主要内容

nlgreyestoptions.

选项设置nlgreyest

折叠所有页面

句法

选择= nlgreyestOptions.
选择= nlgreyestOptions(名称、值)

描述

例子

选择= nlgreyestoptions.创建的默认选项集nlgreyest．如果需要，使用点表示法自定义选项集。

例子

选择= nlgreyestOptions（名称，价值）创建一个选项设置，其中包含一个或多个指定的选项名称，价值对参数。未指定的选项保留其默认值。

例子

全部折叠

打开生活的脚本 
选择= nlgreyestoptions;
打开生活的脚本

创建估算选项设置nlgreyest查看估算进度，并将最大迭代步骤设置为50。

选择= nlgreyestoptions;opt.display ='在';opt.SearchOptions.maxItations = 50;

加载数据。

加载（全氟（MatlaBroot，“工具箱”那'ident'那'Iddemos'那“数据”那'dcmotordata'））;z = iddata（y，u，0.1，'姓名'那'直流电机'）;

数据来自具有一个输入（电压）的线性DC电动机，以及两个输出（角度位置和角速度）。模型的结构是指定的dcmotor_m.m.文件。

创建一个非线性灰盒模型。

file_name =.'dcmotor_m';订单= [2 1 2];参数= [1; 0.28];initialstates = [0; 0];init_sys = idnlgrey（file_name，顺序，参数，initialstates，0，......'姓名'那'直流电机'）;

使用估计选项估计模型参数。

sys = nlgreyest (z, init_sys,选择);
打开生活的脚本

创建一个选项设置nlgreyest在哪里：

  • 不会生成参数协方差数据。

  • 子空间高斯 - 牛顿最小二乘法用于估计。

opt = nlgreyestoptions（'估计长官'假的,'SearchMethod'那'GN'）;

输入参数

全部折叠

名称-值对的观点

指定可选的逗号分离对名称，价值论点。姓名是参数名称和价值为对应值。姓名必须出现在引号内。可以以任意顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

例子：nlgreyestOptions（'显示'，'开'）

用于计算雅可比矩阵和梯度的选项，指定为逗号分隔对，由'gradientione'和一个有字段的结构：

字段名称 描述 默认的
MaxDifference

计算数值衍生物时最大的允许参数扰动。指定为正实值>'Mindifference'．

 INF.
介绍

计算数值衍生物时最小允许参数扰动。指定为正实值<'maxdifference'．

 0.01 * 12 (eps)
差异化学

对参数和/或初始状态的分量计算数值导数以形成雅可比矩阵的方法。指定为下列之一:

  • “汽车”- 自动从以下方法中选择。

  • '中央近似'

  • '前向近似'

  • '向后近似'

 “汽车”
类型

计算参数的衍生物（Jacobian）或要估计的初始状态时使用的方法。指定为下列之一:

  • “汽车”- 自动从以下方法中选择。

  • “基本”- 单独计算形成雅比尼亚每列所需的所有数值衍生物。

  • '精制'- 同时计算形成雅加诺的每列所需的所有数值衍生物。

 “汽车”

指定字段值GradientOptions，创建默认值nlgreyestoptions.使用点表示法设置和修改字段。您未修改的任何字段都保留了其默认值。

选择= nlgreyestoptions;opt.gradientOptions.type =.“基本”;

控制是否生成参数协方差数据，指定为真正的（1)或错误的（0.）。

估算进度显示设置，指定为逗号分隔对组成'展示'和以下之一：

  • '离开'- 没有显示进度或结果信息。

  • '在'- 有关模型结构和估计结果的信息显示在进度查看器窗口中。

模型参数的正则化估计选项，指定为逗号分隔对组成'正规化'和一个有字段的结构：

字段名称 描述 默认的
lambda. 偏差与方差折衷常量，指定为非负标量。 0.- 表示没有正常化。
R. 加权矩阵，指定为非负标量的向量或方形正半定矩阵。长度必须等于模型中的空闲参数的数量，np．使用nparams.命令确定模型参数的数量。 1- 表示值眼睛(np)．
名义上的

在指定为以下之一的估计期间将自由参数拉动的标称值：

  • '零'- 将参数拉到零。

  • '模型'- 将参数拉到初始模型中的预先存在值。

 '零'

指定字段值正则化，创建默认值nlgreyestoptions.使用点表示法设置和修改字段。您未修改的任何字段都保留了其默认值。

选择= nlgreyestoptions;opt.regularization.lambda = 1.2;选择.Regularization.r = 0.5 *眼睛（NP）;

正则化是一种用于指定模型灵活性约束的技术，这减少了估计的参数值中的不确定性。有关更多信息，请参阅模型参数的正则化估计．

数值搜索方法用于迭代参数估计，指定为逗号分隔对组成'SearchMethod'和以下之一：

  • '汽车'- 如果优化工具箱™可用，“lsqnonlin”使用。否则，直线搜索算法的组合，'GN'那“lm”那“玲娜”,'毕业'方法在每次迭代中依次尝试。第一个下降方向可以减少估计成本。

  • 'GN'-子空间高斯-牛顿最小二乘搜索。奇异值的雅可比矩阵小于GnPinvConstant * eps *马克斯(大小(J)) *规范(J)计算搜索方向时被丢弃。j是雅各斯矩阵。Hessian矩阵近似jT.j．如果此方向没有改进，则该功能将梯度方向试验。

  • “玲娜”- Adaptive Subpace Gauss-Newton搜索。特征值少于γ*马克斯(sv)赫森忽略了，在哪里SV.是黑森州的奇异价值观。高斯 - 牛顿方向在剩下的子空间中计算。伽玛有初始值initialGnaterance.（看先进的在'searchOptions'的更多信息)。这个值按该因子增加LMStep每次搜索都未能在少于五个双分块中找到标准的较低值。该值减少了因素2 * LMStep每次搜索都是成功的，没有任何二分。

  • “lm”- Levenberg-Marquardt最小二乘搜索，其中下一个参数值是-pinv（h + d * i）*毕业从上一个。H海赛,一世是身份矩阵，和毕业是渐变。D.是一个不断增加的数字，直到找到该准则的一个较低的值为止。

  • '毕业'- 陡峭的缩小最小二乘搜索。

  • “lsqnonlin”- 信任区域反光算法lsqnonlin（优化工具箱）．需要优化工具箱软件。

  • '粉丝'-约束非线性求解器。的序列二次规划(SQP)和信任区域反射算法粉刺求解器。如果您有优化工具箱软件，还可以使用内部点和主动集算法粉刺（优化工具箱）求解器。指定算法searchoptions.algorithm.选择。的粉刺算法可能导致提高估计结果：

    • 在模型参数上施加的界限时约束最小化问题。

    • 损耗功能的模型结构是参数的非线性或非平滑功能。

    • 多输出模型估计。一个决定因素损失功能默认情况下最小化以用于MIMO模型估计。粉刺算法能够直接最小化这种损耗函数。其他可用的搜索方法，如“lm”和'GN'通过替代地估计噪声方差并降低给定噪声方差值的损耗值来最小化决定因子损耗功能。因此，这是粉刺算法可以为多输出模型估算提供更好的效率和准确性。

选项设置为搜索算法，指定为逗号分隔的对组成'searchOptions'以及使用依赖于值的字段设置的搜索选项SearchMethod．

searchOptions.结构时SearchMethod被指定为“lsqnonlin”或'汽车'， 什么时候优化工具箱是可用的

字段名称 描述 默认的
functiontolerance.

软件最小化损失函数的终止容差，以确定估计的参数值，指定为一个正标量。

的价值functiontolerance.与之相同opt.searchOptions.advanced.tolfun.．

 1E-5
StepTolerance.

终止公差对估计的参数值，指定为正标量。

的价值StepTolerance.与之相同opt.SearchOptions.Advanced.Tolx.．

 1E-6
最大

损失函数最小化期间的最大迭代次数，指定为正整数。迭代停止何时最大达到或满足另一个停止标准，例如functiontolerance.．

的价值最大与之相同opt.SearchOptions.Advanced.Axater.．

 20.
先进的

高级搜索设置，指定为选项设置lsqnonlin．

有关更多信息，请参阅优化选项表优化选项（优化工具箱）．

 使用OptimSet（'Lsqnonlin'）创建默认选项集。

searchOptions.结构时SearchMethod被指定为'GN'那“玲娜”那“lm”那'毕业'， 或者'汽车'， 什么时候优化工具箱不可用

字段名称 描述 默认的
宽容

损失函数的当前值与下一次迭代后预期改进值之间的最小百分比差，指定为正标量。当预期改进的百分比小于宽容，迭代停止。下一次迭代的预期损失功能改进的估计基于计算当前参数值的高斯牛顿矢量。

 1E-5
最大

损失函数最小化期间的最大迭代次数，指定为正整数。迭代停止何时最大达到或满足另一个停止标准，例如宽容．

环境MaxIterations = 0返回启动过程的结果。

使用sys.report.termination.Iltations.在估计期间获取实际迭代次数SYS.是一个idtf.模型。

 20.
先进的

高级搜索设置，指定为具有以下字段的结构：

字段名称 描述 默认的
GnPinvConstant

雅可比矩阵奇异值阈值，指定为一个正标量。雅可比矩阵的奇异值小于gnpinvconstant * max（大小（j）* norm（j）* eps）计算搜索方向时被丢弃。适用的时间SearchMethod是'GN'．

 10000
initialGnaterance.

初始价值伽玛，指定为正标量。适用的时间SearchMethod是“玲娜”．

 0.0001.
lmstartvalue.

搜索方向长度的起始值D.在Levenberg-Marquardt方法中，指定为正标量。适用的时间SearchMethod是“lm”．

 ０．００１
LMStep

Levenberg-Marquardt步骤的大小，指定为正整数。搜索方向长度的下一个值D.在Levenberg-Marquardt方法中是LMStep乘以上一个。适用的时间SearchMethod是“lm”．

 2
MaxBisections

用于沿着搜索方向的线路搜索的最大数量，指定为正整数。

 25.
MaxFunctionEvaluations.

对模型文件的最大调用数，指定为正整数。如果对模型文件的调用超过这个值，迭代将停止。

 INF.
minparameterchange.

每个迭代允许的最小参数更新，指定为非负标量。

 0.
相反的过程

相对改进阈值，指定为非负标量。如果标准函数的相对改善小于该值，则迭代停止。

 0.
Stepreduction.

减少级数，指定为大于1的正标量。建议参数更新减少了因素Stepreduction.每次试一试。这种减少会继续下去，直到MaxBisections尝试完成或获得标准功能的较低值。

Stepreduction.不适用SearchMethod“lm”（Levenberg-Marquardt方法）。

 2

searchOptions.结构时SearchMethod被指定为'粉丝'

字段名称 描述 默认的
算法

粉刺优化算法，具体如下:

  • 'SQP'—顺序二次规划算法。该算法在所有迭代中都满足边界，并能从南或INF.结果。它不是一个大规模的算法。有关更多信息，请参阅大规模对中型算法（优化工具箱）．

  • “trust-region-reflective”- 基于内部反光牛顿法的子空间信任区域方法。它是一种大规模的算法。

  • '内点'- 大型算法，需要优化工具箱软件。该算法在所有迭代中都满足边界，并能从南或INF.结果。

  • “激活集”- 需要优化工具箱软件。该算法可以花费大步，这增加了速度。它不是一个大规模的算法。

有关算法的更多信息，请参见约束非线性优化算法（优化工具箱）和选择算法（优化工具箱）．

 'SQP'
functiontolerance.

软件最小化损失函数的终止容差，以确定估计的参数值，指定为一个正标量。

 1E-6
StepTolerance.

终止公差对估计的参数值，指定为正标量。

 1E-6
最大

丢失函数最小化期间​​的最大迭代次数，指定为正整数。迭代停止何时最大达到或满足另一个停止标准，例如functiontolerance.．

 One hundred.

指定字段值searchOptions.，创建默认值nlgreyestoptions.使用点表示法设置和修改字段。您未修改的任何字段都保留了其默认值。

opt = nlgreyestoptions（'SearchMethod'那“玲娜”）;opt.SearchOptions.maxItations = 50;opt.SearchOptions.Advanced.relimprovents = 0.5;

多输出模型估计中预测误差的加权，指定为包括的逗号分隔对'输出'和以下之一：

  • []—不使用加权。指定为[]是一样的眼睛（纽约）， 在哪里纽约为输出数。

  • “噪音”- 最佳加权自动计算为估计噪声方差的倒数。这种加权最小化DET（E'* E / N）， 在哪里E.是预测误差的矩阵和N为数据样本的数量。此选项在使用时不可用“lsqnonlin”作为一个'SearchMethod'．

  • 一个正半纤维矩阵，W.，大小等于输出的数量。这种加权最小化追踪（e'* e * w / n）， 在哪里E.是预测误差的矩阵和N为数据样本的数量。

附加的高级选项，指定为逗号分隔对组成“高级”以及带有字段的结构:

字段名称 描述 默认的
artorthreshold. 阈值何时调整从二次误差为线性的大错误的重量，指定为非负标量。比大于的错误artorthreshold.估计标准偏差的时间具有损耗功能的线性重量。标准偏差稳健地估计，因为从预测误差的中值除以0.7的绝对偏差的中值。如果您的估计数据包含异常值，请尝试设置artorthreshold.到1．6． 0.- 导致纯粹的二次损失功能。

指定字段值先进的，创建默认值nlgreyestoptions.使用点表示法设置和修改字段。您未修改的任何字段都保留了其默认值。

选择= nlgreyestoptions;opt.advanced.errorthreshold = 1.2;

输出参数

全部折叠

选项设置nlgreyest，返回一个nlgreyestoptions.选项集。

兼容性的考虑

展开全部

也可以看看

介绍了R2015a

系统识别工具箱文档

金宝app

尝试matlab，sim金宝appulink等产品下载188bet金宝搏

立即获得审判