参数估计在通过统计概率分布函数、参数动态模型和基于数据的Simulink等数学模型准确描述系统行为方面起着至关重要的作用金宝app®楷模。
提高统计模型的准确性可能涉及估计:
- 概率分布的参数,例如正态分布的平均值和标准偏差
- 回归模型的回归系数,如\(y = a'x \)
有关更多信息,请参阅统计和机器学习工具箱™,它支持具有超过金宝app40个不同概率分布的这些和类似的参数估计任务,包括普通,威布尔,伽玛,广义帕累托和泊松。工具箱也支持金宝app线性和非线性回归。
创建精确的参数动态模型可以涉及估计:
- 传递函数系数,包括ARX,ARMAX,BOX-JENKINS和输出错误
- 状态空间矩阵的条目
- 具有参数约束的ODES或结构良好的系统系数(灰度盒系统识别)
- 非线性动态系统的回归系数,饱和度或死区限制,包括非线性ARX和Hammersein-Wiener
有关更多信息,请参阅系统识别工具箱™,它支持这些任务金宝app,具有线性和非线性参数动态模型的参数估计。
用于Simulink模型的参数估计的常见任务包括:金宝app
- 导入和处理输入 - 输出测试数据,例如直流电动机的电压输入和转子速度输出
- 指定估计的哪个型号参数和初始条件,例如电机阻力和惯性
有关更多信息,请参阅金宝appSimulink Design Optimization™,它支持具有交互金宝app式工具的这些参数估计任务,可帮助您配置,操作和运行Simulink优化问题。金宝app