Документация

Многочлены

На локальном уровне, если у вас есть входной фактор того, можно выбрать Polynomial непосредственно из списка классов локальной модели. Здесь можно выбрать порядок полиномов, используемых, и можно задать модель данной величины для этого вида локальной модели.

Если существует больше чем один входной фактор, можно выбрать Linear Models из Списка учащихся Локальной модели, то можно выбрать Polynomial или Hybrid Spline. Это - различная полиномиальная модель, где можно изменить больше настроек такой как Пошагово, Термин Редактор (куда можно удалить любые образцовые условия), и можно выбрать различные порядки для различных факторов (как с моделями полинома глобального уровня). Смотрите Класс Локальной модели: Линейные Модели.

Различные функции ответа доступны для этой полиномиальной модели и Линейных Моделей: Полиномиальный выбор. Можно просмотреть их путем нажатия на вкладку Response Features на диалоговом окне Local Model Setup. Один входные полиномы могут иметь модель данной величины, и можно задать функции ответа относительно данной величины. См. Модели Данной величины.

Следующие функции ответа разрешены для полиномиального образцового класса:

Смотрите раздел Polynomials глобальной модели для общего описания полиномиальных моделей.

Полиномиальный сплайн

Сплайн является кусочным полиномом, где различные разделы полинома адаптированы гладко вместе. Местоположение каждого пропуска называется узлом. Полиномиальные сплайны важны для моделирования кривых крутящего момента/искры.

Эта модель имеет только один узел. Можно выбрать порядки полиномов выше и ниже узла. См. также Гибридные Сплайны. Эти глобальные модели также используют сплайны, но используют тот же полином порядка повсюду.

Полиномиальные сплайны только доступны для одного входных факторов. Следующий пример показывает типичную кривую крутящего момента/искры, которая требует, чтобы сплайн соответствовал правильно. Узел показывается красным местом в максимуме, и искривление выше и ниже узла отличается. В этом случае существует кубическая основная функция ниже узла и квадратичного выше.

К образцовым ответам, которые характеризуются по внешности одной и четко определенной стационарной точкой с асимметричным искривлением или сторона локального минимума или максимум, задайте следующий класс сплайна,

то, где k является местоположением узла, обозначает коэффициент регрессии.

где c является заданной пользователями степенью для левого полинома, h является заданной пользователями степенью для правильного полинома и индексами Низко, и Высоко обозначьте налево (ниже) и право на (выше) узла, соответственно.

Исключая условия в и гарантирует, что первая производная в положении узла непрерывна. Кроме того, по определению константа должна быть равна значению подходящей функции на уровне узла, то есть, значению в стационарной точке.

Для этого образцового класса функции ответа могут быть выбраны как

Усеченное основание степенного ряда (TPSBS) сплайны

Общий класс сплайна функционирует с произвольным (но строго увеличивающийся) последовательность узла:

:

Это задает сплайн порядка m с последовательностью узла

Для этого образцового класса функции ответа могут быть выбраны как

Можно удалить любое из полиномиальных условий из модели.

Свободные сплайны узла

Основанием не является самое подходящее в целях оценки и оценки как проект матричная сила быть плохо обусловленным. Кроме того, количество арифметических операций, требуемых выполнять функцию сплайна, зависит от местоположения относительно узлов. Эти свойства могут привести к числовым погрешностям, особенно когда количество узлов является большим. Можно уменьшать такие проблемы путем использования B-сплайнов.

Самый важный аспект - то, что для умеренного m матрица проекта, выраженная с точки зрения B-сплайнов, относительно хорошо подготовлена.

Для этого образцового класса функции ответа могут быть выбраны как

Значение подходящей функции по пользовательскому заданному значению

Три параметра логистическая модель

Уравнение $$y_j=\frac{\alpha }{1+\exp {[-\kappa (x_j-\gamma )]}^r}$$ задает три параметра логистическая кривая.

где итоговый размер достигается, $${\rm K}$$масштабный коэффициент и x-ордината точки перегиба кривой.

Кривая имеет асимптоты _yj = 0 как _xj $$\to$$ - ∞ и как _xj$$\to$$ ∞. Темп роста в максимуме, когда _yj = α/2, который происходит когда _xj = $$\gamma$$. Максимальный темп роста соответствует

Следующие ограничения применяются к подходящим коэффициентам:

Характеристический вектор ответа g для трех параметров логистическая функция задан как

Модель Моргана-Мерсера-Флодина

Это уравнение задает Моргана-Мерсера-Флодина (MMF) модель роста.

где α является значением верхней асимптоты, β является значением более низкой асимптоты, $${\rm K}$$ масштабный коэффициент, и δ является параметром, который управляет местоположением точки перегиба для кривой. Точка перегиба расположена в

для

Нет никакого смысла из сгибания для δ <1. Все кривые MMF являются подлогистическими, в том смысле, что точка перегиба всегда располагается ниже 50%-го роста (0.5α). Следующие ограничения применяются к подходящим содействующим значениям:

Это уравнение предоставляет характеристическому вектору ответа g.

Логистическая кривая с четырьмя параметрами

Это уравнение задает логистическую модель с четырьмя параметрами.

с ограничениями, и. Снова, значение верхней асимптоты, масштабный коэффициент и фактор, который определяет местоположение x-ординаты точки перегиба в

Следующие ограничения применяются к подходящим содействующим значениям:

Это - доступный характеристический вектор ответа:

Кривые Ричардса

Это уравнение задает семейство кривых Ричардса моделей роста.

δ ≠ 1

где α является верхней асимптотой, $$\gamma$$ местоположение точки перегиба на оси X, $${\rm K}$$ масштабный коэффициент, и δ является параметром, который косвенно определяет местоположение точки перегиба.

Y-ордината точки перегиба определяется от

Ричардс также вывел средний нормированный темп роста для кривой как

Следующие ограничения применяются к подходящим содействующим значениям:

Наконец, характеристический вектор ответа g для семейства Ричардса кривых роста задан как

Кривая роста Weibul

Это уравнение задает кривую роста Weibul.

где значение верхней асимптоты кривой, является значением более низкой асимптоты кривой, является масштабным коэффициентом и является параметром, в котором управляет x-ординатой для точки перегиба для кривой

Следующие ограничения применяются к параметрам подгонки кривой:

Связанный характеристический вектор ответа

Кривая экспоненциального роста

Это уравнение задает модель экспоненциального роста.

где α является значением верхней асимптоты, β является начальным размером, и $${\rm K}$$ масштабный коэффициент (временная константа, управляющая темпом роста). Следующие ограничения применяются к подходящим коэффициентам:

Характеристический вектор ответа g для модели экспоненциального роста задан как

Модель роста Gompertz

Другая полезная формулировка, которая не показывает симметричную точку перегиба, является моделью роста Gompertz. Уравнение определения

где α является итоговым размером, $${\rm K}$$ масштабный коэффициент, и $$\gamma$$ x-ордината точки перегиба. Соответствующая y-ордината точки перегиба происходит в

С максимальным темпом роста

Следующие ограничения применяются к выбору значений параметров для модели Gompertz:

α > 0, $${\rm K}$$ > 0, $$\gamma$$ > 0.

Характеристический вектор ответа g для модели роста Gompertz задан как

Исследуйте пример пользовательская модель

Этот пример демонстрирует, как создать пользовательскую модель для функции Weibul:

y = alpha - (alpha - beta).*exp(-(kappa.*x).^delta)

Заметьте, что файл вызван использованием тулбокса

varargout= weibul(m,x,varargin)

Где переменными дают

m = the xregusermod object
x = input data as a column vector for fast eval

Первая функция в файле шаблона является векторизованной оценкой функции. Во-первых, параметры модели извлечены:

b= double(m);

Затем оценка происходит:

y = b(1) - (b(1)-b(2)).*exp(-(b(3).*x).^b(4));

Обязательные Локальные функции.  Отредактируйте эти локальные функции можно следующим образом:

Введите номер входных факторов. Для функций y = f (x) это равняется 1.

function n= i_nfactors(U,b)
n= 1;

Введите номер подходящих параметров. В этом примере в модели Weibul существует четыре параметра.

function n= i_numparams(U,b)
n= 4;

Следующая локальная функция возвращает вектор-столбец начальных значений (param) для параметров, чтобы соответствовать. Начальные значения могут быть заданы, чтобы быть информационно-зависимыми; следовательно существует флаг, чтобы сигнализировать, не стоит ли данным соответствовать (OK). В weibul.m существует стандартная программа для вычисления информационно-зависимой начальной оценки параметра. Если никакими данными не снабжают, значения параметров по умолчанию используются.

function [param,OK]= i_initial(U,b,X,Y)
param= [2 1 2 5]';
OK=1;

Дополнительные Локальные функции.  Можно использовать следующие дополнительные локальные функции, чтобы установить дополнительные параметры

function p= i_reconstruct(U,b,Yrf,dG,rfuser) 
%I_RECONSTRUCT nonlinear reconstruction
%
% p = i_reconstruct(m,b,Yrf,dG,rfuser)
%  Inputs
%     Yrf   response feature values
%     dG    default Jacobian of response features
%     rfuser index to the user-defined response features so you can find
%     out which response features are which. rfuser(i) = 0 if the
%     rf is a parameter.
%
% If all response features are linear in model parameters then you do not
% need to define 'i_reconstruct'. 

% reconstruct linear response features using this line
p= Yrf/dG';

% find which response feature is a nonlinear user-defined response feature
f= rfuser>size(p,2);
if ~any(rfuser==3)
   % need to use delta (must be > 1) for reconstruction to work
   p(:,4)= max(p(:,4),1+16*eps);
   
   p(:,3)= ((p(:,4)-1)./p(:,4)).^(1./p(:,4))./Yrf(:,f);
end

Проверяйте модель в тулбоксе

После того, как вы создаете пользовательский образцовый файл, сохраняете его где-нибудь на пути.

Зарегистрируйтесь в модели. Регистрация процесса гарантирует, что модель, которую вы задали, обеспечивает интерфейс, который позволяет тулбоксу оценивать и соответствовать ему. Если процедура регистрации успешно выполняется, тулбокс указывает модель и делает ее доступной для подбора кривой, когда вы используете соответствующие входные данные.

В командной строке, с файлом в качестве примера на пути, необходимо создать модель и некоторые входные данные, затем вызвать checkin. Для пользовательской функции Weibul вызовите checkin с моделью в качестве примера, ее именем и некоторыми соответствующими данными.

checkin(xregusermod, 'weibul', [0.1:0.01:0.2]');

Это возвращает некоторый выходной параметр командной строки, и фигура появляется с именем модели и именами переменных, отображенными по графикам входа и образцовой оценки вывод. Итоговая командная строка вывела:

Model successfully registered for 
Model-Based Calibration Toolbox software.

Проверьте, что в модели регистрируются

Восстановитесь с редактирования ошибок

Если вы изменяете файл, который задает зарегистрированный модель, которую вы в настоящее время используете, Model Browser пытается продолжиться.

Если пользовательская модель имеет серьезные ошибки (например, вы изменили количество входных параметров или параметров, образцовой оценки, или файл не может быть найден), Model Browser изменяет состояние текущей модели к 'Не адаптированный'.

Чтобы восстановиться с этого состояния, сначала исправьте проблему в файле. Затем (для Локальных моделей) можно выбрать Model> Fit Local, чтобы переоборудовать. Вы не должны регистрировать модель снова, но если у вас есть проблемы, сообщения об ошибке, произведенные во время регистрации, могут быть полезными в диагностировании отказов.

Если существует незначительный отказ с файлом, то Model Browser продолжается, с помощью значений по умолчанию. Несущественные ошибки могут включать элементы, такие как определения метки, то есть, отказы в i_char, i_label, i_str_func или i_foptions. Сообщение появляется в подробной информации предоставляющего командного окна этих отказов.

Создайте папки

Можно задать динамическую модель с помощью модели Simulink и пользовательского переходного образцового файла, который описывает параметры, чтобы поместиться в эту модель. Создайте папки для этих файлов, которые находятся на пути MATLAB. Затем необходимо проверять файлы в продукте Model-Based Calibration Toolbox™, прежде чем можно будет использовать их для моделирования.

Создайте модель Simulink

Создайте модель Simulink, чтобы представлять вашу переходную систему.

Импорт Simulink представляет образцовые входные параметры. Время является первым входом к модели в программном обеспечении Model-Based Calibration Toolbox, но это не импорт в модели. Образцовый вывод представлен Simulink вывод. Только один скалярный вывод поддерживается в Model Browser.

Ваша модель Simulink должна иметь некоторые свободные параметры, которым программное обеспечение Model-Based Calibration Toolbox будет соответствовать нелинейным методом наименьших квадратов. Используйте те же имена переменных в модели и пользовательском переходном образцовом файле.

Модель Simulink для примера fuelPuddle появляется в следующей фигуре. Вы исследуете файл в качестве примера (fuelPuddle.m) в более позднем разделе.

Метки блока не важны. Модель возвращает один скалярный выходной параметр (здесь маркировал "Mcyl").

Тулбокс задает параметры модели в Рабочем пространстве модели. Вы видите это в Model Explorer. Вектор всех параметров под названием p также доступен.

Образцовые Требования.  И для непрерывных и для дискретных моделей, применяются следующие правила:

Создайте пользовательский переходный образцовый файл

Задайте переходный образцовый файл для своей модели Simulink, и этот файл должен иметь то же имя как ваша модель Simulink.

Откройте файл в качестве примера fuelPuddle.m (для модели fuelPuddle), чтобы исследовать код, описанный в следующих разделах. Найдите файл здесь:

<MATLAB root>\toolbox\mbc\mbcmodels\@xregtransient\fuelPuddle.m

Обязательные локальные функции

Задайте следующие локальные функции:

Дополнительные локальные функции

Вы не должны редактировать остающиеся локальные функции, если они не требуются. Комментарии в коде описывают роль каждой функции. Вы используете эти функции чаще всего, когда вы создаете пользовательскую модель (см. Класс Локальной модели: Пользовательские Модели).

Эти метки используются на графиках:

function c= i_labels(m,b)
b= {'\tau','x'};

Можно использовать обозначение LATEX, и это правильно форматировано. По умолчанию имена переменных, заданные в i_simvars, используются, чтобы задать названия параметра.

Зарегистрируйтесь к тулбоксу

Создав модель Simulink и соответствующий файл функции, необходимо сохранить, каждый на пути, как описано в Создает Папки.

Гарантировать, что переходная модель вы задали, обеспечивает интерфейс, который позволяет тулбоксу оценивать и соответствовать ей, вы регистрируетесь в модели. Если эта процедура успешно выполняется, тулбокс указывает модель и делает ее доступной для подбора кривой, когда вы используете соответствующие входные данные.

В командной строке, и с файлом шаблона и с моделями Simulink на пути, создают некоторые входные данные, затем вызывают checkin. Процедура следует.

Успешная регистрация создает некоторую командную строку вывод, и фигура появляется с именем модели и именами переменных, отображенными по графикам входа и образцовой оценки вывод. Итоговая командная строка вывод (если checkin вызван точкой с запятой как в предыдущем примере)

Model successfully registered for
Model-Based Calibration Toolbox software

Используя и удаление переходных моделей

В модели fuelPuddle уже регистрируются для вас, чтобы использовать. Откройте Model Browser и загрузите данные, которые имеют необходимый формат, чтобы оценить эту переходную модель (два локальных входных параметров). Входные данные времени должны увеличиваться.

Создайте План тестирования с двумя локальными входными факторами (то же количество входных факторов, требуемых моделью fuelPuddle). Диалоговое окно Local Model Setup теперь предлагает следующие опции:

Выберите модель fuelpuddle и нажмите OK.

При создавании модели ответа с fuelPuddle как локальная модель тулбокс соответствует этим двум параметрам tau и x через все тесты.

Удаление, Зарегистрированное Модели.  Чтобы удалить зарегистрированный модель, закройте Model Browser и введите следующую команду в командной строке:

remove(xregtransient, 'ModelName')

Когда вы перезапускаете тулбокс, команда удаляет зарегистрированный переходная модель.