估计线性灰色矩形模型- MATLAB和Simulink MathWorks日本金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

估计线性灰盒模型

指定线性灰盒模型结构

您可以使用单输出和多输出时域数据或时间序列数据(仅输出)对任意常微分或差分方程的线性离散时间和连续时间灰盒模型进行估计。

你必须用状态空间的形式表示你的系统方程。状态空间模型使用状态变量x (t)把一个系统描述成一阶微分方程的集合，而不是一个或多个n阶微分方程。

灰盒建模的第一步是编写一个函数，将状态空间矩阵作为用户定义的参数和关于模型的信息的函数返回。

使用以下格式来实现文件中的线性灰盒模型:

[A, B, C, D] = myfunc (parN par1, par2,…,Ts, aux1, aux2,…)

输出参数是状态空间矩阵和myfunc是文件的名称。par1 par2,…,parN是N模型参数。每个元素可以是标量、向量或矩阵。Ts为采样时间。aux1, aux2,…可选输入参数是myfunc用于计算状态空间矩阵，以及参数和采样时间。辅助包含系统中的辅助变量。在函数的输入处使用辅助变量来改变系统参数，避免编辑文件。

你可以写的内容myfunc参数化连续时间或离散时间状态空间模型，或两者兼有。使用。创建线性灰盒模型时myfunc，可以指定的输出参数的性质myfunc．连续时间状态空间模型的形式为:

在连续时间下，状态空间的描述形式为:

$\begin{array}{l} \dot{x} （ t ）＝一个 x （ t ） + B u （ t ） + K e （ t ） \\ y （ t ）＝ C x （ t ） + D u （ t ） + e （ t ） \\ x （ 0 ）＝ x 0 \end{array}$

在那里,一个，B，C和D矩阵被参数化了吗par1 par2,…,parN．噪声矩阵K初始状态向量，x0，不是参数化的myfunc．在某些应用中，你可能想要表达K和x0作为被选择的参数参数化的量，就像一个，B，C和D矩阵。要处理这种情况，您可以编写ODE文件，myfunc返回K和x0作为额外的输出参数:

[A, B, C, D, K, x0] = myfunc (par1 par2,.．., Ts parN aux1 aux2,…)

K和x0的处理方式与一个，B，C和D矩阵。它们都是参数的函数par1 par2,…,parN．要配置初始状态的处理，x0，扰动分量，K，在估计期间，使用greyestOptions选项设置。

在离散时间下，状态空间描述有类似的形式:

$\begin{array}{l} x （ k + 1 ）＝一个 x （ k ） + B u （ k ） + K e （ t ） \\ y （ k ）＝ C x （ k ） + D u （ k ） + e （ t ） \\ x （ 0 ）＝ x 0 \end{array}$

在那里,一个，B，C和D离散时间矩阵是由参数参数化的吗par1 par2,…,parN．K和x0不是直接参数化的，但如果需要，可以通过配置相应的估计选项进行估计。

在用模型结构创建函数或mex -文件之后，必须定义一个idgrey模型对象。

创建函数来表示灰盒模型

打开脚本

这个例子展示了如何表示以下连续时间模型的结构:

$数组$ $ \开始{}{1}& # xA;左\点x (t) = \[{\开始数组{}{* {20}{c}} & # xA; 0 & # 38; 1 \ \ & # xA; 0 &{{\θ_1}}& # xA;结束\{数组}}\右)x (t) +左\[{\开始数组{}{* {20}{c}} & # xA; 0 \ \ & # xA;{{\θ_2}}& # xA;结束\{数组}}\右]u (t) \ \ & # xA;左y (t) = \[{\开始数组{}{* {20}{c}} & # xA; 1 & # 38; 0 \ \ & # xA; 0 & # 38; 1 & # xA;结束\{数组}}\右)x (t) + e (t) \ \ & # xA; x左(0)= \ [数组{\开始{}{* {20}{c}} & # xA;{{\θ_3}}\ \ & # xA; 0 & # xA;结束\{数组}}\右]& # xA; \{数组}$ $$

这个方程表示一个电动机，其中 $$ {y_1} (t) = {x_1} (t)美元$ 电机轴的角位置，和 $$ {y_2} (t) = {x_2} (t)美元$ 是角速度。的参数 $-{\θ_1}$ 电机的逆时间常数，和 $- {{\theta _2}}/{{\theta _1}}$ 是角速度输入的静态增益。

马达在静止不动t= 0，但它的角位置 ${\θ_3}$ 是未知的。设未知参数的近似标称值为 ${\theta} = - 1$ ， ${\theta _2} = 0.25$ 和 ${\theta} = 0$ ．有关此示例的更多信息，请参阅中关于状态空间模型的部分系统识别:用户的理论，第二版，Lennart Ljung, Prentice Hall PTR, 1999。

连续时间状态空间模型结构定义为:

$数组$ $ \开始{}{1}& # xA; \点x (t) =外汇(t) +顾(t) + \波浪号千瓦(t) \ \ & # xA; y (t) = Hx (t) + Du (t) + w (t) \ \ & # xA; x (0) = x0 # xA; \{数组}$ $$

如果您想使用结构化的状态空间表示估计相同的模型，请参见估计结构化连续时间状态空间模型．

为了准备这个模型进行评估:

创建以下文件来表示本示例中的模型结构:

函数[A,B,C,D,K,x0] = myfunc(par,T)0(1)]相当;B =(0;(2)持平);C =眼(2);D = 0 (2, 1);K = 0 (2, 2);x0 =((3)相当;0);

保存文件，使其在MATLAB®搜索路径。

使用下面的语法定义idgrey对象的模型myfunc文件:

票面价值= [1;0.25;0);辅助= {};T = 0;m = idgrey (“myfunc”票面价值,“c”、辅助T);

在哪里票面价值表示所有用户定义参数的向量，并包含它们的标称(初始)值。在本例中，将所有标量值参数分组到票面价值向量。标量值参数也可以作为ODE函数的独立输入参数myfunc．“c”指定基础参数是连续时间的。辅助代表可选参数。作为myfunc没有任何可选参数，使用辅助= {}．T指定采样时间;T = 0连续时间模型。

加载估计数据。

负载(fullfile (matlabroot“工具箱”，“识别”，“iddemos”，“数据”，“dcmotordata”));data = iddata (y、u, 0.1);

使用感动的要估计灰盒参数值:

m_est =老龄化最严重的(数据);

在哪里数据估算数据是不是和米是一个估计初始化idgrey模型。m_est是估计的idgrey模型。

另请参阅

idgrey|感动的

系统识别工具箱文档

金宝app

仿真软件MAT金宝appLAB,その他の製品をお試しください

無料評価版のダウンロード