从命令行数据中识别植物

这个例子展示了如何在命令行中识别工厂模型。有关使用系统识别应用程序识别模型的信息，请参见使用系统识别应用程序识别线性模型(系统识别工具箱)．

加载测量的输入/输出数据。

负载plantIO

该命令导入工厂输入信号，u，工厂输出信号，y，采样时间，Ts到MATLAB®工作空间。

创建一个iddata对象从输入和输出数据中获取。

mydata = iddata(y,u,Ts);

您可以选择为输入和输出信号分配通道名称和单元。

mydata。InputName =“电压”；mydata。InputUnit =“V”；mydata。OutputName =“位置”；mydata。OutputUnit =“厘米”；

通常，在估计模型之前必须预处理标识I/O数据。对于本例，通过去趋势数据来删除输入和输出信号的偏移量。

Mydatad =趋势(mydata);

对象也可以删除偏移量ssestOptions对象，并指定InputOffset而且OutputOffset选项。

对于本例，使用去趋势数据估计一个二阶线性状态空间模型。要估计离散时间模型，指定采样时间为Ts．

Ss1 = ssest(mydatad,2，“t”Ts)

ss1 =离散时间识别状态空间模型:x(t+Ts) = A x(t) + B u(t) + K e(t) y(t) = C x(t) + D u(t) + e(t) A = x1 x2 x1 0.8942 -0.1575 x2 0.1961 0.7616 B =电压x1 6.008e-05 x2 -0.01219 C = x1 x2位置38.24 -0.3835 D =电压位置0 K =位置x1 0.03572 x2 0.0223采样时间:0.1秒参数化:FREE形式(所有系数在A, B, C中自由)。参数及其不确定性使用“idssdata”、“getpvec”、“getcov”表示。状态:使用SSEST对时域数据“mydatad”进行估计。拟合估计数据:89.85%(预测焦点)FPE: 0.0156, MSE: 0.01541

您可以使用此标识的植物作为MPC控制器的内部预测模型。当您这样做时，控制器将标识的模型转换为离散时间、状态空间模型。

默认情况下，MPC控制器会丢弃您识别的模型中任何未测量的噪声成分。要将噪声通道配置为不可测量的干扰，必须首先从已识别的模型创建一个增强状态空间模型。例如:

Ss2 = ss(ss1，“增强”）

ss2 = A = x1 x2 x1 0.8942 -0.1575 x2 0.1961 0.7616 B =电压v@Position x1 6.008e-05 0.004448 x2 -0.01219 0.002777 C = x1 x2位置38.24 -0.3835 D =电压v@Position位置0 0.1245输入组:名称通道测量1噪声2采样时间:0.1秒离散时间状态空间模型。

这个命令创建一个状态空间模型，ss2，有两个输入组，测量而且噪音，分别为测量输入和噪声输入。将增强模型导入MPC控制器时，通道中的噪音输入组被定义为不可测扰动。

使用脉冲响应模型

您可以使用系统识别工具箱软件使用测量数据估计有限步进响应或有限脉冲响应(FIR)装置模型。这样的模型，也称为非参数模型，都很容易从植物资料([1]而且[２])，并具有直观的吸引力。

使用冲动(系统识别工具箱)函数从测量数据估计FIR模型。该函数生成封装为an的FIR系数idtf(系统识别工具箱)对象;即只有分子系数的传递函数模型。冲动在用于识别的输入信号具有低激励水平的情况下特别有效。要为该工厂设计模型预测控制器，可以将识别出的FIR工厂模型转换为数值LTI模型。然而，这种转换通常会产生高阶植物，这可能会降低控制器设计。例如，高阶植物的数值精度问题会影响估计器的设计。这个结果对于MIMO系统来说尤其是个问题。

模型预测控制器最适合低阶参数模型。因此，利用实测植物数据设计模型预测控制器，可以: