شناسایی سیستمهای دینامیک

در بسیاری از کاربردها مانند طراحی کنترل‌کننده، شبیه‌سازی سیستم، تحلیل رفتار سیستم و پیش‌بینی آینده نیازمند به یک مدل از سیستم تحت بررسی هستیم. شناسایی سیستم الگوریتمهایی را در اختیار ما قرار می‌دهد که بتوانیم از داده‌های ورودی و خروجی سیستم یک مدل مناسب بدست آوریم که رفتار آن با رفتار سیستم واقعی تا حد ممکن نزدیک باشد.

مرجع اصلی در این سری فیلمها، کتاب شناسایی سیستمهای دینامیک نوشته رولف آیزرمن (۲۰۱۱) است. به طور خلاصه، روشهای شناسایی پارامتری (Parametric) و غیر پارامتری (Non-parametric)، حلقه باز (Open-loop) و حلقه بسته (Closed-loop)، بازگشتی (Recursive) و غیربازگشتی (Non-recursive)، زیرفضا (Subspace Methods)، همرشتاین (Hammerstein Model) و وینر (Wiener Model)، بر اساس همبستگی (Correlation)، حداقل مربعات (Least Squares)، Maximum Likelihood، مدلهای AR، ARMA، ARX، ARMAX، BJ، FIR، فضای حالت و تابع تبدیل، در حوزه زمان و فرکانس و سریهای زمانی (Time Series) مورد بررسی قرار خواهند گرفت. همچنین تولباکس شناسایی متلب معرفی شده و مثالهای مختلفی با آن حل می‌شود.

پیش نیازها: آشنایی با نرم افزار متلب – آشنایی اولیه با سیگنالهای تصادفی و جبر خطی

این پست تا اتمام مباحث به تدریج کامل خواهد شد


جلسه اول

مقدمه


جلسه دوم

تعریف شناسایی و طبقه‌بندی روشهای شناسایی


جلسه سوم

مرور روشهای شناسایی و سیگنالهای تحریک


جلسه چهارم

مسایل کاربردی خاص، زمینه‌های کاربردی و مرور مراجع


برای خرید فصل اول با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید


جلسه پنجم

مدلهای ریاضی سیستمهای دینامیکی خطی


جلسه ششم

مدلهای زمان پیوسته سیگنالهای تصادفی


جلسه هفتم

مدلهای زمان گسسته سیگنالهای تصادفی


جلسه هشتم

تعیین پارامترهای مشخصه و سیستمهای دارای خاصیت انتگرالی و مشتقی


برای خرید فصل دوم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید


جلسه نهم

محاسبات عددی تبدیل فوریه


جلسه دهم

پنجره‌بندی، تبدیل موجک و پریودوگرام


برای خرید فصل سوم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید


جلسه یازدهم

تبدیل فوریه سیگنالهای غیرمتناوب


جلسه دوازدهم

تعیین پاسخ فرکانسی و تاثیر نویز


برای خرید فصل چهارم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید


جلسه سیزدهم

تعیین پاسخ فرکانسی با سیگنالهای تست سینوسی، مستطیلی، ذوزنقه‌ای، چند فرکانسی و فرکانس متغیر


جلسه چهاردهم

اندازه‌گیری پاسخ فرکانسی با توابع همبستگی


جلسه پانزدهم

اندازه‌گیری پاسخ فرکانسی با روش همبستگی متعامد


برای خرید فصل پنجم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید


جلسه شانزدهم

تخمین توابع همبستگی و تحلیل همبستگی فرایندهای دینامیک با سیگنالهای تصادفی ایستا


جلسه هفدهم

تحلیل همبستگی فرایندهای دینامیک با سیگنالهای تصادفی باینری تحلیل همبستگی در حلقه بسته


برای خرید فصل ششم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید


جلسه هجدهم

تخمین توابع همبستگی برای سیگنالهای گسسته


جلسه نوزدهم

محاسبه سریع توابع همبستگی و همبستگی بازگشتی


جلسه بیستم

تعیین پاسخ ضربه با استفاده از دیکانولوشن و سیگنالهای تست باینری برای سیستمهای گسسته


برای خرید فصل هفتم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید


جلسه بیست و یکم

تخمین پارامتر حداقل مربعات برای فرایندهای استاتیک خطی و غیرخطی


جلسه بیست و دوم

توصیف هندسی روش حداقل مربعات، Maximum Likelihood و باند کرامر-رائو


برای خرید فصل هشتم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید


جلسه بیست و سوم

تخمین پارامتر حداقل مربعات برای سیستمهای دینامیک گسسته


جلسه بیست و چهارم

کواریانس تخمین پارامترها و نامعینی مدل


جلسه بیست و پنجم

شناسایی‌پذیری پارامتر و مقادیر DC نامعلوم


جلسه بیست و ششم

تحلیل طیفی با مدلهای پارامتری متناوب و تخمین پارامتر با مدل میانی غیرپارامتری


جلسه بیست و هفتم

روش حداقل مربعات بازگشتی (Recursive Least Squares) یا RLS


جلسه بیست و هشتم

روش حداقل مربعات وزندار (Weighted Least Squares) WLS و تخمین پارامتر بازگشتی با فاکتور فراموشی نمایی


برای خرید فصل نهم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید

جلسه بیست و نهم

روش حداقل مربعات کلی شده (GLS (Generalised Least Squares


جلسه سی ام

روش حداقل مربعات توسعه ‌یافته (ELS (Extended Least Squares و روش اصلاح بایاس (CLS (Correction Least Squares


جلسه سی و یکم

روش حداقل مربعات کامل Total Least Squares) TLS)


جلسه سی و دوم

روش متغیرهای ابزاری Instrumental Variables) IV)


جلسه سی و سوم

روش تقریب تصادفی Stochastic Approximation) STA)


جلسه سی و چهارم

روش حداقل میانگین مربعات نرمالیزه (Normalized Least Mean Squares)


برای خرید فصل دهم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید

جلسه سی و پنجم

روش بیز و ML (Maximum Likelihood) غیربازگشتی


جلسه سی و ششم

روش (Recursive Maximum Likelihood) RML و باند کرامر-رائو


برای خرید فصل یازدهم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید

جلسه سی و هفتم

تخمین پارامترهای سیستمهای متغیر با زمان با فاکتور فراموشی ثابت


جلسه سی و هشتم

فاکتور فراموشی نمایی متغیر و دستکاری ماتریس کواریانس


جلسه سی و نهم

همگرایی روشهای تخمین پارامتر بازگشتی


برای خرید فصل دوازدهم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید

جلسه چهلم

شناسایی پارامتر حلقه بسته بدون سیگنال تست اضافی


جلسه چهل و یکم

شناسایی پارامتر حلقه بسته با سیگنال تست اضافی


برای خرید فصل سیزدهم با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید

جلسه چهل و دوم

تخمین پارامتر برای پاسخ فرکانسی (FRLS)


برای خرید فصل چهاردهم گزینه زیر را انتخاب کنید

خرید

۲۴ نظر

  1. سلام آقای دکتر جوادی
    آیا امکانش هست که آموزش درس کنترل مقاوم را تدریس نمایید؟من و هم کلاسی هام خیلی به این آموزش نیاز داریم.
    متشکرم

    1. سلام
      من کنترل مقاوم رو قبلا پوشش دادم البته با رویکرد LMI
      شاید بعدا فرصت بشه کاملترش بکنم
      ولی بعید میدونم کنترل مقاوم کلاسیک رو آموزش بدم

  2. سلام آقای دکتر وقتتون بخیر
    میخواستم بدونم تا آخر هفته مباحث شناسایی به روش های AR، ARMA، ARX، ARMAX، BJ، FIR را داخل سایت قرار می دهید؟

    1. سلام
      روش ARX در جلسه ۲۳ بحث شده و میتونید تهیه کنید.
      بقیه هم به تدریج پوشش داده میشه.
      فعلا یه مشکلی تو سایت هست که نمیتونم پست جلسات جدید رو آپلود کنم.
      به محض اینکه مشکل حل بشه ادامه جلسات در اختیار شما قرار می‌گیره

  3. سلام آقای دکتر جوادی

    ممنون از آموزش های خوب تان و خسته نباشید.
    آیا امکانش هست که درس کنترل مقاوم را نیز در سایت آموزش دهید.
    با تشکر

    1. با سلام و تشکر از لطف شما
      بخشی از کنترل مقاوم رو با رویکرد LMI قبلا پوشش دادم.
      در آینده اگر فرصت بشه مباحث باقیمانده رو هم پوشش میدم.
      البته معلوم نیست به روش کلاسیک باشه

  4. با سلام و تشکر ببخشید ممنون میشم کتاب یا جزوه ای معرفی کنید که کدهای شناسایی سیستم را توضیح بده طوری که بشه تمرینات کتاب دکتر کراری رو تو متلب انجام بدم

    1. @علی,
      سلام
      من در مورد کتاب دکتر کراری اطلاعی ندارم چون هیچ کتاب فارسی تا حالا در مورد شناسایی نخوندم.
      اما اگر واقعا دوست دارید که شناسایی رو یاد بگیرید و بتونید داخل متلب شبیه‌سازی کنید، این فیلمها رو دنبال کنید. من تلاش میکنم تمام روشهای مهم شناسایی رو پوشش بدم و برای اکثرشون داخل متلب مثال حل کنم حتی با داده‌های واقعی

      1. فیلم های آموزش شناسایی سیستم رو دنبال میکنم وممنونم از آموزش بسیار خوبتون ولی لطفا یک کتاب هم به بنده معرفی کنید که کد های شناسایی سیستم را داشته باشه

        1. @ali,
          من چنین کتابی ندیدم. فقط داخل فایل آموزشی تولباکس متلب دستورات مربوطه معرفی شده و مثال هم داره ولی کدهای الگوریتمهای مختلف رو ندیدم.

  5. با عرض سلام و خسته نباشد خدمت جناب دکتر جوادی عزیز.
    جناب دکتر واقعا ممنون بابت تدریس بسیار خوب تون ، تدریس تون بسیار می پسندم. بلخص بخش های که درمورد زندگی نامه اساتید و دانشمندانی که یا کتاب را تالیف کردن یا اینکه راهکارهای ارزشمندی تقدیم این علم کردن، تقدیر تشکر میکنم و امیدوارم این کار زیباتون پررنگتر بشه.چرا که شناختن اساتید و دانشمندان حوزه مربوط به نظر بنده هم واجب برای دانشجویی که دنبال اون بخش از زمینه علمین و هم یک شور و هیجانی ایجاد میکنه که موجب علاقه بیشتر در یک دانش جو میشه.
    جناب دکتر من دنبال میکنم کارهای بسیار خوب تون از فیلتر کالمن تا LMI و این مبحث شناسایی سیستم. بدون اغراق چیزهای یاد گرفتم که هیچ وقت نتونستم تو دوران دانشجوی یاد بگیرم قطعن بخاطر تسلت خوب شماست و تدریس شیوای شماست. برای بنده که بدون نقص هستن چون خیلی عالی پیش میرم و یاد میگیرم.
    درخواستی که دارم اینکه بعد از اتمام این مبحث، اگر مقدور بود در مورد مبحث کنترل Infinity به مانند همین روش شناسایی سیستم منبعی رو انتخاب کرده و تدریس بدین از طرفیم چون بحث LMI تدریس داده شده این مبحث به نظر بنده خیلی تکمیلتر و با ارزش تر خواهد شد.
    پاینده باشین.با تشکر فراوان…

    1. @ابوالفضل,
      با سلام و تشکر از ابراز محبت شما
      این شیوه دقیقا چیزیه که من انتظار داشتم داخل دانشگاه تجربه کنم ولی نه ساختار دانشگاه اجازه میده و نه اساتید علاقه نشون میدند که خوشبختانه هیچ کدوم از این مشکلات در این سایت مطرح نیست.
      معرفی افراد مهم در هر حوزه به نظر من هم جذابه و برای ادامه کار در یک زمینه به درد بخوره.
      در مورد H-infinity هم باید بگم که فعلا قصد دارم از دید LMI بحث رو ادامه بدم و مباحث باقیمانده رو مطرح کنم (البته بعد از اتمام مباحث شناسایی). شاید در آینده H-infinity کلاسیک رو هم به روشی که گفتید، بحث کردم.
      همش بر میگرده به اینکه چقدر فرصت و توان داشته باشم چون زمان و انرژی خیلی زیادی برای هر مجموعه صرف میشه
      موفق باشید

      1. @علی جوادی,
        بله همینطور جناب دکتر جوادی واقعا خسته نباشید میگم ایشالا که همیشه پایدار باشید سلامت و پر از انرژی تا هرچه زودتر شاهد سری فیلم های H-infinity و مباحث تکمیلی LMI ها باشیم.
        سوال اینکه منبع مدنظرتون در مورد H-infinity که انشالا قرار به تدریس شد، کدوم کتاب هست. اگر مشخص کردین از قبل ممنون میشم معرفی کنید.

        1. @ابوالفضل,
          اصلا معلوم نیست کی فرصت بشه ولی احتمالا از کتاب Robust Control Design with MATLAB تالیف Gu، Petkov و Konstantinov تدریس بشه.
          البته هیچ قولی نمیدم و معلوم نیست اصلا تدریس بشه

    1. @علی,
      قصد دارم بعد از اتمام کتاب و مباحث تئوریک، رابط گرافیکی تولباکس (نه کل تولباکس) رو مفصل آموزش بدم و باهاش چند مثال واقعی حل کنم.
      اما اگر فایل pdf آموزش تولباکس شناسایی رو ببینید، حدود ۳۰۰۰ صفحه هستش و حجم خیلی بالایی داره بنابراین فرصت نمیشه کل تولباکس (دستورات m-file) تدریس بشه ولی طی آموزشها بعضی از دستورات استفاده میشه.

            1. @ali,
              خوب اگه شما روشها، مدلها و فیلترهای اولیه رو بلد نباشید چطور می خواهید از تولباکس استفاده کنید؟
              تولباکس بدون اطلاعات تئوریک بدرد نمیخوره و صرفا کورکورانه یه سری مدل به شما میده که ممکنه بهترین مدل ممکن که میشه از تولباکس گرفت نباشه.
              تازه خیلی از روشها داخل تولباکس نیست. مثلا روشهای بازگشتی داخل رابط گرافیکی وجود نداره !
              از طرف دیگه من مباحث تئوریک رو شروع کردم و نمیتونم وسط کتاب تولباکس رو آموزش بدم. استانداردها باید رعایت بشه.
              اگر شما صرفا می خواهید از رابط گرافیکی استفاده کنید و نمی خواهید هیچ اطلاعاتی بیشتری کسب کنید، به وبینار لیونگ مراجعه کنید:
              https://bit.ly/2DNbwew

  6. با سلام خدمت استاد محترم
    میخواستم بدونم که روش های شناسایی غیر خطی رو هم در این مجموعه بررسی می کنید؟(روش هایی مانند NARMAX )

    1. @ali,
      سلام
      روشهای غیرخطی بررسی میشه ولی NARMAX نه داخل کتاب بحث شده و نه داخل تولباکس متلب وجود داره. مدلهای وینر ، همرشاین، NARX و … بحث میشه.
      فصلهای ۱۸ تا ۲۱ به مدلهای غیرخطی پرداخته.
      برای اطلاعات بیشتر به فهرست کتاب مراجعه کنید

  7. سلام با تشکر از استاد جوادی بخاطر آموزش های عالی که می دن. امیدوارم این مجموعه آموزشی هر چه سریعتر آماده بشه. فقظ از استاد جوادی تقاضا دارم آموزش ها را به صورت فصل به فصل در سایت آپلود کنن (نه بصورت چند فصل چند فصل) تا امکان یادگیری مرحله به مرحله توسط دانشجویان فراهم بشه. باز هم از استاد جوادی تشکر می کنم.

    1. @رضا,
      با سلام و تشکر از لطف شما
      دقیقا هدفم اینه که فصل به فصل جلو برم. ایشالا تا آخر هفته فصل بعدی اضافه میشه. امیدوارم بتونم پیوستگی رو حفظ کنم و هر ده روز یا دو هفته یکبار یه فصل اضافه کنم.
      لطفا لفظ استاد برای من استفاده نکتید چون شما هم میدونید که قطعا من در حد استاد نیستم ولی لفظ رایجی شده که به همه اطلاق میشه.
      موفق باشید

یک پاسخ بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *