Analysis of identified models for quadruple-tank process

The objective of this thesis is to analyze the identified models for the Quadruple-Tank Process. In this work, both linear and nonlinear model identification methods are employed by means of the MATLAB/Simulink. In the first part of the work, the Quadruple-Tank System is described and the mathematical model of the process is stated. Then, the linearized model is obtained and the main characteristics of the corresponding system is examined by using the linearized model. In the second part of the thesis, seven different methods are utilized so as to identify the system. Four of them belong to linear models and the remaining ones are the part of nonlinear models. The linear methods are State-Space, ARMAX, Output-Error (OE), and ARX models; the nonlinear ones are Polynomial NARX, Hammerstein-Wiener, and Neural NARX (NNARX) models. For all identified models, first, the structure of the considered models is specified. Afterwards, the models are estimated by using the estimation dataset. In the validation phase, the estimated models for each method are tested on the different datasets and the acquired models are compared based on NRMSE criterion and residual analysis in order to select one of them. After that, the parameters of the selected models are reported. Finally, the seven selected models are contrasted to decide which one is the best.

L'obiettivo di questa tesi è analizzare i modelli identificati per il Processo Quadruple-Tank. In questo lavoro vengono utilizzati metodi di identificazione di modelli sia lineari che non lineari tramite MATLAB/Simulink. Nella prima parte del lavoro viene descritto il Quadruple-Tank System e viene presentato il modello matematico del processo. Quindi, si ottiene il modello linearizzato e si esaminano le caratteristiche principali del sistema corrispondente utilizzando il modello linearizzato. Nella seconda parte della tesi vengono utilizzati sette diversi metodi per identificare il sistema. Quattro di essi sono modelli lineari e i restanti sono modelli non lineari. I metodi lineari sono i modelli State-Space, ARMAX, Output-Error (OE) e ARX; quelli non lineari sono i modelli Polynomial NARX, Hammerstein-Wiener e Neural NARX (NNARX). Per tutti i modelli identificati, in primo luogo, viene specificata la struttura dei modelli considerati. Successivamente, i modelli vengono stimati utilizzando il set di dati di stima. Nella fase di validazione, i modelli stimati per ciascun metodo vengono testati sui diversi dataset e i modelli acquisiti vengono confrontati in base al criterio NRMSE e all'analisi residua per selezionarne uno. Successivamente vengono riportati i parametri dei modelli selezionati. Infine, i sette modelli selezionati vengono messi a confronto per decidere quale sia il migliore.