主要内容

系统辨识工具箱

创建线性和非线性动态系统模型从测量输入输出数据

系统辨识工具箱™提供了MATLAB®函数,仿真软件金宝app®块,并为构建一个应用程序从输入-输出测量数据动态系统的数学模型。它允许您创建和使用模型的动态系统不易建模从第一原则或规范。您可以使用时域和频域的输入-输出数据,以确定连续时间和离散时间传递函数,过程模型和状态空间模型。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)和子空间系统辨识。代表非线性系统动力学,可以估计Hammerstein-Weiner模型和非线性ARX模型与小波网络,tree-partition,乙状结肠网络非线性。工具箱进行灰色矩形一个用户定义的模型的参数估计系统识别。您可以使用系统响应的识别模型预测和植物建模仿真软件。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

学习基本的系统辨识工具箱

数据准备

策划、分析、去趋势和过滤时间和频域的数据,生成和导入数据

线性模型识别

识别脉冲响应、频率特性和参数的模型,如状态方程和传递函数模型

非线性模型识别

识别非线性ARX、Hammerstein-Wiener和灰色矩形模型

灰色矩形模型估计

估计系数的线性和非线性微分、差分和状态空间方程

模型验证

比较模型来测量输出,残留分析、响应情节充满信心

模型分析

离散化模型,将模型转换为其他类型,线性化非线性模型,模拟和预测输出

时间序列分析

分析时间序列数据通过识别线性和非线性模型,如基于“增大化现实”技术的ARMA,状态,和灰色矩形模型,进行光谱分析,预测模型输出

在线评估

估计模型参数和状态在系统操作,生成代码和部署嵌入式目标