La traduzione di questa pagina non è aggiornata. Fai clic qui per vedere l'ultima versione in inglese.

Modelli di processo

Modelli di funzione di trasferimento di ordine basso con guadagno statico, costante di tempo e ritardo di input/di output

I modelli di processo sono molto diffusi per descrivere la dinamica del sistema in molti settori e si applicano a vari ambienti di produzione. I vantaggi di questi modelli sono la semplicità, il supporto per la stima del ritardo di trasporto e la facilità di interpretazione dei coefficienti del modello, come poli e zeri.

Un semplice modello di processo SISO presenta un guadagno, una costante di tempo e un ritardo di trasporto.

$s y s = \frac{K_{p}}{1 + T_{p 1} s} e^{- T_{d} s} .$

In questo caso, K_p è il guadagno proporzionale, T_p₁ è la costante di tempo del polo reale e T_d è il ritardo di trasporto (tempo morto).

In System Identification Toolbox™, il modello idproc fornisce la struttura del modello di processo e può rappresentare modelli di processo con un massimo di tre poli e uno zero.

Per ulteriori informazioni, vedere What Is a Process Model?.

App

System Identification

Identify models of dynamic systems from measured data

Attività di Live Editor

Stima dei modelli di processo

Stimare dei modelli di processo a tempo continuo per un sistema a singolo-input, singolo-output (SISO) nel dominio del tempo o della frequenza nel Live Editor

Funzioni

espandi tutto

Creazione del modello di processo

`idproc`	Continuous-time process model with identifiable parameters
`procest`	Estimate process model using time-domain or frequency-domain data

Inizializzazione del modello e parametri della struttura

`pem`	Prediction error minimization for refining linear and nonlinear models
`idpar`	Create parameter for initial states and input level estimation
`delayest`	Estimate time delay (dead time) from data
`init`	Set or randomize initial parameter values

Estrazione o impostazione dei parametri del modello

`getpvec`	Obtain model parameters and associated uncertainty data
`setpvec`	Modify values of model parameters
`getpar`	Obtain attributes such as values and bounds of linear model parameters
`setpar`	Set attributes such as values and bounds of linear model parameters

Opzioni di stima

procestOptions Options set for procest

Argomenti

Nozioni di base sul modello di processo

What Is a Process Model?
A process model is a simple continuous-time transfer function that describes linear system dynamics in terms of static gain, time constants, and input-output delay.
Data Supported by Process Models
Use regularly sampled time-domain and frequency-domain data, and continuous-time frequency-domain data.

Stima dei modelli di processo

Estimate Process Models Using the App
Specify model parameters and estimation options to use for estimating a process model.
Identificazione delle funzioni di trasferimento di ordine basso (modelli di processo) utilizzando l’app System Identification
Identificare funzioni di trasferimento a tempo continuo da dati a ingresso singolo/uscita singola (SISO) utilizzando l’app.
Estimate Process Models at the Command Line
Estimate first-order process models with fully free parameters and with a combination of fixed and free parameters.
Estimating Multiple-Input, Multi-Output Process Models
Specify whether to estimate the same transfer function for all input-output pairs, or a different transfer function for each pair.

Impostazione delle opzioni del modello di processo

Process Model Structure Specification
Configure the model structure by specifying the number of real or complex poles, and whether to include a zero, delay, and integrator.
Disturbance Model Structure for Process Models
Specify a noise model.
Specifying Initial Conditions for Iterative Estimation Algorithms
Specify how the algorithm treats initial conditions for estimation of model parameters.

Esempi in primo piano

Building and Estimating Process Models Using System Identification Toolbox

Build simple process models using System Identification Toolbox.

Apri script