systeemidentificatie

Systeemidentificatie is een vakgebied binnen wiskundige modellering en regeltechniek dat zich bezighoudt met het bouwen van wiskundige modellen van dynamische systemen uit meetdata van ingang en uitgang. Het doel is om het gedrag van het systeem te verklaren en te voorspellen, en om deze modellen te gebruiken voor ontwerp van regelsystemen, simulatie en prestatieanalyse.

Het identificatieproces omvat meestal het verzamelen en voorbewerken van data (het beperken van ruis en trends), het kiezen van een modelstructuur (lineaire tijdinvariante modellen zoals ARX/ARMAX, state-space of transferfuncties; of niet-lineaire ontwerpen), het schatten van de modelparameters met methoden als least squares, prediction-error methods of maximum likelihood, en ten slotte de validatie van het model via residu-analyse, cross-validatie en simulaties met onafhankelijke data.

Belangrijke concepten zijn identificeerbaarheid en persistente excitatie van het invoersignaal: zonder voldoende variatie in de prikkel kan een model onduidelijk of onbetrouwbaar worden. Er bestaan verschillende identificatiemethoden: tijdsdomeinmethoden (ARX/ARMAX, state-space, PEM), frequentiedomeinmethoden voor transferfuncties, en subspace-methoden (zoals N4SID, MOESP). Voor niet-lineaire systemen zijn niet-lineaire identificatiemethoden beschikbaar (NLARX, Hammerstein-Wiener).

Toepassingen liggen in engineering en wetenschap: procesindustrie, robotica, voertuigen en aerospace. Validatie is cruciaal en omvat residu-analyse, foutmetingen en vergelijking met experimenteel gemeten respons bij verschillende invoercondities.