n4sidOptions

Набор опций для n4sid

Синтаксис

opt = n4sidOptions
opt = n4sidOptions(Name,Value)

Описание

opt = n4sidOptions создает набор опций по умолчанию для n4sid.

opt = n4sidOptions(Name,Value) создает набор опций с параметрами, заданными одним или несколькими Name,Value аргументы в виде пар.

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.

Обработка начальных состояний во время оценки, заданная как одно из следующих значений:

  • 'zero' - Начальное состояние устанавливается в нуль.

  • 'estimate' - Начальное состояние рассматривается как независимый параметр оценки.

Схема взвешивания, используемая для сингулярного разложения алгоритмом N4SID, заданная как одно из следующих значений:

  • 'MOESP' - Использует алгоритм MOESP от Verhaegen [2].

  • 'CVA' - Использует алгоритм канонической вариации Ларимора [1].

    Оценка с использованием данных частотного диапазона всегда использует 'CVA'.

  • 'SSARX' - метод идентификации подпространства, который использует алгоритм, основанный на оценке ARX, для вычисления взвешивания.

    Установка этой опции позволяет объективные оценки при использовании данных, которые собираются при операции с обратной связью. Для получения дополнительной информации об алгоритме см. [4].

  • 'auto' - функция оценки выбирает между MOESP, CVA и SSARX алгоритмы.

Горизонты прогнозирования вперед и назад, используемые алгоритмом N4SID, заданные как одно из следующих значений:

  • A вектора-строки с тремя элементами -   [r sy su], где r - максимальный горизонт предсказания вперед, с использованием до r упреждающие предикторы. sy количество прошлых выходов и su - количество прошлых входов, используемых для предсказаний. Для получения дополнительной информации см. страницы 209 и 210 в разделе [3]. Эти числа могут оказать существенное влияние на качество полученной модели, и нет простых правил для их выбора. Создание 'N4Horizon' a k-by-3 матрица означает, что каждая строка 'N4Horizon' пробуется, и выбирается значение, которое обеспечивает лучшее (предсказание) подгонка данным. k количество догадок   [r sy su] комбинации. Если вы задаете N4Horizon как один столбец, r = sy = su используется.

  • 'auto' - Программное обеспечение использует информационный критерий Akaike (AIC) для выбора sy и su.

Ошибка, которая будет минимизирована в функции потерь во время оценки, заданная как разделенная разделенными запятой парами, состоящая из 'Focus' и одно из следующих значений:

  • 'prediction' - Ошибка предсказания на один шаг вперед между измеренным и предсказанным выходами минимизируется во время оценки. В результате оценка фокусируется на создании хорошей модели предиктора.

  • 'simulation' - Ошибка симуляции между измеренным и моделируемым выходами минимизируется во время оценки. В результате оценка фокусируется на том, чтобы сделать хорошую подгонку для симуляции отклика модели с текущими входами.

The Focus опция может быть интерпретирована как фильтр взвешивания в функции потерь. Для получения дополнительной информации см. «Функция потерь» и «Метрики качества модели».

Предварительный фильтр взвешивания, примененный к функции потерь, которая будет минимизирована во время оценки. Чтобы понять эффект WeightingFilter о функции потерь см. «Функция потерь» и «Метрики качества модели».

Задайте WeightingFilter как одно из следующих значений:

  • [] - Утяжеляющий предварительный фильтр не используется.

  • Полосы пропускания - Задайте вектор-строку или матрицу, содержащую значения частоты, которые определяют желаемые полосы пропускания. Вы выбираете полосу частот, где оптимизировано соответствие между оценочной моделью и данными оценки. Для примера, [wl,wh] где wl и wh представляют собой нижний и верхний пределы полосы пропускания. Для матрицы с несколькими строками, определяющими полосы пропускания частоты, [w1l,w1h;w2l,w2h;w3l,w3h;...]алгоритм оценки использует объединение частотных областей значений, чтобы задать полосу пропускания оценки.

    Полосы пропускания выражены в rad/TimeUnit для данных во временной области и в FrequencyUnit для данных частотного диапазона, где TimeUnit и FrequencyUnit являются временными и частотными модулями данных оценки.

  • SISO-фильтр - Задает линейный фильтр с одним входом и одним выходом (SISO) одним из следующих способов:

    • Модель SISO LTI

    • {A,B,C,D} формат, который задает матрицы пространства состояний фильтра с тем же шагом расчета, что и данные оценки.

    • {numerator,denominator} формат, который задает числитель и знаменатель фильтра как передаточную функцию с тем же шагом расчета, что и данные оценки.

      Эта опция вычисляет функцию взвешивания как продукт фильтра и входа спектра, чтобы оценить передаточную функцию.

  • Вектор взвешивания - применим только для данных частотного диапазона. Задайте вектор-столбец весов. Этот вектор должен иметь ту же длину, что и вектор частоты набора данных, Data.Frequency. Каждый входной и выходной отклик в данных умножается на соответствующий вес на этой частоте.

Управляйте, следует ли применять стабильность предполагаемой модели, заданную как разделенная разделенными запятой парами, состоящая из 'EnforceStability' и любой из них true или false.

Типы данных: logical

Управляет, генерируются ли ковариационные данные параметра, задается как true или false.

Если EstimateCovariance является true, затем используйте getcov чтобы извлечь ковариационную матрицу из предполагаемой модели.

Укажите, отображать ли прогресс оценки, заданный как одно из следующих значений:

  • 'on' - Информация о структуре модели и результатах оценки отображаются в окне progress-viewer.

  • 'off' - Информация о прогрессе или результатах не отображается.

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 в многозначных оценках, заданное как одно из следующих значений:

  • 'noise' - Минимизировать det(E'*E/N), где E представляет ошибку предсказания и N количество выборок данных. Этот выбор оптимален в статистическом смысле и приводит к максимальным оценкам правдоподобия в случае, если нет доступных данных о отклонении шума. Эта опция использует обратное расчетное отклонение шума в качестве функции взвешивания.

  • Положительная полуопределённая симметричная матрица (W) - Минимизируйте трассировку взвешенной матрицы ошибки предсказания trace(E'*E*W/N) где:

    • E - матрица ошибок предсказания с одним столбцом для каждого выхода. W - положительная полуопределенная симметричная матрица размера, равная количеству выходов. Использование W для определения относительной важности выходов в нескольких-выходных моделях или надежности соответствующих данных.

    • N количество выборок данных.

  • [] - Программное обеспечение выбирает между 'noise' или использование матрицы тождеств для W.

Эта опция актуальна только для мультивыходов.

Дополнительные дополнительные опции, заданные как структура с полем MaxSize. MaxSize задает максимальное количество элементов в сегменте, когда входно-выходные данные разделены на сегменты.

MaxSize должно быть положительным целым числом.

По умолчанию: 250000

Выходные аргументы

свернуть все

Набор опций для n4sid, возвращается как n4sidOptions набор опций.

Примеры

свернуть все

opt = n4sidOptions;

Создайте набор опций для n4sid использование 'zero' опция инициализации состояния. Установите Display на 'on'.

opt = n4sidOptions('InitialState','zero','Display','on');

Кроме того, используйте запись через точку, чтобы задать значения opt.

opt = n4sidOptions;
opt.InitialState = 'zero';
opt.Display = 'on';

Вопросы совместимости

расширить все

Ссылки

[1] Larimore, W.E. «Canonical variate analysis in identification, filtering and adaptive control». Материалы 29-й Конференции IEEE по принятию решений и контролю, стр. 596-604, 1990 год.

[2] Верхеген, М. «Идентификация детерминированной части космических моделей состояния MIMO». Automatica, Vol. 30, 1994, pp. 61-74.

[3] Ljung, L. System Identification: Теория для пользователя. Upper Saddle River, NJ: Prentice-Hall PTR, 1999.

[4] Янссон, М. «Subspace identification and ARX modeling». 13-й симпозиум IFAC по системе идентификации, Роттердам, Нидерланды, 2003.

Введенный в R2012a
Для просмотра документации необходимо авторизоваться на сайте