sim卡

模拟识别模型的响应

页面上倒塌

语法

y = sim (sys udata)

Y = SIM（SYS，UDATA，OPT）

[y, y_sd] = sim卡(＿＿＿）

(y y_sd x) = sim卡(＿＿＿）

[y，y_-sd，x，x_-sd]=sim卡(＿＿＿）

SIM（＿＿＿）

描述

例子

y= SIM（系统，乌达）使用输入数据返回已识别模型的模拟响应，乌达．默认情况下，所有模型类型都使用零初始条件，除了idnlgrey.，在这种情况下，使用内部存储在模型中的初始条件。

例子

y= SIM（系统，乌达，选择）使用选项集，选择，以配置模拟选项，包括初始条件的规范。

例子

［y，y_sd]=sim卡(＿＿＿）返回估计的标准差，y_sd，模拟的响应。

例子

［y，y_sd，x]=sim卡(＿＿＿）返回状态轨迹，x，对于状态空间模型。

例子

［y，y_sd，x，x_sd]=sim卡(＿＿＿）返回状态轨迹的标准偏差，x_sd，对于状态空间模型。

例子

SIM（＿＿＿）绘制识别模型的模拟响应图。

例子

全部收缩

使用输入数据模拟状态空间模型

打开直播脚本

加载估计数据。

负载iddata2z2

估计一个三阶状态空间模型。

sys = ss (z2, 3);

使用来自估计数据的输入通道模拟识别的模型。

Y = SIM（SYS，Z2）;

在模拟模型响应中添加噪声

打开直播脚本

加载数据，并获得识别的模型。

负载iddata2z2sys = n4sid (z2, 3);

系统是用子空间方法估计的三阶状态空间模型。

创建模拟选项集，以向模拟模型响应添加噪声。

opt1 = simOptions ('addnoise'，真的）;

模拟模型。

y = sim (sys、z2 opt1);

默认高斯白噪声通过模型的噪声传递函数进行滤波，并添加到仿真模型响应中。

您也可以添加自己的噪声信号，e，使用noisdata.选择。

e = randn(长度(z2.u), 1);opt2 = simOptions ('addnoise'，真的，“NoiseData”, e);

模拟模型。

y=sim（系统，z2，opt2）；

使用估计期间获得的初始条件进行模拟模型

打开直播脚本

加载数据。

负载iddata1z1

指定估计初始状态的估计选项。

estimOpt = ssestOptions (“初始状态”，'估计'）;

估计状态空间模型，并返回估计初始状态的值。

[sys, x0] = ss (z1 2 estimOpt);

指定模拟的初始条件

simOpt = simOptions (“InitialCondition”, x0);

对模型进行仿真，得到模型响应和标准差。

[y, y_sd] = sim (sys, z1, simOpt);

状态空间模型的标准差和状态轨迹估计

打开直播脚本

负载估计数据，并估计一个状态空间模型。

负载iddata1z1sys = ssest（z1,2）;

返回标准偏差和状态轨迹。

[y y_sd x] = sim (sys, z1);

估计模拟响应的状态轨迹和标准差

打开直播脚本

负载估计数据，并估计一个状态空间模型。

负载iddata1z1sys = ssest（z1,2）;

创建模拟选项集，并指定初始状态。

选择= simOptions (“InitialCondition”,[1;2]);

指定初始状态的协方差。

opt.X0Covariance = [0.1 0;0 0.1);

计算模拟响应的标准偏差，y_sd和国家轨迹，x_sd．

[x, y, y_sd x_sd] = sim (sys, z1,选择);

绘图模拟模型响应

打开直播脚本

获取识别的模型。

负载iddata2z2sys = tfest（z2,3）;

系统是一个idtf模型，它封装了对测量数据估计的三阶传递函数z2．

模拟模型。

sim (sys、z2)

Figure Estimated using TFEST包含一个轴对象。标题为“模拟输出#1:y1”的axis对象包含一个类型为line的对象。这个对象表示y1。

模拟非线性ARX模型

打开直播脚本

在已知平衡点附近模拟单输入单输出非线性ARX模型，输入水平为1和输出水平10.．

加载样本数据。

负载iddata2

从数据估计一个非线性ARX模型。

m = nlarx（z2，[2 2 1]，“idTreePartition”）;

根据过去的数据估计模型的当前状态。指定输入和输出变量中存在滞后的尽可能多的过去样本（此处为2）。

x0=数据状态（M，结构('输入'，（2,1），'输出'，10 *那些（2,1））））;

使用返回的初始状态来模拟模型data2state．

选择= simOptions (“InitialCondition”, x0);sim (M, z2,选择)

使用具有预测焦点的NLARX估计的图形包含axes对象。标题为模拟输出#1:y1的Axis对象包含类型为line的对象。此对象表示y1。

从以前的模拟结束继续

打开直播脚本

从上一次模拟运行结束后，继续对非线性ARX模型进行模拟。

从数据中估计一个非线性ARX模型。

负载iddata2M = nlarx(z2，[2 2 1]，idTreePartition);

使用输入数据的前半部分模拟模型z2．从零初始状态开始模拟。

u1 = z2(1∶[]);opt1 = simOptions (“InitialCondition”，“零”）;ys1 = sim (M, u1, opt1);

使用输入数据的后半部分开始另一个模拟z2．使用与第一次模拟结束时相同的模型状态。

U2 = Z2（201：END，[]）;

要正确设置第二次模拟的初始状态，请选择package inputU1.和产出ys1从第一次模拟变成一次模拟iddata对象。将此数据作为下一次模拟的初始条件传递。

firstsimdata = [ys1，u1];opt2 = simOptions (“InitialCondition”, firstSimData);ys2 = sim (M, u2, opt2);

通过与使用所有输入数据的完整模拟进行比较，验证这两个模拟z2．首先，提取整组输入数据。

Utotal = Z2（：，[]）;opt3 = simoptions（“InitialCondition”，“零”）;Ystotal = SIM（M，Utotal，Opt3）;

绘制三个反应ys1，ys2和ysTotal。ys1应该等于上半年ystotal.．ys2应该等于的后半部分ystotal.．

情节(ys1'B'ys2,“g”，伊斯托塔，'k *'）

图中包含一个轴对象。具有标题Y1的轴对象包含3个类型线的对象。这些对象代表ys1，ys2，ystotal。

这些曲线表明了这三个响应ys1，ys2，和ystotal.重叠。

匹配模型响应输出数据

打开直播脚本

估计模型的初始状态米这样，响应与数据集中的输出最匹配z2．

加载样本数据。

负载iddata2；

从数据估计一个非线性ARX模型。

M=nlarx（z2，[4 3 2]，idWaveletNetwork(“数量单位”,20));

估计的初始状态米最适合z2.y在模拟响应中。

x0 = findstates (M, z2,正);

模拟模型。

选择= simOptions (“InitialCondition”, x0);ysim = sim (M, z2.u,选择);

比较模拟模型输出ysim在输出信号处于z2．

time = z2.samplinginstants;绘图（时间，ysim，time，z2.y，“。”）

图中包含一个轴对象。轴对象包含两个类型为line的对象。

模拟已知输入未知输出的近稳态模型

打开直播脚本

开始对输入已知的稳态附近的模型进行模拟1，但输出未知。

加载样本数据。

负载iddata2

从数据估计一个非线性ARX模型。

m = nlarx（z2，[4 3 2]，IDWaveletNetwork）;

确定输入的平衡状态值1和未知的目标输出。

x0 = condop（m，'稳定的'，1，楠）;

使用初始状态模拟模型x0．

选择= simOptions (“InitialCondition”, x0);SIM（M，Z2.U，OPT）

使用具有预测焦点的NLARX估计的图形包含axes对象。标题为模拟输出#1:y1的Axis对象包含类型为line的对象。此对象表示y1。

稳态工况下Hammerstein-Wiener模型的仿真

打开直播脚本

加载样本数据。

负载iddata2

创建Hammerstein-Wiener模型。

m = nlhw（z2，[4 3 2]，[]，IDpiecewiselinear）;

计算与输入水平相对应的稳态工作点值1和未知的输出水平。

x0 = condop（m，'稳定的'，1，楠）;

使用估计的初始状态模拟模型。

选择= simOptions (“InitialCondition”，x0）；sim卡（M，z2.u）

使用NLHW估算的图形包含一个轴对象。标题为模拟输出#1:y1的Axis对象包含类型为line的对象。此对象表示y1。

模拟时间序列模型

打开直播脚本

加载时间序列数据，使用最小二乘方法估计AR模型。

负载iddata9z9sys=ar（z9,6，'ls'）;

对于时间序列数据，指定所需的模拟长度，N= 200N-by-0输入数据集。

data = iddata ([], 0 (200 0), z9.Ts);

设置初始条件，使用时间序列的初始样本作为历史输出样本。

ic = struct（'输入'，[]，'输出'，z9.Y（1：6））;选择= simOptions (“InitialCondition”、集成电路);

模拟模型。

sim (sys、数据选择)

使用AR估算的图形包含一个轴对象。标题为模拟输出#1:y1的轴对象包含一个line类型的对象。此对象表示y1。

了解使用历史数据进行模型模拟

打开直播脚本

在模拟模型时，使用历史输入输出数据作为初始条件的代理。首先模拟使用sim卡命令并使用该命令指定历史数据辛伐斯选项集。然后，您通过手动将历史数据映射到初始状态来再现模拟输出。

加载一个两输入一输出的数据集。

负载iddata7z7

使用数据识别五阶状态空间模型。

sys = n4sid (z7 5);

将数据集拆分为两部分。

za = z7（1:15）;zb = z7（16：结束）;

使用输入信号来模拟模型zB．

USIM = ZB;

模拟需要初始条件。信号值zA是历史数据，即它们是立即在数据之前的时间的输入和输出值zB．使用zA作为所需初始条件的代理。

io = struct（'输入'，za.inputdata，'输出'，za.outputdata）;选择= simOptions (“InitialCondition”，io）;

模拟模型。

ysim=sim（系统、uSim、opt）；

现在通过手动将历史数据映射到初始状态来重现输出系统．为此，使用data2state命令。

xf=data2state（sys，zA）；

xf的状态值系统在时间瞬间后立即将最近的数据采样进来zA．

使用以下命令模拟系统xf作为初始状态。

opt2 = simOptions (“InitialCondition”，XF）;YSIM2 = SIM（SYS，USIM，OPT2）;

图的输出sim卡命令ysim和手动计算的结果ysim2。

情节(ysim'B'，ysim2，'--r'）

图中包含一个轴对象。标题为y1的axes对象包含两个类型为line的对象。这些对象表示ysim, ysim2。

ysim2是相同的ysim．

输入参数

全部收缩

`系统`- - - - - -识别模型
确定线性模型|确定的非线性模型

已识别的模型，指定为以下模型对象之一:

	模型类型	模型对象
辨识线性模型	多项式模型	`idpoly`
	流程模型	`IDProc.`
	状态空间模型	`中的难点`
	传递函数模型	`idtf`
	线性灰盒式模型	`艾德格雷`
确定的非线性模型	非线性ARX模型	`idnlarx`
	非线性Hammerstein-Wiener模型	`idnlw.`
	非线性灰度盒模型	`idnlgrey.`

`乌达`- - - - - -模拟输入数据
`iddata`对象|矩阵

模拟输入数据，指定为iddata对象或矩阵。sim卡使用来自此对象的输入通道作为模拟输入。对于离散时间系统的时域模拟，您也可以指定乌达作为一个矩阵，其列对应于每个输入通道。

如果系统是线性模型，可以使用时域或频域数据。如果系统是一个非线性模型，只能使用时域数据。

如果系统是一个时间序列模型，即没有输入的模型，指定乌达作为ns.-by-0信号，在哪里ns.为所需的仿真输出样本数。例如，模拟100.输出样本,指定乌达如下。

udata = iddata ([], 0 (100 0), Ts);

如果您没有实验中的数据，请使用idinput产生具有各种特性的信号。

`选择`- - - - - -模拟选项
`辛伐斯`选项设置

模拟选项，指定为a辛伐斯设置以下选项的选项集:

初始条件
输入/输出偏移
加性噪声

输出参数

全部收缩

`y`——模拟响应
`iddata`对象|矩阵

模拟反应系统，返回为iddata对象或矩阵，具体取决于指定方式乌达．例如,如果乌达是一个iddata对象，那么也是y．

如果乌达表示时域数据，然后y是对应的时间向量的模拟响应乌达．

如果乌达代表了频域数据,U（ω)那么y包含相应采样时域输出信号的傅里叶变换。该信号是信号频率响应的乘积系统，G（ω），和U（ω）。

对于多实验数据，y是相应的多重实验吗iddata对象。

`y_sd`- 估计标准差
双矩阵

线性模型或非线性灰箱模型模拟响应的估计标准偏差，以ns.——- - - - - -纽约矩阵,ns.是样品数量和纽约是输出的数量。该软件通过考虑模型参数协方差、初始状态协方差和加性噪声协方差来计算标准差。添加剂噪声协方差存储在隔声模型的财产。

y_sd采用一阶灵敏度考虑(高斯近似公式)导出。

对于非线性模型，y_sd是[]．

`x`-状态空间模型的状态轨迹估计
矩阵|`[]`

状态空间模型的估计状态轨迹，作为ns.——- - - - - -NX.矩阵,ns.是样品数量和NX.是状态数。

x只有相关的系统是一个中的难点，艾德格雷，或者idnlgrey.模型。如果系统不是状态空间模型，x返回的是[]．

`x_sd`-状态轨迹的估计标准差
矩阵|`[]`

状态空间模型状态轨迹的估计标准差，返回为ns.——- - - - - -NX.矩阵,ns.是样品数量和NX.是状态数。该软件通过考虑模型参数协方差、初始状态协方差和加性噪声协方差来计算标准差。添加剂噪声协方差存储在隔声模型的财产。

x_sd只有相关的系统是一个中的难点，艾德格雷，或者idnlgrey.模型。如果系统不是状态空间模型，x_sd返回的是[]．

提示

当估计模型和测量验证数据集的系统的初始条件不同时，模拟和测量的响应也可能不同，尤其是在响应的开始时。为了最小化这种差异，估计使用初始状态值findstates并使用估计值来设置初始条件选项使用辛伐斯．例如，看到匹配模型响应输出数据．

算法

模拟即使用输入数据和初始条件计算模型响应。sim卡模拟以下系统:

这里，

u（t)是模拟输入数据，乌达．
y（t)为模拟输出响应。
G从输入到输出的传递函数是否定义在系统．模拟初始条件，如指定使用辛伐斯，设置的初始状态G．
e（t)是可选的噪声信号。通过创建一个辛伐斯选项设置，并设置addnoise.选项真的．此外，您可以通过指定noisdata.选择。
H噪声传递函数和定义在系统．
δu为输入信号减去的可选输入偏移量，u（t)，然后使用输入来模拟模型。属性指定输入偏移量InputOffset.选项使用辛伐斯．
δy是添加到输出响应的可选输出偏移量，y（t），模拟后。通过设置来指定输出偏移量OutputOffset选项使用辛伐斯．

有关指定模拟初始条件、输入和输出偏移量以及噪声信号数据的更多信息，请参见辛伐斯．对于多分析数据，您可以单独为每个实验指定这些选项。

选择

使用simsd采用蒙特卡罗方法计算响应的标准差。
sim卡延伸lsim为促进与已识别车型相关的其他功能：
- 非线性模型的仿真
- 加性噪声仿真
- 信号偏移量的合并
- 响应标准偏差的计算（仅限线性模型）
- 频域仿真（仅限线性型号）
- 针对不同输入使用不同样本间行为的仿真
为了获得模拟响应，没有前述操作中的任何操作，使用lsim．