Идентифицируйте линейную модель и визуализируйте моделируемый ответ модели с данными, из которых он был сгенерирован.

Загрузка входных/выходных измерений z1, и идентифицировать модель пространства состояний третьего порядка sys.

load iddata1 z1;
sys = ssest(z1,3);

sys - идентифицированное в непрерывном времени пространство состояний (idss) модель.

Использование compare для симуляции sys отклик и постройте график рядом с данными z1.

figure
compare(z1,sys)

График иллюстрирует различия между откликом модели и исходными данными. Процент, показанный в легенде, является значением соответствия NRMSE. Это представляет, как близко к данным выход предсказанной модели.

Чтобы изменить параметры отображения на графике, щелкните правой кнопкой мыши график, чтобы получить доступ к контекстному меню. Для примера:

Идентифицируйте линейную модель и визуализируйте предсказанную реакцию модели с данными, из которых она была вычислена.

Идентифицируйте модель пространства состояний третьего порядка, используя входные/выходные измерения в z1.

load iddata1 z1;
sys = ssest(z1,3);

sys - идентифицированное в непрерывном времени пространство состояний (idss) модель.

Теперь используйте compare для построения графика предсказанной характеристики. Предсказание отличается от симуляции тем, что использует как измеренный вход, так и измеренный выход при вычислении отклика системы. Горизонт предсказания определяет, как далеко в будущем предсказать, относительно вашей текущей измеренной выходной точки. В данном примере задайте горизонт предсказания kstep до 10 шагов и использование compare для построения графика предсказанной характеристики относительно исходных данных измерений.

kstep = 10;
compare(z1,sys,kstep)

На этом графике каждый sys точка данных представляет предсказанный выход, сопоставленный с выходными данными измерения, который был сделан, по меньшей мере, на 10 шагов раньше. Для образца точка t = 15s основана на измерениях выхода выполненных в или до t = 5с. Вычисление этого t = 15s sys точка данных также использует входные измерения до t = 15s, так же как и симуляция.

График иллюстрирует различия между откликом модели и исходными данными. Процент, показанный в легенде, является значением соответствия NRMSE. Он представляет, насколько близок выход предсказанной модели к данным.

Чтобы изменить опции отображения и симуляции на графике, щелкните правой кнопкой мыши график, чтобы получить доступ к контекстному меню. Для примера, чтобы построить график ошибки между предсказанным выходом и измеренным выходом, выберите Error Plot в контекстном меню. Чтобы изменить значение горизонта предсказания или переключаться между симуляцией и предсказанием, выберите Prediction Horizon в контекстном меню.

Идентифицируйте несколько типов модели для одних и тех же данных и сравните результаты, чтобы увидеть, что лучше всего подходит для данных.

Загрузите данные, которые содержат iddata z1 объекта с одним входом и выходом.

load iddata1;

Из z1, идентифицируйте модель для каждой из следующих линейных форм:

sys_armax = armax(z1,[2 3 1 0]);
sys_ss = ssest(z1,3);
sys_tf = tfest(z1,3);

Использование compare, постройте график симулированных откликов для трех моделей с помощью z1.

compare(z1,sys_armax,sys_ss,sys_tf)

Для этого набора данных, наряду с настройками по умолчанию для всех моделей, форма transfer-function имеет лучшую подгонку NRMSE. Однако подгонки для всех моделей находятся в пределах примерно 1% друг от друга.

Можно интерактивно управлять, какие отклики модели отображаются на графике, щелкнув правой кнопкой мыши на графике и зависая над Системами.

Сравните выходы нескольких предполагаемых моделей различных типов с измеренными данными частотного диапазона.

В этом примере оцените модель процесса и полином выходной ошибки из данных частотной характеристики.

load demofr  % frequency response data
zfr = AMP.*exp(1i*PHA*pi/180);  
Ts = 0.1;
data = idfrd(zfr,W,Ts);  
sys1 = procest(data,'P2UDZ'); 
sys2 = oe(data,[2 2 1]);

sys1, an idproc модель, является непрерывной моделью процесса. sys2, an idpoly модель, является моделью вывода-ошибки в дискретном времени.

Сравните частотную характеристику оцененных моделей с данными.

compare(data,sys1,'g',sys2,'r');

Две модели имеют значения подгонки NRMSE, которые почти равны относительно данных, из которых они были вычислены.

Измените поведение по умолчанию при сравнении предполагаемой модели с измеренными данными.

Оцените передаточную функцию для измеренных данных.

load iddata1 z1;
sys = tfest(z1,3);

sys является идентифицированной передаточной функцией в непрерывном времени (idtf) модель.

Предположим, что вы хотите, чтобы ваши начальные условия были нулевыми. Значение по умолчанию для compare - оценить начальные условия из данных.

Создайте набор опций, чтобы задать обработку начальных условий. Чтобы использовать нуль для начальных условий, задайте 'z' для 'InitialCondition' опция.

opt = compareOptions('InitialCondition','z');

Сравните предполагаемую модель передаточной функции выхода с измеренными данными с помощью набора опций сравнения.

compare(z1,sys,opt)

Загрузите данные.

load iddata2 z2

Разделите данные на наборы оценок и валидации.

z2e = z2(1:200);
z2v = z2(201:400);
plot(z2e,z2v)

Оцените модель пространства состояний и модель передаточной функции, используя данные оценки.

sys_ss = ssest(z2e,2);
sys_tf = tfest(z2e,2,1);

Использование compare для получения начальных условий для sys_ss.

[y_ss,fit_ss,ic_ss] = compare(z2e,sys_ss);
ic_ss

ic_ss = 2×1

   -0.0018
    0.0016

ic_ss является числовым вектором начальных состояний.

[y_tf,fit_tf,ic_tf] = compare(z2e,sys_tf);
ic_tf

ic_tf = 
  initialCondition with properties:

     A: [2x2 double]
    X0: [2x1 double]
     C: [-1.6093 5.1442]
    Ts: 0

ic_tf является initialCondition объект, который содержит в форме пространства состояний модель свободного отклика sys_tf к начальным условиям. A и C содержат информацию о свободном отклике и X0 содержит начальные состояния.

Теперь получите начальные условия для обеих моделей сразу, используя данные валидации.

[y_sstf,fit_sstf,ic_sstf] = compare(z2v,sys_ss,sys_tf);
ic_sstf

ic_sstf=2×1 cell array
    {2x1 double          }
    {1x1 initialCondition}

ic_sstf - массив ячеек, который содержит вектор начального состояния для sys_ss и initialCondition объект для sys_tf.

compare может обеспечить начальные условия для существующей модели с любым набором данных измерения.