主要内容

线性模型结构

关于系统辨识工具箱模型对象

对象模型类的实例。每一个类是一个蓝图,它定义了以下信息模型:

  • 对象存储数据如何

  • 对象可以执行哪些操作

这个工具箱包括9类代表模型。例如,中的难点代表和线性状态空间模型idnlarx代表非线性ARX模型。可用的模型对象的完整列表,请参阅可用线性模型和可用非线性模型。

模型属性定义一个模型对象存储信息。模型对象存储的信息模型,如模型的数学形式、输入和输出通道的名字,单位名称和值的估计参数,参数不确定性和评估报告。例如,一个中的难点模型有一个InputName属性来存储一个或多个输入通道名称。

允许的操作被称为一个对象方法。在系统辨识工具箱™软件,一些方法具有相同的名字,但适用于多个模型对象。例如,一步创建一个动态系统对象的阶跃响应图。然而,其他的方法是唯一的一个特定的模型对象。例如,佳能是独一无二的,状态中的难点模型和线性化非线性黑箱模型。

每个类都有一个特殊的方法,称为构造函数,为创建该类的对象。使用构造函数创建相应的类的一个实例实例化对象。构造函数的名字与类名相同。例如,中的难点和idnlarx类的名称和名称的构造函数实例化线性状态空间模型和非线性ARX模型,分别。

当构建一个模型结构独立的评估

您使用模型构造函数创建一个模型对象在命令行中指定所有必需的显式模型属性。

你必须独立构建模型对象的评估当你想:

  • 模拟和分析了模型参数对其响应的影响,独立的评估。

  • 指定一个初始猜测估计前特定的模型参数值。你可以指定参数值界限,或者提前设置辅助模型信息,或两者兼而有之。辅助模型信息包括指定输入/输出姓名、单位,指出,用户数据,等等。

在大多数情况下,您可以使用估计命令来构建和评估模型,而不得不独立构建模型对象。例如,估计命令特遣部队使用数据和创建一个传递函数模型的数量模型的极点和零点。同样的,nlarx创建一个使用数据和模型非线性ARX模型定义回归量配置命令和延迟。信息关于如何构建和估计模型与一个命令,明白了模型估计的命令。

在灰色矩形模型的情况下,您必须构建模型对象,然后估计的参数常微分或差分方程。

命令构造线性模型结构

下表总结了模型构造器中可用的系统辨识工具箱产品代表各种类型的线性模型。

模型的评估后,可以认识到相应的MATLAB模型对象®工作空间浏览器的类名。构造函数的名称创建对象的名称相匹配。

信息关于如何构建和估计模型与一个命令,明白了模型估计的命令。

总结模型构造函数

模型的构造函数 生成的模型类
idfrd 非参数频率特性模型。
idproc 连续时间,低阶传递函数(过程模型)。
idpoly

线性输入输出多项式模型:

  • ARX

  • ARMAX

  • 输出误差

  • Box-Jenkins
中的难点

线性状态空间模型。
idtf

线性传递函数模型。
idgrey 线性常微分或差分方程(灰色矩形模型)。你写一个函数,将用户参数状态空间矩阵。也可以被视为状态与指定的参数化模型。

关于何时使用这些命令的更多信息,参见当构建一个模型结构独立的评估。

模型属性

类别的模型属性

一个模型对象存储信息的方式定义的属性相应的模型类。

每个模型对象有属性用于存储信息相关的特定模型类型。的idtf,idgrey,idpoly,idproc,中的难点模型对象是基于idlti超类和继承idlti属性。

一般来说,所有模型对象属性,属于以下类别:

  • 输入和输出通道的名称,如InputName和OutputName

  • 样品的时间模型,如Ts

  • 单位时间或频率

  • 模型秩序和数学结构(例如,颂歌或非线性)

  • 属性存储估计结果(报告)

  • 用户评论,例如笔记和用户数据

关于帮助的对象属性的更多信息,请参阅模型参考页。

查看模型属性和估计参数

下表总结了命令查看和改变模型属性值。属性名不区分大小写。你不需要输入整个属性名的前几个字母唯一地标识该财产。

任务 命令 例子
查看所有模型属性和它们的值 得到

负载样本数据,计算一个ARX模型,该模型属性列表:

负载iddata8m_arx = arx (z8等车型后,亨里克·菲克斯[4 3 2 3 0 0 0]);get (m_arx)
访问一个特定的模型属性 使用点符号

查看一个矩阵包含估计参数在前面的模型:

m_arx.A
等属性报告这样的配置结构,使用点符号的形式model.PropertyName.FieldName。
字段名是任何字段的属性的名称。

视图ARX模型估计的方法:

m_arx.Report.Method
改变模型属性值 点符号

改变输入延迟三个输入通道(1 1 1)对于一个ARX模型:

m_arx。InputDelay = (1 1 1)
访问模型参数值和不确定性信息 使用getpar,getpvec和getcov
另请参阅:polydata,idssdata,tfdata,zpkdata

  • 查看所有参数属性的表:

    getpar (m_arx)

  • 查看一个多项式和1标准不确定度的ARX模型:

    [a, ~, ~, ~, ~, da) = polydata (m_arx)
设置模型属性值和不确定性信息 使用setpar,setpvec和setcov

  • 设置默认参数标签:

    m_arx = setpar (m_arx,“标签”,“默认”)

  • 设置参数协方差数据:
    m_arx = setcov (m_arx浸)
得到参数的数量 使用nparams

得到参数的数量:

nparams(系统)

另请参阅

验证每个模型估计帮助你调整后直接建模策略。当你不达到一个令人满意的模型,你可以尝试一个不同的模型结构和秩序,或者尝试另一种识别算法。关于验证和故障诊断模型的更多信息,请参阅验证后的模型估计。