Оцените ввод - вывод и коэффициенты модели полинома timeseries
System Identification Toolbox / средства оценки
Используйте блок Recursive Polynomial Model Estimator, чтобы оценить полином ввода - вывода дискретного времени и модели timeseries.
Эти образцовые структуры:
AR — A (q) y (t) = e (t)
ARMA — A (q) y (t) = C (q) e (t)
ARX — A (q) y (t) = B (q) u (t – nk) + e (t)
ARMAX — A (q) y (t) = B (q) u (t – nk) + C (q) e (t)
OE —
BJ —
q является оператором сдвига времени, и nk является входной задержкой. u (t) является входом, y (t) является вывод, и e (t) является ошибкой. Для моделей MISO существует столько же B (q) полиномы сколько количество входных параметров.
Порядки этих моделей соответствуют максимальному количеству временных сдвигов, как представлено экспонентой q. Например, порядок na представлен в A (q) полином:
1 + a1 q-1 + a2 q-2 + … + ana q-na.
Эквивалентное представление применяется к C (q), D (q) и F (q) полиномы и их соответствующие порядки nc, nd и nf.
B (q), полином уникален относительно других, потому что этот полином работает с входом и содержит системные нули. Для B (q) порядок nb является порядком полиномиального B (q) + 1:
b 1 + b2 q-1 + b3 q-2 + … + bnb q - (nb-1).
Порядки na, nb, nc, nd, nf и вход задерживают nk, знаются заранее. Задайте эти значения как параметры блоков. Обеспечьте u (t) и y (t) через Inputs и импорт Outputs, соответственно. Блок оценивает набор A (q), B (q), C (q), D (q) и F (q) коэффициенты, что образцовое использование структуры и выводит их в выходном порту Parameters. Во время оценки блок ограничивает предполагаемый C, D и полиномы F в стабильную область с корнями в единичном диске, позволяя предполагаемому A и полиномам B быть нестабильным. Выходной порт Parameters предоставляет сигналу шины следующие элементы:
— Вектор, содержащий [1 a1 (t)... ana (t)].
B Вектор, содержащий [01 … 0nk, b1 (t)... bnb (t)]. Для данных MISO B является матрицей, где i-th параметры строки соответствует i-th вход.
C Вектор, содержащий [1 c1 (t)... cnc (t)].
D Вектор, содержащий [1 d1 (t)... dnd (t)].
F Вектор, содержащий [1 f1 (t)... fnf (t)].
Например, предположите, что вы хотите оценить коэффициенты для следующей модели SISO ARMAX:
y (t) + a1 y (t – 1) +... +anay (t – na) = b1 u (t – nk) + … + bnb u (t – nb – nk + 1) + e (t) + c1 e (t – 1) + … + cnc e (t – nc)
y, u, na, nb, nc и nk являются известными количествами, которые вы предоставляете блоку. Для каждого временного шага, t, блок оценивает A, B и значения параметров C, ограничивая только полином C в стабильную область. Блок затем выводит эти ориентировочные стоимости с помощью выходного порта Parameters.
Блок поддерживает несколько методов оценки и форматов ввода данных. Блок может предоставить и бесконечную историю [1] и конечную историю [2] (также известный как раздвижное окно) оценки для θ. Конфигурируемые опции в блоке включают:
Несколько входных параметров (только структура модели ARX) — Видят порт Inputs.
Основанный на выборке или основанный на кадре формат данных — Видит параметр Input Processing.
Несколько методов оценки бесконечной истории [1] — Видят параметр Estimation Method.
История Бога (все образцовые структуры) или конечная история (только AR, ARX или структуры модели OE) — Видит параметр History.
Начальные условия, включите флаг и сбросьте триггер — Смотрите Initial Estimate, Add enable port и параметры External Reset.
Для получения дополнительной информации о методах оценки смотрите Рекурсивные алгоритмы для Онлайновой Оценки Параметра.
Inputs
— Входной сигнал Входной сигнал u (t). Параметр Input Processing и количество входных параметров nu задают размерности сигнала. Только структура модели ARX может иметь несколько входных параметров с nu, больше, чем 1.
Основанная на выборке входная обработка и входные параметры nu — nu-by-1 вектор
Основанная на кадре входная обработка с выборками M на кадр и входные параметры nu — M-by-nu матрица
Чтобы включить этот порт, установите параметр Model Structure на ARX
, ARMAX
, BJ
или OE
.
Типы данных: single | double
Вывод
Измеренный выходной сигналИзмеренный выходной сигнал y (t). Параметр Input Processing задает размерности сигнала:
Основанная на выборке входная обработка — Скаляр
Основанная на кадре входная обработка с выборками M на кадр — M-by-1 вектор
Типы данных: single | double
Enable
— Включите обновления оценкиtrue
(значение по умолчанию) | false
Внешний сигнал, который позволяет вам включать и отключать обновления оценки. Если значение сигналов:
tRUE
Оцените и выведите значения параметров для временного шага.
ложь
Не оценивайте значения параметров и выводите новую ранее ориентировочную стоимость.
Чтобы включить этот порт, выберите параметр Add enable port.
Типы данных: single
| double
| Boolean
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
Сброс
Сбросьте триггерСбросьте оценку параметра ее начальными условиями. Значение параметра External reset определяет триггерный тип. Триггерный тип диктует, происходит ли сброс на сигнале, который повышается, падение, или повышение или падение, уровень, или на уровне содержит.
Чтобы включить этот порт, выберите любую опцию кроме None
в выпадающем External reset.
Типы данных: single
| double
| Boolean
| int8
| int16
| int32
| uint8
| uint16
| uint32
InitialParameters
— Начальные оценки параметраbus
Начальные оценки параметра, предоставленные из источника, внешнего к блоку. Блок использует этот импорт в начале симуляции или когда вы инициировали сброс алгоритма с помощью сигнала Reset.
Для получения информации о содержимом объекта шины InitialParameters см. описание порта Parameters.
Чтобы включить этот порт, установите History на Infinite
и Initial Estimate к External
.
Типы данных: single | double
InitialCovariance
— Начальная ковариация параметровНачальные ковариации параметра, предоставленные из источника, внешнего к блоку. Для получения дополнительной информации смотрите параметр Parameter Covariance Matrix. Блок использует этот импорт в начале симуляции или когда вы инициировали сброс алгоритма с помощью сигнала Reset.
Чтобы включить этот порт, установите следующие параметры:
History к Infinite
Estimation Method к Forgetting Factor
или Kalman Filter
Initial Estimate к External
Типы данных: single | double
InitialInputs
— Начальные значения входных параметровНачальный набор входных параметров при использовании конечной истории (раздвижное окно) оценка, предоставленная из внешнего источника.
Если Model Structure является ARX
, то сигнал к этому порту должен быть (W –1+max (nb) +max (nk))-by-nu матрица, где W является длиной окна, и nu является количеством входных параметров. nb является вектором B (q), полиномиальные порядки и nk являются вектором входных задержек.
Если Model Structure является OE
, то сигнал к этому порту должен быть (W –1+nb+nk)-by-1 вектор, где W является длиной окна. nb является вектором B (q), полиномиальные порядки и nk являются вектором входных задержек.
Блок использует этот импорт в начале симуляции или каждый раз, когда Reset сигнализирует о триггерах.
Если начальный буфер установлен в 0
или не содержит достаточно информации, вы видите предупреждающее сообщение во время начальной фазы вашей оценки. Предупреждение должно очиститься после нескольких циклов. Количество циклов, которые это берет для достаточной информации, которая будет буферизована, зависит от порядка ваших полиномов и ваших входных задержек. Если предупреждение сохраняется, необходимо оценить содержимое сигналов.
Чтобы включить этот порт, установите:
History к Finite
Model Structure к ARX
или OE
Initial Estimate к External
Типы данных: single | double
InitialOutputs
— Начальные значения измеренного выходного буфераНачальный набор выходных измерений при использовании конечной истории (раздвижное окно) оценка, предоставленная из внешнего источника.
Если Model Structure является AR
или ARX
, то сигнал к этому порту должен быть (W +na)-by-1 вектор, где W является длиной окна, и na является полиномиальным порядком A (q).
Если Model Structure является OE
, то сигнал к этому порту должен быть (W +nf)-by-1 вектор, где W является длиной окна, и nf является полиномиальным порядком F (q).
Блок использует этот импорт в начале симуляции или каждый раз, когда Reset сигнализирует о триггерах.
Если начальный буфер установлен в 0
или не содержит достаточно информации, вы видите предупреждающее сообщение во время начальной фазы вашей оценки. Предупреждение должно очиститься после нескольких циклов. Количество циклов, которые это берет для достаточной информации, которая будет буферизована, зависит от порядка ваших полиномов и ваших входных задержек. Если предупреждение сохраняется, необходимо оценить содержимое сигналов.
Чтобы включить этот порт, установите:
History к Finite
Model Structure к AR
, ARX
или OE
Initial Estimate к External
Типы данных: single | double
Параметры
Предполагаемые параметрыbus
Предполагаемые полиномиальные коэффициенты, возвращенные как шина. Шина содержит элемент для каждого A, B, C, D и полиномов F, которые соответствуют структуре, которую вы задаете в Model Structure (см. Образцовые Структуры).
Каждый элемент шины является векторным сигналом, содержащим связанные полиномиальные коэффициенты. Например, элемент A содержит [1 a1 (t)... ana (t)].
Предполагаемый C, D и значения F ограничиваются быть стабильными полиномами дискретного времени. Таким образом, эти полиномы у всех есть корни в модульном кругу. Предполагаемому A и полиномам B позволяют быть нестабильными.
Типы данных: single | double
Ошибка
Ошибка оценкиОшибка оценки, возвращенная как:
Скаляр — Основанная на выборке входная обработка
M-by-1 вектор — Основанная на кадре входная обработка с выборками M на кадр
Чтобы включить этот порт, выберите параметр Output estimation error.
Типы данных: single | double
Ковариация
Ошибочная ковариация оценки параметра PОшибочный P ковариации оценки параметра, возвращенный как N-by-N матрица, где N является количеством параметров. Для получения дополнительной информации смотрите параметр Output Parameter Covariance Matrix.
Включить этот порт:
Выберите параметр Output parameter covariance matrix.
Если History является Infinite
, установите Estimation Method на Forgetting Factor
или Kalman Filter
.
Типы данных: single | double
Предполагаемая образцовая структура, заданная как одно из следующего:
Модель ARX
— SISO или MISO ARX
Модель ARMAX
— SISO ARMAX
Модель OE
— SISO OE
Модель BJ
— SISO BJ
AR
— Модель AR timeseries
ARMA
— Модель ARMA timeseries
Initial Estimate
— Источник начальных оценок параметраNone
(значение по умолчанию) | Internal
| External
Задайте, как предоставить начальные оценки параметра блоку:
'none'
Не задавайте первоначальные оценки.
Блок использует 0
в качестве начальной оценки параметра.
Задайте параметры, которые блок включает на основе вашего выбора образцовой структуры и метода оценки.
Задайте набор параметров Number of Parameters (), которые блок включает на основе вашего Model Structure. Например, если вашей установкой для Model Structure является AR
, задайте параметр Number of Parameters in A(q) (na).
Задайте параметр Input Delay (nk), который включает блок, когда ваша образцовая структура использует B (q) элемент.
Задайте Parameter Covariance Matrix, если Estimation Method является Forgetting Factor
или Kalman Filter
.
Internal
— Задайте начальные оценки параметра внутренне к блоку.
Задайте начальные значения параметров параметры Initial (), которые блок включает на основе вашего Model Structure и History. Например, если вашей установкой для Model Structure является AR
, и History является Infinite
, задайте параметр Initial A(q).
Задайте параметр Input Delay (nk), который включает блок, когда ваша образцовая структура использует B (q) элемент.
Задайте параметр Parameter Covariance Matrix, если Estimation Method является Forgetting Factor
или Kalman Filter
.
Задайте параметр Initial Inputs (только ARX
и OE
) и параметр Initial Outputs (ARX
, AR
и OE
), если History является Finite
.
External
— Задайте начальные оценки параметра как входной сигнал к блоку.
Задайте параметры Number of Parameters (), которые блок включает на основе вашего Model Structure. Ваша установка для Model Structure и для параметра History определяет который сигналы соединиться с соответствующими портами:
Если History является Infinite
— InitialParameters и InitialCovariance
Если History является Finite
— InitialOutputs для AR
, ARX
, и структур модели OE
и InitialInputs для структур модели ARX
и OE
Параметры блоков: InitialEstimateSource |
Ввод: вектор символов, строка |
Значения: 'None' , 'Internal' , 'External' |
Значение по умолчанию: 'None' |
Number of Parameters in A(q) (na)
— Количество предполагаемых параметров в A (q) полином1
(значение по умолчанию) | неотрицательное целое числоЗадайте количество предполагаемых параметров na в A (q) полином.
Включить этот параметр, также:
Установите History на Infinite
, Model Structure к AR
, ARX
, ARMA
, или ARMAX
и Initial Estimate к None
или External
.
Установите History на Finite
, Model Structure к AR
или ARX
и Initial Estimate к None
или External
.
Параметры блоков: A0 |
Ввод: неотрицательное целое число |
Значение по умолчанию: 1 |
Number of Parameters in B(q) (nb)
— Количество предполагаемых параметров в B (q) полином1
(значение по умолчанию) | вектор положительных целых чиселЗадайте количество предполагаемых параметров nb в B (q) полином.
Для систем MISO с помощью структуры модели ARX задайте nb как вектор со столькими же элементов, сколько существуют входные параметры. Каждый элемент этого вектора представляет порядок B (q) полином, сопоставленный с соответствующим входом. Например, предположите, что у вас есть 2D вход система MISO, B которой (q) элементы: . Нуль в начале каждого полинома представляет одну входную задержку каждого входа (см. описание параметра Initial B(q)). Конечный нуль в B1 для компенсации длины полиномов и не оказывает влияния на оценку. nb для каждого полинома равен количеству предполагаемых параметров после начального нуля, или 1 для входа 1 и 2 для входа 2. Задайте Number of Parameters in B(q) (nb) как [1 2]
и Input Delay (nk) как [1 1]
.
Включить этот параметр, также:
Установите History на Infinite
, Model Structure к ARX
, ARMAX
, BJ
, или OE
и Initial Estimate к None
или External
.
Установите History на Finite
с Model Structure ARX
или OE
и Initial Estimate к None
или External
.
Параметры блоков: B0 |
Ввод: положительное целое число |
Значение по умолчанию: 1 |
Number of Parameters in C(q) (nc)
— Количество предполагаемых параметров в C (q) полином1
(значение по умолчанию) | положительное целое числоЗадайте количество предполагаемых параметров nc в C (q) полином.
Чтобы включить этот параметр, установите History на Infinite
, Model Structure к ARMA
, ARMAX
, или BJ
и Initial Estimate к None
или External
Параметры блоков: C0 |
Ввод: положительное целое число |
Значение по умолчанию: 1 |
Number of Parameters in D(q) (nd)
— Количество предполагаемых параметров в D (q) полином1
(значение по умолчанию) | положительное целое числоЗадайте количество предполагаемых параметров nd в D (q) полином.
Чтобы включить этот параметр, установите History на Infinite
, Model Structure к BJ
и Initial Estimate к None
или External
.
Параметры блоков: D0 |
Ввод: положительное целое число |
Значение по умолчанию: 1 |
Number of Parameters in F(q) (nf)
— Количество предполагаемых параметров в F (q) полином1
(значение по умолчанию) | положительное целое числоЗадайте количество предполагаемых параметров nf в F (q) полином.
Чтобы включить этот параметр, установите Initial Estimate на None
или External
и также:
History к Infinite
, Model Structure к OE
или BJ
и Initial Estimate к None
или External
History к Finite
, Model Structure к OE
и Initial Estimate к None
или External
.
Параметры блоков: F0 |
Ввод: положительное целое число |
Значение по умолчанию: 1 |
Input Delay (nk)
— Введите задержку1
(значение по умолчанию) | вектор неотрицательных целых чиселЗадайте входную задержку как целое число, представляющее количество временных шагов, которые происходят, прежде чем вход влияет на вывод. Эта задержка также называется потерей времени в системе. Блок кодирует входную задержку как зафиксированные начальные нули B (q) полином. Для получения дополнительной информации смотрите B (q) описание параметра.
Для систем MISO со структурой модели ARX задайте nk как вектор с элементами, задающими задержку каждого входа. Этот вектор имеет длину nu, где nu является количеством входных параметров.
Например, предположите, что у вас есть 2D вход система MISO, B которой (q) элементы: . Нули в начале полиномов представляют одно-демонстрационную задержку первого входа и 2D демонстрационную задержку второго входа (см. описание параметра Initial B(q)). nb для каждого полинома равен количеству предполагаемых параметров после начальных нулей, или 2 для входа 1 и 1 для входа 2. Задайте Input Delay (nk) как [1 2]
и Number of Parameters in B(q) (nb) как [2 1]
.
Включить этот параметр, также:
Установите History на Infinite
, Model Structure к ARX
, ARMAX
, OE
, или BJ
и Initial Estimate к None
или External
.
Установите History на Finite
, Model Structure к ARX
или OE
и Initial Estimate к None
или External
.
Параметры блоков: nk |
Ввод: неотрицательный целочисленный вектор |
Значение по умолчанию: 1 |
Parameter Covariance Matrix
— Начальная ковариация параметра1e4
(значение по умолчанию) | скаляр | вектор | матрицаДействительная положительная скалярная величина, α — Ковариационной матрицей является N-by-N диагональная матрица с α как диагональные элементы.
Вектором действительных положительных скалярных величин, [α (a), α (b), α (c), α (d), α (f)] — Ковариационная матрица является N-by-N диагональная матрица, с [α (a), α (b), α (c), α (d), α (f)] как диагональные элементы. α (a) является вектором ковариации для каждого коэффициента полинома A. Точно так же α (b), α (c), α (d) и α (f) является векторами, содержащими ковариацию коэффициентов B, C, D и полиномов F, соответственно.
N-by-N симметричная положительно-определенная матрица.
N может быть одним из следующего:
AR
— N = na
ARX
—
ARMA
— N = na + nc
ARMAX
— N = na + nb + nc
OE
— N = nb + nf
BJ
— N = nb + nc + nd + nf
Чтобы включить этот параметр, установить
History к Infinite
Initial Estimate к None
или Internal
Estimation Method к Forgetting Factor
или Kalman Filter
Блок использует этот параметр в начале симуляции или каждый раз, когда Reset сигнализирует о триггерах.
Параметры блоков: P0 |
Ввод: скаляр, вектор или матрица |
Значение по умолчанию: 1e4 |
Initial A(q)
— Начальные значения A (q) коэффициенты полинома[1 eps]
(значение по умолчанию) | векторЗадайте первоначальную оценку A (q) коэффициенты полинома как вектор - строка из длины na +1.
Ведущим коэффициентом A должен быть 1
.
Чтобы включить этот параметр, установите:
Model Structure к AR
, ARX
, ARMA
или ARMAX
Initial Estimate к Internal
Параметры блоков: A0 |
Ввод: вектор действительных чисел |
Значение по умолчанию: [1 eps] |
Initial B(q)
— Начальные значения B (q) коэффициенты полинома[0 eps]
(значение по умолчанию) | вектор | матрицаЗадайте первоначальную оценку B (q) коэффициенты полинома как вектор - строка из длины nb +nk. Для нескольких - входные модели, задайте матрицу, где i th строка соответствует i th вход.
Блок считает начальные нули в B (q) и интерпретирует их как входную задержку nk. Те нули фиксируются в течение оценки. nb является числом элементов после первого ненулевого элемента в B (q). Блок оценивает значение этих элементов nb.
Например:
[0 eps]
соответствует nk =1 и nb =1.
[0 0 eps]
соответствует nk =2 и nb =1.
[0 0 eps 0 eps]
соответствует nk =2 и nb =3.
Значением по умолчанию является [0 eps]
.
Чтобы включить этот параметр, установите:
Model Structure к ARX
, ARMAX
, OE
или BJ
Initial Estimate к Internal
Параметры блоков: B0 |
Ввод: вектор действительных чисел или матрица |
Значение по умолчанию: [0 eps] |
Initial C(q)
— Начальные значения C (q) коэффициенты полинома[1 eps]
(значение по умолчанию) | векторЗадайте первоначальную оценку C (q) коэффициенты полинома как вектор - строка из длины nc +1.
Ведущий коэффициент C (q) должен быть 1.
Коэффициенты должны задать стабильный полином дискретного времени, то есть, иметь все полиномиальные корни в модульном кругу.
Чтобы включить этот параметр, установите:
History к Infinite
Model Structure к ARMA
, ARMAX
или BJ
Initial Estimate к Internal
Параметры блоков: C0 |
Ввод: вектор действительных чисел |
Значение по умолчанию: [1 eps] |
Initial D(q)
— Начальные значения D (q) коэффициенты полинома[1 eps]
(значение по умолчанию) | векторЗадайте первоначальную оценку D (q) коэффициенты полинома как вектор - строка из длины nd +1.
Ведущий коэффициент D (q) должен быть 1.
Коэффициенты должны задать стабильный полином дискретного времени, то есть, иметь все полиномиальные корни в модульном кругу.
Чтобы включить этот параметр, установите:
History к Infinite
Model Structure к BJ
Initial Estimate к Internal
Параметры блоков: D0 |
Ввод: вектор действительных чисел |
Значение по умолчанию: [1 eps] |
Initial F(q)
— Начальные значения F (q) коэффициенты полинома[1 eps]
(значение по умолчанию) | векторЗадайте первоначальную оценку F (q) коэффициенты полинома как вектор - строка из длины nf +1.
Ведущий коэффициент F (q) должен быть 1.
Коэффициенты должны задать стабильный полином дискретного времени, то есть, иметь все полиномиальные корни в модульном кругу.
Чтобы включить этот параметр, установите:
Model Structure к OE
или к BJ
Initial Estimate к Internal
Параметры блоков: F0 |
Ввод: вектор действительных чисел |
Значение по умолчанию: [1 eps] |
Initial Inputs
— Начальные значения входного буфера0
(значение по умолчанию) | матрицаЗадайте начальные значения входного буфера при использовании конечной истории (раздвижное окно) оценка. Буферные размерности размещают заданную длину окна, регрессоры, сопоставленные с полиномами в том окне, входных задержках и количестве входных параметров. Эти элементы управляют матричным размером:
Структура модели ARX — (W –1+max (nb) +max (nk))-by-nu
Структура модели OE — (W –1+nb+nk)-by-1
где W является длиной окна, и nu является количеством входных параметров. nb является вектором B (q), полиномиальные порядки и nk являются вектором входных задержек.
Когда начальное значение установлено к 0
, блок заполняет буфер с нулями.
Если начальный буфер установлен в 0
или не содержит достаточно информации, вы видите предупреждающее сообщение во время начальной фазы вашей оценки. Предупреждение должно очиститься после нескольких циклов. Количество циклов, которые это берет для достаточной информации, которая будет буферизована, зависит от порядка ваших полиномов и ваших входных задержек. Если предупреждение сохраняется, необходимо оценить содержимое сигналов.
Блок использует этот параметр в начале симуляции или каждый раз, когда Reset сигнализирует о триггерах.
Чтобы включить этот параметр, установить
History к Finite
Model Structure к ARX
или OE
Initial Estimate к Internal
.
Параметры блоков: InitialInputs |
Ввод: действительная матрица |
Значение по умолчанию: 0 |
Initial Outputs
— Начальные значения измеренного выходного буфера0
(значение по умолчанию) | векторЗадайте начальные значения измеренного выходного буфера при использовании конечной истории (раздвижное окно) оценка. Буферные размерности размещают заданную длину окна и регрессоры, сопоставленные с полиномами в том окне.
Структура модели AR или ARX — (W +na)-by-1 вектор, где W является длиной окна и na, является полиномиальным порядком A (q).
Структура модели OE — (W +nf)-by-1 вектор, где W является длиной окна и nf, является полиномиальным порядком F (q).
Когда начальное значение установлено к 0
, блок заполняет буфер с нулями.
Если начальный буфер установлен в 0
или не содержит достаточно информации, вы видите предупреждающее сообщение во время начальной фазы вашей оценки. Предупреждение должно очиститься после нескольких циклов. Количество циклов, которые это берет для достаточной информации, которая будет буферизована, зависит от порядка ваших полиномов и ваших входных задержек. Если предупреждение сохраняется, необходимо оценить содержимое сигналов.
Блок использует этот параметр в начале симуляции или каждый раз, когда Reset сигнализирует о триггерах.
Чтобы включить этот параметр, установите:
History к Finite
Model Structure к AR
, ARX
или OE
Initial Estimate к Internal
Параметры блоков: InitialOutputs |
Ввод: вектор действительных чисел |
Значение по умолчанию: 0 |
Input Processing
— Выберите основанную на выборке или основанную на кадре обработкуSample-based
(значение по умолчанию) | Frame-based
Обработка Sample-based
работает с сигналами, передал одну выборку потоком за один раз.
Обработка Frame-based
работает с сигналами, содержащими выборки от нескольких временных шагов. Много датчиков машины соединяют интерфейсом с пакетом несколько выборок и передачи эти выборки вместе в кадрах. обработка Frame-based
позволяет вам вводить эти данные непосредственно, не имея необходимость сначала распаковывать его.
Определение основанных на кадре данных добавляет дополнительную размерность M к части вашего импорта данных и выходных портов, где M является количеством временных шагов в кадре. Эти порты:
Inputs
Output
Error
Для получения дополнительной информации см. описания порта в Портах.
Параметры блоков: InputProcessing |
Ввод: вектор символов, строка |
Значения: 'Sample-based' , 'Frame-based' |
Значение по умолчанию: 'Sample-based' |
'SampleTime'
Блокируйте шаг расчета –1
(значение по умолчанию) | положительная скалярная величинаЗадайте шаг расчета данных, ли отдельными выборками для основанной на выборке обработки (ts), или кадрами для основанной на кадре обработки (tf = M ts), где M является длиной кадра. Когда вы устанавливаете Sample Time на его значение по умолчанию –1, блок наследовал свой ts или tf на основе сигнала.
Задайте Sample Time как положительную скалярную величину, чтобы заменить наследование.
Параметры блоков: Ts |
Ввод: действительный скаляр |
Значения: –1 , положительная скалярная величина |
Значение по умолчанию: –1 |
History
— Выберите историю бесконечных или конечных данных Infinite
(значение по умолчанию) | Finite
Параметр History определяет, какой рекурсивный алгоритм вы используете:
Infinite
— Алгоритмы в этой категории стремятся производить оценки параметра, которые объясняют все данные начиная с запуска симуляции. Эти алгоритмы сохраняют историю в сводных данных данных. Блок поддерживает эти сводные данные в установленной сумме памяти, которая не растет в зависимости от времени.
Блок предоставляет несколько алгоритмов типа Infinite
. Выбор этой опции включает параметр Estimation Method, с которым вы задаете алгоритм.
Finite
— Алгоритмы в этой категории стремятся производить оценки параметра, которые объясняют только конечное число прошлых выборок данных. Блок использует все данные в конечном окне и отбрасывает данные, если те данные больше не в границах окна. Этот метод также называется оценкой раздвижного окна.
Блок предоставляет один алгоритм типа Finite
. Можно использовать эту опцию только с AR
, ARX
и структурами модели OE
.
Выбор этой опции включает параметр Window Length.
Для получения дополнительной информации о рекурсивных методах оценки смотрите Рекурсивные алгоритмы для Онлайновой Оценки Параметра
Параметры блоков: History |
Ввод: вектор символов, строка |
Значения: 'Infinite' , 'Finite' |
Значение по умолчанию: 'Infinite' |
Window Length
— Размер окна для конечной оценки раздвижного окна200
(значение по умолчанию) | положительное целое числоПараметр Window Length определяет количество выборок времени, чтобы использовать для конечной истории (раздвижное окно) метод оценки. Выберите размер окна, который балансирует производительность оценки с нагрузки памяти и вычислительного. Измеряющие факторы включают номер и отклонение времени параметров в вашей модели. Всегда задавайте Window Length в выборках, даже если вы используете основанную на кадре входную обработку.
Window Length должен быть больше, чем или равным количеству предполагаемых параметров.
Подходящая длина окна независима от того, используете ли вы основанную на выборке или основанную на кадре входную обработку. Однако при использовании основанной на кадре обработки, Window Length должен быть больше, чем или равным количеству выборок (временные шаги), содержавшиеся в кадре.
Чтобы включить этот параметр, установите History на Finite
.
Параметры блоков: WindowLength |
Ввод: положительное целое число |
Значение по умолчанию: 200 |
Estimation Method
— Рекурсивный алгоритм оценкиForgetting Factor
(значение по умолчанию) | Kalman Filter
| Normalized Gradient
| Gradient
Задайте алгоритм оценки при выполнении оценки бесконечной истории. Когда вы выбираете любой из этих методов, блок включает дополнительные связанные параметры.
Упущение фактора и алгоритмов Фильтра Калмана более в вычислительном отношении интенсивно, чем градиент и нормированные градиентные методы. Однако эти более интенсивные методы имеют лучшие свойства сходимости, чем градиентные методы. Для получения дополнительной информации об этих алгоритмах, смотрите Рекурсивные алгоритмы для Онлайновой Оценки Параметра.
Параметры блоков: EstimationMethod |
Ввод: вектор символов, строка |
Значения: 'Forgetting Factor' , 'Kalman Filter' , 'Normalized Gradient' , 'Gradient' |
Значение по умолчанию: 'Forgetting Factor' |
Forgetting Factor
— Обесценьте старый фактор упущения использования данных1
(значение по умолчанию) | положительная скалярная величина в (0 1] область значенийЗабывающий факторный λ задает, если и сколько старых данных обесценено по оценке. Предположим, что система остается приблизительно постоянной по выборкам T0. Можно выбрать λ, таким образом что:
Установка λ = 1 не соответствует “никакому упущению” и оценке постоянных коэффициентов.
Установка λ <1 подразумевает, что прошлые измерения являются менее значительными для оценки параметра и могут быть “забыты”. Установите λ <1 оценивать изменяющиеся во времени коэффициенты.
Типичный выбор λ находится в [0.98 0.995] область значений.
Чтобы включить этот параметр, установите History на Infinite
и Estimation Method к Forgetting Factor
.
Параметры блоков: AdaptationParameter |
Ввод: скаляр |
Значения: (0 1] область значений |
Значение по умолчанию: 1 |
Process Noise Covariance
— Ковариация шума процесса для метода оценки Фильтра Калмана1
(значение по умолчанию) | неотрицательный скаляр | вектор неотрицательных скаляров | симметричная положительная полуопределенная матрицаProcess Noise Covariance предписывает элементы и структуру шумовой ковариационной матрицы для оценки Фильтра Калмана. Используя N как количество параметров, чтобы оценить, задайте Process Noise Covariance как одно из следующего:
Действительный неотрицательный скаляр, α — Ковариационной матрицей является N-by-N диагональная матрица с α как диагональные элементы.
Вектором действительных неотрицательных скаляров, [α 1..., α N] — Ковариационная матрица является N-by-N диагональная матрица, с [α 1..., α N] как диагональные элементы.
N-by-N симметричная положительная полуопределенная матрица.
Алгоритм Фильтра Калмана обрабатывает параметры как состояния динамической системы и оценивает эти параметры с помощью Фильтра Калмана. Process Noise Covariance является ковариацией шума процесса, действующего на эти параметры. Нулевые значения в шумовой ковариационной матрице соответствуют постоянным коэффициентам или параметрам. Значения, больше, чем 0, соответствуют изменяющимся во времени параметрам. Используйте большие значения для того, чтобы быстро изменить параметры. Однако ожидайте, что большие значения приведут к более шумным оценкам параметра. Значение по умолчанию равняется 1.
Чтобы включить этот параметр, установите History на Infinite
и Estimation Method к Kalman Filter
.
Параметры блоков: AdaptationParameter |
Ввод: скаляр, вектор, матрица |
Значение по умолчанию: 1 |
Adaptation Gain
— Спецификация усиления адаптации для методов оценки градиента1
(значение по умолчанию) | положительная скалярная величинаУсиление адаптации γ масштабирует влияние новых данных об измерении по результатам оценки для градиента и нормированных градиентных методов. Когда ваши измерения защищены, или другими словами имеют высокое отношение сигнал-шум, задают большее значение для γ. Однако установка γ слишком высоко может заставить оценки параметра отличаться. Это расхождение возможно, даже если измерения являются свободным шумом.
Когда Estimation Method является NormalizedGradient
, Adaptation Gain должен быть меньше чем 2. С любым градиентным методом, если ошибки растут вовремя (другими словами, оценка отличается), или оценками параметра переходят вокруг часто, рассматривают уменьшающий Adaptation Gain.
Чтобы включить этот параметр, установите History на Infinite
и Estimation Method к Normalized Gradient
или к Gradient
.
Параметры блоков: AdaptationParameter |
Ввод: скаляр |
Значение по умолчанию: 1 |
Normalization Bias
— Сместите для усиления адаптации, масштабирующегося для нормированного метода оценки градиентаeps
(значение по умолчанию) | неотрицательный скалярНормированный алгоритм градиента масштабирует усиление адаптации на каждом шаге квадратом 2D нормы вектора градиента. Если градиент близко к нулю, почти нулевой знаменатель может вызвать скачки в предполагаемых параметрах. Normalization Bias является термином, введенным к знаменателю, чтобы предотвратить эти скачки. Увеличьте Normalization Bias, если вы наблюдаете скачки в предполагаемых параметрах.
Чтобы включить этот параметр, установите History на Infinite
и Estimation Method к Normalized Gradient
.
Параметры блоков: NormalizationBias |
Ввод: скаляр |
Значение по умолчанию: eps |
Output estimation error
— Добавьте Ошибочный выходной порт, чтобы блокироватьсяoff
(значение по умолчанию) | наИспользуйте сигнал выходного порта Error подтвердить оценку. Для данного временного шага t ошибка оценки e (t) вычисляется как:
где y (t) является измеренный вывод, который вы обеспечиваете, и yest (t) является предполагаемый вывод с помощью регрессоров, H (t) и параметр оценивает θ (t-1).
Параметры блоков: OutputError |
Ввод: вектор символов, строка |
Значения: 'off' , 'on' , |
Значение по умолчанию: 'off' |
Output parameter covariance matrix
— Добавьте выходной порт ковариации, чтобы блокироватьсяoff
(значение по умолчанию) | наИспользуйте сигнал выходного порта Covariance исследовать неуверенность оценки параметра. Программное обеспечение вычисляет ковариацию параметра P
, принимающий, что невязки, e (t), являются белым шумом, и отклонение этих невязок равняется 1.
Интерпретация P
зависит от подхода оценки, который вы задаете в History и Estimation Method можно следующим образом:
Если History является Infinite
, то ваши результаты выбора Estimation Method в:
Forgetting Factor
— (R2/2) P
приблизительно равен ковариационной матрице предполагаемых параметров, где R2 является истинным отклонением невязок. Блок возвращает эти невязки через порт Error.
Kalman Filter
— R2 P
является ковариационной матрицей предполагаемых параметров, и R1/R2 является ковариационной матрицей изменений параметра. Здесь, R1 является ковариационной матрицей, которую вы задаете в Parameter Covariance Matrix.
Normalized Gradient
или Gradient
— Ковариация P
не доступна.
Если History является Finite
(оценка раздвижного окна) — R2 P
является ковариацией предполагаемых параметров. Алгоритм раздвижного окна не использует эту ковариацию в процессе оценки параметра. Однако алгоритм действительно вычисляет ковариацию для вывода так, чтобы можно было использовать его для статистической оценки.
Параметры блоков: OutputP |
Ввод: вектор символов, строка |
Значения: 'off' , 'on' |
Значение по умолчанию: 'off' |
Add enable port
— Добавьте Позволяют импорту блокироватьсяoff
(значение по умолчанию) | наИспользуйте сигнал Enable обеспечить управляющий сигнал, который включает или отключает оценку параметра. Блок оценивает значения параметров для каждого временного шага, который включена оценка параметра. Если вы отключаете оценку параметра на данном шаге, t, то программное обеспечение не обновляет параметры для того временного шага. Вместо этого блок вывод содержит последние предполагаемые значения параметров.
Можно использовать эту опцию, например, когда или если:
Ваши регрессоры или выходной сигнал становятся слишком шумными, или не содержат информацию на некоторых временных шагах
Ваша система переходит к режиму, где значения параметров не изменяются вовремя
Параметры блоков: AddEnablePort |
Ввод: вектор символов, строка |
Значения: 'off' , 'on' |
Значение по умолчанию: 'off' |
External reset
— Задайте триггер для внешнего сбросаNone
(значение по умолчанию) | Rising
| Falling
| Either
| Level
| Level hold
Установите параметр External reset, чтобы и добавить, что Reset импортирует и задает условие сигнала импорта, которое инициировало сброс алгоритма, утверждает к их заданным начальным значениям. Сбросьте оценку, например, если ковариация параметра становится слишком большой из-за отсутствия или достаточного возбуждения или информации в измеренных сигналах. Параметр External reset определяет синхронизацию для сброса.
Предположим, что вы сбрасываете блок на временном шаге, t. Если блок включен в t, программное обеспечение использует начальные значения параметров, заданные в Initial Estimate, чтобы оценить значения параметров. Другими словами, в t, блок выполняет обновление параметра с помощью первоначальной оценки и текущих значений импорта.
Если блок отключен в t, и вы сбрасываете блок, блок вывод содержит значения, заданные в Initial Estimate.
Задайте эту опцию как одно из следующего:
'none'
Состояния алгоритма и оцененные параметры не сбрасываются.
Rising
— Триггерный сброс, когда управляющий сигнал повышается с отрицательной величины или нулевого значения к положительному значению. Если начальное значение отрицательно, повышаясь, чтобы обнулить триггерный сброс.
Falling
— Триггерный сброс, когда управляющий сигнал падает от положительного или нулевого значения к отрицательной величине. Если начальное значение положительно, падая на нулевой триггерный сброс.
Either
— Триггерный сброс, когда управляющий сигнал или повышается или падает.
Level
— Триггер сбросил в любом из этих случаев:
Управляющий сигнал является ненулевым на шаге текущего времени.
Управляющий сигнал изменяется от ненулевого на предыдущем временном шаге, чтобы обнулить на шаге текущего времени.
Level hold
— Триггерный сброс, когда управляющий сигнал является ненулевым на шаге текущего времени.
Когда вы выбираете любую опцию кроме None
, программное обеспечение добавляет, что Сброс импортирует к блоку. Вы предоставляете входной сигнал управления сбросом этому импорту.
Параметры блоков: ExternalReset |
Ввод: вектор символов, строка |
Значения: 'None' , 'Rising' , 'Falling' , 'Either' , 'Level' , 'Level hold' |
Значение по умолчанию: 'None' |
[1] Ljung, L. System Identification: Теория для Пользователя. Верхний Сэддл-Ривер, NJ: PTR Prentice Hall, 1999, стр 363–369.
[2] Чжан, Q. "Некоторые Аспекты Реализации Алгоритмов Наименьших квадратов Раздвижного окна". Продолжения IFAC. Издание 33, Выпуск 15, 2000, стр 763–768.
Фильтр Калмана | Рекурсивное полиномиальное образцовое средство оценки
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.