在线参数估计

使用递归算法在命令行和在Simulink估计模型参数金宝app®

您可以使用估计的实时数据和递归算法AR,ARMA,ARX,ARMAX,OE,或BJ模型系数的参数。您还可以使用递归最小二乘(RLS)算法估计模型。有关这些算法的详细信息,请参阅在线参数估计的递归算法

您可以在系统辨识工具箱™库的估计子库使用Simulink模块进行在线参数估计。金宝app然后,您可以使用生成这些模块的C / C ++代码和结构化文本金宝app仿真软件编码器™金宝appSimulink的PLC编码器™和部署此代码到嵌入目标。您也可以在命令行中执行在线估计和使用部署代码MATLAB®编译器™MATLAB编码器

功能

recursiveAR 创建系统对象用于AR模型的在线参数估计
recursiveARMA 创建系统对象对于ARMA模型的在线参数估计
recursiveARX 创建系统对象对于ARX模型的在线参数估计
recursiveARMAX 创建系统对象对于ARMAX模型的在线参数估计
recursiveBJ 创建系统对象用于Box-Jenkins多项式模型的在线参数估计
recursiveOE 创建系统对象对于输出误差多项式模型的在线参数估计
recursiveLS 创建系统对象用于在线参数估计,使用递推最小二乘算法
利用递归估计算法在线更新模型参数和输出
克隆 复制在线参数估计系统对象
重启 复位在线参数估计系统对象
释放 解锁在线参数估计系统对象
锁住了 在线参数估计锁定状态系统对象
rpem 用递归预测误差最小化方法估计一般输入输出模型
RPLR 用递归拟线性回归方法估算一般输入输出模型
分割 分段数据和每个分段的估计模型

递归最小二乘估计 使用递归最小二乘方估算的模型系数(RLS)算法
递归多项式模型估计 估计输入输出和时间序列多项式模型系数
模型类型转换器 转换多项式模型系数状态空间模型矩阵

主题

在线估计基础

什么是在线估计?

估算状态和实时系统的参数。

如何在线参数估计不同于离线估计

差数据,算法和估计的实现。

在线参数估计的递归算法

遗忘因子,卡尔曼滤波,梯度和非归一化梯度,有限历史算法的在线参数估计。

在线参数估计金宝app

在Simulink中对在线参数估计数据进行预处理金宝app

删除漂移,偏移,在你的数据丢失的样本,seasonalities,平衡的行为,和异常值。

在线递归最小二乘

这个例子说明如何实现在线递归最小二乘估计。

在线ARMAX多项式模型估计

这个例子说明了如何实现一个在线多项式模型估计器。

验证在线参数估计结果在Simulink金宝app

检查估计误差,参数协方差,以及模拟和测量输出之间的差异。

基于粒子滤波块的Simulink参数和状态估计金宝app

这个例子演示了在系统辨识工具箱™使用粒子滤波块。

在线参数估计在命令行

在命令行执行在线参数估计

使用系统对象在线参数估计。

时变系统动态跟踪的在线ARX参数估计

这个例子说明了如何在MATLAB命令行随时间变化的ARX模型进行在线参数估计。

在线递推最小二乘估计的直线拟合

这个例子展示了如何使用递归估计算法在MATLAB命令行线拟合执行在线参数估计。

在命令行上验证在线参数估计

检查估计误差,参数协方差,以及模拟和测量输出之间的差异。

数据分割

使用数据分割模型系统显示突变。

代码生成

在Simulink中生成在线参数估计代码金宝app

生成C/ c++代码和结构化文本使用金宝appSimulink的编码器金宝appSimulink的PLC编码器下载188bet金宝搏产品。

生成代码的在线参数估计在MATLAB

使用生成C/ c++代码MATLAB编码器软件;系统对象的限制。

故障排除

疑难解答在线参数估计

检查你的模型,估计数据,估计设置和初始参数值。