参数估计在通过统计概率分布函数、参数动态模型和基于数据的Simulink等数学模型准确描述系统行为方面起着至关重要的作用金宝app®模型。
提高统计模型的准确性包括:
- 概率分布的参数,如正态分布的均值和标准差
- 回归模型的回归系数,如\(y = a'x\)
有关更多信息,请参见统计和机器学习工具箱™,它支持这些和类金宝app似的参数估计任务,具有40多个不同的概率分布,包括正态分布、威布尔分布、伽玛分布、广义Pareto分布和泊松分布。工具箱还支持金宝app线性和非线性回归.
创建精确的参数动态模型需要估计:
- 传递函数的系数,包括ARX, ARMAX, Box-Jenkins和Output-Error
- 状态空间矩阵的项
- 具有参数约束的ode或结构良好系统的系数(灰箱系统辨识)
- 非线性动态系统的回归系数、饱和水平或死区限制,包括非线性ARX和Hammerstein-Wiener
有关更多信息,请参见系统辨识工具箱™,支持这些任务的金宝app参数估计的线性和非线性参数动态模型。
Simulink模型参数估计的常见任务包括:金宝app
- 输入-输出测试数据的输入和处理,如直流电机的电压输入和转子转速输出
- 指定要估计的模型参数和初始条件,如电机阻力和惯性
有关更多信息,请参见金宝app仿真软件优化设计™,它通过一个交互金宝app式工具支持这些参数估计任务,该工具可以帮助您配置、操作和运行您的Simulink优化问题。金宝app