greyest | Линейная оценка модели серого поля |
nlgreyest | Оцените нелинейные параметры модели серого поля |
idgrey | Линейное ОДУ (модель серого поля) с идентифицируемыми параметрами |
idnlgrey | Нелинейная модель серого поля |
pem | Ошибка прогноза оценивает для линейной и нелинейной модели |
findstates | Оцените начальные состояния модели |
init | Установите или рандомизируйте начальные значения параметров |
getinit | Значения idnlgrey образцовых начальных состояний |
setinit | Установите начальные состояния idnlgrey объекта модели |
getpar | Значения параметров и свойства idnlgrey параметров модели |
setpar | Установите начальные значения параметров idnlgrey объекта модели |
getpvec | Параметры модели и сопоставленные данные о неуверенности |
setpvec | Измените значение параметров модели |
sim | Моделируйте ответ идентифицированной модели |
greyestOptions | Набор опции для самого серого |
nlgreyestOptions | Опция установлена для nlgreyest |
findstatesOptions | Опция установлена для findstates |
simOptions | Опция установлена для sim |
Оцените линейные модели Серого Поля
Как задать и оценить линейные модели серого поля в командной строке.
Оцените непрерывно-разовую модель Серого Поля для диффузии тепла
Этот пример показывает, как оценить теплопроводность и коэффициент теплопередачи непрерывно-разовой модели серого поля для системы горячего стержня.
Оцените модель Серого Поля дискретного времени с параметризованным воздействием
Этот пример показывает, как создать одно вход и структуру модели серого поля одно вывода, когда вы знаете отклонение шума измерения.
Оцените, что коэффициенты ОДУ соответствуют данный решение
Этот пример показывает, как оценить параметры модели с помощью линейного и нелинейного моделирования серого поля.
Оцените Модель Используя Нулевые/Полюса/Усиления Параметры
Этот пример показывает, как оценить модель, которая параметризована полюсами, нулями и усилениями.
Оцените нелинейные модели Серого Поля
Как задать и оценить нелинейные модели серого поля в командной строке.
Создание файлов модели IDNLGREY
Этот пример показывает, как записать файлы ОДУ для нелинейных моделей серого поля как MATLAB и файлы MEX на C.
Оцените модели в пространстве состояний со структурированной параметризацией
Структурированная параметризация позволяет вам исключить определенные параметры из оценки путем установки этих параметров на определенные значения.
Поддерживаемые модели Серого Поля
Типы поддерживаемых моделей серого поля.
Данные, поддержанные моделями Серого Поля
Типы поддерживаемых данных для оценки моделей серого поля.
Выбор idgrey или idnlgrey Объект модели
Различие между idgrey и объектами модели idnlgrey для представления объектов модели серого поля.
Идентификация моделей в пространстве состояний с отдельными описаниями шума процесса и измерения
Идентифицированная линейная модель используется, чтобы моделировать и предсказать систему выходные параметры для данного входа и шумовых сигналов.
Функция потерь и образцовые метрики качества
Сконфигурируйте функцию потерь, которая минимизирована во время оценки параметра. После оценки используйте образцовые метрики качества, чтобы оценить качество идентифицированных моделей.
estimation report содержит информацию о результатах и опциях, используемых для образцовой оценки.
Упорядоченные оценки параметров модели
Регуляризация является методом для определения ограничений на гибкость модели, таким образом, уменьшая неуверенность в предполагаемых значениях параметров.
