Опция установлена для ssregest
options = ssregestOptionsoptions = ssregestOptions(Name,Value)options = ssregestOptions;
Создайте набор опции для ssregest, который фиксирует значение начальных состояний к 'zero'. Кроме того, установите Display на 'on'.
opt = ssregestOptions('InitialState','zero','Display','on');
Также используйте запись через точку, чтобы установить значения opt.
opt = ssregestOptions; opt.InitialState = 'zero'; opt.Display = 'on';
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.
opt = ssregestOptions('InitialState','zero') фиксирует значение начальных состояний, чтобы обнулить.'InitialState' — Обработка начальных состояний'estimate' (значение по умолчанию) | 'zero'Обработка начальных состояний во время оценки, заданной как одно из следующих значений:
'zero' — Начальное состояние обнуляется.
'estimate' — Начальное состояние обработано как независимый параметр оценки.
'ARXOrder' — ARX'auto' (значение по умолчанию) | матрица неотрицательных целых чиселПорядки модели ARX, заданные как матрица неотрицательных целых чисел [na nb nk]. max(ARXOrder)+1 должен быть больше, чем желаемый порядок модели в пространстве состояний (количество состояний). Если вы задаете значение, рекомендуется, чтобы вы использовали большое значение для порядка nb. Чтобы узнать больше о порядках модели ARX, смотрите arx.
'RegularizationKernel' — Упорядочивание ядра'TC' (значение по умолчанию) | 'SE' | 'SS' | 'HF' | 'DI' | 'DC'Упорядочивание ядра, используемого для упорядоченных оценок базовой модели ARX, заданной как одно из следующих значений:
'TC' — Настроенное и коррелируемое ядро
'SE' — Экспоненциальное ядро в квадрате
'SS' — Стабильное ядро сплайна
'HF' — Высокочастотное стабильное ядро сплайна
'DI' — Диагональное ядро
'DC' — Диагональное и коррелированое ядро
Для получения дополнительной информации см. [1].
'Reduction' — Опции для сокращения порядка моделиОпции для сокращения порядка модели, заданного как структура со следующими полями:
StateElimMethod
Метод устранения состояния. Задает, как устранить слабо двойные состояния (состояния с самыми маленькими сингулярными значениями Ганкеля). Заданный как одно из следующих значений:
'MatchDC' | Отбрасывает заданные состояния и изменяет остающиеся состояния, чтобы сохранить усиление DC. |
'Truncate' | Отбрасывает заданные состояния, не изменяя остающиеся состояния. Этот метод ухаживает к продукту за лучшим приближением в частотном диапазоне, но усиления DC, как гарантируют, не будут соответствовать. |
Значение по умолчанию: 'Truncate'
AbsTol, RelTol
Допуск абсолютной и относительной погрешности к стабильному/нестабильному разложению. Значения положительной скалярной величины. Для входной модели G с нестабильными полюсами алгоритм сокращения ssregest сначала извлекает стабильную динамику путем вычисления стабильного/нестабильного разложения G → GS + GU. AbsTol и допуски RelTol управляют точностью этого разложения путем гарантирования, что частотные характеристики G и GS + GU отличаются не больше, чем AbsTol + RelTol *abs (G). Увеличение этих допусков помогает разделить поблизости стабильные и нестабильные режимы за счет точности. Смотрите stabsep для получения дополнительной информации.
Значение по умолчанию: AbsTol = 0; RelTol = 1e-8
Offset
Сместите для стабильного/нестабильного контура. Значение положительной скалярной величины. В стабильном/нестабильном разложении стабильный термин включает только удовлетворение полюсов
Re(s) < -Offset * max(1,|Im(s)|) (Непрерывное время)
|z| < 1 - Offset (Дискретное время)
Увеличьте значение Offset, чтобы обработать полюса близко к контуру устойчивости как нестабильные.
Значение по умолчанию: 1e-8
'Focus' — Ошибка, которая будет минимизирована'prediction' (значение по умолчанию) | 'simulation'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.
'WeightingFilter' — Взвешивание предварительного фильтра[] (значение по умолчанию) | вектор | матрица | массив ячеек | линейная системаВзвешивание 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.
'EstimateCovariance' — Управляйте, сгенерировать ли данные о ковариации параметраtrue (значение по умолчанию) | falseСредства 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.
Отображение Задайте, отобразить ли прогресс оценки'off' (значение по умолчанию) | 'on'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.
'InputOffset' — Удаление смещения от входных данных временного интервала во время оценки[] (значение по умолчанию) | вектор положительных целых чисел | матрицаУдаление 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.
'OutputOffset' — Удаление смещения от выходных данных временного интервала во время оценки[] (значение по умолчанию) | вектор | матрицаУдаление 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.
'OutputWeight' — Вес ошибок прогноза по мультивыходной оценке[] (значение по умолчанию) | положительная полуопределенная, симметрическая матрицаВес ошибок прогноза по мультивыходной оценке, заданной как одно из следующих значений:
Положительная полуопределенная, симметрическая матрица (W). Программное обеспечение минимизирует трассировку взвешенной ошибочной матрицы прогноза trace(E'*E*W/N) где:
E является матрицей ошибок прогноза с одним столбцом для каждого вывода, и 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.
[] — Никакое взвешивание не используется. Определение как [] совпадает с eye(Ny), где Ny является количеством выходных параметров.
Эта опция важна только для мультивыходных моделей.
'Advanced' — Усовершенствованные опции оценкиРасширенные настройки для упорядоченной оценки, заданной как структура со следующими полями:
MaxSize — Максимальный допустимый размер якобиевских матриц сформирован во время оценки, заданной как большое положительное число.
Значение по умолчанию: 250e3
SearchMethod — Метод поиска для оценки параметров регуляризации, заданных как одно из следующих значений:
'gn': поиск строки квазиньютона.
'fmincon': "Доверительная область отражающий" ограниченный минимизатор. В целом 'fmincon' лучше, чем 'gn' для обработки границ на параметрах регуляризации, которые наложены автоматически во время оценки.
Значение по умолчанию: 'fmincon'
опции Опция установлена для ssregestssregestOptions установленыУстановлены опции оценки для ssregest, возвращенного как опция ssregestOptions.
[1] Т. Чен, Х. Охлссон и Л. Лджанг. “На оценке передаточных функций, регуляризации и гауссовых процессах - пересмотренный”, Automatica, объем 48, август 2012.
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.