Можно оценить линейный, модели полинома черного ящика от данных со следующими характеристиками:
Время - или данные частотного диапазона (iddata или объекты данных idfrd).
Для данных частотного диапазона можно только оценить модели ARX и OE.
Чтобы оценить полиномиальные модели для данных timeseries, смотрите Анализ Временных рядов.
Действительные данные или комплексные данные в любой области.
Одно вывод и несколько - вывод.
Необходимо импортировать данные в рабочую область MATLAB®, как описано в Подготовке данных.
Чтобы получить линейную, непрерывно-разовую модель произвольной структуры для данных временного интервала, можно оценить модель дискретного времени, и затем использовать d2c, чтобы преобразовать его к непрерывно-разовой модели.
Для непрерывно-разовых данных частотного диапазона можно оценить непосредственно только Ошибку на выходе (OE) непрерывно-разовые модели. Другие структуры включают шумовые модели, который не поддержан для данных частотного диапазона.
Чтобы обозначить непрерывно-разовые данные частотного диапазона, установите шаг расчета данных на 0. Можно установить шаг расчета, когда вы импортируете данные в приложение или устанавливаете свойство Ts объекта данных в командной строке.
Можно оценить произвольный порядок, линейные модели в пространстве состояний в течение обоих раз - или данные частотного диапазона.
Установите свойство данных Ts на:
0, для данных о частотной характеристике, которые измеряются непосредственно из эксперимента.
Равный Ts исходных данных, для данных о частотной характеристике, полученных путем преобразования временного интервала iddata (использующий spa и etfe).
Можно установить шаг расчета, когда вы импортируете данные в приложение или устанавливаете свойство Ts объекта данных в командной строке.
