具有可识别参数的多项式模型
一个idpoly
模型将系统表示为具有可识别(可估计)系数的连续时间或离散时间多项式模型。使用idpoly
建立一个多项式模型或进行转换动态系统模型多项式形式。
输入向量的系统的多项式模型u、输出向量y和干扰e在离散时间下为:
变量一个,B,C,D,F是与时移运算符表示的多项式问-1.例如,一个多项式的形式如下:
在这里,na是秩序一个多项式。问-1y(t)相当于y(t-1).
例如,如果一个(问) = 1 +一个1问-1+一个2问-2,然后一个(y(t= 1 +一个1(t - 1)+一个2(2).
的C,D,F多项式采用相同的形式一个多项式,从1开始。的B多项式不是从1开始的。
在连续时间下,多项式模型的形式如下:
U(年代)包含拉普拉斯变换输入到SYS.
.Y(年代)包含拉普拉斯变换输出。E(年代)包含每个输出扰动的拉普拉斯变换。
为idpoly
模型,多项式的系数一个,B,C,D,F可以是可评估的参数。的idpoly
模型中存储这些矩阵元素的值一个
,B
,C
,D
,F
模型的属性。
时间序列模型是没有测量输入的系统的多项式模型的特殊情况。对AR模型,B
和F
是空的,C
和D
所有输出为1。对于ARMA模型,B
和F
是空的,而D
是1。
虽然idpoly
金宝app支持连续时间模型,idtf
和idproc
启用更多选择来估计连续时间模型。因此,对于大多数连续时间应用,这些其他模型类型是优选的。
有关多项式模型的更多信息,请参见什么是多项式模型?
你可以获得idpoly
三种模式之一。
估计idpoly
基于系统的输出或输入-输出度量的模型,使用命令,例如poly
,arx
,armax
,OE.
,BJ.
,iv4
, 或者ivar
.这些命令估计自由多项式系数的值。估计值存储在一个
,B
,C
,D
,F
由此产生的属性idpoly
模型。的报告
结果模型的属性存储关于估计的信息,例如关于初始条件处理和估计中使用的选项的信息。
当你获得idpoly
通过估计建立模型,您可以使用以下命令从模型中提取估计系数和它们的不确定性polydata
,getpar.
, 或者getcov
.
创建一个idpoly
模型使用idpoly
命令。你可以创建一个idpoly
模型配置初始参数化以估计多项式模型以拟合测量的响应数据。当您这样做时,您可以在多项式系数上指定约束。例如,您可以修复某些系数的值,或指定自由系数的最小值或最大值。然后,您可以使用配置的模型作为输入参数poly
在这些约束条件下估计参数值。
将现有的动态系统模型转换为idpoly
模型使用idpoly
命令。
创建具有可识别系数的多项式模型。SYS.
= idpoly (A, B, C, D, F
,noisavariance.
,Ts
)一个
,B
,C
,D
,F
指定系数的初始值。noisavariance.
指定白噪声源方差的初始值。Ts
是模型采样时间。
使用由一个或多个名称-值对参数指定的附加选项创建多项式模型。SYS.
= idpoly (A, B, C, D, F
,noisavariance.
,Ts
,名称,值
)
只有自回归术语创建时间序列模型。在这种情况下,SYS.
= idpoly(一个)SYS.
表示由此给出的AR模型一个(问)y(t)=e(t).噪音e(t)的方差为1。一个
指定可估计系数的初始值。
创建一个带有自回归和移动平均术语的时间序列模型。投入SYS.
= idpoly ([], C, D, [],noisavariance.
,Ts
)一个
,C
,D
,指定可估计系数的初值。noisavariance.
指定噪声的初始值e(t).Ts
是模型采样时间。(忽略noisavariance.
和Ts
使用它们的默认值。)
如果D
被设置为[]
,然后SYS.
表示给出的ARMA模型
使用由一个或多个名称-值对参数指定的附加选项创建时间序列模型。SYS.
= idpoly ([], C, D, [],noisavariance.
,Ts
,名称,值
)