järjestelmäidentifiointimenetelmiä

Järjestelmäidentifiointimenetelmät viittaavat joukkoon tekniikoita, joita käytetään tuntemattoman dynaamisen järjestelmän matemaattisen mallin rakentamiseen sen syöte- ja tulostiedon perusteella. Tavoitteena on löytää malli, joka kuvaa mahdollisimman tarkasti järjestelmän käyttäytymistä.

Yleisimpiä menetelmiä ovat parametristen ja ei-parametristen mallien tunnistus. Parametriset menetelmät olettavat mallin rakenteen etukäteen, ja tunnistus keskittyy mallin parametrien arviointiin. Esimerkkejä ovat pienimmän neliösumman menetelmä, suurimman uskottavuuden menetelmä ja instrumenttimuuttujamenetelmät. Ei-parametriset menetelmät eivät tee vahvoja oletuksia mallin rakenteesta, vaan malli määritellään datan perusteella. Tällaisia ovat esimerkiksi ydinestimointi ja epälineaariset regressiomenetelmät.

Identifiointiprosessi alkaa yleensä datan keräämisellä, jossa järjestelmälle syötetään tunnettuja signaaleja ja mitataan sen vastetta. Data esikäsitellään, jotta poistetaan kohinaa ja muita häiriöitä. Tämän jälkeen valitaan sopiva malliluokka ja estimointialgoritmi. Mallin sopivuutta arvioidaan usein residuaalianalyysillä ja ennustustarkkuuden mittareilla. Lopuksi tunnistettu malli voidaan validoida uudella datalla tai käyttää järjestelmän analysointiin ja ohjaukseen.

Järjestelmäidentifiointia sovelletaan laajasti eri aloilla, kuten prosessiteollisuudessa, robotiikassa, taloustieteessä ja lääketieteessä, missä tarkkojen matemaattisten mallien rakentaminen on keskeistä.