В этом примере показано, как оценить параметры модели от нескольких наборов экспериментальных данных. Вы оцениваете параметры системы массового пружинного демпфера.
Этот пример использует sdoMassSpringDamper
модель. Модель включает два интегратора, чтобы смоделировать скорость и положение массы в системе массового пружинного демпфера.
open_system('sdoMassSpringDamper');
Загрузите данные об эксперименте.
load sdoMassSpringDamper_ExperimentData
Переменные texp1
, yexp1
, texp2
, и yexp2
загружаются в рабочую область. yexp1
и yexp2
опишите массовое положение в течение многих времен texp1
и texp2
соответственно.
Создайте массив с 2 элементами объектов эксперимента хранить данные измерений для двух экспериментов.
Создайте объект эксперимента для первого эксперимента.
Exp = sdo.Experiment('sdoMassSpringDamper');
Создайте объект сохранить измеренное массовое положение выход.
MeasuredPos = Simulink.SimulationData.Signal; MeasuredPos.Values = timeseries(yexp1,texp1); MeasuredPos.BlockPath = 'sdoMassSpringDamper/Position'; MeasuredPos.PortType = 'outport'; MeasuredPos.PortIndex = 1; MeasuredPos.Name = 'Position';
Добавьте измеренные массовые данные о положении в эксперимент как ожидаемые выходные данные.
Exp.OutputData = MeasuredPos;
Создайте объект задать начальное состояние для Velocity
блок. Начальная скорость массы составляет 0 м/с.
sVel = sdo.getStateFromModel('sdoMassSpringDamper','Velocity'); sVel.Value = 0; sVel.Free = false;
sVel.Free
установлен в false
потому что начальная скорость известна и не должна быть оценена.
Создайте объект задать начальное состояние для Position
блок. Задайте предположение для начального массового положения. Установите Free
поле исходного положения возражает против true
так, чтобы это было оценено.
sPos = sdo.getStateFromModel('sdoMassSpringDamper','Position'); sPos.Free = true; sPos.Value = -0.1;
Добавьте начальные состояния в эксперимент.
Exp.InitialStates = [sVel;sPos];
Создайте массив с 2 элементами экспериментов. Когда два эксперимента идентичны за исключением ожидаемых выходных данных, копируют первый эксперимент дважды.
Exp = [Exp; Exp];
Измените ожидаемые выходные данные второго объекта эксперимента в Exp
.
Exp(2).OutputData.Values = timeseries(yexp2,texp2);
Создайте сценарий симуляции с помощью первого эксперимента и получите симулированный выход.
Simulator = createSimulator(Exp(1)); Simulator = sim(Simulator);
Ищите сигнал положения в регистрируемых данных моделирования.
SimLog = find(Simulator.LoggedData,get_param('sdoMassSpringDamper','SignalLoggingName')); Position = find(SimLog,'Position');
Получите симулированный сигнал положения для второго эксперимента.
Simulator = createSimulator(Exp(2),Simulator); Simulator = sim(Simulator); SimLog = find(Simulator.LoggedData,get_param('sdoMassSpringDamper','SignalLoggingName')); Position(2) = find(SimLog,'Position');
Отобразите измеренные и симулированные данные на графике.
Ответ модели не совпадает с экспериментальными выходными данными.
subplot(211) plot(... Position(1).Values.Time,Position(1).Values.Data, ... Exp(1).OutputData.Values.Time, Exp(1).OutputData.Values.Data,'--') title('Experiment 1: Simulated and Measured Responses Before Estimation') ylabel('Position') legend('Simulated Position','Measured Position','Location','SouthEast') subplot(212) plot(... Position(2).Values.Time,Position(2).Values.Data, ... Exp(2).OutputData.Values.Time, Exp(2).OutputData.Values.Data,'--') title('Experiment 2: Simulated and Measured Responses Before Estimation') xlabel('Time (seconds)') ylabel('Position') legend('Simulated Position','Measured Position','Location','SouthEast')
Выберите массовый m
, коэффициент упругости k
, и коэффициент демпфирования b
параметры из модели. Укажите, что ориентировочные стоимости для этих параметров должны быть положительными.
p = sdo.getParameterFromModel('sdoMassSpringDamper', {'b', 'k', 'm'}); p(1).Minimum = 0; p(2).Minimum = 0; p(3).Minimum = 0;
Заставьте значения начального состояния положения быть оцененными из эксперимента.
s = getValuesToEstimate(Exp);
s
содержит два объекта начального состояния, обоих для Position
блок. Каждый объект соответствует эксперименту в Exp
.
Сгруппируйте параметры модели и начальные состояния, которые будут оценены вместе.
v = [p;s]
v(1,1) = Name: 'b' Value: 100 Minimum: 0 Maximum: Inf Free: 1 Scale: 128 Info: [1x1 struct] v(2,1) = Name: 'k' Value: 500 Minimum: 0 Maximum: Inf Free: 1 Scale: 512 Info: [1x1 struct] v(3,1) = Name: 'm' Value: 8 Minimum: 0 Maximum: Inf Free: 1 Scale: 8 Info: [1x1 struct] v(4,1) = Name: 'sdoMassSpringDamper/Position' Value: -0.1000 Minimum: -Inf Maximum: Inf Free: 1 Scale: 0.1250 dxValue: 0 dxFree: 1 Info: [1x1 struct] v(5,1) = Name: 'sdoMassSpringDamper/Position' Value: -0.1000 Minimum: -Inf Maximum: Inf Free: 1 Scale: 0.1250 dxValue: 0 dxFree: 1 Info: [1x1 struct] 5x1 param.Continuous
Создайте целевую функцию оценки, чтобы оценить, как тесно симуляция выход, сгенерированное использование предполагаемых значений параметров, совпадает с результатами измерений.
Используйте анонимную функцию с одним входным параметром, который вызывает sdoMassSpringDamper_Objective
функция. Мы передаем анонимную функцию sdo.optimize
, который выполняет функцию в каждой итерации оптимизации.
estFcn = @(v) sdoMassSpringDamper_Objective(v,Simulator,Exp);
sdoMassSpringDamper_Objective
функция:
Имеет один входной параметр, который задает массу, коэффициент упругости и значения демпфера, а также начальное массовое положение.
Имеет один входной параметр, который задает объект эксперимента, содержащий результаты измерений.
Возвращает вектор из ошибок между симулированными и экспериментальными выходными параметрами.
sdoMassSpringDamper_Objective
функция требует двух входных параметров, но sdo.optimize
требует функции с одним входным параметром. Работать вокруг этого, estFcn
анонимная функция с одним входным параметром, v
, но это вызывает sdoMassSpringDamper_Objective
с помощью двух входных параметров, v
и Exp
.
Для получения дополнительной информации относительно анонимных функций, см. Анонимные функции.
sdo.optimize
команда минимизирует возвращаемый аргумент анонимной функции estFcn
, то есть, остаточные ошибки, возвращенные sdoMassSpringDamper_Objective
. Для получения дополнительной информации о том, как записать, что цель/ограничение функционирует, чтобы использовать с sdo.optimize
команда, введите help sdoExampleCostFunction
в командной строке MATLAB.
Чтобы исследовать целевую функцию оценки более подробно, введите edit sdoMassSpringDamper_Objective
в командной строке MATLAB.
type sdoMassSpringDamper_Objective
function vals = sdoMassSpringDamper_Objective(v,Simulator,Exp) %SDOMASSSPRINGDAMPER_OBJECTIVE % % The sdoMassSpringDamper_Objective function is used to compare model % outputs against experimental data. % % vals = sdoMassSpringDamper_Objective(v,Exp) % % The |v| input argument is a vector of estimated model parameter values % and initial states. % % The |Simulator| input argument is a simulation object used % simulate the model with the estimated parameter values. % % The |Exp| input argument contains the estimation experiment data. % % The |vals| return argument contains information about how well the % model simulation results match the experimental data and is used by % the |sdo.optimize| function to estimate the model parameters. % % see also sdo.optimize, sdoExampleCostFunction % % Copyright 2012-2015 The MathWorks, Inc. %% % Define a signal tracking requirement to compute how well the model output % matches the experiment data. Configure the tracking requirement so that % it returns the tracking error residuals (rather than the % sum-squared-error) and does not normalize the errors. % r = sdo.requirements.SignalTracking; r.Type = '=='; r.Method = 'Residuals'; r.Normalize = 'off'; %% % Update the experiments with the estimated parameter values. % Exp = setEstimatedValues(Exp,v); %% % Simulate the model and compare model outputs with measured experiment % data. % Error = []; for ct=1:numel(Exp) Simulator = createSimulator(Exp(ct),Simulator); Simulator = sim(Simulator); SimLog = find(Simulator.LoggedData,get_param('sdoMassSpringDamper','SignalLoggingName')); Position = find(SimLog,'Position'); PositionError = evalRequirement(r,Position.Values,Exp(ct).OutputData.Values); Error = [Error; PositionError(:)]; end %% % Return the residual errors to the optimization solver. % vals.F = Error(:); end
Используйте sdo.optimize
функционируйте, чтобы оценить значения параметров привода и начальное состояние.
Задайте опции оптимизации. Функция оценки sdoMassSpringDamper_Objective
возвращает ошибочные остаточные значения между симулированными и экспериментальными данными и не включает ограничений, делая этот проблемный идеал для 'lsqnonlin' решателя.
opt = sdo.OptimizeOptions;
opt.Method = 'lsqnonlin';
Оцените параметры. Заметьте, что начальное массовое положение оценивается дважды, однажды для каждого эксперимента.
vOpt = sdo.optimize(estFcn,v,opt)
Optimization started 27-Jan-2021 14:01:44 First-order Iter F-count f(x) Step-size optimality 0 11 0.777696 1 1 22 0.00413099 3.696 0.00648 2 33 0.00118327 0.3194 0.00243 3 44 0.0011106 0.06718 5.09e-05 Local minimum found. Optimization completed because the size of the gradient is less than the value of the optimality tolerance. vOpt(1,1) = Name: 'b' Value: 58.1959 Minimum: 0 Maximum: Inf Free: 1 Scale: 128 Info: [1x1 struct] vOpt(2,1) = Name: 'k' Value: 399.9452 Minimum: 0 Maximum: Inf Free: 1 Scale: 512 Info: [1x1 struct] vOpt(3,1) = Name: 'm' Value: 9.7225 Minimum: 0 Maximum: Inf Free: 1 Scale: 8 Info: [1x1 struct] vOpt(4,1) = Name: 'sdoMassSpringDamper/Position' Value: 0.2995 Minimum: -Inf Maximum: Inf Free: 1 Scale: 0.1250 dxValue: 0 dxFree: 1 Info: [1x1 struct] vOpt(5,1) = Name: 'sdoMassSpringDamper/Position' Value: 0.0994 Minimum: -Inf Maximum: Inf Free: 1 Scale: 0.1250 dxValue: 0 dxFree: 1 Info: [1x1 struct] 5x1 param.Continuous
Обновите эксперименты с предполагаемыми значениями параметров.
Exp = setEstimatedValues(Exp,vOpt);
Получите симулированный выход для первого эксперимента.
Simulator = createSimulator(Exp(1),Simulator); Simulator = sim(Simulator); SimLog = find(Simulator.LoggedData,get_param('sdoMassSpringDamper','SignalLoggingName')); Position(1) = find(SimLog,'Position');
Получите симулированный выход для второго эксперимента.
Simulator = createSimulator(Exp(2),Simulator); Simulator = sim(Simulator); SimLog = find(Simulator.LoggedData,get_param('sdoMassSpringDamper','SignalLoggingName')); Position(2) = find(SimLog,'Position');
Отобразите измеренные и симулированные данные на графике.
Ответ модели с помощью предполагаемых значений параметров приятно совпадает с выходными данными для экспериментов.
subplot(211) plot(... Position(1).Values.Time,Position(1).Values.Data, ... Exp(1).OutputData.Values.Time, Exp(1).OutputData.Values.Data,'--') title('Experiment 1: Simulated and Measured Responses After Estimation') ylabel('Position') legend('Simulated Position','Measured Position','Location','NorthEast') subplot(212) plot(... Position(2).Values.Time,Position(2).Values.Data, ... Exp(2).OutputData.Values.Time, Exp(2).OutputData.Values.Data,'--') title('Experiment 2: Simulated and Measured Responses After Estimation') xlabel('Time (seconds)') ylabel('Position') legend('Simulated Position','Measured Position','Location','SouthEast')
Обновите модель m
K
, и b
значения параметров. Не обновляйте значение исходного положения модели, когда это зависит от эксперимента.
sdo.setValueInModel('sdoMassSpringDamper',vOpt(1:3));
Закройте модель
bdclose('sdoMassSpringDamper')