Линейные образцовые структуры

Об объектах модели System Identification Toolbox

Объекты являются экземплярами образцовых классов. Каждый класс является проектом, который задает следующую информацию о вашей модели:

  • Как данные об объектно-ориентированной памяти

  • Какие операции можно выполнить на объекте

Этот тулбокс включает девять классов для представления моделей. Например, idss представляет линейные модели в пространстве состояний, и idnlarx представляет нелинейные модели ARX. Для полного списка доступных объектов модели см. Доступные Линейные Модели и Доступные Нелинейные Модели.

Образцовые свойства задают, как объект модели хранит информацию. Объекты модели хранят информацию о модели, такой как математическая форма модели, имена каналов ввода и вывода, модулей, имен и значений предполагаемых параметров, неуверенности параметра и отчета оценки. Например, модель idss имеет свойство InputName для хранения одного или нескольких входных названий канала.

Позволенные операции на объекте являются вызываемыми методами. В программном обеспечении System Identification Toolbox™ некоторые методы имеют то же имя, но применяются к объектам многоуровневой модели. Например, step создает переходный процесс для всех объектов динамической системы. Однако другие методы уникальны для определенного объекта модели. Например, canon уникален для моделей idss пространства состояний и linearize к нелинейным моделям черного ящика.

Каждый класс имеет специальный метод, названный конструктором, для создания объектов того класса. Используя конструктора создает экземпляр соответствующего класса или инстанцирует объекта. Имя конструктора совпадает с именем класса. Например, idss и idnlarx являются и именем класса и именем конструктора для инстанцирования линейных моделей в пространстве состояний и нелинейных моделей ARX, соответственно.

Когда создать образцовую структуру независимо от оценки

Вы используете образцовых конструкторов, чтобы создать объект модели в командной строке путем определения всех необходимых образцовых свойств явным образом.

Необходимо создать объект модели независимо от оценки когда это необходимо:

  • Моделируйте или анализируйте эффект параметров модели на его ответе, независимом от оценки.

  • Задайте исходное предположение для определенных значений параметра модели перед оценкой. Можно задать границы на значениях параметров или настроить вспомогательную информацию модели заранее или обоих. Вспомогательная информация модели включает имена ввода/вывода определения, модули, примечания, пользовательские данные, и так далее.

В большинстве случаев можно использовать команды оценки, чтобы и создать и оценить модель — не имея необходимость создавать объект модели независимо. Например, команда оценки tfest создает модель передаточной функции использование данных и количества полюсов и нулей модели. Точно так же nlarx создает нелинейную модель ARX с помощью данных и порядков модели и задержек, которые задают настройку регрессора. Для получения информации о том, как и создать и оценить модели с одной командой, видит Образцовые Команды Оценки.

В случае моделей серого поля необходимо всегда создавать объект модели сначала и затем оценивать параметры обыкновенного дифференциального уравнения или разностного уравнения.

Команды для построения линейных образцовых структур

Следующая таблица обобщает образцовых конструкторов, доступных в продукте System Identification Toolbox для представления различных типов линейных моделей.

После образцовой оценки можно распознать соответствующие объекты модели в браузере MATLAB® Workspace их именами классов. Имя конструктора совпадает с именем объекта, который это создает.

Для получения информации о том, как и создать и оценить модели с одной командой, видит Образцовые Команды Оценки.

Сводные данные образцовых конструкторов

Образцовый конструкторПолучившийся образцовый класс
idfrdНепараметрическая модель частотной характеристики.
idprocНепрерывно-разовые, передаточные функции младшего разряда (модели процессов).
idpoly

Линейные модели полинома ввода - вывода:

  • ARX

  • ARMAX

  • Ошибка на выходе

  • Поле-Jenkins

idss

Линейные модели в пространстве состояний.

idtf

Линейные модели передаточной функции.

idgreyЛинейный полный дифференциал или разностные уравнения (модели серого поля). Вы пишете функцию, которая переводит пользовательские параметры в матрицы пространства состояний. Может также быть просмотрен как модели в пространстве состояний с заданной пользователями параметризацией.

Для получения дополнительной информации о том, когда использовать эти команды, смотрите, Когда Создать Образцовую Структуру Независимо от Оценки.

Образцовые свойства

Категории образцовых свойств

Путем объект модели хранит информацию, задан свойствами соответствующего образцового класса.

Каждый объект модели имеет свойства для того, чтобы хранить информацию, которые относятся только к тому определенному типу модели. idtf, idgrey, idpoly, idproc и объекты модели idss основаны на суперклассе idlti и наследовали все свойства idlti.

В целом все объекты модели имеют свойства, которые принадлежат следующим категориям:

  • Имена каналов ввода и вывода, такие как InputName и OutputName

  • Шаг расчета модели, такой как Ts

  • Модули в течение времени или частоты

  • Порядок модели и математическая структура (например, ОДУ или нелинейность)

  • Свойства, которые хранят результаты оценки (Report)

  • Комментарии пользователей, такие как Notes и Userdata

Для получения информации о получении справки на свойствах объектов смотрите страницы модели - ссылки.

Просмотр образцовых свойств и предполагаемых параметров

Следующая таблица обобщает команды для просмотра и изменения образцовых значений свойств. Имена свойства не являются чувствительными к регистру. Вы не должны вводить целое имя свойства, если первые несколько букв однозначно определяют свойство.

ЗадачаКомандаПример
Просмотрите все образцовые свойства и их значенияget

Загрузите выборочные данные, вычислите модель ARX и перечислите образцовые свойства:

load iddata8
m_arx=arx(z8,[4 3 2 3 0 0 0]);
get(m_arx)
Доступ к определенному образцовому свойствуИспользуйте запись через точку

Просмотрите матрицу, содержащую предполагаемые параметры в предыдущей модели:

m_arx.A
Для свойств, таких как Report, которые сконфигурированы как структуры, запись через точку использования формы model.PropertyName.FieldName.
FieldName является именем любого поля свойства.

Просмотрите метод, используемый по оценке модели ARX:

m_arx.Report.Method
Измените образцовые значения свойствзапись через точку

Измените входные задержки всех трех входных каналов к [1 1 1] для модели ARX:

m_arx.InputDelay = [1 1 1]
Доступ к значениям параметра модели и информации о неуверенностиИспользуйте getpar, getpvec и getcov
Смотрите также: polydata, idssdata, tfdata, zpkdata
  • Просмотрите таблицу всех атрибутов параметра:

    getpar(m_arx)

  • Просмотрите полином A и 1 стандартную неуверенность в модели ARX:

    [a,~,~,~,~,da] = polydata(m_arx)
    

Установите образцовые значения свойств и информацию о неуверенностиИспользуйте setpar, setpvec и setcov
  • Установите метки параметра по умолчанию:

    m_arx = setpar(m_arx,'label','default')

  • Установите данные о ковариации параметра:
    m_arx = setcov(m_arx,cov)

Получите количество параметровИспользуйте nparams

Получите количество параметров:

nparams(sys)

Смотрите также

Подтвердите каждую модель непосредственно после оценки, чтобы помочь подстроить вашу стратегию моделирования. Когда вы не достигаете удовлетворительной модели, можно попробовать различную образцовую структуру и порядок, или попробовать другой идентификационный алгоритм. Для получения дополнительной информации о проверке и поиске и устранении неисправностей моделей, см. Модели Проверки После Оценки.

Для просмотра документации необходимо авторизоваться на сайте