wyznaczanie rzędu modelu)

  • estymacja parametrów modelu

  • weryfikacja modelu czyli sprawdzenie jego ważności polegające na teście zgodności modelu z rzeczywistym obiektem.

Schematycznie przedstawia to rysunek 3.2.


hab. rys.str27

Rys. 3.2 Podstawowe etapy procedury identyfikacyjnej


Założenia upraszczające w przypadku pieców jako obiektów regulacji dotyczą przyjęcia liniowości i stacjonarności. Powszechnie wiadomo, że piece jako obiekty regulacji są obiektami nieliniowymi, jednak dla określonego punktu pracy przy małych zmianach sygnału wyjściowego spowodowanych sygnałami testowymi o małej amplitudzie można traktować jako obiekt liniowy (Sankowski; 1987). Testowe sygnały wejściowe rozważane w tej pracy są sygnałami okresowymi o względnie małej amplitudzie np. sinusoidalne, PRBS, MBS. Sygnały skokowe lub impulsowe są bardzo pożyteczne jedynie do zbierania informacji pilotowych, bowiem przyjęty model pieca jest modelem liniowym, który jest ściśle związany z modelem „małego sygnału”. Zbyt duża amplituda sygnału wejściowego może spowodować wejście układu w zakres nieliniowości. W przypadku stosowania impulsowego wymuszenia jest to rzecz nieunikniona. Stosowanie sygnału okresowego może polepszyć stosunek sygnału użytecznego do szumu. w obserwowanej odpowiedzi np. techniką średnich odpowiedzi (Bendat, 1976), (Eykhoff; 1980)

Dobrze znaną rzeczą jest fakt starzenia się materiałów z których jest wykonany piec. Pociąga to za sobą zmiany własności dynamicznych w czasie (niestacjonarność). Zmiany te są bardzo powolne i w danej chwili, prowadząc eksperyment identyfikacyjny, można traktować piec jako obiekt stacjonarny.



Planowanie eksperymentu wykonywane jest w celu zaplanowania minimalnej liczby doświadczeń, tak aby w możliwie najkrótszym czasie otrzymać maksymalną liczbę informacji o identyfikowanym obiekcie.(Kasprzycki, 1974; Mańczak, 1976). Planowanie eksperymentu identyfikacji polega głównie na wyborze i optymalizacji sygnału testowego: jego kształtu, amplitudy i czasu trwania.

Korekta danych pomiarowych obejmuje m.in. wstępną obróbkę danych polegającą na odrzuceniu pomiarów obarczonych błędem nadmiernym spowodowanym nieoczekiwanym zakłóceniem zewnętrznym, bądź chwilowym przerwaniem procesu pomiarowego, eliminację trendu oraz minimalizację wpływu składowej przejściowej. (Sankowski, 1989b), (Henderson i McGhee,1990c), (Sankowski i inni, 1993)

Estymacja parametrów modelu polega na doświadczalnym wyznaczeniu parametrów modelu, przy założonej jego strukturze. (Eykhoff, 1980)

Użycie słowa estymacja wywodzi się z faktu, że w pomiarach na rzeczywistym obiekcie obserwacje sygnałów zakłócone są przypadkowymi wpływami. Z tego powodu zachodzi konieczność odwoływania się do metod statystycznych, aby przez „odfiltrowanie” wpływu zakłóceń uzyskać najlepszy efekt.



Weryfikacja modelu czyli sprawdzenie jego ważności polega na teście zgodności modelu z rzeczywistym obiektem, co jest warunkiem koniecznym użyteczności modelu i jego przydatności w praktyce. Koncepcyjnie można to zobrazować w ten sposób, że wprowadzając na wejście obiektu i modelu ten sam sygnał testowy bada się charakter i wielkość różnicy między dwoma sygnałami wyjściowymi.(błędy lub reszty). Do weryfikacji założeń upraszczających i struktury modelu można zastosować testy hipotez i rozkładów statystycznych, jednak w przypadku obiektów przemysłowych nie zawsze dają one dobre rezultaty. (Sankowski, 1987). W praktyce często stosuje się do tych celów symulację komputerową.

Do oceny jakości otrzymanego modelu można wykorzystać funkcjonał kwadratowy różnic pomiędzy wielkością wyjściową modelu matematycznego i obiektu. (Sankowski, 1989a)

W dziedzinie częstotliwościowej bardzo użyteczną miarą jakości modelu jest wprowadzony przez Strobla błąd wyrażony wzorem:

Idaćz inych art.


3.3. Metody identyfikacji obiektów elektrotermicznych
Metody identyfikacji klasyfikować można według różnych zasad (Mańczak, Nahorski; 1983), (Sankowski; 1987), (Henderson i McGhee; 1993):


  1. analityczne i eksperymentalne,

  2. charakterystyk statystycznych i dynamicznych,

  3. deterministyczne i statystyczne,

  4. modeli ciągłych i dyskretnych.

Uzupełnieniem przedstawionej powyżej systematyki podziału metod identyfikacji jest klasyfikacja metod identyfikacji według struktury i funkcji identyfikowanego układu i modelu, sposobu przeprowadzania eksperymentu identyfikacji, oraz sygnału testowego użytego do identyfikacji:




  1. klasyfikacja według struktury układu: identyfikacja w układzie otwartym i zamkniętym,

  2. klasyfikacja według struktury modeli: identyfikacja modeli parametrycznych i nieparametrycznych,

  3. klasyfikacja według struktury przetwarzania danych: metody identyfikacji „of-line” (w czasie rzeczywistym),

h) klasyfikacja według sposobu przeprowadzania eksperymentu identyfikacji:

i) klasyfikacja według rodzaju sygnału testowego użytego do identyfikacji.


Ad a) Metody analityczne, historyczne najstarsze. Modelowanie w tym przypadku wykorzystuje równania bilansu materiałowego i energetycznego oraz równania procesów fizykochemicznych zachodzących w elektrotermicznych obiektach. Zagadnienia modelowania zjawisk cieplnych na maszynach analogowych (modelowanie analogowe) i cyfrowych (modelowanie cyfrowe) oraz cyfrowo-analogowych (hybrydowe), wykorzystujące równania bilansu cieplnego i równania przewodnictwa cieplnego, przedstawione są w wielu pracach. Wnikliwie opracowany stan wiedzy na ten temat można znaleźć w (Michalski i inni; 1981) oraz w (Januszkiewicz; 1983),
Metody eksperymentalne.

W trakcie prowadzenia serii doświadczeń (eksperymentów), obserwując sygnał wejściowy i wyjściowy, uzyskuje się informację (wiedza a posteriori) o własnościach statystycznych i dynamicznych obiektu.

Metody eksperymentalne obejmują bardzo szeroki zbiór metod identyfikacji. W pracach (Michalski i inni; 1981), (Sankowski; 1983) można znaleźć przegląd różnych metod eksperymentalnych identyfikacji w odniesieniu do obiektów elektrotermicznych.

Historycznie starszą metodą identyfikacji jest metoda wymuszeń skokowych. W odniesieniu do rozpatrywanej grupy pieców komorowych, krzywe odpowiedzi skokowych otrzymane z pomiarów aproksymuje się najczęściej jako odpowiedzi skokowe obiektu inercyjnego pierwszego lub drugiego rzędu z zastępczym czasem martwym (Skoczowski, 1977)

Metoda ta - choć prosta jest mało dokładna. Pozwala ona jedynie na przybliżone określenie własności dynamicznych obiektu. Podczas pomiarów prowadzonych przez autorów zauważono duże rozbieżności w wynikach w zależności od interpretacji metodami graficznymi krzywych odpowiedzi skokowej. Powyższa metoda wymaga stabilizowanego źródła sygnału wejściowego i nie może być stosowana podczas normalnej eksploatacji pieca. Jeszcze mniej dokładna jest metoda odpowiedzi impulsowej. Wymuszenia impulsowe powinny z definicji przedstawiać się jako wymuszenia o nieskończenie wielkiej amplitudzie w nieskończenie krótkim czasie. W praktyce przyjmuje się wartość wymuszenia impulsowego równą od 15 do 25 % maksymalnej wartości sygnału wejściowego [6].

Po skokowej zmianie sygnału wejściowego, gdy sygnał wyjściowy zbliża się do wartości granicznej, należy zmienić wartość sygnału wejściowego na pierwotną. W czasie pomiarów prowadzonych przez autora zauważono, że czas trwania impulsu przy wyżej wymienionych założeniach jest tak duży, że sygnał wejściowy zatraca charakter impulsu. Z kolei krótszy czas trwania impulsu uniemożliwia sensowną interpretację wyników z uwagi na zbyt małą dokładność pomiaru wielkości wyjściowej. Metoda wymuszeń sinusoidalnych polega na zasilaniu pieca sinusoidalnie zmienną mocą grzejną i rejestrowaniu w stanie quasi - stacjonarnym przebiegu zmian mocy i temperatury przy różnych wartościach pulsacji .

Przyjmuje się, że w piecu występuje stan quasi - stacjonarny gdy przebieg sygnału wyjściowego (temperatury) po dostatecznie długim czasie od chwili podania wymuszenia sinusoidalnego (mocy) ma ustalony charakter sinusoidalny (PN-70/M).

Powszechnie uważa się metodę wymuszeń sinusoidalnych za najdokładniejszą z wszystkich deterministycznych metod identyfikacji (Findeisen, i inni, 1969). Jednak ze względu na konieczność uzyskania stanu quasi-stacjonarnego dla każdej pulsacji czas identyfikacji jest bardzo duży. Ponadto amplituda sygnału wejściowego musi być na tyle duża szczególnie dla wyższych pulsacji, żeby otrzymać sygnał mierzalny. Powodować to może wejście pieca w zakres nieliniowości. Dodatkową wadą jest skomplikowany sposób generowania sinusoidalnego sygnału mocy. W celu skrócenia czasu identyfikacji stosować można [3] wieloczęstotliwościowy sygnał składający się z sumy NF pojedynczych sinusoidalnych sygnałów. Pobudzony takim sygnałem liniowy stacjonarny obiekt da na wyjściu sygnał, którego widmo będzie się składało z tych samych pulsacji. Stosując odpowiednie filtry zestrojone do poszczególnych częstotliwości otrzymać można sygnały odpowiadające poszczególnym wymuszeniom sinusoidalnym. Poważną wadą tego wieloczęstotliwościowego sygnału jest fakt, że w pewnych odcinkach czasu wypadkowy sygnał wejściowy może być tak duży, że zostaje przekroczony zakres liniowości obiektu. Aby tego uniknąć dla całego przebiegu sygnału należy zmniejszyć amplitudę, co z kolei niekorzystnie wpływa na stosunek sygnału użytecznego do szumu. .

Stosując ciągi binarne jako sygnały testowe można przyjąć maksymalną dopuszczalną amplitudę nie przekraczającą zakresu liniowości. W tym sensie sygnał .....składający się z kilku pojedynczych sinusoidalnych sygnałów jest mniej efektywny w porównaniu z sygnałami binarnymi. Badania nad generacją sygnałów prowadzone w latach 80-tych i 90-tych pozwoliły na uzyskanie sygnałów poliharmonicznych składających się z sumy pojedynczych harmonicznych o optymalnie przesuniętych fazach minimalizujących wartości szczytowe. (Schoukens, 1993). Skomplikowany kształt tych sygnałów utrudnia ich generowanie. Wady tej nie mają sygnały binarne. o minimalnej

Ad b) Analogiczne do podziału modeli matematycznych obiektów sterowania na modele statyczne i dynamiczne można wprowadzić podział na metody charakterystyk statycznych i dynamicznych.


Ad c)

Metody deterministyczne są stosowane w przypadkach, gdy zakłócenia są pomijalnie małe (Mańczak; 1971). Metody statystyczne (losowe) służą do identyfikacji własności obiektów poddanych działaniu niemierzalnych zakłóceń przypadkowych. Wśród statystycznych metod identyfikacji najbardziej popularną jest metoda funkcji korelacji (Pląskowski; 1967) umożliwiająca wyznaczenie charakterystyk dynamicznych obiektu podczas tzw. eksperymentu biernego, to znaczy obserwacji wejść i wyjść obiektu w czasie jego normalnej pracy bez naruszania warunków eksploatacyjnych. Filtracyjny algorytm metod korelacyjnych identyfikacji umożliwia znaczne zmniejszenie wpływu zakłóceń na dokładność wyników identyfikacji.

Zastosowanie metody korelacyjnej do identyfikacji pieców oporowych komorowych znaleźć można w pracach (Sankowski; 1983a, 1983b )



W dalszej części pracy przedstawiony będzie bliski związek metody MBS identyfikacji z metodą funkcji korelacji.
Ad d) Podział na metody identyfikacji modeli ciągłych i modeli dyskretnych związany jest z rozwojem techniki komputerowej. Modele dyskretne można łatwo realizować w postaci modeli komputerowych. W rzeczywistości obiekty elektrotermiczne (np. piece oporowe komorowe) są obiektami ciągłymi, a jedynie dla potrzeb komputerowego przetwarzania danych sygnał wejściowy i wyjściowy może podlegać próbkowaniu.
Ad e) Zwykle celem identyfikacji jest otrzymanie charakterystyki układu otwartego. Eksperyment w układzie otwartym umożliwia szeroki wybór sygnałów testowych i przez lepszy stosunek sygnału użytecznego do szumu (większa moc sygnału wyjściowego) pozwala na uzyskanie dokładniejszych wyników. Sprzężenie zwrotne występuje jednak nieodłącznie w wielu istniejących obiektach. Na przykład w obiektach przemysłowych sprzężenie zwrotne jest na tyle istotne, że odłączenie go dla przeprowadzenia identyfikacji jest praktycznie niemożliwe, gdyż spowodowałoby to znaczne obniżenie jakości produktu, a nawet zmianę charakteru produkcji. W szczególności dotyczy to obiektów elektrotermicznych charakteryzujących się dużymi stałymi czasowymi, gdzie czas eksperymentu identyfikacji jest odpowiednio długi. Zagadnienia identyfikacji obiektów elektrotermicznych w układzie zamkniętym zostało omówione w pracach (Sankowski; 1989), (Sankowski i inni 1997) i przedstawione w rozdz. 7 niniejszej pracy.
Ad f) Struktura modelu może być nieparametryczna i parametryczna.
Model nieparametryczny jest bardziej ogólnym opisem własności dynamicznych obiektu. W dziedzinie czasowej, odpowiedzi skokowe i impulsowe, a w dziedzinie częstotliwościowej (np. wykresy Bodego, Nyquista) są modelami nieparametrycznymi obiektu. Parametrami modelu mogą być współczynniki równań różniczkowych lub różnicowych opisujących dynamikę obiektu. Dla obiektów liniowych istnieje równoważny opis dynamiki obiektu (przez transformatę Fouriera) w dziedzinie częstotliwościowej i czasowej [13].
Ad g) Informacje o zachowaniu się obiektu są uzyskiwane przez pomiary. Te dane mogą być przetwarzane w systemie „off-line”lub „on-line”. Przetwarzanie „off-line” wymaga odpowiedniego układu rejestrującego i gromadzącego dane pomiarowe. Użycie metody „off-line” przetwarzania danych pomiarowych pozwala na zastosowanie bardziej wyszukanych algorytmów identyfikacji, gdyż czas przetwarzania danych nie jest tak ograniczony jak w przypadku stosowania metod „on-line” przetwarzających dane pomiarowe w czasie rzeczywistym. Algorytmy „on-line” identyfikacji filtrują dane i przetwarzają je w okresie jałowym między operacjami kolejnego próbkowania, dodając końcowy wynik prawie natychmiast po ostatnim pomiarze. Metody „on-line” przetwarzania danych pomiarowych są szczególnie przydatne dla obiektów elektrotermicznych, gdzie czas jałowy między operacjami kolejnego próbkowania jest względnie długi.

Metody identyfikacji własności dynamicznych obiektów, klasyfikowane ze względu na sposób przeprowadzania eksperymentu identyfikacji dzielą się na metody czynne i bierne (Orzyłowski, Sankowski, Łobodziński, 1996). Metody czynne wykorzystują sygnały testowe polegające na wprowadzeniu zaburzenia pracy obiektu.



Metody bierne polegają na badaniu obiektu podczas zmian jego stanu, występujących w czasie normalnej pracy. Przy wyznaczaniu własności dynamiczych obiektów elektrotermicznych stosuje się najczęściej metody czynne, które bazują na pomiarze odstrojeń stanu termicznego obiektu przy:

pobudzaniu obiektu określonymi sygnałami, głównie przez dodanie do podstawowego sygnału mocy grzejnej sygnału testowego o składowych okresowych lub impulsowych,

zastosowaniu określonego sprzężenia zwrotnego, które powoduje pobudzenie obiektu do oscylacji o małej amplitudzie.

Metody bierne określania parametrów dynamicznych obiektów elektrotermicznych polegają na analizie wyników pomiarów, uzyskanych podczas:

wstępnego nagrzewania obiektu,

odstrojeń stanu obiektu podczas pracy wywołanych np. załadunkiem wsadu, przypadkową zmianą wartości napięcia zasilania, zmianą natężenia przepływu gazów stanowiących atmosferę technologiczną, itp.

Ad h) Podział metod identyfikacji w zależności od rodzaju sygnału testowego jest na tyle ważny, że poświęcony mu jest oddzielny rozdział . Klasyfikacja sygnałów testowych z punktu widzenia zastosowania ich do identyfikacji własności dynamicznych obiektów elektrotermicznych została przedstawiona w rozdziale 1.4. tej pracy.

Należy nadmienić, że przedstawiona powyżej systematyka podziału metod nie jest wzajemnie wykluczająca się i tak np., można mówić o metodzie MBS identyfikacji jako nieparametrycznej, eksperymentalnej deterministycznej, wyznaczania „on-line” własności dynamicznych obiektów w strukturze układu otwartego lub zamkniętego.


3.4. Trudności identyfikacji obiektów elektrotermicznych.
Do podstawowych trudności identyfikacji obiektów elektrotermicznych zaliczyć można:


  • bardzo wysoki rząd modelu. Są to obiekty o stałych rozłożonych, stąd istnieje konieczność stosowania uproszczeń,

  • bardzo czasochłonne pomiary, istotna więc jest ich automatyzacja. Na wydłużenie czasu trwania eksperymentu identyfikacyjnego przy zastosowaniu klasycznej metody wymuszeń harmonicznych mają wpływ następujące czynniki:

- liczba badanych pulsacji,

- okres sygnałów harmonicznych szczególnie długi w przypadku eksperymentów w zakresie. małych pulsacji,

-okres oczekiwania na stan quasi-stacjonarny,

-poziom szumów, który powoduje konieczność uśredniania wyników na podstawie obserwacji (pomiarów) prowadzonych dla kilku okresów.



  • nieliniowość prowadząca do konieczności linearyzacji dla danego punktu pracy przy małych zmianach temperatury wokół tego punktu,

  • duży wpływ dynamiki czujników termometrycznych na wyniki pomiarów i na własności dynamiczne obiektów wraz z tym czujnikiem,

  • znaczny wpływ wsadu, jego masa i postać,

  • występująca często konieczność wielokrotnego powtarzania pomiarów i przyjmowania wartości średnich celem eliminacji wpływu zakłóceń działających zarówno na obiekt, jak i na układ pomiarowy.

  • zmienność własności dynamicznych obiektu w czasie wynikająca głownie ze zjawiska starzenia się materiałów ogniotrwałych i izolacji cieplnej.

Jest to próba ujęcia w całość podstawowych zagadnień związanych z identyfikacją własności dynamicznych wybranych urządzeń elektrotermicznych. Wytłuszczone hasła w tekście odnoszą się do rys. ....

Zagadnieniom identyfikacji obiektów sterowania poświęcono wiele publikacji książkowych ( wymienić) z których podkreślone dotyczą identyfikacji obiektów związanych z regulacją temperatury. Najważniejsze publikowane w latach osiemdziesiątych i dziewięćdziesiątych to prace

W pracach (Jackowska 1994), (Jackowska i inni, 1996) można znaleźć opis postępowania przy tworzeniu uproszczonego modelu dynamicznego czujnika termometrycznego na podstawie wiedzy a priori o obiekcie.









©snauka.pl 2016
wyślij wiadomość