文档帮助中心文档
估计非线性灰箱模型参数
sys = nlgreyest(数据、init_sys)
sys = nlgreyest(数据、init_sys选项)
例子
sys= nlgreyest (数据,init_sys)估计非线性灰箱模型的参数,init_sys,利用时域数据,数据.
sys= nlgreyest (数据,init_sys)
sys
数据
init_sys
sys= nlgreyest (数据,init_sys,选项)指定附加的模型估计选项。
sys= nlgreyest (数据,init_sys,选项)
选项
全部折叠
加载数据。
负载(fullfile (matlabroot“工具箱”,“识别”,“iddemos”,“数据”,“twotankdata”));z = iddata (y, u, 0.2,“名字”,'两个坦克');
该数据包含3000个双槽系统的输入-输出数据样本。输入是施加在泵上的电压,输出是下油箱的液位。
指定描述双坦克系统模型结构的文件。该文件将状态导数和模型输出指定为时间、状态、输入和模型参数的函数。
文件名=“twotanks_c”;
指定型号命令[ny nu nx]。
订单= [1 1 2];
指定初始参数(Np = 6)。
参数= {0.5;0.0035;0.019;...9.81; 0.25; 0.016};
指定初始初始状态。
InitialStates = [0, 0.1];
指定为连续系统。
t = 0;
创建idnlgrey模型对象。
idnlgrey
nlgr = idnlgrey(文件名、秩序、参数、InitialStates Ts,...“名字”,'两个坦克');
将一些参数设置为常量。
nlgr.Parameters(1)。固定= true;nlgr.Parameters(4)。固定= true;nlgr.Parameters(5)。固定= true;
估计模型参数。
nlgr = nlgreyest (z, nlgr);
创建评估选项集nlgreyest查看评估进度,并将最大迭代步骤设置为50。
nlgreyest
选择= nlgreyestOptions;opt.Display =“上”;opt.SearchOptions.MaxIterations = 50;
负载(fullfile (matlabroot“工具箱”,“识别”,“iddemos”,“数据”,“dcmotordata”));z = iddata (y, u, 0.1,“名字”,直流电机的);
数据来自一个线性直流电机,有一个输入(电压)和两个输出(角位置和角速度)。模型的结构由dcmotor_m.m文件。
dcmotor_m.m
创建一个非线性灰盒模型。
file_name =“dcmotor_m”;= [2 1 2];参数= [1; 0.28];initialstates = [0; 0];init_sys = idnlgrey(file_name,订单,参数,initialstates,0,...“名字”,直流电机的);
使用估计选项估计模型参数。
sys = nlgreyest (z, init_sys,选择);
iddata
时域估计数据,指定为iddata对象。数据有相同的输入和输出尺寸init_sys.
如果指定InterSample的属性数据作为“提单”(限带)且模型是连续时间的,软件将数据作为一阶保持器(foh)插值估计。
InterSample
“提单”
构造非线性灰箱模型,配置初始参数化sys,指定为idnlgrey对象。init_sys有相同的输入和输出尺寸数据.创建init_sys使用idnlgrey.
nlgreyestOptions
非线性灰箱模型辨识的估计选项,指定为nlgreyestOptions选项集。
结构相同的非线性灰箱模型init_sys,返回为idnlgrey对象。的参数sys是估计的sys匹配估计数据中的输出信号。
中存储了有关评估结果和所使用选项的信息报告模型的属性。报告有以下字段:
报告
状态
模型状态的总结,表明模型是通过构造创建的还是通过估计获得的。
方法
模拟求解器的名称和估计过程中使用的搜索方法。
适合
定量评估的估计,返回作为一个结构。看到损失函数和模型质量度量有关这些质量度量标准的更多信息。该结构有以下字段:
fitpercent.
归一化均方根误差(NRMSE)衡量模型响应与估计数据吻合的程度,用百分比表示fitpercent= 100 (1-NRMSE)。
LossFcn
估计完成时损失函数的值。
均方误差
均方误差(MSE)衡量模型响应与估计数据吻合的程度。
消防工程
模型的最终预测误差。
另类投资会议
原始赤池信息准则(AIC)对模型质量的衡量。
AICc
样本规模小的AIC纠正。
保险代理人
标准化的另类投资会议。
BIC
贝叶斯信息准则(BIC)。
参数
模型参数估计值。结构中包含以下字段:
初始值
ParVector
免费的
在估计过程中指定参数的固定或自由状态的逻辑向量
FreeParCovariance
X0
X0Covariance
OptionsUsed
用于估计的选项集。如果没有配置自定义选项,这是一组默认选项。看到nlgreyestOptions为更多的信息。
RandState
估计开始时随机数流的状态。空的,[],如果在估计过程中没有使用随机化。有关更多信息,请参见rng.
[]
rng
DataUsed
用于估计的数据的属性-具有以下字段的结构:
的名字
数据集的名称。
类型
数据类型-用于idnlgrey模型,这个设置为时间域数据的.
时间域数据的
长度
数据样本的数量。
Ts
样品时间。这个等价于数据。Ts.
数据。Ts
输入intersample行为。下列值之一:
“zoh”零阶保持保持采样之间的输入信号分段常数。
“zoh”
“呸”-一阶保持保持样本间的分段线性输入信号。
“呸”
“提单”—限带行为是指连续时间输入信号在奈奎斯特频率以上的功率为零。
的价值Intersample对离散时间模型的估计结果没有影响。
Intersample
InputOffset
空的,[],用于非线性估计方法。
OutputOffset
终止
用于最小化预测误差的迭代搜索的终止条件,返回为具有以下字段的结构:
WhyStop
终止数值搜索的原因。
迭代
由估计算法执行的搜索迭代次数。
FirstOrderOptimality
∞ -当搜索算法终止时梯度搜索向量的范数。
FcnCount
调用目标函数的次数。
UpdateNorm
梯度搜索向量的范数。当搜索方法为时省略“lsqnonlin”或“fmincon”.
“lsqnonlin”
“fmincon”
LastImprovement
最后一次迭代中的标准改进,以百分比表示。当搜索方法为时省略“lsqnonlin”或“fmincon”.
算法
所使用的算法“lsqnonlin”或“fmincon”搜索方法。使用其他搜索方法时省略。
对于不需要数值搜索优化的估计方法终止字段是省略。
有关更多信息,请参见评估报告.
的并行计算支持可用于估计金宝applsqnonlin搜索方法(需要最优化工具箱™)。要启用并行计算,请使用nlgreyestOptions,设置SearchMethod来“lsqnonlin”,并设置SearchOptions.Advanced.UseParallel来真正的.
lsqnonlin
SearchMethod
SearchOptions.Advanced.UseParallel
真正的
例如:
选择= nlgreyestOptions;opt.SearchMethod =“lsqnonlin”;opt.SearchOptions.Advanced.UseParallel = true;
idnlgrey|nlgreyestOptions|pem|goodnessOfFit|另类投资会议|消防工程
pem
goodnessOfFit
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系
得到审判现在