每个实验的估算模型参数（代码）

打开实时脚本

此示例显示如何使用多个实验来估计模型参数值的组合；一些是使用所有实验估计的，另一些是使用单个实验估计的。此示例还显示如何使用依赖于实验的参数值配置估计实验。

您基于在放电和充电的实验中收集的数据来估计可充电电池的参数。

打开模型并获得实验数据

该示例估计简单可充电电池模型的参数，sdobattery..模型输入为蓄电池电流，模型输出为蓄电池端子电压，由蓄电池充电状态计算得出。

开放式系统(“斯多巴特里”）;

该模型基于该方程

$E. = （ 1 - 损失） V. - K. {问：}_{最大值} \frac{1 - S.}{S.}$

在方程式中：

$E.$ 是蓄电池端子电压，单位为伏特。

$V.$ 电池恒定电压是否在伏特中。

$K.$ 是电池偏振电阻在欧姆中。

${问：}_{最大值}$ 是以安培小时为单位的最大电池容量。

$S.$ 是蓄电池充电状态，1充满电，0放电。蓄电池充电状态由蓄电池电流的积分计算得出，正极电流表示放电，负极电流表示充电。蓄电池初始充电状态由 ${问：}_{0.}$ 以安培小时为单位。

$损失$ 充电时电压降是否表示为电池恒压的一部分。当电池放电时，该值为零。

V.那K.那最大尿流率那Q0，及损失是模型工作区中定义的变量。

加载实验数据。对1.2V（6500mAh）蓄电池进行放电实验和充电实验。

负载sdobattery_experimentdata.

变量chartion_data.和数据充电已加载到工作区中。第一列chartion_data.包含时间数据。第二列和第三列chartion_data.描述蓄电池充电试验期间的电流和电压。数据充电类似地结构化并包含电池放电实验的数据。

绘制实验数据

子地块（221），地块（收费数据（：，1）/3600，收费数据（：，2））标题('实验：放电')xlabel(‘时间（小时）’)伊拉贝尔("现时(甲)")子地块（223）图（电荷数据（：，1）/3600，电荷数据（：，3））xlabel(‘时间（小时）’)伊拉贝尔(‘电压（V）’)子地块（222），地块（收费数据（：，1）/3600，收费数据（：，2））标题('实验：充电')xlabel(‘时间（小时）’)伊拉贝尔("现时(甲)"）子图（224）绘图（chartion_data（：，1）/ 3600，chartion_data（:,3））xlabel（‘时间（小时）’)伊拉贝尔(‘电压（V）’）

定义估计实验

创建实验对象的2元素数组，以指定两个实验的测量数据。

为电池放电实验创建一个实验对象。测量的电流数据在实验对象中指定为时间序列。

DCharge_Exp=sdo.实验(“斯多巴特里”）;

将输入数据（当前）指定为timeseries对象。

dcharge_exp.inputdata = timeeries（dcharge_data（:,2），dcharge_data（：，1））;

创建一个对象以指定测量的电压输出数据。

VoltageSig=Si万博1manbetxmulink.SimulationData.Signal；电压信号名称=“电压”;电压.BlockPath =.‘sdoBattery/SOC->电压’；电压信号端口类型='外港';电压.PortIndex = 1;电压.Values = timeeries（dcharge_data（:,3），dcharge_data（：，1））;

将电压信号作为预期输出数据添加到放电实验中。

DCharge_Exp.OutputData=电压信号；

指定实验的电池初始充电状态。电池充电状态由q（啊）块，它的初始值由变量指定Q0.创建一个参数Q0变量，并将参数添加到实验中。Q0取决于实验，在放电和充电实验中假设不同的值。

q0 = sdo.getparameterfrommodel（“斯多巴特里”那'Q0'）;Q0.Value = 6.5;q0.free = false;

Q0.Free.设置为假的因为初始电池电量是已知的，不需要估计。

添加Q0参数到实验。

DCharge_Exp.Parameters=Q0；

创建一个实验对象来存储充电实验数据。将测量的电流输入和测量的电压输出数据添加到该对象。

charmet_exp = sdo.experiment（“斯多巴特里”)电荷输入数据=时间序列（电荷数据（：，2），电荷数据（：，1））；电压信号值=时间序列（电荷数据（：，3），电荷数据（：，1））；电荷输出数据=电压信号；

将电池初始充电和充电损耗分数参数添加到实验中。对于这个实验，初始电荷(Q0）已知（0 AH），但充电损耗分数的值（损失)不知道。

Q0.Value=0；Loss=sdo.getParameterFromModel(“斯多巴特里”那“损失”）;丢失.Free = True;丢失..minimum = 0;损失..Maximum = 0.5;charge_exp.parameters = [q0;损失];

免费设置为true，以便损失估计。

将两种实验收集到一个矢量中。

Exp=[DCharge\u Exp；Charge\u Exp]；

比较测量输出和初始模拟输出

使用第一个（放电）实验创建模拟场景，并获得模拟输出。

Simulator = CreateSimulator（Exp（1））;Simulator = SIM（模拟器）;

在记录的仿真数据中搜索电压信号。

simlog = find（simulator.loggeddata，get_param（“斯多巴特里”那“SignalLoggingName”））;电压（1）=查找（SIMLOG，“电压”）;

获得第二次（充电）实验的模拟电压信号。

Simulator=createSimulator（Exp（2），Simulator）；Simulator=sim（Simulator）；SimLog=find（Simulator.LoggedData，get_param(“斯多巴特里”那“SignalLoggingName”))；电压（2）=查找（SimLog，“电压”）;

绘制测量和模拟数据。模型响应与实验输出数据不匹配。

子地块（211）地块(......电压（1）.值.时间/3600，电压（1）.值.数据，......exp（1）.outputdata.values.time / 3600，exp（1）.outputdata.values.data，'-.')头衔(“放电实验：估算前的模拟和测量响应”)伊拉贝尔(‘电压（V）’） 传奇（“模拟电压”那'测量电压'那“位置”那“西南”）

子地块（212）地块(......电压（2）.Values.Time / 3600，电压（2）.values.data，......Exp（2）.OutputData.Values.Time/3600，Exp（2）.OutputData.Values.Data，'-.')头衔(“充电实验：估算前的模拟和测量响应”)xlabel(‘时间（小时）’)伊拉贝尔(‘电压（V）’） 传奇（“模拟电压”那'测量电压'那“位置”那‘东南’）

指定要估计的参数

估计蓄电池电压值V.，电池极化电阻K.，以及充电损耗分数损失这个V.和K.使用所有实验数据估计参数损失仅使用充电数据估计参数。

选择电池电压V.以及电池的极化电阻K.模型中的参数。指定这些参数的最小和最大界限。

p = sdo.getparameterfrommodel（“斯多巴特里”,{“V”那“K”}）;p（1）.minimum = 0;p（1）.maximum = 2;p（2）.minimum = 1e-6;p（2）.maximum = 1e-1;

让实验具体化损失实验得到的参数。

s = getvaluestoestimate（exp）;

组估计所有参数。

v = [p; s]

v（1,1）=名称：“v”值：1.2000最小值：0最大值：2自由值：1比例：2信息：[1x1结构]v（2,1）=名称：“K”值：1.0000e-03最小值：1.0000e-06最大值：0.1000自由值：1比例：0.0020信息：[1x1结构]v（3,1）=名称：“损失”值：0.0100最小值：0最大值：0.5000自由值：1比例：0.0156信息：[1x1结构]3x1

确定评估目标

创建估算目标函数，以评估使用估算参数值生成的模拟输出与测量数据的匹配程度。

使用带有一个输入参数的匿名函数调用sdobattery_objective我们将匿名函数传递给优化，它在每次优化迭代时计算函数。

estfcn = @（v）sdobattery_objective（v，模拟器，exp）;

这sdobattery_objective功能：

有一个输入参数，指定估计的电池参数值。
有一个输入参数，指定包含测量数据的实验对象。
返回模拟和实验输出之间的误差向量。

这sdobattery_objective函数需要两个输入，但优化需要具有一个输入参数的函数。为了解决这个问题，estFcn是具有一个输入参数的匿名函数，V.，但它呼叫sdobattery_objective使用两个输入参数，V.和费用。

有关匿名函数的更多信息，请参阅匿名功能。

这优化命令最小化匿名函数的返回参数estFcn，即返回的剩余错误sdobattery_objective。有关如何编写用于的目标/约束函数的更多详细信息优化命令，类型帮助sdoExampleCostFunction在MATLAB®命令提示符下。

要更详细地检查估计目标函数，请键入编辑sdoBattery_目标在MATLAB命令提示符下。

类型sdobattery_objective

函数VAL=sdoBattery_目标（v，模拟器，Exp）%sdoBattery_目标%%sdoBattery_目标函数用于将模型%输出与实验数据进行比较。%%VAL=sdoBattery_目标（v，Exp）%%v |输入参数是估计模型参数值%和初始状态的向量。%%模拟器|输入参数是使用%模拟模型的估计参数值的模拟对象。%%Exp |输入参数包含估计实验数据。%%VAL |返回参数包含有关ho的信息w以及%模型模拟结果与实验数据匹配，并被%的| sdo.optimize |函数用于估计模型参数。%%另请参见sdo.optimize、sdoExampleCostFunction、sdoBattery_cmddemo%%版权所有2012-2015 MathWorks，Inc.%%定义信号跟踪要求，以计算模型输出%与实验数据。配置跟踪要求，以便%返回跟踪误差残差（而不是%平方和误差）并且不规范化错误。%r=sdo.requirements.SignalTracking；r.Type='='='；r.Method='残差'；r.normalize='关闭'；%%%使用估计的参数值更新实验。%Exp=SetEstimatedValue（Exp，v）；%%%模拟模型并将模型输出与测量的实验%数据进行比较。%Error=[]；对于ct=1:numel（Exp）Simulator=createSimulator（Exp（ct），Simulator）；Simulator=sim（Simulator）；SimLog=find（Simulator.LoggedData，get_param（'sdoBattery'，'SignalLoggingName'）；Voltage=find（SimLog，'Voltage'）；voltagererror=evalRequirement（r，Voltage.Values，Exp（ct）.OutputData（1.Values）；Error=[错误；voltagererror，'voltagerer:]；end%%%将剩余错误返回到优化解算器。%vals.F=错误（：）；end

估计参数

使用优化估计电池参数值的功能。

指定优化选项。估计功能sdobattery_objective返回模拟和实验数据之间的错误残差，并且不包括任何约束，使得“LSQNONLIN”求解器成为此问题。

opt=sdo.options；opt.Method=“lsqnonlin”;

估计参数。

VOPT = SDO.Optimize（ESTFCN，V，OPT）

优化开始于25-8月25日-2020 01:10:02一阶ITER F-COUNT F（x）梯级最优值0 7 3272.22 11 1 14 619.356 0.1634 3.15E + 05 2 21 411.131 0.2175 21.7 3 28 405.529 0.3838 2.16E 0.3838 2.16E+03 4 35 403.727 0.2767 15.2 5 42 403.379 0.1645 1.14E + 03当地最低。LSQNONLIN停止，因为相对于其初始值的平方和的最终变化小于功能公差的值。VOPT（1,1）=名称：'v'值：1.3083最小值：0最多：2免费：1刻度：2信息：[1x1结构] VOPT（2,1）=名称：'k'值：0.0010最小值：0.00101.0000E-06最大值：0.1000免费：1刻度：0.0020信息：[1x1结构] Vopt（3,1）=名称：'丢失'值：5.1801E-05最小值：0最大值：0.05000免费：1比例：0.0156信息：[1x1 struct] 3x1 param.continuous

比较测量的输出和最终模拟输出

使用估计的参数值更新实验。

Exp=设置的估计值（Exp，vOpt）；

获得第一次（放电）实验的模拟输出。

Simulator = CreateSimulator（Exp（1），模拟器）;Simulator = SIM（模拟器）;simlog = find（simulator.loggeddata，get_param（“斯多巴特里”那“SignalLoggingName”））;电压（1）=查找（SIMLOG，“电压”）;

获得第二次（充电）实验的模拟输出。

Simulator=createSimulator（Exp（2），Simulator）；Simulator=sim（Simulator）；SimLog=find（Simulator.LoggedData，get_param(“斯多巴特里”那“SignalLoggingName”))；电压（2）=查找（SimLog，“电压”）;

绘制测量和模拟数据。除了电池充满电的区域外，模拟结果与实验数据吻合得很好。这并不意外，因为简单电池模型无法模拟电池充满电时的指数电压降。

子地块（211）地块(......电压（1）.值.时间/3600，电压（1）.值.数据，......exp（1）.outputdata.values.time / 3600，exp（1）.outputdata.values.data，'-.')头衔(“放电实验：估算后的模拟和测量响应”)伊拉贝尔(‘电压（V）’） 传奇（“模拟电压”那'测量电压'那“位置”那“西南”）子图（212）绘图（......电压（2）.Values.Time / 3600，电压（2）.values.data，......Exp（2）.OutputData.Values.Time/3600，Exp（2）.OutputData.Values.Data，'-.')头衔(“充电实验：估算后的模拟和测量响应”)xlabel(‘时间（小时）’)伊拉贝尔(‘电压（V）’） 传奇（“模拟电压”那'测量电压'那“位置”那‘东南’）

更新模型参数值

更新模型V.那K.，及损失参数值。

sdo.setValueInModel(“斯多巴特里”，Vopt）;

万博1manbetxSimulink设计优化文档

万博1manbetx

尝试matlab，sim万博1manbetxulink等产品s manbetx 845

现在受审