Идентифицируйте линейную модель и визуализируйте симулированный ответ модели с данными, из которых он был сгенерирован.

Загрузите измерения ввода/вывода z1, и идентифицируйте модель в пространстве состояний третьего порядка sys.

load iddata1 z1;
sys = ssest(z1,3);

sys идентифицированное пространство состояний непрерывного времени (idss) модель.

Используйте compare симулировать sys ответ и график это вместе с данными z1.

figure
compare(z1,sys)

График иллюстрирует различия между ответом модели и исходными данными. Процент, показанный в легенде, является значением фитнеса NRMSE. Это представляет, как близко предсказанный выход модели к данным.

Чтобы изменить параметры отображения в графике, щелкните правой кнопкой по графику получить доступ к контекстному меню. Например:

Идентифицируйте линейную модель и визуализируйте предсказанный ответ модели с данными, из которых он был вычислен.

Идентифицируйте модель в пространстве состояний третьего порядка с помощью измерений ввода/вывода в z1.

load iddata1 z1;
sys = ssest(z1,3);

sys идентифицированное пространство состояний непрерывного времени (idss) модель.

Теперь используйте compare построить предсказанный ответ. Прогноз отличается от симуляции, в которой он использует и измеренный вход и измеренный выход при вычислении отклика системы. Горизонт прогноза задает как далеко в будущем, чтобы предсказать относительно вашей текущей измеренной выходной точки. В данном примере установите горизонт прогноза kstep к 10 шагам и использованию compare построить предсказанный ответ против исходных данных об измерении.

kstep = 10;
compare(z1,sys,kstep)

В этом графике, каждом sys точка данных представляет предсказанный выход, сопоставленный с выходными данными об измерении, которые были сделаны по крайней мере 10 шагов ранее. Например, точка в t = 15 основана на выходных измерениях, проведенных в или до t = 5 с. Вычисление этого t = 15 sys точка данных также использует входные измерения до t = 15, как симуляция была бы.

График иллюстрирует различия между ответом модели и исходными данными. Процент, показанный в легенде, является значением фитнеса NRMSE. Это представляет, как тесно предсказанная модель выводила соответствия данные.

Чтобы изменить отображение и опции симуляции в графике, щелкните правой кнопкой по графику получить доступ к контекстному меню. Например, чтобы построить ошибку между предсказанным выходом и измеренным выходом, выберите Error Plot из контекстного меню. Чтобы изменить значение горизонта прогноза или переключиться между симуляцией и прогнозом, выбирают Prediction Horizon из контекстного меню.

Идентифицируйте несколько типов модели для тех же данных и сравните результаты видеть который лучшие подгонки данные.

Загрузите данные, которые содержат iddata объект z1 с одним вводом и выводом.

load iddata1;

От z1, идентифицируйте модель для каждой из следующих линейных форм:

sys_armax = armax(z1,[2 3 1 0]);
sys_ss = ssest(z1,3);
sys_tf = tfest(z1,3);

Используя compare, постройте симулированные ответы для этих трех моделей с z1.

compare(z1,sys_armax,sys_ss,sys_tf)

Для этого набора данных, наряду с настройками по умолчанию для всех моделей, форма передаточной функции имеет лучшую подгонку NRMSE. Однако подгонки всех моделей приблизительно в 1% друг из друга.

Можно в интерактивном режиме управлять, по которому ответы модели отображены в графике путем щелчка правой кнопкой по графику и наведения на Системы.

Сравните выходные параметры нескольких предполагаемых моделей отличающихся типов к измеренным данным частотного диапазона.

В данном примере оцените модель процесса и полином ошибки на выходе из данных о частотной характеристике.

load demofr  % frequency response data
zfr = AMP.*exp(1i*PHA*pi/180);  
Ts = 0.1;
data = idfrd(zfr,W,Ts);  
sys1 = procest(data,'P2UDZ'); 
sys2 = oe(data,[2 2 1]);

sys1, idproc модель, модель процесса непрерывного времени. sys2, idpoly модель, модель ошибки на выходе дискретного времени.

Сравните частотную характеристику предполагаемых моделей к данным.

compare(data,sys1,'g',sys2,'r');

Эти две модели имеют значения подгонки NRMSE, которые почти равны относительно данных, из которых они были вычислены.

Измените поведение по умолчанию, когда вы сравните предполагаемую модель с результатами измерений.

Оцените передаточную функцию для результатов измерений.

load iddata1 z1;
sys = tfest(z1,3);

sys идентифицированная передаточная функция непрерывного времени (idtf) модель.

Предположим, что вы хотите, чтобы ваши начальные условия были нулем. Значение по умолчанию для compare должен оценить начальные условия из данных.

Создайте набор опции, чтобы задать начальную обработку условия. Чтобы использовать нуль в начальных условиях, задайте 'z' для 'InitialCondition' опция.

opt = compareOptions('InitialCondition','z');

Сравните предполагаемую модель передаточной функции выход с результатами измерений с помощью набора опции сравнения.

compare(z1,sys,opt)