Objektif utama projek penyelidikan ini adalah untuk menjalankan satu tatacara pencaman sistem bagi mengenalpasti sistem dinamik linear dengan menggunakan kaedah penguraian ortogon. Idea sebenar bagi kaedah ini adalah untuk mengunjurkan data masukan dan data keluaran ke dalam ruang masukan eksogen. Penguraian linear kuadratik digunakan untuk memperoleh komponen-komponen berketentuan. Kaedah ini kemudian digunakan ke atas komponen-komponen berketentuan supaya menerbitkan model-model ruang. Kaedah mengenalpasti subruang di dalam projek ini adalah satu kaedah untuk membina model
masukan tunggal dan keluaran tunggal (SISO) dimana ianya diperolehi daripada pemerhatian terhadap data masukan dan data keluaran dengan menggunakan kaedah penguraian ortogon. Simulasi dalam projek ini adalah dibuat dengan menggunakan perisisan MATLAB. Terdapat tiga jenis data yang digunakan dalam projek ini untuk mengkaji prestasi kaedah penguraian ortogon. Contoh-contoh data tersebut adalah data mudah, data bagi sistem pemanasan dan data bagi sistem enjin servo elektrik. Ketiga-tiga contoh tersebut disimulasi pada keadaan hingar dan tidak hingar. Selepas itu, proses pengesahan di dalam projek ini dianalisa dengan menggunakan tiga cara berlainan iaitu ralat min kuasa dua (MSE), Penyuaian terbaik (BF), dan Penjelasan Varian (VAF). Berdasarkan keputusan simulasi, kaedah penguraian ortogon mampu mengenalpasti sistem walaupun untuk model yang mempunyai hingar yang sangat banyak. Secara keseluruhan, objektif untuk mengetahui kebolehan dan kemampuan kaedah penguraian ortogon dalam mengenalpasti sistem pasti adalah berjaya.
_________________________________________________________________________________________
The main objective of this research project is to perform a system identification procedure to identify linear dynamical systems by using the orthogonal decomposition method. The idea is to project the input output data onto the space of exogenous input. The LQ decomposition is used to obtain the deterministic components. The Orthogonal method is then applied to deterministic components in order to derive state-space models of the plant. The scope of the subspace identification method was to build single-input singleoutput (SISO) models from observed input-output data sequences. This procedure is done by using MATLAB software. There are three numerical examples that are used to illustrate the performance of the orthogonal decomposition method. In this project work, the numerical examples for simulation data include simple data, heating system data, and
electrical servo motor data. Those three examples are simulated for both noise free system and noise system. Next, the validation process is performed by using three methods; Mean Square Error (MSE), Best Fit (BF), and Variance Accounted for (VAF). Based on simulation results, the orthogonal method is able to identify the system even for a plant model who heavily corrupted by noise. Overall, the objective of this research as to investigate the reliability and capability of the orthogonal decomposition method in identifying the deterministic system is achieved successfully.