Оцените модели в пространстве состояний в приложении System Identification

Выберите Estimate> State Space Models.
Диалоговое окно State Space Models открывается.
Совет
Для получения дополнительной информации об опциях в диалоговом окне нажмите Help.
Задайте имя модели путем нажатия смежный с Model name. Имя модели должно быть уникальным в Образцовом Совете.
Выберите опцию Specify value (если не уже выбранный), и задайте порядок модели в поле редактирования. Порядок модели относится к количеству состояний в модели в пространстве состояний.
Совет
Когда вы не знаете порядка модели, поиска и выбираете порядок. Для получения дополнительной информации см. Оценочную Модель С Выбранным Порядком в Приложении.
Выберите Continuous-time или опцию Discrete-time, чтобы задать тип модели, чтобы оценить.
Вы не можете оценить модель дискретного времени, если рабочие данные являются непрерывно-разовыми данными частотного диапазона.
Расширьте раздел Model Structure Configuration, чтобы выбрать образцовую структуру, такую как каноническая форма, оценить ли компонент воздействия (матрица K) и спецификация сквозного соединения и ввести задержки.
Для получения дополнительной информации о типе параметризации пространства состояний, смотрите Поддерживаемую Параметризацию Пространства состояний.
Расширьте раздел Estimation Options, чтобы выбрать метод оценки и сконфигурировать функцию стоимости.
Выберите один из следующего Estimation Method из выпадающего списка и сконфигурируйте опции. Для получения дополнительной информации об этих методах, смотрите Методы оценки Модели в пространстве состояний.
Subspace (N4SID)
1. В N4Weight выпадающий список задайте схему взвешивания, используемую для сингулярного разложения алгоритмом N4SID.
  Алгоритм N4SID используется и подпространством и методами Prediction Error Minimization (PEM).
2. В поле N4Horizon задайте прямые и обратные горизонты прогноза, используемые алгоритмом N4SID.
  Алгоритм N4SID используется и подпространством и методами PEM.
3. В Focus выпадающий список выберите, как взвесить относительную важность подгонки на различных частотах. Для получения дополнительной информации о каждой опции, смотрите Коэффициенты Оценки Присвоения.
4. Установите флажок Allow unstable models, чтобы задать, позволить ли процессу оценки использовать значения параметров, которые могут привести к нестабильным моделям.
  Установка этой опции является тем же самым как установка опции оценки Focus к 'prediction' в командной строке. Нестабильная модель поставляется, только если она производит лучшую подгонку к данным, чем другие стабильные модели, вычисленные во время процесса оценки.
5. Установите флажок Estimate covariance, если вы хотите, чтобы алгоритм вычислил неуверенность параметра.
  Эффекты такой неуверенности отображены на графиках как образцовые области уверенности. Пропуск вычисления неуверенности уменьшает время вычисления для сложных моделей и больших наборов данных.
6. Установите флажок Display progress, чтобы открыть окно средства просмотра прогресса во время оценки.
7. В списке Initial state задайте, как вы хотите, чтобы алгоритм обработал начальные состояния. Для получения дополнительной информации о доступных параметрах, смотрите начальные состояния Определения для Итеративных Алгоритмов Оценки.
Prediction Error Minimization (PEM)
- В N4Weight выпадающий список задайте схему взвешивания, используемую для сингулярного разложения алгоритмом N4SID.
  Алгоритм N4SID используется и подпространством и методами Prediction Error Minimization (PEM).
- В поле N4Horizon задайте прямые и обратные горизонты прогноза, используемые алгоритмом N4SID.
  Алгоритм N4SID используется и подпространством и методами PEM.
- В Focus выпадающий список выберите, как взвесить относительную важность подгонки на различных частотах. Для получения дополнительной информации о каждой опции, смотрите Коэффициенты Оценки Присвоения.
- Установите флажок Allow unstable models, чтобы задать, позволить ли процессу оценки использовать значения параметров, которые могут привести к нестабильным моделям.
  Установка этой опции является тем же самым как установка опции оценки Focus к 'prediction' в командной строке. Нестабильная модель поставляется, только если она производит лучшую подгонку к данным, чем другие стабильные модели, вычисленные во время процесса оценки.
- Установите флажок Estimate covariance, если вы хотите, чтобы алгоритм вычислил неуверенность параметра.
  Эффекты такой неуверенности отображены на графиках как образцовые области уверенности. Пропуск вычисления неуверенности уменьшает время вычисления для сложных моделей и больших наборов данных.
- Установите флажок Display progress, чтобы открыть окно средства просмотра прогресса во время оценки.
- В списке Initial state задайте, как вы хотите, чтобы алгоритм обработал начальные состояния. Для получения дополнительной информации о доступных параметрах, смотрите начальные состояния Определения для Итеративных Алгоритмов Оценки.
  Совет
  Если вы получаете неточную подгонку, попытайтесь установить определенный метод для обработки начальных состояний вместо того, чтобы выбрать ее автоматически.
- Нажмите Regularization, чтобы получить упорядоченные оценки параметров модели. Задайте константы регуляризации в Окне параметров Регуляризации. Чтобы узнать больше, смотрите Упорядоченные Оценки Параметров модели.
- Нажмите Iteration Options, чтобы задать опции для управления итерациями. Диалоговое окно Options for Iterative Minimization открывается.
  Опции итерации
  В диалоговом окне Options for Iterative Minimization можно задать следующие опции итерации:
  Search Method — Метод используется итеративным алгоритмом поиска. Методом поиска является auto по умолчанию. Направление спуска вычисляется с помощью gn (Ньютон Гаусса), gna (Адаптивный Ньютон Гаусса), lm (Levenberg-Marquardt), lsqnonlin (Доверительная область Отражающий Ньютон), и grad (Поиск Градиента) последовательно в каждой итерации, пока достаточное сокращение по ошибке не достигается.
  Output weighting — Взвешивание применилось к функции потерь, которая будет минимизирована. Используйте эту опцию для мультивыходных оценок только. Задайте, когда 'noise' или положительная полуопределенная матрица размера равняются количеству выходных параметров.
  Maximum number of iterations — Максимальное количество итераций, чтобы использовать во время поиска.
  Termination tolerance — Значение допуска, когда итерации должны остановиться.
  Error threshold for outlier penalty — Robustification квадратичного критерия подгонки.
Regularized Reduction
- В Regularization Kernel выпадающий список выберите ядро упорядочивания, чтобы использовать для упорядоченной оценки базовой модели ARX. Чтобы узнать больше, смотрите Упорядоченные Оценки Параметров модели.
- В поле ARX Orders задайте порядок базовой модели ARX. По умолчанию порядки автоматически вычисляются алгоритмом оценки. Если вы задаете значение, рекомендуется, чтобы вы использовали большое значение для порядка nb. Чтобы узнать больше о порядках ARX, смотрите arx.
- В Focus выпадающий список выберите, как взвесить относительную важность подгонки на различных частотах. Для получения дополнительной информации о каждой опции, смотрите Коэффициенты Оценки Присвоения.
- В Reduction Method выпадающий список задайте метод сокращения:
  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.
  MatchDC — Отбрасывает заданные состояния и изменяет остающиеся состояния, чтобы сохранить усиление DC.
- Установите флажок Estimate covariance, если вы хотите, чтобы алгоритм вычислил неуверенность параметра.
  Эффекты такой неуверенности отображены на графиках как образцовые области уверенности. Пропуск вычисления неуверенности уменьшает время вычисления для сложных моделей и больших наборов данных.
- Установите флажок Display progress, чтобы открыть окно средства просмотра прогресса во время оценки.
- В списке Initial state задайте, как вы хотите, чтобы алгоритм обработал начальные состояния. Для получения дополнительной информации о доступных параметрах, смотрите начальные состояния Определения для Итеративных Алгоритмов Оценки.
  Совет
  Если вы получаете неточную подгонку, попытайтесь установить определенный метод для обработки начальных состояний вместо того, чтобы выбрать ее автоматически.
Процесс оценки использует значения параметров, которые всегда приводят к стабильной модели.
Нажмите Estimate, чтобы оценить модель. Новая модель добавляется к приложению System Identification.

Присвоение коэффициентов оценки

Можно задать, как алгоритм оценки взвешивает подгонку на различных частотах. В приложении, набор Focus к одной из следующих опций:

Предсказание Использует инверсию шумовой модели H, чтобы взвесить относительную важность того, как тесно приспособить данные в различных частотных диапазонах. Соответствует минимизации прогноза "один шаг вперед", который обычно способствует подгонке на кратковременном интервале. Оптимизированный для выходных приложений прогноза.
Simulation — Использует входной спектр, чтобы взвесить относительную важность подгонки в определенном частотном диапазоне. Не использует шумовую модель, чтобы взвесить относительную важность того, как тесно приспособить данные в различных частотных диапазонах. Оптимизированный для выходных приложений симуляции.
Stability — Оценивает лучшую стабильную модель. Для получения дополнительной информации об устойчивости модели, см. Нестабильные Модели.
Фильтр Задайте пользовательский фильтр, чтобы открыть диалоговое окно Estimation Focus, где можно ввести фильтр, как описано в Простом Фильтре Полосы пропускания или Определении Пользовательского Фильтра. Эта предварительная фильтрация применяется только для оценки, что динамика от входа выводит. Возмущение определяется от данных об оценке.

Документация

Оцените модели в пространстве состояний в приложении System Identification

Совет

Совет

Совет

Совет

Присвоение коэффициентов оценки

Документация System Identification Toolbox

Поддержка