选项集聚
opt =聚stoptions
opt =聚stoptions(名称,值)
的可选逗号分隔对名称,值
参数。的名字
参数名称和价值
对应的值。的名字
必须出现在引号内。您可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家
.
“InitialCondition”
- - - - - -初始条件的处理“汽车”
(默认)|“零”
|“估计”
|“展望”
在估计过程中对初始条件的处理,指定为以下值之一:
“零”
—初始条件设置为零。
“估计”
—初始状态被视为一个独立的估计参数。
“展望”
-初始状态估计使用最佳最小二乘拟合。
“汽车”
-软件根据估计数据选择处理初始状态的方法。
“焦点”
- - - - - -最小化误差“预测”
(默认)|“模拟”
估计期间损失函数中要最小化的误差,指定为逗号分隔的对,由“焦点”
和以下值之一:
“预测”
-在估计过程中,将测量输出与预测输出之间提前一步的预测误差最小化。因此,估计的重点是产生一个良好的预测模型。
“模拟”
-在估计过程中,测量输出和模拟输出之间的模拟误差最小化。因此,估计的重点是在当前输入条件下对模型响应的模拟进行良好的拟合。
的焦点
期权可以理解为损失函数中的加权滤波器。有关更多信息,请参见损失函数和模型质量度量.
“WeightingFilter”
- - - - - -加权预滤器[]
(默认)|向量|矩阵|单元阵列|线性系统加权预滤波器应用于估计过程中要最小化的损失函数。要了解的效果WeightingFilter
关于损失函数,请参见损失函数和模型质量度量.
指定WeightingFilter
作为下列值之一:
[]
—不使用加权预过滤器。
通带—指定包含定义所需通带的频率值的行向量或矩阵。您可以选择一个频带,其中估计模型和估计数据之间的拟合是优化的。例如,(王,wh)
在哪里王
而且wh
表示通带的下限和上限。对于有几行定义频率通带的矩阵,[w1l, w1h; w2l w2h; w3l, w3h;……)
,估计算法使用频率范围的并集来定义估计通带。
通带用rad / TimeUnit
对于时域数据,在FrequencyUnit
对于频域数据,其中TimeUnit
而且FrequencyUnit
是估计数据的时间和频率单位。
SISO滤波器-指定一个单输入单输出(SISO)线性滤波器在以下方式之一:
一个SISO LTI模型
{A, B, C, D}
格式,它指定与估计数据具有相同采样时间的过滤器的状态空间矩阵。
{分子,分母}
格式,该格式将过滤器的分子和分母指定为与估计数据具有相同采样时间的传递函数。
该选项将加权函数作为滤波器和输入频谱的乘积来计算,以估计传递函数。
加权向量-仅适用于频域数据。指定一个权值列向量。这个向量的长度必须与数据集的频率向量相同,数据。频率
.数据中的每个输入和输出响应都乘以相应频率的权重。
“EnforceStability”
- - - - - -控制是否加强模型的稳定性假
(默认)|真正的
控制是否强制估计模型的稳定性,指定为由逗号分隔的对组成“EnforceStability”
,要么真正的
或假
.
此选项不适用于具有非对角线的多输出模型一个多项式数组。
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
控制是否生成参数协方差数据,指定为真正的
或假
.
如果EstimateCovariance
是真正的
,然后使用getcov
从估计的模型中获取协方差矩阵。
“显示”
- - - - - -指定是否显示预估进度“关闭”
(默认)|“上”
指定是否显示评估进度,指定为以下值之一:
“上”
-有关模型结构和估计结果的信息显示在进度查看器窗口中。
“关闭”
—无进度和结果信息。
“InputOffset”
- - - - - -在估计过程中去除时域输入数据的偏移[]
(默认)|正整数向量|矩阵在估计期间从时域输入数据中去除偏移,指定为逗号分隔的对,由“InputOffset”
和以下其中之一:
长度为正整数的列向量ν,在那里ν是输入的数量。
[]
—不偏移。
ν——- - - - - -不矩阵-对于多个实验数据,请指定InputOffset
作为一个ν——- - - - - -不矩阵。ν输入的数量,和不是实验的次数。
由InputOffset
从相应的输入数据中减去。
“OutputOffset”
- - - - - -在估计过程中去除时域输出数据的偏移[]
(默认)|向量|矩阵在估计期间从时域输出数据中去除偏移,指定为逗号分隔的对,由“OutputOffset”
和以下其中之一:
长度的列向量纽约,在那里纽约是输出的数量。
[]
—不偏移。
纽约——- - - - - -不矩阵-对于多个实验数据,请指定OutputOffset
作为一个纽约——- - - - - -不矩阵。纽约输出的数量,和不是实验的次数。
由OutputOffset
从相应的输出数据中减去。
“正规化”
- - - - - -模型参数正则化估计的选项模型参数正则化估计的选项。有关正则化的更多信息,请参见模型参数的正则化估计.
正则化
是一个具有以下字段的结构:
λ
-确定偏差与方差权衡的常数。
指定一个正标量,将正则化项添加到估计代价中。
默认值0表示没有正则化。
默认值:0
R
-加权矩阵。
指定一个非负数向量或一个方正半定矩阵。长度必须等于模型的自由参数的数量。
对于黑匣子模型,建议使用默认值。对于结构化和灰盒模型,还可以指定向量np
正数,这样每个条目都表示对相关参数值的置信度。
默认值1表示值为眼睛(npfree)
,在那里npfree
是自由参数的个数。
默认值:1
名义上的
-在估计过程中,自由参数被拉向的标称值。
默认值为0意味着参数值趋于0。如果您正在细化一个模型,您可以将该值设置为“模型”
将参数拉向初始模型的参数值。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,指定为逗号分隔对组成“SearchMethod”
和以下其中之一:
“汽车”
-结合了直线搜索算法,“gn”
,“lm”
,“玲娜”
,“研究生”
方法在每次迭代中依次尝试。使用导致估计成本降低的第一个下降方向。
“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)
在计算搜索方向时被丢弃。J是雅可比矩阵。黑森矩阵近似为JTJ.如果在这个方向上没有改进,则函数尝试梯度方向。
“玲娜”
-自适应子空间高斯牛顿搜索。特征值小于γ*马克斯(sv)
黑森人都被忽略了sv包含黑森的奇异值。高斯-牛顿方向在剩余子空间中计算。γ具有初始值InitialGnaTolerance
(见先进的
在“SearchOptions”
以获取更多信息)。此值将按因子增加LMStep
每次搜索都不能在少于五次的等分中找到较低的标准值。此值将按因子减小2 * LMStep
每次搜索都是成功的,没有任何二分。
“lm”
- Levenberg-Marquardt最小二乘搜索,下一个参数值为-pinv (H + d *我)*毕业生
从上一个。H是黑森人我单位矩阵,和研究生是梯度。d是一个不断增加的数字,直到找到较低的标准值为止。
“研究生”
-最速下降最小二乘搜索。
“lsqnonlin”
的信任区域反射算法lsqnonlin
(优化工具箱).需要优化工具箱™软件。
“fmincon”
-约束非线性求解器。的顺序二次规划(SQP)和信任区域反射算法fmincon
(优化工具箱)解算器。的“优化工具箱”软件,还可以使用内部点算法和活动集算法fmincon
解算器。中指定算法SearchOptions。算法
选择。的fmincon
在以下情况下,算法可能会改善估计结果:
模型参数有边界时的约束最小化问题。
损失函数是参数的非线性或非光滑函数的模型结构。
多输出模型估计。行列式损失函数对于多输出模型估计,默认情况下最小化。fmincon
算法能够直接最小化这种损失函数。其他搜索方法如“lm”
而且“gn”
通过交替估计噪声方差和降低给定噪声方差值的损失值来最小化行列式损失函数。因此,fmincon
算法可以为多输出模型估计提供更好的效率和准确性。
“SearchOptions”
- - - - - -搜索算法的选项集搜索算法的选项集,指定为逗号分隔的对,由“SearchOptions”
和一个搜索选项集,其中的字段取决于的值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 |
损失函数的当前值与下一次迭代后的预期改进之间的最小百分比差异,指定为正标量。当预期改善的百分比小于 |
0.01 |
||||||||||||||||||||||||||||||
MaxIterations |
损失函数最小化期间的最大迭代次数,指定为正整数。当迭代停止时 设置 使用 |
20. |
||||||||||||||||||||||||||||||
先进的 |
高级搜索设置,指定为具有以下字段的结构:
|
SearchOptions
结构时SearchMethod
被指定为“lsqnonlin”
字段名 | 描述 | 默认的 |
---|---|---|
FunctionTolerance |
软件最小化的损失函数上的终止容差,以确定估计的参数值,指定为正标量。 的价值 |
1 e-5 |
StepTolerance |
估计参数值上的终止公差,指定为正标量。 的价值 |
1 e-6 |
MaxIterations |
损失函数最小化期间的最大迭代次数,指定为正整数。当迭代停止时 的价值 |
20. |
先进的 |
高级搜索设置,指定为的选项集 有关更多信息,请参见中的“优化选项”表优化选项(优化工具箱). |
使用optimset(“lsqnonlin”) 创建一个默认选项集。 |
SearchOptions
结构时SearchMethod
被指定为“fmincon”
字段名 | 描述 | 默认的 |
---|---|---|
算法 |
|
“sqp” |
FunctionTolerance |
软件最小化的损失函数上的终止容差,以确定估计的参数值,指定为正标量。 |
1 e-6 |
StepTolerance |
估计参数值上的终止公差,指定为正标量。 |
1 e-6 |
MaxIterations |
损失函数最小化期间的最大迭代次数,指定为正整数。当迭代停止时 |
One hundred. |
“高级”
- - - - - -其他高级选项其他高级选项,指定为具有以下字段的结构:
ErrorThreshold
—何时将较大误差的权重由二次调整为线性。
误差大于ErrorThreshold
乘以估计的标准差在损失函数中有一个线性权重。标准差稳健地估计为预测误差中位数的绝对偏差的中位数,除以0.7
.有关健壮规范选择的更多信息,请参见第15.2节[2].
ErrorThreshold = 0
禁用鲁棒化,导致纯二次损失函数。在频域数据估计时,软件设置ErrorThreshold
为零。对于包含异常值的时域数据,请尝试设置ErrorThreshold
来1.6
.
默认值:0
最大尺寸
—输入输出数据分段时,每个分段的最大元素数。
最大尺寸
必须是正整数。
默认值:250000
StabilityThreshold
—稳定性测试的阈值。
StabilityThreshold
是一个具有以下字段的结构:
年代
-指定最右极点的位置,用于测试连续时间模型的稳定性。当一个模型的最右极在的左边时,它被认为是稳定的年代
.
默认值:0
z
-所有极点到原点的最大距离,用于测试离散时间模型的稳定性。如果所有极点都在距离内,则认为模型是稳定的z
从原点开始。
默认值:1 +√(eps)
AutoInitThreshold
-何时自动估计初始条件。
初始条件是在何时估计的
y量是测量的输出。
yp, z是使用零初始状态估计的模型的预测输出。
yp, e是使用估计初始状态估计的模型的预测输出。
适用时InitialCondition
是“汽车”
.
默认值:1.05
[1]威尔斯,艾德里安,B.宁尼斯和S.吉布森。多变量系统估计的基于梯度的搜索第16届国际会计师联合会世界大会论文集,布拉格,捷克共和国,2005年7月3-8日。牛津,英国:爱思唯尔有限公司,2005。
[2] Ljung, L。系统识别:用户的理论.上马鞍河,新泽西州:Prentice-Hall PTR, 1999。
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入该命令来运行该命令。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一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。