Scribd
Importer
16 vues3 pages

All All y U T 'B' 'R' 'Temps (X) ' 'Commande en % Température en °C' 'Trajectoire Entrée/sortie ' 'Signal de Commande U' 'Signal de Sortie Y'

Le document présente un code MATLAB pour l'estimation de paramètres d'un système dynamique à l'aide de la méthode MCNR. Il inclut des visualisations des signaux d'entrée et de sortie, ainsi que des évolutions des paramètres estimés et de l'erreur de prédiction. Les résultats montrent une convergence vers des paramètres différents de ceux souhaités, indiquant une erreur de modélisation.

Transféré par

Nidhaal Lazreg
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
16 vues3 pages

All All y U T 'B' 'R' 'Temps (X) ' 'Commande en % Température en °C' 'Trajectoire Entrée/sortie ' 'Signal de Commande U' 'Signal de Sortie Y'

Le document présente un code MATLAB pour l'estimation de paramètres d'un système dynamique à l'aide de la méthode MCNR. Il inclut des visualisations des signaux d'entrée et de sortie, ainsi que des évolutions des paramètres estimés et de l'erreur de prédiction. Les résultats montrent une convergence vers des paramètres différents de ceux souhaités, indiquant une erreur de modélisation.

Transféré par

Nidhaal Lazreg
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

TP3

MC_NR

clc; clear all ;close all ;


load y
load u
load t
figure(1);
plot(t,u,'b',t,y,'r');grid ;
xlabel('temps(x)');ylabel('commande en % température en °C');
title('trajectoire entrée/sortie ');
legend('signal de commande u','signal de sortie y');
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
theta_e = mcnr_exp( u,y )

mcnr_exp

function [ theta_e] = mcnr_exp( u,y )


% constrution de la matrice d'observation hn
for k=2:length(u)
hn(k,:)=[-y(k-1) u(k-1)];
end
% algorithnme mcnr
theta_e=inv(hn'*hn)*hn'*y;
MC-R

clc;clear all;close all;


load y
load u
load t
figure(1);
plot(t,u,'b',t,y,'r');
grid; xlabel('temps(s)');
ylabel('commande en % température en C');
title('trajectoire entrée/sortie');
theta_e=[0 0]'; p=1000*eye(size(theta_e,1));
y_e(1)=y(1);theta_i=theta_e;p0=p;
% esttimation de parametres
[theta_e,theta_ef,e,trp,y_e]=mcr_exp(u,y,theta_e,p,y_e);
%visualisation

theta_ef(:,1)=theta_i;trp(1)=trace(p0);
figure(3);plot(theta_ef(1,:),'b');
hold on
plot(theta_ef(2,:),'r');
grid;xlabel('Iteration');legend('a_e','b_e');title('Evolutions des parametres
estimes');
figure(4);plot(e);grid;xlabel('Iterations');title('Evolution de l"erreur de
preduction');
figure(5);plot(trp);grid;xlabel('');title('Evolution de la trace de la matrice du gain
de correction');
figure(6);plot(y,'b');
hold on;

plot(y_e,'g');grid;xlabel('');legend('umes bruitée','umes non bruitée','umes


estime');title('Evolution sortie bruitée , sortie no bruitée et sortie estime');

mcr_exp

function [theta_e,theta_ef,e,trp,y_e]=mcr(u,y,theta_e,p,y_e)
for k=2:length(u)
H=[-y(k-1) u(k-1)];%matrice d'observation
p=p-(p*H'*H*p)/(1+(H*p*H')); %mise a jour du gain d'adaptation
theta_e = theta_e+ (p*H'*(y(k)-H*theta_e)); % MISE A JOUR DES PARAMETRES ESTIMES
theta_ef(:,k) = theta_e; %evolution des parametres estimes
e(k-1)= y(k)-H*theta_e ; %EVOLUTION D'ERREUR estimee
trp(k) = trace(p) ;
y_e(k) = -theta_e(1)*y_e(k-1) + theta_e(2) * u(k-1) ;
end
end
Figure1 : comportement second au moins : point d’inflexion

Décalage entre la sortie reelle et la sortie estimée : erreur de modelisation(point d’inflexion


+ tangente horizontale à l’origine)

Figure3 : aucune perte d’identification

Figure4 :

Figure5 :

Figure6 :convrgence assurée mais vers theta totalement diff de thata desiré

Donc erreur de modelisation

Vous aimerez peut-être aussi