Объекты являются экземплярами классов модели. Каждый класс представляет собой проект, определяющий следующую информацию о модели:
Как объект хранит данные
Операции, которые можно выполнить с объектом
Эта панель инструментов включает девять классов для представления моделей. Например, idss представляет линейные модели состояния-пространства и idnlarx представляет нелинейные модели ARX. Полный список доступных объектов модели см. в разделах Доступные линейные модели и Доступные нелинейные модели.
Свойства модели определяют способ хранения информации объектом модели. Объекты модели хранят информацию о модели, такую как математическая форма модели, имена входных и выходных каналов, единицы, имена и значения оценочных параметров, неопределенности параметров и отчет об оценке. Например, idss модель имеет InputName свойство для хранения одного или нескольких имен входных каналов.
Разрешенные операции с объектом называются методами. В программном обеспечении System Identification Toolbox™ некоторые методы имеют одно и то же имя, но применяются к нескольким объектам модели. Например, step создает график ответа на шаг для всех динамических системных объектов. Однако другие методы уникальны для конкретного объекта модели. Например, canon уникален для состояния-пространства idss модели и linearize к нелинейным моделям черного ящика.
Каждый класс имеет специальный метод, называемый конструктором, для создания объектов этого класса. С помощью конструктора создается экземпляр соответствующего класса или создается экземпляр объекта. Имя конструктора совпадает с именем класса. Например, idss и idnlarx являются как именем класса, так и именем конструктора для создания экземпляров линейных моделей состояния-пространства и нелинейных моделей ARX соответственно.
Конструкторы модели используются для создания объекта модели в командной строке путем явного указания всех требуемых свойств модели.
При необходимости необходимо создать объект модели независимо от оценки.
Моделирование или анализ влияния параметров модели на ее отклик, независимо от оценки.
Укажите начальное предположение для определенных значений параметров модели перед оценкой. Можно задать границы для значений параметров или настроить информацию о вспомогательной модели заранее, или и то и другое. Информация о вспомогательной модели включает в себя указание имен ввода/вывода, единиц измерения, примечаний, пользовательских данных и т.д.
В большинстве случаев команды оценки можно использовать как для построения, так и для оценки модели - без необходимости независимого построения объекта модели. Например, команда оценкиtfest создает модель передаточной функции с использованием данных и количества полюсов и нулей модели. Аналогично, nlarx создает нелинейную модель ARX, используя порядки и задержки данных и моделей, определяющие конфигурацию регрессора. Сведения о том, как создавать и оценивать модели с помощью одной команды, см. в разделе Команды оценки модели.
В случае серых моделей сначала необходимо построить объект модели, а затем оценить параметры обычного дифференциального или дифференциального уравнения.
В следующей таблице представлены конструкторы моделей, доступные в изделии System Identification Toolbox для представления различных типов линейных моделей.
После оценки модели можно распознать соответствующие объекты модели в браузере MATLAB ® Workspace по именам классов. Имя конструктора совпадает с именем создаваемого объекта.
Сведения о построении и оценке моделей с помощью одной команды см. в разделе Команды оценки моделей.
Сводка по конструкторам моделей
| Конструктор модели | Результирующий класс модели |
|---|---|
idfrd | Непараметрическая частотно-ответная модель. |
idproc | Непрерывные функции переноса низкого порядка (модели процессов). |
idpoly | Линейные модели полиномов «вход-выход»:
|
idss | Линейные модели состояния-пространства. |
idtf | Модели линейных передаточных функций. |
idgrey | Линейные обыкновенные дифференциальные или дифференциальные уравнения (серые модели). Вы пишете функцию, которая преобразует пользовательские параметры в матрицы state-space. Можно также рассматривать как модели пространства состояний с пользовательской параметризацией. |
Дополнительные сведения об использовании этих команд см. в разделе Когда создавать структуру модели независимо от оценки.
Способ хранения информации объектом модели определяется свойствами соответствующего класса модели.
Каждый объект модели имеет свойства для хранения информации, релевантной только для данного типа модели. idtf, idgrey, idpoly, idproc, и idss объекты модели основаны на idlti суперкласс и наследуют все idlti свойства.
Как правило, все объекты модели имеют свойства, относящиеся к следующим категориям:
Названия входных и выходных каналов, например InputName и OutputName
Время выборки модели, например Ts
Единицы измерения времени или частоты
Порядок модели и математическая структура (например, ОДУ или нелинейности)
Свойства, хранящие результаты оценки (Report)
Комментарии пользователя, например Notes и Userdata
Сведения о получении справки по свойствам объекта см. на страницах ссылок на модель.
В следующей таблице представлены команды для просмотра и изменения значений свойств модели. Имена свойств не чувствительны к регистру. Если первые несколько букв однозначно идентифицируют свойство, вводить полное имя свойства не требуется.
| Задача | Команда | Пример |
|---|---|---|
| Просмотр всех свойств модели и их значений | get | Загрузите образцы данных, вычислите модель ARX и перечислите свойства модели. load iddata8
m_arx=arx(z8,[4 3 2 3 0 0 0]);
get(m_arx) |
| Доступ к определенному свойству модели | Использовать точечную нотацию | Просмотрите матрицу A, содержащую оценочные параметры в предыдущей модели: m_arx.A |
Для свойств, таких как Report, которые сконфигурированы как структуры, используйте точечное представление формы model.PropertyName.FieldName.FieldName - имя любого поля свойства. | Просмотр метода, используемого при оценке модели ARX: m_arx.Report.Method | |
| Изменение значений свойств модели | точечная нотация | Изменение входных задержек для всех трех входных каналов на m_arx.InputDelay = [1 1 1] |
| Доступ к значениям параметров модели и информации о неопределенности | Использовать getpar, getpvec и getcovСм. также: polydata, idssdata, tfdata, zpkdata |
|
| Задание значений свойств модели и информации о неопределенности | Использовать setpar, setpvec и setcov |
|
| Получение количества параметров | Использовать nparams | Получение количества параметров: nparams(sys) |
Проверьте каждую модель непосредственно после оценки, чтобы помочь в точной настройке стратегии моделирования. Если удовлетворительная модель не достигнута, можно попробовать другую структуру и порядок модели или использовать другой алгоритм идентификации. Дополнительные сведения о проверке и устранении неполадок моделей см. в разделе Проверка моделей после оценки.