Exponenta Banner
exponenta event banner

n4sidOptions

Опция установлена для n4sid

свернуть все на странице

Синтаксис

opt = n4sidOptions
opt = n4sidOptions(Name,Value)

Описание

opt = n4sidOptions создает набор опций по умолчанию для n4sid.

opt = n4sidOptions(Name,Value) создает набор опции с опциями, заданными одним или несколькими аргументами пары Name,Value.

Входные параметры

свернуть все

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Обработка начальных состояний во время оценки, заданной как одно из следующих значений:

  • 'zero' — Начальное состояние обнуляется.

  • 'estimate' — Начальное состояние обработано как независимый параметр оценки.

Схема Weighting, используемая для сингулярного разложения алгоритмом N4SID, заданным как одно из следующих значений:

  • 'MOESP' — Использует алгоритм MOESP Verhaegen [2].

  • 'CVA' — Использует канонический переменный алгоритм Larimore [1].

    Оценка с помощью данных частотного диапазона всегда использует 'CVA'.

  • 'SSARX' — Метод идентификации подпространства, который использует ARX основанный на оценке алгоритм, чтобы вычислить взвешивание.

    Определение этой опции позволяет объективные оценки при использовании данных, которые собраны в операции с обратной связью. Для получения дополнительной информации об алгоритме, см. [4].

  • 'auto' Функция оценки выбирает между MOESP, CVA и алгоритмами SSARX.

Передайте - и горизонты обратного прогноза, используемые алгоритмом N4SID, заданным как одно из следующих значений:

  • Вектор - строка с тремя элементами —   [r sy su], где r является максимальным прямым горизонтом прогноза, использующим до r неродной вперед предикторы. sy является количеством мимо выходных параметров, и su является количеством прошлых входных параметров, которые используются для прогнозов. Смотрите страницы 209 и 210 в [3] для получения дополнительной информации. Эти числа могут иметь существенное влияние на качество получившейся модели, и нет никаких простых правил для выбора их. Создание 'N4Horizon', k-by-3 матрица означает, что каждую строку 'N4Horizon' пробуют, и значение, которое дает лучшее (прогноз), подгонка к данным выбрана. k является количеством предположений   комбинаций [r sy su]. Если вы задаете N4Horizon как отдельный столбец, r = sy = su используется.

  • 'auto' Программное обеспечение использует Критерий информации о Akaike (AIC) для выбора sy и su.

Ошибка, которая будет минимизирована в функции потерь во время оценки, заданной как пара, разделенная запятой, состоящая из 'Focus' и одно из следующих значений:

  • Предсказание Один шаг вперед ошибка прогноза между измеренными и предсказанными выходными параметрами минимизирован во время оценки. В результате оценка фокусируется на создании хорошей модели предиктора.

  • 'simulation' — Ошибка симуляции между измеренными и моделируемыми выходными параметрами минимизирована во время оценки. В результате оценка фокусируется на создании подходящего варианта для симуляции образцового ответа с текущими входными параметрами.

Опция Focus может быть интерпретирована, когда взвешивание просачивается функция потерь. Для получения дополнительной информации смотрите Функцию потерь и Образцовые Метрики качества.

Взвешивание предварительного фильтра применилось к функции потерь, которая будет минимизирована во время оценки. Чтобы понять эффект WeightingFilter на функции потерь, смотрите Функцию потерь и Образцовые Метрики качества.

Задайте WeightingFilter как одно из следующих значений:

  • [] — Никакой предварительный фильтр взвешивания не используется.

  • Полосы пропускания — Задают вектор - строку или матрицу, содержащую значения частоты, которые задают желаемые полосы пропускания. Вы выбираете диапазон частот, где подгонка между предполагаемой моделью и данными об оценке оптимизирована. Например, [wl,wh], где wl и wh представляют нижние и верхние пределы полосы пропускания. Для матрицы с несколькими строками, задающими полосы пропускания частоты, [w1l,w1h;w2l,w2h;w3l,w3h;...], алгоритм оценки использует объединение частотных диапазонов, чтобы задать полосу пропускания оценки.

    Полосы пропускания выражаются в rad/TimeUnit для данных временного интервала и в FrequencyUnit для данных частотного диапазона, где TimeUnit и FrequencyUnit являются временем и единицами частоты данных об оценке.

  • Фильтр SISO — Задает линейный фильтр одного входа одного вывода (SISO) одним из следующих способов:

    • Модель SISO LTI

    • Формат {A,B,C,D}, который задает матрицы пространства состояний фильтра с тем же шагом расчета как данные об оценке.

    • Формат {numerator,denominator}, который задает числитель и знаменатель фильтра как передаточная функция с тем же шагом расчета как данные об оценке.

      Эта опция вычисляет функцию взвешивания как продукт фильтра и входного спектра, чтобы оценить передаточную функцию.

  • Взвешивание вектора — Применимый для данных частотного диапазона только. Задайте вектор-столбец весов. Этот вектор должен иметь ту же длину как вектор частоты набора данных, Data.Frequency. Каждый ответ ввода и вывода в данных умножается на соответствующий вес на той частоте.

Управляйте, осуществить ли устойчивость предполагаемой модели, заданной как пара, разделенная запятой, состоящая из 'EnforceStability' и или true или false.

Типы данных: логический

Средства управления, сгенерированы ли данные о ковариации параметра, задали как true или false.

Если EstimateCovariance является true, то используйте getcov, чтобы выбрать ковариационную матрицу из предполагаемой модели.

Задайте, отобразить ли прогресс оценки, заданный как одно из следующих значений:

  • 'on' — Информация об образцовой структуре и результатах оценки отображена в окне средства просмотра прогресса.

  • 'off' Никакая информация о прогрессе или результатах отображена.

Удаление смещения от входных данных временного интервала во время оценки, заданной как пара, разделенная запятой, состоящая из 'InputOffset' и одно из следующего:

  • Вектор-столбец положительных целых чисел длины Nu, где Nu является количеством входных параметров.

  • [] — Не указывает ни на какое смещение.

  • Nu-by-Ne матрица — Для данных мультиэксперимента, задайте InputOffset как Nu-by-Ne матрица. Nu является количеством входных параметров, и Ne является количеством экспериментов.

Каждая запись, заданная InputOffset, вычтена из соответствующих входных данных.

Удаление смещения от выходных данных временного интервала во время оценки, заданной как пара, разделенная запятой, состоящая из 'OutputOffset' и одно из следующего:

  • Вектор-столбец длины Ny, где Ny является количеством выходных параметров.

  • [] — Не указывает ни на какое смещение.

  • Ny-by-Ne матрица — Для данных мультиэксперимента, задайте OutputOffset как Ny-by-Ne матрица. Ny является количеством выходных параметров, и Ne является количеством экспериментов.

Каждая запись, заданная OutputOffset, вычтена из соответствующих выходных данных.

Взвешивание ошибок прогноза по мультивыходным оценкам, заданным как одно из следующих значений:

  • 'noise' — Минимизировать det(E'*E/N), где E представляет ошибку прогноза, и N является количеством выборок данных. Этот выбор оптимален в статистическом смысле и приводит к оценкам наибольшего правдоподобия в случае, если никакие данные не доступны об отклонении шума. Эта опция использует инверсию предполагаемого шумового отклонения как функция взвешивания.

  • Положительная полуопределенная симметрическая матрица (W) — Минимизирует трассировку взвешенной ошибочной матрицы прогноза trace(E'*E*W/N) где:

    • E является матрицей ошибок прогноза с одним столбцом для каждого вывода. W является положительной полуопределенной симметрической матрицей размера, равного количеству выходных параметров. Используйте W, чтобы задать относительную важность выходных параметров в нескольких - выходные модели или надежность соответствующих данных.

    • N является количеством выборок данных.

  • [] — Программное обеспечение выбирает между 'noise' или использованием единичной матрицы для W.

Эта опция важна только для мультивыходных моделей.

Дополнительные расширенные настройки, заданные как структура с полем MaxSize. MaxSize задает максимальное количество элементов в сегменте, когда данные ввода - вывода разделены в сегменты.

MaxSize должен быть положительным целым числом.

Значение по умолчанию: 250000

Выходные аргументы

свернуть все

Набор опции для n4sid, возвращенного как опция n4sidOptions, установлен.

Примеры

свернуть все

Скрипт Open Live Script
opt = n4sidOptions;
Скрипт Open Live Script

Создайте набор опций для n4sid с помощью опции 'zero', чтобы инициализировать состояние. Установите Display на 'on'. 

opt = n4sidOptions('InitialState','zero','Display','on');

Также используйте запись через точку, чтобы установить значения opt. 

opt = n4sidOptions;
opt.InitialState = 'zero';
opt.Display = 'on';

Ссылки

[1] Larimore, W.E. “Канонический анализ варьируемой величины в идентификации, фильтрации и адаптивном управлении”. Продолжения 29-й Конференции по IEEE по Решению и Управлению, стр 596–604, 1990.

[2] Verhaegen, M. “Идентификация детерминированной части моделей в пространстве состояний MIMO”. Automatica, Издание 30, 1994, стр 61–74.

[3] Ljung, L. System Identification: теория для пользователя. Верхний Сэддл-Ривер, NJ: PTR Prentice Hall, 1999.

[4] Янссон, M. “Идентификация подпространства и моделирование ARX”. 13-й Симпозиум IFAC по System Identification, Роттердаму, Нидерланды, 2003.

Смотрите также

| |

Темы

Представленный в R2012a

Документация System Identification Toolbox
Поддержка