在命令行估计多项式模型
利用arx和iv4估计arx模型
方法可以估计单输出和多输出ARX模型arx
而且iv4
命令。有关算法的信息,请参见多项式模型估计算法.
你可以使用下面的通用语法来配置和评估ARX模型:
%使用ARX方法M = arx(data,[na nb nk],opt);%使用IV法M = iv4(data,[na nb nk],opt);
数据
估计数据和[na nb nk]
指定模型顺序,如中所讨论什么是多项式模型?.
第三个输入参数选择
包含配置ARX模型估计的选项,例如初始条件和输入偏移量的处理。您可以创建和配置选项集选择
使用arxOptions
而且iv4Options
命令。三个输入参数后面还可以跟着名称和值对,以指定可选的模型结构属性,例如InputDelay
,IODelay
,IntegrateNoise
.
要获得离散时间模型,请使用时域数据(iddata
对象)。
请注意
不支持ARX结构的连续时间多项式。万博1manbetx
有关验证模型的更多信息,请参见评估后验证模型.
你可以使用pem
或聚
改进现有多项式模型的参数估计,如优化线性参数模型.
有关这些命令的详细信息,请参见相应的参考页面。
提示
您可以使用估计的ARX模型在命令行上初始化非线性估计,这可以提高模型的拟合性。看到使用线性模型初始化非线性ARX估计.
使用聚
估计多项式模型
您可以使用迭代预测-误差估计方法估计任何多项式模型聚
.对于方差未知的高斯扰动,该方法给出最大似然估计。生成的模型存储为idpoly
模型对象。
使用以下通用语法来配置和估计多项式模型:
m = polyest(data,[na nb nc nd nf nk],opt,Name,Value);
在哪里数据
是估计数据。na
,注
,数控
,nd
,nf
是指定模型顺序的整数,和nk
指定每个输入的输入延迟。F或more information about model orders, see什么是多项式模型?.
提示
您不需要使用构造模型对象idpoly
在评估之前。
如果你想估计所有五个多项式的系数,一个,B,C,D,F,则必须为每个多项式指定整数顺序。但是,如果您想指定一个ARMAX模型,例如,它只包括一个,B,C多项式,你必须设置nd
而且nf
到零适当大小的矩阵。对于一些更简单的配置,有专用的估计命令,例如arx
,armax
,bj
,oe
,通过只使用所需的订单来交付所需的模型。例如,Oe (data,[nb nf nk],opt)
估计一个输出误差结构多项式模型。
除了列出的多项式模型之外什么是多项式模型?,你可以使用聚
来模拟ARARX结构,称为广义最小二乘模型——设置数控= nf = 0
.您还可以对ARARMAX结构建模,称为扩展矩阵模型——设置nf = 0
.
第三个输入参数,选择
,包含配置多项式模型估计的选项,如初始条件的处理、输入偏移量和搜索算法。您可以创建和配置选项集选择
使用polyestOptions
命令。三个输入参数后面还可以跟着名称和值对,以指定可选的模型结构属性,例如InputDelay
,IODelay
,IntegrateNoise
.
对于ARMAX、Box-Jenkins和输出误差模型(它们只能使用迭代预测误差方法进行估计),请使用armax
,bj
,oe
分别为估计命令。这些命令是聚
简化了这些特定模型结构的语法,如下所示:
m = armax(Data,[na nb nc nk]);m = oe(数据,[nb nf nk]);m = bj(数据,[nb nc nd nf nk]);
类似于聚
,可以指定使用命令配置的选项集作为输入参数armaxOptions
,oeOptions
,bjOptions
对于估计量armax
,oe
,bj
分别。您还可以使用名称和值对来配置附加的模型结构属性。
提示
如果您的数据是快速采样的,在估计模型之前对数据应用低通滤波器可能会有所帮助,或者为数据指定一个频率范围WeightingFilter
属性。例如,若要仅对频率范围为0-10 rad/s的数据建模,请使用WeightingFilter
属性,如下:
opt = oeOptions('WeightingFilter
”,[0 10]);m = oe(Data, [nb nf nk], opt);
有关验证模型的更多信息,请参见评估后验证模型.
你可以使用pem
或聚
要细化现有多项式模型(任何配置)的参数估计,如优化线性参数模型.