非线性模型辨识基础

识别非线性模型、黑箱建模和正则化

例子和如何做

使用系统识别应用程序从单输入/单输出(SISO)数据识别非线性黑匣子模型。

模型对象类型包括用于表示具有固定系数的系统的数值模型，以及用于具有可调或不确定系数的系统的广义模型。

系统识别工具箱™软件中的动态模型是输入之间的数学关系u (t)和输出y (t)的一个系统。

为非线性模型结构构建模型对象，访问模型属性。

系统识别工具箱软件提供三种类型的非线性模型结构:

当您的主要兴趣是拟合数据而不考虑模型的特定数学结构时，黑箱建模是有用的。

使用适合系统复杂性和内部输入-输出耦合的多输出建模技术。

估计非线性ARX和Hammerstein-Wiener模型需要均匀采样的时域数据。

配置参数估计时损耗最小的功能。在评估之后，使用模型质量度量来评估识别模型的质量。

正则化是一种技术，用于指定对模型灵活性的约束，从而减少估计参数值的不确定性。

的评估报告包含有关用于模型估计的结果和选项的信息。

如何使用已识别的模型。