主要内容

arxRegul

确定ARX模型估计的正则化常数

描述

例子

λR) = arxRegul (数据订单返回用于ARX模型估计的正则化常数。使用正则化常数arxOptions配置ARX模型估计的正则化选项。

例子

λR) = arxRegul (数据订单选项指定正则化选项,如正则化内核和I/O偏移量。

例子

λR) = arxRegul (数据订单名称,值使用一个或多个属性指定模型结构属性,如噪声积分器和输入延迟名称,值对参数。

例子

λR) = arxRegul (数据订单选项名称,值指定正则化选项和模型结构属性。

例子

全部折叠

负载iddata1z1;订单= [10 10 1];(λ,R) = arxRegul (z1,订单);

ARX模型使用默认的正则化核估计TC

使用λR值为ARX模型估计。

选择= arxOptions;opt.Regularization.Lambda =λ;opt.Regularization.R = R;= arx模型(z1、订单、选择);

指定“直流”,得到正则化ARX模型的阶数为[|10 10 1|]。

负载iddata1z1;订单= [10 10 1];选择= arxRegulOptions (“RegularizationKernel”“直流”);(λ,R) = arxRegul (z1、订单、选择);

使用λR值为ARX模型估计。

arxOpt = arxOptions;arxOpt.Regularization.Lambda =λ;arxOpt.Regularization.R = R;= arx模型(z1、订单、arxOpt);

指定在模型的噪声组件中包含一个噪声源积分器。

负载iddata1z1;订单= [10 10 1];(λ,R) = arxRegul (z1、订单、“IntegrateNoise”,真正的);

指定正则化核并在模型的噪声组件中包含一个噪声源积分器。

负载iddata1z1;订单= [10 10 1];选择= arxRegulOptions (“RegularizationKernel”“直流”);(λ,R) = arxRegul (z1、订单、选择,“IntegrateNoise”,真正的);

输入参数

全部折叠

估算数据,指定为iddata对象。

ARX模型的订单(na nb数控),指定为非负整数矩阵。看到arx关于模型订单的更多信息的参考页。

正则化选项,指定为创建的选项集arxRegulOptions

名称-值对的观点

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家

例子:[Lambda, R] = arxRegul(z1,orders,option,'InputDelay',10);

输入延迟,指定为一个正的、非零的数值,表示样本的数量。

例子:[Lambda, R] = arxRegul(z1,orders,'InputDelay',10);

数据类型:

噪声源积分器,指定为逻辑。指定噪声源是否e (t)应该包含一个积分器。默认值是,表示噪声积分器关闭。要打开它,将值更改为真正的

例子:[Lambda, R] = arxRegul(z1,orders,'IntegrateNoise',true);

数据类型:逻辑

输出参数

全部折叠

确定偏差与方差权衡的常数,作为正标量返回。

加权矩阵,返回为非负数向量或正定矩阵。

算法

在不进行正则化的情况下,通过求解法向方程估计ARX模型参数向量θ

J T J θ J T y

在哪里J是回归矩阵和吗y为测量输出。因此,

θ J T J 1 J T y

使用正则化添加正则化项

θ J T J + λ R 1 J T y

其中λ和R是正则化常数。有关正则化常数的更多信息,请参见arxOptions

参考文献

T. Chen, H. Ohlsson, L. Ljung。“关于传递函数、正则化和高斯过程的估计-再讨论”,自动化,第48卷,2012年8月

介绍了R2013b