具有可识别参数的多项式模型
一个Idpoly.
模型表示作为连续时间或离散时间多项式模型的系统,具有可识别(可估计)系数。使用Idpoly.
创建多项式模型或转换动态系统模型到多项式形式。
输入向量的系统的多项式模型u、输出向量y和干扰e在离散时间采取以下形式:
变量一个,B,C,D, 和F是与时移运算符表示的多项式问-1.例如,一个多项式采用此表格:
这里,NA.是秩序一个多项式。问-1y(t)相当于y(t-1)。
例如,如果一个(问) = 1 +一个1问-1+一个2问-2, 然后一个(y(t))= 1 +一个1(t - 1)+一个2(2).
的C,D, 和F多项式采用相同的形式一个多项式,以1.开始B多项式不会以1开头。
在连续时间内,多项式模型采用以下形式:
U(年代)包含拉普拉斯变换输入到SYS.
.Y(年代)包含拉普拉斯变换输出。E(年代)包含每个输出的干扰的拉普拉斯变换。
为了Idpoly.
模型,多项式的系数一个,B,C,D, 和F可以是可评估的参数。的Idpoly.
模型存储这些矩阵元素的值一个
,B
,C
,D
, 和F
模型的属性。
时间序列模型是没有测量输入的系统多项式模型的特殊情况。对于AR模型,B
和F
是空的,C
和D
所有输出为1。对于ARMA模型,B
和F
是空的,而且D
是1。
虽然Idpoly.
万博1manbetx支持连续时间模型,idtf
和IDProc.
启用更多选择来估计连续时间模型。因此,对于大多数连续时间应用,这些其他模型类型是优选的。
有关多项式模型的更多信息,请参阅什么是多项式模型?
你可以获得Idpoly.
模型以三种方式之一。
估计Idpoly.
使用命令,基于系统的输出或输入输出测量的模型poly
,ARX.
,armax.
,OE.
,BJ.
,iv4
, 要么Ivar.
.这些命令估计自由多项式系数的值。估计值存储在一个
,B
,C
,D
, 和F
由此产生的属性Idpoly.
模型。的报告
生成模型的属性存储有关估计的信息,例如有关处理估计中使用的初始条件和选项的信息。
当你获得一个Idpoly.
模型通过估计,您可以使用命令从模型中提取估计的系数及其不确定性,例如polydata
,getpar.
, 要么getcov.
.
创建一个Idpoly.
模型使用Idpoly.
命令。你可以创建一个Idpoly.
模型配置初始参数化以估计多项式模型以拟合测量的响应数据。当您这样做时,您可以在多项式系数上指定约束。例如,您可以修复某些系数的值,或指定自由系数的最小值或最大值。然后,您可以使用配置的模型作为输入参数poly
使用这些约束估计参数值。
将现有的动态系统模型转换为Idpoly.
模型使用Idpoly.
命令。
创建具有可识别系数的多项式模型。SYS.
= iDpoly(A,B,C,D,F
,noisavariance.
,TS.
)一个
,B
,C
,D
, 和F
指定系数的初始值。noisavariance.
指定白噪声源的方差的初始值。TS.
是模型采样时间。
使用一个或多个名称值对参数指定的其他选项创建多项式模型。SYS.
= iDpoly(A,B,C,D,F
,noisavariance.
,TS.
,名称,值
)
只有自回归术语创建时间序列模型。在这种情况下,SYS.
= iDpoly(a)SYS.
表示由此给出的AR模型一个(问)y(t)=e(t).噪音e(t)具有方差1。一个
指定可估计系数的初始值。
创建一个带有自回归和移动平均术语的时间序列模型。投入SYS.
= iDpoly(a,[],c,d,[],noisavariance.
,TS.
)一个
,C
, 和D
,指定可估计系数的初始值。noisavariance.
指定噪声的初始值e(t)。TS.
是模型采样时间。(忽略noisavariance.
和TS.
使用它们的默认值。)
如果D
被设置为[]
, 然后SYS.
代表由此给出的ARMA模型
使用一个或多个名称值对参数指定的其他选项创建时间序列模型。SYS.
= iDpoly(a,[],c,d,[],noisavariance.
,TS.
,名称,值
)