nlhw

Оценка модели Хаммерстайна-Винера

свернуть все на странице

Синтаксис

sys = nlhw (данные, заказы)

sys = nlhw (данные, заказы, InputNL, OutputNL)

sys = nlhw (данные, LinModel)

sys = nlhw (данные, модель LinModel, InputNL, OutputNL)

sys = nlhw (Data,sys0)

sys = nlhw (___, параметры)

Описание

пример

sys = nlhw(Data,Orders) создает и оценивает модель Хаммерштейна-Винера, используя данные оценки, порядки моделей и задержки, а также кусочно-линейные функции по умолчанию в качестве входных и выходных нелинейных оценщиков.

пример

sys = nlhw(Data,Orders,InputNL,OutputNL) определяет InputNL и OutputNL в качестве входных и выходных оценок нелинейности соответственно.

пример

sys = nlhw(Data,LinModel) использует линейную модель для задания порядков моделей и задержек, а также кусочно-линейных функций по умолчанию для входных и выходных оценщиков нелинейности.

пример

sys = nlhw(Data,LinModel,InputNL,OutputNL) определяет InputNL и OutputNL в качестве входных и выходных оценок нелинейности соответственно.

пример

sys = nlhw(Data,sys0) уточняет или оценивает параметры модели Хаммерштейна-Винера, sys0, используя оценочные данные.

Используйте этот синтаксис для:

Обновление параметров ранее оцененной модели для улучшения соответствия данным оценки. В этом случае алгоритм оценки использует параметры sys0 как первоначальные догадки.
Оцените параметры модели, ранее созданной с помощью idnlhw конструктор. Перед оценкой можно настроить свойства модели с помощью точечной нотации.

пример

sys = nlhw(___,Options) задает дополнительные параметры оценки модели. Использовать Options с любым из предыдущих синтаксисов.

Примеры

свернуть все

Оценка модели Хаммерштейна-Винера

Открыть сценарий в реальном времени

load iddata3
m1 = nlhw(z3,[4 2 1]);

Оценка модели Хаммерштейна с насыщением

Открыть сценарий в реальном времени

Загрузить данные.

load twotankdata;
z = iddata(y,u,0.2,'Name','Two tank system');
z1 = z(1:1000);

Создайте объект насыщения с нижним пределом 0 и верхним пределом 5.

InputNL = saturation('LinearInterval',[0 5]);

Оценка модели без нелинейности вывода.

m = nlhw(z1,[2 3 0],InputNL,[]);

Оценка модели Хаммерштейна-Винера с нелинейностью пользовательской сети

Открыть сценарий

Создание нелинейности пользовательской сети требует определения определяемой пользователем единичной функции.

Определите функцию единицы измерения и сохраните ее как gaussunit.m.


% Copyright 2015 The MathWorks, Inc.

function [f, g, a] = gaussunit(x)
f = exp(-x.*x);
if nargout>1
  g = -2*x.*f;
  a = 0.2;
end

Создайте нелинейность пользовательской сети с помощью gaussunit функция.

H = @gaussunit;
CNet = customnet(H);

Загрузите оценочные данные.

load twotankdata;
z = iddata(y,u,0.2,'Name','Two tank system');
z1 = z(1:1000);

Оцените модель Хаммерштейна-Винера с помощью пользовательской сети.

m = nlhw(z1,[5 1 3],CNet,[]);

Оценка модели Хаммерштейна-Винера по умолчанию с использованием полиномиальной модели ввода-вывода структуры OE

Открыть сценарий в реальном времени

Оценка линейной модели OE.

load throttledata.mat
Tr = getTrend(ThrottleData); 
Tr.OutputOffset = 15;
DetrendedData = detrend(ThrottleData, Tr);
opt = oeOptions('Focus','simulation');
LinearModel = oe(DetrendedData,[1 2 1],opt);

Оцените модель Хаммерстейна-Винера, используя модель OE в качестве ее линейного компонента и насыщенность в качестве выходной нелинейности.

sys = nlhw(ThrottleData,LinearModel,[],'saturation');

Оценка модели Хаммерштейна-Винера с использованием `idnlhw` чтобы сначала определить свойства модели

Открыть сценарий в реальном времени

Загрузите оценочные данные.

load iddata1

Построение модели Хаммерштейна-Винера с помощью idnlhw для определения свойств модели B и F.

sys0 = idnlhw([2,2,0],[],'wavenet');
sys0.B{1} = [0.8,1];
sys0.F{1} = [1,-1.2,0.5];

Оцените модель.

sys = nlhw(z1,sys0);

Оценка модели Хаммерштейна-Винера с использованием nlhw для определения свойств модели B и F.

sys2 = nlhw(z1,[2,2,0],[],'wavenet','B',{[0.8,1]},'F',{[1,-1.2,0.5]});

Сравните две расчетные модели, чтобы увидеть, что они эквивалентны.

compare(z1,sys,'g',sys2,'r--');

Figure contains an axes. The axes contains 3 objects of type line. These objects represent z1 (y1), sys: 70.04%, sys2: 70.04%.

Уточнение модели Хаммерштейна-Винера с использованием последовательных вызовов `nlhw`

Открыть сценарий в реальном времени

Оцените модель Хаммерштейна-Винера.

load iddata3
sys = nlhw(z3,[4 2 1],'sigmoidnet','wavenet');

Уточнение модели, sys.

sys = nlhw(z3,sys);

Оценка модели Хаммерштейна-Винера с использованием набора опций оценки

Открыть сценарий в реальном времени

Создать набор параметров оценки для nlhw для просмотра хода выполнения оценки и установки максимальных шагов итерации равным 50.

opt = nlhwOptions;
opt.Display = 'on';
opt.SearchOptions.MaxIterations = 50;

Загрузите данные и оцените модель.

load iddata3
sys = nlhw(z3,[4 2 1],'sigmoidnet','deadzone',opt);

Входные аргументы

свернуть все

`Data` - Данные временной области
`iddata` объект

Данные оценки временной области, указанные как iddata.

`Orders` - Порядок и задержки функции передачи линейной подсистемы
`[nb nf nk]` вектор положительных целых чисел | `[nb nf nk]` вектор матриц

Порядок и задержки функции передачи линейной подсистемы, указанной как [nb nf nk] вектор.

Размеры Orders:

Для функции передачи SISO: Orders - вектор положительных целых чисел.
nb - число нулей плюс 1, nf - количество полюсов, и nk - входная задержка.
Для функции передачи MIMO с n_u входные данные и n_y выходы, Orders - вектор матриц.
nb, nf, и nk являются n_yоколо-n_u матрицы, i-j-я запись которых определяет порядки и задержку передаточной функции от j-го входа к i-му выходу.

`InputNL` - Входная статическая нелинейность
`'pwlinear'` (по умолчанию) | `'sigmoidnet'` | `'wavenet'` | `'saturation'` | `'deadzone'` | `'poly1d'` | `'unitgain'` | объект оценки нелинейности | массив оценок нелинейности

Входной статический оценщик нелинейности, указанный как один из следующих.

`'pwlinear'` или `pwlinear` объект (по умолчанию)	Кусочно-линейная функция
`'sigmoidnet'` или `sigmoidnet` объект	Сигмоидная сеть
`'wavenet'` или `wavenet` объект	Вейвлет-сеть
`'saturation'` или `saturation` объект	Насыщенность
`'deadzone'` или `deadzone` объект	Мертвая зона
`'poly1d'` или `poly1d` объект	Одномерный многочлен
`'unitgain'` или `[]` или `unitgain` объект	Единичный коэффициент усиления
`customnet` объект	Пользовательская сеть - Аналогично `sigmoidnet`, но с определяемой пользователем заменой сигмоидной функции.

Например, указание вектора символов 'sigmoidnet'создает объект оценки нелинейности с настройками по умолчанию. Используйте представление объекта для настройки свойств оценщика нелинейности.

InputNL = wavenet;
InputNL.NumberOfUnits = 10;

Либо используйте связанную входную функцию оценки нелинейности с аргументами пары Имя-Значение.

InputNL = wavenet('NumberOfUnits',10);

Для n_u входные каналы, можно указать нелинейные оценщики индивидуально для каждого входного канала путем установки InputNL в n_u- по 1 массив нелинейных оценщиков.

InputNL = [sigmoidnet('NumberofUnits',5); deadzone([-1,2])]

Чтобы задать одинаковую нелинейность для всех входов, укажите один входной оценщик нелинейности.

`OutputNL` - Статическая нелинейность вывода
`'pwlinear'` (по умолчанию) | `'sigmoidnet'` | `'wavenet'` | `'saturation'` | `'deadzone'` | `'poly1d'` | `'unitgain'` | объект оценки нелинейности | массив оценок нелинейности

Выходной статический оценщик нелинейности, указанный как одно из следующих значений:

`'pwlinear'` или `pwlinear` объект (по умолчанию)	Кусочно-линейная функция
`'sigmoidnet'` или `sigmoidnet` объект	Сигмоидная сеть
`'wavenet'` или `wavenet` объект	Вейвлет-сеть
`'saturation'` или `saturation` объект	Насыщенность
`'deadzone'` или `deadzone` объект	Мертвая зона
`'poly1d'` или `poly1d` объект	Одномерный многочлен
`'unitgain'` или `[]` или `unitgain` объект	Единичный коэффициент усиления
`customnet` объект	Пользовательская сеть - Аналогично `sigmoidnet`, но с определяемой пользователем заменой сигмоидной функции.

Задание вектора символов создает объект оценки нелинейности с настройками по умолчанию. Используйте представление объекта для настройки свойств оценщика нелинейности.

OutputNL = sigmoidnet;
OutputNL.NumberOfUnits = 10;

Либо используйте связанную входную функцию оценки нелинейности с аргументами пары Имя-Значение.

OutputNL = sigmoidnet('NumberOfUnits',10);

Для n_y выходные каналы, можно указать нелинейные оценщики отдельно для каждого выходного канала путем установки OutputNL в n_y- по 1 массив нелинейных оценщиков. Чтобы задать одинаковую нелинейность для всех выходов, укажите один модуль оценки нелинейности выхода.

`LinModel` - Линейная модель дискретного времени
`idpoly` | `idss` с `K` = `0` | `idtf`

Линейная модель дискретного времени, используемая для задания линейной подсистемы, заданная как одно из следующих значений:

Полиномиальная модель «вход-выход» структуры «Ошибка вывода» (OE) (idpoly)
Модель состояния-пространства без компонента возмущения (idss с K = 0)
Модель передаточной функции (idtf)

Как правило, модель оценивается с помощью oe, n4sid, или tfest.

`sys0` - модель Хаммерстайна-Винера
`idnlhw` объект

Модель Хаммерстайна-Винера, указанная как idnlhw объект. sys0 могут быть:

Модель, ранее созданная с помощью idnlhw для задания свойств модели.
Модель, предварительно оцененная с помощью nlhw, которую требуется обновить с использованием нового набора оценочных данных.
Можно также уточнить sys0 используя исходный набор оценочных данных. Если предыдущая оценка остановилась, когда численный поиск застрял в локальных минимумах функции затрат, используйте init чтобы сначала рандомизировать параметры sys0. Посмотрите sys0.Report.Termination для условий остановки поиска. Используя init не гарантирует лучшего решения по дальнейшей доработке.

`Options` - Варианты оценки
`nlhwOptions` набор опций

Варианты оценки для идентификации модели Хаммерштейна-Винера, указанные как nlhwOptions набор опций.

Выходные аргументы

свернуть все

`sys` - Оценочная модель Хаммерстайна-Винера
`idnlhw` объект

Оценочная модель Хаммерштейна-Винера, возвращенная в качестве idnlhw объект. Модель оценивается с использованием указанных порядков и задержек модели, входных и выходных оценщиков нелинейности и опций оценки.

Информация о результатах оценки и используемых опциях хранится в Report свойство модели. Report имеет следующие поля:

Поле отчета Описание

Status

Сводка состояния модели, указывающая, была ли модель создана путем построения или получена путем оценки.

Method

Используется команда оценки.

Fit

Количественная оценка оценки, возвращенная как структура. Дополнительные сведения об этих показателях качества см. в разделе Метрики качества функции потери и модели. Структура имеет следующие поля:

Область	Описание
`FitPercent`	Нормализованная среднеквадратическая ошибка (NRMSE) измерения того, насколько хорошо отклик модели соответствует данным оценки, выраженным в процентах `fit` = 100 (1-NRMSE).
`LossFcn`	Значение функции потерь после завершения оценки.
`MSE`	Показатель среднеквадратичной ошибки (MSE) того, насколько хорошо отклик модели соответствует данным оценки.
`FPE`	Ошибка окончательного прогноза для модели.
`AIC`	Показатель качества модели Raw Akaike Information Criteria (AIC).
`AICc`	Небольшой размер выборки, скорректированный AIC.
`nAIC`	Нормализованная AIC.
`BIC`	Байесовские информационные критерии (BIC).

Parameters

Оценочные значения параметров модели.

OptionsUsed

Набор опций, используемый для оценки. Если пользовательские параметры не были настроены, это набор параметров по умолчанию. Посмотрите nlhwOptions для получения дополнительной информации.

RandState

Состояние потока случайных чисел в начале оценки. Пустое, [], если рандомизация не использовалась во время оценки. Дополнительные сведения см. в разделе rng.

DataUsed

Атрибуты данных, используемых для оценки, возвращаемые в виде структуры со следующими полями:

Область	Описание
`Name`	Имя набора данных.
`Type`	Тип данных.
`Length`	Количество выборок данных.
`Ts`	Время выборки.
`InterSample`	Поведение ввода между образцами, возвращаемое как одно из следующих значений: `'zoh'` - Удержание нулевого порядка поддерживает кусочно-постоянный входной сигнал между выборками. `'foh'` - Удержание первого порядка поддерживает кусочно-линейный входной сигнал между выборками. `'bl'` - Поведение с ограниченной полосой указывает, что входной сигнал непрерывного времени имеет нулевую мощность выше частоты Найквиста.
`InputOffset`	Смещение удалено из входных данных временной области во время оценки. Для нелинейных моделей это `[]`.
`OutputOffset`	Смещение удалено из выходных данных временной области во время оценки. Для нелинейных моделей это `[]`.

Termination

Условия завершения итеративного поиска, используемые для минимизации ошибок прогнозирования, возвращены в виде структуры со следующими полями:

Область	Описание
`WhyStop`	Причина прекращения числового поиска.
`Iterations`	Количество итераций поиска, выполненных алгоритмом оценки.
`FirstOrderOptimality`	∞-norm вектора поиска градиента при завершении алгоритма поиска.
`FcnCount`	Число вызовов целевой функции.
`UpdateNorm`	Норма вектора поиска градиента в последней итерации. Опущено, когда метод поиска `'lsqnonlin'` или `'fmincon'`.
`LastImprovement`	Улучшение критерия в последней итерации, выраженное в процентах. Опущено, когда метод поиска `'lsqnonlin'` или `'fmincon'`.
`Algorithm`	Алгоритм, используемый `'lsqnonlin'` или `'fmincon'` способ поиска. Опускается при использовании других методов поиска.

Для методов оценки, которые не требуют оптимизации числового поиска, Termination поле опущено.

Дополнительные сведения см. в разделе Отчет об оценке.

Расширенные возможности

Автоматическая параллельная поддержка
Ускорение кода за счет автоматического параллельного выполнения вычислений с помощью Parallel Computing Toolbox™.

Поддержка параллельных вычислений доступна для оценки с использованием lsqnonlin метод поиска (требуется Toolbox™ оптимизации). Чтобы включить параллельные вычисления, используйте nlhwOptions, комплект SearchMethod кому 'lsqnonlin', и установить SearchOptions.Advanced.UseParallel кому true.

Например:

opt = nlhwOptions;
opt.SearchMethod = 'lsqnonlin';
opt.SearchOptions.Advanced.UseParallel = true;

См. также

Темы

Представлен в R2007a

Документация

nlhw

Синтаксис

Описание

Примеры

Оценка модели Хаммерштейна-Винера

Оценка модели Хаммерштейна с насыщением

Оценка модели Хаммерштейна-Винера с нелинейностью пользовательской сети

Оценка модели Хаммерштейна-Винера по умолчанию с использованием полиномиальной модели ввода-вывода структуры OE

Оценка модели Хаммерштейна-Винера с использованием `idnlhw` чтобы сначала определить свойства модели

Уточнение модели Хаммерштейна-Винера с использованием последовательных вызовов `nlhw`

Оценка модели Хаммерштейна-Винера с использованием набора опций оценки

Входные аргументы

`Data` - Данные временной области
`iddata` объект

`Orders` - Порядок и задержки функции передачи линейной подсистемы
`[nb nf nk]` вектор положительных целых чисел | `[nb nf nk]` вектор матриц

`LinModel` - Линейная модель дискретного времени
`idpoly` | `idss` с `K` = `0` | `idtf`

`sys0` - модель Хаммерстайна-Винера
`idnlhw` объект

`Options` - Варианты оценки
`nlhwOptions` набор опций

Выходные аргументы

`sys` - Оценочная модель Хаммерстайна-Винера
`idnlhw` объект

Расширенные возможности

Автоматическая параллельная поддержка
Ускорение кода за счет автоматического параллельного выполнения вычислений с помощью Parallel Computing Toolbox™.

См. также

Темы

Документация по инструментам идентификации системы

Поддержка

Документация

nlhw

Синтаксис

Описание

Примеры

Оценка модели Хаммерштейна-Винера

Оценка модели Хаммерштейна с насыщением

Оценка модели Хаммерштейна-Винера с нелинейностью пользовательской сети

Оценка модели Хаммерштейна-Винера по умолчанию с использованием полиномиальной модели ввода-вывода структуры OE

Оценка модели Хаммерштейна-Винера с использованием idnlhw чтобы сначала определить свойства модели

Уточнение модели Хаммерштейна-Винера с использованием последовательных вызовов nlhw

Оценка модели Хаммерштейна-Винера с использованием набора опций оценки

Входные аргументы

Data - Данные временной области iddata объект

Orders - Порядок и задержки функции передачи линейной подсистемы [nb nf nk] вектор положительных целых чисел | [nb nf nk] вектор матриц

InputNL - Входная статическая нелинейность 'pwlinear' (по умолчанию) | 'sigmoidnet' | 'wavenet' | 'saturation' | 'deadzone' | 'poly1d' | 'unitgain' | объект оценки нелинейности | массив оценок нелинейности

OutputNL - Статическая нелинейность вывода 'pwlinear' (по умолчанию) | 'sigmoidnet' | 'wavenet' | 'saturation' | 'deadzone' | 'poly1d' | 'unitgain' | объект оценки нелинейности | массив оценок нелинейности

LinModel - Линейная модель дискретного времени idpoly | idss с K = 0 | idtf

sys0 - модель Хаммерстайна-Винера idnlhw объект

Options - Варианты оценки nlhwOptions набор опций

Выходные аргументы

sys - Оценочная модель Хаммерстайна-Винера idnlhw объект

Расширенные возможности

Автоматическая параллельная поддержка Ускорение кода за счет автоматического параллельного выполнения вычислений с помощью Parallel Computing Toolbox™.

См. также

Темы

Документация по инструментам идентификации системы

Поддержка

Оценка модели Хаммерштейна-Винера с использованием `idnlhw` чтобы сначала определить свойства модели

Уточнение модели Хаммерштейна-Винера с использованием последовательных вызовов `nlhw`

`Data` - Данные временной области
`iddata` объект

`Orders` - Порядок и задержки функции передачи линейной подсистемы
`[nb nf nk]` вектор положительных целых чисел | `[nb nf nk]` вектор матриц

`LinModel` - Линейная модель дискретного времени
`idpoly` | `idss` с `K` = `0` | `idtf`

`sys0` - модель Хаммерстайна-Винера
`idnlhw` объект

`Options` - Варианты оценки
`nlhwOptions` набор опций

`sys` - Оценочная модель Хаммерстайна-Винера
`idnlhw` объект

Автоматическая параллельная поддержка
Ускорение кода за счет автоматического параллельного выполнения вычислений с помощью Parallel Computing Toolbox™.