System Identification: An Introduction

شناسایی سیستم: مقدمه به خواننده (دانش‌آموز) نشان می‌دهد که چگونه به روشی سیستماتیک به مشکل شناسایی سیستم نزدیک شود. اساساً، شناسایی سیستم یک هنر مدل‌سازی است، جایی که با توجه به دانش قبلی سیستم، داده‌های پر سر و صدا و هدف نهایی مدل‌سازی، باید انتخاب‌های مناسبی در رابطه با سطح تقریب انجام شود. فرآیند شناسایی سیستم اساساً به سه مرحله تقسیم می شود: طراحی آزمایشی و جمع آوری داده ها. انتخاب ساختار مدل و تخمین پارامتر. و اعتبارسنجی مدل که هر کدام موضوع یک یا چند قسمت از متن هستند.

کتاب شامل چهار بخش است که شامل موارد زیر است:

· شناسایی مبتنی بر داده – روش‌های غیر پارامتریک برای استفاده در زمانی که دانش قبلی سیستم بسیار محدود است؛

· زمان -شناسایی ثابت برای سیستم‌های با پارامترهای ثابت؛

· شناسایی سیستم‌های متغیر با زمان، عمدتاً با تکنیک‌های تخمین بازگشتی. و

· روش‌های اعتبارسنجی مدل.

این کتاب اساساً از روش‌های مدل‌سازی نیمه فیزیکی یا جعبه خاکستری استفاده می‌کند، اگرچه توصیف‌های سیستم تابع انتقال مبتنی بر داده نیز معرفی شده‌اند. این رویکرد به جای اینکه کاملاً ریاضی باشد، مبتنی بر مسئله است. استفاده از داده‌های ورودی-خروجی محدود برای شناسایی دامنه فرکانس و زمان در سیستم‌های استاتیک، دینامیک، خطی، غیرخطی، ثابت با زمان و متغیر زمان نشان داده شده است. از مثال‌های ساده برای نشان دادن نحوه انجام و تقلید مراحل شناسایی مربوط به برنامه‌های مختلف مدل، به‌عنوان کنترل، پیش‌بینی و طراحی آزمایشی به خوانندگان استفاده می‌شود، با تصاویر پیچیده‌تر مشتق‌شده از برنامه‌های فیزیکی، شیمیایی و بیولوژیکی واقعی که برای نشان دادن کاربرد عملی استفاده می‌شوند. روش های شرح داده شده تمرین‌های پایان فصل (که راهنمای راه‌حل‌های مربی قابل دانلود برای آن‌ها از www.springer.com/978-0-85729-521-7 موجود است) هم به دانش‌آموزان کمک می‌کند تا آموخته‌های خود را جذب کنند و هم کتاب را برای آنها مناسب کند. خودآموزی توسط پزشکانی که به دنبال یادگیری تکنیک های مدرن هستند.

دانشجویان فارغ التحصیل و سال آخر کارشناسی این متن را یک دوره عملی و واقع بینانه در شناسایی سیستم می دانند که می تواند برای ارزیابی فرآیندهای مورد استفاده قرار گیرد. انواع رشته های مهندسی شناسایی سیستم: مقدمه به مربیان آکادمیک در تدریس دروس مرتبط با کنترل کمک می‌کند تا به دانش‌آموزان خود درک خوبی از روش‌های شناسایی ارائه دهند که می‌توانند در دنیای واقعی بدون محدودیت جزئیات ریاضی بی مورد استفاده شوند.

System Identification: an Introduction shows the (student) reader how to approach the system identification problem in a systematic fashion. Essentially, system identification is an art of modelling, where appropriate choices have to be made concerning the level of approximation, given prior system’s knowledge, noisy data and the final modelling objective. The system identification process is basically divided into three steps: experimental design and data collection; model structure selection and parameter estimation; and model validation, each of which is the subject of one or more parts of the text.

The book contains four parts covering:

· data-based identification – non-parametric methods for use when prior system knowledge is very limited;

· time-invariant identification for systems with constant parameters;

· time-varying systems identification, primarily with recursive estimation techniques; and

· model validation methods.

The book uses essentially semi-physical or grey-box modelling methods although data-based, transfer-function system descriptions are also introduced. The approach is problem-based rather than rigorously mathematical. The use of finite input–output data is demonstrated for frequency- and time-domain identification in static, dynamic, linear, nonlinear, time-invariant and time-varying systems. Simple examples are used to show readers how to perform and emulate the identification steps involved in various model applications, as control, prediction and experimental design, with more complex illustrations derived from real physical, chemical and biological applications being used to demonstrate the practical applicability of the methods described. End-of-chapter exercises (for which a downloadable instructors’ Solutions Manual is available from www.springer.com/978-0-85729-521-7) will both help students to assimilate what they have learnt and make the book suitable for self-tuition by practitioners looking to brush up on modern techniques.

Graduate and final-year undergraduate students will find this text to be a practical and realistic course in system identification that can be used for assessing the processes of a variety of engineering disciplines. System Identification: an Introduction will help academic instructors teaching control-related courses to give their students a good understanding of identification methods that can be used in the real world without the encumbrance of undue mathematical detail.