IDENTIFICAÇÃO DE SISTEMAS

UFBA PROF. BERNARDO ORDOÑEZ

2018.1

TRABALHOS 05 e 06

Métodos dos Mínimos Quadrados Recursivo (MQR)
Considerar o sistema de primeira ordem caracterizado pela seguinte equação a diferenças:
𝐴 𝑧 #$ 𝑦(𝑡) = 𝐵 𝑧 #$ 𝑢 𝑡 − 1 + 𝐶 𝑧 #$ 𝑒(𝑡)
em que 𝐴 𝑧 #$ = 1 − 0,8𝑧 #$ , 𝐵 𝑧 #$ = 𝑏6 e 𝐶 𝑧 #$ = 1. Admitir para {𝑒(𝑡)} e {𝑢(𝑡)}
sequências ruído branco com média zero e variância 0,25 e 1, respectivamente. O parâmetro 𝑏6
modifica-se de acordo com:
𝑏6 = 2 𝑝𝑎𝑟𝑎 0 ≤ 𝑡 ≤ 20; 41 ≤ 𝑡 ≤ 60; 81 ≤ 𝑡 ≤ 100

𝑏6 = 3 𝑝𝑎𝑟𝑎 21 ≤ 𝑡 ≤ 40; 61 ≤ 𝑡 ≤ 80.
Identificar os parâmetros do sistema via estimador dos MQR e comparar o desempenho dos
estimadores com:
a. Busca aleatória (random walk):
a.1 mesma ponderação para todos os elementos de 𝑄(𝑡);
a.2 ponderação somente sobre o parâmetro que é variante no tempo.

b. Reinicialização de 𝑃(𝑡) (covariance reseting).
Dois limites para o 𝑡D [𝑃(𝑡)] mínimo.

Filtro de Kalman (KF)
Na figura 1 é mostrado um esboço de um processo térmico. Utilizando-se um período de
amostragem de 2 segundos, pode-se obter o seguinte modelo discreto para o sistema:

𝑥$ 𝑘 + 1 1,2272 1 𝑥$ 𝑘 0,0634
= + 𝑢 𝑘 + 𝜔(𝑘)
𝑥I 𝑘 + 1 −0,3029 0 𝑥I 𝑘 0,0978

𝑥$ 𝑘
𝑦 𝑘 = 1 0 + 𝑣(𝑘)
𝑥I 𝑘

em que 𝑃N 𝑘 = 0,01𝐼 e 𝑃P 𝑘 = 0,04.

a. Simule a resposta do sistema ao degrau para 𝑘 = 0,150 e apresente os gráficos de 𝑥$ 𝑘 ,
𝑥I 𝑘 e 𝑦 𝑘 .

b. Utilize o filtro de Kalman e obtenha uma estimativa para os estados do sistema. Apresente
os gráficos de 𝑥 𝑘 , 𝑥$ 𝑘 e 𝑥I 𝑘 e da diagonal principal da matriz de covariância.

Figura 1. Processo térmico PT326