n4sidOptions

Набор опции для n4sid

Синтаксис

opt = n4sidOptions
opt = n4sidOptions(Name,Value)

Описание

opt = n4sidOptions создает набор опций по умолчанию для n4sid.

opt = n4sidOptions(Name,Value) создает набор опции с опциями, заданными одним или несколькими Name,Value парные аргументы.

Входные параметры

свернуть все

Аргументы в виде пар имя-значение

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.

Обработка начальных состояний во время оценки в виде одного из следующих значений:

  • 'zero' — Начальное состояние обнуляется.

  • 'estimate' — Начальное состояние обработано как независимый параметр оценки.

Схема Weighting использовала для сингулярного разложения алгоритмом N4SID в виде одного из следующих значений:

  • 'MOESP' — Использует алгоритм MOESP Verhaegen [2].

  • 'CVA' — Использует канонический алгоритм варьируемой величины Larimore [1].

    Оценка с помощью данных частотного диапазона всегда использует 'CVA'.

  • 'SSARX' — Метод идентификации подпространства, который использует ARX основанный на оценке алгоритм, чтобы вычислить взвешивание.

    Определение этой опции позволяет объективные оценки при использовании данных, которые собраны в операции с обратной связью. Для получения дополнительной информации об алгоритме, см. [4].

  • 'auto' — Функция оценки выбирает между MOESP, CVA и SSARX алгоритмы.

Передайте - и горизонты обратного предсказания, используемые алгоритмом N4SID в виде одного из следующих значений:

  • Вектор-строка с тремя элементами —   [r sy su], где r максимальный прямой горизонт предсказания, использующий до r неродной вперед предикторы. sy количество мимо выходных параметров и su количество прошлых входных параметров, которые используются для предсказаний. Смотрите страницы 209 и 210 в [3] для получения дополнительной информации. Эти числа могут иметь существенное влияние на качество получившейся модели, и нет никаких простых правил для выбора их. Создание 'N4Horizon' k- 3 матрицы означают что каждая строка 'N4Horizon' попробован, и значение, которое дает лучшее (предсказание), подгонка к данным выбрана. k количество предположений   [r sy su] комбинации. Если вы задаете N4Horizon как отдельный столбец, r = sy = su используется.

  • 'auto' — Программное обеспечение использует Критерий информации о Akaike (AIC) для выбора sy и su.

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.

Взвешивание 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 описываются 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 из набора данных, Data.Frequency. Каждый ответ ввода и вывода в данных умножается на соответствующий вес на той частоте.

Управляйте, осуществить ли устойчивость предполагаемой модели в виде разделенной запятой пары, состоящей из 'EnforceStability' и любой true или false.

Типы данных: логический

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.

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.

Удаление 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.

Удаление 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.

Взвешивание ошибок предсказания по мультивыходным оценкам в виде одного из следующих значений:

  • 'noise' — Минимизировать det(E'*E/N), где E представляет ошибку предсказания и N количество выборок данных. Этот выбор оптимален в статистическом смысле и приводит к оценкам наибольшего правдоподобия в случае, если никакие данные не доступны об отклонении шума. Эта опция использует инверсию предполагаемого шумового отклонения как функция взвешивания.

  • Положительная полуопределенная симметрическая матрица (W) — Минимизируют трассировку взвешенной ошибочной матрицы предсказания trace(E'*E*W/N) где:

    • E матрица ошибок предсказания, с одним столбцом для каждого выхода. 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.

  • [] — Программное обеспечение выбирает между 'noise' или использование единичной матрицы для W.

Эта опция важна только для мультивыходных моделей.

Дополнительные расширенные настройки в виде структуры с полем MaxSize. MaxSize задает максимальное количество элементов в сегменте, когда данные ввода - вывода разделены в сегменты.

MaxSize должно быть положительное целое число.

Значение по умолчанию: 250000

Выходные аргументы

свернуть все

Набор опции для n4sid, возвращенный как n4sidOptions опция установлена.

Примеры

свернуть все

opt = n4sidOptions;

Создайте набор опций для n4sid использование 'zero' опция, чтобы инициализировать состояние. Установите Display к 'on'.

opt = n4sidOptions('InitialState','zero','Display','on');

В качестве альтернативы используйте запись через точку, чтобы установить значения opt.

opt = n4sidOptions;
opt.InitialState = 'zero';
opt.Display = 'on';

Вопросы совместимости

развернуть все

Ссылки

[1] Larimore, W.E. “Канонический анализ варьируемой величины в идентификации, фильтрации и адаптивном управлении”. Продолжения 29-й Конференции по IEEE по Решению и Управлению, стр 596–604, 1990.

[2] Verhaegen, M. “Идентификация детерминированной части моделей в пространстве состояний MIMO”. Automatica, Издание 30, 1994, стр 61–74.

[3] Ljung, L. System Identification: теория для пользователя. Верхний Сэддл-Ривер, NJ: PTR Prentice Hall, 1999.

[4] Янссон, M. “Идентификация подпространства и моделирование ARX”. 13-й Симпозиум IFAC по System Identification, Роттердаму, Нидерланды, 2003.

Представленный в R2012a
Для просмотра документации необходимо авторизоваться на сайте