idnlarx/plot

Постройте нелинейность нелинейной модели ARX

Описание

пример

plot(model) строит нелинейность нелинейной модели ARX на нелинейном графике ARX. График показывает нелинейность для всех выходных параметров модели как функция ее входных регрессоров.

plot(model,color) задает цвет, чтобы использовать.

plot(model1,...,modelN) генерирует график для многоуровневых моделей.

пример

plot(model1,color1...,modelN,colorN) задает цвет для каждой модели. Вы не должны задавать цвет для всех моделей.

пример

plot(___,'NumberofSamples',N) задает количество выборок, чтобы использовать к сетке пространство регрессора на каждой оси. Этот синтаксис может включать любую из комбинаций входных аргументов в предыдущих синтаксисах.

Примеры

свернуть все

Оцените нелинейную модель ARX и постройте ее нелинейность.

load iddata1
model1 = nlarx(z1,[4 2 1],'wave','nlr',[1:3]);
plot(model1)

В окне графика можно выбрать:

  • Регрессоры, чтобы использовать на осях графика и задать центральные точки для других регрессоров в панели настройки. Для мультивыходных моделей каждый выход построен отдельно.

  • Выход, чтобы просмотреть из выпадающего списка, расположенного наверху графика.

load iddata1
model1 = nlarx(z1,[4 2 1],'wave','nlr',[1:3]);
model2 = nlarx(z1,[4 2 1],'sigmoidnet','nlr',[1:3]);
plot(model1,'b', model2, 'g')

load iddata1
model1 = nlarx(z1,[4 2 1],'wave','nlr',[1:3]);
model2 = nlarx(z1,[4 2 1],'sigmoidnet','nlr',[1:3]);
plot(model1,'b', model2, 'g','NumberofSamples',50)

Входные параметры

свернуть все

Предполагаемая нелинейная модель ARX, заданная как idnlarx объект модели. Используйте nlarx оценить модель.

Цвет, чтобы использовать, чтобы построить регрессоры, заданные как одно из следующего:

  • Вектор символов названия цвета, заданного как одно из следующего:

    • 'b'

    • 'y'

    • 'm'

    • 'c'

    • 'r'

    • 'g'

    • 'w'

  • Двойной вектор с 3 элементами значений RGB

По умолчанию цвета автоматически выбраны.

Типы данных: double | char

Число точек, используемое на оси регрессора, чтобы отобразить выборки регрессора, заданные как положительное целое число.

Типы данных: double

Больше о

свернуть все

Что такое Нелинейный График ARX?

Нелинейный график ARX отображает оцененную нелинейность модели для выбранного выхода модели как функция одного или двух регрессоров модели. Для модели M, нелинейность модели (M.Nonlinearity) функция средства оценки нелинейности, такая как wavenet, sigmoidnet, или treepartition, это использует регрессоры модели в качестве его входных параметров.

Чтобы понять, что построено, предположите тот {r1,r2,…,rN} N регрессоры, используемые нелинейной моделью ARX M с нелинейностью nl соответствие выходу модели. Можно использовать getreg(M) просмотреть эти регрессоры. Выражение Nonlin = evaluate(nl,[v1,v2,...,vN]) возвращает выходной параметр модели для данных значений этих регрессоров, то есть, r1 = v1r2 = v2..., rN = vN. Для графического вывода нелинейности вы выбираете один или два из N регрессоры, например, rsub = {r1,r4}. Программное обеспечение варьируется значения этих регрессоров в заданной области, при фиксации значения остающихся регрессоров, и генерирует график Nonlin по сравнению с rsub. По умолчанию программное обеспечение устанавливает значения остающихся фиксированных регрессоров к их предполагаемым средним значениям, но можно изменить эти значения. Средние значения регрессора хранятся в Nonlinearity.Parameters.RegressorMean свойство модели.

Исследование нелинейного графика ARX может помочь вам получить сведения, какие регрессоры оказывают самое сильное влияние на выход модели. Понимание относительной важности регрессоров на выходе может помочь вам решить который регрессоры включать в нелинейную функцию для того выхода. Если форма графика похожа на плоскость для всех выбранных значений регрессора, то модель, вероятно, линейна в тех регрессорах. В этом случае можно удалить соответствующие регрессоры из нелинейного блока и повторить оценку.

Кроме того, можно создать несколько нелинейных моделей для тех же данных с помощью различных средств оценки нелинейности, такого wavenet сеть и treepartition, и затем сравните нелинейные поверхности этих моделей. Соглашение между графиками для различных моделей увеличивает уверенность, что эти нелинейные модели получают истинную динамику системы.

Чтобы узнать больше о конфигурировании графика, смотрите Конфигурирование Нелинейного Графика ARX.

Введенный в R2014a

Для просмотра документации необходимо авторизоваться на сайте