findstatesOptions

Набор опций для findstates

Описание

пример

opt = findstatesOptions создает набор опций по умолчанию для findstates. При необходимости используйте запись через точку, чтобы настроить набор опций.

пример

opt = findstatesOptions(Name,Value) создает набор опций с опциями, заданными одним или несколькими Name,Value аргументы в виде пар. Опции, которые вы не задаете, сохраняют свое значение по умолчанию.

Примеры

свернуть все

Создайте набор опций для findstates путем конфигурирования объекта спецификации для начальных состояний.

Идентифицируйте модель пространства состояний четвертого порядка из данных.

load iddata8 z8;
sys = ssest(z8,4);

z8 является iddata объект, содержащий данные отклика системы во временной области. sys является idss четвертого порядка модель, которая идентифицируется из данных.

Сконфигурируйте объект спецификации для начальных состояний модели.

x0obj = idpar([1;nan(3,1)]);
x0obj.Free(1) = false;
x0obj.Minimum(2) = 0;
x0obj.Maximum(2) = 1;

x0obj задает ограничения оценки для начальных условий. Значение первого состояния задается как 1, когда x0obj создается. x0obj.Free(1) = false задает первое начальное состояние как фиксированный параметр оценки. Второе состояние неизвестно. Но, x0obj.Minimum(2) = 0 и x0obj.Maximum(2) = 1 задайте нижнюю и верхнюю границы второго состояния следующим 0 и 1, соответственно.

Создайте набор опций для findstates для идентификации начальных состояний модели.

opt = findstatesOptions;
opt.InitialState = x0obj;

Идентифицируйте начальные состояния модели.

x0_estimated = findstates(sys,z8,Inf,opt);

Создайте набор опций для findstates где:

  • Начальные состояния оцениваются таким образом, чтобы норма ошибки предсказания была минимизирована. Также оцениваются начальные значения состояний, соответствующих ненулевым задержкам.

  • Адаптивный подпространство Gauss-Newton поиск используется для оценки.

opt = findstatesOptions('InitialState','d','SearchMethod','gna');

Входные параметры

свернуть все

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

Пример: findstatesOptions('InitialState','d')

Оценка начальных состояний, заданная как разделенная разделенными запятой парами, состоящая из 'InitialState' и одно из следующих:

  • 'e' - начальные состояния оцениваются таким образом, чтобы норма ошибки предсказания была минимизирована.

    Для нелинейных серых серых ящиков только эти начальные состояния i которые обозначены как свободные в модели (sys.InitialStates(i).Fixed = false) оценены. Чтобы оценить все состояния модели, сначала задайте все Nx состояний idnlgrey модели sys как бесплатно.

    for i = 1:Nx
    sys.InitialStates(i).Fixed = false;
    end 

    Точно так же, чтобы исправить все начальные состояния к значениям, заданным в sys.InitialStatesсначала задайте все состояния как фиксированные в sys.InitialStates свойство нелинейной модели серого ящика.

  • 'd' - Подобно 'e', но поглощает ненулевые задержки в коэффициенты модели. Задержки сначала преобразуются в явные состояния модели, и начальные значения этих состояний также оцениваются и возвращаются.

    Используйте эту опцию только для линейных моделей в дискретном времени.

  • Vector or Matrix - Начальное предположение для значений состояния, при использовании нелинейных моделей. Задайте вектор-столбец длины, равную количеству состояний. Для данных нескольких экспериментов используйте матрицу с Ne столбцы, где Ne количество экспериментов.

    Используйте эту опцию только для нелинейных моделей.

  • x0obj - Объект спецификации, созданный с помощью idpar. Использование x0obj наложение ограничений на начальные состояния путем фиксации их значения или определения минимальных или максимальных границ.

    Использование x0obj только для нелинейных моделей серого ящика и линейных моделей пространства состояний (idss или idgrey). Эта опция применима только для горизонта предсказания, равного 1 или Inf. Посмотрите findstates для получения дополнительной информации о горизонте предсказания.

Удаление смещения от входных данных во временной области во время оценки, заданное как разделенная разделенными запятой парами, состоящая из 'InputOffset' и одно из следующих:

  • A вектора-столбца положительных целых чисел длины Nu, где Nu - количество входов.

  • [] - Отсутствие смещения.

  • Nu -by- Ne матрица - Для данных нескольких экспериментов задайте InputOffset как матрица Nu -by Ne. Nu - количество входов, а Ne - количество экспериментов.

Каждая запись, заданная InputOffset вычитается из соответствующих входных данных.

Удаление смещения из выходных данных временной области во время оценки, заданное как разделенная разделенными запятой парами, состоящая из 'OutputOffset' и одно из следующих:

  • Вектор-столбец длины Ny, где Ny количество выходов.

  • [] - Отсутствие смещения.

  • Ny -by- Ne матрица - Для данных нескольких экспериментов задайте OutputOffset как матрица Ny -by Ne. Ny - количество выходов, а Ne - количество экспериментов.

Каждая запись, заданная OutputOffset вычитается из соответствующих выходных данных.

Взвешивание ошибок предсказания при использовании мульти-выходных данных, заданное как разделенная разделенными запятой парами, состоящая из 'OutputWeight' и одно из следующих:

  • [] - Взвешивание не используется. Определение как [] то же, что и eye(Ny), где Ny количество выходов.

  • 'noise' - Обратное отклонение шума, сохраненная в модели, используется для взвешивания во время оценки начальных состояний.

  • Положительная полуопределенная матрица, W, размера Ny -by- Ny - Это взвешивание минимизирует trace(E'*E*W) для оценки начальных состояний, где E - матрица ошибок предсказания.

Численный метод поиска, используемый для итерационной оценки параметра, заданный как разделенная разделенными запятой парами, состоящая из 'SearchMethod' и одно из следующих:

  • 'auto' - комбинация алгоритмов поиска по линии, 'gn', 'lm', 'gna', и 'grad' методы пробуются последовательно при каждой итерации. Используется первое направление спуска, ведущее к снижению стоимости оценки.

  • 'gn' - Подпространство Гаусса-Ньютона поиск наименьших квадратов. Сингулярные значения якобиевой матрицы менее GnPinvConstant*eps*max(size(J))*norm(J) отбрасываются при вычислении направления поиска. J - якобианская матрица. Матрица Гессия аппроксимируется как JTJ. Если улучшения в этом направлении нет, функция пробует градиентное направление.

  • 'gna' - Адаптивный подпространство Gauss-Newton search. Собственные значения меньше gamma*max(sv) Гессиан игнорируются, где sv содержат сингулярные значения Гессиана. Направление Гаусса-Ньютона вычисляется в оставшемся подпространстве. gamma имеет начальное значение InitialGnaTolerance (см. Advanced в 'SearchOptions' для получения дополнительной информации. Это значение увеличивается на множитель LMStep каждый раз, когда поиск не находит меньшее значение критерия менее чем за пять бисекций. Это значение уменьшается на множитель 2*LMStep каждый раз, когда поиск успешен без каких-либо бисекций.

  • 'lm' - поиск Левенберга-Марквардта методом наименьших квадратов, где следующее значение параметров -pinv(H+d*I)*grad от предыдущего. H - Гессиан, I - тождества матрица, а grad - градиент. d - это число, которое увеличивается до тех пор, пока не будет найдено более низкое значение критерия.

  • 'grad' - Наискорейший спуск поиска методом наименьших квадратов.

  • 'lsqnonlin' - Алгоритм, отражающий доверительную область lsqnonlin (Optimization Toolbox). Требуется программное обеспечение Optimization Toolbox™.

  • 'fmincon' - Нелинейные решатели с ограничениями. Можно использовать последовательные квадратичные алгоритмы программирования (SQP) и отражения доверительной области fmincon (Optimization Toolbox) решатель. Если у вас есть программное обеспечение Optimization Toolbox, можно также использовать алгоритмы interior-point и active-set fmincon решатель. Задайте алгоритм в SearchOptions.Algorithm опция. The fmincon алгоритмы могут привести к улучшению результатов оценки в следующих сценариях:

    • Ограниченные задачи минимизации, когда существуют ограничения, накладываемые на параметры модели.

    • Моделируйте структуры, где функция потерь является нелинейной или не сглаженной функцией параметров.

    • Оценка модели с мультивыходами. Функция определяющих минимизируется по умолчанию для оценки мультивыхода. fmincon алгоритмы способны минимизировать такие функции потерь непосредственно. Другие методы поиска, такие как 'lm' и 'gn' минимизировать функцию определяющих путем поочередной оценки отклонения шума и уменьшения значения потерь для заданного значения отклонения шума. Следовательно, fmincon алгоритмы могут предложить лучшую эффективность и точность для оценок мультивыхода.

Набор опций для алгоритма поиска, заданный как разделенная разделенными запятой парами, состоящая из 'SearchOptions ' и набор опций поиска с полями, которые зависят от значения SearchMethod.

SearchOptions Структура при SearchMethod Задается как 'gn', 'gna', 'lm', 'grad', или 'auto'

Имя поляОписаниеДефолт
Tolerance

Минимальный процент различия между текущим значением функции потерь и ее ожидаемым улучшением после следующей итерации, заданным как положительная скалярная величина. Когда процент ожидаемого улучшения меньше Tolerance, итерации прекращаются. Оценка ожидаемого улучшения функции потерь при следующей итерации основана на векторе Гаусса-Ньютона, вычисленном для текущего значения параметров.

0.01
MaxIterations

Максимальное количество итераций во время минимизации функции потерь, заданное как положительное целое число. Итерации останавливаются, когда MaxIterations достигается или удовлетворяется другой критерий остановки, такой как Tolerance.

Настройка MaxIterations = 0 возвращает результат процедуры запуска.

Использование sys.Report.Termination.Iterations чтобы получить фактическое количество итераций во время оценки, где sys является idtf модель.

20
Advanced

Дополнительные параметры поиска, заданные как структура со следующими полями:

Имя поляОписаниеДефолт
GnPinvConstant

Якобианский матричный порог сингулярного значения, заданный как положительная скалярная величина. Сингулярные значения якобиевой матрицы, которые меньше GnPinvConstant*max(size(J)*norm(J)*eps) отбрасываются при вычислении направления поиска. Применяется при SearchMethod является 'gn'.

10000
InitialGnaTolerance

Начальное значение gamma, заданное как положительная скалярная величина. Применяется при SearchMethod является 'gna'.

0.0001
LMStartValue

Начальное значение длины направления поиска, d в методе Левенберга-Марквардта, задается как положительная скалярная величина. Применяется при SearchMethod является 'lm'.

0.001
LMStep

Размер шага Левенберга - Марквардта, заданный как положительное целое число. Следующее значение длины направления поиска, d в методе Левенберга-Марквардта LMStep умножить на предыдущий. Применяется при SearchMethod является 'lm'.

2
MaxBisections

Максимальное количество бисекций, используемых для поиска по линии в поисковом направлении, заданное в виде положительного целого числа.

25
MaxFunctionEvaluations

Максимальное количество вызовов файла модели в виде положительного целого числа. Итерации останавливаются, если количество вызовов файла модели превышает это значение.

Inf
MinParameterChange

Наименьшее обновление параметра разрешено на итерацию, заданное как неотрицательный скаляр.

0
RelativeImprovement

Относительный порог улучшения, заданный как неотрицательный скаляр. Итерации останавливаются, если относительное улучшение функции критерия меньше этого значения.

0
StepReduction

Коэффициент сокращения шага, заданный как положительная скалярная величина, которая больше 1. Предлагаемое обновление параметра уменьшается на множитель StepReduction после каждой попытки. Это сокращение продолжается до MaxBisections попытка завершена или получено меньшее значение функции критерия.

StepReduction не применяется для SearchMethod 'lm' (метод Левенберга-Марквардта).

2

SearchOptions Структура при SearchMethod Задается как 'lsqnonlin'

Имя поляОписаниеДефолт
FunctionTolerance

Допуск на разрыв функции потерь, которую программное обеспечение минимизирует, чтобы определить оцененные значения параметров, заданные как положительная скалярная величина.

Значение FunctionTolerance является тем же самым, что и у opt.SearchOptions.Advanced.TolFun.

1e-5
StepTolerance

Допуск на разрыв для предполагаемых значений параметров, заданный как положительная скалярная величина.

Значение StepTolerance является тем же самым, что и у opt.SearchOptions.Advanced.TolX.

1e-6
MaxIterations

Максимальное количество итераций во время минимизации функции потерь, заданное как положительное целое число. Итерации останавливаются, когда MaxIterations достигается или удовлетворяется другой критерий остановки, такой как FunctionTolerance.

Значение MaxIterations является тем же самым, что и у opt.SearchOptions.Advanced.MaxIter.

20
Advanced

Расширенные настройки поиска, заданные как набор опций для lsqnonlin.

Для получения дополнительной информации смотрите таблицу Опции Оптимизации в Опциях Оптимизации (Optimization Toolbox).

Использование optimset('lsqnonlin') чтобы создать набор опций по умолчанию.

SearchOptions Структура при SearchMethod Задается как 'fmincon'

Имя поляОписаниеДефолт
Algorithm

fmincon алгоритм оптимизации, заданный как один из следующих:

  • 'sqp' - Алгоритм последовательного квадратичного программирования. Алгоритм удовлетворяет границам на всех итерациях, и он может восстановиться после NaN или Inf результаты. Это не масштабный алгоритм. Для получения дополнительной информации см. «Алгоритмы большого и среднего масштаба» (Optimization Toolbox).

  • 'trust-region-reflective' - Метод доверительной области подпространства, основанный на светоотражающем внутреннем методе Ньютона. Это масштабный алгоритм.

  • 'interior-point' - Крупномасштабный алгоритм, который требует программного обеспечения Optimization Toolbox. Алгоритм удовлетворяет границам на всех итерациях, и он может восстановиться после NaN или Inf результаты.

  • 'active-set' - Требуется программное обеспечение Optimization Toolbox. Алгоритм может сделать большие шаги, что добавляет скорости. Это не масштабный алгоритм.

Для получения дополнительной информации об алгоритмах смотрите Ограниченные алгоритмы нелинейной оптимизации (Optimization Toolbox) и Выбор алгоритма (Optimization Toolbox).

'sqp'
FunctionTolerance

Допуск на разрыв функции потерь, которую программное обеспечение минимизирует, чтобы определить оцененные значения параметров, заданные как положительная скалярная величина.

1e-6
StepTolerance

Допуск на разрыв для предполагаемых значений параметров, заданный как положительная скалярная величина.

1e-6
MaxIterations

Максимальное количество итераций во время минимизации функции потерь, заданное как положительное целое число. Итерации останавливаются, когда MaxIterations достигается или удовлетворяется другой критерий остановки, такой как FunctionTolerance.

100

Чтобы задать значения полей в SearchOptions , создайте findstatesOptions по умолчанию установите и измените поля с помощью записи через точку. Все поля, которые вы не изменяете, сохраняют значения по умолчанию.

opt = findstatesOptions;
opt.SearchOptions.Tolerance = 0.02;
opt.SearchOptions.Advanced.MaxBisections = 30;

Выходные аргументы

свернуть все

Набор опций для findstates, возвращается как findstatesOptions набор опций.

Вопросы совместимости

расширить все

См. также

|

Введенный в R2012a
Для просмотра документации необходимо авторизоваться на сайте