非线性ARX图显示所选模型输出的评估模型非线性作为一个或两个模型回归量的函数。对于一个模型米
,模型非线性(M.Nonlinearity
)为非线性估计函数,如idWaveletNetwork
,idSigmoidNetwork
,或idTreePartition
,该模型使用模型回归量作为输入。
为了理解画的是什么,假设{r1, r2,…,rN}
是N
非线性ARX模型使用的回归量米
与非线性问
对应于模型输出。你可以使用getreg (M)
看一下这些回归量。表达式Nonlin = evaluate(nl,[v1,v2,…,vN])
返回这些回归器给定值的模型输出,即:r1
=v1
,r2
=v2
、……rN
=vN
.为了画出非线性,你选择一个或两个N
例如,回归量,Rsub = {r1,r4}
.该软件在指定范围内改变这些回归量的值,同时固定其余回归量的值,并生成的图Nonlin
vs。rsub
.默认情况下,软件将剩余固定回归量的值设置为它们的估计均值,但您可以更改这些值。回归均值存储在Nonlinearity.Parameters.RegressorMean
模型的属性。
检查非线性ARX图可以帮助您深入了解哪些回归量对模型输出有最强的影响。理解输出中回归量的相对重要性可以帮助您决定在输出的非线性函数中包含哪些回归量。如果对于所有选择的回归值,图的形状看起来像一个平面,那么模型在这些回归值中可能是线性的。在这种情况下,您可以从非线性块中删除相应的回归量,并重复估计。
此外,您可以使用不同的非线性估计器为相同的数据创建多个非线性模型,例如idWaveletNetwork
网络和idTreePartition
,然后比较这些模型的非线性曲面。不同模型的图之间的一致性增加了这些非线性模型捕捉系统真实动态的信心。
要了解有关配置场景的更多信息,请参见配置一个非线性ARX图.