对于一个模特来说纽约(Ny > 1
)输出及ν输入,多项式一个,B,C,D,F指定为行向量的单元格数组。单元格数组中的每个条目都包含一个特定多项式的系数,该多项式与输入、输出和噪声值相关。订单是用作估计命令的输入参数的整数矩阵。
多项式 | 维 | 关系描述 | 订单 |
---|---|---|---|
一个 |
Ny——- - - - - -Ny行向量数组 | 一个{i, j} 包含输出之间的关系系数y我和输出yj |
na :Ny——- - - - - -Ny矩阵的每一项都包含相应的度数一个多项式。 |
B |
Ny——- - - - - -Nu行向量数组 | B {i, j} 包含输出之间的关系系数y我和输入uj |
|
C, D |
Ny-by-1的行向量数组 | C{我} 而且D{我} 包含输出之间的关系系数y我和噪音e我 |
|
F |
Ny——- - - - - -Nu行向量数组 | F {i, j} 包含输出之间的关系系数y我和输入uj |
nf :Ny——- - - - - -Nu矩阵的每一项都包含相应的度数F多项式。 |
有关更多信息,请参见idpoly
.
例如,考虑2输出1输入模型的ARMAX方程组:
y1而且y2表示两个输出和u表示输入变量。e1而且e2表示输出上的白噪声干扰,y1而且y2,分别。将这些方程表示为一个ARMAX形式的多项式idpoly
,配置一个,B,C多项式如下:
A = cell(2,2);A{1,1} = [1 0.5];A{1,2} = [0 0.9 0.1];A{2,1} = [0];A{2,2} = [1 0.05 0.3];B = cell(2,1);B{1,1} = [1 5 2];B{2,1} = [0 0 10];C = cell(2,1);C{1} = [1 0.01]; C{2} = [1 0.1 0.02]; model = idpoly(A,B,C)
模型=离散ARMAX模型:模型输出数字1:一个(z) y_1 (t) = - ai (z) y_i (t) + B (z) u (t) + C (z) e_1 (t) 0.5 (z) = 1 + z ^ 1 A₂(z) = 0.9 z ^ 1 + 0.1 z ^ 2 B (z) = 1 + 5 z ^ 1 + 2 z ^ 2 C (z) = 1 + 0.01 z ^ 1模型输出2号:一个(z) y_2 B (t) = (z) u (t) + C (z) e_2 (t) 0.05 (z) = 1 + z ^ 1 + 0.3 z z ^ 2 B (z) = 10 ^ 2 C (z) = 1 + 0.1 z ^ 1 + 0.02 z ^ 2样品时间:未指定的参数化:多项式订单:na = [1 2; 0 2] nb =(3; 1)数控= [1,2]nk =(0, 2)数量的免费系数:12使用"polydata", "getpvec", "getcov"表示参数及其不确定性。现状:直接建造或改造而成。不估计。
模型
为采样时间不确定的离散时间ARMAX模型。在估计此类模型时,需要指定这些多项式的阶数作为输入参数。
在系统识别应用程序中,您可以直接在订单字段。
在命令行中,定义存储模型顺序矩阵的变量,并在模型估计命令中指定这些变量。
提示
为了简化在System Identification应用程序中输入大矩阵顺序,请定义变量Nn =[na nb nk]
在命令行。方法中指定此变量订单字段。
基于“增大化现实”技术
|armax
|arx
|bj
|idpoly
|oe
|聚