递归多项式模型估算器

估计输入输出和时间序列多项式模型系数

全部展开页面

图书馆：
系统识别工具箱/估计

描述

模型结构

使用递归多项式模型估算器块估计离散时间输入输出多项式和时间序列模型。

这些模型结构是:

ar -一种（问：）y（T.) =E.（T.）
arma -一种（问：）y（T.) =C（问：）E.（T.）
ARX -一种（问：）y（T.) =B.（问：）你（T.-N_K.) +E.（T.）
ARMAX -一种（问：）y（T.) =B.（问：）你（T.-N_K.) +C（问：）E.（T.）
OE - $y （ T. ） = \frac{B. （问：）}{F （问：）} 你（ T. - N_{K.} ） + E. （ T. ）$
BJ - $y （ T. ） = \frac{B. （问：）}{F （问：）} 你（ T. - N_{K.} ） + \frac{C （问：）}{D. （问：）} E. （ T. ）$

问：是时移运营商和nk为输入延迟。你（T.）是输入，y（T.)为输出，并且E.（T.)是错误。对于MISO模型，也有很多B.（问：)多项式作为输入的个数。

这些模型的阶数对应于最大时移数，用的指数表示问：．例如，订单na表示为一种（问：）多项式通过：

1 +一种₁问：^－1+一种₂问：^－2+ ...... +一种_na问：^-na．

一个等价的表示适用于C（问：），D.（问：），和F（问：）多项式及其相应的订单数控那nd,nf．

这B.（问：）多项式相对于其他多项式是独特的，因为该多项式在输入上运行并包含系统零。为了B.（问：),订单注是多项式的顺序B.（问：）+ 1：

B.₁+B.₂问：^－1+B._3.问：^－2+ ...... +B._注问：^-（注1)．

的订单na那注那数控那nd那nf，输入延迟nk都是提前知道的。将这些值指定为块参数。提供你（T.）和y（T.)通过输入和输出分别处于Inports。块估计该组一种（问：），B.（问：），C（问：），D.（问：），和F（问：)系数，模型结构使用并输出它们参数外港。在估计过程中，块对估计进行约束C那D.,F多项式在单位盘中具有根的稳定区域，同时允许估计一种和B.多项式是不稳定的。这参数Outport提供一个带有以下元素的总线信号:

A -包含[1 .]的向量一种₁（T.）......一种_na（T.)]。
B - 含有[0₁0…_nk那B.₁（T.）......B._注（T.)]。味噌数据,B.矩阵在哪里一世-th行参数对应一世-th输入。
c - 含有[1的载体C₁（T.）......C_数控（T.)]。
D -包含[1D.₁（T.）......D._nd（T.)]。
f - 含有[1F₁（T.）......F_nf（T.)]。

例如，假设你想估计以下SISO ARMAX模型的系数:

y（T.) +一种₁y（T.- 1) +……+一种_nay（T.-na) =B.₁你（T.-nk）+ ... +B._注你（T.-注-nk+ 1) +E.（T.) +C₁E.（T.- 1) +C_数控E.（T.-数控）

y那你那na那注那数控,nk是您提供给块的已知数量。每次步骤，T.，块估计一种那B.,C参数值，仅约束C一个稳定区域的多项式。块然后使用参数外港。

阻止能力

该块支持多种估计方法金宝app和数据输入格式。该块可以同时提供无限历史记录[1]和有限历史[2](也称为滑动窗口)的估计θ.．块中的可配置选项包括：

多个输入（仅限ARX模型结构） - 查看输入端口。
基于样本或基于框架的数据格式-请参阅输入处理范围。
多重无限历史估计方法[1]- 看看估计方法范围。
无限历史（所有模型结构）或有限历史（仅限AR，ARX或OE模型结构） - 查看历史范围。
初始条件、启用标志和重置触发器-请参阅初步估计那添加启用端口,外部重置参数。

有关估计方法的更多信息，请参见在线参数估计的递归算法．

港口

输入

全部展开

`输入`- 输入信号
矢量|矩阵

输入信号你（T.）.这输入处理参数和输入的数量ν定义信号的尺寸。只有ARX模型结构可以有多个输入，与ν大于1。

基于样本的输入处理和ν输入 -ν-By-1矢量
基于帧的输入处理m每帧采样ν输入 -m-经过-ν矩阵

依赖关系

要启用该端口，请设置模型结构参数ARX那ARMAX那BJ.,或OE．

数据类型：单|双倍的

`输出`-测量输出信号
标量|向量

测量输出信号y（T.）.这输入处理参数定义信号的尺寸：

基于样本的输入处理—标量
基于帧的输入处理m每帧样本-m-By-1矢量

数据类型：单|双倍的

`启用`- 启用估计更新
`真正的`（默认）|`假`

允许您启用和禁用估计更新的外部信号。若信号值为:

真正的—估计并输出时间步长的参数值。
假—不预估参数值，输出最近的先前预估值。

依赖关系

要启用该端口，请选择添加启用端口范围。

数据类型：单|双倍的|布尔基|int8|int16|INT32.|INT64.|uint8|uint16|uint32

`重置`——重置触发
标量

将参数估计重置为其初始条件。价值外部复位参数确定触发器类型。触发器类型决定复位是否发生在上升、下降、上升或下降的信号电平上，或电平保持上。

依赖关系

要启用该端口，请选择除没有任何在外部复位下拉。

数据类型：单|双倍的|布尔基|int8|int16|INT32.|uint8|uint16|uint32

`InitialParameters`- 初始参数估计
`公共汽车`目的

初始参数估计，从块外部的源提供。该块在模拟开头或触发算法使用时使用此位于重置信号。

查阅有关的资料InitialParameters总线对象，请参阅参数端口描述。

依赖关系

启用此端口，设置历史来无限的和初步估计来外部的．

数据类型：单|双倍的

`初始转移性`-参数的初始协方差
正标量(默认)|正标量的向量|对称正定矩阵

初始参数协方差，由块外部的源提供。具体操作请参见参数协方差矩阵范围。该块在模拟开头或触发算法使用时使用此位于重置信号。

依赖关系

要启用此端口，请设置以下参数：

历史来无限的
估计方法来遗忘因子或卡尔曼滤波器
初步估计来外部的

数据类型：单|双倍的

`InitialInputs`- 输入的初始值
矩阵

使用从外部源提供的有限历史（滑动窗口）估计时的初始输入集。

如果模型结构是ARX，则该端口的信号必须为(W.1 + max (注）+ max（nk））-经过-ν矩阵，其中W.窗长和ν为输入的个数。注是向量B.（问：)多项式次和nk为输入延迟向量。
如果模型结构是OE，则该端口的信号必须为(W.1 +注+nk) 1的向量,W.为窗口长度。注是向量B.（问：)多项式次和nk为输入延迟向量。

该块在模拟开头或每当时使用此位于重置信号触发。

如果初始缓冲区设置为0.或者没有包含足够的信息，您将在评估的初始阶段看到一条警告消息。几个周期后，警告就会消失。缓冲足够信息所需的循环次数取决于多项式的顺序和输入延迟。如果警告持续存在，您应该评估信号的内容。

依赖关系

要启用该端口，请设置:

历史来有限的
模型结构来ARX或OE
初步估计来外部的

数据类型：单|双倍的

`InitialOutputs`-测量输出缓冲区的初始值
向量

使用从外部源提供的有限历史（滑动窗口）估计时的初始输出测量集。

如果模型结构是AR.或ARX，则该端口的信号必须为(W.+na) 1的向量,W.窗长和na多项式的阶数是一种（问：）.
如果模型结构是OE，则该端口的信号必须为(W.+nf) 1的向量,W.窗长和nf多项式的阶数是F（问：）.

该块在模拟开头或每当时使用此位于重置信号触发。

依赖关系

要启用该端口，请设置:

历史来有限的
模型结构来AR.那ARX,或OE
初步估计来外部的

数据类型：单|双倍的

输出

全部展开

`参数`——估计参数
`公共汽车`目的

估计的多项式系数，作为公共汽车返回。总线包含一个元素用于每个一种那B.那C那D.,F与您指定的结构对应的多项式模型结构（看模型结构）.

每个总线元素是一个包含相关多项式系数的矢量信号。例如,一种元素包含[1一种₁（T.）......一种_na（T.)]。

估计C那D.,F值被约束为稳定的离散时间多项式。也就是说，这些多项式都在单位圆内有根。估计一种和B.多项式可以是不稳定的。

数据类型：单|双倍的

`错误`——估计误差
标量|向量

估计误差，返回为:

标量 - 基于样本的输入处理
m-1 V向量 - 基于帧的输入处理m每帧样品

依赖关系

要启用该端口，请选择输出估计误差范围。

数据类型：单|双倍的

`协方差`- 参数估计误差协方差p
矩阵

参数估计误差协方差P.，返回为N-经过-N矩阵，其中N为参数个数。具体操作请参见输出参数协方差矩阵范围。

依赖关系

启用该端口。

选择输出参数协方差矩阵范围。
如果历史是无限的，放估计方法来遗忘因子或卡尔曼滤波器．

数据类型：单|双倍的

参数

全部展开

模型结构

估计的模型结构，指定为以下之一：

模型参数

`初步估计`-初始参数估计的来源
`没有任何`（默认）|`内部`|`外部的`

指定如何为块提供初始参数估计值：

没有任何-不要指定最初的估计。
块使用0.为初始参数估计值。
根据您选择的模型结构和估计方法，指定块启用的参数。
- 指定的集合参数个数()块基于您的模型结构．例如，如果你的设置为模型结构是AR.,指定A(q) (na)参数个数范围。
- 指定输入延迟(nk)当模型结构使用时，块使能允许的参数B.（问：）元素。
- 指定参数协方差矩阵如果估计方法是遗忘因子或卡尔曼滤波器．
内部- 将内部指定对块的初始参数估计值。
- 指定初始参数值最初的()块基于您的模型结构和历史．例如，如果你的设置为模型结构是AR.和历史是无限的,指定最初(问)范围。
- 指定输入延迟(nk)当模型结构使用时，块使能允许的参数B.（问：）元素。
- 指定参数协方差矩阵参数if.估计方法是遗忘因子或卡尔曼滤波器．
- 指定初始输入参数(ARX和OE只）和初始输出参数(ARX那AR.,OE）如果历史是有限的．
外部的-指定初始参数估计作为块的输入信号。
指定参数个数()块基于您的模型结构．你的设置模型结构而对于历史参数决定哪些信号连接到相应的端口:
- 如果历史是无限的-InitialParameters和初始转移性
- 如果历史是有限的-InitialOutputs为了AR.那ARX,OE模型结构，和InitialInputs为了ARX和OE模型结构

程序使用

块参数:InitialesTimateSource.

类型:字符向量，字符串

价值观:“没有”那'内部的'那'外部的'

默认值:“没有”

`A(q) (na)参数个数`—参数估计个数一种（问：)多项式
`1`(默认)|非负整数

指定估计参数的数量na在一种（问：)多项式。

依赖关系

要启用该参数，可以选择:

放历史来无限的那模型结构来AR.那ARX那自回归滑动平均,或ARMAX,初步估计来没有任何或外部的．
放历史来有限的那模型结构来AR.或ARX,初步估计来没有任何或外部的．

程序使用

块参数:A0

类型:非负整数

默认值:1

`B(q)中的参数数(nb)`—参数估计个数B.（问：)多项式
`1`(默认)|正整数向量

指定估计参数的数量注在B.（问：)多项式。

对于使用ARX模型结构的MISO系统，请指定注作为具有输入的传感器，因为存在输入。此矢量的每个元素代表B.（问：)与相应输入相关联的多项式。例如，假设您有一个两输入的MISO系统B.（问：）元素是： $[\begin{array}{l} {B.}_{1} \\ {B.}_{2} \end{array}] = [\begin{matrix} 0. & {B.}_{11} & 0. \\ 0. & {B.}_{21} & {B.}_{22} \end{matrix}]$ ．每个多项式开头的零表示每个输入的单个输入延迟(参见初始B(问)参数说明）。尾随零B.₁是为了均衡多项式的长度，对估计没有影响。注对于每个多项式等于初始零之后的估计参数数，或者输入1为1，输入2为2。指定B(q)中的参数数(nb)作为(1 2),输入延迟(nk)作为[1]．

依赖关系

要启用该参数，可以选择:

放历史来无限的那模型结构来ARX那ARMAX那BJ.,或OE,初步估计来没有任何或外部的．
放历史来有限的和模型结构的ARX或OE和初步估计来没有任何或外部的．

程序使用

块参数:B0.

类型:正整数

默认值:1

`C（Q）（NC）中的参数数`—参数估计个数C（问：)多项式
`1`(默认)|正整数

指定估计参数的数量数控在C（问：)多项式。

依赖关系

要启用该参数，请设置历史来无限的那模型结构来自回归滑动平均那ARMAX,或BJ.,初步估计来没有任何或外部的

程序使用

块参数:C0.

类型:正整数

默认值:1

`D(q) (nd)参数个数`—参数估计个数D.（问：)多项式
`1`(默认)|正整数

指定估计参数的数量nd在D.（问：)多项式。

依赖关系

要启用该参数，请设置历史来无限的那模型结构来BJ.,初步估计来没有任何或外部的．

程序使用

块参数:D0.

类型:正整数

默认值:1

`F（Q）（NF）中的参数数`—参数估计个数F（问：)多项式
`1`(默认)|正整数

指定估计参数的数量nf在F（问：)多项式。

依赖关系

要启用该参数，请设置初步估计来没有任何或外部的和:

历史来无限的那模型结构来OE或BJ.,初步估计来没有任何或外部的
历史来有限的那模型结构来OE,初步估计来没有任何或外部的

．

程序使用

块参数:F0.

类型:正整数

默认值:1

`输入延迟(nk)`——输入延迟
`1`(默认)|非负整数向量

将输入延迟指定为表示输入在输入影响输出之前发生的时间步数的整数。这个延迟也被称为死的时间在系统中。块将输入延迟编码为固定的前导零B.（问：)多项式。有关更多信息，请参见B.（问：）参数描述。

对于具有ARX模型结构的MISO系统，请指定nk作为带有元素的向量，指定每个输入的延迟。这个矢量是长度的ν，在哪里ν为输入的个数。

例如，假设您有一个两输入的MISO系统B.（问：）元素是： $[\begin{array}{l} {B.}_{1} \\ {B.}_{2} \end{array}] = [\begin{matrix} 0. & {B.}_{11} & {B.}_{12} \\ 0. & 0. & {B.}_{21} \end{matrix}]$ ．多项式开头的零表示第一个输入的单样本延迟，第二个输入的双样本延迟(见初始B(问)参数说明）。注对于每个多项式等于在初始零之后的估计参数数，或者输入1为2，输入2为1。指定输入延迟(nk)作为(1 2),B(q)中的参数数(nb)作为(2 - 1)．

依赖关系

要启用该参数，可以选择:

放历史来无限的那模型结构来ARX那ARMAX那OE,或BJ.,初步估计来没有任何或外部的．
放历史来有限的那模型结构来ARX或OE,初步估计来没有任何或外部的．

程序使用

块参数:nk

类型:非负整数向量

默认值:1

`参数协方差矩阵`-初始参数协方差
`1 e4`（默认）|标量|向量|矩阵

真正的正标量，α.协方差矩阵是N-经过-N对角矩阵，以α为对角元素。
实正标量的向量，[α.（一种），α.（B.），α.（C），α.（D.），α.（F协方差矩阵是一个N-经过-N对角矩阵，含[α.（一种），α.（B.），α.（C），α.（D.），α.（F)]作为对角线元素。α.（一种）是每个系数的协方差的传染媒介一种多项式。相似地，α.（B.），α.（C），α.（D.）和α.（F的系数的协方差的向量B.那C那D.和F分别为多项式。
N-经过-N对称正面矩阵。
N可以是以下情况之一:
- AR.-N=na
- ARX- $\begin{array}{l} N = N 一种 + \sum_{一世 = 1}^{N_{你}} N {B.}_{一世} \end{array}$
- 自回归滑动平均-N=na+数控
- ARMAX-N=na+注+数控
- OE-N=注+nf
- BJ.-N=注+数控+nd+nf

依赖关系

要启用该参数，请设置

历史来无限的
初步估计来没有任何或内部
估计方法来遗忘因子或卡尔曼滤波器

该块在模拟开头或每当时使用此参数重置信号触发。

程序使用

块参数:P0

类型:标量、向量或矩阵

默认值:1 e4

`最初(问)`—初始值一种（问：)多项式系数
`[1 eps]`(默认)|向量

指定初始估计一种（问：）多项式系数作为长度的行矢量na+ 1。

领先的系数一种必须1．

依赖关系

要启用该参数，请设置:

模型结构来AR.那ARX那自回归滑动平均,或ARMAX
初步估计来内部

程序使用

块参数:A0

类型:真正的向量

默认值:[1 eps]

`初始B(问)`—初始值B.（问：)多项式系数
`[0 EPS]`(默认)|向量|矩阵

指定初始估计B.（问：）多项式系数作为长度的行矢量注+nk．对于多输入模型，请指定其中的矩阵一世第一行对应于一世输入。

块计算其中的前导零B.（问：)，并将其解释为输入延迟nk．这些零在整个估计中都是固定的。注是第一个非零元素之后的元素数B.（问：）.该块估计这些值注元素。

例如：

[0 EPS]对应于nk= 1,注= 1。
[0 0 eps]对应于nk= 2注= 1。
[0 0EP 0 EPS]对应于nk= 2注= 3。

默认值是[0 EPS]．

依赖关系

要启用该参数，请设置:

模型结构来ARX那ARMAX那OE,或BJ.
初步估计来内部

程序使用

块参数:B0.

类型:实向量或矩阵

默认值:[0 EPS]

`最初的C(问)`—初始值C（问：)多项式系数
`[1 eps]`(默认)|向量

指定初始估计C（问：）多项式系数作为长度的行矢量数控+ 1。

领先的系数C（问：）必须是1。

这些系数必须定义一个稳定的离散时间多项式，也就是说，所有的多项式根都在单位圆内。

依赖关系

要启用该参数，请设置:

历史来无限的
模型结构来自回归滑动平均那ARMAX,或BJ.
初步估计来内部

程序使用

块参数:C0.

类型:真正的向量

默认值:[1 eps]

`头文字D (q)`—初始值D.（问：)多项式系数
`[1 eps]`(默认)|向量

指定初始估计D.（问：）多项式系数作为长度的行矢量nd+ 1。

领先的系数D.（问：）必须是1。

这些系数必须定义一个稳定的离散时间多项式，也就是说，所有的多项式根都在单位圆内。

依赖关系

要启用该参数，请设置:

历史来无限的
模型结构来BJ.
初步估计来内部

程序使用

块参数:D0.

类型:真正的向量

默认值:[1 eps]

`初始f（q）`—初始值F（问：)多项式系数
`[1 eps]`(默认)|向量

指定初始估计F（问：）多项式系数作为长度的行矢量nf+ 1。

领先的系数F（问：）必须是1。

这些系数必须定义一个稳定的离散时间多项式，也就是说，所有的多项式根都在单位圆内。

依赖关系

要启用该参数，请设置:

模型结构来OE或BJ.
初步估计来内部

程序使用

块参数:F0.

类型:真正的向量

默认值:[1 eps]

`初始输入`-输入缓冲区的初始值
`0.`(默认)|矩阵

使用有限历史（滑动窗口）估计时指定输入缓冲区的初始值。缓冲尺寸容纳指定的窗口长度，与该窗口内的多项式相关联的回归，输入延迟和输入的数量。这些元素驱动矩阵大小：

ARX模型结构- (W.1 + max (注）+ max（nk））-经过-ν
OE模型结构- (W.1 +注+nk）-By-1

在哪里W.窗长和ν为输入的个数。注是向量B.（问：)多项式次和nk为输入延迟向量。

当初始值设置为0.，该块使用零填充缓冲区。

该块在模拟开头或每当时使用此参数重置信号触发。

依赖关系

要启用该参数，请设置

历史来有限的
模型结构来ARX或OE
初步估计来内部

．

程序使用

块参数:InitialInputs

类型:真正的矩阵

默认值:0.

`初始输出`-测量输出缓冲区的初始值
`0.`(默认)|向量

当使用有限历史(滑动窗口)估计时，指定测量输出缓冲区的初始值。缓冲区尺寸容纳指定的窗口长度和与该窗口内的多项式相关联的回归器。

AR或ARX模型结构- (W.+na) 1的向量,W.窗长和na多项式的阶数是一种（问：）.
OE模型结构- (W.+nf) 1的向量,W.窗长和nf多项式的阶数是F（问：）.

当初始值设置为0.，该块使用零填充缓冲区。

该块在模拟开头或每当时使用此参数重置信号触发。

依赖关系

要启用该参数，请设置:

历史来有限的
模型结构来AR.那ARX,或OE
初步估计来内部

程序使用

块参数:InitialOutputs

类型:真正的向量

默认值:0.

输入处理和采样时间

`输入处理`-选择基于样本或基于框架的处理
`纸浆包`（默认）|`框架`

纸浆包处理操作的信号流一次一个样本。
框架处理对包含来自多个时间步骤的样本的信号进行操作。许多机器传感器接口封装多个样本，并将这些样本在帧中一起传输。框架处理允许您直接输入这些数据，而不必首先将其解包。

指定基于框架的数据增加了额外的维度m您的某些数据Inports和Outports，在哪里m是框架中的时间次数。这些港口是：

输入
输出
错误

有关更多信息，请参见港口．

程序使用

块参数:InputProcessing

类型:字符向量，字符串

价值观:“纸浆包”那“框架”

默认值:“纸浆包”

`样品时间`- 块采样时间
`1`（默认）|正标量

指定数据采样时间，无论是由各个样本用于基于样本的处理（T._S.），或通过帧进行基于帧的处理（T._F=mT._S.），在哪里m是框架长度。当你设置时样品时间默认值为-1，块继承其T._S.或T._F基于信号。

指定样品时间作为覆盖继承的正标量。

程序使用

块参数:Ts

类型:真正的标量

价值观:1正标量

默认值:1

算法和块选项

算法选项

`历史`-选择无限或有限的数据历史
`无限的`（默认）|`有限的`

这历史参数决定你使用哪种递归算法:

无限的- 此类别中的算法旨在产生解释自模拟开始以来解释所有数据的参数估计值。这些算法在数据摘要中保留了历史记录。该块在不随时间增长的固定内存中维护本摘要。
的多个算法块无限的类型。选择此选项将启用估计方法指定算法的参数。
有限的-这类算法的目的是产生仅能解释有限数量过去数据样本的参数估计。块使用有限窗口内的所有数据，一旦数据不再在窗口范围内就丢弃数据。这种方法也称为滑动窗估计。
的一个算法块有限的类型。该选项只能与AR.那ARX,OE模型结构。
选择此选项将启用窗口长度范围。

有关递归估计方法的更多信息，请参见在线参数估计的递归算法

程序使用

块参数:历史

类型:字符向量，字符串

价值观:“无限”那“有限”

默认值:“无限”

`窗口长度`- 有限滑动窗口估计的窗口大小
`200`(默认)|正整数

这窗口长度参数确定用于有限历史（滑动窗口）估计方法的时间样本数。选择具有计算和内存负担的窗口尺寸，该窗口尺寸余额估算性能。大小尺寸因素包括模型中参数的数量和时间方差。始终指定窗口长度在示例中，即使您使用基于框架的输入处理。

窗口长度必须大于或等于估计参数的数目。

合适的窗口长度与您是基于样本的还是基于帧的输入处理无关。但是，在使用基于帧的处理时，窗口长度必须大于或等于帧中包含的样本数量（时间步长）。

依赖关系

要启用该参数，请设置历史来有限的．

程序使用

块参数:WindowLength

类型:正整数

默认值:200

`估计方法`-递归估计算法
`遗忘因子`（默认）|`卡尔曼滤波器`|`归一化梯度`|`梯度`

在执行无限历史估计时指定估计算法。当您选择这些方法中的任何一个时，该块将启用其他相关参数。

遗忘因子和卡尔曼滤波算法比梯度和归一化梯度方法计算更密集。然而，这些更密集的方法比梯度方法有更好的收敛性质。有关这些算法的更多信息，请参见在线参数估计的递归算法．

程序使用

块参数:估计方法

类型:字符向量，字符串

价值观:'忘记因素'那卡尔曼滤波器的那'标准化渐变'那“梯度”

默认值:'忘记因素'

`遗忘因子`-使用遗忘因子贴现旧数据
`1`(默认)|在(0 1)范围内的正标量

遗忘因素λ.指定在估计中是否以及有多少旧数据被折现。假设系统保持近似恒定T._0.样本。你可以选择λ.这样：

${T.}_{0.} = \frac{1}{1 - λ.}$

设置λ.= 1对应于“不遗忘”和估计常系数。
设置λ.< 1意味着过去测量对于参数估计不太重要，可以“忘记”。放λ.< 1估计时变系数。

典型选择λ.均在[0.98 0.995]范围内。

依赖关系

要启用该参数，请设置历史来无限的和估计方法来遗忘因子．

程序使用

块参数:AdaptationParameter

类型:标量

价值观:(0 1]范围

默认值:1

`过程噪声协方差`- 用于卡尔曼滤波器估计方法的过程噪声协方差
`1`(默认)|非负标量|非负标量|对称正半正定矩阵的向量

过程噪声协方差给出了用于卡尔曼滤波估计的噪声协方差矩阵的元素和结构。使用N作为要估计的参数数量，指定过程噪声协方差其中之一:

真正的非负标量，α.协方差矩阵是N-经过-N对角矩阵,α.作为对角线元素。
实非负标量的向量，[α.₁、……α._N协方差矩阵是一个N-经过-N对角矩阵，含[α.₁、……α._N]作为对角线元素。
N-经过-N对称正半定矩阵。

卡尔曼滤波算法将参数视为动态系统的状态，并利用卡尔曼滤波对这些参数进行估计。过程噪声协方差为作用于这些参数的过程噪声的协方差。噪声协方差矩阵中的零值对应于常系数或参数。大于0的值对应的是时变参数。对快速变化的参数使用较大的值。然而，期望更大的值会导致更噪声的参数估计。默认值为1。

依赖关系

要启用该参数，请设置历史来无限的和估计方法来卡尔曼滤波器．

程序使用

块参数:AdaptationParameter

类型:标量，矢量，矩阵

默认值:1

`适应增益`-梯度估计方法的自适应增益规范
`1`（默认）|正标量

适应增益γ.针对梯度法和归一化梯度法，测量了新测量数据对估计结果的影响。当您的测量值是可信的，或者换句话说具有较高的信噪比时，请指定较大的值γ.．然而,设置γ.过高会导致参数估计发散。即使测量结果没有噪声，这种发散也是可能的。

当估计方法是标准化的那适应增益应小于2.具有梯度方法，如果误差在时间（换句话说，估计发散），或者参数估计频繁跳跃，考虑减少适应增益．

依赖关系

要启用该参数，请设置历史来无限的和估计方法来归一化梯度或梯度．

程序使用

块参数:AdaptationParameter

类型:标量

默认值:1

`标准化偏见`- 用于标准化梯度估计方法的适应增益缩放偏差
`eps.`(默认)|非负标量

归一化梯度算法通过梯度向量的两个规范的平方来缩放每个步骤的适应增益。如果梯度接近零，则近零分子的分母可能导致估计参数中的跳跃。标准化偏见是引入分母以防止这些跳跃的术语。增加标准化偏见如果你在估计参数中观察到跳跃。

依赖关系

要启用该参数，请设置历史来无限的和估计方法来归一化梯度．

程序使用

块参数:NormalizationBias

类型:标量

默认值:eps.

块选项

`输出估计误差`-将Error outport添加到block
`从`(默认)|

使用错误输出信号以验证估计。对于给定的时间步长T.，估计错误E.（T.)计算为:

$E. （ T. ） = y （ T. ） - y_{E. S. T.} （ T. ）那$

在哪里y（T.）是您提供的测量输出，以及y_{美国东部时间}（T.)是使用回归器估计的输出H（T.）和参数估计θ.（T.1)。

程序使用

块参数:OutputError

类型:字符向量，字符串

价值观:“关闭”那'在'那

默认值:“关闭”

`输出参数协方差矩阵`- 添加协方差出口阻止
`从`(默认)|

使用协方差输出信号检测参数估计的不确定性。该软件计算参数协方差P.假设残差，E.（T.），是白噪声，这些残留的方差为1。

解释P.取决于您在历史和估计方法如下:

如果历史是无限的,那么你的估计方法选择的结果:
- 遗忘因子- (R.₂/ 2)P.近似等于估计参数的协方差矩阵，在哪里R.₂是残差的真实方差。块返回这些残差错误端口。
- 卡尔曼滤波器-R.₂P.是估计参数的协方差矩阵，以及R.₁/R.₂为参数变化的协方差矩阵。在这里,R.₁是您指定的协方差矩阵参数协方差矩阵．
- 归一化梯度或梯度——协方差P.是不可用的。
如果历史是有限的(滑动窗口估计)R.₂P.为估计参数的协方差。滑动窗算法在参数估计过程中不使用这种协方差。但是，该算法会计算输出的协方差，以便您可以使用它进行统计评估。

程序使用

块参数:OutputP

类型:字符向量，字符串

价值观:“关闭”那'在'

默认值:“关闭”

`添加启用端口`—将“Enable import”添加为“block”
`从`(默认)|

使用启用信号，提供启用或禁用参数估计的控制信号。该块估计每个启用参数估计的时间步骤的参数值。如果在给定的步骤中禁用参数估计，T.，则该软件不更新该时间步长的参数。相反，块输出包含最后估计的参数值。

例如，您可以使用此选项，何时或何时：

您的回归器或输出信号变得太嘈杂，或在某些时间步骤不包含信息
您的系统进入参数值不会及时更改的模式

程序使用

块参数:AddEnablePort

类型:字符向量，字符串

价值观:“关闭”那'在'

默认值:“关闭”

`外部复位`- 指定外部重置的触发
`没有任何`（默认）|`不断上升的`|`落下`|`要么`|`水平`|`水平持有`

设置外部复位参数同时添加重置导入并指定导入信号条件，该条件触发将算法状态重置为指定的初始值。例如，如果由于缺乏足够的激励或测量信号中的信息，参数协方差变得太大，则重置估计。这外部复位参数确定重置的时序。

假设您一次重置块，T.．如果块已启用T.时，软件使用中规定的初始参数值初步估计估计参数值。换句话说，在T.，块使用初始估计和Inports的当前值执行参数更新。

如果块在T.你重置了块，块输出包含了初步估计．

指定该选项为以下选项之一:

没有任何—算法状态和估计参数不重置。
不断上升的- 当控制信号从负或零值升高到正值时，触发复位。如果初始值为否定，则上升到零触发器复位。
落下—当控制信号从正值或零值下降到负值时触发复位。如果初始值是正的，则降至零将触发重置。
要么—当控制信号上升或下降时触发复位。
水平-在这两种情况下触发复位:
- 控制信号在当前时间步长非零。
- 控制信号由上一个时间步长的非零变为当前时间步长的零。
水平持有—当控制信号在当前时间步长非零时触发复位。

当你选择除了没有任何，则该软件将Reset导入到块中。您向此导入提供复位控制输入信号。

程序使用

块参数:ExternalReset

类型:字符向量，字符串

价值观:“没有”那'升起'那“下降”那“不是”那“水平”那'水平持有'

默认值:“没有”

模型的例子

在线递归最小二乘估计

实现在线递归最小二乘估计器。您估计内燃机的非线性模型，并使用递归最小二乘来检测发动机惯性的变化。

用Simulink递归估计块估计系统参数金宝app

使用包含Simulink递归估计器的模型接受输金宝app入输出信号，构造回归信号，估计系统参数。

在Simulink中使用基于帧的递归估计数据金宝app

在Simulink递归估计模型中使用基于帧的信号。金宝app

参考文献

[1] Ljung，L.系统识别:用户的理论．上鞍河，新泽西：Prentice-Hall Ptr，1999，PP。363-369。

[2]张，Q.“滑动窗口最小二乘算法的一些实现方面。”IFAC诉讼．第33卷第15期，2000年，763-768页。

扩展功能

C / C ++代码生成
使用Simulink®Coder™生成C和c++代码。金宝app

PLC代码生成
使用Simulink®PLC Coder™生成结构化文本代码。金宝app

也可以看看

卡尔曼滤波器|递归最小二乘估计

话题

介绍了R2014a

系统识别工具箱文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

得到审判现在

递归多项式模型估算器

描述

模型结构

阻止能力

港口

输入

输入- 输入信号矢量|矩阵

依赖关系

输出-测量输出信号标量|向量

启用- 启用估计更新真正的（默认）|假

依赖关系

重置——重置触发标量

依赖关系

InitialParameters- 初始参数估计公共汽车目的

依赖关系

初始转移性-参数的初始协方差正标量(默认)|正标量的向量|对称正定矩阵

依赖关系

InitialInputs- 输入的初始值矩阵

依赖关系

InitialOutputs-测量输出缓冲区的初始值向量

依赖关系

输出

参数——估计参数公共汽车目的

错误——估计误差标量|向量

依赖关系

协方差- 参数估计误差协方差p矩阵

依赖关系

参数

模型结构

模型参数

初步估计-初始参数估计的来源没有任何（默认）|内部|外部的

程序使用

A(q) (na)参数个数—参数估计个数一种（问：)多项式1(默认)|非负整数

依赖关系

程序使用

B(q)中的参数数(nb)—参数估计个数B.（问：)多项式1(默认)|正整数向量

依赖关系

程序使用

C（Q）（NC）中的参数数—参数估计个数C（问：)多项式1(默认)|正整数

依赖关系

程序使用

D(q) (nd)参数个数—参数估计个数D.（问：)多项式1(默认)|正整数

依赖关系

程序使用

F（Q）（NF）中的参数数—参数估计个数F（问：)多项式1(默认)|正整数

依赖关系

程序使用

输入延迟(nk)——输入延迟1(默认)|非负整数向量

依赖关系

程序使用

参数协方差矩阵-初始参数协方差1 e4（默认）|标量|向量|矩阵

依赖关系

程序使用

最初(问)—初始值一种（问：)多项式系数[1 eps](默认)|向量

依赖关系

程序使用

初始B(问)—初始值B.（问：)多项式系数[0 EPS](默认)|向量|矩阵

依赖关系

程序使用

最初的C(问)—初始值C（问：)多项式系数[1 eps](默认)|向量

依赖关系

程序使用

头文字D (q)—初始值D.（问：)多项式系数[1 eps](默认)|向量

依赖关系

程序使用

初始f（q）—初始值F（问：)多项式系数[1 eps](默认)|向量

依赖关系

程序使用

初始输入-输入缓冲区的初始值0.(默认)|矩阵

依赖关系

程序使用

初始输出-测量输出缓冲区的初始值0.(默认)|向量

依赖关系

程序使用

输入处理和采样时间

输入处理-选择基于样本或基于框架的处理纸浆包（默认）|框架

程序使用

样品时间- 块采样时间1（默认）|正标量

程序使用

算法和块选项

`输入`- 输入信号
矢量|矩阵

`输出`-测量输出信号
标量|向量

`启用`- 启用估计更新
`真正的`（默认）|`假`

`重置`——重置触发
标量

`InitialParameters`- 初始参数估计
`公共汽车`目的

`初始转移性`-参数的初始协方差
正标量(默认)|正标量的向量|对称正定矩阵

`InitialInputs`- 输入的初始值
矩阵

`InitialOutputs`-测量输出缓冲区的初始值
向量

`参数`——估计参数
`公共汽车`目的

`错误`——估计误差
标量|向量

`协方差`- 参数估计误差协方差p
矩阵

`初步估计`-初始参数估计的来源
`没有任何`（默认）|`内部`|`外部的`

`A(q) (na)参数个数`—参数估计个数一种（问：)多项式
`1`(默认)|非负整数

`B(q)中的参数数(nb)`—参数估计个数B.（问：)多项式
`1`(默认)|正整数向量

`C（Q）（NC）中的参数数`—参数估计个数C（问：)多项式
`1`(默认)|正整数

`D(q) (nd)参数个数`—参数估计个数D.（问：)多项式
`1`(默认)|正整数

`F（Q）（NF）中的参数数`—参数估计个数F（问：)多项式
`1`(默认)|正整数

`输入延迟(nk)`——输入延迟
`1`(默认)|非负整数向量

`参数协方差矩阵`-初始参数协方差
`1 e4`（默认）|标量|向量|矩阵

`最初(问)`—初始值一种（问：)多项式系数
`[1 eps]`(默认)|向量

`初始B(问)`—初始值B.（问：)多项式系数
`[0 EPS]`(默认)|向量|矩阵

`最初的C(问)`—初始值C（问：)多项式系数
`[1 eps]`(默认)|向量

`头文字D (q)`—初始值D.（问：)多项式系数
`[1 eps]`(默认)|向量

`初始f（q）`—初始值F（问：)多项式系数
`[1 eps]`(默认)|向量

`初始输入`-输入缓冲区的初始值
`0.`(默认)|矩阵

`初始输出`-测量输出缓冲区的初始值
`0.`(默认)|向量

`输入处理`-选择基于样本或基于框架的处理
`纸浆包`（默认）|`框架`

`样品时间`- 块采样时间
`1`（默认）|正标量

`历史`-选择无限或有限的数据历史
`无限的`（默认）|`有限的`

`窗口长度`- 有限滑动窗口估计的窗口大小
`200`(默认)|正整数

`估计方法`-递归估计算法
`遗忘因子`（默认）|`卡尔曼滤波器`|`归一化梯度`|`梯度`

`遗忘因子`-使用遗忘因子贴现旧数据
`1`(默认)|在(0 1)范围内的正标量

`过程噪声协方差`- 用于卡尔曼滤波器估计方法的过程噪声协方差
`1`(默认)|非负标量|非负标量|对称正半正定矩阵的向量

`适应增益`-梯度估计方法的自适应增益规范
`1`（默认）|正标量

`标准化偏见`- 用于标准化梯度估计方法的适应增益缩放偏差
`eps.`(默认)|非负标量

`输出估计误差`-将Error outport添加到block
`从`(默认)|

`输出参数协方差矩阵`- 添加协方差出口阻止
`从`(默认)|

`添加启用端口`—将“Enable import”添加为“block”
`从`(默认)|

`外部复位`- 指定外部重置的触发
`没有任何`（默认）|`不断上升的`|`落下`|`要么`|`水平`|`水平持有`

C / C ++代码生成
使用Simulink®Coder™生成C和c++代码。金宝app

PLC代码生成
使用Simulink®PLC Coder™生成结构化文本代码。金宝app