系统辨识工具箱
创建线性和非线性动态系统模型从测量输入输出数据
系统辨识工具箱™提供MATLAB®功能,金宝app®块,和一个应用程序构建数学模型的动态系统输入-输出测量数据。它允许您创建和使用模型的动态系统不易建模从第一原则或规范。您可以使用时域和频域的输入-输出数据,以确定连续时间和离散时间传递函数,过程模型和状态空间模型。工具箱还提供了嵌入式在线参数估计算法。
工具箱提供了识别技术,如最大似然,预测误差最小化(PEM)和子空间系统辨识。代表非线性系统动力学,可以估计Hammerstein-Wiener模型和非线性ARX模型与小波网络,tree-partition,乙状结肠网络非线性。工具箱进行灰色矩形一个用户定义的模型的参数估计系统识别。您可以使用系统响应的识别模型预测和植物建模仿真软件。金宝app工具箱还支持时间序列数据建模和时间金宝app序列预测。
开始:
数据导入和预处理
进口测量时域和频域数据。预处理可以消除趋势等数据通过执行操作,过滤、重采样,并重建丢失的数据。
模型的评估和验证
从测量输入输出数据辨识线性和非线性模型。你可以比较确定的模型,分析其性质,计算他们的信心,并验证测试数据集。
状态空间和多项式模型
确定最优模型秩序和估计系统的状态方程模型。你也可以估计ARX ARMAX Box-Jenkins和输出误差多项式模型。
频率和脉冲响应模型
用光谱和相关分析来估算模型的系统频率和时域数据。频率响应数据也可以从模型获得模型使用仿真软件控制设计。金宝app
与递归模型参数估计
实时估计系统的模型使用递归模型,更新他们的参数作为新的数据。您可以使用内置的仿真软件实现这些模型块。金宝app生成C / c++代码块使用的仿真软件编码器™针对嵌入式设备。金宝app
卡尔曼滤波器的状态估计
使用线性估计系统状态的实时数据,扩展,或无味卡尔曼滤波器以及粒子过滤器。您可以使用内置的仿真软件实现这些算法块。金宝app生成C / c++代码块使用的仿真软件编码器™针对嵌入式设备。金宝app
与仿真软件的集成金宝app
实现估计模型、状态估计和递归模型在仿真软件使用内置的街区。金宝app您可以执行系统分析和控制设计任务使用这些块。
控制器设计
使用你所拥有的模型估计与控制系统工具箱设计和优化控制器。使用系统辨识功能的PID调节器应用估计线性植物动态测量数据与不连续或仿真软件模型。金宝app
非线性ARX模型
系统通过结合自回归模型与非线性模型为代表的小波网络,树分区,(与 乙状结肠网络和神经网络深度学习工具箱™ )。
Hammerstein-Wiener模型
估计静态非线性失真出席一个线性系统的输入和输出。例如,您可以估计的饱和水平影响了直流电机输入电流运行。
线性灰色矩形模型
模型线性系统使用微分方程、差分方程,或者状态系统。估计模型参数如钟摆质量和长度或指定运动阻力和反电势恒定的测量输入输出数据。
时间序列模型
估计时间序列模型适合测量数据从您的系统。然后您可以预测未来值时间序列模型的预测系统行为。