Загрузите данные оценки.

load iddata1 z1

z1 является iddata объект, который хранит данные оценки вход-выход.

Оцените модель пространства состояний третьего порядка.

sys = ssest(z1,3);

Симулируйте ответ предполагаемой модели с помощью метода Монте-Карло и входных данных оценки и постройте график отклика.

simsd(sys,z1);

Синий цвет линейных графиков симулированного отклика исходной номинальной модели sys. Зеленые линии строят график симулированного отклика 10 возмущенных реализаций sys.

Симулируйте предполагаемую модель с помощью метода Монте-Карло для заданного количества возмущений модели.

Оцените модель пространства состояний второго порядка, используя данные оценки. Получение sys в канонической форме наблюдаемости.

load iddata3 z3
sys = ssest(z3,2,'Form','canonical');

Вычислите симулированный отклик предполагаемой модели с помощью метода Монте-Карло и постройте график откликов. Задайте количество возмущений случайной модели как 20.

N = 20;
simsd(sys,z3,N)

Синий цвет линейных графиков симулированного отклика исходной номинальной модели sys. Зеленые линии строят график симулированного отклика 20 возмущенных реализаций sys.

Можно также получить симулированный отклик для каждого возмущения sys. При использовании этого синтаксиса график не генерируется.

y = simsd(sys,z3,N);

y - симулированный отклик, возвращенный как массив ячеек N+ 1 элемент. y{1} содержит номинальный ответ для sys. Остальные элементы содержат симулированный отклик для N возмущенные реализации.

Загрузка данных временных рядов.

load iddata9 z9

z9 является iddata объект с 200 выходными выборками данных и без входов.

Оцените модель AR шестого порядка с помощью алгоритма наименьших квадратов.

sys = ar(z9,6,'ls');

Для данных временных рядов задайте необходимую длину симуляции, Ns = 200 с использованием Ns-by-0 входных данных set.

data = iddata([],zeros(200,0),z9.Ts);

Установите начальные условия для использования начальных выборок временных рядов в качестве исторических выходных выборок. Прошлые данные отображаются на начальные состояния каждой возмущенной системы индивидуально.

IC = struct('Input',[],'Output',z9.y(1:6));
opt = simsdOptions('InitialCondition',IC);

Симулируйте модель с помощью метода Монте-Карло и заданных начальных условий. Задайте количество возмущений случайной модели как 20.

simsd(sys,data,20,opt)

Синий цвет линейных графиков симулированного отклика исходной номинальной модели sys. Зеленые линии строят график симулированного отклика 20 возмущенных реализаций sys.

Загрузите данные и разделите их на оценки и данные моделирования.

load iddata3
ze = z3(1:200);
zsim = z3(201:256);

Оцените модель пространства состояний второго порядка sys использование данных оценки. Задайте, что ковариационные данные параметра не генерируются. Получение sys в канонической форме наблюдаемости.

opt = ssestOptions('EstimateCovariance',false);
sys = ssest(ze,2,'Form','canonical',opt);

Установите начальные условия для симуляции предполагаемой модели. Задайте начальные значения состояния x0 для двух состояний, а также ковариации начальных значений состояний x0Cov. Ковариация задана как матрица 2 на 2, потому что существует два состояния.

x0 = [1.2; -2.4];
x0Cov = [0.86 -0.39; -0.39 1.42];
opt = simsdOptions('InitialCondition',x0,'X0Covariance',x0Cov);

Симулируйте модель с помощью метода Монте-Карло и заданных начальных условий. Задайте количество возмущений случайной модели как 100.

simsd(sys,zsim,100,opt)

Синий цвет линейных графиков симулированного отклика исходной номинальной модели sys. Зеленые линии строят график симулированного отклика 100 возмущенных реализаций sys. Программа использует разную реализацию начальных состояний, чтобы симулировать каждую возмущенную модель. Начальные состояния берутся из Гауссова распределения со средними InitialCondition и ковариационные X0Covariance.

Загрузите данные оценки.

load iddata1 z1

z1 является idddata объект, который хранит 300 выборок входно-выходных данных оценки.

Оцените модель пространства состояний второго порядка, используя данные оценки.

sys = ssest(z1,2);

Создайте набор опций по умолчанию для simsd, и измените набор опций, чтобы добавить шум.

opt = simsdOptions;
opt.AddNoise = true;

Вычислите симулированный отклик предполагаемой модели с помощью метода Монте-Карло. Задайте количество случайных возмущений модели как 20 и симулируйте модель с помощью заданного набора опций.

[y,y_sd] = simsd(sys,z1,20,opt);

y - симулированный отклик, возвращенный как массив ячеек из 21 элемента. y{1} содержит номинальный, бесшумный ответ для sys. Остальные элементы содержат симулированный отклик для 20 возмущенных реализаций sys с нарушениями порядка к каждому ответу.

y_sd - предполагаемое стандартное отклонение симулированного отклика, возвращаемое как iddata объект без входов. Стандартные отклонения вычисляются из 21 моделируемых выходов. Для доступа к стандартному отклонению используйте y_sd.OutputData.