主要内容
非线性模型辨识
识别非线性ARX、Hammerstein-Wiener和灰箱模型
当线性模型不能完全捕获系统动力学时，使用非线性模型识别。您可以在中识别非线性模型系统识别应用程序或在命令行中。系统识别工具箱™ 允许创建和估计三个非线性模型结构：
非线性ARX模型-使用动态非线性映射对象（如小波网络、树分区和sigmoid网络）表示系统中的非线性。
Hammerstein-Wiener模型-估计其他线性系统中的静态非线性。
非线性灰箱模型-使用具有未知参数的常微分或差分方程（ODE）表示非线性系统。
非线性模型识别需要均匀采样的时域数据。您的数据可以有一个或多个输入和输出通道。您还可以使用非线性ARX和非线性灰盒模型对时间序列数据建模。有关更多信息，请参阅关于辨识的非线性模型.
您可以在命令行、应用程序或Simulink中使用已识别的模型来模拟和预测模型输出万博1manbetx®.如果你有控制系统工具箱™, 您还可以将模型线性化，并将其用于控制系统设计。有关更多信息，请参阅非线性黑箱模型的线性逼近.
- 非线性模型辨识基础
识别非线性模型、黑箱建模和正则化 - 非线性ARX模型
使用动态网络（如sigmoid和小波）建模非线性行为 - Hammerstein-Wiener模型
具有静态非线性（如饱和和死区）的线性动态系统的连接 - 非线性灰色矩形模型
非线性微分、差分和状态空间方程的系数估计
特色实例
您还可以从以下列表中选择网站：
