线性模型是不够好

时您可能需要非线性模型线性模型提供了一个适合测量输出信号差,不能提高通过改变模型结构或秩序。非线性模型比线性模型更灵活地获取复杂现象类似的订单。

物理系统是弱非线性

从物理洞察力和数据分析,您可能知道弱非线性系统。在这种情况下,你可以估计一个线性模型,然后使用这个模型作为初始模型非线性估计。非线性估计可以提高模型的适合用非线性组件结构捕获动态线性模型无法解释的。有关更多信息,请参见初始化非线性ARX使用线性模型估计和初始化Hammerstein-Wiener使用线性模型估计。

物理系统本质上是非线性的

你可能有物理洞察力系统是非线性的。某些现象在本质上是非线性的,包括干摩擦在机械系统中,执行器饱和,和传感器非线性机电系统。你可以尝试使用Hammerstein-Wiener模型建模这样的系统结构,它可以让你互连与静态非线性线性模型。有关更多信息,请参见识别Hammerstein-Wiener模型。

非线性模型可能需要代表系统操作在一个范围内的操作点。在某些情况下,你可能适合多个线性模型,每个模型是准确的在特定的操作条件。你也可以尝试使用非线性ARX模型结构树这样的系统分区模型。有关更多信息,请参见识别非线性ARX模型。

如果你知道非线性方程描述一个系统,这个系统可以代表作为一个非线性灰色矩形模型和估计系数的实验数据。在这种情况下,系数的参数模型。有关更多信息,请参见灰色矩形模型估计。

在拟合非线性模型之前,尝试改变你的输入和输出变量,改变变量之间的关系成为线性的。举个例子,你可能会处理系统电流和电压作为输入浸没式加热器,加热的温度和液体作为输出。在这种情况下,输出取决于输入通过加热器的力量等于电流和电压的乘积。而不是拟合非线性模型两个输入和一个输出数据,您可以创建一个新的输入变量通过电流和电压的乘积。然后您可以符合线性模型对于单输入/数据。

线性和非线性动力学分别抓获

你可能会有多个数据集,分别捕获的线性和非线性动力学。例如,一个数据集振幅较低输入(仅兴奋线性动力学)和高振幅的另一个数据集的输入(激发非线性动力学)。在这种情况下,首先估计线性模型使用的第一个数据集。接下来,使用模型作为初始模型来估计非线性模型使用第二个数据集。更多的信息,知道了初始化非线性ARX使用线性模型估计和初始化Hammerstein-Wiener使用线性模型估计。

黑盒估计

在一个黑盒或“冷启动”估计,您只需要指定配置的结构模型。

sys =估计量(数据、订单)

在哪里估计量是一个估计命令的名字用于所需的模型类型。

例如,您使用nlarx估计非线性ARX模型,nlhwHammerstein-Wiener模型。

第一个参数,数据时域数据表示为一个iddata对象。第二个参数,订单,代表一个或多个数字的定义取决于模型类型。

在使用系统识别应用程序时,您指定命令或适当编辑字段的对应模型中解释变量估计对话框。

精炼现有模型

你可以完善之前估计的非线性模型的参数使用以下命令:

sys =估计量(数据、sys0)

这个命令更新现有模型的参数sys0适合的数据并返回结果输出模型sys。对于非线性系统,估计量可以nlarx,nlhw,或nlgreyest。

初始化线性估计与已知信息组件

非线性ARX (idnlarx)和Hammerstein-Wiener (idnlhw)模型包含一个线性组件结构。如果你有线性动力学的知识,比如通过使用低烈度数据线性模型的识别,你可以把它在非线性模型的估计。特别是,您可以替换订单与之前估计的线性模型输入参数使用以下命令:

sys =估计量(数据、LinModel)

这个命令使用了线性模型LinModel确定非线性模型的顺序sys以及初始化系数的线性组件。

估计选项

有很多选项与一个配置的估计算法估计目标函数,初始条件,和数值搜索算法等的模型。每一个命令,估计估计量,有一个相应的选项命令命名估计量选项。例如,使用nlarxOptions生成的选项集nlarx。命令返回一个选项设置的选项,然后您将作为输入参数传递给相应的估计命令。

例如,估计非线性ARX模型模拟关注和lsqnonlin搜索方法,使用nlarxOptions。

负载iddata1z1选择= nlarxOptions (“焦点”,“模拟”,“SearchMethod”,“lsqnonlin”);sys = nlarx (z1(2 2 1)选项);

选择用于创建的信息存储在估计模型sys.Report.OptionsUsed。有关更多信息,请参见评估报告。