Ovningar i Automationsteknik FK ¨
Tidsdiskret reglering: Diskretisering av analoga regula- torer
Det mest grundl¨aggande n¨ar det g¨aller tidsdiskret reglering ¨ar att p˚a ett enkelt och r¨attframt s¨att ¨overs¨atta en analog regulator till en digital (tids- diskret) regulator. Den vanligast f¨orekommande approximationsmetoden ¨ar Euler-bak˚at-approximationensom approximerar derivering med denna differ- enskvot:
df
dt(t0) ≈ f (t0) − f (t0− h) h
d¨ar h f¨orus¨atts vara “litet”. En annan m¨ojlighet ¨ar Euler-fram˚at-approximationen (eller bara Euler-approximationen):
df
dt(t0) ≈ f (t0+ h) − f (t0) h
vilken dock inte ¨ar realistisk vid ren derivering eftersom man m˚aste “titta fram˚at” i tiden f¨or att kunna r¨akna ut den. Det finns andra varianter ocks˚a som ber¨ors senare i kursen. F¨or att approximera integration med en summa kan man utg˚a fr˚an det deriverade sambandet:
i(t0) = Z t0
0
e(t)dt skrivs f¨orst om som
di
dt(t0) = e(t0) vilket efter anv¨andning av Euler-bak˚at blir
i(t0) − i(t0 − h)
h = e(t0) vilket blir rekursionen
i(t0) = i(t0− h) + he(t0) eller ekvivalent uttryckt som summa
i(t0) = i(0) + h
n
X
k=1
e(kh)
d¨ar t0 = nh f¨or enkelhets skull satts till en heltalsmultipel av samplingsin- tervallet h.
3.1. Skriv om en PI-regulator u(t) = K
e(t) + 1 Ti
Z t 0
e(τ )dτ
till tidsdiskret form med Euler-bak˚at d˚a samplingsperioden ¨ar h.
3.2. F¨oljande tidsdiskreta regulator ¨ar en PI-regulator. Best¨am K och Ti i denna. Samplingsperioden ¨ar 0.2 s.
i(k) = i(k − 1) + 0.2e(k) u(k) = 3e(k) + 6i(k)
3.3. Best¨am en tidsdiskret PID-regulator med K = 2, Ti = 200 ms och Td= 50 ms om samplingsperioden ¨ar 20 ms.
Z-transformen och tidsdiskreta ¨ overf¨ oringsfunktioner
F¨or en tidsdiskret signal f (k), k = 0, 1, 2, ... definieras Z-transformen enligt Z[f (k)] =
∞
X
k=0
f (k)z−k Exempelvis har ett enhetssteg
se(k) =
(1, k ≥ 0 0, k < 0 Z-transformen
Se(z) = Z[se(k)] =
∞
X
k=0
1 · z−k = 1 + z−1 + z−2+ · · · = 1 1 − z−1 Enhetspulsen pe(k) definieras av att pe(k) = 1 f¨or k = 0 men 0 f¨or k 6= 0 De tv˚a viktigaste r¨aknereglerna ¨ar linj¨ariteten (superposition)
Z[af1(k) + bf2(k)] = aZ[f1(k)] + bZ[f2(k)]
och f¨orskjutningssatsen (i diskret tid):
Z[f (k − d)] = z−dZ[f (k)]
3.4. Ber¨akna Z-transformen f¨or enhetspulsen pe(k).
3.5. Ber¨akna Z-transformen av ett f¨ordr¨ojt enhetssteg se(k − d) (dvs som ¨ar 1 f¨or k ≥ d men 0 annars).
3.6. Ber¨akna Z-transformen f¨or sekvensen f (k) = (−1)k d˚a k ≥ 0 men 0 d˚a k < 0.
3.7. Ber¨akna Z-transformen f¨or f (k) = 5 f¨or 3 ≤ k ≤ 7 men 0 f¨or alla andra k-v¨arden.
3.8. Ber¨akna Z-transformen f¨or f (k) = 1 f¨or j¨amna k ≥ 0 men 0 f¨or alla andra v¨arden p˚a k.
3.9. Ber¨akna Z-transformerna av
a. f (k) = 2k− 1, k ≥ 0 b. f (k) = 0.5k− 0.2k−4, k ≥ 0 c. f (k) = 5pe(k − 2) + 3se(k − 4), k ≥ 0
3.10. Ber¨akna Z-transformen f¨or Euler-bak˚atapproximationen f (k) − f (k − 1)
h uttryckt med hj¨alp av Z[f (k)] = F (z).
3.11. Ber¨akna Z-transformen av y(k) om y(k)−3y(k −1)+2y(k −2) = pe(k).
3.12. Ber¨akna den tidsdiskreta ¨overf¨oringsfunktionen H(z) = Z[y(k)]/Z[u(k)] = Y (z)/U(z) d˚a
y(k) − 1.2y(k − 1) + 0.35y(k − 2) = 2u(k − 1) Best¨am polerna till H(z).
3.13. Skriv upp en differensekvation f¨or y(k) och u(k) om Y (z) = z−1− z−2
1 − 1.4z−1+ 0.45z−2 U(z)
Diskretisering av tidskontinuerliga system
I detta avsnitt behandlas en form av diskretisering som, till skillnad fr˚an Euler-metoderna, ¨ar exakt i en viss mening, n¨amligen att det tidsdiskreta systemets utsignal vid samplings¨ogonblicket exakt st¨ammer ¨overens med det tidskontinuerliga systemets vid samma tidpunkt. Ist¨allet f¨or att ta en ana- log regulator och byta ut s i dess ¨overf¨oringsfunktion mot 1−zh−1 (Euler- bak˚at) och sen anv¨anda den resulterande tidsdiskreta ¨overf¨oringsfunktionen till en tidsdiskret regulator s˚a f¨ors¨oker man ist¨allet ¨overs¨atta processmod- ellen till ett tidsdiskret system med ¨overf¨oringsfunktion H(z). D˚a m˚aste man best¨amma vilken typ av insignal som processen ska matas med. Den vanli- gaste typen av insignal som anv¨ands ¨ar en styckvis konstant funktion (“trapp- funktion”) d¨ar insignalen ¨ar konstant mellan samplings¨ogonblicken (Zero Or- der Hold (ZOH) = nollte ordningens h˚allkrets). F¨or att t.ex. ¨overs¨atta ett tidskontinuerligt system med ¨overf¨oringsfunktionen
G(s) = b s + a
till ett tidsdiskret system ¨overs¨atts ¨overf¨oringsfunktionen till en differen- tialekvation:
Y (s) = G(s)U(s) = b
s + aU(s) ⇔ dy
dt(t) + ay(t) = bu(t)
Denna differentialekvation kan integreras efter multiplikation med den inte- grerande faktorn i b˚ada leden med d¨arp˚a f¨oljande integration fr˚an t0 till t1
av de b˚ada leden:
eat dy
dt(t) + ay(t)
= eatbu(t) ⇔ d
dt(eaty(t)) = eatbu(t)
⇔ eaty(t)t1
t0 = Z t1
t0
eatbu(t)dt
V¨alj nu t0 = kh och t1 = kh + h och utnyttja att u(t) ¨ar konstant = u(kh) f¨or kh ≤ t < kh + h. D˚a kan f¨oljande f¨orenkling g¨oras:
ea(kh+h)y(kh+h)−eakhy(kh) = u(kh)b
Z kh+h kh
eatdt = u(kh) b a
(ea(kh+h)−eakh)
multiplikation med e−a(kh+h) i b˚ada leden ger:
y(kh + h) − e−ahy(kh) = b
a(1 − e−ah)u(kh)
motsvarande tidsdiskreta system blir (som om h = 1!):
y(k + 1) − e−ahy(k) = b
a(1 − e−ah)u(k) En Z-transformation p˚a detta ger att
Y (z) = b a
1 − e−ah
z − e−ahU(z) = H(z)U(z) Allts˚a har f¨oljande visats:
G(s) = b
s + a ⇔ H(z) = b a
1 − e−ah z − e−ah
vilket ¨ar en anv¨andbar formel. P˚a liknande s¨att kan visas att G(s) = 1/s ger H(z) = z−1h och att G(s) = G0(s)e−Ls svarar mot H(z) = z−dH0(z) om G0(s) svarar mot H0(z) och om tidsf¨ordr¨ojningen ¨ar en heltalsmultipel av samplingsintervallet L = d · h
Ett fiffigare och mer generellt s¨att att ta fram en formel f¨or diskretisering av system med ZOH-insignaler ¨ar att utg˚a fr˚an f¨oljande observation: En styckvis konstant insignal (”trappfunktion”) kan betraktas som en summa (¨overlagring) av m˚anga ”sm˚a steg”. Linj¨ariteten g¨or d˚a att denna typ av diskretisering ¨ar stegsvarsinvariant dvs stegsvaret f¨or det tidskontinuerliga system som har ¨overf¨oringsfunktionen G(s) har ett stegsvar som vid sam- plingstidpunkterna exakt st¨ammer ¨overens med stegsvaret f¨or det tidsdiskreta system som har ¨overf¨oringsfunktionen H(z). Detta kan skrivas s˚a h¨ar:
L−1
G(s) · 1 s
t=kh
= Z−1
H(z) · 1 1 − z−1
Sen ¨ar det “bara” att l¨osa ut H(z) ur detta samband:
H(z) = (1 − z−1)Z
L−1 G(s) s
t=kh
3.14. Best¨am de tidsdiskreta ¨overf¨oringsfunktionerna f¨or de system som har f¨oljande tidskontinuerliga ¨overf¨oringsfunktioner:
a. G(s) = 3+2
s b. G(s) = 3
s + 2 c. G(s) = 4
s(s + 2) d. G(s) = 1 − s s2+ 4s + 3
3.15. Ber¨akna H(z) f¨or det system som har den tidskontinuerliga ¨overf¨oringsfunktionen G(s) = 8
s2+ 4
givet att samplingsintervallet ¨ar h.
3.16. Ber¨akna H(z) f¨or det system som har den tidskontinuerliga ¨overf¨oringsfunktionen G(s) = 8
s + 2e−4s d˚a samplingsintervallet ¨ar h = 2 s.
3.17. Best¨am H(z) d˚a
G(s) = 3 1 + 5s
d˚a a. h = 1 s, b. h = 10 s, c. h → 0, d. h → ∞
3.18. Best¨am det G(s) f¨or det system som samplat med h = 1 s f˚ar den tidsdiskreta ¨overf¨oringsfunktionen
H(z) = 1.264 z − 0.368
3.19. Best¨am f¨or vilket samplingsintervall h som systemet G(s) = 3
1 + 0.5s f˚ar den tidsdiskreta ¨overf¨oringsfunktionen
H(z) = 0.544 z − 0.819 3.20. Visa att
G(s) = a2 s2+ a2 f˚ar den tidsdiskreta ¨overf¨oringsfunktionen
H(z) = (1 − cos ah)(z + 1) z2 − (2 cos ah)z + 1 Ledning: Anv¨and formeln
G(s) = c
s + c → H(z) = 1 − e−ch z − e−ch med komplext c.
Egenskaper hos tidsdiskreta system
Frekvensfunktionen f¨or ett tidsdiskret system med ¨off H(z) definieras som H(eiωh)
Amplitudfunktionen ¨ar A(ω) = |H(eiωh)| och fasfunktionen ges av φ(ω) = arg H(eiωh). Statiska f¨orst¨arkningen ges av H(ei·0·h) = H(1) (dvs frekvens- funktionen d˚a ω = 0).
3.21. Ber¨akna amplitud- och fasfunktionerna f¨or systemet y(k) = 0.5y(k − 1) + 2u(k − 1)
3.22. Ber¨akna amplitud- och fasfunktionerna f¨or systemet
H(z) = 1
z2− z + 0.25 3.23. Best¨am statiska f¨orst¨arkningen f¨or systemet
y(k) = 1.2y(k − 1) − 0.4y(k − 2) + 0.6u(k − 1)
3.24. Best¨am statiska f¨orst¨arkningen f¨or systemen a.
H(z) = 0.7
z2+ 0.6z − 0.2 b.
H(z) = 0.8z + 0.4 z3− z2+ 0.8z − 0.2 3.25. Avg¨or vilka av f¨oljande system som ¨ar stabila
a. H(z) = 1.2
z + 0.3 b. H(z) = 0.4z z2− 1.5z + 0.6 c. H(z) = 1
z2− 2z + 2 d. H(z) = z2 + z + 2 z3+ z2+ z + 2 3.26. Best¨am f¨or vilka v¨arden p˚a K som systemet
y(k) = 0.8y(k − 1) + 0.3u(k − 1)
¨ar stabilt d˚a det ˚aterkopplas med u(k) = K(r(k) − y(k)).
3.27. Best¨am f¨or vilka v¨arden p˚a K som systemet dy
dt = −y + 2u(t)
¨ar stabilt d˚a det samplas med h = 0.2 s och ˚aterkopplas med u(k) = K(r(k)−
y(k)).
3.28. Best¨am f¨or vilka v¨arden p˚a h som systemet dy
dt = −y + 2u(t)
¨ar stabilt d˚a det samplas med h och ˚aterkopplas enligt u(k) = 2(r(k) − y(k)).
3.29. Best¨am f¨or vilka v¨arden p˚a K som systemet y(k) = 0.3y(k − 1) + 0.6u(k − 1)
¨ar stabilt d˚a det ˚aterkopplas med en PI-regulator enligt:
U(z) = K0.4z + 0.2
z − 1 (R(z) − Y (z))
3.30. Det tidskontinuerliga system som har ¨overf¨oringsfunktionen G(s) = 3
s + 2 regleras med en tidsdiskret P-regulator.
a. Hur snabbt m˚aste man minst sampla f¨or att systemet ska vara stabilt om f¨orst¨arkningen ¨ar K = 2?
b. Hur h¨og f¨orst¨arkning K kan man h¨ogst ha om systemet ska vara stabilt f¨or samplingsintervallet h = 0.693 s?
c. Hur h¨og kan f¨orst¨arkningen K maximalt vara om systemet ska vara stabilt f¨or vilket samplingsintervall h som helst?
Vikningseffekten (aliaseffekten)
En signal som samplas kan inneh˚alla s˚a h¨oga frekvenser att dessa efter sam- pling kan uppfattas som signaler av betydligt l¨agre frekvens. Detta beror p˚a vikningseffekten. Om t.ex. en sinussignal samplas med en samplingsfrekvens som exakt sammanfaller med sinussignalens frekvens blir det samma v¨arde i varje sampel s˚a att den tidsdiskreta signalen blir punkter p˚a en v˚agr¨at linje. Detta uppfattas naturligtvis som en konstant signal dvs en signal med frekvensen 0. Lite mer generellt kan detta fenomen ˚ask˚adligg¨oras genom att se hur tillr¨ackligt h¨ogfrekventa sinussignaler kan ”missuppfattas” som sinussignaler med l¨agre frekvens.
L˚at um(t) = sin(ω0+ mωs)t d¨ar m ¨ar ett heltal som ¨aven kan vara negativt och d¨ar ωs = 2πfs = 2πh ¨ar samplingsvinkelfrekvensen. Om en s˚adan signal samplas med samplingsperioden h erh˚alles en samplad signal
usamp(k) = um(kh) = sin(ω0 + mωs)kh = sin(ω0kh + 2mkπ) = sin(ω0kh) vilket visar varf¨or det kallas ”vikningseffekten” eftersom alla signalerna um(t)
”viks ner” till u0(t) f¨or alla heltal m = ±1, ±2, ±3, . . .. Frekvensm¨assigt inneb¨ar detta att alla vinkelfrekvenser ωm = ω0 + mωs vid sampling med samplingvinkelfrekvensen ωs = 2π/h ¨ar om¨ojliga att kunna skilja ˚at. Detta medf¨or i sin tur att f¨or att ingen frekvens f ska vikas ner s˚a m˚aste den h¨ogsta frekvensen i en signal som samplas vara under fs/2 eftersom d˚a blir fs− f > fs/2 > f vilket g¨or att f garanterat inte kan vikas ner till n˚agon frekvens mindre ¨an f . Genom att filtrera bort frekvenser ovanf¨or fs/2 (vilken kallas Nyquistfrekvensen) kan man allts˚a undvika dessa ”sp¨okfrekvenser”.
3.31. Vid en ljudinspelning av f˚agell¨aten ute i naturen anv¨andes en sam- plingsfrekvens p˚a 48 kHz. Konstiga ljud visade sig ha kommit med p˚a inspel- ningen n¨ar man efter˚at lyssnade igenom den. Det visade sig kunna f¨orklaras med att en fladdermus r˚akat flyga f¨orbi. Typiskt ¨ar att fladderm¨oss med olika pulsfrekvens avger ljudpulser av en l¨angd p˚a ca 50 ms vilka i sig best˚ar av ett svep fr˚an ca 70 kHz ner till ca 30 kHz. Vilken frekvens uppfattades p˚a inspelningen dels i b¨orjan av ljudpulsen och dels i slutet?
3.32. Vid sampling av en elektrisk signal med h = 0.025 s uppt¨acks st¨orningar pga nervikt n¨atbrum. Vilka frekvenser har detta nervikta brum i den sam- plade signalen?
Diskretiseringsmetoder
F¨orutom Euler-metoderna och Tustin-metoden har vi hittills anv¨ant stegsvarsin- variant diskretisering (ZOH) enligt
H(z) = z − 1
z Z[ L−1(G(s)/s) t=kh] Det finns ¨aven impulssvarsinvariant diskretisering
H(z) = Z[ L−1(G(s)) t=kh] och rampsvarsinvariant diskretisering
H(z) = (z − 1)2
hz Z[ L−1(G(s)/s2) t=kh]
3.33. Diskretisera den tidskontinuerliga modell som har ¨overf¨oringsfunktionen G(s) = 1
s + 1 med var och en av dessa 6 metoder.
3.34. F¨or diskretiseringen med Euler-fram˚at-approximation kan den tids- diskreta ¨overf¨oringsfunktionen bli instabil f¨or tillr¨ackligt l˚angsam sampling.
F¨or vilket samplingsintervall h intr¨affar detta?
Polplacering
Ett tidsdiskret system
Y (z) = B(z) A(z)U(z)
kan regleras av en tidsdiskret regulator av f¨oljande struktur U(z) = F (z)
C(z)R(z) − D(z) C(z)Y (z)
d¨ar A(z), B(z), C(z), D(z) och F (z) ¨ar polynom i z−1. Vad som menas med detta ¨ar att
A(z) = 1 + a1z−1 + · · · + anAz−nA B(z) = b1z−1+ · · · + bnBz−nB C(z) = 1 + c1z−1+ · · · + cnCz−nC D(z) = d0+ d1z−1+ · · · + dnDz−nD F (z) = f0+ f1z−1+ · · · + fnFz−nF
Slutna systemet (r → y) kan d˚a skrivas som Y (z) = B(z)F (z)
A(z)C(z) + B(z)D(z)R(z)
3.35. Visa detta (utan att anv¨anda polynomen utskrivna med sina koeffi- cienter).
3.36. Ofta v¨aljs F (z) = Kr (konstant) f¨or att f¨orenkla n˚agot. Denna f¨orst¨arkning v¨aljs d˚a s˚a att slutna systemet f˚ar statisk f¨orst¨arkning 1. Vad blir formeln f¨or Kr pga detta krav?
Genom att v¨alja ett karakteristiskt polynom P (z) baserat p˚a vilka poler som det slutna systemet ska ha s˚a kan C(z) och D(z) best¨ammas ur polynomek- vationen
A(z)C(z) + B(z)D(z) = P (z)
d¨ar P (z) = 1 + p1z−1+ · · · + pnPz−nP. Regeln f¨or val av nC och nD (d˚a ingen integration anv¨ands i regulatorn) ¨ar
nC = nB− 1 nD = nA− 1
D¨armed blir nP = nA+ nB− 1. Om integration ¨onskas i regulatorn (som i PI och PID) m˚aste C(z) = C1(z)(1 − z−1) dvs en faktor 1 − z−1 m˚aste
”tvingas in” i regulatorn. D˚a blir villkoren ist¨allet nC = nB, nD = nA och nP = nA+ nB.
3.37. Ber¨akna en regulator utan integration f¨or systemet y(k) = 0.7y(k − 1) + 0.6u(k − 1)
som g¨or att det slutna (˚aterkopplade) systemets pol blir z = 0.5.
3.38. Ber¨akna en regulator utan integration f¨or systemet y(k) = 0.7y(k − 1) + 0.65u(k − 1) + 0.35u(k − 2)
som g¨or att det slutna (˚aterkopplade) systemets poler hamnar i z = 0.5 (dubbelpol).
3.39. Ber¨akna en regulator med integration f¨or systemet y(k) = 0.7y(k − 1) + 0.6u(k − 1)
d¨ar samtliga poler placeras i z = 0.5. Vilken typ av regulator blir detta?
3.40. Ber¨akna en regulator utan integration f¨or systemet
y(k) = 1.3y(k − 1) − 0.4y(k − 2) + 0.4u(k − 1) + 0.4u(k − 2) d¨ar alla slutna systemets poler skall vara z = 0.2
3.41. Ber¨akna en regulator med integration f¨or systemet
y(k) = 1.3y(k − 1) − 0.4y(k − 2) + 0.4u(k − 1) + 0.4u(k − 2) d¨ar alla slutna systemets poler skall vara z = 0.2
3.42. F¨or en koncentrationsregleringsprocess p˚a ett kemitekniskt f¨oretag skattades ¨overf¨oringsfunktionen (genom enkla stegsvarstester) till
G(s) = 3e−2s 1 + 5s
Ber¨akna en tidsdiskret regulator utan integration som placerar slutna sys- temets alla poler i z = 0 (dead-beat) d˚a
a. h = 2 s.
b. h = 1 s.
3.43. En enkel modell av en liten likstr¨omsmotor finns i form av ¨overf¨oringsfunktionen G(s) = 20
s(s + 4)
Motorn skall regleras med en tidsdiskret regulator utan integralverkan med en samplingsfrekvens p˚a 20 Hz. Ber¨akna regulatorn p˚a formen
u(k) = −c1u(k − 1) + Krr(k) + d0y(k) + d1y(k − 1)
dels d˚a a. alla poler placeras i z = 0 och dels d˚a b. alla poler plac- eras i z = 0.5. Vilken av polplaceringarna verkar ge st¨orst f¨orst¨arkningar i ˚aterkopplingen?
Minsta-kvadrat-metoden
F¨or ett tidsdiskret system p˚a formen
y(k) + a1y(k − 1) + a2y(k − 2) + · · · + an−1y(k − n + 1) + any(k − n)
= b1u(k − 1) + b2u(k − 2) + · · · + bn−1u(k − n + 1) + bnu(k − n) d¨ar parametrarna (koefficienterna) inte ¨ar k¨anda kan dessa skattas genom att g¨ora ett tillr¨ackligt antal m¨atningar (f¨or k = 0, 1, 2 . . . , N med N −n+1 ≥ 2n) f¨or att sen utifr˚an dessa st¨alla upp ett linj¨art ekvationssystem d¨ar koeffi- cienterna ¨ar de obekanta. Om N − n + 1 > 2n blir detta ekvationssys- tem ¨overbest¨amt dvs antalet ekvationer ¨ar fler ¨an antalet obekanta. Om m¨atningarna ¨ar st¨orda av brus kommer ekvationerna inte att kunna l¨osas ex- akt (inte ens d˚a N − n + 1 = 2n). En kompromiss ¨ar d˚a att hitta en ”b¨asta”
l¨osning. En variant ¨ar att minimera f¨oljande funktion:
V (θ) =
N
X
k=n
(y(k) − ϕT(k)θ)2 d¨ar
θ =
a1
...
an
b1
...
bn
=
θ1
...
θn
θn+1
...
θ2n
och ϕ(k) =
−y(k − 1) ...
−y(k − n) u(k − 1)
...
u(k − n)
=
ϕ1(k)
...
ϕn(k) ϕn+1(k)
...
ϕ2n(k)
Funktionen V ¨ar kvadratisk i parametrarna. F¨or att s¨oka minimum hos V s¨atts de partiella derivatorna med avseende p˚a θj, j = 1, 2, . . . , 2n till 0 vilket ger
0 = ∂V
∂θj
=
N
X
k=n
2(y(k) − ϕT(k)θ)(−ϕj(k)) =
= −2 ϕj(n) ϕj(n + 1) · · · ϕj(N)
y(n) − ϕT(n)θ y(n) − ϕT(n)θ
...
y(N) − ϕT(N)θ
, j = 1, 2, . . . , 2n
Med beteckningarna
Φ =
ϕT(n) ϕT(n + 1)
...
ϕT(N)
och Y =
y(n) y(n + 1)
...
y(N)
kan detta uttryckas som
−2ΦT(Y − Φθ) = 0 ⇐⇒ ΦTΦθ = ΦTY
Om ΦTΦ r˚akar vara inverterbar s˚a kan θ l¨osas ut ur denna ekvation som θ = (ΦTΦ)−1ΦTY
vilket utg¨or den parametervektor ˆθ som ¨ar l¨osningen till MK-problemet.
3.44. F¨oljande tabell visar en m¨atserie med in- och utsignaler f¨or ett visst system:
k u(k) y(k)
0 1.00 0.00
1 0.00 0.50
2 2.00 0.20
3 0.00 1.10
4 0.00 0.42
5 0.00 0.16
a. Best¨am minstakvadratskattningen av parametrarna a och b i modellen y(k) = ay(k − 1) + bu(k − 1)
d˚a ovanst˚aende tabells m¨atdata utnyttjas. Tips: Anv¨and ϕ(k) = (y(k − 1) u(k − 1))T.
b. Best¨am minstakvadratskattningen av parametern b i modellen y(k) = a0y(k − 1) + bu(k − 1)
med a0 = 0.4 k¨and d˚a samma m¨atdata utnyttjas som i (a). Tips: Anv¨and ϕ(k) = u(k − 1).
c. Best¨am v¨ardet p˚a den kvadratiska felfunktionen
V (ˆa, ˆb) =
5
X
k=1
(y(k) − ˆay(k − 1) − ˆbu(k − 1))2
d¨ar ˆa och ˆb ¨ar de skattade v¨ardena som erh¨olls i (a).
Ofta kan det vara intressant att fortl¨opande skatta parametrar efter hand som data erh˚alles. Minstakvadratmetoden kan omformuleras till f¨oljande rekursiva ekvationer:
P (k) = P (k − 1) − P (k − 1)ϕ(k)ϕT(k)P (k − 1) 1 + ϕT(k)P (k − 1)ϕ(k) ε(k) = y(k) − ϕT(k)ˆθ(k − 1)
θ(k) = ˆˆ θ(k − 1) + P (k)ϕ(k)ε(k)
(1)
H¨ar ¨ar ˆθ(k) parameterskattningen vid tiden k, d¨ar k = n, n + 1, . . . , N.
3.45. Anv¨and rekursionen (1) f¨or att ber¨akna parameterskattningen ˆθ(k) f¨or k = 1 och k = 2 med data fr˚an f¨oreg˚aende uppgift f¨or f¨oljande fall:
a.
θ(0) =ˆ 0 0
och P (0) =1 0 0 1
b.
θ(0) =ˆ 0 0
och P (0) =10 0 0 10