Вычислите рабочую точку для модели Хаммерстайна-Винера
[X,U] =
findop(sys,'steady',InputLevel,OutputLevel)[X,U] =
findop(sys,spec)[X,U] =
findop(___,Options)[X,U,Report]
= findop(___)[X,U] =
findop(sys,'snapshot',T,Uin)[X,U] =
findop(sys,'snapshot',T,Uin,X0)[ возвращает значения состояния рабочей точки, X,U] =
findop(sys,'steady',InputLevel,OutputLevel)X, и входные значения, U, для модели idnlhw, sys, с помощью установившихся спецификаций ввода и вывода.
Загрузите данные об оценке и оцените модель Хаммерстайна-Винера.
load twotankdata;
z = iddata(y,u,1);
M = nlhw(z,[5 1 3]);Найдите установившуюся рабочую точку, где уровень на входе установлен в 1, и вывод неизвестен.
[X,U] = findop(M,'steady',1,NaN);Оцените модель Хаммерстайна-Винера.
load iddata7; orders = [4*ones(1,2) 2*ones(1,2) 3*ones(1,2)]; M = nlhw(z7,orders,'unitgain','pwlinear');
Создайте объект спецификации рабочей точки по умолчанию.
spec = operspec(M);
Установите значения для входных сигналов.
spec.Input.Value(1) = -1; spec.Input.Value(2) = 1;
Установите максимальные и минимальные значения для выходного сигнала.
spec.Output.Max = 10; spec.Output.Min = -10;
Найдите установившуюся рабочую точку с помощью данных спецификаций.
[X,U] = findop(M,spec);
Загрузите данные об оценке и оцените модель Хаммерстайна-Винера.
load twotankdata;
z = iddata(y,u,1);
M = nlhw(z,[5 1 3]);Создайте набор опции findopOptions по умолчанию.
opt = findopOptions(M);
Измените набор опции, чтобы задать метод поиска градиента быстрейшего спуска, имеющий до 50 итераций.
opt.SearchMethod = 'grad';
opt.SearchOptions.MaxIterations = 50;Найдите установившуюся рабочую точку с помощью заданных опций.
[X,U] = findop(M,'steady',1,NaN,opt);Загрузите данные об оценке и оцените модель Хаммерстайна-Винера.
load iddata7; orders = [4*ones(1,2) 2*ones(1,2) 3*ones(1,2)]; M = nlhw(z7,orders,'unitgain','pwlinear');
Найдите, что установившаяся рабочая точка, где введено 1 установлена в 1 и ввела 2, неограниченно. Исходным предположением для выходного значения является 2.
[X,U,R] = findop(M,'steady',[1 NaN],2);Отобразите сводный отчет.
disp(R);
SearchMethod: 'auto'
WhyStop: 'Near (local) minimum, (norm(g) < tol).'
Iterations: 3
FinalCost: 1.9722e-31
FirstOrderOptimality: 1.6481e-16
SignalLevels: [1x1 struct]
Загрузите оценку данных об оценке модель Хаммерстайна-Винера.
load twotankdata;
z = iddata(y,u,1);
M = nlhw(z,[5 1 3]);Найдите снимок состояния симуляции после 10 секунд, приняв начальные состояния нуля.
[X,U] = findop(M,'snapshot',10,z);Загрузите данные об оценке и оцените модель Хаммерстайна-Винера.
load twotankdata
z = iddata(y,u,1);
M = nlhw(z,[5 1 3]);Создайте вектор начального состояния.
X0 = [10;10;5;5;1;1;0];
Найдите снимок состояния симуляции после 10 секунд с помощью заданных начальных состояний.
[X,U] = findop(M,'snapshot',10,z,X0);sys — Модель Хаммерстайна-ВинераidnlhwМодель Хаммерстайна-Винера, заданная как объект idnlhw.
InputLevel — Установившийся уровень на входеУстановившийся уровень на входе для вычисления рабочей точки, заданной как вектор. Длина InputLevel должна равняться количеству входных параметров, заданных в sys.
Алгоритм оптимизации принимает, что конечные значения в InputLevel являются зафиксированными входными значениями. Используйте NaN, чтобы задать неизвестные входные сигналы с исходными предположениями 0. Минимальные и максимальные границы для всех входных параметров имеют значения по умолчанию -Inf и +Inf соответственно.
OutputLevel — Установившийся уровень на выходеУстановившийся уровень на выходе для вычисления рабочей точки, заданной как вектор. Длина OutputLevel должна равняться количеству выходных параметров, заданных в sys.
Значения в OutputLevel указывают на исходные предположения для алгоритма оптимизации. Используйте NaN, чтобы задать неизвестные выходные сигналы с исходными предположениями 0. Минимальные и максимальные границы для всех выходных параметров имеют значения по умолчанию -Inf и +Inf соответственно.
spec — Спецификации рабочей точкиoperspecСпецификации рабочей точки, такие как минимальные и максимальные ограничения ввода/вывода и известные входные параметры, заданные как объект operspec.
T Время снимка состояния рабочей точкиВремя снимка состояния рабочей точки, заданное как положительная скалярная величина. Значение T должно быть в области значений [T0, N *Ts], где N является количеством входных выборок, Ts является шагом расчета, и T0 является входным временем начала (Uin.Tstart).
Uin — Создайте снимки вход симуляцииiddata | матрицаСоздайте снимки вход симуляции, заданный как одно из следующего:
Объект iddata временного интервала с шагом расчета и входным размером, который совпадает с sys.
Матрица со столькими же столбцов сколько там вводится каналы. Если матрица имеет строки N, входные данные принят, чтобы соответствовать временному вектору (1:N)*sys.Ts.
X0 Начальные состоянияНачальные состояния симуляции, заданной как вектор-столбец с длиной, равняются количеству состояний в sys. X0 обеспечивает начальные условия в то время соответствие первой входной выборке (Uin.Start, если Uin является объектом iddata или sys.Ts, если Uin является двойной матрицей).
Для получения дополнительной информации о состояниях модели idnlhw, см. Определение idnlhw состояний.
Опции Параметры поиска рабочей точкиfindopOptions установленаУстановлены параметры поиска рабочей точки, заданные как опция findopOptions.
X Значения состояния рабочей точкиЗначения состояния рабочей точки, возвращенные как вектор-столбец длины, равняются количеству образцовых состояний.
U Входные значения рабочей точкиВходные значения рабочей точки, возвращенные как вектор-столбец длины, равняются количеству входных параметров.
Report — Сводные данные результата поискаСводный отчет результата поиска, возвращенный как структура со следующими полями:
| Поле | Описание |
|---|---|
SearchMethod | Метод поиска используется для итеративной оценки параметра. Смотрите SearchMethod в findopOptions для получения дополнительной информации. |
WhyStop | Условие завершения алгоритма поиска. |
Iterations | Количество итераций оценки выполняется. |
FinalCost | Окончательное значение целевой функции минимизации (сумма квадратичных невязок). |
FirstOrderOptimality | - норма поискового вектора градиента, когда алгоритм поиска останавливается. |
SignalLevels | Структура, содержащая поля Input и Output, которые являются уровнями сигнала ввода и вывода рабочей точки соответственно. |
findop вычисляет рабочую точку из установившихся спецификаций рабочей точки или в снимке состояния симуляции.
Чтобы вычислить установившуюся рабочую точку, вызовите findop с помощью любого из следующих синтаксисов:
[X,U] = findop(sys,'steady',InputLevel,OutputLevel) [X,U] = findop(sys,spec)
findop использует другой подход, чтобы вычислить установившуюся рабочую точку в зависимости от того, сколько информации вы предусматриваете это вычисление:
Когда вы задаете значения для всех уровней на входе (никакие значения NaN). Для данного уровня на входе, U, значениями состояния равновесия является X = inv (I-A) *B*f (U), где [A,B,C,D] = ssdata(model.LinearModel) и f () являются входной нелинейностью.
Когда вы задаете известные и неизвестные уровни на входе. findop использует числовую оптимизацию, чтобы минимизировать норму ошибки и вычислить рабочую точку. Полная погрешность является объединением вкладов от e1 и e2, e (t) = (e1 (t) e2 (t)), такой что:
e1 запрашивает известные выходные параметры, и алгоритм минимизирует e1 = y - g (L (x, f (u))), где f является входной нелинейностью, L (x, u) является линейной моделью с состояниями x, и g является выходной нелинейностью.
e2 запрашивает неизвестные выходные параметры, и ошибка является мерой того, являются ли эти выходные параметры в заданных минимальных и максимальных границах. Если переменная в ее заданных границах, соответствующая ошибка является нулем. В противном случае ошибка равна расстоянию от связанного самого близкого. Например, если свободная выходная переменная имеет значение, z и его минимальными и максимальными границами является L и U, соответственно, то ошибкой является e2 = макс. [z-U, L-z, 0].
Независимые переменные для проблемы минимизации являются неизвестными входными параметрами. В ошибочном определении e и вход u и состояния x являются свободными переменными. Чтобы получить ошибочное выражение, которое содержит только неизвестные входные параметры как свободные переменные, алгоритм, findop задает состояния как функцию входных параметров путем наложения установившихся условий: x = inv (I-A) *B*f (U), где A и B являются параметрами пространства состояний, соответствующими линейной модели L (x, u). Таким образом заменяя x = inv (I-A) *B*f (U) в функцию ошибок приводит к ошибочному выражению, которое содержит только неизвестные входные параметры как свободные переменные, вычисленные алгоритмом оптимизации.
Когда вы используете синтаксис [X,U] = findop(sys,'snapshot',T,UIN,X0), алгоритм моделирует образцовый вывод до времени снимка состояния, T. Во время снимка состояния алгоритм вычисляет входные параметры для линейного блока модели модели Хаммерстайна-Винера (свойство LinearModel объекта theidnlhw) путем преобразования данных входных параметров с помощью входной нелинейности: w = f (u). findop использует получившийся w, чтобы вычислить x до времени снимка состояния с помощью следующего уравнения: x (t +1) = Ax (t) + Bw (t), где [A,B,C,D] = ssdata(model.LinearModel).
Для основанных на снимке состояния вычислений findop не выполняет числовую оптимизацию.
Поддержка параллельных вычислений доступна для оценки с помощью метода поиска lsqnonlin (требует Optimization Toolbox™). Чтобы включить параллельные вычисления, используйте findopOptions, установите SearchMethod на 'lsqnonlin' и установите SearchOptions.Advanced.UseParallel на true.
Например:
opt = findopOptions(idnlhw);
opt.SearchMethod = 'lsqnonlin';
opt.SearchOptions.Advanced.UseParallel = true;
findopOptions | idnlarx/findop | idnlhw | idnlhw/operspec | sim
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.