Adaptacyjna identyfikacja ciągłoczasowych modeli procesów niestacjonarnych z uwzględnieniem przekłamań pomiarowych

W pracy wykorzystuje się metody identyfikacji parametrycznej do pozyskiwania użytecznej dla diagnostyki informacji o zmianach dynamiki nadzorowanych procesów. Analizie poddaje się procesy przemysłowe modelowane za pomocą liniowych i nieliniowych równań różniczkowych zwyczajnych, zaś zadanie śledzenia zmiennych w czasie parametrów procesowych rozwiązuje się stosując metodę najmniejszej ważonej sumy kwadratów błędów. Ponieważ klasyczny algorytm najmniejszych kwadratów nie jest odporny na błędy grube w danych, proponuje się zastosowanie odpornego na przekłamania estymatora w sensie najmniejszej sumy modułów błędów. Skuteczność omawianych metod ilustrują testy symulacyjne.

---

In this paper specific parameter estimation methods are used to obtain relevant diagnostic information on the evolution of dynamics of supervised industrial processes. The analyzed processes are modeled with the aid of linear and nonlinear ordinary differential equations, and the weighted least-squares estimator is employed to track time-variant model parameters. As the classical least-squares procedure is not robust to possible outliers in measurement data, an estimation algorithm in the sense of the least sum of absolute errors is put into practice. The efficiency of the discussed routines is illustrated by means of simulation tests.