Документация

Исследуйте ошибку оценки (residuals), который является различием между измеренными и предполагаемыми выходными параметрами. Ошибка оценки может быть большой в начале оценки или когда существуют большие изменения параметра. Ошибка должна стать меньшей, когда оценки параметра сходятся. Небольшие ошибки относительно размера выходных параметров вселяют веру в ориентировочных стоимостях.

Можно также анализировать невязки с помощью методов, таких как тест белизны и тест независимости. Для такого анализа используйте результаты измерений и ошибку оценки, собранную после того, как значения параметров обоснуются приблизительно к постоянным значениям. Для получения дополнительной информации относительно этих тестов, смотрите то, Что Остаточный Анализ?

Чтобы получить ошибку оценки, во вкладке Algorithm and Block Options, устанавливают флажок Output estimation error. Программное обеспечение добавляет Ошибочный выходной порт в блок, который можно контролировать использование блока Scope. Этот выходной порт обеспечивает ошибку оценки "один шаг вперед", e (t) = y (t) –_yest (t). Для временного шага t, y и _yest являются измеренные и предполагаемые выходные параметры, соответственно.

Ковариация параметра является мерой оцененной неопределенности в параметрах и вычисляется, когда фактор упущения или алгоритмы оценки Фильтра Калмана используются.

Ковариация параметра вычисляется, принимая, что невязки являются белым шумом, и отклонение этих невязок равняется 1. Чтобы получить ковариацию параметра, во вкладке Algorithm and Block Options онлайновых параметров блоков оценки, устанавливают флажок Output parameter covariance matrix. Программное обеспечение добавляет выходной порт Ковариации в блок, который можно контролировать использование блока Display. Этот выходной порт обеспечивает ковариационную матрицу параметра, P.

Предполагаемые параметры могут быть рассмотрены как случайные переменные с отклонением, равным соответствующей диагонали ковариационной матрицы параметра, масштабируемой отклонением невязок (residualVariance) на каждом временном шаге. Вы используете предварительные знания или вычисляете residualVariance от невязок, e. Где, e является вектором ошибок оценки, e (t).

 residualVariance = var(e);

Масштабируйте ковариацию параметра, чтобы вычислить отклонение предполагаемых параметров.

paramVariance = diag(P)*residualVariance;

Меньшее значение отклонения вселяет веру в ориентировочных стоимостях.

Моделируйте предполагаемую модель и сравните моделируемые и измеренные выходные параметры. Для этого подайте измеренный вход в модель, которая использует предполагаемые изменяющиеся во времени значения параметров. Затем сравните образцовый вывод с измеренным выводом. Моделируемый вывод, тесно совпадающий с измеренным выводом, вселяет веру в ориентировочных стоимостях.