Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Pomiary Automatyka Robotyka

1 2018

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: model kondensatora

Sortuj według:

Ogranicz wyniki do:

Identyfikacja parametrów modelu kondensatora dwiema metodami Monte Carlo

Kubisa S., Warsza Z. L.

Pomiary Automatyka Robotyka

2018

R. 22, nr 2

41--48

Omówiono dokładność identyfikacji wartości parametrów modelu kondensatora rzeczywistego przeprowadzoną dwiema metodami Monte Carlo. Jako prosty przykład numeryczny zidentyfikowano parametry pięciu elementów skupionych RC schematu zastępczego kondensatora na podstawie wyników zasymulowanych pomiarów składowych jego impedancji zastępczej przy kilku częstotliwościach. Parametry mierzone i identyfikowane są powiązane układem nieliniowych zależności i ich rozwiązanie analityczne jest bądź bardzo uciążliwe, bądź może nie być znane. Identyfikację wykonano jednokrotną oraz wielokrotną procedurą iteracyjną Monte Carlo. Dla otrzymanych rozkładów wartości zidentyfikowanych parametrów oszacowano przedziały o prawdopodobieństwie 0,95 i 0,99, które charakteryzują poziom obserwowalności tych parametrów. Dokładność parametrów oszacowano na podstawie otrzymanych rozkładów ich zidentyfikowanych wartości. Omówiono skuteczność i użyteczność identyfikacji parametrów modelu obiema metodami Monte Carlo.

The accuracy of identification of internal parameters of the model of capacitor as the physical device carried out by two Monte Carlo methods of simulation is considered. As an simply numerical example are identified parameters of the five RC elements of the equivalent circuit of capacitor based on results of simulated measurements of its equivalent impedance components at several frequencies. The measured and identified parameters are linked by a system of nonlinear relationships and their analytical solution is either very inconvenient, or even non-existing. Identification has been carried by single and by multiple iterative procedure Monte Carlo. From the pdf distributions of identified parameters their achieved coverage rangers of 0,95 and 0,99 probability are estimated. The results demonstrate the efficiency and utility of identifying internal model parameters by both Monte Carlo methods.