Dans le processus de décorrelation de l`entrée observée à partir d`autres entrées affectant, l`identification à l`aide de modèles Auto Regressive avec des intrants exogènes (ARX) et de réponse impulsionnelle finie (FIR) sont employées. L`efficacité de ces modèles pendant l`étape de décorrelation dans la détection du MPM est étudiée. Le processus d`identification pour élaborer un modèle qui saisit la relation dynamique entre les données d`entrée-sortie est significatif pour être mis en œuvre dans l`étape de décorrelation de la méthodologie proposée par Badwe et coll. (2009). Les modèles ARX et FIR sont le système invariant le plus couramment utilisé en temps linéaire (Lemma et al., 2010) et la plupart des recherches d`identification du système ont évolué à partir de ces modèles simples. L`équation 1 représente la structure du modèle ARX: on peut voir dans le tableau 1 que pour identifier ces six modèles de décorrelation, un nombre différent de paramètres a donné différents EPI et résultats de détection. Le même nombre de paramètres de modèle ne peut pas être appliqué pour les six modèles décorrélation car les données d`entrée-sortie utilisées dans l`identification du modèle sont également différentes. Par conséquent, pour chaque modèle de décorrelation, le nombre optimal de paramètres de modèle doit être déterminé. Toutefois, ces nombres optimaux de paramètres de modèle ne peuvent pas détecter l`emplacement exact de l`incompatibilité introduite, comme illustré à la Fig. 5.

Il existe une corrélation significative entre MV2 et E1 existait au sous-modèle G12. où, θ est le vecteur des paramètres du modèle, y est la séquence de données de sortie N-TH et X est la matrice de régressor qui est arrangée sous une forme particulière comme illustré par EQ. 7: des recherches approfondies ont été effectuées au cours des trois dernières décennies depuis les années 1980 pour améliorer la performance de MPC Co manettes (Harris, 1989) et son avenir a prospéré depuis. Ji et coll. (2012) ont introduit une méthode de détection d`erreurs dans le domaine fréquentiel avec l`introduction de signaux de test sinusoïdaux. La différence entre la réponse en fréquence estimée et la réponse réelle du contrôleur MPC à trois points est employée pour former l`indice matriciel d`erreur de modèle. Le modèle de contrôle prédictif (MPC) joue un rôle significatif dans les industries de processus et largement utilisé. Le terme MPC fait référence à une gamme acceptable de méthodes de contrôle qui utilisent explicitement un modèle de processus pour obtenir le signal de contrôle en minimisant une fonction objective (Camacho et bordons, 2003).