greyestOptions
选项设置感动的
描述
使用一个greyestOptions
对象指定选项估计灰色矩形模型使用感动的
函数。您可以指定选项,例如初始状态的处理,稳定执行,数值搜索方法用于估计。
创建
属性
InitialState
- - - - - -处理初始状态
“汽车”
(默认)|“模型”
|“零”
|“估计”
|“展望”
处理期间的初始状态估计,指定为以下值之一:
“模型”
——初始状态由ODE文件所使用的参数化idgrey
模型。ODE文件必须返回6个或多个输出参数。“零”
——初始状态设置为零。ODE文件返回的任何值将被忽略。“估计”
——初始状态被当作一个独立的评估参数。“展望”
——初始状态使用最好的最小二乘估计。“汽车”
——软件选择的方法来处理基于估计数据的初始状态。向量的双打,指定一个列向量的长度Nx,在那里Nx的状态数。对于multiexperiment数据,指定一个矩阵不列,不是实验的数量。指定的值被视为在估计过程中固定的值。
DisturbanceModel
- - - - - -干扰的处理组件
“汽车”
(默认)|“模型”
|“固定”
|“没有”
|“估计”
处理干扰组件(K在估计),指定为以下值之一:
“模型”
- - - - - -K赋值是参数化的文件使用的idgrey
模型。ODE文件必须返回5或更多的输出参数。“固定”
——的价值K
财产的idgrey
模式是固定的,其原始值。“没有”
- - - - - -K是固定为零。ODE文件返回的任何值将被忽略。“估计”
- - - - - -K被视为一个独立的评估参数。“汽车”
——软件选择的方法处理期间如何处理扰动分量估计。软件使用“模型”
方法如果ODE文件返回5个或多个输出参数与一个有限值K。软件使用“固定”
方法。
请注意
不能使用频域数据估计噪声模型。
焦点
- - - - - -错误是最小化
“预测”
(默认)|“模拟”
误差最小化的损失函数在评估期间,指定为逗号分隔组成的“焦点”
和下列值之一:
“预测”
——提前一步预测误差测量和预测输出之间最小化估计。因此,评估主要关注的是产生一个好的预测模型。“模拟”
——测量和模拟输出之间的模拟误差在估计过程中被最小化。结果,估计是让适合模拟模型与当前输入响应。
的焦点
选项可以被解释为一个损失函数加权滤波器。有关更多信息,请参见损失函数和模型质量的指标。
WeightingFilter
- - - - - -加权预滤器
[]
(默认)|向量|矩阵|单元阵列|线性系统
加权前置滤波器应用于评估期间的损失函数最小化。理解的影响WeightingFilter
损失函数,看看损失函数和模型质量的指标。
指定WeightingFilter
下列值之一:
[]
——不使用加权预滤器。通频带,指定一个行向量或矩阵包含定义所需的通频带的频率值。你选择一个频带之间的配合优化估计模型和估计数据。例如,
(王,wh)
在哪里王
和wh
代表低和通频带的上限。为一个矩阵几行定义频率通带,[w1l, w1h; w2l w2h; w3l, w3h;……)
估计算法使用联盟定义估计通频带的频率范围。通频带的表达
rad / TimeUnit
对时域数据和FrequencyUnit
频域数据,TimeUnit
和FrequencyUnit
是时间和频率的单位的评估数据。输出过滤器——指定一个single-input-single-output线性滤波器的输出以以下方式之一:
一个输出线性时不变模型
{A, B, C, D}
格式,它指定一个过滤器的状态矩阵相同的样本时间估计数据。{分子,分母}
格式,它指定的分子和分母滤波器的传递函数相同的样品时间为估算数据。这个选项计算滤波器的权重函数作为一个产品和输入谱估计传递函数。
权重向量,只适用于频域数据。指定一个列向量的权重。这个向量必须具有相同的频率向量的长度的数据集,
Data.Frequency
。每个输入和输出响应的数据频率乘以相应的重量。
EnforceStability
- - - - - -控制是否执行模型的稳定
假
(默认)|真正的
控制是否执行稳定的估计模型,指定为逗号分隔组成的“EnforceStability”
,要么真正的
或假
。
EstimateCovariance
- - - - - -选项来生成参数协方差数据
真正的
(默认)|假
选项来生成参数协方差数据,指定为真正的
或假
。
如果EstimateCovariance
是真正的
,然后用getcov
获取的协方差矩阵估计模型。
显示
- - - - - -选项来显示估计的进展
“关闭”
(默认)|“上”
选项显示评估进展,指定以下值之一:
“上”
——信息模型结构和评估结果显示在一个progress-viewer窗口。“关闭”
——没有任何进展或结果信息显示。
InputInterSample
- - - - - -输入通道intersample行为
“汽车”
|“zoh”
|“呸”
|“提单”
输入通道intersample离散时间和持续时间之间的转换行为,指定为“汽车”
,“zoh”
,“呸”
,或“提单”
。
三个行为值的定义如下:
“zoh”
——零维护样本之间的分段常数输入信号。“呸”
——一阶保持维护一个分段线性输入信号之间的样本。“提单”
——带限行为指定连续时间输入信号零功率高于奈奎斯特频率。
iddata
有相似属性的对象data.InterSample
,包含相同的行为价值选择。当InputInterSample
值是“汽车”
和估计数据iddata
对象数据
,软件使用data.InterSample
价值。当评估数据而不是包含在一个时间表或一对矩阵,与“汽车”
选项,软件使用“zoh”
。
软件相同的选项值适用于所有渠道和实验。
InputOffset
- - - - - -在估计中移除抵消从时域输入数据
[]
(默认)|向量的正整数|矩阵
删除抵消从时域输入数据在评估期间,指定为以下之一:
一个列向量长度的正整数ν,在那里ν输入的数量。
[]
——表示没有抵消。ν——- - - - - -不矩阵——multi-experiment数据,指定
InputOffset
作为一个ν——- - - - - -不矩阵。ν输入和数量吗不是实验的数量。
每个条目指定的InputOffset
中减去从相应的输入数据。
OutputOffset
- - - - - -在估计中移除抵消从时域输出数据
[]
(默认)|向量|矩阵
删除抵消从时域输出数据在评估期间,指定为以下之一:
一个列向量的长度纽约,在那里纽约是输出的数量。
[]
——表示没有抵消。纽约——- - - - - -不矩阵——multi-experiment数据,指定
OutputOffset
作为一个纽约——- - - - - -不矩阵。纽约是输出的数量,和不是实验的数量。
每个条目指定的OutputOffset
从相应的输出数据中减去。
OutputWeight
- - - - - -加权多输出预测误差的估计
[]
(默认)|“噪音”
|半正定对称矩阵
加权多输出预测误差的估计,指定为以下值之一:
“噪音”
——减少 ,在那里E代表了预测误差N
是数据样本的数量。这个选择是统计意义上的最优,导致最大似然估计如果不知道噪声的方差。它使用估计噪声方差的倒数作为权重函数。请注意
OutputWeight
不得“噪音”
如果SearchMethod
是“lsqnonlin”
。半正定对称矩阵(
W
)——最小化加权预测误差的跟踪矩阵跟踪(E”* E * W / N)
,地点:E是一列的矩阵的预测错误,对于每一个输出,然后呢W半正定对称矩阵的大小等于输出的数量。使用W指定输出的相对重要性在输出模型,或相应的数据的可靠性。
N
是数据样本的数量。
[]
——软件之间进行选择“噪音”
和使用的单位矩阵W
。
这个选项相关的只是多输出模型。
正则化
- - - - - -选择正则化模型参数的估计
结构
选择正规化的估计模型参数,指定为一个结构如下表中的字段。正则化的更多信息,请参阅正则化模型参数的估计。
字段名 | 描述 | 默认的 |
---|---|---|
λ |
常数决定了偏差和方差权衡。 指定一个积极的标量正则化项添加到估算成本。 默认值为0意味着没有正规化。 |
0 |
R |
权重矩阵。 指定一个向量的非负数字或一个方形半正定矩阵。长度必须等于模型的自由参数的数量。 对于黑箱模型,建议使用默认值。对于结构化和灰色矩形模型,你也可以指定一个向量的 默认值为1意味着价值 |
1 |
名义上的 |
名义价值评估期间向自由参数的提取。 默认值为0意味着参数值为零。如果你炼制一个模型,您可以将值设置为 |
0 |
SearchMethod
- - - - - -数值搜索方法用于迭代参数估计
“汽车”
(默认)|“gn”
|“玲娜”
|“lm”
|“研究生”
|“lsqnonlin”
|“fmincon”
数值搜索方法用于迭代参数估计中,指定为下表中的值之一。
SearchMethod |
描述 |
---|---|
“汽车” |
自动选择方法 线搜索算法的组合, |
“gn” |
子空间高斯牛顿最小二乘搜索 雅可比矩阵的奇异值小于 |
“玲娜” |
自适应子空间高斯牛顿搜索 特征值小于 |
“lm” |
Levenberg-Marquardt最小二乘搜索 每个参数值 |
“研究生” |
最陡下降最小二乘搜索 |
“lsqnonlin” |
Trust-region-reflective算法 该算法需要优化工具箱™软件。 |
“fmincon” |
约束非线性动力学 您可以使用序贯二次规划(SQP)和trust-region-reflective算法的
|
SearchOptions
- - - - - -选择搜索算法
搜索选项设置
选项设置为指定的搜索算法,搜索选项设置字段,依赖的价值SearchMethod
。
SearchOptions
结构时SearchMethod
被指定为“gn”
,“玲娜”
,“lm”
,“研究生”
,或“汽车”
字段名 | 描述 | 默认的 | ||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
宽容 |
最低百分比区别的当前值损失函数及其预期改善在下一次迭代之后,指定为一个积极的标量。当预期改善的百分比小于 |
0.01 |
||||||||||||||||||||||||||||||
MaxIterations |
最大数量的迭代期间损失函数最小化,指定为一个正整数。迭代停止时 设置 使用 |
20. |
||||||||||||||||||||||||||||||
先进的 |
高级搜索设置,指定为以下字段的结构。
|
SearchOptions
结构时SearchMethod
被指定为“lsqnonlin”
字段名 | 描述 | 默认的 |
---|---|---|
FunctionTolerance |
终止宽容的损失函数最小化来确定的软件估计参数值,指定为一个积极的标量。 的价值 |
1 e-5 |
StepTolerance |
终止宽容估计参数值,指定为一个积极的标量。 的价值 |
1 e-6 |
MaxIterations |
最大数量的迭代期间损失函数最小化,指定为一个正整数。迭代停止时 的价值 |
20. |
SearchOptions
结构时SearchMethod
被指定为“fmincon”
字段名 | 描述 | 默认的 |
---|---|---|
算法 |
|
“sqp” |
FunctionTolerance |
终止宽容的损失函数最小化来确定的软件估计参数值,指定为一个积极的标量。 |
1 e-6 |
StepTolerance |
终止宽容估计参数值,指定为一个积极的标量。 |
1 e-6 |
MaxIterations |
最大数量的迭代期间损失函数最小化,指定为一个正整数。迭代停止时 |
One hundred. |
先进的
- - - - - -更多高级选项
结构
更多高级选项,指定为一个结构如下表中的字段。
字段名 | 描述 | 默认的 | |||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
ErrorThreshold |
误差阈值的调整大错误的重量从二次线性的。 错误比 一个 |
0 |
|||||||||
最大尺寸 |
最大数量的元素在一段输入-输出数据分成部分。
|
250000年 |
|||||||||
StabilityThreshold |
阈值稳定性测试。
|
||||||||||
AutoInitThreshold |
阈值的自动估计初始条件。 软件估计初始条件时:
|
1.05 |
例子
引用
[1]遗嘱,艾德里安,b . Ninness, s·吉布森。基于“梯度搜索多变量系统估计”。学报16 IFAC世界大会,布拉格,捷克共和国,2005年7月3 - 8。英国牛津大学:爱思唯尔有限公司,2005年。
[2]Ljung Lennart。为用户系统标识:理论。上台北:新世纪PTR, 1999。
版本历史
介绍了R2012aR2022b:InputInterSample
选项允许intersample行为规范连续模型估计的时间表或矩阵。
iddata
对象包含一个InterSample
属性描述信号采样点之间的行为。的InputInterSample
属性的选择实现的一个版本greyestOptions
所以intersample行为也可以指定当估计数据存储在时间表或矩阵。
R2018a:重命名的估计和分析选项
一些评估和分析选项的名称在R2018a改变。之前的名字仍然工作。详情,请参阅R2018a释放注意重命名的估计和分析选项。
MATLABコマンド
次のMATLABコマンドに対応するリンクがクリックされました。
コマンドをMATLABコマンドウィンドウに入力して実行してくださ了对いweb这类ブラウザーはMATLABコマンドをサポートしていません。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。