开始系统识别工具箱
根据测量的输入输出数据建立线性和非线性动态系统模型
系统识别工具箱™提供MATLAB®函数,仿真软件金宝app®块,以及一个应用程序,用于从测量的输入输出数据构建动态系统的数学模型。它允许您创建和使用不容易根据基本原理或规范建模的动态系统模型。您可以使用时域和频域输入-输出数据来识别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。
该工具箱提供了诸如最大似然、预测误差最小化(PEM)和子空间系统识别等识别技术。为了表示非线性系统动力学,你可以估计Hammerstein-Weiner模型和非线性ARX模型与小波网络,树分区,和sigmoid网络非线性。工具箱执行灰盒系统识别,以估计用户定义模型的参数。您可以在Simulink中使用已识别的模型进行系统响应预测和设备建模。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。
教程
- 使用系统识别应用程序识别线性模型
使用系统识别应用程序从单输入/单输出(SISO)数据识别线性黑盒模型。
- 使用命令行识别线性模型
使用系统识别工具箱命令从多输入/单输出(MISO)数据中识别线性模型。
- 使用系统识别App识别低阶传递函数(过程模型)
使用应用程序从单输入/单输出(SISO)数据中识别连续时间传递函数。
- 热扩散的连续时间灰盒估计模型
这个例子展示了如何估计热棒系统的连续时间灰盒模型的热导率和传热系数。
- 使用系统识别应用程序识别非线性黑盒模型
使用系统识别应用程序从单输入/单输出(SISO)数据识别非线性黑盒模型。
关于系统标识
- 系统识别概述
系统识别是一种利用系统输入和输出信号的测量来建立动态系统数学模型的方法。
- 系统识别流程
总结系统识别工作流程中的典型任务。
- 金宝app支持数据
系统识别工具箱软件支持从时域和频域数据估计线性模型。金宝app
- 金宝app支持连续和离散时间模型
可以从时间域和频域数据估计的连续时间和离散时间模型的类型。
- 利用频域数据估计模型
工具箱中的频域识别概述。
- 什么时候使用应用程序和命令行
什么时候使用应用程序和系统识别工具箱命令。
- 使用系统识别应用程序
使用系统识别应用程序。
- 模型估计命令
构建模型的命令摘要。
- 什么是在线评估?
实时估计系统状态和参数。