Оценка модели серого ящика

Оцените коэффициенты линейного и нелинейного дифференциальных, разностных и пространственно-государственных уравнений

Функции

greyestОценка модели линейного серого ящика
nlgreyestОценка нелинейных параметров модели серого ящика
idgreyЛинейная ОДУ (модель серого ящика) с идентифицируемыми параметрами
idnlgreyНелинейная модель серого ящика
pemМинимизация ошибки предсказания для уточнения линейных и нелинейных моделей
findstatesОценка начальных состояний модели
initУстановите или рандомизируйте начальные значения параметров
getinitЗначения idnlgrey модель начальных состояний
setinitУстановите начальные состояния idnlgrey объект модели
getparЗначения параметров и свойства idnlgrey параметры модели
setparУстановите начальные значения параметров idnlgrey объект модели
getpvecПолучите параметры модели и соответствующие данные о неопределенности
setpvecИзмените значения параметров модели
simСимулируйте реакцию идентифицированной модели
greyestOptionsНабор опций для greyest
nlgreyestOptionsНабор опций для nlgreyest
findstatesOptionsНабор опций для findstates
simOptionsНабор опций для sim

Примеры и как

Оценка линейных моделей серого-прямоугольника

Как задать и оценить линейные модели серый ящик в командной строке.

Оценка модели серого ящика в непрерывном времени для диффузии тепла

Этот пример показывает, как оценить теплопроводность и коэффициент теплопередачи модели серого ящика в непрерывном времени для нагреваемой стержневой системы.

Оценка модели серого ящика в дискретном времени с параметризованным нарушением порядка

Этот пример показывает, как создать структуру модели серого ящика с одним входом и одним выходом, когда вы знаете отклонение шума измерения.

Оценка коэффициентов ОДУ в соответствии с данным решением

Оцените параметры модели с помощью линейного и нелинейного серо-прямоугольного моделирования.

Оцените модель с использованием параметров нули/полюса/усиления

Этот пример показывает, как оценить модель, которая параметризована полюсами, нулями и усилениями.

Оценка нелинейных серо-прямоугольных моделей

Как задать и оценить нелинейные серые ящики в командной строке.

Создание файлов модели IDNLGREY

Этот пример показов, как записать файлы ОДУ для нелинейных моделей серого ящика как MATLAB и файлы MEX на C.

Оценка моделей в пространстве состояний с структурированной параметризацией

Структурированная параметризация позволяет вам исключить конкретные параметры из оценки, установив эти параметры к конкретным значениям.

Создание структурированных и пользовательских моделей с использованием System Identification Toolbox™

Этот пример показывает, как оценить параметры в пользовательских структурах модели.

Концепции

Поддерживаемые модели Grey-Box

Типы поддерживаемых моделей серого ящика.

Данные, поддерживаемые моделями Grey-Box

Типы поддерживаемых данных для оценки моделей серого ящика.

Выбор объекта модели idgrey или idnlgrey

Различие между idgrey и idnlgrey объекты модели для представления объектов модели серого ящика.

Идентификация моделей пространства состояний с отдельными описаниями шума процесса и измерения

Идентифицированная линейная модель используется для моделирования и прогнозирования системных выходов для заданных входных и шумовых сигналов.

Функция потерь и моделируйте метрики качества

Сконфигурируйте функцию потерь, которая минимизируется во время оценки параметра. После оценки используйте метрики качества модели для оценки качества идентифицированных моделей.

Отчет по оценке

Этот estimation report содержит информацию о результатах и опциях, используемых для оценки модели.

Регламентированные оценки параметров модели

Регуляризация является методом для определения ограничений на гибкость модели, тем самым уменьшая неопределенность в оцененных значениях параметров.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте