TENTAMEN Systemidentifiering, 4p, F, FRI, STS

Relevanta dokument
Parameterskattning i linjära dynamiska modeller. Kap 12

TENTAMEN I REGLERTEKNIK

TSRT62 Modellbygge & Simulering

REGLERTEKNIK, KTH. REGLERTEKNIK AK EL1000, EL1110 och EL1120

Sammanfattning av föreläsning 4. Modellbygge & Simulering, TSRT62. Föreläsning 5. Identifiering av olinjära modeller

TENTAMEN: DEL B Reglerteknik I 5hp

ÖVNINGSTENTAMEN Modellering av dynamiska system 5hp

TENTAMEN Reglerteknik 3p, X3

TENTAMEN Modellering av dynamiska system 5hp

TENTAMEN I TSRT91 REGLERTEKNIK

TENTAMEN I REGLERTEKNIK Y TSRT12 för Y3 och D3. Lycka till!

TENTAMEN I DYNAMISKA SYSTEM OCH REGLERING

TENTAMEN I REGLERTEKNIK Y/D

TENTAMEN Reglerteknik 4.5hp X3

TENTAMEN I DYNAMISKA SYSTEM OCH REGLERING

1RT490 Reglerteknik I 5hp Tentamen: Del B

TENTAMEN I REGLERTEKNIK TSRT03, TSRT19

TENTAMEN I REGLERTEKNIK Y/D

1RT490 Reglerteknik I 5hp Tentamen: Del B

Lösningsförslag till tentamen i Reglerteknik fk M (TSRT06)

Reglerteori. Föreläsning 3. Torkel Glad

REGLERTEKNIK KTH. REGLERTEKNIK AK EL1000/EL1110/EL1120 Tentamen , kl

REGLERTEKNIK KTH. REGLERTEKNIK AK EL1000/EL1110/EL1120 Tentamen , kl

TENTAMEN: DEL B Reglerteknik I 5hp

Tentamentsskrivning: Matematisk Statistik TMA321 1

Tentamen för kursen. Linjära statistiska modeller. 13 januari

Försättsblad till skriftlig tentamen vid Linköpings universitet

Reglerteknik AK. Tentamen 9 maj 2015 kl 08 13

Tentamen MVE301 Sannolikhet, statistik och risk

TENTAMEN REGLERTEKNIK TSRT15

Försättsblad till skriftlig tentamen vid Linköpings Universitet

TENTAMEN I TSRT19 REGLERTEKNIK

1RT490 Reglerteknik I 5hp Tentamen: Del A Tid: Torsdag 15 december 2016, kl

Kap 10 - Modeller med störningar. Hur beskriva slumpmässiga störningar?

TENTAMEN I TSRT22 REGLERTEKNIK

Försättsblad till skriftlig tentamen vid Linköpings universitet

Försättsblad till skriftlig tentamen vid Linköpings universitet

TENTAMEN I TSRT91 REGLERTEKNIK

TENTAMEN I TSRT91 REGLERTEKNIK

TENTAMEN: DEL A Reglerteknik I 5hp

Försättsblad till skriftlig tentamen vid Linköpings universitet

REGLERTEKNIK KTH. REGLERTEKNIK AK EL1000/EL1110/EL1120 Kortfattade lösningsförslag till tentamen , kl

Försättsblad till skriftlig tentamen vid Linköpings universitet

Försättsblad till skriftlig tentamen vid Linköpings universitet

Reglerteknik AK, FRT010

Reglerteknik AK. Tentamen 24 oktober 2016 kl 8-13

TENTAMEN Reglerteknik 4.5hp X3

(a) på hur många sätt kan man permutera ordet OSANNOLIK? (b) hur många unika 3-bokstavskombinationer kan man bilda av OSANNO-

Försättsblad till skriftlig tentamen vid Linköpings universitet

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl

Tentamen i Matematisk statistik Kurskod S0001M

Reglerteknik AK Tentamen

1RT490 Reglerteknik I 5hp Tentamen: Del B

övningstentamen I DYNAMISKA SYSTEM OCH REGLERING

TENTAMEN I TSRT07 INDUSTRIELL REGLERTEKNIK

Försättsblad till skriftlig tentamen vid Linköpings universitet

A

TENTAMEN: DEL B Reglerteknik I 5hp

Försättsblad till skriftlig tentamen vid Linköpings universitet

TENTAMEN I REGLERTEKNIK I

1RT490 Reglerteknik I 5hp Tentamen: Del B

Cirkelkriteriet (12.3)

TENTAMEN: DEL B Reglerteknik I 5hp

, för 0 < x < θ; Uppgift 2

REGLERTEKNIK KTH. REGLERTEKNIK AK EL1000/EL1110/EL1120 Kortfattade lösningsförslag till tentamen , kl

b) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p)

Lycka till!

Reglerteori. Föreläsning 4. Torkel Glad

Reglerteknik Z / Bt/I/Kf/F

Lösningar till Tentamen i Reglerteknik AK EL1000/EL1100/EL

Försättsblad till skriftlig tentamen vid Linköpings Universitet

ERE103 Reglerteknik D Tentamen

FACIT: Tentamen L9MA30, LGMA30

REGLERTEKNIK KTH. REGLERTEKNIK AK EL1000/EL1110/EL1120 Tentamen , kl

Försättsblad till skriftlig tentamen vid Linköpings universitet

Tentamen MVE301 Sannolikhet, statistik och risk

Fouriermetoder MVE295 - bonusuppgifter

TENTAMEN I TSRT07 INDUSTRIELL REGLERTEKNIK

1RT490 Reglerteknik I 5hp Tentamen: Del A Tid: Onsdag 22 augusti 2018, kl

Bestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)

INLÄMNINGSUPPGIFT I. REGLERTEKNIK I för STS3 & X4

Reglerteknik AK, FRTF05

Försättsblad till skriftlig tentamen vid Linköpings universitet

Transkript:

TENTAMEN Systemidentifiering, 4p, F, FRI, STS Tid: Fredagen den 17 mars kl 09.00 14.00 Plats: Polacksbacken, skrivsal Ansvarig lärare: Alexander Medvedev, telefon 471 3064, mobil 070 57 48 173. Alexander kommer och svarar på frågor ungefär kl 11.00 Tillåtna hälpmedel: Alla hjälpmedel är tillåtna Preliminära betygsgänser: 3:[15, 20[, 4:[20, 25[, 5:[25, 30 = maxpoäng] Poäng för inlämningsuppgifterna adderas till resultatet på tentan. OBS: Endast en uppgift per ark. Skriv namn på varje ark. Lösningarna ska vara tydliga och väl motiverade. LYCKA TILL!

Uppgift 1 Förstärkningen b i ett statiskt system y(t) = bu(t) + e(t) skattas m h a minsta-kvadrat metoden utifrån en datamängd bestående av N mätpunkter (y(t), u(t)), t = 1,..., N. Brussekvensen e(t) antas vara vit med E{e(t)} = 0, E{e 2 (t)} = λ 2. Härled uttrycket för minsta-kvadrat skattningen ˆb i termer av de mätbara storheterna y, u (3p) Hur förändras variansen av ˆb då (a) antalet mätningar i datamängden N ökar? (b) amplituden på insignalen u(t) ökar? (c) brusnivån ökar? (1p) (1p) (1p)

Uppgift 2 En optimal enstegsprediktor ges av ekvationen ŷ(t + 1 t) = 1 α y(t) 1 αq 1 där y(t) är utsignalen hos en ARMA-modell och α är en konstrant. (a) Vilken ARMA-modell motsvarar prediktorn? (b) Vad är ŷ(t + 1 t) då y = m = const. (4p) (2p)

Uppgift 3 Betrakta systemet y(t) + ay(t 1) = bu(t 1) + abu(t 2) + e(t) där a, b är konstanter och u(t) är vitt brus med E{u(t)} = 0 och E{u 2 (t)} = 1. Anta också att e(t) är oberoende av u(t). Undersök huruvida instrumentvariabelsskattningen med instrumentena z(t) = [ u(t 1) u(t 2) u(t 3) ] är konsistent. (6p)

Uppgift 4 Systemet y(t) + ay(t 1) = bu(t 1) + e(t) med tillräckligt exciterande e(t) styrs av en känd statisk återkoppling d v s u(t) = fy(t) Föreslå tre olika metoder för indentifiering av a och b genom erforderliga förändringar i regulatorn. Varje föreslagen metod ger 2 poäng vid fullständig beskrivning. (6p)

Uppgift 5 Vektorn θ i modellen y(t) = ϕ T (t)θ + e(t) skattas m h a rekursiva minsta-kvadrat metoden (RLS) ˆθ(t) = ˆθ(t ( ) 1) + P (t)ϕ(t) y(t) ϕ T (t)ˆθ(t 1) P (t) = 1 ( P (t 1) P (t ) 1)ϕ(t)ϕT (t)p (t 1) λ λ + ϕ T (t)p (t 1)ϕ(t) där λ är en glömskefaktor. Visa att RLS ger exakt samma skattning som batch -skattningen ( t ) 1 t ˆθ t = λ t s ϕ(s)ϕ T (s) λ t s ϕ(s)y(s) då t och λ t P (t) 0. (6p)

Lösningar till tentamen i Systemidentifiering 4p 06-03-17 Uppgift 1 ( N ) 1 N ˆθ = ϕ(t)ϕ T (t) ϕ(t)y(t) = (a) N var ˆb (b) u(t) var ˆb (c) λ 2 var ˆb var ˆb = λ 2 N u2 (t) 1 N u2 (t) N u(t)y(t) Uppgift 2 (a) Modell y(t) + ay(t 1) = bu(t 1) + e(t) + ce(t 1) (7.26) i Söderström och Stoica ŷ(t t 1) = bq 1 (c a)q 1 u(t) + y(t) 1 + cq 1 1 + cq 1 b = 0 c a = 1 α α = c Det innebär att α = c. ARMA-modellen således är y(t) y(t 1) = e(t) αe(t 1) (b) ŷ(t + 1 t) = 1 α 1 αq 1 m = m q=1 Uppgift 3 ( N ) 1 N ˆθ = z(t)ϕ T (t) z(t)y(t) R = R = E{z(t)ϕ T (t)} 0 1 0 b 0 1 ab ab 0 0 = 0 1 0 b 0 1 0 0 0 Matrisen R är singulärt och skattningen kan således inte garanteras vara konsistent.

Uppgift 4 (a) Extra exciterande signal till det slutna systemet u(t) = fy(t) + v(t) där v(t) är vitt brus. Eftersom både u(t) och y(t) är mätbara kan det slutna systemet identifieras som tidsserie [ ] [ ] e(t) y(t) v(t) u(t) (b) Tidsvarierande förstärkning i återkopplingen y(t) = (a fb)y(t 1) + e(t) Systemet identifieras med två olika värden på f, d v s f 1 och f 2 vilket ger [ ] [ ] [ ] 1 f1 a âc1 = 1 f 2 b och â och ˆb kan bestämmas. (c) Tidsfördröjning i återkopplingen u(t) = fy(t 1) â c2 y(t) + ay(t 1) + fby(t 2) = e(t) Om f är känt så kan både a och b skattas. Uppgift 5 Först härleder man en rekursiv ekvation för storheten x(t) som ges av x(t) = P 1 (t)ˆθ(t) = P 1ˆθ(t ) 1) + ϕ(t) (y(t) ϕ T (t)ˆθ(t 1) = ( P 1 (t) ϕ(t)ϕ T (t) ) ˆθ(t 1) + ϕ(t)y(t) = λx(t 1) + ϕ(t)y(t) Då drar man slutsatsen att x(t) = λ t x(0) + t λ t s ϕ(s)y(s) Skillnaden mellan den rekursiva och den satsvisa skattningen är ˆθ(t) ˆθ t = P (t)p 1 (t)ˆθ(t) ˆθ t = P (t)x(t) ( ˆθ t ) t = P (t) λ t x(0) + λ t s ϕ(s)y(s) P 1 (t)ˆθ t = P (t) ( λ t P 1 (0)ˆθ(0) + ( t λ t s ϕ(s)y(s) λ t P 1 (0) + ) = P (t)λ t P 1 (0) (ˆθ(0) ˆθt ) ) t λ t s ϕ(s)ϕ T (s) ˆθ t Tydligen, ˆθ(t) ˆθ t 0 då t, P (t)λ t 0 och ˆθ t är begränsad.