系统识别工具箱™提供MATLAB®函数,仿真软件金宝app®以及一个应用程序,它可以根据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动态系统的模型,这些模型不容易从最初的原则或规范建模。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。工具箱还提供了用于嵌入式在线参数估计的算法。
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,可以用小波网络、树划分和sigmoid网络非线性估计Hammerstein-Weiner模型和非线性ARX模型。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中使用识别出的模型进行系统响应预测和工厂建模。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。
使用系统识别应用程序从单输入/单输出(SISO)数据识别线性黑箱模型。
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。
使用系统识别应用程序从单输入/单输出(SISO)数据识别连续时间传递函数。
该实施例说明了如何估计加热杆系统的连续时间灰盒模型的导热系数和传热系数。
使用系统识别应用程序从单输入/单输出(SISO)数据识别非线性黑箱模型。
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。
系统识别工作流程中的典型任务摘要。
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
连续时间和离散时间模型的类型,您可以从时间域和频域数据估计。
工具箱中频域标识概述。
何时使用应用程序与系统识别工具箱命令。
使用系统识别应用程序。
构建模型的命令摘要。
实时估计系统的状态和参数。