Можно оценить линейные модели серого ящика дискретного времени и непрерывного времени для произвольного полного дифференциала или разностных уравнений с помощью одно выхода и нескольких - выходные данные временного интервала или данные timeseries (только для выхода).
Необходимо представлять системные уравнения в форме пространства состояний. Модели в пространстве состояний используют переменные состояния x (t), чтобы описать систему как набор дифференциальных уравнений первого порядка, а не одним или несколькими дифференциальными уравнениями n-го порядка.
Первый шаг в моделировании серого ящика должен записать функцию, которая возвращает матрицы пространства состояний как функцию пользовательских параметров и информации о модели.
Используйте следующий формат, чтобы реализовать линейную модель серого ящика в файле:
[A,B,C,D] = myfunc(par1,par2,...,parN,Ts,aux1,aux2,...)
где выходными аргументами являются матрицы пространства состояний и myfunc
имя файла. par1,par2,...,parN
параметры N модели. Каждая запись может быть скаляром, вектором или матрицей. Ts
шаг расчета. aux1,aux2,...
дополнительные входные параметры что myfunc
используется для расчета матриц пространства состояний в дополнение к параметрам и шагу расчета. aux
содержит вспомогательные переменные в вашей системе. Вы используете вспомогательные переменные, чтобы варьироваться системные параметры во входе к функции и постараться не редактировать файл.
Можно записать содержимое myfunc
параметрировать или непрерывное время, или модель в пространстве состояний дискретного времени или обоих. Когда вы создаете линейную модель серого ящика использование myfunc
, можно задать природу выходных аргументов myfunc
. Модель в пространстве состояний непрерывного времени имеет форму:
В непрерывное время описание пространства состояний имеет следующую форму:
где, A, B, C и D являются матрицами, которые параметрируются параметрами par1,par2,...,parN
. Шумовой матричный K и вектор начального состояния, x0, не параметрируются myfunc
. В некоторых приложениях можно хотеть описать K и x0 как количества, которые параметрируются выбранными параметрами, так же, как A, B, C и матрицы D. Чтобы обработать такие случаи, можно записать файл ОДУ, myfunc
, возвратить K и x0 как дополнительные выходные аргументы:
[A,B,C,D,K,x0] = myfunc(par1,par2,...,parN,Ts,aux1,aux2,...)
par1,par2,...,parN
. Чтобы сконфигурировать обработку начальных состояний, x0 и компонента воздействия, K, во время оценки, использует greyestOptions
опция установлена.В дискретное время описание пространства состояний имеет подобную форму:
где, A, B, C и D являются теперь матрицами дискретного времени, которые параметрируются параметрами par1,par2,...,parN
. K и x0 непосредственно не параметрируются, но могут быть оценены при необходимости путем конфигурирования соответствующих опций оценки.
После создания функции или файла MEX с вашей структурой модели, необходимо задать idgrey
объект модели.
В этом примере показано, как представлять структуру следующей модели непрерывного времени:
Это уравнение представляет электрический двигатель, где угловое положение вала двигателя и является скоростью вращения. Параметр является обратной постоянной времени двигателя и является статическим усилением от входа до скорости вращения.
Двигатель в покое в t
= 0, но его угловое положение неизвестно. Предположим, что аппроксимированная номинальная стоимость неизвестных параметров, и. Для получения дополнительной информации об этом примере, смотрите раздел по моделям в пространстве состояний в System Identification: Теория для Пользователя, Второго Выпуска, Lennart Ljung, PTR Prentice Hall, 1999.
Структура модели в пространстве состояний непрерывного времени задана следующим уравнением:
Если вы хотите оценить, что та же модель с помощью структурированного представления пространства состояний, видит Оценку Структурированные Модели в пространстве состояний Непрерывного времени.
Подготовить эту модель к оценке:
Создайте следующий файл, чтобы представлять структуру модели в этом примере:
function [A,B,C,D,K,x0] = myfunc(par,T)
A = [0 1; 0 par(1)];
B = [0;par(2)];
C = eye(2);
D = zeros(2,1);
K = zeros(2,2);
x0 = [par(3);0];
Сохраните файл, таким образом, что это находится на пути поиска файлов MATLAB®.
Используйте следующий синтаксис, чтобы задать idgrey
объект модели на основе myfunc
файл:
par = [-1; 0.25; 0]; aux = {}; T = 0; m = idgrey('myfunc',par,'c',aux,T);
где par
представляет вектор из всех пользовательских параметров и содержит их номинальные (начальные) значения. В этом примере все параметры со скалярным знаком сгруппированы в par
вектор. Параметры со скалярным знаком, возможно, также были обработаны как независимые входные параметры к функции ОДУ myfunc
C
указывает, что базовая параметризация находится в непрерывное время. aux
представляет дополнительные аргументы. Как myfunc
не имеет никаких дополнительных аргументов, используют aux = {}
T
задает шаг расчета; T = 0
указывает на модель непрерывного времени.
Загрузите данные об оценке.
load(fullfile(matlabroot,'toolbox','ident','iddemos','data','dcmotordata')); data = iddata(y,u,0.1);
Используйте greyest
оценить значения параметров серого ящика:
m_est = greyest(data,m);
где data
данные об оценке и m
инициализация оценки idgrey
модель. m_est
предполагаемый idgrey
модель.