12/04/2022

Ho Chi Minh city University of Technology and Education

Faculty of Electrical & Electronics Engineering
Robotics and Intelligent Control Laboratory

Chương 3: Nhận dạng hệ thống

Presenter: Dr. Duc Thien, Tran

Reference
[1] Bài giảng Mô hình hóa và nhận dạng hệ thống, PGS. TS. Huỳnh Thái Hoàng, ĐHQG TPHCM.
[2] D. L. Smith, Introduction to Dynamic Systems Modeling for Design, Prentice-Hall, 1994.

12/04/2022
Robotics and intelligent control Lab. 2

1
 12/04/2022

Nội dung
4.1 Giới thiệu bài toán nhận dạng mô hình có tham số
4.2 Cấu trúc mô hình hệ tuyến tính bất biến
4.3 Nhận dạng mô hình có tham số dùng Ident Toolbox của Matlab

12/04/2022
Robotics and intelligent control Lab. 3

4.1 Giới thiệu bài toán nhận

dạng mô hình có tham số
Tín hiệu vào ngẫu nhiên
Tập hợp N mẫu dữ liệu vào-ra của hệ thống
={ 1 , 1 ,…, , }

12/04/2022
Robotics and intelligent control Lab. 4

2
 12/04/2022

Mô hình ARX (Auto-Regressive

with eXternal input)
Giả sử quan hệ giữa tín hiệu vào và tín hiệu ra của hệ thống rời rạc có thể mô tả bởi phương trình sai
phân:
+ − 1 + ⋯+ − = − 1 + ⋯+ − +
=− − 1 − ⋯− − + − 1 + ⋯+ − +
Đặt:
= ,…, , ,…, : Vector tham số
= − − 1 ,…,− − , − 1 ,…, − : Vector hồi qui
è = +
Bộ dự báo:
, = (Bộ dự báo hồi qui tuyến tính)

12/04/2022
Robotics and intelligent control Lab. 5

Sai số dự báo

• Sai số dự báo:
, = − ( , )

12/04/2022
Robotics and intelligent control Lab. 6

3
 12/04/2022

Ước lượng tham số – Phương

pháp bình phương tối thiểu
Tiêu chuẩn ước lượng tham số:

, = ∑ − , = ∑ − à Min
Vector tham số ước lượng:
= arg min ,

Tìm è Tìm nghiệm phương trình ( , ) =0

è ∑ − =− ∑ − =0

∑ =∑ ( )
∑ =∑

= ∑ ∑

12/04/2022
Robotics and intelligent control Lab. 7

Ví dụ về bình phương cực tiểu

MATLAB
%% y=a*x+e; plot(x,y);
% a=0.5 grid on;
% x=1:100 hold on;
% e thuoc [0,1] plot(x,y0);
clc %%
clear all; a_1=inv(x'*x)*x'*y;
close all; a
a=0.5; for i=1:100
for i=1:100 x(i,1)=i;
x(i,1)=i; y2(i,1)=x(i,1)*a_1+(2*rand()-1);%%
Mô hình th?c có nhi?u
y(i,1)=x(i,1)*a+(2*rand()-1);%% Mô
hình th?c có nhi?u y3(i,1)=x(i,1)*a_1;
y0(i,1)=x(i,1)*a; end
end plot(x,y3)

4
 12/04/2022

Đồ thị
50

45

40

35

30

25
y

y
20

15

10

5 mô hình thật có nhiễu

mô hình không có nhiễu
0
0 10 20 30 40 50 60 70 80 90 100
x

4.2. Cấu trúc mô hình hệ tuyến

tính bất biến
Mô hình tuyến tính có tham số
Hệ tuyến tính với nhiễu cộng có thể mô tả bởi phương trình:
= +
Hàm truyền của hệ thống: =∑
Nhiễu: =
= +
Trong đó là nhiễu trắng có trung bình bằng 0 và phương sai là .
Phổ của nhiễu :Φ =
Giả sử: =1+∑ ℎ
Tham số hóa mô hình tuyến tính:
= , + ,

12/04/2022
Robotics and intelligent control Lab. 10

10

5
 12/04/2022

Bộ dự báo cho mô hình tuyến

tính
Mô hình tuyến tính: = , + ,
, = , , +
= 1− , + , , +
Bộ dự báo:
, = 1− , + , ,
Chú ý: Bộ dự báo tính giá trị ra hiện tại dựa vào tín hiệu vào và tín hiệu ra trong quá khứ, bỏ qua
nhiễu trắng.

12/04/2022
Robotics and intelligent control Lab. 11

11

Mô hình BJ (Box-Jenkin Model)

• Ví dụ: Mô hình BJ có = 1, = 1, = 3, = 1, =2

+ 1+
= + ( )
1+ + + 1+ +

12/04/2022
Robotics and intelligent control Lab. 12

12

6
 12/04/2022

Mô hình OE (Output Error Model)

• Trường hợp = 1, = 2, =4

12/04/2022
Robotics and intelligent control Lab. 13

13

Mô hình ARMAX (Auto-Regressive

Moving Average eXternal Input Model)
• Trường hợp = 3, = 1, = 2, =2

12/04/2022
Robotics and intelligent control Lab. 14

14

7
 12/04/2022

Mô hình ARMA (Auto-Regressive

Moving Average Model)
• Trường hợp: = 3, =2

12/04/2022
Robotics and intelligent control Lab. 15

15

Mô hình AR (Auto-Regressive
Model)
• Trường hợp: =2

12/04/2022
Robotics and intelligent control Lab. 16

16

8
 12/04/2022

Mô hình FIR (Finite Impluse

Response Model)
• Trường hợp: = 1, =2

12/04/2022
Robotics and intelligent control Lab. 17

17

Mô hình ARX (Auto-Regressive

with eXternal input)
Giả sử quan hệ giữa tín hiệu vào và tín hiệu ra của hệ thống rời rạc có thể mô tả bởi phương trình sai
phân:
= +
+ − 1 + ⋯+ − = − 1 + ⋯+ − +
=− −1 −⋯− − + −1 +⋯+ − +
Đặt:
= ,…, , ,…, : Vector tham số
= − − 1 ,…,− − , − 1 ,…, − : Vector hồi qui
è = +
Bộ dự báo:
, = (Bộ dự báo hồi qui tuyến tính)

12/04/2022
Robotics and intelligent control Lab. 18

18

9
 12/04/2022

Bộ dự báo mô hình ARX, AR,

FIR
• Bộ dự váo có dạng hồi qui tuyến tính:
, =
• Mô hình ARX:
= ,…, , ,…,
= − − 1 ,…,− − , − ,…, − − +1
• Mô hình AR:
= ,…,
= − − 1 ,…,− −
• Mô hình FIR
= ,…,
= − ,…, − − +1

12/04/2022
Robotics and intelligent control Lab. 19

19

Bộ dự báo mô hình ARMAX

• Bộ dự báo mô hình ARMAX có dạng hồi qui tuyến tính giả (Pseudo Linear Regression)
, = ,
Trong đó:
= ,…, , ,…, , ,…,
, = [− − 1 ,…,− − , − ,…, − − +1 , − 1, ,…, − , ]
, = − ,

12/04/2022
Robotics and intelligent control Lab. 20

20

10
 12/04/2022

Bộ dự báo mô hình OE

• Bộ dự báo mô hình OE có dạng hồi qui tuyến tính giả (Pseudo Linear Regression)
, = ,
Trong đó:
= ,…, , ,…,
, = − ,…, − − +1 , − 1, ,…, − ,
, = , =

12/04/2022
Robotics and intelligent control Lab. 21

21

Bộ dự báo mô hình BJ

• Bộ dự báo mô hình BJ có dạng hồi qui tuyến tín giả (Pseudo Linear Regression)
, = ,
Trong đó:
= ,…, , ,…, , ,…, , ,…,
, =[ − ,…, − − +1 , − 1, ,…, − , ,
− − 1, ,…,− − , ,− − 1, ,…,− − , ]
, = − ,
, =

12/04/2022
Robotics and intelligent control Lab. 22

22

11
 12/04/2022

Thí dụ nhận dạng mô hình đông

cơ DC

12/04/2022
Robotics and intelligent control Lab. 23

23

Thí nghiệm thu thập dữ liệu vào

ra của động cơ DC
• Sử dụng toolbox Identification trong MATLAB.

12/04/2022
Robotics and intelligent control Lab. 24

24

12
 12/04/2022

Hướng dẫn sử dụng Ident

Toolbox
• Kích hoạt Ident Toolbox (MATLAB)
>> ident [Enter]
• Trình tự sử dụng Ident Toolbox để nhận dạng mô hình tuyến tính:
• Import dữ liệu
• Tiền sử lý dữ liệu.
• Ước lượng mô hình
• Đánh giá mô hình
è Mô hình “phù hợp nhất”

12/04/2022
Robotics and intelligent control Lab. 25

25

Trường hợp (a): Không có nhiễu

moment tải

12/04/2022
Robotics and intelligent control Lab. 26

26

13
 12/04/2022

Trường hợp (a): không có nhiễu

moment tải

12/04/2022
Robotics and intelligent control Lab. 27

27

Trường hợp (a): Không có nhiễu

moment tải

12/04/2022
Robotics and intelligent control Lab. 28

28

14
 12/04/2022

Mô hình động cơ DC
• Ta có
=

Thay thế công thức Kirchhoff ta có

+ + =

Đối với các động cơ có giá trị điện cảm nhỏ.

Mô hình được trình bày như sau:
+ =

12/04/2022
Robotics and intelligent control Lab. 29

29

Bài tập
Hãy trình bày các bước mô phỏng thu thập dự liệu và nhận dạng hàm truyền trên MATLAB Simulink
và toolbox identification system.
Với Md=0.02, nhiễu (power noise = 0.00001), seed = STT SV.
Nội dung trình bày.
1. Yêu cầu.
2. Các bước mô phỏng.
3. Các bước nhận dạng.
4. Kết quả.
5. Kết luận.

30

30

15
 12/04/2022

Thí dụ nhận dạng mô hình hệ

truyền động mềm dẻo

12/04/2022
Robotics and intelligent control Lab. 31

31

Thí dụ nhận dạng mô hình hệ

truyển động mềm dẻo

12/04/2022
Robotics and intelligent control Lab. 32

32

16
 12/04/2022

Mô hình không gian trạng thái

• Hệ thống mô tả bằng phương trình trạng thái
+1 = + + ( )
= + + ( )
• Giả sử trong thí nghiệm thu thập dữ liệu đo được tín hiệu vào, tín hiệu ra và các biến trạng thái
của hệ thống.
• Đặt
+1
= , Φ = , =
( )
Θ=

è = ΘΦ +
è = ΘΦ( )

12/04/2022
Robotics and intelligent control Lab. 33

33

Cấu trúc mô hình hệ phi tuyến

• Mô hình hồi quy tuyến tính
Bằng cách chọn các phần tử hồi quy phù hợp, có thể dự báo tín hiệu ra của hệ phi tuyến bằng bộ dự
báo dạng hồi qui tuyến tính
, =
Trong đó, các phần tử hồi qui là hàm (phi tuyến) bất kỳ của tín hiệu vào và tín hiệu ra trong quá khứ
=
Ví dụ: Mô hình hồi qui tuyến tính hệ bồn chứa chất lỏng
, =
= −1 , −1 , −1
= , ,

34

34

17
 12/04/2022

Cấu trúc mô hình hệ phi tuyến

• Mô hình hộp đen phi tuyến
Bộ dự báo tổng quát cho hệ phi tuyến có dạng:
, = ,
Tùy thuộc vào cách chọn
• Vector hồi qui từ tín hiệu vào và tín hiệu ra trong quá khứ
• Hàm phi tuyến ,
Mà ta có các dạng mô hình phi tuyến khác nhau

35

35

Nguyên tắc ước lượng tham số

Cấu trúc mô hình è Bộ dự báo ( , )
Dữ liệu = 1 , 1 ,…, , ( )
Sai số dự báo: , = − , ⇒
PP sai số dự báo: Ước lượng tham số sao
cho sai số dự báo tối thiểu.
PP tương quan: ước lượng tham số sao cho
tương quan giữa sai số dự báo và dữ liệu quá
khứ bằng 0

36

36

18
 12/04/2022

Phương pháp sai số dự báo

• Nguyên tắc ước lượng tham số theo phương pháp sai số dự báo
Chọn cấu trúc mô hình và rút ra bộ dự báo: , = ,
Tính sai số dự báo: , = − ,
Lọc sai số dự báo (nếu cần):
, = ,
Chọn tiêu chuẩn đánh giá sai số dự báo
1
, = ,

Tìm tối thiểu hóa sai số dự báo:

= arg min ,

37

37

Các tùy chọn của phương pháp

sai số dự báo
• Cấu trúc mô hình
• Bộ lọc .
• Chuẩn .
• Cách giải bài toán tối ưu hóa.

38

38

19
 12/04/2022

Cấu trúc mô hình

• Mô hình tuyến tính
ü ARX, ARMAX, FIR, OE, BJ
ü Mô hình chuỗi hàm cơ sở trực giao.
• Mô hình phi tuyến
ü Mô hình Weiner, mô hình Hamerstain
ü Mô hình hồi qui tuyến tính dùng các phần tử hồi qui phi tuyến.
ü Mô hình hộp đen phi tuyến.
üCấu trúc dãy. (Mạng MLP)
üCấu trúc xuyên tâm. (mạng RBF)
üCấu trúc tích tensor (mô hình mờ)

39

39

Các thành phần

• Bộ lọc L(q): Lọc nhiễu tần số cao hoặc các thành phần trôi tần số thấp
• Chuẩn ước lượng thông số .
ü Chuẩn bình phương: , = ∑ ,
ü Chuẩn : , = ∑ ,
ü Chuẩn : , = max ,
ü Chuẩn có trọng số (theo thời gian)
, =∑ , ,

40

40

20
 12/04/2022

Thuật toán ước lượng bình

phương tối thiếu tuyến tính
• Bộ dự báo hồi qui tuyến tính tổng quát: , = +
• Sai số dự báo: , = − , = − −
• Tiêu chuẩn bình phương tối thiểu:
1
, = − −

Kết quả: = ∑ ∑ − ( )
• Tiêu chuẩn bình phương có trọng số:

, = , − −

Kết quả: = ∑ , ∑ , − ( )

41

41

Thuật toán đệ qui ước lương

tham số
Tại sao cần thuật toán ước lượng đệ qui ?
• Thuật toán ước lượng đệ qui được sử dụng trong các hệ thống điều khiển thích nghi, nhằm đảm
bảo chất lượng điều khiển khi thông số mô hình thay đổi

• Việc tính toán tham số mô hình trực tuyến phải được thực hiện sao cho việc xử lý dữ liệu đo tại
mỗi thời điểm lấy mẫu phải chắc chắn hoàn tất trong khoảng thời gian nhỏ hơn chu kỳ lấy mẫu.

42

42

21
 12/04/2022

Thuật toán bình phương tối

thiểu tuyến tính có trọng số
• Giả sử thu thập được k mẫu dữ liệu, tham số mô hình ước lượng bằng phương pháp bình
phương tối thiểu tuyến tính có trọng số là:
= arg min , −
=

= ,

= ,

Khuyết điểm:
• Không sử dụng được giá trị tham số đã tính ở thời điểm trước đó.
• Khi số mẫu tang đến vô cùng không đủ bộ nhớ để lưu trữ dữ liệu.
• Thời gian tính toán tăng lên khi k tăng.

43

43

Thuật toán bình phương tối thiểu

tuyến tính có trọng số đệ qui
Chọn chuỗi trọng số thỏa mãn tính chất:
• , = ( − 1, ) (0 ≤ ≤ − 1)
• , =1
è , =∏
Thuật toán ước lượng đệ qui:
= +
= −
= −1 + ( )
Chú ý:
• Nếu = , ∀ thì , =
• gọi là hệ số quên (forget factor).
• Thông thường được chọn trong [0.98 0.995]

44

44

22
 12/04/2022

Bài tập
Yêu cầu 1: Áp dụng phương pháp bình phương cực tiểu để ước lượng các thông số của động cơ DC
Yêu cầu 2: Áp dụng thuật toán bình phương cực tiểu tuyến tính có trọng số đệ qui để ước lượng
thông số động cơ DC.
1. Trình bày cách áp dụng các phương pháp trên vào mô hình động cơ DC.
2. Mô phỏng các phương pháp trên matlab Simulink.

45

45

Thank you for your watching

46

46

23