估计状态空间模型
使用实时编辑器中的时间或频率数据估计状态空间模型
打开任务
要添加估计状态空间模型任务到MATLAB编辑器中的实时脚本:
在住编辑器选项卡上,选择任务>估计状态空间模型.
在脚本中的代码块中,键入相关的关键字,例如
状态
,空间
,或估计
.选择估计状态空间模型
从建议的命令补全。
例子
参数
选择数据估计输入(u)和估计输出(y)
-用于估计的输入和输出数据的变量名
有效变量名
从MATLAB工作区选项中选择输入和输出变量名。在以下情况使用这些参数数据类型是时间
或频率
.
评估对象
—用于估计的输入输出数据的数据对象变量名
有效变量名
从MATLAB工作区选项中选择数据对象变量名。当使用此参数时数据类型是数据对象
.
验证输入(u)和验证输出(y)
-用于验证的输入和输出数据的变量名
有效变量名
从工作区选项中选择输入和输出变量名。在以下情况使用这些参数数据类型是时间
或频率
.指定验证数据是可选的,但推荐使用。
验证对象
—用于验证的输入输出数据的数据对象变量名
有效变量名
从MATLAB工作区选项中选择数据对象变量名。当使用此参数时数据类型是数据对象
.指定验证数据是可选的,但推荐使用。
工厂订单
-估计模型的阶数
4(默认)| integer scalar |整数范围
该任务允许您为要估计的模型的顺序指定单个值或一组值。
指定的值
—明确指定模型的顺序。在范围内选择最佳值
—指定取值范围,例如1:10
.当您运行该任务时,汉克尔奇异值图将可视化估计模型中每个状态的相对能量贡献,并推荐再现临界动态行为的最低阶。继续执行此建议或选择另一个订单选择的顺序.点击应用接受样板订单并继续生产。
时间域
-连续或离散时域
连续
(默认)|离散
选择连续时间或离散时间模型。
估计干扰
-在估计模型中包含扰动
Off(默认)| on
选择此选项来估计扰动模型。选择此选项时,模型方程将更新以显示K矩阵和e术语。
输入通道
-设置输入通道延迟和馈通选项
U1(默认)| u2 |…
对于每个输入通道,为赋值输入延迟而且直通的.
输入通道—选择输入通道。输入通道总是这样的形式
u
我,在那里我是我输入的第Th通道u
.输入延迟-输入输入延迟的样本数量(离散时间模型)或时间单位的数量(连续时间模型)的通道。例如,为时间单位为的连续时间系统指定0.2秒的输入延迟
毫秒
,输入200
.直通的-选择此选项来估计从输入到输出的通道馈通。选择此选项时,模型方程将更新以显示杜术语。
适合关注
-最小化预测误差或模拟误差
预测
(默认)|模拟
拟合焦点是指在估计过程中损失函数中要最小化的误差。
预测
-将测量输出与预测输出之间的预测误差提前一步最小化。这种估计方法的重点是为估计输入和输出产生一个良好的预测器模型。预测焦点通常会产生最好的估计结果,因为它同时使用输入和输出测量,因此可以考虑干扰。模拟
-最大限度地减少测量和模拟输出之间的误差。这种估计方法侧重于产生一个模拟模型响应,该模型响应与估计输入和输出有很好的拟合。模拟焦点通常最适合用于验证,特别是对于原始估计不使用的数据集。
初始条件
-初始状态处理
汽车
(默认)|零
|估计
|展望
当您希望为初始化模型状态选择特定的方法时,请设置此选项。的默认设置汽车
,软件根据估计数据选择方法。的选择是:
零
—初始状态设置为0。估计
—初始状态被视为一个独立的估计参数。展望
-初始状态估计使用最佳最小二乘拟合。
输入Intersampling
-输入信号的采样间行为
零级举行
(默认)|三角形近似
|带宽有限
输入间采样是输入数据的一个属性。该任务在估计连续模型时使用此属性。指定输入Intersampling当数据类型为时时间
或频率
.如果你正在使用iddata
对象时,该对象已经包含了间采样信息。这个属性的选项是:
零级举行
-样本间分段常数输入信号三角形近似
-样本之间分段线性的输入信号,也称为一阶保持带宽有限
—输入信号在奈奎斯特频率以上功率为零
搜索方法
-迭代参数估计的数值搜索模式
汽车
(默认)|高斯牛顿
|自适应高斯牛顿
|Levenberg-Marquardt
|梯度搜索
汽车
-对于每次迭代,软件循环使用这些方法,直到找到导致估计成本降低的第一个方向下降。高斯牛顿
-子空间高斯-牛顿最小二乘搜索。Levenberg-Marquardt
- Levenberg-Marquardt最小二乘搜索。自适应高斯牛顿
自适应子空间高斯牛顿搜索。梯度搜索
-最速下降最小二乘搜索。
Max。迭代
-误差最小化期间的最大迭代次数
20(默认值)|正整数
设置错误最小化期间的最大迭代次数。当迭代停止时Max。迭代达到或满足另一个停止标准,例如宽容.
宽容
-误差中预期改进的最小百分比
0.01(默认值)|正整数
当预期改善的百分比小于宽容,迭代停止。
加权预滤器
-损失函数加权预滤波器
没有过滤
(默认)|通频带(s)
|线性时不变滤波器
|频率权重向量
|频率响应大小的倒数
|频率响应大小的平方根的倒数
当您希望对估计模型时任务最小化的损失函数应用加权预过滤器时,请设置此选项。当您选择一个选项时,您还必须选择工作区中包含筛选器信息的相关变量。可用的选项取决于数据的域。
加权预滤器 | 数据域 | 过滤信息 |
---|---|---|
没有过滤 |
时间和频率 | |
通频带 |
时间和频率 | 通频带范围,指定为1 × 2行向量或n-by-2矩阵n是通带的个数。 |
线性时不变滤波器 |
时间和频率 | SISO LTI模型。 |
频率权重向量 |
频率 | 频率权重,指定为与频率向量长度相同的列向量。 |
频率响应大小的倒数 |
频率响应 | 加权滤波器为 ,在那里G(ω)为复频响数据。仅限SISO和SIMO系统。 |
频率响应大小的平方根的倒数 |
频率响应 | 加权滤波器为 .仅限SISO和SIMO系统。 |
例如,假设您正在使用SISO频域数据进行估计,并且在MATLAB工作空间中,您有一个列向量W
其中包含预滤波器的频率权重。在任务中,选择加权预滤波器>频率权重向量还有变量W
.
输出图
-模型输出与实测输出的对比图
On(默认)| off
绘制模型输出与原始测量数据的比较,以及拟合百分比。如果您有单独的验证数据,则第二个图将验证输入数据的模型响应与验证数据集的测量输出进行比较。
版本历史
R2019b引入