系统辨识工具箱

从测量的输入-输出数据创建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动态系统的模型,而不容易从基本原理或规范进行建模。您可以使用时域和频域的输入-输出数据来识别连续时间和离散时间的传递函数、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。

工具箱提供了识别技术,如最大似然、预测误差最小化(PEM)和子空间系统识别。为了表示非线性系统动力学,您可以使用小波网络、树形划分和s形网络非线性来估计Hammerstein-Weiner模型和非线性ARX模型。工具箱执行灰箱系统标识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础知识

数据准备

绘制、分析、分离、过滤时域和频域数据,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

识别非线性ARX、Hammerstein-Wiener和灰箱模型

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

将模型与实测产量、残差分析、有置信界的响应图进行比较

模型分析

离散化模型,转换模型到其他类型,线性化非线性模型,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(包括AR、ARMA和状态空间模型)来分析时间序列数据;预测的值

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