主要内容
非线性模型识别
识别非线性ARX、Hammerstein-Wiener和灰箱模型
当线性模型不能完全捕获系统动态时，使用非线性模型识别。你可以在系统识别应用程序或命令行。系统识别工具箱™能够创建和估计三种非线性模型结构:
非线性ARX模型——使用动态非线性估计器(如小波网络、树划分和s形网络)来表示系统中的非线性。
Hammerstein-Wiener模型-在线性系统中估计静态非线性。
非线性灰箱模型-使用带有未知参数的常微分或差分方程(ode)来表示非线性系统。
非线性模型辨识需要均匀采样的时域数据。您的数据可以有一个或多个输入和输出通道。您还可以使用非线性ARX和非线性灰箱模型对时间序列数据建模。有关更多信息，请参见关于辨识的非线性模型．
您可以使用已识别的模型在命令行、应用程序或Simulink中模拟和预测模型输出金宝app®．如果您有控制系统工具箱™，您也可以线性化您的模型，并将其用于控制系统设计。有关更多信息，请参见非线性黑箱模型的线性逼近．
- 非线性模型辨识基础
识别非线性模型、黑箱建模和正则化 - 非线性ARX模型
非线性行为模型使用动态网络，如s形和小波 - Hammerstein-Wiener模型
线性动态系统与静态非线性(如饱和和死区)的连接 - 非线性灰色矩形模型
估计非线性微分、差分和状态空间方程的系数
特色的例子
你也可以从以下列表中选择一个网站:
