Identification of Dynamic Systems: An Introduction with Applications

مدل‌های دینامیکی دقیق فرآیندها برای بسیاری از کاربردها، از مهندسی کنترل گرفته تا علوم طبیعی و اقتصاد، مورد نیاز است. اغلب، چنین مدل های دقیقی را نمی توان تنها با استفاده از ملاحظات نظری استخراج کرد. بنابراین، آنها باید به صورت تجربی تعیین شوند. این کتاب به تعیین مدل‌های پویا بر اساس اندازه‌گیری‌های انجام‌شده در فرآیند می‌پردازد که به عنوان شناسایی سیستم یا شناسایی فرآیند شناخته می‌شود. هر دو روش آفلاین و آنلاین ارائه شده‌اند، یعنی روش‌هایی که داده‌های اندازه‌گیری شده را پس از پردازش پردازش می‌کنند و همچنین روش‌هایی که مدل‌هایی را در طول اندازه‌گیری ارائه می‌کنند. این کتاب تئوری گرا و کاربردی است و اکثر روش های پوشش داده شده با موفقیت در کاربردهای عملی برای بسیاری از فرآیندهای مختلف استفاده شده است. نمونه های گویا در این کتاب با داده های واقعی اندازه گیری شده از محرک های هیدرولیک و الکتریکی، ماشین ابزار، روبات های صنعتی، پمپ ها، وسایل نقلیه گرفته تا موتورهای احتراقی را شامل می شود. داده های تجربی واقعی نیز در صفحه وب Springer ارائه شده است و به خوانندگان این امکان را می دهد تا اولین تجربه خود را با روش های ارائه شده در این کتاب جمع آوری کنند.

از جمله موارد دیگر، این کتاب موضوعات زیر را پوشش می دهد: تعیین پاسخ فرکانسی ناپارامتریک، (سریع) تبدیل فوریه، تحلیل همبستگی، تخمین پارامتر با تمرکز بر روش حداقل مربعات و اصلاحات، شناسایی فرآیندهای متغیر زمانی، شناسایی در حلقه بسته، شناسایی فرآیندهای زمانی پیوسته و روش‌های زیرفضا. برخی از روش‌ها برای شناسایی سیستم غیرخطی نیز در نظر گرفته شده‌اند، مانند فیلتر کالمن گسترده و شبکه‌های عصبی. روش‌های مختلف با استفاده از یک فرآیند نوسان‌گر سه جرمی واقعی، مدلی از قطار محرکه مقایسه می‌شوند. برای بسیاری از روش های شناسایی، نکاتی برای پیاده سازی و کاربرد عملی ارائه شده است. این کتاب برای پاسخگویی به نیازهای دانشجویان و مهندسان شاغل در تحقیق و توسعه، طراحی و ساخت در نظر گرفته شده است.

Precise dynamic models of processes are required for many applications, ranging from control engineering to the natural sciences and economics. Frequently, such precise models cannot be derived using theoretical considerations alone. Therefore, they must be determined experimentally. This book treats the determination of dynamic models based on measurements taken at the process, which is known as system identification or process identification. Both offline and online methods are presented, i.e. methods that post-process the measured data as well as methods that provide models during the measurement. The book is theory-oriented and application-oriented and most methods covered have been used successfully in practical applications for many different processes. Illustrative examples in this book with real measured data range from hydraulic and electric actuators, machine tools, industrial robots, pumps, vehicles to combustion engines. Real experimental data is also provided on the Springer webpage, allowing readers to gather their first experience with the methods presented in this book.

Among others, the book covers the following subjects: determination of the nonparametric frequency response, (fast) Fourier transform, correlation analysis, parameter estimation with a focus on the method of Least Squares and modifications, identification of time-variant processes, identification in closed-loop, identification of continuous time processes, and subspace methods. Some methods for nonlinear system identification are also considered, such as the Extended Kalman filter and neural networks. The different methods are compared by using a real three-mass oscillator process, a model of a drive train. For many identification methods, hints for the practical implementation and application are provided. The book is intended to meet the needs of students and practicing engineers working in research and development, design and manufacturing.