Оцените полиномиальные модели в приложении
В приложении System Identification выберите Estimate> Polynomial Models, чтобы открыть диалоговое окно Polynomial Models.
Для получения дополнительной информации об опциях в диалоговом окне нажмите Help.
В списке Structure выберите полиномиальную структуру модели, которую вы хотите оценить из следующих опций:
ARX:[na nb nk]ARMAX:[na nb nc nk]OE:[nb nf nk]BJ:[nb nc nd nf nk]
Это действие обновляет опции в диалоговом окне Polynomial Models, чтобы соответствовать этой структуре модели. Для получения информации о каждой структуре модели смотрите то, Что Полиномиальные Модели?.
Примечание
Для данных timeseries только модели AR и ARMA доступны. Для получения дополнительной информации об оценке моделей timeseries, смотрите Анализ Временных рядов.
В поле Orders задайте порядки модели и задержки, можно следующим образом:
Для моделей полинома одно выхода введите заказы модели и задержки согласно последовательности, отображенной в поле Structure. Для нескольких - входные модели, задайте
nbиnkкак векторы-строки со столькими же элементов сколько существуют входные параметры. Если вы оцениваете модели BJ и OE, необходимо также задатьnfкак вектор.Например, для системы с тремя входами,
nbможет быть[1 2 4], где каждый элемент соответствует входу.Для нескольких - выходные модели, введите заказы модели как описано в Полиномиальных Размерах и Порядки Мультивыходных Моделей Полинома.
Совет
Чтобы ввести заказы модели и задержки с помощью диалогового окна Order Editor, нажмите Order Editor.
(Только модели ARX) Выбор оценка Method как ARX или IV (инструментальный переменный метод). Для получения информации об алгоритмах смотрите, что Полином Моделирует Алгоритмы Оценки.
(Только ARX, ARMAX и модели BJ) Проверка флажок Add noise integration, чтобы добавить интегратор в источник шума, e.
Задайте задержку с помощью окна редактирования Input delay. Значение должно быть вектором длины, равной количеству входных каналов в данных. Для оценок дискретного времени (любая оценка с помощью данных с ненулевым шагом расчета), задержка должна быть выражена в количестве задержек. Эти задержки являются отдельными от задержек “в модели”, заданных
nkзакажите в окне редактирования Orders.В поле Name отредактируйте имя модели или сохраните значение по умолчанию.
В списке Focus выберите, как взвесить относительную важность подгонки на различных частотах. Для получения дополнительной информации о каждой опции, смотрите Коэффициенты Оценки Присвоения.
В списке Initial state задайте, как вы хотите, чтобы алгоритм обработал начальные условия. Для получения дополнительной информации о доступных параметрах, смотрите Начальные условия Определения для Итеративных Алгоритмов Оценки.
Совет
Если вы получаете неточную подгонку, попытайтесь установить определенный метод для обработки начальных состояний вместо того, чтобы выбрать ее автоматически.
В списке Covariance выберите
Estimateесли вы хотите, чтобы алгоритм вычислил неопределенность параметра. Эффекты такой неопределенности отображены на графиках как области уверенности модели.Чтобы не использовать оценивающую неопределенность, выберите
None. Пропуск расчета неопределенности для большого, нескольких - выходные модели могут уменьшать время вычисления.Нажмите Regularization, чтобы получить упорядоченные оценки параметров модели. Задайте константы регуляризации в Окне параметров Регуляризации. Чтобы узнать больше, смотрите Упорядоченные Оценки Параметров модели.
(Только ARMAX, OE, и модели BJ) представление To прогресс оценки Окна Команды MATLAB, устанавливают флажок Display progress. Это запускает окно средства просмотра прогресса, в котором сообщают о прогрессе оценки.
Нажмите Estimate, чтобы добавить эту модель в Совет Модели в приложении System Identification.
(Только метод ошибки прогноза) Чтобы остановить поиск и сохранить результаты после, текущая итерация была завершена, нажмите Stop Iterations. Чтобы продолжить итерации от текущей модели, нажмите кнопку Continue iter, чтобы присвоить текущие значения параметров как исходные предположения для следующего поиска.
Присвоение коэффициентов оценки
Можно задать, как алгоритм оценки взвешивает подгонку на различных частотах. В приложении, набор Focus к одной из следующих опций:
Prediction— Использует инверсию шумовой модели H, чтобы взвесить относительную важность того, как тесно приспособить данные в различных частотных диапазонах. Соответствует минимизации прогноза "один шаг вперед", который обычно способствует подгонке на кратковременном интервале. Оптимизированный для выходных приложений прогноза.Simulation— Использует входной спектр, чтобы взвесить относительную важность подгонки в определенном частотном диапазоне. Не использует шумовую модель, чтобы взвесить относительную важность того, как тесно приспособить данные в различных частотных диапазонах. Оптимизированный для выходных приложений симуляции.Stability— Оценивает лучшую устойчивую модель. Для получения дополнительной информации об устойчивости модели, см. Нестабильные Модели.Filter— Задайте пользовательский фильтр, чтобы открыть диалоговое окно Estimation Focus, где можно ввести фильтр, как описано в Простом Фильтре Полосы пропускания или Определении Пользовательского Фильтра. Эта предварительная фильтрация применяется только для оценки, что динамика от входа выводит. Возмущение определяется из неотфильтрованных данных об оценке.
Следующие шаги
Подтвердите модель путем установки соответствующего флажка в области Model Views приложения System Identification. Для получения дополнительной информации о проверке моделей, см. Модели Проверки После Оценки.
Экспортируйте модель в рабочее пространство MATLAB для последующего анализа путем перетаскивания его к прямоугольнику To Workspace в приложении System Identification.
Совет
Для моделей ARX и OE можно использовать экспортируемую модель в инициализации нелинейной оценки в командной строке. Эта инициализация может улучшить подгонку модели. Смотрите Инициализируют Нелинейную Оценку ARX Используя Линейную Модель и Инициализируют Оценку Хаммерстайна-Винера Используя Линейную Модель.
Связанные примеры
- Предварительный шаг – оценка порядков модели и входных задержек
- Оцените полиномиальные модели в командной строке