主要内容

系统标识工具箱

从测量的输入输出数据创建线性和非线性动态系统模型

系统标识Toolbox™提供MATLAB®功能,模拟金宝app®块,以及用于从测量输入输出数据构建动态系统数学模型的应用程序。它使您可以创建和使用不容易根据第一原理或规格建模的动态系统模型。您可以使用时间域和频域输入输出数据来识别连续时间和离散的时间传输功能,过程模型和状态空间模型。该工具箱还提供了嵌入式在线参数估计的算法。

该工具箱提供了识别技术,例如最大似然,预测 - 错误最小化(PEM)和子空间系统识别。为了代表非线性系统动力学,您可以估计具有小波网络,树分区和Sigmoid网络非线性的Hammerstein-Weiner模型和非线性ARX模型。该工具箱执行灰色系统标识,以估计用户定义模型的参数。您可以在Simulink中使用确定的模型进行系统响应预测和植物建模。金宝app该工具箱还支持时间序列数据建模和时金宝app间序列预测。

开始

了解系统标识工具箱的基础知识

数据准备

绘制,分析,逐渐降低和过滤时间和频率域数据,生成和导入数据

线性模型标识

确定冲动反应,频率响应和参数模型,例如状态空间和传输函数模型

非线性模型标识

识别非线性ARX,Hammerstein-Wiener和Grey-Box型号

灰色框模型估计

线性和非线性差异,差异和状态空间方程的估计系数

模型验证

将模型与测量的输出,剩余分析,置信度边界的响应图进行比较

模型分析

离散模型,将模型转换为其他类型,线性化非线性模型,模拟和预测输出

时间序列分析

通过识别线性和非线性模型,例如AR,ARMA,州空间和灰色盒模型,进行光谱分析以及预测模型输出来分析时间序列数据

在线估计

估计模型参数和系统操作期间的状态,生成代码并部署到嵌入式目标