系统识别工作流程

系统识别是一个反复的过程，你来自哪里，数据识别模型具有不同结构和比较模型的性能。最终，你选择了最简单的模型最能描述你的系统的动态特性。

因为这个工具箱可以让你估计不同的模型结构很快，你应该尝试尽可能多的不同的结构，尽量看看哪一个产生最佳结果。

系统识别的工作流程可能包括以下任务：

处理数据用于系统识别由：
- 导入数据到MATLAB^®工作区。
- 表示所述系统识别的应用程序或作为一个数据IDDATA或者idfrd对象在MATLAB工作区。
- 绘制数据检查时域和频域特性。
  为了分析恒定偏移和趋势，延迟，反馈和信号激励水平的存在的数据，你也可以使用建议命令。
- 通过使用不同的时间间隔去除偏移和线性趋势，内插缺失值，滤波以强调特定的频率范围，或重新取样（内插或抽取）预处理数据。
确定线性或非线性模型：
验证模型。
当你没有达到令人满意的模型，尝试不同的模型结构和秩序，或尝试另一种识别算法。在某些情况下，你可以通过包括噪声模型改进结果。
您可能需要做进一步的估计之前预处理数据。例如，如果在你的数据太多的高频噪声，您可能需要过滤器或抽取（重采样）建模前的数据。
后处理模式：
使用标识模型：
- 模拟与预测
- 控制设计对于推测机械设备使用其他MathWorks公司^®下载188bet金宝搏产品。
  您可以导入估计线性模型到控制系统工具箱™，模型预测控制工具箱™，鲁棒控制工具箱™，或者Simulink的金宝app^®软件。
- 如在Simulink动态块金宝app

对于在线应用程序，你可以执行网上估计。

系统辨识工具箱文档