translatecov
翻译参数协方差模型转换业务
语法
sys_new = translatecov (fcn sys)
sys_new = translatecov (InputN fcn, Input1,…)
描述
sys_new= translatecov (fcn,sys)sys成sys_new = fcn(系统),翻译的参数协方差sys协方差参数的转换模型。fcn是您指定一个转换函数。命令参数协方差的计算sys_new通过应用高斯近似公式。查看翻译参数协方差,使用getcov。
直接应用模型转换并不总是翻译原文的参数协方差模型的转换模型。例如,d2c(系统)不翻译的协方差参数sys。相比之下,translatecov (@ (x) d2c (x)系统)产生一个转换模型的系数d2c(系统)转换参数的协方差sys。
sys_new= translatecov (fcn,Input1,…, InputN)sys_new = fcn (InputN Input1…)协方差及其参数。至少一个的N输入必须是线性模型协方差参数信息。
输入参数
|
模型转换函数,指定为一个函数处理。 对单输入函数, 对于多输入功能, |
|
线性模型与参数协方差信息,指定为以下模型类型之一: 模型必须包含参数协方差信息, |
|
多个输入参数翻译功能 |
输出参数
|
模型产生的转换操作。协方差模型包括参数信息。 |
例子
期间翻译参数协方差模型转换
估计传递函数模型转化为同时翻译状态空间模型协方差的估计参数。
估计一个传递函数模型。
负载iddata1sys1 =特遣部队(z1, 2);
估计模型转换为状态空间形式,同时翻译协方差的估计参数。
sys2 = translatecov (@ (x) ids (x) sys1);
如果你直接传递函数模型转换为状态空间形式,协方差估计的参数丢失(的输出getcov是空的)。
sys3 = ids (sys1);getcov (sys3)
ans = []
视图中的参数协方差估计和转换模型。
covsys1 = getcov (sys1);covsys2 = getcov (sys2);
比较自信的地区。
h = bodeplot (sys1 sys2);showConfidence (h, 2);
的置信界限sys1与sys2。
期间翻译参数协方差模型连接
连接3对于模型的协方差数据从3模型结合起来产生的协方差数据生成模型。
构建状态空间模型。
一个= (-1.1008 - 0.3733,0.3733 - -0.9561);b = (0.7254 - 0.7147, -0.0631 - -0.2050);c = [-0.1241 0;1.4897 - 0.6715;1.4090 - -1.2075);d = [0 1.0347;1.6302 0;0.4889 0];sys = idss (a, b, c, d,“t”,0);
生成多输出估计数据。
t = (0:0.01:0.99)”;u = randn (100 2);y = lsim (sys, u, t,“zoh”);y = y +兰德(大小(y)) / 10;data = iddata (y、u, 0.01);
估计一个单独为每个输出信号模型。
m1 = ss(数据(:1:),2,“引线”,真正的(1、2),“DisturbanceModel”,“没有”);m2 = ss(数据(:2:),2,“引线”,真正的(1、2),“DisturbanceModel”,“没有”);m3 = ss(数据(:3:),2,“引线”,真正的(1、2),“DisturbanceModel”,“没有”);
结合协方差估计模型,同时翻译的信息。
f = @ (x, y, z) [x, y, z];M2 = translatecov (f, m1, M2, m3);
协方差参数不是空的。
getcov (M2,“因素”)
如果你直接估计模型合并成一个3-output模型,协方差信息丢失(的输出getcov是空的)。
M1 = (M1, m2, m3);getcov (M1)
比较有信心。
h = bodeplot (M2, m1, M2, m3);showConfidence (h);
的置信界限平方米重叠的m1,平方米和m3模型在各自的轴。
协方差参数转换成闭环模型
考虑一个模型组成的植物和控制器闭环反馈。转化植物的协方差参数的闭环反馈模型。
利用状态空间模型估计植物作为一个四阶估计数据z1。
负载iddata1z1工厂= ss (z1, 4);
植物包含参数协方差信息。
创建一个控制器作为一个连续时间zero-pole-gain模型与零,波兰人,增益等于2,-10年,分别为5。
控制器= zpk (-10 5);
定义一个转换函数生成状态空间模型闭环反馈。
fcn = @ (x, y) ids(反馈(x, y));
转化植物的协方差参数的闭环反馈模型。
sys_new = translatecov (fcn、植物、控制器);
sys_new包含翻译参数协方差信息。
情节转换模型的频率特性sys_new,并查看响应的置信区域。
h = bodeplot (sys_new);showConfidence (h);
情节展示了不确定性的影响植物在闭环响应。
提示
如果你获得
sys通过评估和获得的估计数据,您可以使用zero-iteration更新验算参数协方差。例如:负载iddata1m = ss (z1, 4);选择= ssestOptions opt.SearchOptions。MaxIterations = 0;m_new = ss (z1, m2,选择)你不能运行一个zero-iteration更新在以下情况下:
如果
MaxIterations选项,这取决于SearchMethod选择,是不可用的。对于一些模型和数据类型。例如,一个连续时间
idpoly使用时域数据模型。
算法
translatecov使用单个参数的数值扰动sys计算雅可比矩阵fcn(系统)参数与参数sys。translatecov然后应用高斯近似公式
将协方差,J雅可比矩阵。这个操作可以缓慢含有大量的自由参数的模型。
