Набор опций для ssregest
options = ssregestOptions;
Создание набора опций для ssregest который фиксирует значение начальных состояний на 'zero'. Кроме того, установите Display кому 'on'.
opt = ssregestOptions('InitialState','zero','Display','on');
Либо используйте точечную нотацию для установки значений opt.
opt = ssregestOptions; opt.InitialState = 'zero'; opt.Display = 'on';
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.
opt = ssregestOptions('InitialState','zero') фиксирует нулевое значение начальных состояний.'InitialState' - Обработка начальных состояний'estimate' (по умолчанию) | 'zero'Обращение с начальными состояниями при оценке, заданными как одно из следующих значений:
'zero' - Начальное состояние устанавливается равным нулю.
'estimate' - Исходное состояние рассматривается как независимый оценочный параметр.
'ARXOrder' - заказы моделей ARX'auto' (по умолчанию) | матрица неотрицательных целых чиселПорядки моделей ARX, заданные как матрица неотрицательных целых чисел [na nb nk]. max(ARXOrder)+1 должно быть больше требуемого порядка модели «состояние-пространство» (число состояний). При указании значения рекомендуется использовать большое значение для nb заказ. Дополнительные сведения о заказах моделей ARX см. в разделе arx.
'RegularizationKernel' - Регуляризация ядра'TC' (по умолчанию) | 'SE' | 'SS' | 'HF' | 'DI' | 'DC'Регуляризующее ядро, используемое для регуляризованных оценок базовой модели ARX, определяется как одно из следующих значений:
'TC' - Настроенное и коррелированное ядро
'SE' - Квадратное экспоненциальное ядро
'SS' - Стабильное ядро сплайна
'HF' - Высокочастотное стабильное ядро сплайна
'DI' - Диагональное ядро
'DC' - Диагональное и коррелированное ядро
Для получения дополнительной информации см. [1].
'Reduction' - Варианты сокращения заказов на моделиОпции для сокращения заказа модели, указанные как структура со следующими полями:
StateElimMethod
СПОСОБ УСТРАНЕНИЯ СОСТОЯНИЯ. Указывает, как устранить слабо связанные состояния (состояния с наименьшими сингулярными значениями Ханкеля). Указывается как одно из следующих значений:
'MatchDC' | Отменяет указанные состояния и изменяет остальные состояния для сохранения коэффициента усиления постоянного тока. |
'Truncate' | Отменяет указанные состояния без изменения остальных состояний. Этот метод имеет тенденцию получать лучшее приближение в частотной области, но коэффициенты усиления постоянного тока не гарантированно совпадают. |
По умолчанию: 'Truncate'
AbsTol, RelTol
Абсолютный и относительный допуск ошибок для стабильного/нестабильного разложения. Положительные скалярные значения. Для входной модели G с нестабильными полюсами алгоритм уменьшения ssregest сначала извлекает стабильную динамику путем вычисления стабильного/нестабильного разложения G → GS + GU. AbsTol и RelTol допуски контролируют точность этого разложения, гарантируя, что частотные характеристики G и GS + GU различаются не более чем на AbsTol + RelTol* abs (G). Увеличение этих допусков помогает разделить близлежащие стабильные и нестабильные режимы за счет точности. Посмотритеstabsep(Панель инструментов системы управления) для получения дополнительной информации.
По умолчанию: AbsTol = 0; RelTol = 1e-8
Offset
Смещение для стабильной/нестабильной границы. Положительное скалярное значение. В стабильном/нестабильном разложении стабильный член включает только полюса, удовлетворяющие
Re(s) < -Offset * max(1,|Im(s)|) (Непрерывное время)
|z| < 1 - Offset (Дискретное время)
Увеличение значения Offset для обработки полюсов вблизи границы устойчивости как нестабильных.
По умолчанию: 1e-8
'Focus' - Минимизация ошибки'prediction' (по умолчанию) | 'simulation'Ошибка, которая должна быть минимизирована в функции потерь во время оценки, указанная как разделенная запятыми пара, состоящая из 'Focus' и одно из следующих значений:
'prediction' - Погрешность прогнозирования на один шаг вперед между измеренными и предсказанными выходами минимизируется во время оценки. В результате оценка фокусируется на создании хорошей модели предиктора.
'simulation' - Ошибка моделирования между измеренными и смоделированными выходами минимизируется во время оценки. В результате оценка фокусируется на обеспечении хорошего соответствия для моделирования реакции модели с текущими входными данными.
Focus может быть интерпретирован как весовой фильтр в функции потерь. Дополнительные сведения см. в разделах Функция потери и Показатели качества модели.
'WeightingFilter' - Предварительный фильтр взвешивания[] (по умолчанию) | вектор | матрица | массив ячеек | линейная системаВесовой предварительный фильтр, применяемый к функции потерь, которая должна быть минимизирована во время оценки. Чтобы понять эффект WeightingFilter для функции потерь см. раздел Функция потерь и Показатели качества модели.
Определить WeightingFilter как одно из следующих значений:
[] - Предварительный фильтр взвешивания не используется.
Полосы пропускания - укажите вектор строки или матрицу, содержащую значения частоты, определяющие нужные полосы пропускания. Выбирается полоса частот, в которой оптимизируется соответствие между расчетной моделью и оценочными данными. Например, [wl,wh] где wl и wh представляют собой нижний и верхний пределы полосы пропускания. Для матрицы с несколькими строками, определяющими полосы частот, [w1l,w1h;w2l,w2h;w3l,w3h;...]алгоритм оценки использует объединение частотных диапазонов для определения полосы пропускания оценки.
Пассбанды выражены в rad/TimeUnit для данных временной области и в FrequencyUnit для данных частотной области, где TimeUnit и FrequencyUnit являются единицами времени и частоты оценочных данных.
Фильтр SISO - задает линейный фильтр с одним входом и одним выходом (SISO) одним из следующих способов:
Модель LTI SISO
{A,B,C,D} формат, который задает матрицы состояния-пространства фильтра с тем же временем выборки, что и данные оценки.
{numerator,denominator} формат, который определяет числитель и знаменатель фильтра как передаточную функцию с тем же временем выборки, что и данные оценки.
Эта опция вычисляет весовую функцию как произведение фильтра и входного спектра для оценки передаточной функции.
Весовой вектор - применяется только для данных частотной области. Укажите вектор столбца весов. Этот вектор должен иметь ту же длину, что и частотный вектор набора данных, Data.Frequency. Каждый входной и выходной отклик в данных умножается на соответствующий вес на этой частоте.
'EstimateCovariance' - Управление формированием ковариационных данных параметровtrue (по умолчанию) | falseУправляет формированием ковариационных данных параметров, указанных как true или false.
Если EstimateCovariance является true, затем использовать getcov чтобы извлечь матрицу ковариации из оценочной модели.
'Display' - Укажите, следует ли отображать ход выполнения оценки'off' (по умолчанию) | 'on'Укажите, следует ли отображать ход выполнения оценки, как одно из следующих значений:
'on' - Информация о структуре модели и результатах оценки отображается в окне просмотра хода выполнения.
'off' - Информация о ходе выполнения или результатах не отображается.
'InputOffset' - Удаление смещения из входных данных временной области при оценке[] (по умолчанию) | вектор положительных целых чисел | матрицаУдаление смещения из входных данных временной области во время оценки, указанной как разделенная запятыми пара, состоящая из 'InputOffset' и одно из следующих:
Вектор-столбец положительных целых чисел длины Nu, где Nu - количество входов.
[] - Указывает на отсутствие смещения.
Матрица Nu-by-Ne - для данных нескольких экспериментов укажите InputOffset в виде матрицы Nu-by-Ne. Nu - количество входов, а Ne - количество экспериментов.
Каждая запись, указанная InputOffset вычитается из соответствующих входных данных.
'OutputOffset' - Удаление смещения из выходных данных временной области при оценке[] (по умолчанию) | вектор | матрицаУдаление смещения из выходных данных временной области во время оценки, указанной как разделенная запятыми пара, состоящая из 'OutputOffset' и одно из следующих:
Вектор столбца длиной Ny, где Ny - количество выходов.
[] - Указывает на отсутствие смещения.
Матрица Ny-by-Ne - для данных нескольких экспериментов укажите OutputOffset в виде матрицы Ny-by-Ne. Ny - количество выходов, а Ne - количество экспериментов.
Каждая запись, указанная OutputOffset вычитается из соответствующих выходных данных.
'OutputWeight' - Вес ошибок прогнозирования при многоотходной оценке[] (по умолчанию) | положительная полуопределенная, симметричная матрицаВес ошибок прогнозирования при многовыходной оценке, определяемый как одно из следующих значений:
Положительная полуопределённая, симметричная матрица (W). Программное обеспечение минимизирует трассировку матрицы взвешенных ошибок прогнозирования trace(E'*E*W/N) где:
E - матрица ошибок прогнозирования с одним столбцом для каждого выходного сигнала, и W - положительная полуопределённая, симметричная матрица размером, равным числу выходов. Использовать W определить относительную важность выходных данных в моделях с несколькими выходами или надежность соответствующих данных.
N - количество выборок данных.
[] - Взвешивание не используется. Указание как [] является таким же, как eye(Ny), где Ny - количество выходов.
Эта опция релевантна только для моделей с несколькими выходами.
'Advanced' - Расширенные варианты оценкиРасширенные опции для регуляризованной оценки, определенные как структура со следующими полями:
MaxSize - Максимально допустимый размер якобиановых матриц, формируемых при оценке, определяемый как большое положительное число.
По умолчанию: 250e3
SearchMethod - Метод поиска для оценки параметров регуляризации, определяемый как одно из следующих значений:
'gn': Поиск линии Квази-Ньютон.
'fmincon': Уменьшенный минимизатор, отражающий область доверия. В общем, 'fmincon' лучше, чем 'gn' для обработки границ по параметрам регуляризации, которые накладываются автоматически при оценке.
По умолчанию: 'fmincon'
options - Набор опций для ssregestssregestOptions набор опцийВарианты оценки для ssregest, возвращено как ssregestoptions набор опций.
Названия некоторых вариантов оценки и анализа были изменены в R2018a году. Прежние имена все еще работают. Дополнительные сведения см. в примечании к версии R2018a Переименование параметров оценки и анализа.
[1] Т. Чен, Х. Охлссон и Л. Люн. «Об оценке передаточных функций, регуляризаций и гауссовых процессов - пересмотрено», Automatica, том 48, август 2012 г.
Имеется измененная версия этого примера. Открыть этот пример с помощью изменений?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.