具有可识别参数的多项式模型
一个Idpoly.
模型将系统表示为具有可识别(可估计)系数的连续时间或离散时间多项式模型。采用Idpoly.
建立一个多项式模型或进行转换动态系统模型多项式形式。
带输入向量系统的多项式模型你,输出矢量y和干扰E.在离散时间下为:
变量一种那B.那C那D.,F多项式是用时间移位运算符表示的吗问:-1.例如,一种多项式的形式如下:
在这里,na这是会议的顺序一种多项式。问:-1y(T.)相当于y(T.-1).
例如,如果一种(问:)= 1 +一种1问:-1+一种2问:-2,然后一种(y(T.))= 1 +一种1(T-1)+一种2(T-2).
这C那D.,F多项式的形式与一种多项式,从1开始。这B.多项式不会以1开头。
在连续时间下,多项式模型的形式如下:
你(S.)包含拉普拉斯变换输入到SYS.
.y(S.)包含拉普拉斯变换的输出。E.(S.)包含每个输出扰动的拉普拉斯变换。
为Idpoly.
模型,多项式的系数一种那B.那C那D.,F可以是可评估的参数。这Idpoly.
模型中存储这些矩阵元素的值一种
那B.
那C
那D.
,F
模型的属性。
时间序列模型是没有测量输入的系统的多项式模型的特殊情况。对AR模型,B.
和F
是空的,C
和D.
所有输出都是1。对于ARMA模型,B.
和F
是空的,而D.
是1。
虽然Idpoly.
金宝app支持连续时间模型,idtf.
和idproc
启用更多选择来估计连续时间模型。因此,对于大多数连续时间应用,这些其他模型类型是优选的。
有关多项式模型的更多信息,请参见什么是多项式模型?
你可以获得一个Idpoly.
三种模式之一。
估计Idpoly.
基于系统的输出或输入-输出度量的模型,使用命令,例如poly
那ARX.
那armax
那OE.
那北京
那IV4.
, 要么ivar
. 这些命令估计自由多项式系数的值。估计值存储在一种
那B.
那C
那D.
,F
由此产生的属性Idpoly.
模型。这报告
生成模型的属性存储有关估计的信息,例如有关处理估计中使用的初始条件和选项的信息。
当你获得一个Idpoly.
通过估计建立模型,您可以使用以下命令从模型中提取估计系数和它们的不确定性polydata.
那格帕尔
, 要么getcov
.
创建一个Idpoly.
模型使用Idpoly.
命令。你可以创建一个Idpoly.
模型,用于配置初始参数化,以估计多项式模型,以拟合测量的响应数据。执行此操作时,可以指定多项式系数的约束。例如,可以固定某些系数的值,或为自由系数指定最小值或最大值。然后,您可以使用配置的模型作为输入参数poly
使用这些约束估计参数值。
将现有的动态系统模型转换为Idpoly.
模型使用Idpoly.
命令。
创建具有可识别系数的多项式模型。SYS.
= iDpoly(A, B, C, D, F
那noisavariance.
那TS.
)一种
那B.
那C
那D.
,F
指定系数的初始值。noisavariance.
指定白噪声源的方差的初始值。TS.
是模型采样时间。
使用一个或多个名称值对参数指定的其他选项创建多项式模型。SYS.
= iDpoly(A, B, C, D, F
那noisavariance.
那TS.
那名称,价值
)
只有自回归术语创建时间序列模型。在这种情况下,SYS.
= idpoly(一个)SYS.
表示由给定的AR模型一种(问:)y(T.)=E.(T.).噪音E.(T.)的方差为1。一种
指定可估计系数的初始值。
创建具有自回归项和移动平均项的时间序列模型。输入SYS.
= iDpoly(a,[],c,d,[],noisavariance.
那TS.
)一种
那C
,D.
,指定可估计系数的初值。noisavariance.
指定噪声的初始值E.(T.).TS.
是模型采样时间(省略noisavariance.
和TS.
使用它们的默认值。)
如果D.
被设置为[]
,然后SYS.
表示给出的ARMA模型
使用一个或多个名称值对参数指定的其他选项创建时间序列模型。SYS.
= iDpoly(a,[],c,d,[],noisavariance.
那TS.
那名称,价值
)