估计模型的初始状态
创建一个非线性灰盒模型。模型是一个线性直流电动机,有一个输入(电压),两个输出(角位置和角速度)。模型的结构由dcmotor_m指定。m文件。
文件名=“dcmotor_m”;Order = [2 1 2];参数= [0.24365;0.24964];nlgr = idnlgrey(FileName,Order,Parameters);NLGR = setinit(NLGR,“固定”假(2,1));%设置初始状态为free
初始状态估计的加载数据。
负载(fullfile (matlabroot“工具箱”,“识别”,...“iddemos”,“数据”,“dcmotordata”));Z = iddata(y,u,0.1);
估计初始状态,使模型的响应使用估计状态X0和测量输入u尽可能接近测量输出y。
X0 = findstates(nlgr,z,Inf);
估计一个中的难点
对其进行建模和仿真,使估计模型的响应与估计数据的输出信号尽可能接近。
加载样例数据。
负载iddata1z1;
根据数据估计一个线性模型。
模型= ssest(z1,2);
估计初始状态的值,以最适合测量输出z1.y
.
x0est = findstates(model,z1,Inf);
模拟模型。
opt = simOptions(“InitialCondition”, x0);sim(模型、z1([],::),选择);
通过固定模型的第一个状态并允许估计模型的第二个状态,有选择地估计模型的初始状态。
创建一个非线性灰盒模型。
文件名=“dcmotor_m”;Order = [2 1 2];参数= [0.24365;0.24964];nlgr = idnlgrey(FileName,Order,Parameters);
模型是一个线性直流电动机,有一个输入(电压),两个输出(角位置和角速度)。模型的结构由dcmotor_m.m
文件。
加载估计数据。
负载(fullfile (matlabroot“工具箱”,“识别”,...“iddemos”,“数据”,“dcmotordata”));Z = iddata(y,u,0.1);
将第一个状态固定为零,并估计第二个状态的值。
X0spec = idpar(“x0”, (0, 0));x0spec.Free(1) = false;opt = findstatesOptions;opt.InitialState = x0spec;[X0,Report] = findstates(nlgr,z,Inf,opt)
X0 =2×10 0.0061
报告=状态:'通过模拟误差最小化估计'方法:'lsqnonlin'协方差:[2x2 double] DataUsed: [1x1 struct]终止:[1x1 struct]
创建一个非线性灰盒模型。
文件名=“dcmotor_m”;Order = [2 1 2];参数= [0.24365;0.24964];nlgr = idnlgrey(FileName,Order,Parameters);
模型是一个线性直流电动机,有一个输入(电压),两个输出(角位置和角速度)。模型的结构由dcmotor_m.m
文件。
加载估计数据。
负载(fullfile (matlabroot“工具箱”,“识别”,...“iddemos”,“数据”,“dcmotordata”));Z = iddata(y,u,0.1);
指定初始状态的初始猜测。
X0spec = idpar(“x0”, (10; 10));
x0spec。免费的
默认为true
估计初始状态
opt = findstatesOptions;opt.InitialState = x0spec;x0 = findstates(nlgr,z,Inf,opt)
x0 =2×10.0362 - -0.1322
创建一个非线性灰盒模型。
文件名=“dcmotor_m”;Order = [2 1 2];参数= [0.24365;0.24964];nlgr = idnlgrey(FileName,Order,Parameters);集(nlgr,“InputName”,“电压”,“OutputName”,...{角位置的,的角速度});
模型是一个线性直流电动机,有一个输入(电压),两个输出(角位置和角速度)。模型的结构由dcmotor_m.m
文件。
加载估计数据。
负载(fullfile (matlabroot“工具箱”,“识别”,...“iddemos”,“数据”,“dcmotordata”));Z = iddata(y,u,0.1,“名字”,直流电机的,...“InputName”,“电压”,“OutputName”,...{角位置的,的角速度});
创建一个三个实验的数据集。
Z3 = merge(z,z,z);
选择实验估计初始状态:
估计实验1和3的初始状态1
估计实验1的初始状态2
固定的初始状态值为零。
X0spec = idpar(“x0”0(2、3));x0spec.Free(1,2) = false;x0spec。免费的(2,[2 3]) = false; opt = findstatesOptions; opt.InitialState = x0spec;
估计初始状态
[X0,EstInfo] = findstates(nlgr,z3,Inf,opt);
sys
- - - - - -识别模型中的难点
对象|idgrey
对象|idnlarx
对象|idnlhw
对象|idnlgrey
对象初始状态被估计的识别模型,表示为线性状态空间(中的难点
或idgrey
)或非线性模型(idnlarx
,idnlhw
,或idnlgrey
).
地平线
- - - - - -计算模型响应的预测水平1
(默认)|之间的正整数1
而且正
选项
- - - - - -的估计选项findstates
findstates
选项设置的估计选项findstates
,指定为使用findstatesOptions
x0
-预估初始状态模型初始状态的估计sys
,作为向量或矩阵返回。对于多实验数据,x0
是一个矩阵,每个实验都有一列。
报告
—初始状态估计信息初始状态估计信息,作为结构返回。报告
包含关于所使用的数据、状态协方差和为搜索初始状态而执行的任何数值优化的结果的信息。报告
具有以下字段:
报告字段 | 描述 | ||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
状态 |
如何估计初始状态的摘要。 |
||||||||||||||||
方法 |
使用的搜索方法。 |
||||||||||||||||
协方差 |
状态估计的协方差,返回为Ns——- - - - - -Ns矩阵,Ns是状态数。 |
||||||||||||||||
DataUsed |
用于估计的数据的属性,作为具有以下字段的结构返回:
|
||||||||||||||||
终止 |
用于非线性模型初始状态估计的迭代搜索终止条件。具有以下字段的结构:
|
的并行计算支持可用于估计万博1manbetxlsqnonlin
搜索方法(需要优化工具箱™)。要启用并行计算,请使用findstatesOptions
,设置SearchMethod
来“lsqnonlin”
,并设置SearchOptions.Advanced.UseParallel
来真正的
.
例如:
opt = findstatesOptions;opt.SearchMethod =“lsqnonlin”;opt.SearchOptions.Advanced.UseParallel = true;
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
您也可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。