Exponenta Banner
exponenta event banner

customRegressor

Укажите пользовательский регрессор для нелинейной модели ARX

развернуть все на странице

Описание

Пользовательский регрессор представляет собой формулу, предоставляемую пользователем, которая оперирует с задержанными входными и выходными переменными. Например, y (t-1) eu (t-1) является пользовательским регрессором, который можно построить с помощью формулы@(x,y)x.*exp(y). A customRegressor объект инкапсулирует набор пользовательских регрессоров. Использовать customRegressor объекты при создании нелинейных моделей ARX с использованием idnlarx или nlarx. Можно указать customRegressor объекты вместе с linearRegressor и polynomialRegressor объекты и объединяют их в единый комбинированный набор регрессоров.

Создание

Синтаксис

cReg = customRegressor (Переменные, Задержки, Fcn)
cReg = customRegressor (переменные, задержки, Fcn, векторизованные)

Описание

пример

cReg = customRegressor(Variables,Lags,Fcn) создает customRegressor с именами выходных и входных данных в Variables, соответствующие задержки в Lagsи дескриптор функции в Fcn. Fcn устанавливает VariablesToRegressorFcn собственность. Например, если Variables содержит 'y', lags содержит соответствующий вектор запаздывания [2 4], и пользовательская функция @(x)sin(x), то регрессоры, которые используют 'y' являются грехом (y (t-2)) и грехом (y (t-4)).

cReg = customRegressor(Variables,Lags,Fcn,Vectorized) указывает, Fcn может обрабатывать вектор входных данных для возврата вектора выходных значений на основе значения Vectorized.

Свойства

развернуть все

Пользовательская функция, преобразующая набор отложенных переменных в числовой скалярный вывод, заданный как дескриптор функции.

Пример: @(x)sin(x)

Пример: @(x,y)x.*exp(y)

Имена выходных и входных переменных, заданные как массив ячеек из строк или массив ячеек, ссылающийся на OutputName и InputName свойства iddata объект. Каждая запись должна быть строкой без специальных символов, кроме пробела.

Пример: {'y1','u1'}

Пример: [z.OutputName; z.InputName]

Запаздывает в каждой переменной, определяемой как массив ячеек 1 на nv неотрицательных целочисленных векторов строк, где nv - общее число переменных-регрессоров. Каждый вектор строки содержит целые числа nr, которые определяют задержки nr-регрессора для соответствующей переменной. Когда nr > 1 по меньшей мере для одной из переменных, программное обеспечение генерирует регрессор для каждой комбинации запаздывания. Например, предположим, что требуется создать формулу r (t) = sin (y1 (t-a)) cos (u1 (t-b)), где запаздывание a может быть1 или 2 и запаздывание b может быть 0 или 3. Определить Lags как {[1 2],[0 3]}, что соответствует переменным {'y1','u1'}. В этой спецификации создается следующий набор регрессоров:

  • 'sin(y1(t-1))*cos(u1(t))'

  • 'sin(y1(t-1))*cos(u1(t-3))'

  • 'sin(y1(t-2))*cos(u1(t))'

  • 'sin(y1(t-2))*cos(u1(t-3))'

Если задержка соответствует выходной переменной idnlarx , минимальное отставание должно быть больше или равно 1.

Пример: {1 1}

Пример: {[1 2],[1,3,4]}

Индикатор векторизации, определяющий, VariablesToRegressorFcn векторизован, указан как true или false.

Пример установки этого свойства см. в разделе Использование абсолютного значения в наборе полиномиальных регрессоров.

Пример: [true,false]

Имя переменной времени, указанное как допустимое имя переменной MATLAB ®, которое отличается от значений вVariables.

Пример: 'ClockTime'

Примеры

свернуть все

Открыть сценарий в реальном времени

Создайте пользовательский регрессор, представляющий формулу xey.

Укажите входные переменные как 'u1«и» 'y1'и соответствующие задержки 1 и 3 задержки.

vars = {'y1','u1'};
lags = {1 3};

Укажите пользовательскую функцию.

fcn = @(x,y)x.*exp(y);

Создайте регрессор.

cReg = customRegressor(vars,lags,fcn)
cReg = 
Custom regressor: y1(t-1).*exp(u1(t-3))
    VariablesToRegressorFcn: @(x,y)x.*exp(y)
                  Variables: {'y1'  'u1'}
                       Lags: {[1]  [3]}
                 Vectorized: 1
               TimeVariable: 't'

  Regressors described by this set
Открыть сценарий в реальном времени

Создайте набор пользовательских регрессоров в трех переменных на основе формулы xy + sin (z).

Укажите имена переменных и задержки.

vars = {'a','b','c'};
lags = {[1 5],[0 8],7};

Укажите пользовательскую функцию.

fcn = @(x,y,z)x.*y+sin(z);

Создайте пользовательский набор регрессоров.

cReg = customRegressor(vars,lags,fcn)
cReg = 
Custom regressor: @(x,y,z)x.*y+sin(z)
    VariablesToRegressorFcn: @(x,y,z)x.*y+sin(z)
                  Variables: {'a'  'b'  'c'}
                       Lags: {[1 5]  [0 8]  [7]}
                 Vectorized: 1
               TimeVariable: 't'

  Regressors described by this set

cReg задает регрессоры для всех возможных комбинаций запаздывания.

Открыть сценарий в реальном времени

Загрузка оценочных данных z1, который имеет один вход и один выход, и получить выходные и входные имена.

load iddata1 z1;
names = [z1.OutputName z1.InputName]
names = 1×2 cell
    {'y1'}    {'u1'}

Определить L как набор линейных регрессоров, который представляет y1 (t-1), u1 (t-2) и u1 (t-5).

L = linearRegressor(names,{1,[2 5]});

Определить P в качестве полиномиального регрессора y1 (t-1) 2.

P = polynomialRegressor(names(1),1,2);

Определить C в качестве пользовательского регрессора y1 (t-2) u1 (t-3). Используйте анонимный дескриптор функции для определения этой функции.

C = customRegressor(names,{2 3},@(x,y)x.*y)
C = 
Custom regressor: y1(t-2).*u1(t-3)
    VariablesToRegressorFcn: @(x,y)x.*y
                  Variables: {'y1'  'u1'}
                       Lags: {[2]  [3]}
                 Vectorized: 1
               TimeVariable: 't'

  Regressors described by this set

Объединение регрессоров в векторе столбца R.

R = [L;P;C]
R=3×1 object
[3 1] array of linearRegressor, polynomialRegressor, customRegressor objects.
------------------------------------
1. Linear regressors in variables y1, u1
       Variables: {'y1'  'u1'}
            Lags: {[1]  [2 5]}
     UseAbsolute: [0 0]
    TimeVariable: 't'

------------------------------------
2. Order 2 regressors in variables y1
               Order: 2
           Variables: {'y1'}
                Lags: {[1]}
         UseAbsolute: 0
    AllowVariableMix: 0
         AllowLagMix: 0
        TimeVariable: 't'

------------------------------------
3. Custom regressor: y1(t-2).*u1(t-3)
    VariablesToRegressorFcn: @(x,y)x.*y
                  Variables: {'y1'  'u1'}
                       Lags: {[2]  [3]}
                 Vectorized: 1
               TimeVariable: 't'

  Regressors described by this set

Оценка нелинейной модели ARX с помощью R.

sys = nlarx(z1,R)
sys = 
Nonlinear ARX model with 1 output and 1 input
  Inputs: u1
  Outputs: y1

Regressors:
  1. Linear regressors in variables y1, u1
  2. Order 2 regressors in variables y1
  3. Custom regressor: y1(t-2).*u1(t-3)
  List of all regressors

Output function: Wavelet Network with 1 unit

Sample time: 0.1 seconds

Status:                                          
Estimated using NLARX on time domain data "z1".  
Fit to estimation data: 59.73% (prediction focus)
FPE: 3.356, MSE: 3.147

Просмотр полного набора регрессоров.

getreg(sys)
ans = 5×1 cell
    {'y1(t-1)'         }
    {'u1(t-2)'         }
    {'u1(t-5)'         }
    {'y1(t-1)^2'       }
    {'y1(t-2).*u1(t-3)'}

См. также

| | | |

Представлен в R2021a

Документация по инструментам идентификации системы

Поддержка