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，参数估计在准确描述系统行为方面起着至关重要的作用金宝app®模型。
提高统计模型的准确性可包括:
- 概率分布的参数，如正态分布的均值和标准差
- 回归模型的回归系数，如\(y = a'x\)
有关更多信息，请参见统计和机器学习工具箱™，它支持这些和类金宝app似的参数估计任务，使用超过40种不同的概率分布，包括正态分布、威布尔分布、伽玛分布、广义帕累托分布和泊松分布。工具箱还支持金宝app线性和非线性回归。
创建精确的参数动态模型需要估算:
- 传递函数的系数，包括ARX, ARMAX, Box-Jenkins和输出误差
- 状态空间矩阵的项
- 带参数约束的ode或结构良好系统的系数(灰盒系统识别)
- 非线性动态系统的回归系数、饱和水平或死区限制，包括非线性ARX和Hammerstein-Wiener
有关更多信息，请参见系统辨识工具箱™，它支持这些任务金宝app与参数估计的线性和非线性参数动态模型。
Simulink模型参数估计的常见任务包括:金宝app
- 输入并处理直流电机的电压输入、转子转速输出等输入输出测试数据
- 指定要估计的模型参数和初始条件，如电机阻力和惯性
有关更多信息，请参见金宝app仿真软件优化设计™，它通过一个交互金宝app式工具支持这些参数估计任务，该工具可帮助您配置、操作和运行您的Simulink优化问题。金宝app
