系统识别工具箱
根据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®功能，万博1manbetx®块和应用程序用于从测量的输入输出数据构建动态系统的数学模型。它允许您创建和使用不容易根据第一原理或规范建模的动态系统模型。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递函数、过程模型和工具箱还提供嵌入式在线参数估计算法。
工具箱提供了识别技术，如最大似然法、预测误差最小化（PEM）和子空间系统识别。为了表示非线性系统动力学，可以使用小波网络、树划分和sigmoid网络非线性来估计Hammerstein-Wiener模型和非线性ARX模型。工具箱执行灰箱系统识别，以估计用户定义模型的参数。您可以在Simulink中使用已识别的模型进行系统响应预测和设备建模。工具箱还支持时间序列数据建模和时间序列预测。万博1manbetx万博1manbetx
开始：
数据导入与预处理
导入测量的时域和频域数据。您可以通过执行诸如去趋势化、过滤、重采样等操作来预处理数据，还可以重建丢失的数据。
模型估计与验证
从测量的输入输出数据识别线性和非线性模型。您可以比较已识别的模型，分析它们的属性，计算它们的置信区间，并根据测试数据集验证它们。
传递函数与过程模型
估计具有指定数量极点和零点的多输入多输出连续或离散时间传递函数。您可以指定传输延迟，也可以让工具箱自动确定。
状态空间与多项式模型
确定最佳模型顺序并估计系统的状态空间模型。您还可以估计ARX、ARMAX、Box-Jenkins和输出误差多项式模型。
频率和脉冲响应模型
使用频谱和相关分析从频域和时域数据估计系统模型。使用Simulink控制设计，还可以从Simulink模型中获得频率响应数据。万博1manbetx
递归模型参数估计
使用递归模型实时估计系统模型，这些模型在新数据到来时更新其参数。可以使用内置Simulink块实现这些模型。使用Simulink编码器从块生成C/C++代码™ 以嵌入式设备为目标。万博1manbetx
卡尔曼滤波状态估计
使用线性、扩展或无迹卡尔曼滤波器以及粒子滤波器从实时数据估计系统状态。您可以使用内置Simulink块实现这些算法。使用Simulink编码器从块生成C/C++代码™ 以嵌入式设备为目标。万博1manbetx
与Simulink的集成万博1manbetx
使用内置块在Simulink中实现估计模型、状态估计器和递归模型。可以使用这些块执行系统分析和控制设计任务。万博1manbetx
控制器设计
使用您估计的模型，通过控制系统工具箱设计和调整控制器。使用PID Tuner应用程序中的系统识别功能，根据测量数据或具有不连续性的Simulink模型估计线性电厂动态。万博1manbetx
非线性ARX模型
通过将自回归模型与小波网络、树分区、S形网络和神经网络（带 深度学习工具箱™).
具有小波非线性的估计非线性ARX模型。
Hammerstein-Wiener模型
估计线性系统输入和输出中存在的静态非线性失真。例如，您可以估计影响直流电机输入电流的饱和水平。
与线性模型相比，用非线性灰箱模型更好地表示两个储罐系统。
时间序列模型
估计时间序列模型以拟合系统中的测量数据。然后，您可以预测时间序列模型的未来值以预测系统的行为。
时间序列模型可用于预测设备健康状况。
实时编辑器任务
通过对损失函数应用加权预滤波器，提高估计状态空间和过程模型的精度
实时编辑器任务
以交互方式执行状态空间和过程模型识别任务，并在实时脚本中生成MATLAB代码
扩展和无迹卡尔曼滤波器的残差
计算滤波器预测的残差和残差协方差
看见发行说明有关这些功能和相应功能的详细信息。
