主要内容

系统辨识工具箱

根据测量的投入产出数据建立线性和非线性的动态系统模型

系统识别工具箱™提供MATLAB®函数,仿真软件金宝app®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。

开始

学习系统识别工具箱的基本知识

数据准备

对时域和频域数据进行绘图、分析、去趋势和滤波,生成和导入数据

线性模型识别

识别脉冲响应、频率响应和参数模型,如状态空间和传递函数模型

非线性模型识别

辨识非线性ARX、Hammerstein-Wiener和灰盒模型

灰色矩形模型估计

估计线性和非线性微分、差分和状态空间方程的系数

模型验证

比较模型与测量输出、残差分析、有置信限的响应图

模型分析

模型离散化,模型转换为其他类型,非线性模型线性化,模拟和预测输出

时间序列分析

通过识别线性和非线性模型(如AR、ARMA、状态空间和灰盒模型)来分析时间序列数据,执行频谱分析和预测模型输出

在线评估

在系统运行期间估计模型参数和状态,生成代码并部署到嵌入式目标