估计离散灰色矩形模型参数化的干扰
对于这个示例显示了如何创建一个单输入和灰色矩形模型结构当你知道测量噪声的方差。这个例子中的代码使用了控制系统工具箱™命令卡尔曼
(控制系统工具箱)计算从已知和卡尔曼增益估计噪声方差。
输出系统的描述
这个例子是基于离散,对于单输入和输出)系统状态空间方程表示为以下:
在哪里w和e和协方差矩阵是独立的白噪音方面吗R1和R2,分别。R1= E{}是一个2×2矩阵和ww”R2= E {ee’}是一个标量。par1,par2,par3,标准杆4杆代表了未知参数值估计。
假设你知道测量噪声的方差R2是1。R1(1,1)是未知的,并被视为一个额外的参数par5。其余的元素R1已知是零。
估计的参数一个idgrey模型
你可以代表描述的系统输出系统的描述作为一个idgrey
使用一个函数(方框)模型。然后,您可以使用此文件和感动的
命令根据初始参数估计模型参数的猜测。
要运行这个例子,您必须加载一组输入输出数据,它表示为一个iddata
或idfrd
对象被称为数据
。关于这个操作的更多信息,请参阅使用iddata对象代表时间和频域的数据或使用idfrd代表频率特性数据对象。
估计的参数灰色矩形模型:
创建文件
mynoise
计算了状态矩阵作为五个未知参数的函数和辅助变量代表了已知方差R2
。初始条件不是参数化;他们在这估计假定为零。请注意
R2
作为一个辅助变量而不是赋值的文件让你在命令行中直接修改这个值,避免编辑该文件。函数[A, B, C, D, K) = mynoise (par T辅助)R2 =辅助(1);%被测量噪声方差= (par(1)(2)相当;1 0];B = (1, 0);C = (par(3)(4)持平);D = 0;R1 = (par (5) 0, 0 0);(~ K) =卡尔曼(ss(眼(2)C, 0, T), R1, R2);
指定初始猜测未知参数值和辅助参数值
R2
:par1 = 0.1;%初始猜测(1,1)par2 = 2;%初始猜测(1、2)par3 = 1;%初始猜测C (1)标准杆4杆= 3;%初始猜测C (1、2)par5 = 0.2;%初始猜测R1 (1, 1)Pvec = [par1;par2;par3;标准杆4杆;par5] auxVal = 1;% R2 = 1
构造一个
idgrey
模型使用mynoise
文件:Minit = idgrey (“mynoise”Pvec,' d ',auxVal);
第三个输入参数
' d '
指定一个离散时间系统。从数据估计模型参数值:
选择= greyestOptions;opt.InitialState =“零”;opt.Display =“全部”;模型=老龄化最严重的(数据、Minit选择)