过程

使用时间或频率数据估算过程模型

全部折叠到页面中

语法

sys =过程(数据类型)

sys =过程(数据类型、“InputDelay”InputDelay)

sys =过程(数据、init_sys)

sys = procest（＿＿＿选择)

(sys,抵消)=过程(＿＿＿）

[sys，offset，ic] = procest（＿＿＿）

描述

例子

sys=过程(数据，类型）评估过程模型，sys，使用时间或频域数据，数据。类型定义的结构sys。

sys=过程(数据，类型“InputDelay”,InputDelay）指定输入延迟InputDelay。

例子

sys=过程(数据，init_sys）使用流程模型init_sys配置初始化参数。

例子

sys=过程(＿＿＿，选择）指定其他模型估计选项。使用选择使用前面的任何语法。

例子

(sys，抵消] = procest（＿＿＿）返回输入信号中偏移量的估计值。当模型包含积分器时，或当您设置InputOffset.估计选项'估计'使用procestOptions。使用抵消使用前面的任何语法。

例子

(sys，抵消，我知道了] = procest（＿＿＿）将估计的初始条件返回initialCondition对象。如果您计划使用相同的估计输入数据模拟或预测模型响应，请使用此语法，然后将响应与相同的估计输出数据进行比较。结合初始条件在模拟的第一部分期间产生更好的匹配。

输入参数

全部收缩

`数据`- - - - - -估算数据
`iddata`|`idfrd`|`FRD.`

估计数据，指定为一个iddata包含输入和输出信号值的对象，用于时域估计。对于频域估计，数据可以是以下之一:

已记录的频率响应数据(FRD.(控制系统工具箱)或idfrd）
iddata具有其属性的对象如下：
- InputData- 输入信号的傅里叶变换
- OutputData-输出信号的傅里叶变换
- 域- - - - - -'频率'

数据必须至少有一个输入和一个输出。

时间序列模型，它是不包含测量输入的模型，无法使用过程。使用基于“增大化现实”技术，arx,或armax而是时间序列模型。

`类型`- - - - - -过程模型结构
特征向量|字符串|字符向量的单元数组|字符串数组

流程模型结构，为SISO模型指定为字符向量或表示模型结构的首字母缩写的字符串，例如“P1D”或“P2DZ”。这个缩略词由以下几个部分组成:

P——所有“类型”首字母首字母首。
0，1，2,或3.-要建模的时间常数(极点)的数量。可能的积分(原点极点)不包括在这个数字中。
我-强制整合(自我调节过程)。
D-时间延迟(死时间)。
Z-额外的分子项，一个零。
U-欠阻尼模式(复值极点)允许。如果U不包括在内类型，所有极点必须是实的。极点的数目必须是2或3。

对于MIMO模型，使用纽约——- - - - - -ν字符向量的单元格数组或字符串数组，每个输入输出对有一个条目。在这里纽约输入的数量是多少ν是输出的数量。

有关如何的信息类型影响流程模型的结构，请参见idproc。

`InputDelay`- - - - - -输入延迟
`0`对于所有输入通道(默认)|数字矢量

输入延迟，指定为数字向量，指定每个输入通道的时间延迟。中存储的时间单位中指定输入延迟TimeUnit财产。

对于一个有ν输入,设置InputDelay对A.ν1的向量。这个矢量的每一项都是一个数值，表示对应输入通道的输入延迟。你也可以设置InputDelay对标量值对所有通道应用相同的延迟。

`init_sys`- - - - - -系统配置初始参数
`idproc`对象

系统的初始参数配置sys，指定为idproc对象。你获得init_sys通过使用测量数据或使用直接施工来执行估计idproc。中定义的参数和约束init_sys作为预估的初始猜测sys。

使用结构的属性init_sys的初始猜测和约束kp.，T_P1，T_P2.，T_P3.，T_w，ζ，T_d，和T_z。例如:

的初始猜测T_P1参数init_sys,设置init_sys.Structure.Tp1.Value作为最初的猜测。
为此指定约束T_P2.参数init_sys：
- 集init_sys.Structure.Tp2.Minimum到最低限度T_P2.价值。
- 集init_sys.Structure.Tp2.Maximum最大T_P2.价值。
- 集init_sys.Structure.Tp2.Free表示,如果T_P2.是用于估计的自由参数。

如果选择没有指定，和init_sys是通过估计得到的，那么估计选项来自init_sys.Report.OptionsUsed使用。

`选择`- - - - - -估计选项
`procestOptions`选项设置

的估计选项procestOptions选项设置。评估选项包括:

估计目标
对初始条件和干扰成分的处理
数值搜索法用于估计

输出参数

全部收缩

`sys`-确定的过程模型
`idproc`模型

确定的过程模型，作为一个返回idproc由...定义的结构模型类型。

有关使用的估计结果和选项的信息存储在模型中报告财产。报告具有以下字段:

报告字段描述

状态

模型状态的总结，它表明模型是通过构造创建的还是通过估算获得的。

方法

使用估计命令。

初始条件

模型估计过程中初始条件的处理，返回值为以下值之一:

“零”-初始条件设置为零。
'估计'-将初始条件作为独立的估计参数。
'倒退'-使用最佳最小二乘拟合估计初始条件。

控件时如何处理初始条件时，此字段特别有用初始条件估计选项集中的选项为“汽车”。

适合

定量评估的估计，返回为结构。看到损失函数和模型质量指标有关这些质量指标的更多信息。该结构包含以下字段:

场	描述
`FitPercent`	归一化的根均匀平方误差（NRMSE）衡量模型的响应如何适合估计数据，表示为百分比`适合`= 100 (1-NRMSE)。
`损失氟烃`	估计完成时损失函数的值。
`均方误差`	均方误差(MSE)衡量模型的响应如何很好地拟合估计数据。
`消防工程`	模型的最终预测误差。
`AIC.`	模型质量的原始赤池信息准则(AIC)。
`AICc`	小样本校正AIC。
`奈西`	标准化的另类投资会议。
`BIC`	贝叶斯信息准则(BIC)。

参数

模型参数估计值。

OptionsUsed

用于估计的选项集。如果没有配置自定义选项，则这是一组默认选项。看到procestOptions为更多的信息。

RandState

估计开始时随机数流的状态。空的，［］如果在估计期间没有使用随机化。有关更多信息，请参阅RNG.。

DataUsed

用于估计的数据的属性。结构与以下字段：

场	描述
`的名字`	数据集的名称。
`类型`	数据类型。为`idnlarx`模型，这被设置为`时间域数据的`。
`长度`	数据样本数。
`Ts`	样品时间。这等价于`数据。Ts`。
`InterSample`	输入intersample行为。以下值之一: `'ZOH'`-零阶保持器保持采样之间的分段恒定输入信号。 `'foh'`- 一阶保持在样本之间维护分段 - 线性输入信号。 `“提单”`-限带行为指定连续时间输入信号在奈奎斯特频率以上的功率为零。的价值`Intersample`对离散时间模型的估计结果没有影响。
`InputOffset.`	空的，`［］`，用于非线性估计方法。
`OutputOffset`	空的，`［］`，用于非线性估计方法。

终止

用于最小化预测误差的迭代搜索的终止条件，返回为具有以下字段的结构:

场	描述
`为什么`	终止数值搜索的原因。
`迭代`	由估计算法执行的搜索迭代次数。
`FirstOrderOptimality`	$\infty$ -范数的梯度搜索向量时，搜索算法终止。
`FcnCount`	目标函数被调用的次数。
`Updatenorm.`	最后迭代中梯度搜索矢量的常态。搜索方法是时省略`“lsqnonlin”`或`“fmincon”`。
`LastImprovement`	最后一次迭代中的标准改进，用百分比表示。搜索方法是时省略`“lsqnonlin”`或`“fmincon”`。
`算法`	所使用的算法`“lsqnonlin”`或`“fmincon”`搜索方法。当使用其他搜索方法时省略。

对于不需要数值搜索优化的估计方法，则终止省略字段。

有关使用的更多信息报告,请参阅评估报告。

`抵消`-输入偏移的估计值
向量

输入偏移的估计值，作为向量返回。什么时候数据有多个实验,抵消是一个矩阵，其中每列对应于实验。

`我知道了`——初始条件
`initialCondition`对象|对象数组`initialCondition`值

估计初始条件，返回为initialCondition对象或对象数组initialCondition值。

对于单一实验数据集，我知道了以状态空间形式表示传递函数模型(一个和C矩阵)到估计的初始状态(x₀）。
用于多实验数据集N_e实验，我知道了对象是长度数组吗N_e它包含一组initialCondition每个实验的值。

如果过程返回我知道了的值0你知道你有非零的初始条件，设“InitialCondition”选项procestOptions来'估计'并将更新后的选项设置为过程。例如:

选择= procestOptions (“InitialCondition”,[sys,offset,ic] = procest(data,np,nz,opt)

默认值“汽车”设置“InitialCondition”使用“零”当初始条件对总体估计误差最小化过程的影响可以忽略时。指定'估计'确保软件对我知道了。

有关更多信息，请参阅initialCondition。有关使用此参数的示例，请参见获得初始条件。

例子

全部收缩

估计一阶加死时间模型

打开直播脚本

获取测量的输入输出数据。

负载iddemo_heatexchanger_data；数据= IDDATA（PT，CT，TS）;data.inputname =.“δCTemp \”；数据。我nputUnit =“C”；数据。OutputName =“δPTemp \”；数据。OutputUnit =“C”；数据。TimeUnit =“分钟”；

估计一阶加死时间过程模型。

类型=“P1D”；sysP1D =过程(数据类型);

将模型与数据进行比较。

比较（数据，SYSP1D）

$图中包含一个轴。坐标轴包含两个line类型的对象。这些对象表示data (\Delta PTemp)， sysP1D: 70.76%。$

绘制模型残差。

图渣油(数据、sysP1D);

$图中包含2个轴。带有AutoCorr标题的坐标轴1包含两个line类型的对象。此对象代表SYSP1D。标题为XCorr (\Delta CTemp)的轴2包含2个line类型的对象。此对象代表SYSP1D。$

从图中可以看出，残差是相关的。为此，在过程模型中添加一阶ARMA扰动分量。

选择= procestOptions (“DisturbanceModel”，“ARMA1”);sysP1D_noise =过程(数据,“p1d”、选择);

比较模型。

比较(数据、sysP1D sysP1D_noise)

$图中包含一个轴。坐标轴包含3个类型为line的对象。这些对象表示data (\Delta PTemp)， sysP1D: 70.76%， sysP1D\_noise: 24.43%。$

绘制模型残差。

图渣渣（数据，sysp1d_noise）;

$图中包含2个轴。带有AutoCorr标题的坐标轴1包含两个line类型的对象。该对象表示sysP1D\_noise。标题为XCorr (\Delta CTemp)的轴2包含2个line类型的对象。该对象表示sysP1D\_noise。$

残余物sysP1D_noise是不相关的。

利用正则化估计过参数化过程模型

打开直播脚本

利用正则化估计过参数化过程模型的参数。

假设增益比其他模型参数具有更高的置信度。

加载数据。

负载iddata1z1；

估计一个不规范的流程模型。

m = idproc (“P3UZ”，“K”, 7.5,“台湾”, 0.25,“ζ”，0.3，“Tp3”, 20岁,' Tz ', 0.02);m1 = proc (z1, m);

估计一个规范化的流程模型。

选择= procestOptions;opt.Regularization.Nominal =“模型”；opt.regularization.r = [100; 1; 1; 1; 1];opt.regularization.lambda = 0.1;M2 = Procest（Z1，M，OPT）;

将模型输出与数据进行比较。

比较(z1, m1, m2);

图中包含一个轴。坐标轴包含3个类型为line的对象。这些物体代表z1 (y1) m1: 26.74% m2: 70.16%。

正则化有助于引导估计过程走向正确的参数值。

为估计过程模型指定参数初始值

打开直播脚本

在指定参数值的初始猜测并确定它们的界限之后，评估流程模型。

获取输入/输出数据。

数据= idfrd(idtf([10 2]，[1 1.3 1.2])，“碘”，0.45），logspace（-2,2,256））;

指定估计初始化模型的参数。

类型=“P2UZD”；init_sys = iDproc（类型）;init_sys.structure.kp.value = 1;init_sys.structure.tw.Value = 2;init_sys.structure.zeta.Value = 0.1;init_sys.structure.td.Value = 0;init_sys.structure.tz.Value = 1;init_sys.structure.kp.minimum = 0.1;init_sys.structure.kp.maximum = 10;init_sys.structure.td.maximum = 1; init_sys.Structure.Tz.Maximum = 10;

指定估计选项。

选择= procestOptions (“显示”，“全部”，“InitialCondition”，'零');opt.SearchMethod ='lm'；opt.SearchOptions.maxItations = 100;

估计过程模型。

sys =过程(数据、init_sys选择);

自从此以来“显示”选项被指定为“全部”，估计进度在单独的情况下显示植物鉴别进展窗口。

将数据与估计的模型进行比较。

比较(数据、sys init_sys);

$图中包含2个轴。u1包含3个类型为line的对象。这些对象表示Data, sys: 100%， init\_sys: -7.299%。轴2包含3个line类型的对象。这些对象表示Data, sys: 100%， init\_sys: -7.299%。$

检测估计模型的过参数化

打开直播脚本

获取输入/输出数据。

负载iddata1z1负载iddata2z2数据= [Z1 Z2（1：300）];

数据是具有2个输入和2个输出的数据集。第一个输入仅影响第一个输出。类似地，第二输入仅影响第二输出。

在估计的过程模型中，交叉项(模拟第一次投入对第二次产出的影响，反之亦然)应该可以忽略。如果给这些动态分配更高的阶数，它们的估计显示出高度的不确定性。

估计过程模型。

类型=“P2UZ”；sys =过程(数据类型);

的类型变量表示具有复杂共轭的杆，零和延迟的模型。

为了评估不确定性，绘制频率响应图。

w = linspace(0, 20 *π,100);h = bodeplot (sys, w);showConfidence (h);

图中包含8个轴。u1包含一个类型为line的对象。该对象表示sys。轴2包含一个类型为line的对象。该对象表示sys。坐标轴3包含一个类型为line的对象。该对象表示sys。轴4包含一个类型为line的对象。该对象表示sys。u2包含一个类型为line的对象。 This object represents sys. Axes 6 contains an object of type line. This object represents sys. Axes 7 contains an object of type line. This object represents sys. Axes 8 contains an object of type line. This object represents sys.

在过程模型估计过程中估计的返回输入偏移

打开直播脚本

负载iddata1(sys,抵消)= proc (z1,“P1DI”);抵消

抵消= 0.0412

获得初始条件

打开直播脚本

加载数据。

负载iddata1ic.z1i

估计一阶加死时间过程模型sys并返回初始条件我知道了。第一个指定'估计'为“InitialCondition”迫使软件进行评估我知道了。默认值“汽车”设置使用'估计'方法只有当初始条件对总体模型误差的影响超过一个阈值时。当初始条件对总体估计误差最小化过程的影响可以忽略时，则的汽车“设置使用“零”。

选择= procestOptions (“InitialCondition”，'估计');[sys，offset，ic] = procest（z1i，“P1D”、选择);我知道了

ic =初始条件与属性:A: -3.8997 X0: -1.0871 C: 4.5652 Ts: 0

我知道了是一个initialCondition的自由响应sys，以状态空间形式得到初始状态向量X0。你可以把我知道了当你模拟sys与之z1i输入信号并与响应进行比较z1i输出信号。

扩展功能

自动并行支持万博1manbetx
通过使用并行计算工具箱™并行运行计算来加速代码。

并行计算支持可用于使用万博1manbetxlsqnonlin搜索方法(需要优化工具箱™)。要启用并行计算，请使用procestOptions,设置SearchMethod.来“lsqnonlin”,并设置SearchOptions.Advanced.UseParallel来真的。

例如:

选择= procestOptions;opt.SearchMethod =“lsqnonlin”；opt.SearchOptions.Advanced.UseParallel = true;

另请参阅

基于“增大化现实”技术|arx|bj|idproc|OE.|聚|procestOptions|SSEST.|特遣部队

主题

在R2012A介绍

系统识别工具箱文档

万博1manbetx

试试MATLAB、Sim万博1manbetxulink和其他产品s manbetx 845

立即获得审判

过程

语法

描述

输入参数

数据- - - - - -估算数据iddata|idfrd|FRD.

类型- - - - - -过程模型结构特征向量|字符串|字符向量的单元数组|字符串数组

InputDelay- - - - - -输入延迟0对于所有输入通道(默认)|数字矢量

init_sys- - - - - -系统配置初始参数idproc对象

选择- - - - - -估计选项procestOptions选项设置

输出参数

sys-确定的过程模型idproc模型

抵消-输入偏移的估计值向量

我知道了——初始条件initialCondition对象|对象数组initialCondition值

例子

估计一阶加死时间模型

利用正则化估计过参数化过程模型

为估计过程模型指定参数初始值

检测估计模型的过参数化

在过程模型估计过程中估计的返回输入偏移

获得初始条件

扩展功能

自动并行支持万博1manbetx通过使用并行计算工具箱™并行运行计算来加速代码。

另请参阅

主题

系统识别工具箱文档

万博1manbetx

试试MATLAB、Sim万博1manbetxulink和其他产品s manbetx 845

`数据`- - - - - -估算数据
`iddata`|`idfrd`|`FRD.`

`类型`- - - - - -过程模型结构
特征向量|字符串|字符向量的单元数组|字符串数组

`InputDelay`- - - - - -输入延迟
`0`对于所有输入通道(默认)|数字矢量

`init_sys`- - - - - -系统配置初始参数
`idproc`对象

`选择`- - - - - -估计选项
`procestOptions`选项设置

`sys`-确定的过程模型
`idproc`模型

`抵消`-输入偏移的估计值
向量

`我知道了`——初始条件
`initialCondition`对象|对象数组`initialCondition`值

自动并行支持万博1manbetx
通过使用并行计算工具箱™并行运行计算来加速代码。