SSEST.

使用时域或频域数据估计状态空间模型

页面上倒塌

句法

sys = ss(数据、nx)

sys = ss(数据、nx名称、值)

sys = ssest（___，选择）

sys = ssest（数据，init_sys）

sys = ssest（数据，init_sys，opt）

[sys, x0] = ss (___）

描述

估计状态空间模型

例子

sys= ss (数据那NX.）估计一个连续时间状态空间模型sys订单NX.使用数据数据可以在时域或频域中。sys是以下形式的型号：

$\begin{array}{l} \dot{X} （ T. ） = 一种 X （ T. ） + B. 你（ T. ） + K. E. （ T. ） \\ y （ T. ） = C X （ T. ） + D. 你（ T. ） + E. （ T. ） \end{array}$

一种那B.那C那D.，和K.状态矩阵。你（T.)为输入，y（T.)为输出，E.（T.）是干扰，而且X（T.）是矢量的矢量NX.状态。

所有条目的一种那B.那C，和K.默认情况下是免费的估计参数。D.默认情况下固定为零，这意味着没有馈通，除了静态系统(nx = 0.)．

例子

sys= ss (数据那NX.那名称,值）合并由一个或多个名称-值对参数指定的附加选项。例如，通过指定样本时间来估计离散时间模型'ts'名称值对参数。使用“形式”那“引线”，和'diskancemodel'属性的名称-值对参数修改其默认行为一种那B.那C那D.，和K.矩阵。

例子

sys= ss (___那选择）包含一个选项集选择这指定了诸如估计目标，处理初始条件，正则化和用于估计的数值搜索方法的选项。您可以指定选择在任何先前的输入参数组合之后。

配置初始参数

例子

sys= ss (数据那init_sys）使用状态空间模型init_sys配置初始参数化。

sys= ss (数据那init_sys那选择）使用选项集估算模型选择．

估计初始状态

例子

[sys那X0.] = SSEST（___）返回估算期间计算的初始状态值。您可以将此语法与前面的任何输入参数组合一起使用。

例子

全部折叠

状态空间模型

打开直播脚本

估计状态空间模型，并将其与测量输出的响应进行比较。

加载存储在存储器中的输入输出数据iddata.目的。

负载iddata1z1

估计一个四阶状态空间模型。

nx = 4;sys = ss (z1, nx);

将模拟模型响应与测量输出进行比较。

比较(z1, sys)

图中包含一个坐标轴。轴线包含2个线型对象。这些对象代表z1 (y1)， sys: 70.78%。

图中显示，模拟模型与估计数据的拟合率大于70%。

您可以通过探索更多信息来查看有关估算的更多信息IDS.财产sys。报告．

sys。报告

ANS =状态：'使用SSEST进行预测焦点'方法：'SSEST'InitialState：'ZVA'N4重量：'CVA'N4HORIZON：[6 10 10] FIT：[1x1结构]参数：[1x1 struct]选项已使用：[1x1IDOPTIONS.SSEST] RANDSTATE：[] DATAUSED：[1x1 struct]终止：[1x1 struct]

例如，查找有关终止条件的更多信息。

sys.Report.Termination

ans =结构体字段:Whewalstop：'没有沿着搜索方向的改进，线索搜索。迭代：7 FirstOrderOptimarity：85.9759 Fcncount：123 UpdateNorm：9.5270 Lastimprovent：0

该报告包括关于迭代次数和估计停止迭代的原因的信息。

确定最佳估计模型顺序

加载输入-输出数据z1，存储在iddata.目的。这是用于估计第四阶模型的相同数据状态空间模型．

负载iddata1z1

通过指定参数来确定最佳模型顺序NX.作为一个范围1:10．

nx = 1:10;sys = ss (z1, nx);

自动生成的绘图显示由指定的订单的模型的Hankel奇异值NX.．

可以安全地丢弃具有相对较小的Hankel奇异值的状态。建议的默认订单选择是2．

选择模型顺序选择的顺序列表并点击申请．

识别具有输入延迟的状态空间模型

打开直播脚本

加载时域系统响应数据。

负载iddata7z7；

确定数据的四阶状态空间模型。指定一个已知的延迟2第一次输入的秒数0.第二个输入的秒数。

nx = 4;SYS = SSEST（Z7（1：300），NX，'inputdelay', 2, 0);

修改形式，馈通和干扰模型矩阵

打开直播脚本

修改A，B和C矩阵的规范形式，包括D矩阵中的馈通术语，并消除K矩阵中的干扰模型估计。

负载输入输出数据并估计一个四阶系统使用SSEST.默认选项。

负载iddata1z1sys1 = ssest（z1,4）;

指定配套表格并比较一种矩阵带有默认值一种矩阵。

sys2 = ss (z1 4“形式”那'伴侣'）;A1 = sys1。一种

A1 =4×4-0.5155 -3.8483 0.6657 -0.2666 5.8665 -2.7285 1.0649 -1.4694 -0.4487 0.9308 -0.6235 18.8148 -0.4192 0.5595 -16.0688 0.5399

A2 = sys2。一种

A2 =4×410.^3.×0 0 0 -7.1122 0.0010 0 0 -0.9547 0 0.0010 0 -0.3263 0 0 0.0010 -0.0033

包括一个馈通项和比较D.矩阵。

sys3 = ssest（z1,4，“引线”，1）;d1 = sys1.d.

d1 = 0.

D3 = sys3。D.

D3 = 0.0339.

消除干扰建模和比较K.矩阵。

sys4 = ssest（z1,4，'diskancemodel'那“没有”）;k1 = sys1.k.

K1 =4×10.0520 0.0973 0.0151 0.0270

k4 = sys4.k.

K4 =4×10 0 0 0

估计初始状态为独立参数

打开直播脚本

指定SSEST.估算初始状态作为独立估计参数。

SSEST.可以使用几种方法之一来处理初始状态。默认情况下,SSEST.根据估计数据自动选择方法。您可以通过使用修改选项集来自己选择方法ssestOptions．

加载输入-输出数据z1并估计二阶状态空间模型sys使用默认选项。使用返回初始状态的语法X0.．

负载iddata1z1[sys，x0] = ssest（z1,2）;X0.

x0 =2×10 0.

缺省情况下，使用'汽车'设置Initimstate.．找出哪种方法SSEST.的价值Initimstate.在sys。ReporT。

sys.report.initialstate.

ans ='zero'

该软件应用了“零'方法，意味着软件将初始状态设置为零而不是估计它们。这个选择与0.返回值为X0.．

指定SSEST.估计初始状态代替作为独立的参数使用'估计'环境。采用ssestOptions要创建修改后的选项集并指定该选项设置以估计新模型。

opt = ssestoptions（“InitialState”那'估计'）;[SYS1，X0] = SSEST（Z1,2，OPT）;X0.

x0 =2×10.0068 0.0052.

X0.现在有非零值的估计参数。

利用正则化估计状态空间模型

打开直播脚本

从窄带宽信号获得二阶系统的正则化的第五阶状态空间模型。

负载估计数据。

负载regularizationExampleData埃迪塔；

创建用于生成估计数据的传递函数模型(真系统)。

trueSys = idtf([0.02008 0.04017 0.02008]，[1 -1.561 0.6414]，1);

估计一个缺陷的状态空间模型。

opt = ssestoptions（'SearchMethod'那“lm”）;m = ssest（edata，5，'形式'那“模态”那'diskancemodel'那“没有”那'ts'，eData.ts，OPT）;

估计正则状态空间模型。

opt.regularization.lambda = 10;MR = SSEST（埃迪塔，5，'形式'那“模态”那'diskancemodel'那“没有”那'ts'，eData.ts，OPT）;

将模型输出与估计数据进行比较。

比较(eData, m先生);

图中包含一个坐标轴。轴包含3个类型的线。这些对象代表伊马达特（Y1），M：83.85％：83.68％。

比较模型的脉冲响应。

冲动(trueSys, m先生,50);传奇(“trueSys”那'M'那“先生”）;

图中包含一个坐标轴。标题为From: u1 To: y1的轴包含6个line类型的对象。这些物体代表真实的。

使用结构化估计估计部分已知的状态空间模型

打开直播脚本

估计测量输入输出数据的状态空间模型。使用状态空间模型配置参数约束和初始值以进行估计。

创建一个IDS.模型指定估计初始参数化。

a = blkdiag（[ -  0.1 0.4; -0.4 -0.1]，[ -  1 5; -5 -1]）;b = [1;零（3,1）];C = [1 1 1 1];d = 0;k =零（4,1）;x0 = [0.1 0.1 0.1 0.1];ts = 0;init_sys = IDS（a，b，c，d，k，x0，ts）;

设置的所有条目K.来0.创造一个IDS.没有状态干扰元件的模型。

使用结构属性来修复某些模型参数的值。配置模型使其B.和K.是固定的，只有非零条目一种是可评估的。

init_sys.structure.a.free.=（一种~=0); init_sys.Structure.B.Free = false; init_sys.Structure.K.Free = false;

参赛作品init_sys.structure.a.free.确定是否有相应的条目init_sys。一种免费的（真的）或固定（假)．

加载测量数据，并使用指定的参数约束和初始值估计状态空间模型init_sys．

负载iddata2z2；sys = ss (z2, init_sys);

估计参数sys满足指定的约束init_sys．

输入参数

全部折叠

`数据`-估计的数据
`iddata.`目的|`的朋友`目的|`IDFRD.`目的

估算数据，指定为iddata.对象，A.的朋友对象,或一个IDFRD.目的。

对于时域估计，数据必须是一个iddata.包含输入和输出信号值的对象。

对于频域估计，数据可以是以下之一：

录制的频率响应数据（的朋友（控制系统工具箱）要么IDFRD.）
iddata.对象，其属性如下所示。
- InputData- 输入信号的傅里叶变换
- OutputData- 输出信号的傅里叶变换
- 域-'频率'

必须均匀地采样估计数据。默认情况下，软件将模型的采样时间设置为估计数据的采样时间。

对于多实验数据，所有实验的样本次数和样本间行为必须匹配。

数据域确定您可以估计的模型类型。

时域或离散时间频域数据-连续时间和离散时间模型
连续时间频域数据-仅连续时间模型

`NX.`-估计模型的顺序
`1:10`(默认)|正整数标量|正整数矢量|`0.`

估计模型的顺序，指定为非负整数或作为包含一系列正整数的向量。

如果您已经知道您希望估计模型有哪些顺序，请指定NX.作为标量。
如果您想比较一系列潜在订单以选择最有效的订单，请在NX.．SSEST.创建汉克尔奇值图，显示系统中每个状态的相对能量贡献。Hankel奇异值较小的状态对模型精度的贡献较小，可以丢弃，影响较小。您保留的最高状态的索引是模型顺序。绘图窗口包含使用顺序的建议。您可以接受这个建议，也可以输入不同的订单。例如，请参见确定最佳估计模型顺序．
如果您未指定NX.，或者如果您指定NX.作为最好，软件自动选择NX.从范围内1:10．
如果您正在标识一个静态系统，请设置NX.来0.．

`选择`-估计选项
`ssestOptions`选项集

评估选项，指定为ssestOptions选项设置。指定的选项选择包括：

估计目标
处理初始条件
正则化
用于估计的数值搜索方法

举例说明如何使用选择，看估计初始状态为独立参数和利用正则化估计状态空间模型．

`init_sys`-配置SYS初始参数化的线性系统
`IDS.`模型|线性模型|结构体

的初始参数化的线性系统sys，指定为一个IDS.模型或结构。你得到了init_sys通过使用测量数据或通过直接构建执行估计。

如果init_sys是一个IDS.模型，SSEST.使用的参数值init_sys作为估计的初步猜测sys．有关如何指定的信息IDS.，看用结构化参数化估计状态空间模型．SSEST.荣誉对参数的限制init_sys，例如固定系数和最小/最大界限。

使用结构的属性init_sys为。配置初始参数值和约束一种那B.那C那D.，和K.矩阵。例如：

指定初始猜测一种矩阵的init_sys，放init_sys.structure.a.value.作为初步猜测。
为。指定约束B.矩阵的init_sys：
- 放init_sys.Structure.B.Minimum到最小B.矩阵值
- 放init_sys.structure.b.maximum.最大B.矩阵值
- 放init_sys.Structure.B.Free来指示是否B.矩阵是估计的空闲参数
要设置更多复杂的约束，例如系数的相互依赖性，请使用灰度框估计感动的和idgrey．

你必须为所有矩阵参数指定有限的初始值。

如果init_sys不是国家空间（IDS.）模型，软件首先转换init_sys到一个IDS.模型。SSEST.使用所得模型的参数作为估计的初始猜测。

如果您未指定选择和init_sys通过估计获得，软件使用估计选项init_sys.Report.OptionsUsed．

例如，请参见使用结构化估计估计部分已知的状态空间模型．

名称-值对的观点

指定可选的逗号分隔的对名称,值论点。的名字是参数名称和价值是相应的价值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

例子:sys = ssest（数据，nx，'ts'，0.1）

`'ts'`-估计模型的样本时间
`0.`(持续时间)(默认)|数据采样时间（`数据。Ts`）|正标量

估计模型的采样时间，指定为逗号分隔对'ts',要么0.或正标量。

对于连续时间模型，请指定'ts'作为0.．
对于离散时间模型，请指定'ts'作为存储在单位中的数据采样时间时髦财产。

`'inputdelay'`-输入延迟
`0.`(默认)|标量子|向量

每个输入通道的输入延迟，指定为逗号分隔对组成'inputdelay'和一个数字矢量。

对于连续时间模型，请指定'inputdelay'在存储在中的时间单位时髦财产。
对于离散时间模型，请指定'inputdelay'在样品时间的整数倍数中Ts．例如,设置'inputdelay'来3.指定三个采样周期的延迟。

适用于系统N_你输入，集合inputdelay.到一个N_你-by-1矢量。此向量的每个条目是表示相应输入通道的输入延迟的数值。例如，请参见识别具有输入延迟的状态空间模型．

若要对所有信道应用相同的延迟，请指定inputdelay.作为标量。

`“形式”`-标准形的类型
`“免费”`(默认)|`“模态”`|`'伴侣'`|`'典范'`

规范形式的类型sys，指定为逗号分隔的对，由“形式”以及以下值之一：

“免费”- 矩阵的所有条目一种那B.那C那D.，和K.都是免费的。
“模态”- 获得sys在模态形式。
'伴侣'- 获得sys在同伴的形式。
'典范'- 获得sys在可观察性规范形式中。

有关规范形式的定义，请参阅规范状态空间实现．

有关更多信息，请参见估计具有规范参数化的状态空间模型．例如，请参见修改形式，馈通和干扰模型矩阵．

`“引线”`-从输入到输出的直接馈通
`0.`(默认)|`1`|逻辑向量

从输入到输出的直接馈通，指定为逗号分隔对“引线”和长度的逻辑矢量N_你,在那里N_你是输入的数量。如果您指定威胁作为逻辑标量，该值应用于所有输入。对于静态系统，软件总是假设“引线”是1．

例如，请参见修改形式，馈通和干扰模型矩阵．

`'diskancemodel'`-选择估计时域噪声成分参数
`'估计'`(默认)|`“没有”`

选项以估计K矩阵中的时域噪声分量参数，指定为包括的逗号分隔对'diskancemodel'以及以下值之一：

'估计'-估计噪声分量。的K.矩阵被视为一个自由参数。
“没有”- 不要估计噪声分量。的元素K.矩阵固定为零。

对于频域数据，软件假定'diskancemodel'是“没有”．

例如，请参见修改形式，馈通和干扰模型矩阵．

输出参数

全部折叠

`sys`—识别状态空间模型
`IDS.`模型

确定的状态空间模型，作为一个返回IDS.模型。这个模型是使用指定的模型顺序、延迟和估计选项创建的。

中存储了有关评估结果和所使用选项的信息报告模型的财产。报告有以下字段。

报告字段描述

地位

模型状态的总结，表明模型是通过构造创建的还是通过估计获得的。

方法

评估使用的命令。

Initimstate.

如何在估计期间处理初始状态，作为以下值之一返回：

'零'- 初始状态设置为零。
'估计'- 初始状态被视为独立估计参数。
“展望”-初始状态估计使用最佳最小二乘拟合。
柱矢量长度NX.,在那里NX.是州的数量。对于多实验数据，具有矩阵NE.列，其中NE.为实验的次数。
参数初始条件对象（x0obj）创建使用idpar.．仅针对离散时间的状态空间模型。

该领域特别有用Initimstate.估计选项集中的选项是'汽车'．

n4重量

通过N4SID算法用于奇异值分解的加权方案，作为以下值之一返回：

'moesp'- 使用Moesp算法。
'cva'-使用规范变量算法。
“SSARX”-子空间识别方法，使用基于ARX估计的算法来计算权重。

这个选项特别有用，当n4重量估计选项集中的选项是'汽车'．

n4horizon.

N4SID算法使用的前向和后向预测视野，作为具有三个元素的行向量返回 -[r sy su],在那里R.为最大前向预测层。SY.是过去产出的数量，和苏是用于预测的过去输入的数量。

合身

估计的定量评估，作为结构返回。看损失函数和模型质量指标有关这些质量指标的更多信息。该结构具有以下字段：

场地	描述
`fitpercent.`	归一化的根均匀平方误差（NRMSE）衡量模型的响应如何适合估计数据，表示为百分比`合身`= 100 (1-NRMSE)。
`LossFcn`	估计完成时损失功能的值。
`均方误差`	均方误差（MSE）测量模型的响应如何适合估计数据。
`FPE.`	模型的最终预测误差。
`另类投资会议`	原始赤池信息准则(AIC)对模型质量的衡量。
`AICc`	小样本量修正AIC。
`奈西`	标准化的另类投资会议。
`BIC`	贝叶斯信息标准（BIC）。

参数

模型参数的估计值。

选择

选项集用于估计。如果未配置自定义选项，则这是一组默认选项。看ssestOptions为更多的信息。

兰特泰特

估计开始时随机数流的状态。空的,［］，如果在估计过程中没有使用随机化。有关更多信息，请参见RNG.．

DataUsed

用于估计的数据的属性。结构中包含以下字段:

场地	描述
`的名字`	数据集的名称。
`类型`	数据类型。
`长度`	数据样本数量。
`Ts`	采样时间。这相当于`数据。Ts`．
`InterSample`	输入intersample行为。下列值之一: `“zoh”`- 零阶保持在样本之间维护分段恒定的输入信号。 `'foh'`-一阶保持保持样本间的分段线性输入信号。 `'BL'`—限带行为是指连续时间输入信号在奈奎斯特频率以上的功率为零。的价值`Intersample`对离散时间模型的估计结果没有影响。
`InputOffset`	在估计期间从时域输入数据中删除偏移量。
`outputOffset.`	偏移在估计期间从时域输出数据中删除。

终止

用于预测误差最小化的迭代搜索的终止条件，作为具有以下字段的结构返回：

场地	描述
`WhyStop`	终止数值搜索的原因。
`迭代`	由估计算法执行的搜索迭代次数。
`FirstOrderOptimality.`	$\infty$ -当搜索算法终止时梯度搜索向量的范数。
`fcncount.`	调用目标函数的次数。
`UpdateNorm`	最后迭代中梯度搜索矢量的常态。搜索方法是时省略`'lsqnonlin'`要么`'粉丝'`．
`最后的服务`	最后一次迭代中的标准改进，以百分比表示。搜索方法是时省略`'lsqnonlin'`要么`'粉丝'`．
`算法`	使用算法`'lsqnonlin'`要么`'粉丝'`搜索方法。使用其他搜索方法时省略。

对于不需要数值搜索优化的估计方法，终止字段是省略。

有关使用的更多信息报告，看估计报告．

`X0.`-在估计期间计算的初始状态
列向量|矩阵

在估计期间计算的初始状态，作为包含与每个实验相对应的列向量的数组返回。

该数组也存储在参数模型的领域报告财产。

例如，请参见估计初始状态为独立参数．

算法

SSEST.使用非迭代子空间方法或迭代有理函数估计方法初始化参数估计。然后利用预测误差最小化方法对参数值进行优化。有关更多信息，请参见pem和ssestOptions．

参考

[1] Ljung，L.系统识别：用户理论，第二版。上部马鞍河，NJ：Prentice Hall Ptr，1999。

扩展功能

自动并行支持金宝app
通过使用并行计算工具箱™并行运行计算来加速代码。

的并行计算支持可用于估计金宝applsqnonlin.搜索方法(需要最优化工具箱™)。要启用并行计算，请使用ssestOptions，放SearchMethod来'lsqnonlin',并设置searchOptions.Advanced.UseCallall.来真的．

例如：

选择= ssestoptions;opt.SearchMethod =.'lsqnonlin'；opt.SearchOptions.Advanced.USeCallelate = TRUE;

也可以看看

功能

佳能|iddata.|IDFRD.|idgrey|IDS.|n4sid.|pem|聚|荒原|ssestOptions|ssregest|特遣部队

实时编辑任务

估计状态空间模型

主题

介绍了R2012a

系统识别工具箱文档

金宝app

尝试matlab，sim金宝appulink等产品下载188bet金宝搏

得到审判现在

SSEST.

句法

描述

估计状态空间模型

配置初始参数

估计初始状态

例子

状态空间模型

确定最佳估计模型顺序

识别具有输入延迟的状态空间模型

修改形式，馈通和干扰模型矩阵

估计初始状态为独立参数

利用正则化估计状态空间模型

使用结构化估计估计部分已知的状态空间模型

输入参数

数据-估计的数据iddata.目的|的朋友目的|IDFRD.目的

NX.-估计模型的顺序1:10(默认)|正整数标量|正整数矢量|0.

选择-估计选项ssestOptions选项集

init_sys-配置SYS初始参数化的线性系统IDS.模型|线性模型|结构体

名称-值对的观点

'ts'-估计模型的样本时间0.(持续时间)(默认)|数据采样时间（数据。Ts）|正标量

'inputdelay'-输入延迟0.(默认)|标量子|向量

“形式”-标准形的类型“免费”(默认)|“模态”|'伴侣'|'典范'

“引线”-从输入到输出的直接馈通0.(默认)|1|逻辑向量

'diskancemodel'-选择估计时域噪声成分参数'估计'(默认)|“没有”

输出参数

sys—识别状态空间模型IDS.模型

X0.-在估计期间计算的初始状态列向量|矩阵

算法

参考

扩展功能

自动并行支持金宝app通过使用并行计算工具箱™并行运行计算来加速代码。

也可以看看

功能

实时编辑任务

主题

系统识别工具箱文档

金宝app

尝试matlab，sim金宝appulink等产品下载188bet金宝搏

`数据`-估计的数据
`iddata.`目的|`的朋友`目的|`IDFRD.`目的

`NX.`-估计模型的顺序
`1:10`(默认)|正整数标量|正整数矢量|`0.`

`选择`-估计选项
`ssestOptions`选项集

`init_sys`-配置SYS初始参数化的线性系统
`IDS.`模型|线性模型|结构体

`'ts'`-估计模型的样本时间
`0.`(持续时间)(默认)|数据采样时间（`数据。Ts`）|正标量

`'inputdelay'`-输入延迟
`0.`(默认)|标量子|向量

`“形式”`-标准形的类型
`“免费”`(默认)|`“模态”`|`'伴侣'`|`'典范'`

`“引线”`-从输入到输出的直接馈通
`0.`(默认)|`1`|逻辑向量

`'diskancemodel'`-选择估计时域噪声成分参数
`'估计'`(默认)|`“没有”`

`sys`—识别状态空间模型
`IDS.`模型

`X0.`-在估计期间计算的初始状态
列向量|矩阵

自动并行支持金宝app
通过使用并行计算工具箱™并行运行计算来加速代码。