Post on 15-Mar-2016
description
EE-240/2007 – Métodos Baseados em Modelos
set 2007
12 set 2007Métodos baseados
em Modelos
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Modelo:
“Representação das características essenciais do sistema em estudo”
EstadoMedidas
OuSaída
Entrada ouExcitação
)Ms()v(DuCxy)Ha()Gw(Bux)AA(x
kkkkk
kkkk1k
Ruído deEstado
Ruído deMedida
Falha deAtuador
Falha deSensor
FalhaInterna
EE-240/2007 – Métodos Baseados em Modelos
set 2007
k1nknk11k uy...yy
knk
2nk2k
1nk1k
yx
yx
yx
k1kn
1nk2
nk1
n1k
3k
21k
2k
11k
uxxxx
xx
xx
EE-240/2007 – Métodos Baseados em Modelos
set 2007
k1kn
1nk2
nk1
n1k
3k
21k
2k
11k
uxxxx
xx
xx
k
nk
1nk
2k
1k
12n1nnn
1k
1n1k
21k
11k
u0
00
xx
xx
1000
01000010
xx
xx
A B
EE-240/2007 – Métodos Baseados em Modelos
set 2007
kk
kk1kCxy
BuAxx
12n1nn
1000
01000010
A
0
00
B 1000C
k1nknk11k uy...yy
ou
Obs: • Transformada Z Função de Transferência• u = Delta de Kronecker Resposta Pulso
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Como utilizar Modelos noPrognóstico de Falhas?
Observadores de Estado
IdentificaçãoParamétrica
Equaçõesde Paridade
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Observadores de Estado(ou Estimadores de Estado)
)xCCx(LBuBu)xx(Axx kkkkkk1k1k
)xx)(LCA(xx kk1k1k
kk
kk1kCxy
BuAxx
Planta:
kk
kkkk1kxCy
)yy(LBuxAx
Observador:
( – )
ke1ke
unitáriodisconovaloresepossuiéLCAse0ek
EE-240/2007 – Métodos Baseados em Modelos
set 2007
kkk
kkk1k
vx100y
w111
u001
x5.11074.001
12.000x
Exemplo:
9.062.0
112.0L
E-valores do observador em 0.1 e 0.2 (mult 2)
EE-240/2007 – Métodos Baseados em Modelos
set 2007
EE-240/2007 – Métodos Baseados em Modelos
set 2007
kkk yyy~
EE-240/2007 – Métodos Baseados em Modelos
set 2007
EE-240/2007 – Métodos Baseados em Modelos
set 2007
kkk yyy~
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Exemplo:
kkk
kkk1k
vx125100
y
w111
u001
x5.11074.001
12.000x
9.062.0
112.0L
E-valores do observador em 0.1 e 0.2 (mult 2)
Observador utilizandoapenas 1
ky
EE-240/2007 – Métodos Baseados em Modelos
set 2007
EE-240/2007 – Métodos Baseados em Modelos
set 2007
amareloy~magentay~
2k
1k
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Falha A Falha B
EE-240/2007 – Métodos Baseados em Modelos
set 2007
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Equações de Paridade
kk
kk1kCxy
BuAxx
Sem falhas:
1ikk1i
ki
ik
1kkk2
1k1k2k2k
kk1k1k
kk
CBuBuCAxCAy
CBuCABuxCACBuCAxCxy
CBuCAxCxyCxy
EE-240/2007 – Métodos Baseados em Modelos
set 2007
ik
2k
1k
k
2i1i
k
1i
2
ik
2k
1k
k
u
uuu
0CBBCABCA
00CBCAB000CB0000
x
CA
CACAC
y
yyy
Y T Q U
QUTxY k
0WT.q.tW
0WQUWY:r
EE-240/2007 – Métodos Baseados em Modelos
set 2007
kkk
kkk1k
vx100y
w111
u001
x5.11074.001
12.000x
Exemplo:
W = [-0.12 0.74 -1.5 1.0]
275.151.15.151.15.115.110
100
T
EE-240/2007 – Métodos Baseados em Modelos
set 2007
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Resíduo
EE-240/2007 – Métodos Baseados em Modelos
set 2007
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Resíduo
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Identificador
kk UYE ,ˆ
SistemaParcialmenteConhecido
ku ky
kkk wCxfx ,1
kkk vGxHy
kw
Identificação Paramétrica
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Dados: qy Rp ,,
Taentecorrespondy
Obter: um estimador g, tal que g( y ) se aproxime de T
1. Estimador:
1,yp 2,yp
y
Exemplo:
a
ayseayse
yg
2
1)(
Identificação Paramétrica
EE-240/2007 – Métodos Baseados em Modelos
set 2007
LSE
2. Estimador Não - Polarizado:
dpgygE yR ,)(
Exemplo: Seja ),0(~ INeeAy
mínimosejaAyquetalyg2ˆ)(ˆ Obter
yAAA
yAAA
AAAyyydd
AyAydd
Aydd
TT
TT
TTTT
T
1
ˆ
2
ˆ
022
02
0
0
EE-240/2007 – Métodos Baseados em Modelos
set 2007
eAAAEAAAAE
eAAAAAAAE
eAAAAE
yAAAEygE
poispolarizadonãoéyAAA
TTTT
TTTT
TT
TT
TT
11
11
1
1
1
)()(
)()(
)()(
)()(
,ˆ
3. Teorema de Gauss-Markov:
LSE é ótimo na classe de estimadores lineares não-polarizados
covˆcov,EquetalBy
EE-240/2007 – Métodos Baseados em Modelos
set 2007
covˆcov,EquetalBy
T
TT
T
T
T
BB
BBeeE
EeABEeABE
EByEByE
EEE
IBABAE
BeEBAEeABE
ByEE
))()()((
))((
))((cov
)(
EE-240/2007 – Métodos Baseados em Modelos
set 2007
covˆcov,EquetalBy
1
11
11
11
1
1
1
)(
)()(
)()(
)()(
])ˆ[ˆ])(ˆ[ˆ(ˆcov
)(
)()(
)(
ˆ]ˆ[ˆ
AA
AAAAAA
AAAeeEAAA
AAAeeAAAE
EEE
eAAA
eAAAA
yAAA
E
T
TTT
TTTT
TTTT
T
TT
TT
TT
EE-240/2007 – Métodos Baseados em Modelos
set 2007
covˆcov,EquetalBy
TT BBAA
covˆcov1
ˆcov~~)(~~
)()(~)()(~~~)(~)(~
cov
1
1111
11
T
TT
TTTTTTTT
TTTTT
T
BB
AABB
AAAAAABAAAAAABBB
AAABAAAB
BB
0~,
~
1
1
AAAABAAB
IBAComoAAABBSeja
TT
TT
0
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Matriz deInformação
de Fisher
4. Limitante Inferior de Cramér-Rao: 1)(cov Myg
onde
),(log),(log ypypEm yj
yi
ij
dpgouygE
polarizadonãoégComo
yRm ),()()(
,(.)
i
yRi
dpgm ),()(
ijseijse
10
EE-240/2007 – Métodos Baseados em Modelos
set 2007
IpgE
Idppg
Idpg
y
yyR
yR
m
m
),(log)(
),(),(log)(
),()(
0),(log
0),(),(log
0),(
1),(
y
yR y
R y
R y
pE
dpp
dp
dp
m
m
m
Por outro lado,
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Ty
T
y
pg
p
gE ),(log
),(log
cov
),(log yp
gSe então,
1
1
11
cov
0cov
0cov
0cov
cov
Mg
Mg
MI
MIIg
MI
MIIg
EE-240/2007 – Métodos Baseados em Modelos
set 2007
5. Eficiência: g(y) é dito ser eficiente se 1)(cov Myg
6. Teorema: eficienteéyAAAyg TT 1ˆ
1ˆcov
AAT
AyAyp T
my 21exp
21),( 2/
AyAymp Ty 2
12log2
),(log
AAAeeAEM
eAyAAAp
TTT
TTTy
),(log
1ˆcov M
EE-240/2007 – Métodos Baseados em Modelos
set 2007
7. Propriedades do LSE:
eficienteéyAAAyg TT 1ˆ e não polarizado
8. Identificação de Modelos ARMAX:
kmkmknknkk euuyyy 1111
N
n
n
n
m
n
mNNnNN
mnnn
mnnn
mnnn
N
n
n
n
e
eee
uuyy
uuyyuuyyuuyy
y
yyy
2
1
1
1
11
2121
11
101
2
1
y = A + e
EE-240/2007 – Métodos Baseados em Modelos
set 2007
1. Lema de Inversão de Matrizes:
1111111 AbcAbAcAbcA TTT
2. Estimação Recursiva:
1111
N
NTN
N
N
NeE
aA
yY
medidasN
11
1
111ˆ
N
NT
TN
NTN
NT
TN
NN y
YaA
aA
aA
11
1
111ˆ
N
NN
TNT
N
NN
TNN y
YaA
aA
aA
111
111ˆ
NNN
TN
TNNN
TNN yaYAaaAA
NTNN
TNNNNN YAAAondeAYmedidasN 1)(ˆˆ,,
Identificação Paramétrica Recursiva
EE-240/2007 – Métodos Baseados em Modelos
set 2007
1 NTNN AAP
T
N
NN a
AA
11
111
1
11
1111
T
NNNTNT
N
NT
TN
NN
TNN aaAA
aA
aA
AAP
1111111 AbcAbAcAbcA TTT
1111
111
TNNN
TNNN
TNN aaPaaAAP
NTNNNNN
TNN PaaPaPaP 11
1111
111
11
1
NN
NNTN
N aPaPa
K
NTNNN PaKIP 111
EE-240/2007 – Métodos Baseados em Modelos
set 2007
111
111ˆ
NNN
TN
TNNN
TNN yaYAaaAA
1111ˆ NNN
TNNN yaYAP
NTNNNNN
TNNN PaaPaPaPP 11
1111 1
1111
11111
111
111
1
1ˆ
NNNTNNNNN
TNNNN
NTNN
TNNNNN
TNN
TNNN
yaPaaPaPayaP
YAPaaPaPaYAP
NTNNN YAP 1
1111
1
NN
NNTN
N aPaPa
K
NTNNNNN ayK ˆˆˆ 1111
EE-240/2007 – Métodos Baseados em Modelos
set 2007
NTNNNNN ayK ˆˆˆ 1111
111
11
1
NN
NNTN
N aPaPa
K
NTNNN PaKIP 111
mNNnNNTN uuyya 111
NmNmNnNnNN euuyyy 1111
Identificador
kk UYE ,ˆ
SistemaParcialmenteConhecido
ku ky
ke
Tmn 11
3. Identificação de Modelos ARX:
EE-240/2007 – Métodos Baseados em Modelos
set 2007
kkk
kkk1k
vx100y
w111
u001
x5.11074.001
12.000x
Exemplo:
k1nkkk1k u00.1y12.0y74.0y50.1y
EE-240/2007 – Métodos Baseados em Modelos
set 2007
EE-240/2007 – Métodos Baseados em Modelos
set 2007
k1nkkk1k u00.1y12.0y74.0y50.1y
EE-240/2007 – Métodos Baseados em Modelos
set 2007
EE-240/2007 – Métodos Baseados em Modelos
set 2007
Muito Obrigado!