Örneklenmiş veriler yardımıyla sürekli zaman parametrelerinin belirlenmesi

Abstract

ÖZET Parametre belirleme konusu bir çok adaptif kontrol sisteminin önemli bir kısmını oluşturmaktadır. Bu konu üzerine sürekli zamanda ve ayrık zamanda çeşitli metodlar geliştirilmiştir. Sürekli zaman modelinin parametrelerinin belirlenmesi genellikle bir ayrık zaman modelinin bulunması ve transformasyon algoritmaları yardımıyla bu modelin sürekli zaman modeline dönüştürülmesi ile olmaktadır. Ancak bu işlem oldukça fazla bir hesaplamayla birlikte uygulama için uzun sürelere gereksinim göstermesi nedeniyle pratik kullanımlar için uygun olmamaktadır. Bu çalışmada S.Sagara Z.Y.Zhao tarafından geliştirilmiş olan sürekli zaman parametrelerini; ayrık zaman algoritması ve örneklenmiş verilerden yararlanarak direk olarak belirleyen Lineer Filtreleme metodu incelenmiştir. Lineer filtreleme işlemi en temci sistem belirleme metodu olan en küçük kareler (Least Squares) ve yardımcı değişkenler (Instrumental Variables) metoduna uygulanarak parametre belirleme işlemi her iki metod için, ikinci dereceden bir sistem ele alınarak siınülatif olarak gerçeklenmiş ve sonuçlar incelenmiştir.

ABSTRACT The subject of parameter identification is one of the important parts of many adaptive control systems. Several Algorithms have been developed up to now, for both discrete and continuous time domain. Estimation of continuous time model is generally implemented in the following way: Firstly the discrete time model is found. After that using transformation algorithms continuous time model is obtained from discrete time model, but this proscss requires extensive computation, so it is not possible for on line algorithms that need fast identification. In this study, continuous time model is found via linear integral filter. Using linear integral filter, discrete time identification methods can be be used for obtaining continuous time model parameters directly. The Simulation is realised on second order continuous time system. Sampled data is filtered by linear integral filter and then results arc applied least squares and Instrumental variables for estimating continuous time model parameters. Results arc discussed both theoretical and practical aspects.