プロセスモデル

静的ゲイン、時定数、入出力遅延をもつ低次伝達関数モデル

プロセスモデルは、多くの産業でシステムダイナミクスを記述するためによく使用されており、さまざまな量産環境に適用されます。このモデルの利点は、シンプルであること、伝達遅延の推定をサポートすること、モデル係数が極と零点としての容易な解釈をもつことです。

シンプルな SISO プロセスモデルには、ゲイン、時定数、および伝達遅延があります。

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

ここで、K_p は比例ゲイン、T_p₁ は実極の時定数、T_d は伝達遅延 (むだ時間) です。

System Identification Toolbox™ では、idproc モデルによってプロセスモデル構造が提供され、最大 3 つの極と 1 つの零点をもつプロセスモデルを表現できます。

詳細については、What Is a Process Model?を参照してください。

アプリ

測定データからの動的システムのモデルの同定

Estimate continuous-time process model for single-input, single-output (SISO) system in either time or frequency domain in the Live Editor

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

`pem`	線形および非線形のモデルを改良するための予測誤差の最小化
`idpar`	Create parameter for initial states and input level estimation
`delayest`	データからの時間遅延 (むだ時間) の推定
`init`	Set or randomize initial parameter values

`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

procestOptions Options set for procest

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.

Estimate Process Models Using the App
Specify model parameters and estimation options to use for estimating a process model.
Identify Low-Order Transfer Functions (Process Models) Using System Identification App
Identify continuous-time transfer functions from single-input/single-output (SISO) data using the 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.

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.