Main Content

Workflow d’identification de système

L’identification de système est un processus itératif consistant à identifier des modèles avec différentes structures à partir de données et à comparer les performances des modèles. Finalement, il s'agit de choisir le modèle le plus simple décrivant le mieux la dynamique de votre système.

Comme cette toolbox vous permet d’estimer différentes structures de modèle rapidement, il est intéressant d'essayer autant de structures que possible pour voir lesquelles produisent les meilleurs résultats.

Un workflow d’identification de système peut inclure les tâches suivantes :

  1. Traitement des données pour l’identification de système :

    • Importer les données dans l'espace de travail MATLAB®.

    • Représenter ces données dans l’application System Identification ou en tant qu’objet iddata ou idfrd dans l’espace de travail MATLAB.

    • Réaliser des tracés de données pour examiner le comportement dans le domaine temporel et dans le domaine fréquentiel.

      Pour analyser des données afin de découvrir la présence de décalages constants et de tendances, de retard, de rétroaction et de niveaux de stimulation du signal, vous pouvez également utiliser la commande advice.

    • Prétraiter les données en supprimant les décalages et les tendances linéaires, en interpolant les valeurs manquantes, en filtrant les données pour insister sur une plage de fréquences spécifique ou en les rééchantillonnant (interpolation ou décimation) à l’aide de différents pas d’échantillonnage.

  2. Identification de modèles linéaires ou non linéaires :

  3. Validation de modèles.

    Si vous n’obtenez pas de modèle satisfaisant, essayez une structure ou un ordre de modèle différents, ou un autre algorithme d’estimation. Dans certains cas, vous pouvez améliorer les résultats en incluant un modèle de bruit.

    Vous pouvez avoir besoin de prétraiter vos données avant toute estimation ultérieure. Par exemple, s'il y a trop de bruit haute fréquence dans vos données, il est possible que vous vous ayez besoin de filtrer ou de décimer (rééchantillonner) les données avant la modélisation.

  4. Post-traitement de modèles :

  5. Utilisation de modèles identifiés pour :

Pour les applications en ligne, vous pouvez effectuer une estimation en ligne.