Mô hình ước tính

Mô hình động cơ là một hệ thống bậc hai giảm tốc với phi tuyến đầu vào và đầu ra để
tính đến thời gian phản hồi khác nhau ở các vị trí bướm ga khác nhau. Sử dụng khối
bình phương nhỏ nhất đệ quy để xác định hệ thống rời rạc sau đây mô hình hóa động
cơ:

Vì mô hình ước tính không bao gồm quán tính một cách rõ ràng, chúng tôi mong đợi
các giá trị thay đổi khi quán tính thay đổi. Chúng tôi sử dụng thay đổi giá trị để phát
hiện sự thay đổi quán tính.
Động cơ có băng thông đáng kể lên đến 16Hz. Đặt tần số lấy mẫu ước tính thành 2 *
160Hz hoặc thời gian lấy mẫu là Giây.
Thiết lập khối ước tính bình phương tối thiểu đệ quy
Các Các số hạng trong mô hình ước tính là các hồi quy mô hình và đầu
vào cho khối bình phương nhỏ nhất đệ quy ước tính giá trị. Bạn có thể triển khai các
hồi quy như được hiển thị trong khối.iddemo_engine/Regressors
Được
open_system('iddemo_engine/Regressors');

Định cấu hình khối Recursive Least Squares Estimator:

Ước tính ban đầu: Không ai. Theo mặc định, phần mềm sử dụng giá trị 1.
Số lượng tham số: 3, một cho mỗi hệ số hồi quy.
Ma trận hiệp phương sai tham số: 1, lượng không chắc chắn trong dự đoán ban đầu là
1. Cụ thể, coi các tham số ước tính là một biến ngẫu nhiên với phương sai 1.
Thời gian mẫu: .
Nhấp vào Thuật toán và Tùy chọn Chặn để đặt các tùy chọn ước tính:
Phương pháp ước tính: Forgetting Factor
Hệ số quên: 1-2E-4. Kể từ khi ước tính Các giá trị dự kiến sẽ thay đổi theo quán
tính, đặt hệ số quên thành giá trị nhỏ hơn 1. Chọn = 1-2E-4 tương ứng với hằng số
thời gian bộ nhớ của hoặc 15 giây. Thời gian bộ nhớ 15 giây đảm bảo rằng dữ
liệu quan trọng từ cả vị trí bướm ga mở và đóng được sử dụng để ước tính khi vị trí
được thay đổi sau mỗi 10 giây.
Chọn hộp kiểm Lỗi ước tính đầu ra. Bạn sử dụng khối đầu ra này để xác thực ước
tính.
Chọn hộp kiểm Ma trận hiệp phương sai tham số đầu ra. Bạn sử dụng khối đầu ra này
để xác thực ước tính.
Bỏ chọn hộp kiểm Thêm cổng bật.
Đặt lại bên ngoài: .None
Xác thực mô hình ước tính
Đầu ra của khối cho lỗi đi trước một bước cho mô hình ước tính. Lỗi này nhỏ hơn 5%
cho thấy rằng đối với dự đoán trước một bước, mô hình ước tính là chính
xác.ErrorRecursive Least Squares Estimator
Được
open_system('iddemo_engine/Error (%)')
Đường chéo của ma trận hiệp phương sai tham số cho các phương sai cho tham số.
Các Phương sai nhỏ so với giá trị tham số cho thấy độ tin cậy tốt trong giá trị ước
tính. Ngược lại, các Phương sai lớn so với các giá trị tham số cho thấy độ tin cậy
thấp trong các giá trị này.

Mặc dù sai số ước tính nhỏ và hiệp phương sai mang lại sự tự tin rằng mô hình đang
được ước tính chính xác, nhưng nó bị hạn chế ở chỗ lỗi là công cụ dự đoán trước một
bước. Một kiểm tra nghiêm ngặt hơn là sử dụng mô hình ước tính trong mô hình mô
phỏng và so sánh với đầu ra mô hình thực tế. Phần Mô hình ước tính của mô hình
simulink thực hiện điều này.
Khối này giống hệt với việc sử dụng khối trong công cụ ước tính đệ quy. Sự khác biệt
duy nhất là tín hiệu y không được đo từ nhà máy mà được đưa trở lại từ đầu ra của mô
hình ước tính. Đầu ra của khối hồi quy được nhân với ước tính Regressors1Regressors
Giá trị để cho ước tính tốc độ động cơ.

Được
open_system('iddemo_engine/trpm Est')
Sản lượng mô hình ước tính phù hợp với đầu ra mô hình khá tốt. Các giá trị trạng thái
ổn định gần gũi và hành vi thoáng qua hơi khác nhau nhưng không đáng kể như vậy.
Lưu ý rằng sau 100 giây khi quán tính động cơ thay đổi, sản lượng mô hình ước tính
khác một chút so với đầu ra mô hình. Điều này ngụ ý rằng các hồi quy được chọn
cũng không thể nắm bắt được hành vi của mô hình sau khi quán tính thay đổi. Điều
này cũng cho thấy một sự thay đổi trong hành vi hệ thống.
Đầu ra mô hình ước tính kết hợp với sai số một bước thấp và hiệp phương sai tham số
mang lại cho chúng ta sự tự tin vào công cụ ước tính đệ quy.
Phát hiện những thay đổi trong quán tính động cơ
Mô hình động cơ được thiết lập để giới thiệu sự thay đổi quán tính 100 giây vào mô
phỏng. Công cụ ước tính đệ quy có thể được sử dụng để phát hiện sự thay đổi quán
tính.
Công cụ ước tính đệ quy mất khoảng 50 giây để hội tụ đến một tập hợp các giá trị
tham số ban đầu. Để phát hiện sự thay đổi quán tính, chúng tôi kiểm tra hệ số mô
hình ảnh hưởng đến thời hạn của mô hình ước tính.
Được
open_system('iddemo_engine/Detect Inertia Change')
Hiệp phương sai cho , 0,05562, lớn so với giá trị tham số 0,1246 cho thấy độ tin cậy
thấp trong giá trị ước tính. Sơ đồ thời gian của cho thấy lý do tại sao hiệp phương
sai lớn. Đặc biệt thay đổi khi vị trí bướm ga thay đổi, cho thấy mô hình ước tính
không đủ phong phú để nắm bắt đầy đủ các thời gian tăng khác nhau ở các vị trí bướm
ga khác nhau và cần điều chỉnh . Tuy nhiên, chúng ta có thể sử dụng điều này để xác
định sự thay đổi quán tính là giá trị trung bình của thay đổi khi quán tính thay đổi.
Bạn có thể sử dụng máy dò ngưỡng trên đường trung bình động của thông số để
phát hiện những thay đổi trong quán tính động cơ.