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.
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.
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 конструктор | Получившийся образцовый класс |
---|---|
idfrd | Непараметрическая модель частотной характеристики. |
idproc | Непрерывно-разовые, передаточные функции младшего разряда (модели процессов). |
idpoly |
Линейные модели полинома ввода - вывода:
|
idss |
Линейные модели в пространстве состояний. |
idtf |
Линейные модели передаточной функции. |
idgrey | Линейный 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.
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.
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.
Задача | Команда | Пример |
---|---|---|
Просмотрите все образцовые свойства и их значения | get |
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 свойству | Используйте 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 свойств | запись через точку |
Измените входные задержки всех трех входных каналов к m_arx.InputDelay = [1 1 1] |
Доступ к значениям параметра модели и информации о неуверенности | Используйте getpar , getpvec и getcov Смотрите также: polydata , idssdata , tfdata , zpkdata |
|
Установите образцовые значения свойств и информацию о неуверенности | Используйте setpar , setpvec и setcov |
|
Получите количество параметров | Используйте nparams |
Получите количество параметров: nparams(sys) |
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.