Вычислите рабочую точку для модели Хаммерстайна-Винера
[
возвращает значения состояния рабочей точки, X
,U
] =
findop(sys
,'steady',InputLevel
,OutputLevel
)X
, и входные значения, U
, для idnlhw
модель, sys
, использование установившихся технических требований ввода и вывода.
Загрузите данные об оценке и оцените модель Хаммерстайна-Винера.
load twotankdata;
z = iddata(y,u,1);
M = nlhw(z,[5 1 3]);
Найдите установившуюся рабочую точку, где уровень на входе установлен в 1
и выход неизвестен.
[X,U] = findop(M,'steady',1,NaN);
Оцените модель Хаммерстайна-Винера.
load iddata7; orders = [4*ones(1,2) 2*ones(1,2) 3*ones(1,2)]; M = nlhw(z7,orders,'unitgain','pwlinear');
Создайте объект спецификации рабочей точки по умолчанию.
spec = operspec(M);
Установите значения для входных сигналов.
spec.Input.Value(1) = -1; spec.Input.Value(2) = 1;
Установите максимальные и минимальные значения для выходного сигнала.
spec.Output.Max = 10; spec.Output.Min = -10;
Найдите установившуюся рабочую точку с помощью данных технических требований.
[X,U] = findop(M,spec);
Загрузите данные об оценке и оцените модель Хаммерстайна-Винера.
load twotankdata;
z = iddata(y,u,1);
M = nlhw(z,[5 1 3]);
Создайте findopOptions
по умолчанию опция установлена.
opt = findopOptions(M);
Измените набор опции, чтобы задать метод поиска градиента наискорейшего спуска, имеющий до 50 итераций.
opt.SearchMethod = 'grad';
opt.SearchOptions.MaxIterations = 50;
Найдите установившуюся рабочую точку с помощью заданных опций.
[X,U] = findop(M,'steady',1,NaN,opt);
Загрузите данные об оценке и оцените модель Хаммерстайна-Винера.
load iddata7; orders = [4*ones(1,2) 2*ones(1,2) 3*ones(1,2)]; M = nlhw(z7,orders,'unitgain','pwlinear');
Найдите, что установившаяся рабочая точка, где введено 1 установлена в 1
и вход 2 неограничен. Исходным предположением для выходного значения является 2
.
[X,U,R] = findop(M,'steady',[1 NaN],2);
Отобразите сводный отчет.
disp(R);
SearchMethod: 'auto' WhyStop: 'Near (local) minimum, (norm(g) < tol).' Iterations: 20 FinalCost: 1.2326e-30 FirstOrderOptimality: 4.1203e-16 SignalLevels: [1x1 struct]
Загрузите оценку данных об оценке модель Хаммерстайна-Винера.
load twotankdata;
z = iddata(y,u,1);
M = nlhw(z,[5 1 3]);
Найдите снимок состояния симуляции после 10 секунд, приняв начальные состояния нуля.
[X,U] = findop(M,'snapshot',10,z);
Загрузите данные об оценке и оцените модель Хаммерстайна-Винера.
load twotankdata
z = iddata(y,u,1);
M = nlhw(z,[5 1 3]);
Создайте вектор начального состояния.
X0 = [10;10;5;5;1;1;0];
Найдите снимок состояния симуляции после 10 секунд с помощью заданных начальных состояний.
[X,U] = findop(M,'snapshot',10,z,X0);
sys
— Модель Хаммерстайна-Винераidnlhw
объектМодель Хаммерстайна-Винера в виде idnlhw
объект.
InputLevel
— Установившийся уровень на входеУстановившийся уровень на входе для вычисления рабочей точки в виде вектора. Длина InputLevel
должен равняться количеству входных параметров, заданных в sys
.
Алгоритм оптимизации принимает что конечные значения в InputLevel
зафиксированные входные значения. Используйте NaN
задавать неизвестные входные сигналы с исходными предположениями 0
. Минимальные и максимальные границы для всех входных параметров имеют значения по умолчанию -Inf
и +Inf
соответственно.
OutputLevel
— Установившийся уровень на выходеУстановившийся уровень на выходе для вычисления рабочей точки в виде вектора. Длина OutputLevel
должен равняться количеству выходных параметров, заданных в sys
.
Значения в OutputLevel
укажите на исходные предположения для алгоритма оптимизации. Используйте NaN
задавать неизвестные выходные сигналы с исходными предположениями 0
. Минимальные и максимальные границы для всех выходных параметров имеют значения по умолчанию -Inf
и +Inf
соответственно.
spec
— Технические требования рабочей точкиoperspec
объектТехнические требования рабочей точки, такие как минимальные и максимальные ограничения ввода/вывода и известные входные параметры в виде operspec
объект.
T
— Время снимка состояния рабочей точкиВремя снимка состояния рабочей точки в виде положительной скалярной величины. Значение T
должен быть в области значений [T0, N *Ts], где N является количеством входных выборок, Ts является шагом расчета, и T0 является входным временем начала (Uin.Tstart
).
Uin
— Создайте снимки вход симуляцииiddata
возразите | матрицаСоздайте снимки вход симуляции в виде одного из следующего:
Временной интервал iddata
объект с шагом расчета и входным размером, который совпадает с sys
.
Матрица со столькими же столбцов сколько там вводится каналы. Если матрица имеет строки N, входные данные принят, чтобы соответствовать временному вектору (1:N)*sys.Ts
.
X0
— Начальные состоянияНачальные состояния симуляции в виде вектор-столбца с длиной равняются количеству состояний в sys
x0
обеспечивает начальные условия в то время соответствие первой входной выборке (Uin.Start
, если Uin
iddata
объект или sys.Ts
если Uin
двойная матрица).
Для получения дополнительной информации о состояниях idnlhw
модель, см. Определение idnlhw состояний.
Options
— Параметры поиска рабочей точкиfindopOptions
опция установленаПараметры поиска рабочей точки в виде findopOptions
опция установлена.
X
— Значения состояния рабочей точкиЗначения состояния рабочей точки, возвращенные как вектор-столбец длины, равняются количеству состояний модели.
U
— Входные значения рабочей точкиВходные значения рабочей точки, возвращенные как вектор-столбец длины, равняются количеству входных параметров.
Report
— Сводные данные результата поискаСводный отчет результата поиска, возвращенный как структура со следующими полями:
Поле | Описание |
---|---|
SearchMethod | Метод поиска используется в итеративной оценке параметра. Смотрите SearchMethod в findopOptions для получения дополнительной информации. |
WhyStop | Условие завершения алгоритма поиска. |
Iterations | Количество итераций оценки выполняется. |
FinalCost | Окончательное значение целевой функции минимизации (сумма квадратичных невязок). |
FirstOrderOptimality | - норма поискового вектора градиента, когда алгоритм поиска останавливается. |
SignalLevels | Структура, содержащая поля Input и Output , которые являются уровнями сигнала ввода и вывода рабочей точки соответственно. |
findop
вычисляет рабочую точку из установившихся технических требований рабочей точки или в снимке состояния симуляции.
Чтобы вычислить установившуюся рабочую точку, вызовите findop
использование любого из следующих синтаксисов:
[X,U] = findop(sys,'steady',InputLevel,OutputLevel) [X,U] = findop(sys,spec)
findop
использует другой подход, чтобы вычислить установившуюся рабочую точку в зависимости от того, сколько информации вы предусматриваете этот расчет:
Когда вы задаете значения для всех уровней на входе (никакой NaN
значения. Для данного уровня на входе, U, значениями состояния равновесия является X = inv (I-A) *B*f (U), где [A,B,C,D] = ssdata(model.LinearModel)
, и f () является входной нелинейностью.
Когда вы задаете известные и неизвестные уровни на входе. findop
использует числовую оптимизацию, чтобы минимизировать норму ошибки и вычислить рабочую точку. Полная погрешность является объединением вкладов от e1 и e2, e (t) = (e1 (t) e2 (t)), такой что:
e1 запрашивает известные выходные параметры, и алгоритм минимизирует e1 = y - g (L (x, f (u))), где f является входной нелинейностью, L (x, u) является линейной моделью с состояниями x, и g является выходной нелинейностью.
e2 запрашивает неизвестные выходные параметры, и ошибка является мерой того, являются ли эти выходные параметры в заданных минимальных и максимальных границах. Если переменная в ее заданных границах, соответствующая ошибка является нулем. В противном случае ошибка равна расстоянию от связанного самого близкого. Например, если свободная выходная переменная имеет значение, z и его минимальными и максимальными границами является L и U, соответственно, то ошибкой является e2 = макс. [z-U, L-z, 0].
Независимые переменные для проблемы минимизации являются неизвестными входными параметрами. В ошибочном определении e и вход u и состояния x являются свободными переменными. Получить ошибочное выражение, которое содержит только неизвестные входные параметры как свободные переменные, алгоритм findop
задает состояния как функцию входных параметров путем наложения установившихся условий: x = inv (I-A) *B*f (U), где A и B являются параметрами пространства состояний, соответствующими линейной модели L (x, u). Таким образом заменяя x = inv (I-A) *B*f (U) в функцию ошибок приводит к ошибочному выражению, которое содержит только неизвестные входные параметры как свободные переменные, вычисленные алгоритмом оптимизации.
Когда вы используете синтаксис [X,U] = findop(sys,'snapshot',T,UIN,X0)
, алгоритм симулирует выход модели до времени снимка состояния, T
. Во время снимка состояния алгоритм вычисляет входные параметры для линейного блока модели модели Хаммерстайна-Винера (LinearModel
свойство theidnlhw
объект) путем преобразования данных входных параметров с помощью входной нелинейности: w = f (u). findop
использует получившийся w, чтобы вычислить x
до времени снимка состояния с помощью следующего уравнения: x (t +1) = Ax (t) + Bw (t), где [A,B,C,D] = ssdata(model.LinearModel)
.
Для основанных на снимке состояния расчетов, findop
не выполняет числовую оптимизацию.
Поддержка параллельных вычислений доступна для оценки с помощью lsqnonlin
метод поиска (требует Optimization Toolbox™). Чтобы включить параллельные вычисления, используйте findopOptions
, установите SearchMethod
к 'lsqnonlin'
, и набор SearchOptions.Advanced.UseParallel
к true
.
Например:
opt = findopOptions(idnlhw);
opt.SearchMethod = 'lsqnonlin';
opt.SearchOptions.Advanced.UseParallel = true;
findopOptions
| idnlarx/findop
| idnlhw
| idnlhw/operspec
| sim
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.