主要内容

idssdata

识别系统的状态空间数据

在页面中全部折叠

语法

[A,B,C,D,K] = idssdata(sys)
[A,B,C,D,K,x0] = idssdata(sys)
[A,B,C,D,K,x0,dA,dB,dC,dD,dK,dx0] = idssdata(sys)
[A, B, C, D, K,___= idssdata(sys,j1，…，jN)
[A, B, C, D, K,___= idssdata(sys，'cell')

描述

［A, B, C, D, K= idssdata(sys）返回已识别状态空间模型的A,B,C,D和K矩阵sys．

［A, B, C, D, K，x0= idssdata(sys）返回初始状态值，x0．

［A, B, C, D, K，x0，哒,dB, dD, dK，dx0= idssdata(sys）返回系统矩阵中的不确定性sys．

［A, B, C, D, K，___= idssdata(sys，j - 1,…,约）返回的数据。j - 1,……,约模型数组中的条目sys．

［A, B, C, D, K，___= idssdata(sys“细胞”)返回模型数组中所有条目的数据sys作为单元阵列中的独立单元。

输入参数

sys

识别模型。

如果sys不是标识的状态空间模型(中的难点或idgrey)，然后将其首先转换为中的难点模型。这种转换导致模型不确定性信息的丢失。

sys可以是一个已标识的模型数组。

j - 1,…,约

数组中N个元素的整数下标sys确定的系统。

输出参数

A, B, C, D, K

状态空间矩阵表示sys为:

x ［ k + 1 ］ ＝ 一个 x ［ k ］ + B u ［ k ］ + K e ［ k ］ ； x ［ 0 ］ ＝ x 0 ； y ［ k ］ ＝ C x ［ k ］ + D u ［ k ］ + e ［ k ］ ；

如果sys那么，是已识别模型的数组吗A, B, C, D, K是多维数组。要访问状态空间矩阵，比如Ak-第项sys,使用(:,:k）．

x0

初始状态。

如果sys是一个中的难点或idgrey模型,然后x0是在估计过程中获得的值。也可以使用报告。参数的属性sys．

对于其他模型类型，x0是零。

如果sys那么，是已识别模型的数组吗x0中每个条目的列sys．

哒,dB, dD, dK

与状态空间矩阵相关的不确定性A, B, C, D, K．

不确定度矩阵表示不确定度的1个标准差。

如果sys那么，是已识别模型的数组吗哒,dB, dD, dK是多维数组。要访问状态空间矩阵，比如Ak-第项sys,使用(:,:k）．

dx0

初始状态的不确定性。

dx0表示1个不确定度标准差。

如果sys那么，是已识别模型的数组吗dx0中每个条目的列sys．

例子

全部折叠

打开实时脚本

为从数据中估计的模型获得识别的状态空间矩阵。

使用数据确定模型。

负载icEngine.matData = iddata(y,u,0.04);Sys = n4sid(data,4，“InputDelay”2);

数据是一个iddata对象，表示以0.04秒的采样率采样的数据。

sys是一个中的难点表示已识别系统的模型。

的识别状态空间矩阵sys．

[A,B,C,D,K] = idssdata(sys);
打开实时脚本

获取与已识别的模型相关联的初始状态。

使用数据确定模型。

负载icEngine.matData = iddata(y,u,0.04);Sys = n4sid(data,4，“InputDelay”2);

数据是一个iddata对象，表示以0.04秒的采样率采样的数据。

sys是一个中的难点表示已识别系统的模型。

获取关联的初始状态sys．

[A,B,C,D,K,x0] = idssdata(sys);

一个，B，C，D而且K表示已识别模型的状态空间矩阵sys．x0确定初始状态了吗sys．

打开实时脚本

得到已识别模型的状态空间矩阵的不确定矩阵。

使用数据确定模型。

负载icEngine.matData = iddata(y,u,0.04);Sys = n4sid(data,4，“InputDelay”2);

数据是一个iddata对象，表示以0.04秒的采样率采样的数据。

sys是一个中的难点表示已识别系统的模型。

的状态空间矩阵关联的不确定性矩阵sys．

[A,B,C,D,K,x0,dA,dB,dC,dD,dx0] = idssdata(sys);

达，dB，直流，dD而且dK表示与已识别模型的状态空间矩阵相关的不确定性sys．dx0表示与估计初始状态相关的不确定度。

打开实时脚本

从识别的模型数组中获取多个模型的状态空间矩阵。

使用数据识别多个模型。

负载icEngine.matData = iddata(y,u,0.04);Sys2 = n4sid(data,2，“InputDelay”2);Sys3 = n4sid(data,3，“InputDelay”2);Sys4 = n4sid(data,4，“InputDelay”2);Sys = stack(1,sys2,sys3,sys4);

数据是一个iddata对象，表示以0.04秒的采样率采样的数据。

sys的数组。中的难点模型。的第一个条目sys是一个二阶辨识系统。的第二和第三项sys分别是三阶和四阶辨识系统。

的第一个和第三个条目的状态空间矩阵sys．

[A,B,C,D,K,x0] = idssdata(sys,1);[A,B,C,D,K,x0] = idssdata(sys,3);
打开实时脚本

获取单元格数组中已识别模型数组的状态空间矩阵。

使用数据识别多个模型。

负载icEngine.matData = iddata(y,u,0.04);Sys3 = n4sid(data,3，“InputDelay”2);Sys4 = n4sid(data,4，“InputDelay”2);Sys = stack(1,sys3,sys4);

数据是一个iddata对象，表示以0.04秒的采样率采样的数据。

sys的数组。中的难点模型。的第一个条目sys是一个三阶识别系统，第二个条目是一个四阶识别系统。

的状态空间矩阵sys在单元格数组中。

[A,B,C,D,K,x0] = idssdata(sys，“细胞”）;

一个，B，C，D而且K单元格数组是否包含已识别的模型数组的各个条目的状态空间矩阵sys．x0单元格数组是否包含已识别模型数组的各个条目的估计初始状态sys．

另请参阅

||||

在R2012a中介绍

系统标识工具箱文档

万博1manbetx

尝试MATLAB, Si万博1manbetxmulink和其他产品s manbetx 845

现在就得到审判