このページ最新ではありませ。をクリックし,英语のの最新版版を参照参照し。
灰色 |
线性灰色框模型估计 |
nlgreyest |
估计非线性灰色框模型参数 |
艾德格里 |
Linear ODE (grey-box model) with identifiable parameters |
艾德格里 |
Nonlinear grey-box model |
佩姆 |
预测误差最小化线性和非线性模型 |
查找状态 |
估计模型的初始状态 |
在里面 |
设置或随机化初始参数值 |
getinit |
艾德格里 モデルの初期の値 |
setInit |
艾德格里 モデルオブジェクト初期状态をするする |
getpar |
艾德格里 モデルパラメーターパラメーター値とプロパティ |
setpar |
艾德格里 モデルオブジェクト初期パラメーター値するする |
getpvec |
获取模型参数和相关的不确定性数据 |
setpvec |
修改模型参数的值 |
SIM |
模拟已识别模型的响应 |
格雷斯蒂翁 |
选项设置为灰色 |
nlgreyestoptions |
选项设置为nlgreyest |
查找状态Options |
选项设置为查找状态 |
SIMOptions |
选项设置为SIM |
How to define and estimate linear grey-box models at the command line.
This example shows how to estimate the heat conductivity and the heat-transfer coefficient of a continuous-time grey-box model for a heated-rod system.
此示例显示了当您知道测量噪声的方差时,如何创建单输入和单输出灰色模型结构。此示例中的代码使用Control System Toolbox™命令kalman
(Control System Toolbox) for computing the Kalman gain from the known and estimated noise variance.
使用线性和非线性灰色框建模估算模型参数。
此示例显示了如何估计由极点,零和收益参数化的模型。该示例需要控制系统工具箱™软件。
如何在命令行中定义和估计非线性灰色盒模型。
この例では、非線形グレー ボックス モデルの ODE ファイルを MATLAB ファイルおよび C MEX ファイルとして作成する方法を説明します。
Structured parameterizationlets you exclude specific parameters from estimation by setting these parameters to specific values. This approach is useful when you can derive state-space matrices from physical principles and provide initial parameter values based on physical insight. You can use this approach to discover what happens if you fix specific parameter values or if you free certain parameters.
この例,ユーザーモデル构造でをする方法を说明します。
支持的灰色框类型。金宝app
用于估计灰色模型的金宝app支持数据类型。
之间的区别艾德格里
and艾德格里
用于表示灰色框模型对象的模型对象。
确定的线性模型用于模拟和预测给定输入和噪声信号的系统输出。在噪声信号仅通过其统计平均值和方差知道噪声信号时测量输入信号。这general formof the state-space model, often associated with Kalman filtering, is an example of such a model, and is defined as:
Loss Function and Model Quality Metrics
配置在参数估计中最小化的损耗函数。估算后,使用模型质量指标来评估已确定模型的质量。
这估计报告包含有关用于模型估计的结果和选项的信息。该报告存储在报告
估计模型的属性。报告的确切内容取决于您用于获取模型的估计函数。
正则化是指定模型灵活性约束的技术,从而降低了估计的参数值的不确定性。