主要内容

系统识别工具箱

从测量的输入输出数据创建线性和非线性动态系统模型

系统识别工具箱™提供MATLAB®函数,simulink万博1manbetx.®块,以及用于构建动态系统的数学模型的应用从测量的输入输出数据。它允许您创建和使用不易从第一个原理或规格建模的动态系统的型号。您可以使用时域和频域输入输出数据来识别连续时间和离散时间传输功能,流程模型和状态空间模型。工具箱还提供用于嵌入在线参数估计的算法。

该工具箱提供了识别技术,例如最大可能性,预测误差最小化(PEM)和子空间系统识别。要代表非线性系统动态,您可以估算具有小波网络,树分区和SIGMOID网络非线性的Hammerstein-Weiner模型和非线性ARX模型。工具箱执行灰度盒系统识别,以估计用户定义模型的参数。您可以使用Simulink中的系统响应预测和工厂建模的识别模型。万博1manbetx该工具箱还支持时间序列数据建模和时万博1manbetx间序列预测。

开始

了解系统识别工具箱的基础知识

数据准备

绘图,分析,贬值和过滤时间和频域数据,生成和导入数据

线性模型识别

识别脉冲响应,频率响应和参数模型,例如状态空间和传输函数模型

非线性模型识别

识别非线性ARX,Hammerstein-Wiener和灰盒式模型

灰度盒模型估计

线性和非线性差分,差异和状态空间方程的估计系数

模型验证

比较模型以测量输出,残差分析,响应地块充满信心边界

模型分析

分离模型,将模型转换为其他类型,线性化非线性模型,模拟和预测输出

时间序列分析

通过识别AR,ARMA,状态空间和灰度盒模型,执行光谱分析和预测模型输出,分析时间序列数据

在线估计

在系统操作期间估算模型参数和状态,生成代码并部署到嵌入目标