主要内容

nlgreyest

估计非线性灰盒模型参数

折叠所有页面

语法

sys = nlgreyest(数据、init_sys)
sys = nlgreyest(数据、init_sys选项)

描述

例子

sys= nlgreyest (数据，init_sys）估计非线性灰盒模型的参数，init_sys，使用时域数据，数据．

例子

sys= nlgreyest (数据，init_sys，选项）指定其他模型估计选项。

例子

全部折叠

打开实时脚本

加载数据。

负载(fullfile (matlabroot“工具箱”，“识别”，“iddemos”，“数据”，“twotankdata”));Z = iddata(y,u,0.2，“名字”，“两个坦克”）;

该数据包含一个两罐系统的3000个输入输出数据样本。输入是施加在泵上的电压，输出是下罐的液位。

指定描述双油箱系统模型结构的文件。该文件将状态导数和模型输出指定为时间、状态、输入和模型参数的函数。

文件名=“twotanks_c”；

指定模型顺序[ny nu nx]。

Order = [1 1 2];

指定初始参数(Np = 6)。

参数= {0.5;0.0035;0.019;.．.9.81; 0.25; 0.016};

指定初始初始状态。

InitialStates = [0;0.1];

指定为连续系统。

Ts = 0;

创建idnlgrey模型对象。

nlgr = idnlgrey(文件名，顺序，参数，InitialStates,Ts，.．.“名字”，“两个坦克”）;

设置一些参数为常量。

nlgr.Parameters(1)。Fixed = true;nlgr.Parameters(4)。Fixed = true;nlgr.Parameters(5)。Fixed = true;

估计模型参数。

NLGR = nlgreyest(z, NLGR);
打开实时脚本

为创建估计选项集nlgreyest查看估计进度，并将最大迭代步骤设置为50。

opt = nlgreyestOptions;opt.Display =“上”；opt.SearchOptions.MaxIterations = 50;

加载数据。

负载(fullfile (matlabroot“工具箱”，“识别”，“iddemos”，“数据”，“dcmotordata”));Z = iddata(y,u,0.1，“名字”，直流电机的）;

数据来自一个线性直流电动机，一个输入(电压)，两个输出(角位置和角速度)。模型的结构由dcmotor_m.m文件。

创建一个非线性灰盒模型。

file_name =“dcmotor_m”；Order = [2 1 2];参数= [1;0.28];InitialStates = [0;0];init_sys = idnlgrey(file_name,Order,Parameters,InitialStates,0，.．.“名字”，直流电机的）;

使用估计选项估计模型参数。

Sys = nlgreyest(z,init_sys,opt);

输入参数

全部折叠

时域估计数据，指定为iddata对象。数据有相同的输入和输出尺寸init_sys．

如果您指定InterSample的属性数据作为“提单”(带限)且模型是连续时间的，软件将数据作为一阶保持器(foh)进行插值估计。

构造了对初始参数化进行配置的非线性灰盒模型sys，指定为idnlgrey对象。init_sys有相同的输入和输出尺寸数据．创建init_sys使用idnlgrey．

非线性灰盒模型识别的估计选项，指定为nlgreyestOptions选项设置。

输出参数

全部折叠

与结构相同的非线性灰盒模型init_sys，作为idnlgrey对象。的参数sys估计这样的反应sys在估计数据中匹配输出信号。

有关所使用的估计结果和选项的信息存储在报告模型的属性。报告具有以下字段:

报告字段 描述
状态

模型状态的总结，表明模型是通过构造创建的还是通过估计获得的。
方法

模拟求解器的名称和估计期间使用的搜索方法。
适合

估计的定量评估，作为结构返回。看到损失函数和模型质量度量有关这些质量度量的更多信息。该结构有以下字段:

场 描述
FitPercent

归一化均方根误差(NRMSE)衡量模型响应与估计数据的吻合程度，以百分比表示fitpercent= 100 (1-NRMSE)。
LossFcn

估计完成时损失函数的值。
均方误差

均方误差(MSE)衡量模型的响应与估计数据的吻合程度。
消防工程

模型的最终预测误差。
另类投资会议

原始赤池信息标准(AIC)是模型质量的度量标准。
AICc

小样本量校正AIC。
保险代理人

标准化的另类投资会议。
BIC

贝叶斯信息准则(BIC)。

参数

模型参数估计值。结构，使用以下字段:

场 描述
initialvalue 结构的参数值和初始状态在估计之前。
ParVector 估算后的参数值。
免费的

在估计过程中，指定参数固定或自由状态的逻辑向量
FreeParCovariance 自由参数的协方差。
X0 估计后的初始状态值。
X0Covariance 初始状态的协方差。

OptionsUsed

用于估计的选项集。如果没有配置自定义选项，则这是一组默认选项。看到nlgreyestOptions获取更多信息。
RandState

估计开始时随机数流的状态。空的,［］，如果在估计过程中没有使用随机化。有关更多信息，请参见rng．
DataUsed

用于估计的数据的属性-具有以下字段的结构:

场 描述
的名字

数据集的名称。
类型

数据类型—用于idnlgrey模型，这个设置为“时域数据”．
长度

数据样本数量。
Ts

样品时间。这相当于数据。Ts．
InterSample

输入样本间行为。以下值之一:

  • “zoh”-零阶保持器在样本之间保持分段恒定的输入信号。

  • “呸”-一阶保持器在样本之间保持分段线性输入信号。

  • “提单”—限带行为指连续时间输入信号在奈奎斯特频率以上的功率为零。

的价值Intersample对离散时间模型的估计结果没有影响。
InputOffset

空的,［］，用于非线性估计方法。
OutputOffset

空的,［］，用于非线性估计方法。

终止

用于预测误差最小化的迭代搜索的终止条件，作为具有以下字段的结构返回:

场 描述
WhyStop

终止数值搜索的原因。
迭代

由估计算法执行的搜索迭代次数。
FirstOrderOptimality

∞ -搜索算法结束时梯度搜索向量的norm。
FcnCount

目标函数被调用的次数。
UpdateNorm

最后一次迭代中梯度搜索向量的范数。搜索方法为时省略“lsqnonlin”或“fmincon”．
LastImprovement

最后一次迭代中的标准改进，以百分比表示。搜索方法为时省略“lsqnonlin”或“fmincon”．
算法

使用的算法“lsqnonlin”或“fmincon”搜索方法。使用其他搜索方法时省略。

对于不需要数值搜索优化的估计方法，请使用终止字段省略。

有关更多信息，请参见评估报告．

扩展功能

版本历史

在R2015a中引入

另请参阅

|||||

主题