data2state

地图过去的数据对非线性ARX模型的状态空间状态和

折叠所有页面

句法

X = data2state（SYS，PastData）

[X，XCov] = data2state（SYS，PastData）

描述

X= data2state（SYS，PastData）过去的数据映射到状态空间的状态或非线性ARX模型SYS。X包含了最新的数据样本后，立即在时刻的状态值PastData。该软件通过在预测响应和输出信号之间的最小化的1步向前预测误差计算状态估计PastData。

data2state是继续模型模拟有用。也就是说，假设你有模拟的模型达到一定的时刻，愿然后模拟对未来的投入模式。用data2state在第二次模拟开始估计模型的状态。

例

[X，XCov] = data2state（SYS，PastData）返回估计的协方差，XCov，目前的状态。

例子

全部收缩

计算映射国确定模型

开立真实脚本

计算所识别的模式的映射状态，并且使用状态作为模型模拟初始状态值。

负荷预测数据。

加载iddata3Z3

估计使用所述数据的第二阶状态空间模型。

SYS = ssest（z3,2）;

模拟使用在整个输入信号的模型Z3。

输入= Z3（：，[]，:);％| IDDATA |仅包含所述输入信号的对象y_all = SIM（SYS，输入）;

SIM卡将使用零来计算初始条件你们。

现在仅使用输入信号的上半年仿真模型。

输入1 =输入（1：150）;Y_1 = SIM（SYS，输入1）;

继续与所述输入信号的所述第二半的模拟，使得结果表明没有不连续由于初始条件诱导的瞬变。要做到这一点，首先构造从输入信号的前半成为过去的数据集包括所述输入的和模拟输出。然后计算对应于输入信号（T = 151）的第二半的起始状态值。

PastData = [Y_1，输入1];X = data2state（SYS，PastData）;

X包含了最新的数据样本后，立即在时刻的状态值PastData。这个时间点也是未来的数据（输入信号的第二一半）的开始。

FutureData =输入（151：结束）;

使用输入信号的第二半模拟模型和X作为初始条件。

选择= simOptions（'初始条件'，X）;Y_2 = SIM（SYS，FutureData，优化）;

验证Y_2下半年匹配你们。

图（y_all，Y_2，'R'。）图例（“仿真使用所有输入数据”，...“的输入数据的第二半独立的模拟”）

计算映射国和协方差国

开立真实脚本

加载过去的数据。

加载iddata1Z1PastData = Z1;

估计的ARX模型。

SYS = ARX（PastData，[1 1 0]）;

该模型转换为状态空间模型。

系统2 = IDSS（SYS）;

计算映射的状态和使用状态的协方差PastData。

[X，XCov] = data2state（SYS2，PastData）;

X在该时刻的状态值在最近的数据采样后立即PastData。

确定非线性ARX模型的映射状态

开立真实脚本

加载数据，并创建一个数据对象。

加载motorizedcamera;Z = IDDATA（Y，U，0.02，'名称'，“电动摄像机”，'TIMEUNIT'，'S'）;

估计非线性ARX模型。

MW1 = nlarx（Z，[一（2,2），一（2,6），一（2,6）]，'wavenet'）;

估计的模型具有六个输入端和两个输出。

确定模型阶，NX。

为nx =顺序（MW1）;

使用第一NX数据的样本，以产生初始条件。

PastData =结构（“输入”，z.u（1：NX，:)，“输出”，z.y（1：NX，:)）;

计算模型的映射状态。

X = data2state（MW1，PastData）;

X在该时刻的状态值在最近的数据采样后立即PastData。

使用剩余的输入数据模拟模型，以及用于模拟指定的初始条件。

InputSignal = z.u（NX + 1：端，:);选择= simOptions;opt.InitialCondition = X;SIM（MW1，InputSignal，OPT）

输入参数

全部收缩

`SYS`-辨识模型
`IDSS`|`idgrey`|`idnlgrey`|`idnlarx`

其目前的状态估计辨识模型，指定为下列之一：

状态空间模型（IDSS，idgrey，要么idnlgrey宾语）
非线性ARX模型（idnlarx对象） - 对于的状态的定义idnlarx模型，看idnlarx国的定义。

`PastData`-过去的输入输出数据
`IDDATA`目的|结构体

过去的输入输出数据，指定为以下情况之一：

IDDATA对象 - 样品的数目必须大于或等于模型顺序。为了确定模型阶数，使用订购。
X是模型状态中的时间价值PastData.SamplingInstants（结束）+ PastData.Ts。
什么时候SYS是连续时间，指定PastData作为IDDATA宾语。X然后对应于该离散化（C2D）的模型，其中所述离散化方法被存储在版本采样间财产PastData。
结构 - 指定为具有以下字段的结构：
- 输入 - 过去的输入数据，指定为ñ-通过-怒江矩阵，其中ñ比大或等于模型秩序。
- 输出 - 过去输出数据，指定为ñ-通过-尹恩惠矩阵，其中ñ比大或等于模型秩序。
指定PastData作为结构，只有当SYS是一个离散时间模型。

数据样本PastData应该是在增加的时间顺序。也就是说，在最后一排PastData应该对应于最新的时间。

输出参数

全部收缩

`X`- 模型的映射状态
行向量

模型的映射状态，返回作为大小的行向量等于状态的数目。X包含了最新的数据样本后，立即在时刻的状态值PastData。也就是说，如果PastData是一个IDDATA宾语，X是在时间状态值T = PastData.SamplingInstants（结束）+ PastData.Ts。