Baixe o app para aproveitar ainda mais
Prévia do material em texto
30/09/2015 1/11 Algoritmo de Estimação da Matriz Estendida - Mínimos Quadrados Estendida (MQE) Engenharia de Computação Tópicos Especiais II 2015.2 Natal, Prof. Jan Erik, Msc. 30/09/2015 2/11 Introdução 30/09/2015 3/11 Introdução Quando a saída de uma planta está corrompida por um ruído não- branco (colorido), pode-se utilizar o algoritmo de estimação da Matriz estendida para evitar estimativas polarizadas; Este método de estimação utilizou-se do métodos dos mínimos quadrados recursivos (MQR). O vetor de medidas deverá ser montando no modelo ARMAX. 30/09/2015 4/11 Autoregressive moving average with exogenous input Modelo ARMAX 30/09/2015 5/11 ou colorido Medição do ruído / distúrbio Procedimento iterativo na estimação de parâmetros O modelo ARX pode ser melhorado com a utilização de uma média móvel aplicada a perturbação. O modelo ARMAX também é classificado como um modelo de erro na equação. X= −𝑦(0) … −𝑦(1 − 𝑛𝑎) −𝑦(1) … −𝑦(2 − 𝑛𝑎) ⋮ −𝑦(𝑁 − 1) ⋮ … ⋮ −𝑦(𝑁 − 𝑛𝑎) 𝑢(0) … 𝑢(1 − 𝑛𝑏) 𝑢(1) … 𝑢(2 − 𝑛𝑏) ⋮ 𝑢(𝑁 − 1) ⋮ ⋯ ⋮ 𝑢(𝑁 − 𝑛𝑏) 𝑤(0) … 𝑤(1 − 𝑛𝑐) 𝑤(1) … 𝑤(2 − 𝑛𝑐) ⋮ 𝑤(𝑁 − 𝑛𝑐) ⋮ … ⋮ 𝑤(𝑁 − 𝑛𝑐) Modelo ARMAX (auto regressivo com média móvel e entradas exógenas) 30/09/2015 6/11 Estimador dos mínimos quadrados Estendido MQE 30/09/2015 7/11 Estimador dos mínimos quadrados estendido Na prática os termos de w(t) representam um sinal não-observável do ruído, então pode ser inferido a partir do erro de previsão: w(k) = e(k) O vetor de parâmetros tem as estimadas dos ruído/distúrbio: θ𝑇 = 𝑎1 𝑎2 … 𝑎𝑛𝑎 𝑏0 𝑏1 … 𝑏𝑛𝑏 𝑐1 𝑐2 … 𝑐𝑛𝑐 1. Adquirir os dados de entrada u(t) e saída y(t) do sistema durante cada interação 2 . Atualizar o vetor de medidas da matriz 𝑿𝑻 𝑿𝑻 = −𝒚 𝒌 − 𝟏 − 𝒚 𝒌 − 𝟐 …− 𝒚 𝒌 − 𝒏𝒂 𝒖 𝒌 − 𝒅 𝒖 𝒌 − 𝒅 − 𝒏𝒃 𝒘 𝒌 − 𝒅 𝒘 𝒌− 𝒅 − 𝒏𝒄 3. Calcular o erro de previsão 𝝐 𝒌 = 𝒚 𝒌 − 𝑿(𝒌)𝑻𝜽(𝒌 − 𝟏) Segue os passo para implementação do algoritmo básico dos MQE: 30/09/2015 8/11 Estimador dos mínimos quadrados estendido 4. Calcular o ganho o estimador 𝑲 𝒌 = 𝑷 𝒌 − 𝟏 𝑿(𝒌) 𝟏 + 𝑿𝑻 𝒌 𝑷 𝒌 − 𝟏 𝑿(𝒌) 5. Calcular o vetor de parâmetros estimados 𝜽 𝒌 = 𝜽 𝒌 − 𝟏 + 𝑲(𝒌)𝝐(𝒌) 6. Calcular a matriz de covariância 𝑷 𝒌 = 𝑷 𝒌 − 𝟏 𝑲 𝒌 𝑿𝑻 𝒌 𝑷 𝒌 − 𝟏 7. Atualizar w(k) com o erro de predição 𝐰 𝒌 = 𝝐(𝒌) 30/09/2015 9/11 Exemplo Matlab MQE 30/09/2015 10/11 Exemplo Matlab Sem ruído 30/09/2015 11/11 Exemplo Matlab Com ruído
Compartilhar