选项设置oe
选择= oeOptions
选择= oeOptions(名称、值)
指定可选的逗号分隔条名称,值
参数。的名字
参数名称和吗价值
相应的价值。的名字
必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家
。
“InitialCondition”
- - - - - -处理初始条件“汽车”
(默认)|“零”
|“估计”
|“展望”
处理初始条件评估期间,指定为以下值之一:
“零”
——初始条件设置为0。
“估计”
——初始条件被视为独立的估计参数。
“展望”
——初始条件是使用最好的最小二乘估计。
“汽车”
——软件选择的方法处理初始条件的基础上,估算数据。
“WeightingFilter”
- - - - - -加权预滤器[]
(默认)|向量|矩阵|单元阵列|线性系统加权前置滤波器应用于评估期间的损失函数最小化。理解的影响WeightingFilter
损失函数,看看损失函数和模型质量的指标。
指定WeightingFilter
下列值之一:
[]
——不使用加权预滤器。
通频带,指定一个行向量或矩阵包含定义所需的通频带的频率值。你选择一个频带之间的配合优化估计模型和估计数据。例如,(王,wh)
在哪里王
和wh
代表低和通频带的上限。为一个矩阵几行定义频率通带,[w1l, w1h; w2l w2h; w3l, w3h;……)
估计算法使用联盟定义估计通频带的频率范围。
通频带的表达rad / TimeUnit
对时域数据和FrequencyUnit
频域数据,TimeUnit
和FrequencyUnit
是时间和频率的单位的评估数据。
输出过滤器——指定一个single-input-single-output线性滤波器的输出以以下方式之一:
一个输出线性时不变模型
{A, B, C, D}
格式,它指定一个过滤器的状态矩阵相同的样本时间估计数据。
{分子,分母}
格式,它指定的分子和分母滤波器的传递函数相同的样品时间为估算数据。
这个选项计算滤波器的权重函数作为一个产品和输入谱估计传递函数。
权重向量,只适用于频域数据。指定一个列向量的权重。这个向量必须具有相同的频率向量的长度的数据集,Data.Frequency
。每个输入和输出响应的数据频率乘以相应的重量。
“EnforceStability”
- - - - - -控制是否执行模型的稳定假
(默认)|真正的
控制是否执行稳定的估计模型,指定为逗号分隔组成的“EnforceStability”
,要么真正的
或假
。
利用频域数据估计模型时使用此选项。模型估计使用时域数据总是稳定的。
数据类型:逻辑
“EstimateCovariance”
- - - - - -控制是否生成参数协方差数据真正的
(默认)|假
控制参数协方差是否生成数据,指定为真正的
或假
。
如果EstimateCovariance
是真正的
,然后用getcov
获取的协方差矩阵估计模型。
“显示”
- - - - - -指定是否显示估计的进展“关闭”
(默认)|“上”
指定是否显示评估进展,指定以下值之一:
“上”
——信息模型结构和评估结果显示在一个progress-viewer窗口。
“关闭”
——没有任何进展或结果信息显示。
“InputOffset”
- - - - - -在估计中移除抵消从时域输入数据[]
(默认)|向量的正整数|矩阵删除抵消从时域输入数据在评估期间,指定为逗号分隔组成的“InputOffset”
和下列之一:
一个列向量长度的正整数ν,在那里ν输入的数量。
[]
——表示没有抵消。
ν——- - - - - -不矩阵——multi-experiment数据,指定InputOffset
作为一个ν——- - - - - -不矩阵。ν输入的数量,不是实验的数量。
每个条目指定的InputOffset
中减去从相应的输入数据。
“OutputOffset”
- - - - - -在估计中移除抵消从时域输出数据[]
(默认)|向量|矩阵删除抵消从时域输出数据在评估期间,指定为逗号分隔组成的“OutputOffset”
和下列之一:
一个列向量的长度纽约,在那里纽约是输出的数量。
[]
——表示没有抵消。
纽约——- - - - - -不矩阵——multi-experiment数据,指定OutputOffset
作为一个纽约——- - - - - -不矩阵。纽约是输出的数量,和不是实验的数量。
每个条目指定的OutputOffset
从相应的输出数据中减去。
“正规化”
- - - - - -选择正则化模型参数的估计选择正则化模型参数的估计。正则化的更多信息,请参阅正则化模型参数的估计。
正则化
是一种结构与以下字段:
λ
常数,确定偏差和方差权衡。
指定一个积极的标量正则化项添加到估算成本。
默认值为0意味着没有正规化。
默认值:0
R
——加权矩阵。
指定一个向量的非负数字或一个方形半正定矩阵。长度必须等于模型的自由参数的数量。
对于黑箱模型,建议使用默认值。对于结构化和灰色矩形模型,你也可以指定一个向量的np
正数,这样每个条目表示对相关参数的值的信心。
默认值为1意味着价值眼睛(npfree)
,在那里npfree
是自由参数的数量。
默认值:1
名义上的
——名义价值评估期间向自由参数的提取。
默认值为0意味着参数值为零。如果你炼制一个模型,您可以将值设置为“模型”
把参数对初始模型的参数值。这个设置的初始参数值必须是有限的。
默认值:0
“SearchMethod”
- - - - - -数值搜索方法用于迭代参数估计“汽车”
(默认)|“gn”
|“玲娜”
|“lm”
|“研究生”
|“lsqnonlin”
|“fmincon”
数值搜索方法用于迭代参数估计中,指定为逗号分隔组成的“SearchMethod”
和下列之一:
“汽车”
线搜索算法的组合,“gn”
,“lm”
,“玲娜”
,“研究生”
在每个迭代方法在序列。第一个下降方向导致减少使用估计的成本。
“gn”
- - - - - -子空间高斯牛顿最小二乘搜索。雅可比矩阵的奇异值小于GnPinvConstant * eps *马克斯(大小(J)) *规范(J)
被丢弃在计算搜索方向。J雅可比矩阵。海赛矩阵的近似JTJ。如果没有这个方向,改善功能梯度方向。
“玲娜”
——自适应子空间高斯牛顿搜索。特征值小于γ*马克斯(sv)
黑森被忽略的sv包含黑森的奇异值。剩下的子空间的高斯牛顿方向计算。γ的初始值InitialGnaTolerance
(见先进的
在“SearchOptions”
的更多信息)。这个值是增加的因素LMStep
每次的搜索没有找到一个较低的价值标准在不到五两断。这个值是下降的因素2 * LMStep
每次搜索成功没有任何两断。
“lm”
——Levenberg-Marquardt最小二乘搜索,下一个参数值-pinv (H + d *我)*毕业生
从上一个。H海赛,我是单位矩阵,研究生梯度。d是一个数量,增加到一个较低的价值标准。
“研究生”
——最陡下降最小二乘搜索。
“lsqnonlin”
——Trust-region-reflective算法lsqnonlin
(优化工具箱)。需要优化工具箱™软件。
“fmincon”
——约束非线性动力学。您可以使用序贯二次规划(SQP)和trust-region-reflective算法的fmincon
(优化工具箱)解算器。如果你有优化工具箱软件,您还可以使用的内点和有效集算法fmincon
解算器。指定的算法SearchOptions.Algorithm
选择。的fmincon
算法可能导致改进评估结果在以下场景:
当有约束极小化问题范围对模型参数。
模型结构的损失函数是非线性或非光滑函数的参数。
多输出模型估计。行列式损失函数在默认情况下是最小化的多输出模型估计。fmincon
直接算法能够减少这种损失函数。其他搜索方法等“lm”
和“gn”
由交替最小化损失函数行列式估计噪声方差和减少损失值对于一个给定的噪声方差值。因此,fmincon
算法可以提供更好的效率和精度估计多输出模型。
“SearchOptions”
- - - - - -选项设置搜索算法搜索算法选项设置,指定为逗号分隔组成的“SearchOptions”
和搜索选项设置字段的值取决于SearchMethod
。
SearchOptions
结构时SearchMethod
被指定为“gn”
,“玲娜”
,“lm”
,“研究生”
,或“汽车”
字段名 | 描述 | 默认的 | ||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
宽容 |
最低百分比区别的当前值损失函数及其预期改善在下一次迭代之后,指定为一个积极的标量。当预期改善的百分比小于 |
0.01 |
||||||||||||||||||||||||||||||
MaxIterations |
最大数量的迭代期间损失函数最小化,指定为一个正整数。迭代停止时 设置 使用 |
20. |
||||||||||||||||||||||||||||||
先进的 |
高级搜索设置,指定为一个结构有以下字段:
|
SearchOptions
结构时SearchMethod
被指定为“lsqnonlin”
字段名 | 描述 | 默认的 |
---|---|---|
FunctionTolerance |
终止宽容的损失函数最小化来确定的软件估计参数值,指定为一个积极的标量。 的价值 |
1 e-5 |
StepTolerance |
终止宽容估计参数值,指定为一个积极的标量。 的价值 |
1 e-6 |
MaxIterations |
最大数量的迭代期间损失函数最小化,指定为一个正整数。迭代停止时 的价值 |
20. |
先进的 |
高级搜索设置,指定为一个选项设置 有关更多信息,请参见优化选项表中优化选项(优化工具箱)。 |
使用optimset (“lsqnonlin”) 创建一个默认的选项集。 |
SearchOptions
结构时SearchMethod
被指定为“fmincon”
字段名 | 描述 | 默认的 |
---|---|---|
算法 |
|
“sqp” |
FunctionTolerance |
终止宽容的损失函数最小化来确定的软件估计参数值,指定为一个积极的标量。 |
1 e-6 |
StepTolerance |
终止宽容估计参数值,指定为一个积极的标量。 |
1 e-6 |
MaxIterations |
最大数量的迭代期间损失函数最小化,指定为一个正整数。迭代停止时 |
One hundred. |
“高级”
- - - - - -更多高级选项更多高级选项,指定为一个结构有以下字段:
ErrorThreshold
——指定当调整大的重量错误从二次线性的。
错误比ErrorThreshold
倍标准差估计有一个线性重量损失函数。标准差估计强劲的平均绝对偏差值的预测错误,除以0.7
。健壮的标准选择的更多信息,参见15.2节[2]。
ErrorThreshold = 0
禁用robustification并导致一个纯粹的二次损失函数。估计和频域数据时,软件集ErrorThreshold
为零。对时域数据包含异常值,试着设置ErrorThreshold
来1.6
。
默认值:0
最大尺寸
——指定元素的最大数量在一段输入-输出数据分成部分。
最大尺寸
必须是正整数。
默认值:250000年
StabilityThreshold
——指定阈值的稳定性测试。
StabilityThreshold
是一种结构与以下字段:
年代
——指定的位置最极测试连续时间模型的稳定性。一个模型被认为是稳定的,当它最左边的杆年代
。
默认值:0
z
——指定所有波兰人从原点的最大距离测试稳定性的离散时间模型。一个模型被认为是稳定的,如果所有波兰人在距离z
从原点。
默认值:1 +√(eps)
AutoInitThreshold
——指定当自动估计初始条件。
估计当初始条件
y量是测量的输出。
yp, z模型的预测输出估计使用零初始条件。
yp, e模型的预测输出估计使用估计的初始条件。
适用时InitialCondition
是“汽车”
。
默认值:1.05
[1]遗嘱,艾德里安,b . Ninness, s·吉布森。基于“梯度搜索多变量系统估计”。学报16 IFAC世界大会,布拉格,捷克共和国,2005年7月3 - 8。英国牛津大学:爱思唯尔有限公司,2005年。
[2]Ljung, L。为用户系统标识:理论。上台北:新世纪PTR, 1999。
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。万博1manbetx
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。