文件

系统识别工具箱

从测量的输入输出数据创建线性和非线性动态系统模型

系统识别工具箱™提供MATLAB®函数,simulink金宝app.®块,以及用于从测量的输入输出数据构建动态系统数学模型的应用。它允许您创建和使用不易从第一个原则或规格建模的动态系统的型号。您可以使用时域和频域输入 - 输出数据来识别连续时间和离散时间传输功能,流程模型和状态空间模型。该工具箱还提供用于嵌入在线参数估计的算法。

该工具箱提供了识别技术,例如最大可能性,预测误差最小化(PEM)和子空间系统识别。要代表非线性系统动态,您可以使用小波网络,树木分区和Sigmoid网络非线性估算Hammerstein-Weiner模型和非线性ARX模型。工具箱执行灰度盒系统识别,以估计用户定义模型的参数。您可以使用Simulink中的系统响应预测和工厂建模的识别模型。金宝app该工具箱还支持时间序列数据建模和时金宝app间序列预测。

入门

了解系统识别工具箱的基础知识

数据准备

绘图,分析,贬值和过滤时间和频域数据,生成和导入数据

线性模型识别

识别脉冲响应,频率响应和参数模型,例如状态空间和传输函数模型

非线性模型识别

识别非线性ARX和Hammerstein-Wiener模型

灰度盒模型估计

线性和非线性差分,差异和状态空间方程的估计系数

模型验证

比较模型以测量输出,残差分析,响应响应地块具有信心限制

模型分析

分离模型,将模型转换为其他类型,线性化非线性模型,模拟和预测输出

时间序列分析

通过识别线性和非线性模型,包括AR,ARMA和状态空间模型来分析时间序列数据;预测值

在线估计

在系统操作期间估计模型参数和状态,生成代码并部署到嵌入目标

诊断和预测

适用模型识别,响应预测和在线估计方法,用于条件监测,故障检测和剩余使用寿命(RUL)预测