Линейные модели серого ящика

Оцените коэффициенты линейного дифференциала, различия и уравнений пространства состояний

Функции

greyestЛинейная оценка модели серого ящика
idgreyЛинейное ОДУ (модель серого ящика) идентифицируемыми параметрами
pemОшибочная минимизация предсказания для совершенствования линейных и нелинейных моделей
findstatesОцените начальные состояния модели
initУстановите или рандомизируйте начальные значения параметров
getpvecПолучите параметры модели и сопоставленные данные о неопределенности
setpvecИзмените значения параметров модели
getparПолучите атрибуты, такие как значения и границы линейных параметров модели
setparУстановите атрибуты, такие как значения и границы линейных параметров модели
findstatesOptionsНабор опций для findstates
greyestOptionsНабор опции для greyest

Примеры и руководства

Оцените линейные модели серого ящика

Как задать и оценить линейные модели серого ящика в командной строке.

Оцените модель серого ящика непрерывного времени для диффузии тепла

В этом примере показано, как оценить теплопроводность и коэффициент теплопередачи модели серого ящика непрерывного времени для системы горячего стержня.

Оцените модель серого ящика дискретного времени с параметрированным воздействием

В этом примере показано, как создать одно вход и структуру модели серого ящика одно выхода, когда вы знаете отклонение шума измерения.

Оцените модели в пространстве состояний со структурированной параметризацией

Структурированная параметризация позволяет вам исключить определенные параметры из оценки путем установки этих параметров на определенные значения.

Оцените, что коэффициенты ОДУ соответствуют данный решение

Оцените параметры модели с помощью линейного и нелинейного моделирования серого ящика.

Оцените Модель Используя Нулевые/Полюса/Усиления Параметры

В этом примере показано, как оценить модель, которая параметрируется полюсами, нулями и усилениями.

Концепции

Поддерживаемые модели серого ящика

Типы поддерживаемых моделей серого ящика.

Данные, поддержанные моделями серого ящика

Типы поддерживаемых данных для оценки моделей серого ящика.

Выбор idgrey или idnlgrey Объект модели

Различие между idgrey и idnlgrey объекты модели для представления объектов модели серого ящика.

Идентификация моделей в пространстве состояний с отдельными описаниями шума процесса и измерения

Идентифицированная линейная модель используется, чтобы симулировать и предсказать систему выходные параметры для данного входа и шумовых сигналов.

Рекомендуемые примеры