Chọn tín hiệu ổ đĩa để nhận dạng hệ thống?


8

(Tôi chỉ tìm hiểu một chút về nhận dạng hệ thống nên xin lỗi trước nếu câu hỏi này được nói sai)

Làm thế nào để bạn đi về việc chọn tín hiệu ổ đĩa để nhận dạng hệ thống? Tôi đã thấy các tín hiệu PRBS được sử dụng nhưng có vẻ như nó sẽ hoạt động tốt với các tần số xung quanh tốc độ chip nhưng tần số không thực sự thấp; Tôi cũng đã thấy quét tần số.

Nếu tôi có hệ thống SISO mà tôi biết gần với hệ thống tuyến tính bậc 2 với các cực trong một phạm vi nhất định và tôi có thể lái nó với tín hiệu tùy ý lên đến một biên độ A trong khoảng thời gian T, tôi sẽ chọn như thế nào một tín hiệu sẽ cho tôi phản hồi tốt nhất để xác định độ chính xác của chức năng chuyển?

Tôi đã thử googling cho "tín hiệu ổ đĩa nhận dạng hệ thống" nhưng tôi không thấy bất cứ điều gì liên quan đến câu hỏi của tôi.


chỉnh sửa: một loại hệ thống SISO cụ thể mà tôi đã xử lý là hệ thống (đầu vào = tản điện, đầu ra = nhiệt độ) cho hành vi nhiệt bán dẫn điện và có vẻ rất khó để mô hình vì thường có cực chi phối ở tần số rất thấp ( <1Hz) và tín hiệu tiếp theo có thể cao hơn 100 lần, do đó, bất kỳ tín hiệu ổ đĩa tần số cao nào cũng bị suy giảm rất nhiều.

Câu trả lời:


3

Đối với các hệ thống tuyến tính, bạn hoàn toàn có thể mô tả chức năng truyền bằng cách sử dụng đáp ứng tần số của nó, vì vậy quét tần số sẽ là một lựa chọn khả thi. Tuy nhiên, bạn sẽ cần đảm bảo rằng ở mỗi tần số kiểm tra, bạn sẽ cho phép thời gian để phản ứng nhất thời của hệ thống bị tắt trước khi đo đáp ứng biên độ / pha ở trạng thái ổn định.


3

Nếu bằng cách xác định hệ thống, bạn có nghĩa là xác định đáp ứng xung của mô hình tuyến tính hóa của hệ thống thực tế của bạn, thì tín hiệu chuỗi nhị phân giả ngẫu nhiên (PRBS) là một cách tốt để đi. Với tốc độ sứt mẻ và chip trong mỗi giai đoạn của PRBS, tín hiệu PRBS có chu kỳ giây và điều quan trọng là chọn và để khoảng thời gian của tín hiệu PRBS dài hơn một chút so với tín hiệu PRBS bạn tin là thời gian đáp ứng xung. Sau đó, hàm tương quan chéo định kỳ (hoặc tuần hoàn hoặc tuần hoàn) của tín hiệu đầu vào định kỳ và tín hiệu đầu ra định kỳ được tính trong một khoảng thời gian chính xác bằng với đáp ứng của N N T N T N T ± A A A N T - A T NT1NNTNTmô hình tuyến tính hóa đến chức năng tự tương quan định kỳ của tín hiệu PRBS về cơ bản là một "tàu xung" định kỳ với một "xung" mỗi giây. Tất nhiên, đó không phải là một xung lực thực sự, nhưng nếu tín hiệu PRBS có các mức trong đó nhất thiết phải được chọn nhỏ để không khiến hệ thống rơi vào trạng thái phi tuyến, "xung" có giá trị cực đại (và sàn hoặc giá trị ngoài đỉnh ). Vì vậy, bạn có hiệu quả có một khoản mục "Lãi chế biến" của . Nếu "đáp ứng xung" chết trước "xung lực" tiếp theo, thì mối tương quan chéo đó về cơ bản là đáp ứng xung hoặc một cái gì đó đủ gần với nó cho mục đích gummint.NT±AAANTATN

Khi bạn đã tính toán đáp ứng xung, bạn có thể nhận được hàm truyền từ phản hồi xung.

Nhiều tiếng chuông và tiếng huýt sáo hơn: nếu bạn bổ sung các chip thay thế của PRBS để có được chuỗi chip giai đoạn , chức năng tự tương quan lại là một "chuỗi xung" định kỳ của hai lần trong khoảng thời gian, nhưng các xung vẫn xảy ra mỗi giây với các dấu hiệu thay thế. Điều này cho phép thử nghiệm hệ thống với cả xung dương và âm do hệ thống phi tuyến thực tế được mô hình hóa có thể không hoàn toàn tuyến tính quanh điểm vận hành và mức tăng cho tín hiệu tích cực có thể hơi khác so với tín hiệu âm.N T2NNT


Vì vậy, khá rõ ràng từ câu trả lời của bạn rằng bạn muốn làm cho N lớn. Nhưng làm thế nào để bạn chọn T? Ý tôi là tốc độ chip 1 MHz trên một hệ thống có cực ở tốc độ 1-100Hz có vẻ như là một ý tưởng tồi.
Jason S

Phản ứng của hệ thống của bạn là gì đối với chuỗi xung 1 MHz? Các "xung" trong ý tưởng PRBS rộng ở gốc và cao , và do đó phải đủ nhỏ để nó trông đủ hợp lý như một xung cho hệ thống tương đối chậm hơn, trong khi phải đủ lớn để tăng vọt. A N T T N2TANTTN
Dilip Sarwate

đáp ứng của các xung 1 MHz sẽ giảm dần trong tầng nhiễu mà tôi không bao giờ có thể cảm nhận được chúng.
Jason S

1
@JasonS Không phải là phản ứng của hệ thống với đầu vào là mối quan tâm trực tiếp mà là mối tương quan chéo giữa đầu vào và đầu ra phải được tính toán trong thời gian dài. Vì vậy, ngay cả khi tín hiệu đầu ra bị chôn vùi trong bùn như bạn gọi, thì cũng không thành vấn đề: thời gian tích hợp / tổng kết dài đó sẽ khiến tất cả các thành phần tín hiệu thêm mạch lạc và nhiễu thêm vào. Hãy nghĩ về phổ tần nơi tín hiệu bị chôn vùi trong nhiễu (hữu ích cho giao tiếp bí mật) và mức tăng xử lý sẽ kéo tín hiệu ra (tiếp tục)
Dilip Sarwate

1
(tiếp theo) hoặc lý do tại sao người ta tính trung bình các phép đo của một tham số: giá trị trung bình của mẫu có phương sai nhỏ hơn một phép đo / mẫu riêng lẻ vì các tín hiệu thêm vào trong khi phương sai nhiễu thêm vào và do đó độ lệch chuẩn của nhiễu giảm theo hệ số . Hiệu quả tương tự đang giúp ở đây. n
Dilip Sarwate

1

Những suy nghĩ dưới đây được coi là rất không đáng tin cậy: kiến ​​thức về lý thuyết điều khiển của tôi ít ỏi nhất!

Chà, nếu hệ thống không nhạy cảm với đầu vào thử nghiệm của bạn khoảng 100Hz thì nó có nhạy cảm với các tín hiệu điều khiển tần số đó khi hoạt động bình thường không? Nếu không - mô hình nó như là một hệ thống đặt hàng đầu tiên.

Làm cách nào để chọn tín hiệu cho tôi phản hồi tốt nhất để xác định độ chính xác của chức năng chuyển?

Họ sử dụng các xung, bước, sine - Tôi không biết mức độ chính xác của nó là bao nhiêu, mặc dù tôi đoán điều đó phụ thuộc vào nút cổ chai trong thí nghiệm của bạn.

Ví dụ , với việc gia nhiệt chip chậm, bạn có thể đo thời gian với độ chính xác tương đối cao, nhưng bạn bị giới hạn bởi ADC khi đo cường độ. Tôi sẽ vượt qua trong phạm vi 100Hz có biên độ cao trong chưa đến một giây (hằng số thời gian chi phối của hệ thống) và xác định mức tăng mô hình bậc nhất (hằng số thời gian đã được xác định là 1/100 giây). Nếu mức tăng nhỏ, tôi sẽ bỏ qua cực này, nếu nó có kích thước đáng kể cho vấn đề trong tay, hãy tìm mô hình thứ hai (như bạn đang làm trong câu hỏi này; P)


0

HTH

H=(y(n)y(n1)y(1)u(n)...u(1)y(n+1)y(n)y(2)u(n+1)u(2)y(L1)y(L2)y(Ln1)u(L1)u(Ln1))

do đó, một chuỗi tốt sẽ là một chuỗi các mẫu không tương thích, ví dụ như một chuỗi nhiễu trắng

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.