Modèles de processus
Les modèles de processus sont populaires lorsqu’il s’agit de décrire la dynamique des systèmes dans de nombreux secteurs. Ils s'appliquent à divers environnements de production. Ces modèles ont pour avantages d’être simples et de prendre en charge l’estimation des retards de transport. En outre, les coefficients du modèle sont faciles à interpréter en tant que pôles et zéros.
Un modèle de processus SISO simple comporte un gain, une constante de temps et un retard de transport.
Dans cet exemple, Kp correspond au gain proportionnel, Tp1 à la constante de temps du pôle réel et Td au retard de transport (temps mort).
Dans System Identification Toolbox™, le modèle idproc
fournit la structure du modèle de processus et peut représenter des modèles de processus comprenant jusqu'à trois pôles et un zéro.
Pour plus d’informations, consultez What Is a Process Model?
Applications
System Identification | Identify models of dynamic systems from measured data |
Tâches du Live Editor
Estimer un modèle de processus | Estimate continuous-time process model for single-input, single-output (SISO) system in either time or frequency domain in the Live Editor |
Fonctions
Rubriques
Principes de base des modèles de processus
- 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.
Estimer des modèles de processus
- Estimate Process Models Using the App
Specify model parameters and estimation options to use for estimating a process model. - Identification de fonctions de transfert d’ordre inférieur (modèles de processus) avec l’application System Identification
Identification de fonctions de transfert à temps continu à partir de données à entrée unique/sortie unique (SISO) avec l’application. - 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.
Définir les options d’un modèle de processus
- 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.