Определение линейной модели и визуализация реакции смоделированной модели с использованием данных, на основе которых она была создана.

Измерения нагрузки на входе/выходе z1и определить модель пространства состояния третьего порядка sys.

load iddata1 z1;
sys = ssest(z1,3);

sys является идентифицированным состоянием-пространством непрерывного времени (idss) модель.

Использовать compare для моделирования sys ответ и график вместе с данными z1.

figure
compare(z1,sys)

График иллюстрирует различия между откликом модели и исходными данными. Процент, указанный в легенде, является значением пригодности NRMSE. Он показывает, насколько близок прогнозируемый выход модели к данным.

Чтобы изменить параметры отображения на графике, щелкните его правой кнопкой мыши для вызова контекстного меню. Например:

Определите линейную модель и визуализируйте прогнозируемый отклик модели с данными, на основе которых она была вычислена.

Определение модели пространства состояния третьего порядка с использованием входных/выходных измерений в z1.

load iddata1 z1;
sys = ssest(z1,3);

sys является идентифицированным состоянием-пространством непрерывного времени (idss) модель.

Теперь используйте compare для построения графика прогнозируемого ответа. Прогноз отличается от моделирования тем, что при вычислении отклика системы он использует как измеренный входной, так и измеренный выходной сигнал. Горизонт прогнозирования определяет, как далеко в будущем будет прогнозироваться относительно текущей измеряемой выходной точки. Для этого примера задайте горизонт прогнозирования. kstep до 10 шагов и использовать compare для построения графика прогнозируемого отклика на основе исходных данных измерений.

kstep = 10;
compare(z1,sys,kstep)

На этом графике каждый sys точка данных представляет прогнозируемый выходной сигнал, связанный с выходными данными измерений, которые были сделаны, по меньшей мере, на 10 шагов раньше. Например, точка в t = 15 с основана на выходных измерениях, сделанных в t = 5 с или ранее. Расчет этого t = 15 с sys точка данных также использует входные измерения до t = 15 с, как и при моделировании.

График иллюстрирует различия между откликом модели и исходными данными. Процент, указанный в легенде, является значением пригодности NRMSE. Он показывает, насколько точно прогнозируемые выходные данные модели соответствуют данным.

Чтобы изменить параметры отображения и моделирования на графике, щелкните его правой кнопкой мыши для вызова контекстного меню. Например, чтобы вывести на график ошибку между прогнозируемым выходом и измеренным выходом, выберите в контекстном меню команду «Печать ошибки». Чтобы изменить значение горизонта прогнозирования или переключиться между моделированием и предсказанием, выберите в контекстном меню «Горизонт прогнозирования».

Определите несколько типов моделей для одних и тех же данных и сравните результаты, чтобы увидеть, какие из них лучше всего подходят для данных.

Загрузите данные, содержащие iddata объект z1 с одним входом и выходом.

load iddata1;

От z1, определите модель для каждой из следующих линейных форм:

sys_armax = armax(z1,[2 3 1 0]);
sys_ss = ssest(z1,3);
sys_tf = tfest(z1,3);

Используя compare, постройте график смоделированных откликов для трех моделей с помощью z1.

compare(z1,sys_armax,sys_ss,sys_tf)

Для этого набора данных, наряду с настройками по умолчанию для всех моделей, форма передаточной функции имеет наилучшее соответствие NRMSE. Однако посадки для всех моделей находятся в пределах примерно 1% друг от друга.

Можно в интерактивном режиме управлять тем, какие ответы модели отображаются на графике, щелкнув правой кнопкой мыши график и наведя курсор на систему.

Сравнение выходных данных нескольких оценочных моделей различных типов с измеренными данными частотной области.

Для этого примера оцените модель процесса и полином ошибки вывода из данных частотной характеристики.

load demofr  % frequency response data
zfr = AMP.*exp(1i*PHA*pi/180);  
Ts = 0.1;
data = idfrd(zfr,W,Ts);  
sys1 = procest(data,'P2UDZ'); 
sys2 = oe(data,[2 2 1]);

sys1один idproc модель является моделью непрерывного процесса. sys2один idpoly модель, является дискретно-временной моделью ошибки вывода.

Сравните частотную характеристику расчетных моделей с данными.

compare(data,sys1,'g',sys2,'r');

Две модели имеют значения соответствия NRMSE, которые почти равны по отношению к данным, по которым они были рассчитаны.

Изменение поведения по умолчанию при сравнении расчетной модели с измеренными данными.

Оценка передаточной функции для измеренных данных.

load iddata1 z1;
sys = tfest(z1,3);

sys является определяемой передаточной функцией непрерывного времени (idtf) модель.

Предположим, что исходные условия должны быть равны нулю. Значение по умолчанию для compare - оценка начальных условий по данным.

Создайте набор опций для определения начальной обработки условий. Чтобы использовать нуль для начальных условий, укажите 'z' для 'InitialCondition' вариант.

opt = compareOptions('InitialCondition','z');

Сравните выходные данные модели расчетной передаточной функции с измеренными данными с помощью набора опций сравнения.

compare(z1,sys,opt)

Загрузите данные.

load iddata2 z2

Разбейте данные на наборы оценки и проверки.

z2e = z2(1:200);
z2v = z2(201:400);
plot(z2e,z2v)

Оценка модели состояния-пространства и модели передаточной функции с использованием данных оценки.

sys_ss = ssest(z2e,2);
sys_tf = tfest(z2e,2,1);

Использовать compare для получения исходных условий для sys_ss.

[y_ss,fit_ss,ic_ss] = compare(z2e,sys_ss);
ic_ss

ic_ss = 2×1

   -0.0018
    0.0016

ic_ss - числовой вектор начальных состояний.

[y_tf,fit_tf,ic_tf] = compare(z2e,sys_tf);
ic_tf

ic_tf = 
  initialCondition with properties:

     A: [2x2 double]
    X0: [2x1 double]
     C: [-1.6093 5.1442]
    Ts: 0

ic_tf является initialCondition объект, который содержит в форме state-space модель свободного ответа sys_tf к начальным условиям. A и C содержат информацию о бесплатном ответе и X0 содержит начальные состояния.

Теперь получите начальные условия для обеих моделей одновременно, используя данные проверки.

[y_sstf,fit_sstf,ic_sstf] = compare(z2v,sys_ss,sys_tf);
ic_sstf

ic_sstf=2×1 cell array
    {2x1 double          }
    {1x1 initialCondition}

ic_sstf - массив ячеек, содержащий вектор начального состояния для sys_ss и initialCondition объект для sys_tf.

compare может предоставить начальные условия для существующей модели с любым набором данных измерений.