估计ARX、ARIX、AR或ARI模型的参数
估计的参数ARX或者一个基于“增大化现实”技术sys
= arx (数据
,(na nb nk)
)idpoly
模型sys
使用最小二乘方法和中规定的多项式阶(na nb nk)
.模型的属性包括协方差(参数不确定性)和估计数据与实测数据之间的拟合优度。
使用一个或多个名称-值对参数指定其他选项。例如,使用名称-值对参数sys
= arx (数据
,(na nb nk)
,名称,值
)“IntegrateNoise”,1
估计一个ARIX或ARI结构模型,该模型适用于具有非平稳扰动的系统。
使用选项集指定估计选项sys
= arx (数据
,(na nb nk)
,___,选择
)选择
.指定选择
在所有其他输入参数之后。
[
将估计的初始条件作为sys
,集成电路
) = arx (___)initialCondition
对象。如果您计划使用相同的估计输入数据模拟或预测模型响应,然后将响应与相同的估计输出数据进行比较,请使用此语法。在模拟的第一部分中,结合初始条件可以获得更好的匹配。
根据指定的ARX模型生成输出数据,并使用输出数据估计模型。
指定一个多项式模型sys0
ARX结构。模型包含一个样本的输入延迟,表示为B
多项式。
A = [1 -1.5 0.7];B = [0 1 0.5];sys0 = idpoly (A, B);
产生测量的输入信号u
它包含随机二进制噪声和错误信号e
它包含正态分布噪声。用这些信号,模拟测量的输出信号y
的sys0
.
u = iddata ([], idinput (300,苏格兰皇家银行的));e = iddata ([], randn (300,1));Y = sim(sys0,[u e]); / /输入当前时间
结合y
和u
成一个单一的iddata
对象z
.估计一个新的ARX模型使用z
多项式阶数和输入延迟与原始模型相同。
z = [y、u];Sys = arx(z,[2 2 1])
sys =离散ARX模型:一个(z) y (t) = B (z) u (t) + e (t) (z) = 1 - 1.524 z ^ 1 + 0.7134 z z ^ ^ 2 B (z) = 1 + 0.4748 z ^ 2样品时间:1秒参数化:多项式订单:na = 2 nb = 2 nk = 1很多免费的系数:4使用“polydata”、“getpvec”、“getcov”参数及其不确定性。状态:使用ARX对时域数据“z”进行估计。拟合估计数据:81.36%(预测焦点)FPE: 1.025, MSE: 0.9846
输出显示了包含估计参数和其他估计细节的多项式。下状态
,拟合估计数据
结果表明,该模型的预估精度在80%以上。
估计一个时间序列AR模型使用arx
函数。AR模型没有可测量的输入。
加载包含时间序列的数据z9
与噪音。
负载iddata9z9
估计一个四阶AR模型仅指定na
顺序(na nb nk)
.
sys = arx (z9 4);
检查估计的A多项式参数和估计对数据的拟合。
param = sys.Report.Parameters.ParVector
param =4×10.7923 -0.4780 -0.0921 0.4698
适合= sys.Report.Fit.FitPercent
适合= 79.4835
估计ARIX模型的参数。ARIX模型是一种集成噪声的ARX模型。
指定一个多项式模型sys0
ARX结构。该模型包括一个样本的输入延迟,表示为前导入零B
.
A = [1 -1.5 0.7];B = [0 1 0.5];sys0 = idpoly (A, B);
模拟的输出信号sys0
使用随机二进制输入信号u
和正态分布的误差信号e
.
u = iddata ([], idinput (300,苏格兰皇家银行的));e = iddata ([], randn (300,1));Y = sim(sys0,[u e]); / /输入当前时间
对输出信号进行积分并存储结果易
在iddata
对象子
.
易= iddata (cumsum (y.y), []);子=(咦,u);
估计一个ARIX模型子
.设置名称-值对参数“IntegrateNoise”
来真正的
.
Sys = arx(zi,[2 2 1]),“IntegrateNoise”,真正的);
用5步预测预测模型的输出,并将结果与易
.
比较(子、sys、5)
加载数据。
负载iddata1icz1i
估计一个二阶ARX模型sys
然后返回初始条件集成电路
.
na = 2;nb = 2;nk = 1;[sys,ic] = arx(z1i,[na nb nk]);集成电路
A: [2x2 double] X0: [2x1 double] C: [0 2] Ts: 0.1000
集成电路
是一个initialCondition
对象的自由响应sys
的初始状态向量X0
.你可以把集成电路
当你模拟sys
与z1i
输入信号,比较响应与z1i
输出信号。
(na nb nk)
- - - - - -多项式阶数与延迟模型的多项式阶数和延迟,指定为1 × 3向量或矩阵向量(na nb nk)
.多项式阶数等于在该多项式中估计的系数数。
对于没有输入的AR或ARI时间序列模型,集合(na nb nk)
的标量na
.例如,请参见AR模型.
对于具有Ny输出和Nu输入:
na
多项式的阶数是多少一个(问),指定为Ny——- - - - - -Ny非负整数矩阵。
注
多项式的阶数是多少B(问) + 1,指定为Ny——- - - - - -Nu非负整数矩阵。
nk
输入-输出延迟,也称为传输延迟,是否指定为Ny——- - - - - -Nu非负整数矩阵。nk
在ARX模型中由固定的前导零表示B多项式。
例如,假设没有运输延迟,sys.b
是(5 - 6)
.
因为sys.b
+ 1是一个二阶多项式,注
= 2。
指定传输延迟nk
=3.
.指定此延迟将增加三个前导零sys.b
这sys.b
现在是[0 0 5 6]
,而注
仍然等于2。
这些系数表示多项式B(问) = 5问-3+ 6问-4.
您还可以使用名称-值对参数实现传输延迟“IODelay”
.
.
例子:(2 1 1) arx(数据)
计算,从一个iddata
对象,它是一个二阶ARX模型,具有一个输入通道,其输入延迟为一个样本。
选择
- - - - - -估计选项arxOptions
选项设置用于ARX模型识别的估计选项,指定为arOptions
选项设置。指定的选项选择
包括以下:
初始条件处理—仅对频域数据使用此选项。对于时域数据,信号被移位,因此在预测器中不需要未测量的信号。
输入和输出数据偏移-使用这些选项在估计期间从时域数据中去除偏移。
正则化-使用这个选项来控制在估计过程中的偏差和方差误差之间的权衡。
有关更多信息,请参见arxOptions
.例如,请参见正则化的ARX模型.
指定可选的逗号分隔的对名称,值
参数。的名字
参数名和价值
为对应值。的名字
必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家
.
“IntegrateNoise”,真的
在噪声源s中增加一个积分器
InputDelay
- - - - - -输入延迟输入延迟表示为采样时间的整数倍,指定为由逗号分隔的对组成“InputDelay”
以及以下其中之一:
Nu1的向量,Nu是输入的数量——每个输入项都是一个数值,表示对应输入通道的输入延迟。
标量值-对所有输入通道应用相同的延迟。
例子:arx(数据、(2 1 3)' InputDelay ', 1)
估计一个二阶ARX模型,其中一个输入通道有三个样本的输入延迟。
IODelay
- - - - - -运输延误每个输入-输出对的传输延迟,表示为样本时间的整数倍,并指定为逗号分隔的对,由“IODelay”
以及以下其中之一:
Ny——- - - - - -Nu矩阵,Ny输出的数量是和吗Nu是输入的数量——每个条目都是一个整数值,表示对应输入-输出对的传输延迟。
标量值-对所有输入-输出对应用相同的延迟。这种方法在输入输出延迟参数时很有用nk
的结果是在B多项式。你可以提出因式max (nk-1, 0)
通过移动这些滞后nk
到“IODelay”
价值。
例如,假设你有一个有两个输入的系统,其中第一个输入有三个样本的延迟,第二个输入有六个样本的延迟。还假设B这些输入的多项式是有序的n
.您可以使用以下方式表示这些延迟:
nk
=(3 - 6)
这就得到了B的多项式[0 0 0 b11…]b1n]
和[0 0 0 0 0 b21…]b2n]
.
nk
=(3 - 6)
和“IODelay”,3
这就得到了B的多项式(b11……b1n]
和[0 0 0 b21…]b2n]
.
sys
- - - - - - ARX模型idpoly
对象拟合估计数据的ARX模型,返回为离散时间idpoly
对象。这个模型是使用指定的模型顺序、延迟和估计选项创建的。
中存储了有关评估结果和所使用选项的信息报告
模型的属性。报告
具有以下字段。
报告字段 | 描述 | ||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
状态 |
模型状态的总结,表明模型是通过构造创建的还是通过估计获得的。 |
||||||||||||||||||
方法 |
评估使用的命令。 |
||||||||||||||||||
InitialCondition |
模型估计过程中初始条件的处理,返回如下值之一:
该字段对于查看初始条件是如何处理的特别有用 |
||||||||||||||||||
适合 |
定量评估的估计,返回作为一个结构。看到损失函数和模型质量度量有关这些质量度量标准的更多信息。该结构有以下字段:
|
||||||||||||||||||
参数 |
模型参数估计值。 |
||||||||||||||||||
OptionsUsed |
用于估计的选项集。如果没有配置自定义选项,这是一组默认选项。看到 |
||||||||||||||||||
RandState |
估计开始时随机数流的状态。空的, |
||||||||||||||||||
DataUsed |
用于估计的数据的属性,作为具有以下字段的结构返回。
|
,以获取更多使用信息报告
,请参阅评估报告.
集成电路
——初始条件initialCondition
对象|对象数组initialCondition
值估计的初始条件,返回为initialCondition
对象或对象数组initialCondition
值。
对于一个单实验数据集,集成电路
以状态空间形式表示传递函数模型的自由响应(一个和C矩阵)的估计初始状态(x0).
用于多实验数据集Ne实验中,集成电路
对象数组的长度是多少Ne它包含一组initialCondition
每个实验的值。
有关更多信息,请参见initialCondition
.有关使用此参数的示例,请参见获得初始条件.
ARX模型名称代表带有额外输入的自回归,因为与AR模型不同,ARX模型包含一个输入项。ARX也被称为带有外生变量的自回归,其中外生变量是输入项。ARX模型结构由下式给出:
的参数na和注是ARX模型的顺序,和nk是延迟。
-按时间输出
-极点数
—0的个数
-在输入影响输出之前发生的输入样本数,也称为死时间在系统中
当前输出所依赖的先前输出
-当前输出所依赖的先前和延迟的输入
—白噪声干扰值
一个更简洁的差分方程的写法是
问为延迟算符。具体地说,
ARIX (Autoregressive Integrated with Extra Input)模型是在噪声信道中引入积分器的ARX模型。ARIX模型结构由下式给出:
在哪里 为噪声信道中的积分器,e(t).
对于不包含输入、一个输出和一个多项式阶na,模型具有AR有序结构na.
AR(自回归)模型结构由下式给出:
自回归集成模型是一种在噪声信道中加入积分器的自回归模型。ARI模型结构由下式给出:
多输入,单输出系统(MISO)ν输入,注和nk行向量在哪里我元素对应的顺序和延迟与我列向量的输入u(t).同样的,系数B多项式是行向量。ARX MISO结构由下式给出:
对于多输入多输出系统,na
,注
,nk
每个输出信号包含一行。
在多输出的情况下,arx
最小化预测误差协方差矩阵或范数的痕迹
利用加权矩阵将此范数转换为任意二次范数λ
使用以下语法:
m = arx(data,orders,opt)
对于时域数据,信号被移位,因此在预测器中不需要未测量的信号。因此,不需要估计初始条件。
对于频域数据,可能需要通过支持循环卷积的初始条件来调整数据。万博1manbetx
设置“InitialCondition”
估计选项(见arxOptions
)为下列值之一:
“零”
——没有调整
“估计”
—根据支持循环卷积的初始条件对数据进行调整万博1manbetx
“汽车”
——自动选择“零”
或“估计”
根据这些数据
QR因子分解解决了构成最小二乘估计问题的线性方程组的过确定集。
在不进行正则化的情况下,通过求解法向方程估计ARX模型参数向量θ
在哪里J是回归矩阵和吗y为测量输出。因此,
使用正则化添加正则化项
其中λ和R是正则化常数。有关正则化常数的更多信息,请参见arxOptions
.
当回归矩阵大于最大尺寸
中指定的arxOptions
,对数据段进行分割,并对数据段进行QR分解迭代。
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。