非线形モデル同定基础
非线形モデル同定ブラックボックスモデル化,正则化
例および操作ヒント
- 使用系统标识应用程序识别非线性黑框模型
使用系统标识应用程序从单输入/单输出(SISO)数据中识别非线性黑框模型。
概念
- モデルオブジェクトのタイプ
モデルタイプ,固定系数をシステムをため数値モデル,,およびおよび调整调整调整可能可能な系数系数不确かなな系数系数ををもつもつシステム
- 关于确定的非线性模型
系统标识工具箱中的动态模型是输入之间的数学关系u(t)和输出y(t)系统。该模型是动态的因为当前时间的输出值取决于以前时刻的输入输出值。因此,动态模型具有过去的记忆。您可以使用输入输出关系来计算先前输入和输出的当前输出。动态模型具有状态,其中国家向量包含过去的信息。
- 非线性模型结构
构建非线性模型结构,访问模型属性的模型对象。
- 可用的非线性模型
系统标识工具箱软件提供了三种类型的非线性模型结构:
- 黑盒建模
当您的主要兴趣拟合数据时,无论模型的特定数学结构如何,黑框建模是有用的。
- 建模多输出系统
使用适合系统的复杂性和内部输入输出耦合的多输出建模技术。
- 准备非线性识别数据
估计非线性ARX和Hammerstein-Wiener模型需要均匀采样的时间域数据。您的数据可以具有一个或多个输入和输出通道。
- 损失功能和模型质量指标
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。
- 模型参数的正则估计值
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。
- 估计报告
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。 - 获得准确模型后的下一步
您如何使用已确定的模型。