Оцените модель процесса с помощью временных или частотных данных
[ возвращает оценочное значение смещения в входном сигнале. Входное смещение автоматически оценивается, когда модель содержит интегратора, или когда вы устанавливаете sys,offset] = procest(___)InputOffset опция оценки для 'estimate' использование procestOptions. Использование offset с любым из предыдущих синтаксисов.
[ возвращает предполагаемые начальные условия как sys,offset,ic] = procest(___)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.
Получите измеренные входно-выходные данные.
load iddemo_heatexchanger_data; data = iddata(pt,ct,Ts); data.InputName = '\Delta CTemp'; data.InputUnit = 'C'; data.OutputName = '\Delta PTemp'; data.OutputUnit = 'C'; data.TimeUnit = 'minutes';
Оцените модель процесса первого порядка плюс мертвое время.
type = 'P1D';
sysP1D = procest(data,type);Сравните модель с данными.
compare(data,sysP1D)
Постройте график невязок модели.
figure resid(data,sysP1D);
Рисунок показывает, что невязки коррелируют. Для этого добавьте компонент нарушения порядка ARMA первого порядка к модели процесса.
opt = procestOptions('DisturbanceModel','ARMA1'); sysP1D_noise = procest(data,'p1d',opt);
Сравните модели.
compare(data,sysP1D,sysP1D_noise)
Постройте график невязок модели.
figure resid(data,sysP1D_noise);
Остатки sysP1D_noise являются некоррелированными.
Используйте регуляризацию, чтобы оценить параметры сверхпараметрированной модели процесса.
Предположим, что коэффициент усиления известен с более высокой степенью доверия, чем другие параметры модели.
Загрузка данных.
load iddata1 z1;
Оцените нерегулярную модель процесса.
m = idproc('P3UZ','K',7.5,'Tw',0.25,'Zeta',0.3,'Tp3',20,'Tz',0.02); m1 = procest(z1,m);
Оцените регуляризованную модель процесса.
opt = procestOptions;
opt.Regularization.Nominal = 'model';
opt.Regularization.R = [100;1;1;1;1];
opt.Regularization.Lambda = 0.1;
m2 = procest(z1,m,opt);Сравните выходы модели с данными.
compare(z1,m1,m2);
Регуляризация помогает направить процесс оценки к правильным значениям параметров.
Оцените модель процесса после определения начальных догадок для значений параметров и ограничения их.
Получите входные/выходные данные.
data = idfrd(idtf([10 2],[1 1.3 1.2],'iod',0.45),logspace(-2,2,256));Задайте параметры модели инициализации оценки.
type = 'P2UZD';
init_sys = idproc(type);
init_sys.Structure.Kp.Value = 1;
init_sys.Structure.Tw.Value = 2;
init_sys.Structure.Zeta.Value = 0.1;
init_sys.Structure.Td.Value = 0;
init_sys.Structure.Tz.Value = 1;
init_sys.Structure.Kp.Minimum = 0.1;
init_sys.Structure.Kp.Maximum = 10;
init_sys.Structure.Td.Maximum = 1;
init_sys.Structure.Tz.Maximum = 10;Задайте опции оценки.
opt = procestOptions('Display','full','InitialCondition','Zero'); opt.SearchMethod = 'lm'; opt.SearchOptions.MaxIterations = 100;
Оцените модель процесса.
sys = procest(data,init_sys,opt);
Начиная с 'Display' опция задается как 'full'прогресс оценки отображается в отдельном окне «Прогресс идентификации объекта».
Сравните данные с оценочной моделью.
compare(data,sys,init_sys);
Получите входные/выходные данные.
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.
В оценочной модели процесса перекрестные условия, моделирование эффекта первого входа на втором выходе и наоборот, должны быть незначительными. Если этим динамикам присвоены более высокие порядки, их оценки показывают высокий уровень неопределенности.
Оцените модель процесса.
type = 'P2UZ';
sys = procest(data,type);The type переменная обозначает модель с комплексно-сопряженной парой полюсов, нулями и задержкой.
Чтобы оценить неопределенности, постройте график частотной характеристики.
w = linspace(0,20*pi,100); h = bodeplot(sys,w); showConfidence(h);
load iddata1 [sys,offset] = procest(z1,'P1DI'); offset
offset = 0.0412
Загрузите данные.
load iddata1ic z1i
Оцените модель процесса первого порядка и мертвого времени sys и возвращает начальные условия в ic. Сначала задайте 'estimate' для 'InitialCondition' заставить программное обеспечение оценить ic. Значение по умолчанию 'auto' в настройке используется 'estimate' method только когда влияние начальных условий на общую ошибку модели превышает порог. Когда начальные условия оказывают незначительный эффект на процесс минимизации общей ошибки расчета, 'auto'setting использует 'zero'.
opt = procestOptions('InitialCondition','estimate'); [sys,offset,ic] = procest(z1i,'P1D',opt); ic
ic =
initialCondition with properties:
A: -3.8997
X0: -1.0871
C: 4.5652
Ts: 0
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.