在系统辨识工具箱使用传递函数估计的结果
9的观点(30天)
显示旧的评论
我用系统辨识工具箱,估计传递函数的输入-输出数据集。两者都是观察,离散时间序列数据。
使用工具箱,我产生好的结果显示60 - 70 +的最适合比较窗口。然而,当我使用tf结果的分子和分母系数模型,然后运行输入数据通过一个过滤器使用这些系数,输出数据看起来一点也不像实际的测量输出数据。
所以我有几个问题:
- 什么是合适的线,这是覆盖的测量输出数据比较窗口?这是怎么产生的传递函数使用输入数据?
- 我如何使用传递函数估计的结果给新的输入输出预测数据?
最终我想用传递函数的结果,重复实验与新的输入数据,并产生输出数据匹配与输出数据来衡量。
我简化这个,只有一直使用的输出,但我将使用MIMO的系统分析。我已经玩这个有点,它给了另一个问题:
- 当提供的tf MIMO数据,假设3输入和输出,由此产生的转移函数u1 - > y1, u2 - > u3 - >日元,日元u1 - > y2,等等。然而,估计一个输出,说日元是输出传递函数的估计来源于与u1(1, 1)作为输入,输出还是y1取决于u1, u2, u3,一个完整的结果吗?解释,如果我估计y1衡量新尝试新的输入,我怎样到达结果鉴于u1, u2, u3,和输出传递函数在(1),(1、2),和(1、3)?
再次,我希望使用输入数据,最终生成一个输出相匹配的测量输出。
我希望这是有意义的。任何见解会感谢。
