सिस्टम पहचान: Difference between revisions

प्रणाली पहचान की गुणवत्ता '''इनपुट की गुणवत्ता''' पर निर्भर करती है, जो प्रणाली इंजीनियर के नियंत्रण में होती है। इसलिए, प्रणाली इंजीनियरों ने लंबे समय से प्रयोगों के डिजाइन के सिद्धांतों का उपयोग किया है।<ref>Spall, J. C. (2010), “Factorial Design for Efficient Experimentation: Generating Informative Data for System Identification,” ''IEEE Control Systems Magazine'', vol. 30(5), pp. 38–53. https://doi.org/10.1109/MCS.2010.937677</ref> हाल के दशकों में, इंजीनियरों ने इनपुट को निर्दिष्ट करने के लिए [[इष्टतम डिज़ाइन]] के सिद्धांत का तेजी से उपयोग किया है जो [[कुशल अनुमानक]] अनुमानक उत्पन्न करता है।<ref>{{cite book|title=Dynamic System Identification: Experiment Design and Data Analysis|author1=Goodwin|first=Graham C.|last2=Payne|first2=Robert L.|publisher=Academic Press|year=1977|isbn=978-0-12-289750-4|name-list-style=amp}}</ref><ref>{{cite book|title=प्रायोगिक डेटा से पैरामीट्रिक मॉडल की पहचान|author1=Walter|first=Éric|last2=Pronzato|first2=Luc|publisher=Springer|year=1997|name-list-style=amp}}

==सफ़ेद- और ब्लैक-बॉक्स==

कोई पहले सिद्धांतों के आधार पर तथाकथित [[व्हाइट-बॉक्स परीक्षण]]|व्हाइट-बॉक्स मॉडल बना सकता है, उदाहरण के लिए। न्यूटन के गति के नियमों से भौतिक प्रक्रिया के लिए मॉडल, किन्तु अनेक स्थितियों में, ऐसे मॉडल अत्यधिक जटिल होंगे और संभवतः अनेक प्रणालियों और प्रक्रियाओं की जटिल प्रकृति के कारण उचित समय में प्राप्त करना असंभव भी होगा।

इसलिए अधिक सामान्य दृष्टिकोण प्रणाली के व्यवहार और बाहरी प्रभावों (प्रणाली में इनपुट) के माप से प्रारंभ करना है और प्रणाली के अंदर वास्तव में क्या हो रहा है, इसके विवरण में जाए बिना उनके मध्य गणितीय संबंध निर्धारित करने का प्रयास करना है। इस दृष्टिकोण को प्रणाली पहचान कहा जाता है। प्रणाली पहचान के क्षेत्र में दो प्रकार के मॉडल आम हैं:

* ग्रे बॉक्स मॉडल: चूंकि प्रणाली के अंदर क्या चल रहा है इसकी विशेषताएं पूरी तरह से ज्ञात नहीं हैं, प्रणाली में अंतर्दृष्टि और प्रयोगात्मक डेटा दोनों के आधार पर निश्चित मॉडल का निर्माण किया जाता है। चूँकि इस मॉडल में अभी भी अनेक अज्ञात मुक्त [[पैरामीटर]] हैं जिनका अनुमान प्रणाली पहचान का उपयोग करके लगाया जा सकता है।<ref name="Nielsen">{{Cite journal|last1=Nielsen|first1=Henrik Aalborg|last2=Madsen|first2=Henrik|date=December 2000|title=मौसम संबंधी पूर्वानुमानों का उपयोग करके जिला हीटिंग सिस्टम में गर्मी की खपत की भविष्यवाणी करना|url=https://pdfs.semanticscholar.org/797f/e008adf5fa2b8ccb6977299c2faa6c99c454.pdf|archive-url=https://web.archive.org/web/20170421000847/https://pdfs.semanticscholar.org/797f/e008adf5fa2b8ccb6977299c2faa6c99c454.pdf|url-status=dead|archive-date=2017-04-21|location=Lyngby|publisher=Department of Mathematical Modelling, Technical University of Denmark|s2cid=134091581}}</ref><ref name="Nielsen2">{{Cite journal|last1=Nielsen|first1=Henrik Aalborg|last2=Madsen|first2=Henrik|date=January 2006|title=ग्रे-बॉक्स दृष्टिकोण का उपयोग करके जिला हीटिंग सिस्टम में गर्मी की खपत की मॉडलिंग करना|journal=Energy and Buildings|volume=38|issue=1|pages=63–71|doi=10.1016/j.enbuild.2005.05.002|issn=0378-7788}}</ref> उदाहरण<ref>{{Cite journal|last=Wimpenny|first=J.W.T.|date=April 1997|title=मॉडलों की वैधता|journal=Advances in Dental Research|language=en|volume=11|issue=1|pages=150–159|doi=10.1177/08959374970110010601|pmid=9524451|s2cid=23008333|issn=0895-9374}}</ref> माइक्रोबियल वृद्धि के लिए [[मोनोड समीकरण]] का उपयोग करता है। मॉडल में सब्सट्रेट एकाग्रता और विकास दर के मध्य सरल अतिपरवलयिक संबंध सम्मिलित है, किन्तु इसे अणुओं के प्रकार या बंधन के प्रकारों के बारे में विस्तार से जाने बिना सब्सट्रेट से जुड़ने वाले अणुओं द्वारा उचित ठहराया जा सकता है। ग्रे बॉक्स मॉडलिंग को अर्ध-भौतिक मॉडलिंग के रूप में भी जाना जाता है।<ref>{{Cite journal|last1=Forssell|first1=U.|last2=Lindskog|first2=P.|date=July 1997|title=Combining Semi-Physical and Neural Network Modeling: An Example of Its Usefulness|journal=IFAC Proceedings Volumes|volume=30|issue=11|pages=767–770|doi=10.1016/s1474-6670(17)42938-7|issn=1474-6670|doi-access=free}}</ref>

* ब्लैक बॉक्स (प्रणाली) मॉडल: कोई पूर्व मॉडल उपलब्ध नहीं है। अधिकांश प्रणाली पहचान एल्गोरिदम इसी प्रकार के होते हैं।

[[ नॉनलाइनियर सिस्टम पहचान | नॉनलाइनियर प्रणाली पहचान]] जिन एट अल के संदर्भ में।<ref>{{Cite book|last1=Gang Jin|last2=Sain|first2=M.K.|last3=Pham|first3=K.D.|last4=Billie|first4=F.S.|last5=Ramallo|first5=J.C.|date=2001|title=Modeling MR-dampers: a nonlinear BlackBox approach|journal=Proceedings of the 2001 American Control Conference. (Cat. No.01CH37148)|language=en-US|publisher=IEEE|doi=10.1109/acc.2001.945582|isbn=978-0780364950|s2cid=62730770}}</ref> मॉडल संरचना को प्राथमिकता मानकर और फिर मॉडल मापदंडों का अनुमान लगाकर ग्रे-बॉक्स मॉडलिंग का वर्णन करें। यदि मॉडल का स्वरूप ज्ञात हो तब पैरामीटर अनुमान अपेक्षाकृत आसान है किन्तु ऐसा कम ही होता है। वैकल्पिक रूप से, रैखिक और अत्यधिक जटिल नॉनलाइनियर मॉडल दोनों के लिए संरचना या मॉडल शर्तों को नॉनलाइनियर प्रणाली पहचान#NARMAX विधियों का उपयोग करके पहचाना जा सकता है।<ref>{{Cite book|last=Billings|first=Stephen A|date=2013-07-23|title=Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio–Temporal Domains|isbn= 9781118535561|language=en|doi=10.1002/9781118535561}}</ref> यह दृष्टिकोण पूरी तरह से लचीला है और इसका उपयोग ग्रे बॉक्स मॉडल के साथ किया जा सकता है जहां एल्गोरिदम को ज्ञात शब्दों के साथ प्राइम किया जाता है, या पूरी तरह से ब्लैक-बॉक्स मॉडल के साथ जहां मॉडल शर्तों को पहचान प्रक्रिया के हिस्से के रूप में चुना जाता है। इस दृष्टिकोण का अन्य लाभ यह है कि यदि अध्ययन के अनुसार प्रणाली रैखिक है, तब एल्गोरिदम केवल रैखिक शब्दों का चयन करेगा, और यदि प्रणाली गैर-रेखीय है, तब गैर-रेखीय शब्दों का चयन करेगा, जो पहचान में अधिक लचीलेपन की अनुमति देता है।

नियंत्रण सिद्धांत अनुप्रयोगों में, इंजीनियरों का उद्देश्य नियंत्रण सिद्धांत # नियंत्रण सिद्धांत का नियंत्रण विनिर्देश # ओपन-लूप और बंद-लूप (फीडबैक) नियंत्रण | बंद-लूप प्रणाली प्राप्त करना है, जो भौतिक प्रणाली को सम्मिलित करता है, फीडबैक लूप और नियंत्रक। यह प्रदर्शन सामान्यतः प्रणाली के मॉडल पर निर्भर नियंत्रण कानून को डिजाइन करके हासिल किया जाता है, जिसे प्रयोगात्मक डेटा से प्रारंभ करके पहचाना जाना चाहिए। यदि मॉडल पहचान प्रक्रिया नियंत्रण उद्देश्यों के लिए है, तब जो वास्तव में मायने रखता है वह डेटा को फिट करने वाले सर्वोत्तम संभव मॉडल को प्राप्त करना नहीं है, जैसा कि मौलिक प्रणाली पहचान दृष्टिकोण में है, बल्कि बंद-लूप प्रदर्शन के लिए पर्याप्त संतोषजनक मॉडल प्राप्त करना है। इस नवीनतम दृष्टिकोण को नियंत्रण के लिए पहचान, या संक्षेप में I4C कहा जाता है।

निम्नलिखित सरल उदाहरण पर विचार करके I4C के पीछे के विचार को उत्तम रूप से समझा जा सकता है।<ref>{{Cite journal|last=Gevers|first=Michel|date=January 2005|title=Identification for Control: From the Early Achievements to the Revival of Experiment Design*|journal=European Journal of Control|volume=11|issue=4–5|pages=335–352|doi=10.3166/ejc.11.335-352|s2cid=13054338|issn=0947-3580}}</ref> ट्रू [[स्थानांतरण प्रकार्य]] वाले प्रणाली पर विचार करें <math>G_0(s)</math>:

मौलिक प्रणाली पहचान परिप्रेक्ष्य से, <math>\hat{G}(s)</math> सामान्यतः, यह अच्छा मॉडल नहीं है <math>G_0(s)</math>. वास्तव में, मापांक और चरण <math>\hat{G}(s)</math> से भिन्न हैं <math>G_0(s)</math> कम आवृत्ति पर. और क्या है, जबकि <math>G_0(s)</math> [[ल्यपुनोव स्थिरता]] प्रणाली है, <math>\hat{G}(s)</math> बस स्थिर प्रणाली है. चूँकि, <math>\hat{G}(s)</math> नियंत्रण उद्देश्यों के लिए अभी भी अच्छा मॉडल हो सकता है। वास्तव में, यदि कोई उच्च लाभ के साथ [[पीआईडी ​​नियंत्रक]] ऋणात्मक प्रतिक्रिया नियंत्रक क्रियान्वित करना चाहता है <math>K</math>, आउटपुट के संदर्भ से बंद-लूप स्थानांतरण फलन, के लिए है <math>G_0(s)</math>

तब से <math>K</math> बहुत बड़ा है, के पास वह है <math>1+K \approx K</math>. इस प्रकार, दो बंद-लूप स्थानांतरण फलन अप्रभेद्य हैं। निष्कर्ष के तौर पर, <math>\hat{G}(s)</math> यदि इस तरह के फीडबैक नियंत्रण कानून को क्रियान्वित करना है तब यह वास्तविक प्रणाली के लिए पूरी तरह से स्वीकार्य पहचान वाला मॉडल है। कोई मॉडल नियंत्रण डिज़ाइन के लिए उपयुक्त है या नहीं, यह न केवल प्लांट/मॉडल बेमेल पर निर्भर करता है बल्कि उस नियंत्रक पर भी निर्भर करता है जिसे क्रियान्वित किया जाएगा। जैसे, I4C ढांचे में, नियंत्रण प्रदर्शन उद्देश्य को देखते हुए, नियंत्रण इंजीनियर को पहचान चरण को इस तरह से डिजाइन करना होता है कि वास्तविक प्रणाली पर मॉडल-आधारित नियंत्रक द्वारा प्राप्त प्रदर्शन जितना संभव हो उतना ऊंचा हो।

कभी-कभी, प्रणाली के मॉडल को स्पष्ट रूप से पहचाने बिना, किन्तु सीधे प्रयोगात्मक डेटा पर काम करते हुए नियंत्रक को डिज़ाइन करना और भी अधिक सुविधाजनक होता है। यह प्रत्यक्ष डेटा-संचालित नियंत्रण प्रणालियों का स्थिति है।

आर्टिफिशियल इंटेलिजेंस में आम समझ यह है कि [[नियंत्रक (नियंत्रण सिद्धांत)]] को [[रोबोट]] के लिए अगला कदम उत्पन्न करना होता है। उदाहरण के लिए, रोबोट भूलभुलैया में चलना प्रारंभ करता है और फिर रोबोट आगे बढ़ने का फैसला करता है। मॉडल पूर्वानुमानित नियंत्रण अप्रत्यक्ष रूप से अगली कार्रवाई निर्धारित करता है। गणितीय मॉडल|"मॉडल" शब्द फॉरवर्ड मॉडल को संदर्भित कर रहा है जो सही कार्रवाई प्रदान नहीं करता है किन्तु परिदृश्य का अनुकरण करता है।<ref>{{cite journal |title=Model learning for robot control: a survey |author=Nguyen-Tuong, Duy and Peters, Jan |journal=Cognitive Processing |volume=12 |number=4 |pages=319–340 |year=2011 |publisher=Springer |doi=10.1007/s10339-011-0404-1|pmid=21487784 |s2cid=8660085 }}</ref> फॉरवर्ड मॉडल गेम प्रोग्रामिंग में उपयोग किए जाने वाले [[भौतिकी इंजन]] के सामान्तर है। मॉडल इनपुट लेता है और प्रणाली की भविष्य की स्थिति की गणना करता है।

समर्पित फॉरवर्ड मॉडल का निर्माण इसलिए किया जाता है क्योंकि यह समग्र नियंत्रण प्रक्रिया को विभाजित करने की अनुमति देता है। पहला सवाल यह है कि प्रणाली की भविष्य की स्थिति की भविष्यवाणी कैसे की जाए। इसका मतलब है, विभिन्न इनपुट मूल्यों के लिए समयावधि में संयंत्र (नियंत्रण सिद्धांत) का अनुकरण करना। और दूसरा कार्य इनपुट मूल्यों की [[घटनाओं के अनुक्रम]] की खोज करना है जो संयंत्र को लक्ष्य स्थिति में लाता है। इसे पूर्वानुमानित नियंत्रण कहा जाता है।

फॉरवर्ड मॉडल [[ मॉडल पूर्वानुमानित नियंत्रण |मॉडल पूर्वानुमानित नियंत्रण]] |एमपीसी-कंट्रोलर का सबसे महत्वपूर्ण पहलू है। [[सॉल्वर]] का एहसास होने से पहले इसे बनाना होगा। यदि यह स्पष्ट नहीं है कि प्रणाली का व्यवहार क्या है, तब सार्थक कार्यों की खोज करना संभव नहीं है। फॉरवर्ड मॉडल बनाने के वर्कफ़्लो को प्रणाली पहचान कहा जाता है। विचार समीकरणों के समूह में औपचारिक प्रणाली का है जो मूल प्रणाली की तरह व्यवहार करेगा।<ref>{{cite journal |title=पुश मैनिप्युलेटेड ऑब्जेक्ट्स की गति के मॉड्यूलर और हस्तांतरणीय फॉरवर्ड मॉडल सीखना|author=Kopicki, Marek and Zurek, Sebastian and Stolkin, Rustam and Moerwald, Thomas and Wyatt, Jeremy L |journal=Autonomous Robots |volume=41 |number=5 |pages=1061–1082 |year=2017 |publisher=Springer |doi=10.1007/s10514-016-9571-3|doi-access=free }}</ref> वास्तविक प्रणाली और आगे के मॉडल के मध्य की त्रुटि को मापा जा सकता है।

फॉरवर्ड मॉडल बनाने के लिए अनेक तकनीकें उपलब्ध हैं: [[साधारण अंतर समीकरण]] मौलिक है जिसका उपयोग Box2d जैसे भौतिकी इंजनों में किया जाता है। और हालिया तकनीक फॉरवर्ड मॉडल बनाने के लिए [[तंत्रिका नेटवर्क]] है।<ref>{{cite conference |title=एक उच्च-निष्ठा हेलीकाप्टर मॉडल का मॉडल पूर्वानुमानित तंत्रिका नियंत्रण|author=Eric Wan and Antonio Baptista and Magnus Carlsson and Richard Kiebutz and Yinglong Zhang and Alexander Bogdanov |year=2001 |publisher=American Institute of Aeronautics and Astronautics |conference={AIAA |doi=10.2514/6.2001-4164}}</ref>