非线性模型识别

识别非线性ARX，Hammerstein-Wiener和灰盒式模型

使用非线性模型识别时，线性模型不完全捕获系统动态。您可以识别非线性模型系统识别应用程序或命令行。系统识别工具箱™启用三种非线性模型结构的创建和估计：

非线性模型识别需要均匀采样的时域数据。您的数据可以具有一个或多个输入和输出通道。您还可以使用非线性ARX和非线性灰度盒式模型模拟时间序列数据。有关更多信息，请参阅关于识别的非线性模型。

您可以使用所识别的模型来模拟和预测命令行中的模型输出，在应用程序中或在Simulink中万博1manbetx^®。如果您有控制系统工具箱™，还可以将模型线性化并使用它以进行控制 - 系统设计。有关更多信息，请参阅非线性黑匣子型号的线性近似。

特色例子

磁流变液阻尼器动态特性的非线性黑箱模型。它展示了如何通过测量其速度和阻尼力来创建阻尼器的非线性ARX和Hammerstein-Wiener模型。

打开脚本

使用测量的输入输出数据识别单输入单输出（SISO）非线性黑匣子型号。该示例使用来自双罐系统的测量数据来探索各种模型结构和识别选择。

打开脚本

估算数据的多输入多输出（MIMO）非线性黑匣子型号。工具箱 - 非线性ARX和Hammersein-Wiener模型中提供了两种类型的非线性黑匣子型号。

打开脚本

使用长短期内存（LSTM）神经网络来估计线性系统，并将这种方法与传输功能估计进行比较。

打开直播脚本