主要内容

系统辨识工具箱

从测量的输入-输出数据创建线性和非线性动态系统模型

系统识别工具箱™提供MATLAB®函数,仿真软件金宝app®block,以及一个应用程序,用于根据测量的输入-输出数据构建动态系统的数学模型。它允许您创建和使用不容易从第一原则或规范建模的动态系统模型。您可以使用时域和频域输入输出数据来识别连续时间和离散时间传递函数、过程模型和状态空间模型。该工具箱还提供了嵌入式在线参数估计算法。

工具箱提供了识别技术,如最大似然、预测误差最小化(PEM)和子空间系统识别。为了表示非线性系统动力学,可以用小波网络、树划分和s形网络非线性估计Hammerstein-Weiner模型和非线性ARX模型。工具箱执行灰箱系统识别以估计用户定义模型的参数。您可以在Simulink中使用识别的模型进行系统响应预测和工厂建模。金宝app工具箱还支持时间序列数据建模和时间金宝app序列预测。

开始

学习系统识别工具箱的基础知识

数据准备

绘制,分析,趋势,过滤时间和频域数据,生成和导入数据

线性模型识别

识别脉冲响应、频率响应和参数模型,如状态空间和传递函数模型

非线性模型识别

识别非线性ARX、Hammerstein-Wiener和灰箱模型

灰色矩形模型估计

估计线性和非线性微分、差分和状态空间方程的系数

模型验证

比较模型与实测输出,残差分析,有置信界限的响应图

模型分析

离散模型,转换模型为其他类型,线性化非线性模型,模拟和预测输出

时间序列分析

通过识别线性和非线性模型(如AR、ARMA、状态空间和灰箱模型)来分析时间序列数据,进行光谱分析,并预测模型输出

在线评估

在系统运行期间估计模型参数和状态,生成代码并部署到嵌入式目标