Опция установлена для ssregest
options = ssregestOptions;
Создайте набор опции для ssregest
это фиксирует значение начальных состояний к 'zero'
. Кроме того, установите Display
к 'on'
.
opt = ssregestOptions('InitialState','zero','Display','on');
В качестве альтернативы используйте запись через точку, чтобы установить значения opt
.
opt = ssregestOptions; opt.InitialState = 'zero'; opt.Display = 'on';
Задайте дополнительные разделенные запятой пары Name,Value
аргументы. Name
имя аргумента и Value
соответствующее значение. Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN
.
opt = ssregestOptions('InitialState','zero')
фиксирует значение начальных состояний, чтобы обнулить.'InitialState'
— Обработка начальных состояний'estimate'
(значение по умолчанию) | 'zero'
Обработка начальных состояний во время оценки в виде одного из следующих значений:
'zero'
— Начальное состояние обнуляется.
'estimate'
— Начальное состояние обработано как независимый параметр оценки.
'ARXOrder'
— Порядки модели ARX'auto'
(значение по умолчанию) | матрица неотрицательных целых чиселМодель ARX заказывает в виде матрицы неотрицательных целых чисел [na nb nk]
. max(ARXOrder)+1
должен быть больше желаемого порядка модели в пространстве состояний (количество состояний). Если вы задаете значение, рекомендуется, чтобы вы использовали большое значение в nb
порядок. Чтобы узнать больше о порядках модели ARX, смотрите arx
.
'RegularizationKernel'
— Упорядочивание ядра'TC'
(значение по умолчанию) | 'SE'
| 'SS'
| 'HF'
| 'DI'
| 'DC'
Упорядочивание ядра использовало в упорядоченных оценках базовой модели ARX в виде одного из следующих значений:
'TC'
— Настроенное и коррелируемое ядро
'SE'
— Экспоненциальное ядро в квадрате
'SS'
— Устойчивое ядро сплайна
'HF'
— Высокочастотное устойчивое ядро сплайна
'DI'
— Диагональное ядро
'DC'
— Диагональное и коррелированое ядро
Для получения дополнительной информации см. [1].
'Reduction'
— Опции для сокращения порядка моделиОпции для сокращения порядка модели в виде структуры со следующими полями:
StateElimMethod
Метод устранения состояния. Задает, как устранить слабо двойные состояния (состояния с самыми маленькими сингулярными значениями Ганкеля). Заданный как одно из следующих значений:
'MatchDC' | Отбрасывает заданные состояния и изменяет остающиеся состояния, чтобы сохранить усиление DC. |
'Truncate' | Отбрасывает заданные состояния, не изменяя остающиеся состояния. Этот метод ухаживает к продукту за лучшим приближением в частотном диапазоне, но усиления DC, как гарантируют, не будут соответствовать. |
Значение по умолчанию: 'Truncate'
AbsTol, RelTol
Допуск абсолютной и относительной погрешности к устойчивому/нестабильному разложению. Значения положительной скалярной величины. Для входной модели G с нестабильными полюсами, алгоритма сокращения ssregest
первые извлечения устойчивая динамика путем вычисления устойчивого/нестабильного разложения G → GS + GU. AbsTol
и RelTol
допуски управляют точностью этого разложения путем гарантирования, что частотные характеристики G и GS + GU отличаются не больше, чем AbsTol
+ RelTol
*abs (G). Увеличение этих допусков помогает разделить поблизости устойчивые и нестабильные режимы за счет точности. Смотрите stabsep
для получения дополнительной информации.
Значение по умолчанию: AbsTol = 0; RelTol = 1e-8
Offset
Возместите для устойчивого/нестабильного контура. Значение положительной скалярной величины. В устойчивом/нестабильном разложении устойчивый термин включает только удовлетворение полюсов
Re(s) < -Offset * max(1,|Im(s)|)
(Непрерывное время)
|z| < 1 - Offset
(Дискретное время)
Увеличьте значение Offset
обрабатывать полюса близко к контуру устойчивости как нестабильные.
Значение по умолчанию: 1e-8
'Focus'
— Ошибка, которая будет минимизирована'prediction'
(значение по умолчанию) | 'simulation'
Ошибка, которая будет минимизирована в функции потерь во время оценки в виде разделенной запятой пары, состоящей из 'Focus'
и одно из следующих значений:
'prediction'
— Один шаг вперед ошибка предсказания между измеренными и предсказанными выходными параметрами минимизирован во время оценки. В результате оценка фокусируется на создании хорошей модели предиктора.
'simulation'
— Ошибка симуляции между измеренными и симулированными выходными параметрами минимизирована во время оценки. В результате оценка фокусируется на создании подходящего варианта для симуляции ответа модели с текущими входными параметрами.
Focus
опция может быть интерпретирована, когда взвешивание просачивается функция потерь. Для получения дополнительной информации смотрите Функцию потерь и Метрики качества Модели.
'WeightingFilter'
— Взвешивание предварительного фильтра[]
(значение по умолчанию) | вектор | матрица | массив ячеек | линейная системаВзвешивание предварительного фильтра применилось к функции потерь, которая будет минимизирована во время оценки. Изучать эффект WeightingFilter
на функции потерь смотрите Функцию потерь и Метрики качества Модели.
Задайте WeightingFilter
как одно из следующих значений:
[]
— Никакой предварительный фильтр взвешивания не используется.
Полосы пропускания — Задают вектор-строку или матрицу, содержащую значения частоты, которые задают желаемые полосы пропускания. Вы выбираете диапазон частот, где подгонка между предполагаемой моделью и данными об оценке оптимизирована. Например, [wl,wh]
где wl
и wh
представляйте нижние и верхние пределы полосы пропускания. Для матрицы с несколькими строками, задающими полосы пропускания частоты, [w1l,w1h;w2l,w2h;w3l,w3h;...]
, алгоритм оценки использует объединение частотных диапазонов, чтобы задать полосу пропускания оценки.
Полосы пропускания выражаются в rad/TimeUnit
для данных временного интервала и в FrequencyUnit
для данных частотного диапазона, где TimeUnit
и FrequencyUnit
время и единицы частоты данных об оценке.
Фильтр SISO — Задает линейный фильтр одного входа одного выхода (SISO) одним из следующих способов:
Модель SISO LTI
{A,B,C,D}
формат, который задает матрицы пространства состояний фильтра с тем же шагом расчета как данные об оценке.
{numerator,denominator}
формат, который задает числитель и знаменатель фильтра как передаточная функция с тем же шагом расчета как данные об оценке.
Эта опция вычисляет функцию взвешивания как продукт фильтра и входного спектра, чтобы оценить передаточную функцию.
Взвешивание вектора — Применимый для данных частотного диапазона только. Задайте вектор-столбец весов. Этот вектор должен иметь ту же длину как вектор частоты набора данных, Data.Frequency
. Каждый ответ ввода и вывода в данных умножается на соответствующий вес на той частоте.
'EstimateCovariance'
— Управляйте, сгенерировать ли данные о ковариации параметраtrue
(значение по умолчанию) | false
Средства управления, сгенерированы ли данные о ковариации параметра в виде true
или false
.
Если EstimateCovariance
true
, затем используйте getcov
выбирать ковариационную матрицу из предполагаемой модели.
'Display'
— Задайте, отобразить ли прогресс оценки'off'
(значение по умолчанию) | 'on'
Задайте, отобразить ли прогресс оценки в виде одного из следующих значений:
'on'
— Информация о структуре модели и результатах оценки отображена в окне средства просмотра прогресса.
'off'
— Никакая информация о прогрессе или результатах отображена.
'InputOffset'
— Удаление смещения от входных данных временного интервала во время оценки[]
(значение по умолчанию) | вектор положительных целых чисел | матрицаУдаление смещения от входных данных временного интервала во время оценки в виде разделенной запятой пары, состоящей из 'InputOffset'
и одно из следующего:
Вектор-столбец положительных целых чисел длины Nu, где Nu является количеством входных параметров.
[]
— Не указывает ни на какое смещение.
Nu-by-Ne матрица — Для данных мультиэксперимента, задайте InputOffset
как Nu-by-Ne матрица. Nu является количеством входных параметров, и Ne является количеством экспериментов.
Каждая запись задана InputOffset
вычтен из соответствующих входных данных.
'OutputOffset'
— Удаление смещения от выходных данных временного интервала во время оценки[]
(значение по умолчанию) | вектор | матрицаУдаление смещения от выходных данных временного интервала во время оценки в виде разделенной запятой пары, состоящей из 'OutputOffset'
и одно из следующего:
Вектор-столбец длины Ny, где Ny является количеством выходных параметров.
[]
— Не указывает ни на какое смещение.
Ny-by-Ne матрица — Для данных мультиэксперимента, задайте OutputOffset
как Ny-by-Ne матрица. Ny является количеством выходных параметров, и Ne является количеством экспериментов.
Каждая запись задана OutputOffset
вычтен из соответствующих выходных данных.
'OutputWeight'
— Вес ошибок предсказания по мультивыходной оценке[]
(значение по умолчанию) | положительная полуопределенная, симметрическая матрицаВес ошибок предсказания по мультивыходной оценке в виде одного из следующих значений:
Положительная полуопределенная, симметрическая матрица (W
). Программное обеспечение минимизирует трассировку взвешенной ошибочной матрицы предсказания trace(E'*E*W/N)
где:
E
матрица ошибок предсказания, с одним столбцом для каждого выхода и W
положительная полуопределенная, симметрическая матрица размера, равного количеству выходных параметров. Используйте W
задавать относительную важность выходных параметров в нескольких - выходные модели или надежность соответствующих данных.
N
количество выборок данных.
[]
— Никакое взвешивание не используется. Определение как []
совпадает с eye(Ny)
, где Ny
количество выходных параметров.
Эта опция важна только для мультивыходных моделей.
'Advanced'
— Усовершенствованные опции оценкиРасширенные настройки для упорядоченной оценки в виде структуры со следующими полями:
MaxSize
— Максимальный допустимый размер якобиевских матриц, сформированных во время оценки в виде большого положительного числа.
Значение по умолчанию: 250e3
SearchMethod
— Метод поиска для оценки параметров регуляризации в виде одного из следующих значений:
'gn'
: Поиск линии квазиньютона.
'fmincon'
: "Доверительная область отражающий" ограниченный минимизатор. В общем случае 'fmincon'
лучше, чем 'gn'
для обработки границ на параметрах регуляризации, которые наложены автоматически во время оценки.
Значение по умолчанию: 'fmincon'
options
— Опция установлена для ssregest
ssregestOptions
опции установленыОпции оценки для ssregest
, возвращенный как ssregestoptions
опция установлена.
Названия некоторых опций оценки и анализа были изменены в R2018a. Все еще работают предшествующие имена. Для получения дополнительной информации см., что информация о версии R2018a Переименовывает Опций Оценки и Анализа.
[1] Т. Чен, Х. Охлссон и Л. Лджанг. “На оценке передаточных функций, регуляризации и гауссовых процессах - пересмотренный”, Automatica, объем 48, август 2012.
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.