idnlarx/plot

Постройте нелинейность нелинейной модели ARX

Синтаксис

plot(model)
plot(model,color)
plot(model1,...,modelN)
plot(model1,color1...,modelN,colorN)
plot(___,'NumberofSamples',N)

Описание

пример

plot(model) строит нелинейность нелинейной модели ARX на нелинейном графике ARX. График показывает нелинейность для всех выходных параметров модели как функция ее входных регрессоров.

plot(model,color) задает цвет, чтобы использовать.

plot(model1,...,modelN) генерирует график для многоуровневых моделей.

пример

plot(model1,color1...,modelN,colorN) задает цвет для каждой модели. Вы не должны задавать цвет для всех моделей.

пример

plot(___,'NumberofSamples',N) задает количество выборок, чтобы использовать к сетке пространство регрессора на каждой оси. Этот синтаксис может включать любую из комбинаций входных аргументов в предыдущих синтаксисах.

Примеры

свернуть все

Оцените нелинейную модель ARX и постройте ее нелинейность.

load iddata1
model1 = nlarx(z1,[4 2 1],'wave','nlr',[1:3]);
plot(model1)

В окне графика можно выбрать:

  • Регрессоры, чтобы использовать на осях графика и задать центральные точки для других регрессоров в панели настройки. Для мультивыходных моделей каждый вывод построен отдельно.

  • Вывод, чтобы просмотреть из выпадающего списка, расположенного наверху графика.

load iddata1
model1 = nlarx(z1,[4 2 1],'wave','nlr',[1:3]);
model2 = nlarx(z1,[4 2 1],'sigmoidnet','nlr',[1:3]);
plot(model1,'b', model2, 'g')

load iddata1
model1 = nlarx(z1,[4 2 1],'wave','nlr',[1:3]);
model2 = nlarx(z1,[4 2 1],'sigmoidnet','nlr',[1:3]);
plot(model1,'b', model2, 'g','NumberofSamples',50)

Входные параметры

свернуть все

Предполагаемая нелинейная модель ARX, заданная как объект модели idnlarx. Используйте nlarx, чтобы оценить модель.

Цвет, чтобы использовать, чтобы построить регрессоры, заданные как одно из следующего:

  • Вектор символов названия цвета, заданного как одно из следующего:

    • 'b'

    • 'y'

    • 'm'

    • 'c'

    • 'r'

    • 'g'

    • 'w'

  • Двойной вектор с 3 элементами значений RGB

По умолчанию цвета автоматически выбраны.

Типы данных: double | char

Число точек, используемое на оси регрессора, чтобы отобразить выборки регрессора, заданные как положительное целое число.

Типы данных: double

Больше о

свернуть все

Что такое Нелинейный График ARX?

Нелинейный график ARX отображает оцененную нелинейность модели для выбранного образцового вывода как функция одного или двух образцовых регрессоров. Для модели M нелинейность модели (M.Nonlinearity) является функцией средства оценки нелинейности, такой как wavenet, sigmoidnet или treepartition, который использует образцовые регрессоры в качестве его входных параметров.

Чтобы понять, что построено, предположите, что {r1,r2,…,rN} является регрессорами N, используемыми нелинейной моделью ARX M с нелинейностью nl, соответствующий образцовому выводу. Можно использовать getreg(M), чтобы просмотреть эти регрессоры. Выражение Nonlin = evaluate(nl,[v1,v2,...,vN]) возвращает образцовый выходной параметр для данных значений этих регрессоров, то есть, r1 = v1, r2 = v2..., rN = vN. Для графического вывода нелинейности вы выбираете один или два из регрессоров N, например, rsub = {r1,r4}. Программное обеспечение отличается значения этих регрессоров в заданной области значений, при фиксации значения остающихся регрессоров, и генерирует график Nonlin по сравнению с rsub. По умолчанию программное обеспечение устанавливает значения остающихся фиксированных регрессоров к их предполагаемым средним значениям, но можно изменить эти значения. Средние значения регрессора хранятся в свойстве Nonlinearity.Parameters.RegressorMean модели.

Исследование нелинейного графика ARX может помочь вам получить сведения, какие регрессоры имеют самый сильный эффект на образцовый вывод. Понимание относительной важности регрессоров на выводе может помочь вам решить который регрессоры включать в нелинейную функцию для того вывода. Если форма графика похожа на плоскость для всех выбранных значений регрессора, то модель, вероятно, линейна в тех регрессорах. В этом случае можно удалить соответствующие регрессоры из нелинейного блока и повторить оценку.

Кроме того, можно создать несколько нелинейных моделей для тех же данных с помощью различных средств оценки нелинейности, такой сети wavenet и treepartition, и затем сравнить нелинейные поверхности этих моделей. Соглашение между графиками для различных моделей увеличивает уверенность, что эти нелинейные модели получают истинную динамику системы.

Чтобы узнать больше о конфигурировании графика, смотрите Конфигурирование Нелинейного Графика ARX.

Введенный в R2014a

Для просмотра документации необходимо авторизоваться на сайте