このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
感动的 |
线性灰箱模型估计 |
nlgreyest |
估计非线性灰箱模型参数 |
idgrey |
具有可识别参数的线性ODE(灰箱模型) |
idnlgrey |
非线性灰色矩形模型 |
pem |
优化线性和非线性模型的预测误差最小化 |
findstates |
估计模型的初始状态 |
初始化 |
设置或随机化初始参数值 |
getinit |
idnlgrey モデルの初期状態の値 |
setinit |
idnlgrey モデルオブジェクトの初期状態を設定する |
getpar |
idnlgrey モデルパラメーターのパラメーター値とプロパティ |
setpar |
idnlgrey モデルオブジェクトの初期パラメーター値を設定する |
getpvec |
获取模型参数和相关的不确定性数据 |
setpvec |
修改模型参数值 |
sim卡 |
模拟辨识模型的响应 |
greyestOptions |
选项设置感动的 |
nlgreyestOptions |
选项设置nlgreyest |
findstatesOptions |
选项设置findstates |
simOptions |
选项设置sim卡 |
如何在命令行定义和估计线性灰盒模型。
这个例子说明了如何估算热棒系统的连续时间灰箱模型的导热系数和传热系数。
这个示例展示了如何在知道度量噪声的方差时创建单输入和单输出灰盒模型结构。本例中的代码使用Control System Toolbox™命令卡尔曼
(控制系统工具箱),从已知和估计的噪声方差计算卡尔曼增益。
使用线性和非线性灰箱模型估计模型参数。
这个例子展示了如何估计一个由极点、零和增益参数化的模型。该示例需要Control System Toolbox™软件。
如何在命令行定义和估计非线性灰盒模型。
この例では,非線形グレーボックスモデルの颂歌ファイルをMATLABファイルおよびC墨西哥人ファイルとして作成する方法を説明します。
结构参数化允许您通过将这些参数设置为特定值来从估计中排除特定参数。当您可以从物理原理导出状态空间矩阵并根据物理洞察力提供初始参数值时,此方法非常有用。您可以使用这种方法来发现修复特定参数值或释放特定参数时会发生什么。
系统辨识工具箱™を使用した構造化されたユーザー定義モデルの構築
この例では,ユーザー定義モデル構造でパラメーターを推定する方法を説明します。
支持的灰盒模型的类金宝app型。
用于估计灰盒模型的金宝app支持数据类型。
之间的区别idgrey
和idnlgrey
用于表示灰盒模型对象的模型对象。
在给定输入和噪声信号的情况下,利用辨识出的线性模型对系统输出进行仿真和预测。输入信号是被测量的,而噪声信号只能通过它们的统计均值和方差来知道。的一般形式的状态空间模型,通常与卡尔曼滤波相关,是这类模型的一个例子,定义为:
配置参数估计时损耗最小的功能。在评估之后,使用模型质量度量来评估识别模型的质量。
的评估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
估计模型的性质。报告的确切内容依赖于您用于获取模型的估计函数。
正则化是一种技术,用于指定对模型灵活性的约束,从而减少估计参数值的不确定性。