Можно оценить несколько - выходная модель непосредственно с помощью всех измеренных вводов и выводов, или можно попытаться создать модели для подмножеств самых важных каналов ввода и вывода. Чтобы узнать больше о каждом подходе, см.:
При моделировании нескольких - выходные системы более сложны, потому что связи ввода/вывода требуют, чтобы дополнительные параметры получили хорошую подгонку и включили более сложные модели. В целом модель лучше, когда больше вводов данных включено во время моделирования. Включая большее количество выходных параметров обычно приводит к худшим результатам симуляции, потому что более трудно воспроизвести поведение нескольких выходных параметров одновременно.
Если вы знаете, что некоторые выходные параметры имеют плохую точность и должны быть менее важными во время оценки, можно управлять, насколько каждый вывод взвешен по оценке. Для получения дополнительной информации смотрите Улучшение Нескольких - Выходные Результаты Оценки путем Взвешивания Выходных параметров Во время Оценки.
Можно выполнить оценку с линейными и нелинейными моделями для нескольких-выходных-данных.
Оценка нескольких - выходные модели в пространстве состояний непосредственно обычно приводит к лучшим результатам, чем оценка других типов нескольких - выходные модели непосредственно.
Можно найти, что одной модели более трудно объяснить поведение нескольких выходных параметров. Если вы получаете плохую подгонку, оценивающую несколько - выходная модель непосредственно, можно попытаться создать модели для подмножеств самых важных каналов ввода и вывода.
Используйте этот подход, когда никакая обратная связь не присутствует в динамической системе и между выходными параметрами нет никаких связей. Если вы не уверены в присутствии обратной связи, смотрите, Как Анализировать Данные Используя Команду совета.
Чтобы создать частичные модели, используйте подссылку, чтобы создать частичные наборы данных, такие, что каждый набор данных содержит все входные параметры и один вывод. Для получения дополнительной информации о создании частичных наборов данных, смотрите следующие темы:
Для работы в приложении System Identification смотрите, Создают Наборы данных из Подмножества Каналов Сигнала.
Для работы в командной строке смотрите Выбрать Data Channels, I/O Data и Experiments в Объектах iddata.
После проверки моделей одно вывода используйте вертикальную конкатенацию, чтобы объединить эти частичные модели в сингл несколько - выходная модель. Для получения дополнительной информации о конкатенации, смотрите Растущее число Каналов или Точки данных Объектов iddata или Добавляющий Каналы Ввода или вывода в Объектах idfrd.
Можно попытаться совершенствовать конкатенированный несколько - выходную модель использование оригинала (несколько - вывод) набор данных.
При оценке линейных и нелинейных моделей черного ящика для нескольких - выходные системы, можно управлять относительной важностью выходных каналов во время процесса оценки. Способность управлять, насколько каждый вывод взвешен во время оценки, полезна, когда некоторые измеренные выходные параметры имеют плохую точность или должны быть обработаны как менее важные во время оценки. Например, если вы уже смоделировали тот вывод хорошо, вы можете хотеть фокусировать оценку на моделировании остающихся выходных параметров. Точно так же вы можете хотеть совершенствовать модель для подмножества выходных параметров.
Используйте опцию оценки OutputWeight, чтобы указать на желаемое выходное взвешивание. Если вы устанавливаете эту опцию на 'noise', автоматическое взвешивание, равное инверсии предполагаемого шумового отклонения, используется для образцовой оценки. Можно также задать пользовательскую матрицу взвешивания, которая должна быть положительной полуопределенной матрицей.
Опция OutputWeight не доступна для полиномиальных моделей, кроме моделей ARX, поскольку их алгоритм оценки оценивает параметры один вывод за один раз.
Передаточная функция (idtf) и модели процессов (idproc) игнорирует OutputWeight, когда они содержат задержки ненулевого или бесплатного транспорта. В присутствии задержек оценка выполняется та вывод за один раз.
Для получения дополнительной информации об опции OutputWeight, смотрите наборы опции оценки, такие как arxOptions, ssestOptions, tfestOptions, nlarxOptions и nlhwOptions.
Для нескольких - проигнорированы модели вывода idnlarx, содержащие neuralnet или средства оценки нелинейности treepartition, выходное взвешивание, потому что каждый вывод оценивается независимо.