线性模型是最简单的模型可以确定使用系统辨识工具箱™。使用线性模型识别线性模型时足以完全捕捉你的系统动力学。识别线性模型,你从时域或频域的输入-输出数据和模型结构,如非整数或传递函数模型。软件迭代调整自由模型参数以最小化之间的差异测量输出和模拟模型对输入数据。工具箱允许你执行任务,如以下:
估计线性模型使用一个特定的模型结构。
使用一个黑箱建模方法和探索模型结构最适合您的数据。
构建一个初步的线性模型,用它来初始化模型的参数估计。
系统知识纳入模型的修正参数到特定的值。
使用正规化估计减少不确定性的模型通过约束模型的灵活性。
对于识别线性黑箱模型从单输入/输出)数据使用该系统识别应用。
对于识别线性模型应用/使用系统辨识工具箱(味噌)数据的命令。
这个例子展示了如何使用频域数据估计模型。
的评估报告包含信息和选项用于模型估计的结果。
这个例子展示了正规化的好处为线性和非线性模型的识别。
这个例子展示了如何使用自动生成估计正规化ARX模型正规化常数系统中识别应用。
正则化的方法是指定约束模型的灵活性,从而减少不确定性的估计参数值。
配置在参数估计的损失函数最小化。评估后,使用模型质量指标来评估确定模型的质量。
输入信号影响的intersample行为评估、连续时间模型的模拟和预测。