参数估计在通过数学模型(如统计概率分布函数、参数动态模型和基于数据的Simulink)准确描述系统行为方面起着关键作用金宝app®模型。
提高统计模型的准确性可以包括估计:
- 概率分布的参数，如正态分布的均值和标准差
- 回归模型的回归系数，如\(y = a'x\)
有关更多信息，请参见统计和机器学习工具箱™，支持这些和类似金宝app的参数估计任务超过40种不同的概率分布，包括Normal, Weibull, Gamma, Generalized Pareto和Poisson。工具箱还支持金宝app线性和非线性回归．
创建精确的参数动态模型可以包括估算:
- 传递函数的系数，包括ARX, ARMAX, Box-Jenkins和Output-Error
- 状态空间矩阵的条目
- 具有参数约束的ode或结构良好系统的系数(灰盒系统辨识)
- 非线性动态系统的回归系数、饱和水平或死区极限，包括非线性ARX和Hammerstein-Wiener
有关更多信息，请参见系统辨识工具箱™，为这些任务提供金宝app了参数估计的线性和非线性参数动态模型。
Simulink模型参数估计的常见任务包括:金宝app
- 输入输出测试数据的导入和处理，如直流电机的电压输入和转子转速输出
- 指定要估计的模型参数和初始条件，如电机阻力和惯性
有关更多信息，请参见金宝app仿真软件优化设计™，它使用一个交互金宝app式工具来支持这些参数估计任务，该工具可以帮助您配置、操作和运行Simulink优化问题。金宝app
