Implementace a testování vybraných optimalizačních metod pro úlohy odhadu parametrů simulačních modelů

Abstract

Tato práce se zabývá návrhem vhodných optimalizačních algoritmů pro potřeby nově vyvíjeného nástroje Mechlab’s parameter estimation, který slouží pro odhad parametrů simulačních modelů v prostředí Matlab/Simulink. Z gradientních metod byl vybrán algoritmus Levenberg-Marquardt. Z kategorie evolučních výpočetních technik byly pro implementaci vybrány genetický algoritmus a simulované žíhání. Vybrané algoritmy byly otestovány na uměle vytvořené úloze mechanického oscilátoru a také na reálných datech pocházejících z elektronické škrticí klapky. Simulované žíhání dosahovalo dostatečných výsledků v obou úlohách, avšak s vysokou časovou náročností. Na reálných datech má vytvořený algoritmus LM jen omezenou funkčnost, zatímco nově vytvořený genetický algoritmus dosahuje výborných výsledků.This thesis deals with design of appropriate optimization algorithms for purposes of newly developed tool Mechlab’s parameter estimation, which serves for parameter estimation of simulation models in Matlab/Simulink. Levenberg-Marquardt algorithm had been chosen among other gradient methods. On the other hand, genetic algorithm and simulated annealing had been chosen from category of soft computing techniques to be implemented. Chosen algorithms were tested on artifical problem of mechanical oscilator and also on real datasets from electronic throttle. Proposed simulated annealing worked in both cases whith sufficient results, nevertheless was time-costly. For the oscilator problem, all the algorithms provided accurate solutions, but in the case of real dataset, Levenberg-Marquardt functionality was limited, while genetic algorithm still provided excelent results.