Оцените полиномиальную модель, используя данные временной или частотной области
sys = polyest(data,[na nb nc nd nf nk])
sys = polyest(data,[na nb nc nd nf nk],Name,Value)
sys = polyest(data,init_sys)
sys = polyest(___, opt)
[sys,ic] = polyest(___)
sys = polyest(data,[na nb nc nd nf nk])sys, используя данные временной или частотной области, data.
sys имеет вид
A (<reservedrangesplaceholder11>), B (<reservedrangesplaceholder9>), F (<reservedrangesplaceholder7>), C (<reservedrangesplaceholder5>) и D (<reservedrangesplaceholder3>) являются многочленными матрицами. u (t) является входом, и nk - это вход задержка. y (t) является выходом, а e (t) - нарушение порядка сигналом. na , nb, nc, nd и nf порядки A (<reservedrangesplaceholder8>), B (<reservedrangesplaceholder6>), C (<reservedrangesplaceholder4>), D (<reservedrangesplaceholder2>) и F (<reservedrangesplaceholder0>) полиномы, соответственно.
sys = polyest(data,[na nb nc nd nf nk],Name,Value)Name,Value аргументы в виде пар.
sys = polyest(data,init_sys)init_sys для конфигурирования начальной параметризации.
sys = polyest(___, opt)opt, для определения поведения оценки.
[ возвращает предполагаемые начальные условия как sys,ic] = polyest(___)initialCondition объект. Используйте этот синтаксис, если вы планируете моделировать или предсказать ответ модели с помощью тех же входных данных оценки, а затем сравнить ответ с теми же выходными данными оценки. Включение начальных условий приводит к лучшему соответствию во время первой части симуляции.
|
Оценочные данные. Для оценки во временной области, Можно оценить только модели в дискретном времени, используя данные временной области. Для оценки моделей в непрерывном времени с использованием данных во временной области, см. Для оценки частотного диапазона,
|
|
Порядок полинома A (q).
|
|
Порядок полинома B (q) + 1.
|
|
Порядок полинома C (q).
|
|
Порядок полинома D (q).
|
|
Порядок полинома F (q).
|
|
Входная задержка в количестве выборок, выраженная как фиксированные начальные нули B полинома.
|
|
Опции оценки.
|
|
Линейная система, которая конфигурирует начальную параметризацию Получаете Если Используйте
Если Если |
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.
|
Задержки на транспорте. Для систем непрерывного времени задайте задержки транспорта в модуле времени, сохраненной в Для системы MIMO с По умолчанию: |
|
Входная задержка для каждого входного канала, заданная как скалярное значение или числовой вектор. Для систем непрерывного времени задайте задержки на входе в модуле времени, сохраненной в Для системы с Можно также задать По умолчанию: 0 |
|
Логический вектор, задающий интеграторы в канале шума.
Настройка Где, является интегратором в канале шума, e (t). Использование Для примера, load iddata1 z1; z1 = iddata(cumsum(z1.y),cumsum(z1.u),z1.Ts,'InterSample','foh'); sys = polyest(z1, [2 2 2 0 0 1],'IntegrateNoise',true); |
|
Полиномиальная модель, возвращенная как Если Y (<reservedrangesplaceholder10>), U (<reservedrangesplaceholder8>) и E (<reservedrangesplaceholder6>) являются Преобразования Лапласа сигналов временной области y (<reservedrangesplaceholder4>), u (<reservedrangesplaceholder2>) и e (<reservedrangesplaceholder0>), соответственно. Информация о результатах оценки и используемых опциях хранится в
Для получения дополнительной информации об использовании | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Предполагаемые начальные условия, возвращенные как
Если opt = polyestOptions('InitialCondition,'estimate')
[sys,ic] = polyest(data,[nb nc nd nf nk],opt)'auto' установка 'InitialCondition' использует 'zero' способ, когда начальные условия оказывают незначительный эффект на процесс минимизации общей ошибки расчета. Определение 'estimate' гарантирует, что программное обеспечение оценивает значения для ic.
Для получения дополнительной информации смотрите |
Оцените модель с избыточной параметризацией. То есть модель со всеми полиномами (, , , , и ) активный.
Данные оценки нагрузки.
load iddata2 z2;
Задайте порядки модели и задержки.
na = 2; nb = 2; nc = 3; nd = 3; nf = 2; nk = 1;
Оцените модель.
sys = polyest(z2,[na nb nc nd nf nk]);
Оцените регуляризованную полиномиальную модель путем преобразования регуляризованной модели ARX.
Данные оценки нагрузки.
load regularizationExampleData.mat m0simdata;
Оцените нерегулярную полиномиальную модель порядка 20.
m1 = polyest(m0simdata(1:150),[0 20 20 20 20 1]);
Оцените регуляризованную полиномиальную модель того же порядка. Определите значение Лямбды методом проб и ошибок.
opt = polyestOptions; opt.Regularization.Lambda = 1; m2 = polyest(m0simdata(1:150),[0 20 20 20 20 1],opt);
Получите полиномиальную модель более низкого порядка путем преобразования регуляризованной модели ARX и уменьшения ее порядка. Использование arxregul для определения параметров регуляризации.
[L,R] = arxRegul(m0simdata(1:150),[30 30 1]); opt1 = arxOptions; opt1.Regularization.Lambda = L; opt1.Regularization.R = R; m0 = arx(m0simdata(1:150),[30 30 1],opt1); mr = idpoly(balred(idss(m0),7));
Сравните выходы модели с данными.
opt2 = compareOptions('InitialCondition','z'); compare(m0simdata(150:end),m1,m2,mr,opt2);
Загрузите входные/выходные данные и создайте совокупную сумму входа и выходные сигналы для оценки.
load iddata1 z1 data = iddata(cumsum(z1.y),cumsum(z1.u),z1.Ts,'InterSample','foh');
Задайте полиномиальные порядки модели. Установите порядки неактивных полиномов, и , в 0.
na = 2; nb = 2; nc = 2; nd = 0; nf = 0; nk = 1;
Идентифицируйте модель ARIMAX путем установки 'IntegrateNoise' опция для true.
sys = polyest(data,[na nb nc nd nf nk],'IntegrateNoise',true);Оцените модель ARMAX с мультивыходами для набора данных с несколькими входами и несколькими выходами.
Данные оценки нагрузки.
load iddata1 z1 load iddata2 z2 data = [z1 z2(1:300)];
data - набор данных с 2 входами и 2 выходами. Первый вход влияет только на первый выход. Точно так же второй вход влияет только на второй выход.
Задайте порядки модели и задержки. The F и D полиномы неактивны.
na = [2 2; 2 2]; nb = [2 2; 3 4]; nk = [1 1; 0 0]; nc = [2;2]; nd = [0;0]; nf = [0 0; 0 0];
Оцените модель.
sys = polyest(data,[na nb nc nd nf nk]);
В предполагаемой модели ARMAX перекрестные условия, которые моделируют эффект первого входа на втором выходе и наоборот, незначительны. Если бы вы присвоили более высокие порядки этой динамике, их оценка показала бы высокий уровень неопределенности.
Анализ результатов.
h = bodeplot(sys); showConfidence(h,3)
Ответы от перекрестных терминов показывают большую неопределенность.
Загрузите данные.
load iddata1ic z1i
Оцените полиномиальную модель sys и возвращает начальные условия в ic.
na = 2; nb = 2; nc = 3; nd = 3; nf = 2; nk = 1; [sys,ic] = polyest(z1i,[na nb nc nd nf nk]); ic
ic =
initialCondition with properties:
A: [7x7 double]
X0: [7x1 double]
C: [0 0 0 0 0 0 1]
Ts: 0.1000
ic является initialCondition объект, который инкапсулирует свободный ответ sys, в форме пространство состояний, в вектор начального состояния в X0. Можно включать ic когда вы симулируете sys с z1i входной сигнал и сравните ответ с z1i выходной сигнал.
В большинстве ситуаций все полиномы идентифицированной полиномиальной модели не являются одновременно активными. Установите один или несколько порядки na, nc, nd и nf для нуля упрощения структуры модели.
Для примера можно оценить модель Output-Error (OE) путем определения na, nc и nd как нуль.
Кроме того, можно использовать специальную функцию оценки для структуры упрощенной модели. Линейные полиномиальные функции оценки включают oe, bj, arx и armax.
Чтобы оценить полиномиальную модель с помощью данного timeseries, используйте ar.
Использовать polyest для оценки полинома произвольной структуры. Если структура предполагаемой полиномиальной модели известна, то есть вы знаете, какие полиномы будут активны, то используйте соответствующую специальную функцию оценки. Для примеров, для модели ARX, используйте arx. Другие функции оценки полиномиальной модели включают, oe, armax, и bj.
Чтобы оценить передаточную функцию в непрерывном времени, используйте tfest. Вы также можете использовать oe, но только с данными частотного частотного диапазона в непрерывном времени.
ar | armax | arx | bj | forecast | iddata | idpoly | oe | pem | polyestOptions | procest | ssest | tfest