Continuous time model identification using sinusoidal response
Notice bibliographique
Résumé
System identification is an interface that unites the mathematical world of control theory and practical applications of control; as such its significance is omnipresent. Identification techniques involve differential equations where the coefficients are closely related to the physical parameters in the system; continuous time models have greater appeal than its discrete-time counterpart in understanding these interpretations. In this study, we have considered sinusoidal input for identification purpose as it has been discussed in the context of designing optimal input and also because it facilitates to excite processes with particular frequencies of interest. The primary objective of this work focuses on process parameter estimation. At first, integer order model is studied due to its simplicity, as order estimation is not necessary and thus the structure of the model. In addition, a comparison between different identification methods for better parameter estimates is performed on integer order model. Following on, fractional order model is taken into consideration with known and unknown order estimates. When solving for unknown model order, more emphasis is given on the logarithmic derivative term. According to literature, the unknown model order is estimated numerically whereas we provide an analytical expression of logarithmic derivative of sinusoidal inputs considering deterministic approach. For integer order model, although satisfactory results were achieved in terms of parameter estimates for different approaches varying different input constraints, it was evident that the performances varied with data length, and more importantly with the frequency of the input signal. The developed methodology for fractional order model identification with known model order lead fairly accurate estimates of the process parameters and when extended for unknown model order, exhibited highly satisfactory results as well but with higher computational time. The main challenge of this study was optimizing process parameters based on convergence; this issue was studied in simulation and corresponding numerical results for diverse noise levels met our expectations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».