מושגים בסיסיים

פרק 1

מבוא והקשר

זיהוי מערכות בנוי על שכבות של מושגים מתמטיים. בכל פעם שמופיעה המילה "מערכת" או "פונקציית תמסורת" או "אופרטור השהייה", מסתתרת מאחוריהן ערכיה של תיאוריה שלמה. המטרה של פרק זה היא לבנות את התשתית הזו באופן שיטתי, כך שהקריאה במאמרים על ARX, ARMAX ומודלים מתקדמים יותר תהיה ברורה ושוטפת.

ההתמקדות שלנו תהיה במערכות בזמן בדיד – זוהי הסביבה הטבעית של זיהוי מערכות בעידן הדיגיטלי, מאחר שכל מדידה במחשב היא בהכרח דגימה בנקודות זמן בדידות. נציג את המושגים הליניאריים החשובים, נטפל בקפיצה הקריטית מזמן רציף לזמן בדיד, ונראה איך הכלים הללו מתחברים יחד למסגרת מתמטית קוהרנטית.

הרעיון המרכזי

המושגים הבסיסיים בזיהוי מערכות אינם רק "רקע נוח". הם השפה שבה נכתבים המודלים, מנוסחים האלגוריתמים, ומפורשות התוצאות. שליטה במושגים אלה היא ההבדל בין שימוש מכני בכלים לבין הבנה מעמיקה של מה שקורה תחת מכסה המנוע.

פרק 2

מהי מערכת?

במובן הכללי ביותר, מערכת היא ישות שמקבלת קלט ומפיקה פלט. אך הגדרה זו רחבה מדי לצרכינו. בזיהוי מערכות אנו מתעניינים במערכות בעלות תכונות מתמטיות מוגדרות שמאפשרות תיאור מודלי.

שלושת המרכיבים של מערכת

קלט (Input)

האות שאנחנו שולטים בו ומפעילים על המערכת. מסומן $$u(k)$$ עבור זמן בדיד או $$u(t)$$ עבור זמן רציף.

פלט (Output)

האות שמיוצר על ידי המערכת בתגובה לקלט. מסומן $$y(k)$$ ולעיתים מכיל גם רעש מדידה.

הפרעות ורעש

אותות שאינם בשליטתנו אך משפיעים על הפלט. מסומנים בדרך כלל $$e(k)$$ (רעש) או $$v(k)$$ (הפרעה).

סיווג מערכות לפי תכונות

תכונה	הגדרה	חשיבות בזיהוי
ליניארית / לא ליניארית	האם מתקיים עיקרון העל־הצבה	רוב מודלי הזיהוי הסטנדרטיים מניחים ליניאריות
אינווריאנטית בזמן / משתנה בזמן	האם תכונות המערכת קבועות לאורך הזמן	הנחה בסיסית של ARX, ARMAX וכו'
סיבתית / לא סיבתית	האם הפלט תלוי רק בקלטים מהעבר ולא מהעתיד	כל מערכת פיזיקלית אמיתית היא סיבתית
דטרמיניסטית / סטוכסטית	האם יש רכיב אקראי בפלט	זיהוי מטפל בשני המקרים, אך עם כלים שונים
יציבה / לא יציבה	האם הפלט נשאר חסום עבור קלט חסום	קריטית לכל מודל שימושי
SISO / MIMO	קלט ופלט יחידים או מרובים	קובע את מבנה המודל ואת מורכבות האמידה

הנחת היסוד של זיהוי מערכות קלאסי היא שהמערכת ליניארית, אינווריאנטית בזמן, סיבתית ויציבה (LTI – Linear Time-Invariant). זוהי הנחה חזקה, אך היא נכונה בקירוב טוב עבור מערכות רבות סביב נקודת עבודה מסוימת. במצבים שבהם ההנחה אינה מתקיימת, יש להשתמש בכלים מתקדמים יותר.

פרק 3

אותות בזמן בדיד

בעולם הדיגיטלי, אותות אינם רציפים אלא בדידים: רצפים של ערכים בנקודות זמן מוגדרות. מעבר זה מזמן יתרונות (פשטות חישוב, אחסון בקבצים) ומגבלות (איבוד אינפורמציה, תופעת ה־aliasing).

הגדרה פורמלית

אות בזמן בדיד הוא פונקציה ממספרים שלמים אל הממשיים:

x:\mathbb{Z}\rightarrow\mathbb{R},\qquad k\mapsto x(k)

כאשר $$k$$ הוא אינדקס הדגימה (לא הזמן הפיזיקלי). הקשר לזמן הפיזיקלי הוא דרך זמן הדגימה $$T_s$$ : הדגימה $$x(k)$$ מתאימה לזמן $$t=kT_s$$ .

אותות בסיסיים חשובים

הלם יחידה

$\delta(k)=1$ אם $$k=0$$ , אחרת 0. הבסיס לתגובת הלם של מערכת.

מדרגה

$$u(k)=1$$ עבור $k\geq 0$ , אחרת 0. הקלט הקלאסי לבדיקת מערכת.

מעריך

$x(k)=a^{k}$ . בסיס לפתרון משוואות הפרשים ולהבנת קטבים של המערכת.

סינוס

$x(k)=A\sin(\omega k+\varphi)$ . בסיס לתגובה תדרית ולניתוח Bode.

פעולות בסיסיות על אותות

פעולה	הגדרה	פירוש פיזיקלי
השהייה	$$y(k)=x(k-1)$$	הזחת האות בדגימה אחת אחורה
הקדמה	$$y(k)=x(k+1)$$	הזחת האות בדגימה אחת קדימה (לא סיבתי)
שיקוף	$$y(k)=x(-k)$$	היפוך האות בזמן
קונבולוציה	$y(k)=\sum_{n}x(n)h(k-n)$	תגובת מערכת עם תגובת הלם $$h$$
סכימה	$y(k)=\sum_{n=-\infty}^{k}x(n)$	אינטגרציה בדידה

פרק 4

דגימה וטרנספורם Z

המעבר מזמן רציף לזמן בדיד מתבצע על ידי דגימה: לוקחים את ערך האות הרציף בנקודות זמן מוגדרות ( $$t=kT_s$$ ), ושומרים את הרצף שמתקבל. כדי לא לאבד מידע, יש לציית לחוק נייקוויסט.

חוק נייקוויסט-שאנון

אם האות הרציף מכיל תדרים עד $f_{\max}$ , קצב הדגימה חייב לקיים:

f_{s}=\frac{1}{T_{s}}>2f_{\max}

אם תנאי זה לא מתקיים, מתרחשת תופעת ה־aliasing: תדרים גבוהים "מקופלים" לתחום הנמוך ונראים כתדרים אחרים. בזיהוי מערכות, aliasing הוא הרסני – הוא מעוות את הדינמיקה ויוצר רושם של מבנה שאינו קיים. לכן תמיד יש להפעיל פילטר אנטי־אליאסינג אנלוגי לפני הדגימה.

טרנספורם Z

טרנספורם Z הוא הכלי המרכזי לניתוח מערכות בזמן בדיד, מקביל לטרנספורם לפלאס בזמן רציף. הוא מוגדר עבור רצף $$x(k)$$ כך:

X(z)=\mathcal{Z}\{x(k)\}=\sum_{k=-\infty}^{\infty}x(k)z^{-k}

המשתנה $$z$$ הוא משתנה מרוכב, כלומר $z=re^{j\omega}$ . הטרנספורם הוא כלי אלגברי שמהפך משוואות הפרשים למשוואות אלגבריות פשוטות, ואת האופרציה של קונבולוציה למכפלה.

תכונות חשובות של טרנספורם Z

תכונה	בזמן	בתחום Z
ליניאריות	$$ax(k)+by(k)$$	$$aX(z)+bY(z)$$
השהייה	$$x(k-n)$$	$z^{-n}X(z)$
קונבולוציה	$$x(k)*y(k)$$	$$X(z)Y(z)$$
הכפלה ב־ $$k$$	$$kx(k)$$	$-z\dfrac{dX(z)}{dz}$
משפט הערך ההתחלתי	$$x(0)$$	$\lim_{z\to\infty}X(z)$
משפט הערך הסופי	$\lim_{k\to\infty}x(k)$	$\lim_{z\to 1}(z-1)X(z)$

פרק 5

אופרטור ההשהייה $q^{-1}$

בזיהוי מערכות, נפוץ מאוד להשתמש באופרטור ההשהייה $q^{-1}$ במקום ב־ $z^{-1}$ . למרות שמתמטית הם דומים, יש ביניהם הבדל מושגי חשוב.

הגדרה

אופרטור ההשהייה $q^{-1}$ פועל על אות בזמן ומחזיר את האות מושהה בדגימה אחת:

q^{-1}x(k)=x(k-1) \] \[ q^{-n}x(k)=x(k-n)

באופן דומה, האופרטור $$q$$ מקדים את האות בדגימה אחת: $$qx(k)=x(k+1)$$ . הוא לא סיבתי ולא נשתמש בו ישירות.

ההבדל בין $q^{-1}$ ל־ $z^{-1}$

$q^{-1}$

אופרטור שפועל על אותות בזמן. שפה של משוואות הפרשים. נפוץ בתורת הזיהוי וההסקה הסטטיסטית.

$z^{-1}$

משתנה מרוכב בתחום Z. שפה של פונקציות תמסורת ופונקציות מורכבות. נפוץ בתורת הבקרה.

השקילות

במשוואות אלגבריות הם זהים. ניתן לעבור ביניהם באופן חופשי, ובמרבית הטקסטים הם מתחלפים זה בזה.

שימוש לפולינומי $$A$$ ו־ $$B$$

באמצעות אופרטור ההשהייה, ניתן לכתוב פולינומים שפועלים על אותות:

A(q^{-1})=1+a_{1}q^{-1}+a_{2}q^{-2}+\cdots+a_{n_{a}}q^{-n_{a}} \] \[ B(q^{-1})=b_{1}q^{-1}+b_{2}q^{-2}+\cdots+b_{n_{b}}q^{-n_{b}}

כאשר מפעילים את הפולינום $A(q^{-1})$ על אות $$y(k)$$ , מקבלים צירוף ליניארי של ערכי האות הקודמים. זוהי השפה הטבעית של מודלי ARX, ARMAX ושאר המודלים הפרמטריים.

דוגמה

עבור $A(q^{-1})=1-0.8q^{-1}+0.2q^{-2}$ , הפעולה $A(q^{-1})y(k)$ נותנת: $$y(k)-0.8y(k-1)+0.2y(k-2)$$ . זוהי בדיוק המשוואה האוטו־רגרסיבית מסדר שני.

פרק 6

משוואת הפרשים

משוואת הפרשים היא הצורה הבסיסית של תיאור מערכת ליניארית בזמן בדיד. היא קושרת את הפלט הנוכחי עם פלטים קודמים וקלטים קודמים.

הצורה הכללית

משוואת הפרשים ליניארית מסדר $$n$$ נראית כך:

y(k)+a_{1}y(k-1)+\cdots+a_{n}y(k-n)=b_{0}u(k)+b_{1}u(k-1)+\cdots+b_{m}u(k-m)

סדר המערכת הוא $$n$$ , מספר ערכי הפלט הקודמים שמשפיעים על הפלט הנוכחי. במונחי אופרטור ההשהייה, ניתן לכתוב באופן קומפקטי:

A(q^{-1})y(k)=B(q^{-1})u(k)

פתרון משוואת הפרשים

הפתרון של משוואת הפרשים מורכב משני חלקים:

פתרון הומוגני

תלוי רק בתנאי ההתחלה ובמשוואה ההומוגנית ( $A(q^{-1})y=0$ ). מתואר על ידי שורשי הפולינום $$A$$ .

פתרון פרטי

תלוי בקלט. מתאר את התגובה האסימפטוטית של המערכת לקלט מסוים (למשל, סינוס או מדרגה).

הפתרון הכללי

סכום של פתרון הומוגני ופתרון פרטי. המערכת מתחילה בהשפעת התנאים ההתחלתיים ומתכנסת לתגובה הקבועה לקלט.

דוגמה: מערכת מסדר ראשון

המשוואה $$y(k)-0.9y(k-1)=0.1u(k-1)$$ מתארת מערכת מסדר ראשון עם זיכרון של 90% מהפלט הקודם. עבור קלט מדרגה ( $$u(k)=1$$ ), הפלט יתכנס בהדרגה לערך 1, עם קבוע זמן שתלוי בערך 0.9.

פרק 7

פונקציית תמסורת דיסקרטית

פונקציית התמסורת היא הצורה האלגברית של תיאור מערכת ליניארית. היא מייצגת את היחס בין טרנספורם Z של הפלט לבין טרנספורם Z של הקלט, בהנחה של תנאי התחלה אפסיים.

הגדרה

עבור משוואת הפרשים $A(q^{-1})y(k)=B(q^{-1})u(k)$ , פונקציית התמסורת היא:

G(z)=\frac{Y(z)}{U(z)}=\frac{B(z^{-1})}{A(z^{-1})}=\frac{b_{0}+b_{1}z^{-1}+\cdots+b_{m}z^{-m}}{1+a_{1}z^{-1}+\cdots+a_{n}z^{-n}}

ניתן לכתוב את פונקציית התמסורת גם בצורה של פולינומים בחזקות חיוביות של $$z$$ , על ידי הכפלת המונה והמכנה ב־ $z^{n}$ :

G(z)=\frac{b_{0}z^{n}+b_{1}z^{n-1}+\cdots+b_{m}z^{n-m}}{z^{n}+a_{1}z^{n-1}+\cdots+a_{n}}

למה פונקציית תמסורת חשובה?

אלגברה במקום אנליזה

קונבולוציה הופכת למכפלה. חיבור מערכות במקביל הוא חיבור פונקציות, חיבור בטור הוא מכפלה. זהו כלי מתמטי עוצמתי.

קטבים ואפסים

שורשי $$A(z)$$ הם הקטבים, שורשי $$B(z)$$ הם האפסים. הם קובעים את אופי התגובה של המערכת.

תגובה תדרית מיידית

החלפת $z=e^{j\omega}$ נותנת את התגובה התדרית של המערכת – הבסיס לדיאגרמת בודה.

שימו לב

פונקציית התמסורת מתארת רק את ההתנהגות הקלט־פלט במצב יציב (Steady State). היא לא לוכדת תנאי התחלה לא־אפסיים. עבור תיאור מלא, כולל מצב פנימי, נדרש מודל מצב (State Space).

פרק 8

קטבים, אפסים ויציבות

הקטבים והאפסים של פונקציית התמסורת הם המאפיינים הבסיסיים ביותר של מערכת. מהם ניתן ללמוד הכל על דינמיקת המערכת – יציבות, מהירות תגובה, נטייה להתנודדות, ועוד.

הגדרות

קטבים

שורשי הפולינום במכנה $$A(z)=0$$ . הם הערכים של $$z$$ שעבורם פונקציית התמסורת מתבדרת לאינסוף.

אפסים

שורשי הפולינום במונה $$B(z)=0$$ . הם הערכים של $$z$$ שעבורם פונקציית התמסורת מתאפסת.

מעגל היחידה

קבוצת הנקודות $$|z|=1$$ במישור המרוכב. תפקידו בזמן בדיד דומה לציר הדמיוני בזמן רציף.

יציבות במישור Z

\text{המערכת יציבה} \iff |p_{i}|<1 \text{ עבור כל הקטבים } p_{i}

כלל היציבות בזמן בדיד פשוט: כל הקטבים חייבים להיות בתוך מעגל היחידה. אם יש אפילו קוטב אחד מחוץ למעגל, או על מעגל היחידה (במקרים מסוימים), המערכת לא יציבה.

קשר בין מיקום קטבים להתנהגות

מיקום הקוטב	סוג ההתנהגות	תיאור
בתוך מעגל היחידה, ציר ממשי חיובי	דעיכה אקספוננציאלית	מערכת מסדר ראשון יציבה ללא תנודות
בתוך מעגל היחידה, ציר ממשי שלילי	דעיכה עם החלפת סימן	מערכת מתנודדת מהר ודועכת
בתוך מעגל היחידה, מרוכב	דעיכה עם תנודה	מערכת מסדר שני עם דעיכה אוסילטורית
על מעגל היחידה	תנודה ללא דעיכה	מערכת על גבול היציבות
מחוץ למעגל היחידה	גידול אקספוננציאלי	מערכת לא יציבה

דוגמה: השפעת מיקום הקוטב

מערכת עם קוטב ב־ $$z=0.9$$ דועכת לאט יחסית (90% מהערך הקודם נשמר). מערכת עם קוטב ב־ $$z=0.5$$ דועכת במהירות (רק 50% נשמר). קוטב ב־ $$z=1.1$$ מצביע על מערכת מתבדרת – הפלט גדל ב־10% בכל דגימה.

פרק 9

תגובת הלם ותגובת מדרגה

שתי תגובות בסיסיות מאפיינות מערכת באופן כמעט מלא: תגובת הלם ותגובת מדרגה. שתיהן ניתנות למדידה ניסיונית פשוטה, ושתיהן חושפות את המאפיינים העיקריים של המערכת.

תגובת הלם $$h(k)$$

הפלט של המערכת כאשר הקלט הוא הלם יחידה $\delta(k)$ . תגובת ההלם מאפיינת את המערכת באופן מלא בזכות המשפט הבא:

y(k)=\sum_{n=0}^{\infty}h(n)u(k-n)

זוהי הנוסחה של קונבולוציה. כל מערכת LTI ניתן לתאר באופן מלא באמצעות תגובת ההלם שלה. אם ידועה $$h(k)$$ , ידוע הכל.

תגובת מדרגה $$s(k)$$

הפלט של המערכת כאשר הקלט הוא מדרגה. הקשר לתגובת ההלם הוא:

s(k)=\sum_{n=0}^{k}h(n)

תגובת המדרגה היא הסכום המצטבר של תגובת ההלם. בפועל, זוהי התגובה הקלה ביותר למדידה במעבדה: רק מפעילים שינוי קבוע בקלט וצופים בפלט.

מאפיינים שניתן לחלץ מתגובת מדרגה

גבר במצב יציב

הערך הסופי של תגובת המדרגה. נותן את היחס בין הקלט לפלט במצב יציב.

קבוע זמן

הזמן עד שהפלט מגיע ל־63% מערכו הסופי. מתאר את מהירות התגובה.

זמן עלייה

הזמן מ־10% ל־90% מהערך הסופי. מאפיין נוסף של מהירות.

חריגה (Overshoot)

עד כמה הפלט עובר את הערך הסופי לפני התייצבות. מאפיין מערכות עם דעיכה אוסילטורית.

השהיה

הזמן בין הפעלת הקלט לבין תחילת תגובת הפלט. בזיהוי זוהי $n_{k}$ .

זמן התייצבות

הזמן עד שהפלט נשאר בתוך טווח של ±2% או ±5% מהערך הסופי.

פרק 10

תגובה תדרית

התגובה התדרית מתארת איך המערכת מגיבה לסינוסים בתדרים שונים. זהו כלי עוצמתי לניתוח מערכות ולעיצוב בקרים.

הגדרה

התגובה התדרית של מערכת בזמן בדיד מתקבלת על ידי החלפת $z=e^{j\omega T_{s}}$ בפונקציית התמסורת:

G(e^{j\omega T_{s}})=\frac{B(e^{-j\omega T_{s}})}{A(e^{-j\omega T_{s}})}

התוצאה היא פונקציה מרוכבת של התדר $\omega$ . ניתן לרשום אותה במונחי גודל ופאזה:

G(e^{j\omega T_{s}})=|G(e^{j\omega T_{s}})|e^{j\angle G(e^{j\omega T_{s}})}

פירוש פיזיקלי

אם הקלט הוא סינוס $u(k)=A\sin(\omega kT_{s})$ , הפלט במצב יציב הוא:

y(k)=A|G(e^{j\omega T_{s}})|\sin(\omega kT_{s}+\angle G(e^{j\omega T_{s}}))

כלומר, גודל המערכת $$|G|$$ מכפיל את משרעת הסינוס, והפאזה $\angle G$ מזיזה אותו בזמן. זוהי תכונה מרכזית של מערכות LTI: סינוס נכנס – סינוס יוצא, רק עם משרעת ופאזה שונים.

דיאגרמת בודה

הצורה הנפוצה להציג את התגובה התדרית. שני גרפים: גודל בדציבלים ( $20\log_{10}|G|$ ) כפונקציה של התדר, ופאזה במעלות. שני הגרפים בסקאלה לוגריתמית של תדר. דיאגרמת בודה חושפת ביעילות תכונות חשובות: רוחב פס, תדר חתך, עמידה ברעש בתדרים גבוהים, ועוד.

תכונה מיוחדת לזמן בדיד

התגובה התדרית בזמן בדיד היא מחזורית עם מחזור $\omega_{s}=2\pi/T_{s}$ . כלומר, התדרים שמעל $\omega_{s}/2$ (תדר נייקוויסט) חוזרים לתדרים נמוכים. זוהי הסיבה שיש להפעיל פילטר אנטי־אליאסינג לפני הדגימה.

פרק 11

ליניאריות ואינווריאנטיות בזמן

שתי התכונות הבסיסיות של מערכות LTI הן ליניאריות ואינווריאנטיות בזמן. שתיהן יחד יוצרות מסגרת מתמטית עוצמתית במיוחד שמאפשרת את כל הניתוחים שראינו.

עיקרון העל־הצבה (Superposition)

מערכת היא ליניארית אם היא מקיימת את עיקרון העל־הצבה:

T\{a_{1}u_{1}(k)+a_{2}u_{2}(k)\}=a_{1}T\{u_{1}(k)\}+a_{2}T\{u_{2}(k)\}

כלומר, התגובה לסכום קלטים שווה לסכום התגובות. זה מאפשר לפרק קלטים מורכבים לרכיבים פשוטים (סינוסים, הלמים) ולחבר את התגובות שלהם. זהו המפתח לכל הניתוח הקלאסי של מערכות.

אינווריאנטיות בזמן

מערכת היא אינווריאנטית בזמן אם הזחה של הקלט בזמן גורמת להזחה זהה של הפלט:

\text{אם }T\{u(k)\}=y(k),\,\,\text{אז }T\{u(k-n)\}=y(k-n)

באופן אינטואיטיבי, התכונה הזו אומרת שהמערכת לא משתנה לאורך הזמן – ניסוי שנעשה היום יתן בדיוק את אותה תוצאה כמו ניסוי שיעשה מחר. זוהי הנחה חזקה אך הגיונית עבור רוב המערכות הפיזיקליות בטווח זמן סביר.

אי־ליניאריות בעולם האמיתי

רוב המערכות האמיתיות אינן ליניאריות לחלוטין. תופעות נפוצות של אי־ליניאריות:

רוויה (Saturation) – הפלט מוגבל בקצוות
אזור מת (Dead Zone) – אין תגובה לקלטים קטנים
היסטרזיס – הפלט תלוי בכיוון השינוי בקלט
חיכוך – שינוי כיוון מצריך אנרגיה נוספת

למרות זאת, רוב המערכות האמיתיות הן ליניאריות בקירוב טוב סביב נקודת עבודה מסוימת. זוהי הסיבה שמודלים ליניאריים שימושיים גם במערכות לא ליניאריות פיזיקלית – אם אנחנו לא מתרחקים יותר מדי מנקודת העבודה.

פרק 12

יציבות במובן BIBO

יציבות היא תכונה הכרחית לכל מודל שימושי. מערכת לא יציבה אינה ניתנת לשליטה בלולאה פתוחה ופלטיה גדלים ללא גבול. הגדרת היציבות הנפוצה ביותר בזיהוי מערכות היא BIBO.

הגדרת BIBO

מערכת היא יציבה במובן BIBO (Bounded-Input Bounded-Output) אם לכל קלט חסום, הפלט גם הוא חסום:

|u(k)|\leq M_{u}<\infty\Rightarrow|y(k)|\leq M_{y}<\infty

קריטריונים מעשיים ליציבות

קריטריון תגובת ההלם

מערכת BIBO יציבה אם ורק אם תגובת ההלם שלה מסכמת באופן מוחלט: $\sum_{k=0}^{\infty}|h(k)|<\infty$ .

קריטריון הקטבים

מערכת ליניארית BIBO יציבה אם ורק אם כל הקטבים שלה בתוך מעגל היחידה: $|p_{i}|<1$ .

קריטריון Jury

קריטריון אלגברי שבודק יציבות מבלי לחשב במפורש את הקטבים. שימושי בעיקר במערכות מסדר גבוה.

סוגי יציבות בזיהוי מערכות

סוג יציבות	הגדרה	חשיבות
יציבות BIBO	קלט חסום מוביל לפלט חסום	תנאי בסיסי לכל מודל שימושי
יציבות אסימפטוטית	הפלט מתכנס לערך סופי עבור קלט מתאים	חשובה במצב יציב
יציבות פנימית	כל המצבים הפנימיים חסומים	חשובה במודלי State Space
הפיכות (במודלים סטוכסטיים)	השורשים של פולינום הרעש בתוך מעגל היחידה	חשובה ב־ARMAX – הפיכות של $$C$$

פרק 13

רעש ותהליכים סטוכסטיים

בזיהוי מערכות, הרעש אינו רק "הפרעה" – הוא מרכיב בלתי נפרד של המודל. הבנת התכונות הסטטיסטיות של רעש היא חיונית לבחירת המודל הנכון ולפירוש התוצאות.

תהליך אקראי

תהליך אקראי (או תהליך סטוכסטי) הוא רצף של משתנים אקראיים $\{e(k)\}$ מאופיינים על ידי תכונות סטטיסטיות: תוחלת, שונות, ופונקציית אוטוקורלציה.

תוחלת

$\mu_{e}=E[e(k)]$ . במודלים סטנדרטיים מניחים $\mu_{e}=0$ .

שונות

$\sigma_{e}^{2}=E[(e(k)-\mu_{e})^{2}]$ . מודדת את הפיזור של הרעש סביב התוחלת.

אוטוקורלציה

$R_{e}(\tau)=E[e(k)e(k+\tau)]$ . מודדת תלות בין דגימות בעיכובים שונים.

רעש לבן

רעש לבן הוא תהליך אקראי עם תכונות מיוחדות חשובות:

E[e(k)]=0,\quad E[e(k)e(j)]=\sigma_{e}^{2}\delta(k-j)

כלומר, התוחלת היא אפס, השונות קבועה, ואין קורלציה בין דגימות שונות. הספקטרום של רעש לבן שטוח – כל התדרים מיוצגים באותה עוצמה. רעש לבן הוא ההנחה הסטנדרטית בכל מודלי הזיהוי הליניאריים.

רעש צבוע

רעש צבוע הוא רעש שאינו לבן – יש בו מבנה זמני, אוטוקורלציה לא אפסית, וספקטרום שאינו שטוח. רעש כזה נוצר כאשר רעש לבן עובר דרך פילטר ליניארי. זוהי הסיבה לקיום מודלים כמו ARMAX ו־Box-Jenkins, שמאפשרים תיאור מפורש של דינמיקת הרעש.

דוגמה מהעולם האמיתי

רעש מדידה של חיישן טמפרטורה זול הוא לעיתים קרובות צבוע: דגימות סמוכות מתואמות (תרמיקה איטית של החיישן), ויש בו תדרים דומיננטיים (הפרעות אלקטרומגנטיות מרשת החשמל ב־50 הרץ). ARMAX יודע לתאר את הדינמיקה הזו.

פרק 14

דוגמה מלאה ב־MATLAB

הדוגמה הבאה ממחישה את המושגים הבסיסיים שנלמדו: יצירת מערכת בדידה, חישוב תגובות, ניתוח קטבים ותגובה תדרית.

% ===== Step 1: Define a discrete system =====

Ts = 0.01; % Sampling time

num = [0.1 0.05]; % B polynomial

den = [1 -0.8 0.15]; % A polynomial

sys = tf(num, den, Ts); % Transfer function

% ===== Step 2: Find poles and zeros =====

p = pole(sys);

z = zero(sys);

fprintf('Poles: '); disp(p);

fprintf('Zeros: '); disp(z);

% ===== Step 3: Check stability =====

if all(abs(p) < 1)

fprintf('System is BIBO stable\n');

else

fprintf('System is unstable!\n');

end

% ===== Step 4: Plot pole-zero map =====

figure; pzmap(sys);

title('Pole-Zero Map');

% ===== Step 5: Impulse and step responses =====

figure; impulse(sys, 1); % 1 second

title('Impulse Response');

figure; step(sys, 1);

title('Step Response');

% ===== Step 6: Frequency response (Bode) =====

figure; bode(sys);

title('Bode Diagram');

% ===== Step 7: Solve difference equation manually =====

N = 100;

u = ones(N, 1); % Step input

y = zeros(N, 1);

for k = 3:N

y(k) = 0.8*y(k-1) - 0.15*y(k-2) ...

+ 0.1*u(k-1) + 0.05*u(k-2);

end

figure; plot(0:N-1, y);

title('Manual Difference Equation Solution');

% ===== Step 8: White noise generation =====

e = randn(1000, 1); % White Gaussian noise

R = xcorr(e, 'coeff'); % Autocorrelation

figure; plot(R);

title('White Noise Autocorrelation');

הסקריפט הזה מדגים את כל המושגים העיקריים שדנו בהם: יצירת מערכת, קטבים ואפסים, יציבות, תגובת הלם ומדרגה, תגובה תדרית, פתרון משוואת הפרשים ידנית, ויצירת רעש לבן. הרצתו תיתן ויזואליזציה ברורה של איך כל המושגים האלה מתחברים.

פרק 15

סיכום

המושגים הבסיסיים בזיהוי מערכות הם השפה שבה נכתבים כל המודלים המתקדמים. אותות בזמן בדיד, אופרטור ההשהייה, פונקציית תמסורת, קטבים ואפסים, יציבות ורעש – אלה הם הלבנים שמהם בנויים מודלי ARX, ARMAX, Box-Jenkins ואחרים.

השליטה במושגים אלה אינה רק "ידע נחמד". היא ההבדל בין שימוש מכני באלגוריתמים לבין הבנה אמיתית של מה שקורה. כשתראו פולינום $A(q^{-1})$ בתוך משוואת ARX, תבינו מיד שמדובר באוסף של אופרטורי השהייה שיוצרים את הקשר עם הפלטים הקודמים. כשתבדקו יציבות של מודל, תדעו לחפש את הקטבים בתוך מעגל היחידה.

שמונה כללי האצבע של המושגים הבסיסיים

1. כל מודל בדיד נכתב במשוואת הפרשים.

2. אופרטור

q^{-1}

מבטא השהייה בדגימה אחת.

3. קטבים בתוך מעגל היחידה = יציבות.

4. תגובת הלם מאפיינת את המערכת באופן מלא.

5. דגימה דורשת ציות לחוק נייקוויסט.

6. תגובה תדרית =

\(G(z)\)

ב־

z=e^{j\omega T_{s}}

7. רעש לבן הוא ההנחה הסטנדרטית במודלי זיהוי.

8. ליניאריות + אינווריאנטיות = LTI.

השלב הבא

עם השליטה במושגים הבסיסיים, אתם מוכנים לצלול לתוך משפחות המודלים הספציפיות של זיהוי מערכות. התחילו ב־ARX – המודל הפשוט והבסיסי ביותר – ומשם המשיכו ל־ARMAX, OE ו־Box-Jenkins לפי הצורך.

מעבר למודל ARX

מושגים בסיסיים – המדריך המקיף

מבוא והקשר

הרעיון המרכזי

מהי מערכת?

שלושת המרכיבים של מערכת

קלט (Input)

פלט (Output)

הפרעות ורעש

סיווג מערכות לפי תכונות

אותות בזמן בדיד

הגדרה פורמלית

אותות בסיסיים חשובים

הלם יחידה

מדרגה

מעריך

סינוס

פעולות בסיסיות על אותות

דגימה וטרנספורם Z

חוק נייקוויסט-שאנון

טרנספורם Z

תכונות חשובות של טרנספורם Z

אופרטור ההשהייה \(q^{-1}\)

הגדרה

ההבדל בין \(q^{-1}\) ל־\(z^{-1}\)

\(q^{-1}\)

\(z^{-1}\)

השקילות

שימוש לפולינומי \(A\) ו־\(B\)

דוגמה

משוואת הפרשים

הצורה הכללית

פתרון משוואת הפרשים

פתרון הומוגני

פתרון פרטי

הפתרון הכללי

דוגמה: מערכת מסדר ראשון

פונקציית תמסורת דיסקרטית

הגדרה

למה פונקציית תמסורת חשובה?

אלגברה במקום אנליזה

קטבים ואפסים

תגובה תדרית מיידית

שימו לב

קטבים, אפסים ויציבות

הגדרות

קטבים

אפסים

מעגל היחידה

יציבות במישור Z

קשר בין מיקום קטבים להתנהגות

דוגמה: השפעת מיקום הקוטב

תגובת הלם ותגובת מדרגה

תגובת הלם \(h(k)\)

תגובת מדרגה \(s(k)\)

מאפיינים שניתן לחלץ מתגובת מדרגה

גבר במצב יציב

קבוע זמן

זמן עלייה

חריגה (Overshoot)

השהיה

זמן התייצבות

תגובה תדרית

הגדרה

פירוש פיזיקלי

דיאגרמת בודה

תכונה מיוחדת לזמן בדיד

ליניאריות ואינווריאנטיות בזמן

עיקרון העל־הצבה (Superposition)

אינווריאנטיות בזמן

אי־ליניאריות בעולם האמיתי

יציבות במובן BIBO

הגדרת BIBO

קריטריונים מעשיים ליציבות

קריטריון תגובת ההלם

קריטריון הקטבים

קריטריון Jury

סוגי יציבות בזיהוי מערכות

רעש ותהליכים סטוכסטיים

תהליך אקראי

תוחלת

אופרטור ההשהייה $q^{-1}$

ההבדל בין $q^{-1}$ ל־ $z^{-1}$

$q^{-1}$

$z^{-1}$

שימוש לפולינומי $\(A\)$ ו־ $\(B\)$

תגובת הלם $\(h(k)\)$

תגובת מדרגה $\(s(k)\)$