recursiveARMAX

Создание объекта System для оперативной оценки параметров модели ARMAX

Синтаксис

obj = recursiveARMAX obj = recursiveARMAX(Orders) obj = recursiveARMAX(Orders,A0,B0,C0) obj = recursiveARMAX(___,Name,Value)

Описание

Использовать recursiveARMAX команда для оценки параметров с данными реального времени. Если все данные, необходимые для оценки, доступны одновременно и выполняется оценка инвариантной по времени модели, используйте команду offline estimation, armax.

obj = recursiveARMAX создает системный object™ для оперативной оценки параметров структуры модели ARMAX с одним входом и одним выходом (SISO) по умолчанию. Структура модели по умолчанию имеет многочлены порядка 1 и начальные значения коэффициентов многочленов eps.

После создания объекта используйте step команда обновления оценок параметров модели с использованием алгоритмов рекурсивной оценки и данных в реальном времени.

obj = recursiveARMAX(Orders) задает порядки полиномов модели ARMAX, которые должны быть оценены.

obj = recursiveARMAX(Orders,A0,B0,C0) задает порядки многочленов и начальные значения коэффициентов многочленов. Укажите начальные значения, чтобы потенциально избежать локальных минимумов во время оценки. Если начальные значения малы по сравнению со значениями по умолчанию InitialParameterCovariance значение свойства и уверенность в исходных значениях, также укажите меньшее InitialParameterCovariance.

obj = recursiveARMAX(___,Name,Value) задает дополнительные атрибуты структуры модели ARMAX и алгоритм рекурсивной оценки с использованием одного или нескольких Name,Value аргументы пары.

Описание объекта

recursiveARMAX создает объект System для оперативной оценки параметров моделей SISO ARMAX с использованием алгоритма рекурсивной оценки.

Системный объект - это специализированный объект MATLAB ®, разработанный специально для реализации и моделирования динамических систем с вводами, изменяющимися с течением времени. Системные объекты используют внутренние состояния для сохранения поведения в прошлом, которое используется на следующем шаге вычисления .

После создания объекта System используются команды для обработки данных или получения информации об объекте. Системные объекты используют минимум две команды для обработки данных - конструктор для создания объекта и step для обновления параметров объекта с использованием данных в реальном времени. Это разделение объявления от выполнения позволяет создавать несколько постоянных объектов многократного использования, каждый из которых имеет различные настройки.

С интерактивными объектами системы оценки в Toolbox™ Идентификация системы можно использовать следующие команды:

Команда	Описание
`step`	Обновление оценок параметров модели с использованием алгоритмов рекурсивной оценки и данных в реальном времени. `step` переводит объект в заблокированное состояние. В заблокированном состоянии невозможно изменить неперестраиваемые свойства или входные спецификации, такие как порядок модели, тип данных или алгоритм оценки. Во время выполнения можно изменять только настраиваемые свойства.
`release`	Разблокируйте объект System. Эта команда используется для включения настройки неперестраиваемых параметров.
`reset`	Сбросьте внутренние состояния заблокированного объекта System до начальных значений и оставьте объект заблокированным.
`clone`	Создайте другой объект System с теми же значениями свойств объекта. Не создавать дополнительные объекты с помощью синтаксиса `obj2 = obj`. Любые изменения свойств нового объекта, созданные таким образом (`obj2`) также изменить свойства исходного объекта (`obj`).
`isLocked`	Запрос заблокированного состояния для входных атрибутов и неперестраиваемых свойств объекта System.

Используйте recursiveARMAX для создания оперативного объекта системы оценки. Затем оцените параметры модели ARMAX (A, B, и C) и вывода с помощью step команда с входными и выходными данными, u, и y.

[A,B,C,EstimatedOutput] = step(obj,y,u)

Для recursiveARMAX свойства объекта см. в разделе Свойства.

Примеры

свернуть все

Оценка модели ARMAX в Интернете

Открыть сценарий в реальном времени

Создайте объект System для оперативной оценки параметров модели ARMAX.

obj = recursiveARMAX;

Модель ARMAX имеет структуру по умолчанию с многочленами порядка 1 и начальными значениями коэффициента полинома, eps.

Загрузите оценочные данные. В этом примере для иллюстрации используйте набор статических данных.

load iddata1 z1;
output = z1.y;
input = z1.u;

Оценка параметров модели ARMAX в оперативном режиме с использованием step.

for i = 1:numel(input)
[A,B,C,EstimatedOutput] = step(obj,output(i),input(i));
end

Просмотр текущих расчетных значений полинома A коэффициенты.

obj.A

ans = 1×2

    1.0000   -0.8298

Просмотр текущей оценки ковариации параметров.

obj.ParameterCovariance

ans = 3×3

    0.0001    0.0001    0.0001
    0.0001    0.0032    0.0000
    0.0001    0.0000    0.0001

Просмотр текущего расчетного выходного сигнала.

EstimatedOutput

EstimatedOutput = -4.5595

Создание системного объекта для модели ARMAX с известными порядками многочленов

Открыть сценарий в реальном времени

Укажите заказы и задержки модели ARMAX.

na = 1;
nb = 2;
nc = 1;
nk = 1;

Создайте объект System для оперативной оценки модели ARMAX с указанными заказами и задержками.

obj = recursiveARMAX([na nb nc nk]);

Создание сетевого объекта системы оценки для модели ARMAX с известными начальными параметрами

Открыть сценарий в реальном времени

Укажите заказы и задержки модели ARMAX.

na = 1;
nb = 2;
nc = 1;
nk = 1;

Создайте объект System для оперативной оценки модели ARMAX с известными начальными полиномиальными коэффициентами.

A0 = [1 0.5];
B0 = [0 1 1];
C0 = [1 0.5];
obj = recursiveARMAX([na nb nc nk],A0,B0,C0);

Укажите исходный параметр ковариации.

obj.InitialParameterCovariance = 0.1;

InitialParameterCovariance представляет неопределенность в вашем предположении для начальных параметров. Как правило, по умолчанию InitialParameterCovariance (10000) слишком велико относительно значений параметра. Это приводит к тому, что начальным догадкам уделяется меньше внимания во время оценки. Если вы доверяете начальным параметрам догадки, укажите меньший начальный параметр ковариации.

Определение метода оценки для онлайн-оценки модели ARMAX

Открыть сценарий в реальном времени

Создайте объект System, использующий алгоритм фильтра Калмана для оперативной оценки параметров модели ARMAX.

obj = recursiveARMAX([1 2 1 1],'EstimationMethod','KalmanFilter');
obj.ProcessNoiseCovariance = 0.01;

The ProcessNoiseCovariance имущество obj применим только тогда, когда для оценки используется алгоритм фильтра Калмана.

Входные аргументы

свернуть все

`Orders` - Типовые заказы и задержки
Вектор целых чисел 1 на 4

Порядки моделей и задержки модели ARMAX, определенные как вектор целых чисел 1 на 4, [na nb nc nk].

na - порядок многочлена A (q), определяемый как неотрицательное целое число .na представляет количество полюсов в системе.
nb - порядок многочлена B (q) + 1, определяемый как положительное целое число .nb представляет количество нулей в системе плюс 1.
nc - порядок многочлена C (q), определяемый как неотрицательное целое число.
nk - Задержка ввода-вывода, заданная как неотрицательное целое число. nk - количество входных выборок, которые возникают до того, как входные данные влияют на выходные данные. nk выражается как фиксированные ведущие нули многочлена В.

`A0,B0,C0` - Начальное значение полиномиальных коэффициентов
векторы строк вещественных значений | `[]`

Начальное значение полиномиальных коэффициентов, определяемых как векторы строк вещественных значений с элементами в порядке возрастающих степеней ^q-1.

A0 - Начальное предположение для коэффициентов многочлена A (q), заданного как 1-by- (na+1) вектор с 1 в качестве первого элемента.
B0 - Начальное предположение для коэффициентов многочлена B (q), заданного как 1-by- (nb+nk) вектор с nk ведущие нули.
C0 - Начальное предположение для коэффициентов многочлена C (q), заданного как 1-by- (nc+1) вектор с 1 в качестве первого элемента.
Коэффициенты в C0 должен определить стабильный дискретный полином времени с корнями внутри единичного диска. Например,
```
C0 = [1 0.5 0.5];
all(abs(roots(C0))<1)
```
```
ans =

     1
```

Указание как [], использует значение по умолчанию eps для коэффициентов полинома.

Примечание

Если начальные догадки намного меньше, чем по умолчанию InitialParameterCovariance10000, начальные догадки имеют меньшее значение при оценке. В этом случае укажите меньшую ковариацию начального параметра.

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Использовать Name,Value аргументы для указания доступных для записи свойств recursiveARMAX Системный объект во время создания объекта. Например, obj = recursiveARMAX([2 2 1 1],'EstimationMethod','Gradient') создает объект System для оценки модели ARMAX с помощью 'Gradient' алгоритм рекурсивной оценки.

Свойства

recursiveARMAX Свойства системного объекта состоят из свойств, доступных только для чтения и записи. Свойства, доступные для записи, настраиваются и не настраиваются. Неперестраиваемые свойства не могут быть изменены, когда объект заблокирован, то есть после использования step команда.

Использовать Name,Value аргументы для указания доступных для записи свойств recursiveARMAX объектов во время создания объекта. После создания объекта используйте точечную нотацию для изменения настраиваемых свойств.

obj = recursiveARMAX;
obj.ForgettingFactor = 0.99;

`A`	Оцененные коэффициенты многочлена A (q), возвращаемые в виде вектора строки вещественных значений, заданных в порядке возрастающих степеней ^q-1. `A` является свойством, доступным только для чтения и первоначально пустым после создания объекта. Он заполняется после использования `step` команда для оперативной оценки параметров.
`B`	Оцененные коэффициенты многочлена B (q), возвращаемые как вектор вещественных значений, заданных в порядке возрастающих степеней ^q-1. `B` является свойством, доступным только для чтения и первоначально пустым после создания объекта. Он заполняется после использования `step` команда для оперативной оценки параметров.
`C`	Оцененные коэффициенты многочлена C (q), возвращаемые как вектор вещественных значений, заданных в порядке возрастающих степеней ^q-1. `C` является свойством, доступным только для чтения и первоначально пустым после создания объекта. Он заполняется после использования `step` команда для оперативной оценки параметров.
`InitialA`	Начальные значения коэффициентов многочлена A (q) порядка`na`, указанный как вектор строки длины `na+1`, с 1 в качестве первого элемента. Задайте коэффициенты в порядке возрастания степеней ^q-1. Если начальные догадки намного меньше, чем по умолчанию `InitialParameterCovariance`10000, начальные догадки имеют меньшее значение при оценке. В этом случае укажите меньшую ковариацию начального параметра. `InitialA` является настраиваемым свойством. Его можно изменить, если объект находится в заблокированном состоянии. По умолчанию: `[1 eps]`
`InitialB`	Начальные значения коэффициентов многочлена B (q) порядка`nb-1`, указанный как вектор строки длины `nb+nk`, с `nk` ведущие нули. `nk` - задержка ввода-вывода. Задайте коэффициенты в порядке возрастания степеней ^q-1. Если начальные догадки намного меньше, чем по умолчанию `InitialParameterCovariance`10000, начальные догадки имеют меньшее значение при оценке. В этом случае укажите меньшую ковариацию начального параметра. `InitialB` является настраиваемым свойством. Его можно изменить, если объект находится в заблокированном состоянии. По умолчанию: `[0 eps]`
`InitialC`	Начальные значения коэффициентов многочлена C (q) порядка`nc`, указанный как вектор строки длины `nc+1`, с 1 в качестве первого элемента. Задайте коэффициенты в порядке возрастания степеней ^q-1. Коэффициенты в `InitialC` должен определить устойчивый дискретный полином времени с корнями в пределах единичной окружности. Например, InitialC = [1 0.5 0.5]; all(abs(roots(InitialC))<1) ans = 1 Если начальные догадки намного меньше, чем по умолчанию `InitialParameterCovariance`10000, начальные догадки имеют меньшее значение при оценке. В этом случае укажите меньшую ковариацию начального параметра. `InitialC` является настраиваемым свойством. Его можно изменить, если объект находится в заблокированном состоянии. По умолчанию: `[1 eps]`
`ParameterCovariance`	Оценочная ковариация `P` из параметров, возвращаемых в виде N-на-N симметричной положительно-определенной матрицы. N - количество оцениваемых параметров. Вычисляет программное обеспечение `P` предполагая, что остатки (разность между оцененными и измеренными выходами) являются белым шумом, и дисперсия этих остатков равна 1. `ParameterCovariance` применима только тогда, когда `EstimationMethod` является `'ForgettingFactor'` или `'KalmanFilter'`. Толкование `P` зависит от метода оценки: `'ForgettingFactor'` — _R2`/2` * `P` приблизительно равна ковариационной матрице оцененных параметров, где _R2 - истинная дисперсия остатков. `'KalmanFilter'` — _R2* `P` - ковариационная матрица оцененных параметров, а _R1/ _R2 - ковариационная матрица изменений параметров. Где _R1 - матрица ковариации, указанная в `ProcessNoiseCovariance`. `ParameterCovariance` является свойством, доступным только для чтения и первоначально пустым после создания объекта. Он заполняется после использования `step` команда для оперативной оценки параметров.
`InitialParameterCovariance`	Ковариация начальных оценок параметров, указанных как одна из следующих: Вещественный положительный скаляр, α - ковариационная матрица - диагональная матрица N-на-N, с α в качестве диагональных элементов. N - количество оцениваемых параметров. Вектор действительных положительных скаляров, [α1,...,αN] - ковариационная матрица - диагональная матрица N-на-N, с [α1,...,αN] в качестве диагональных элементов. N-на-N симметричная положительно-определенная матрица. `InitialParameterCovariance` представляет неопределенность в начальных оценках параметров. Для больших значений `InitialParameterCovariance`, меньшее значение придается начальным значениям параметров и больше - измеренным данным в начале оценки с использованием `step`. Использовать только тогда, когда `EstimationMethod` является `'ForgettingFactor'` или `'KalmanFilter'`. `InitialParameterCovariance` является настраиваемым свойством. Его можно изменить, если объект находится в заблокированном состоянии. По умолчанию: `10000`
`EstimationMethod`	Алгоритм рекурсивной оценки, используемый для оперативной оценки параметров модели, определяется как одно из следующих значений: `'ForgettingFactor'` - Алгоритм, используемый для оценки параметров `'KalmanFilter'` - Алгоритм, используемый для оценки параметров `'NormalizedGradient'` - Алгоритм, используемый для оценки параметров `'Gradient'` - Ненормализованный алгоритм градиента, используемый для оценки параметров Алгоритмы коэффициента забывания и фильтра Калмана являются более ресурсоемкими в вычислительном отношении, чем градиентные и ненормализованные градиентные методы. Однако они обладают лучшими свойствами сходимости. Сведения об этих алгоритмах см. в разделе Рекурсивные алгоритмы для оценки параметров в режиме онлайн. `EstimationMethod` является неперестраиваемым свойством. Вы не можете изменить его во время выполнения, то есть после блокировки объекта с помощью `step` команда. Если требуется развернуть код с помощью MATLAB Coder™, `EstimationMethod` может быть назначено только один раз. По умолчанию: `'ForgettingFactor'`
`ForgettingFactor`	Коэффициент забывания λ, релевантный для оценки параметра, заданный как скаляр в диапазоне (0,1]. Предположим, что система остается приблизительно постоянной на протяжении _T0 выборок. Можно выбрать λ так, что: $_{T0} \frac{=}{11}$ − λ Установка λ = 1 соответствует «без забывания» и оценке постоянных коэффициентов. Установка λ < 1 подразумевает, что прошлые измерения менее значимы для оценки параметров и могут быть «забыты». Установите λ < 1 для оценки изменяющихся во времени коэффициентов. Типичные варианты λ находятся в диапазоне `[0.98 0.995]`. Использовать только тогда, когда `EstimationMethod` является `'ForgettingFactor'`. `ForgettingFactor` является настраиваемым свойством. Его можно изменить, если объект находится в заблокированном состоянии. По умолчанию: `1`
`EnableAdapation`	Включить или отключить оценку параметров, указанную как одно из следующих значений: `true` или `1`- `step` команда оценивает значения параметров для этого временного шага и обновляет значения параметров. `false` или `0`- `step` команда не обновляет параметры для этого временного шага и вместо этого выводит последнее оценочное значение. Эту опцию можно использовать при переходе системы в режим, в котором значения параметров не изменяются во времени. Примечание Если установить `EnableAdapation` кому `false`, вы все еще должны выполнить `step` команда. Не пропускать `step` для сохранения значений параметров постоянными, поскольку оценка параметров зависит от текущих и прошлых измерений ввода-вывода. `step` обеспечивает хранение прошлых данных ввода-вывода, даже если они не обновляют параметры. `EnableAdapation` является настраиваемым свойством. Его можно изменить, если объект находится в заблокированном состоянии. По умолчанию: `true`
`DataType`	Точность параметров с плавающей запятой, заданная как одно из следующих значений: `'double'` - Плавающая точка с двойной точностью `'single'` - Плавающая точка с одинарной точностью Настройка `DataType` кому `'single'` экономит память, но приводит к потере точности. Определить `DataType` на основе точности, требуемой целевым процессором, в котором будет развернут сгенерированный код. `DataType` является неперестраиваемым свойством. Его можно задать только во время построения объекта с помощью `Name,Value` аргументы и не могут быть изменены впоследствии. По умолчанию: `'double'`
`ProcessNoiseCovariance`	Ковариационная матрица вариаций параметров, заданная как одна из следующих: Вещественный неотрицательный скаляр, α - ковариационная матрица - диагональная матрица N-на-N, с α в качестве диагональных элементов. Вектор действительных неотрицательных скаляров, [α1,...,αN] - ковариационная матрица - диагональная матрица N-на-N, с [α1,...,αN] в качестве диагональных элементов. N-на-N симметричная положительная полуопределённая матрица. N - количество оцениваемых параметров. `ProcessNoiseCovariance` применяется, когда `EstimationMethod` является `'KalmanFilter'`. Алгоритм фильтра Калмана рассматривает параметры как состояния динамической системы и оценивает эти параметры с помощью фильтра Калмана. `ProcessNoiseCovariance` - ковариация шума процесса, действующего на эти параметры. Нулевые значения в матрице ковариации шума соответствуют оценивающим постоянным коэффициентам. Значения больше 0 соответствуют изменяющимся во времени параметрам. Используйте большие значения для быстрого изменения параметров. Однако большие значения приводят к более шумным оценкам параметров. `ProcessNoiseCovariance` является настраиваемым свойством. Его можно изменить, если объект находится в заблокированном состоянии. По умолчанию: `0.1`
`AdaptationGain`	Коэффициент адаптации γ, используемый в алгоритмах градиентной рекурсивной оценки, определяемый как положительный скаляр. `AdaptationGain` применяется, когда `EstimationMethod` является `'Gradient'` или `'NormalizedGradient'`. Укажите большое значение для `AdaptationGain` когда измерения имеют высокое отношение сигнал/шум. `AdaptationGain` является настраиваемым свойством. Его можно изменить, если объект находится в заблокированном состоянии. По умолчанию: `1`
`NormalizationBias`	Смещение в масштабировании адаптационного усиления, используемом в `'NormalizedGradient'` метод, заданный как неотрицательный скаляр. `NormalizationBias` применяется, когда `EstimationMethod` является `'NormalizedGradient'`. Нормализованный градиентный алгоритм делит адаптационный коэффициент усиления на каждом шаге на квадрат двух-нормы градиентного вектора. Если градиент близок к нулю, это может привести к скачкам расчетных параметров. `NormalizationBias` - термин, введенный в знаменателе для предотвращения этих скачков. Увеличение `NormalizationBias` при наблюдении скачков расчетных параметров. `NormalizationBias` является настраиваемым свойством. Его можно изменить, если объект находится в заблокированном состоянии. По умолчанию: `eps`

Выходные аргументы

свернуть все

`obj` - Системный объект для оперативной оценки параметров модели ARMAX
`recursiveARMAX` Системный объект

Системный объект для оперативной оценки параметров модели ARMAX, возвращаемый как recursiveARMAX Системный объект. Этот объект создается с использованием указанных порядков и свойств модели. Использовать step для оценки коэффициентов полиномов модели ARMAX. Затем можно получить доступ к расчетным коэффициентам и ковариации параметров с помощью точечной нотации. Например, введите obj.A для просмотра расчетных коэффициентов полинома А.

Подробнее

свернуть все

Структура модели ARMAX

Структура модели ARMAX (авторегрессионное скользящее среднее с дополнительным вводом):

$\begin{array}{l} y (t)_{+} a1y (t -_{1_{)}} + . . ._{} + \\ anay (_{t} - {na}_{)} =_{{b1u}_{}} (t -_{} nk)_{} + . . . \\ + bnbu ( t −_{nk} - nb + 1)_{_{+}} c1e_{(} t - 1) \end{array}$ +... + cnce (t − nc) + e (t)

Более компактным способом записи уравнения разности является

$A (q) y (t) = B (q_{)} u (t - nk$ ) + C (q) e (t)

где

$y (t$ ) - Выход в момент времени t
$_{na}$ - Количество полюсов
$_{nb}$ - количество нулей плюс 1
$_{nc}$ - количество коэффициентов C;
$_{nk}$ - количество входных выборок, которые возникают до того, как вход влияет на выход, также называемое мертвым временем в системе;
$y (t - 1) . . ._{} y$ (t − na) - предыдущие выходы, от которых зависит токовый выход
$u (t_{-} nk) . . ._{} u_{(} t -$ nk − nb + 1) - Предыдущие и задержанные входы, от которых зависит токовый выход
$e (t - 1) . . ._{} e$ (t − nc) - Значение возмущения белого шума

Параметры na, nb, и nc являются порядками модели ARMAX, и nk - задержка. q - оператор задержки. В частности,

$A (q) =_{1}^{+} a1q_{-_{}} 1^{+_{.}}$ .. + anaq − na

$B (q)_{=}_{b1}^{+} b2q_{-_{}} 1^{+_{.} . .}$ + bnbq − nb + 1

$C (q) =_{1}^{+} c1q_{-_{}} 1^{+_{.}}$ .. + cncq − nc

Совет

Начиная с R2016b, вместо использования step для обновления оценок параметров модели можно вызвать объект System с входными аргументами, как если бы это была функция. Например, [A,B,C,EstimatedOutput] = step(obj,y,u) и [A,B,C,EstimatedOutput] = obj(y,u) выполнять эквивалентные операции.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

Примечания и ограничения по использованию:

Для рабочих процессов на основе Simulink используйте инструмент «Оценка рекурсивной полиномиальной модели».
Ограничения см. в разделе Создание кода для оценки параметров в режиме онлайн в MATLAB.

Поддерживает функциональный блок MATLAB: Нет

См. также

Темы

Представлен в R2015b

Документация

recursiveARMAX

Синтаксис

Описание

Описание объекта

Примеры

Оценка модели ARMAX в Интернете

Создание системного объекта для модели ARMAX с известными порядками многочленов

Создание сетевого объекта системы оценки для модели ARMAX с известными начальными параметрами

Определение метода оценки для онлайн-оценки модели ARMAX

Входные аргументы

`Orders` - Типовые заказы и задержки
Вектор целых чисел 1 на 4

`A0,B0,C0` - Начальное значение полиномиальных коэффициентов
векторы строк вещественных значений | `[]`

Аргументы пары «имя-значение»

Свойства

Выходные аргументы

`obj` - Системный объект для оперативной оценки параметров модели ARMAX
`recursiveARMAX` Системный объект

Подробнее

Структура модели ARMAX

Совет

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

См. также

Темы

Документация по инструментам идентификации системы

Поддержка

Документация

recursiveARMAX

Синтаксис

Описание

Описание объекта

Примеры

Оценка модели ARMAX в Интернете

Создание системного объекта для модели ARMAX с известными порядками многочленов

Создание сетевого объекта системы оценки для модели ARMAX с известными начальными параметрами

Определение метода оценки для онлайн-оценки модели ARMAX

Входные аргументы

Orders - Типовые заказы и задержки Вектор целых чисел 1 на 4

A0,B0,C0 - Начальное значение полиномиальных коэффициентов векторы строк вещественных значений | []

Аргументы пары «имя-значение»

Свойства

Выходные аргументы

obj - Системный объект для оперативной оценки параметров модели ARMAX recursiveARMAX Системный объект

Подробнее

Структура модели ARMAX

Совет

Расширенные возможности

Создание кода C/C + + Создайте код C и C++ с помощью MATLAB ® Coder™

См. также

Темы

Документация по инструментам идентификации системы

Поддержка

`Orders` - Типовые заказы и задержки
Вектор целых чисел 1 на 4

`A0,B0,C0` - Начальное значение полиномиальных коэффициентов
векторы строк вещественных значений | `[]`

`obj` - Системный объект для оперативной оценки параметров модели ARMAX
`recursiveARMAX` Системный объект

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™