recursiveARX

Создайте Системный объект для онлайн-оценки параметров модели ARX

Синтаксис

obj = recursiveARX obj = recursiveARX(Orders) obj = recursiveARX(Orders,A0,B0) obj = recursiveARX(___,Name,Value)

Описание

Использовать recursiveARX команда для оценки параметра с данными в реальном времени. Если все данные, необходимые для оценки, доступны сразу, и вы оцениваете инвариантную по времени модель, используйте команду offline estimation, arx.

obj = recursiveARX создает Системный object™ для онлайн-оценки параметров структуры модели ARX по умолчанию. Структура модели по умолчанию имеет полиномы порядка 1 и начальные значения полиномиальных коэффициентов eps.

После создания объекта используйте step команда для обновления оценок параметров модели с помощью рекурсивных алгоритмов оценки и данных в реальном времени.

obj = recursiveARX(Orders) задает полиномиальные порядки оцениваемой модели ARX.

obj = recursiveARX(Orders,A0,B0) задает полиномиальные порядки и начальные значения полиномиальных коэффициентов.

obj = recursiveARX(___,Name,Value) задает дополнительные атрибуты структуры модели ARX и алгоритма рекурсивной оценки с помощью одного или нескольких Name,Value аргументы в виде пар.

Описание объекта

recursiveARX создает Системный объект для онлайн-оценки параметров single-input single-output (SISO) или multiple- входа single-output (MISO) ARX моделей с использованием рекурсивного алгоритма оценки.

Системный объект является специализированным MATLAB^® объект, специально разработанный для реализации и симуляции динамических систем с входами, которые изменяются с течением времени. Системные объекты используют внутренние состояния для хранения прошлого поведения, которое используется на следующем вычислительном шаге.

После создания системного объекта вы используете команды для обработки данных или получения информации от объекта или о нем. Системные объекты используют минимум две команды для обработки данных - конструктор для создания объекта и step команда для обновления параметров объекта с помощью данных в реальном времени. Это отделение объявления от выполнения позволяет вам создать несколько, постоянных, переиспользуемых объектов, каждый с различными настройками.

Можно использовать следующие команды с онлайновыми Системными объектами оценки в System Identification Toolbox™:

Команда	Описание
`step`	Обновите оценки параметров модели с помощью рекурсивных алгоритмов оценки и данных в реальном времени. `step` переводит объект в заблокированное состояние. В заблокированном состоянии вы не можете изменить какие-либо нетронутые свойства или входные спецификации, такие как порядок модели, тип данных или алгоритм оценки. Во время выполнения можно только изменить настраиваемые свойства.
`release`	Разблокируйте Системный объект. Используйте эту команду, чтобы включить настройку нетронутых параметров.
`reset`	Обнулите внутренние состояния заблокированного системного объекта до начальных значений и оставьте объект заблокированным.
`clone`	Создайте другой Системный объект с теми же значениями свойств объекта. Не создавать дополнительные объекты с помощью синтаксиса `obj2 = obj`. Любые изменения, внесенные в свойства нового объекта, созданные таким образом (`obj2`) также измените свойства исходного объекта (`obj`).
`isLocked`	Запросите заблокированное состояние для атрибутов входа и нетронутых свойств Системного объекта.

Используйте recursiveARX команда для создания оперативного системного объекта оценки. Затем оцените параметры модели ARX (A и B) и выход с помощью step команда с входными и выходными данными, u и y.

[A,B,EstimatedOutput] = step(obj,y,u)

Для recursiveARX свойства объекта, см. Свойства.

Примеры

свернуть все

Оценка модели SISO ARX онлайн

Открыть Live Script

Создайте Системный объект для онлайн-оценки параметров модели SISO ARX.

obj = recursiveARX;

Модель ARX имеет структуру по умолчанию с полиномами порядка 1 и начальными значениями полиномиальных коэффициентов, eps.

Загрузите данные оценки. В этом примере используйте статический набор данных для рисунка.

load iddata1 z1;
output = z1.y;
input = z1.u;

Оцените параметры модели ARX онлайн с помощью step.

for i = 1:numel(input)
[A,B,EstimatedOutput] = step(obj,output(i),input(i));
end

Просмотрите текущие оцененные значения полинома B коэффициенты.

obj.B

ans = 1×2

         0    0.7974

Посмотрите текущую ковариационную оценку параметров.

obj.ParameterCovariance

ans = 2×2

    0.0002    0.0001
    0.0001    0.0034

Просмотрите предполагаемый ток выхода.

EstimatedOutput

EstimatedOutput = -4.7766

Создайте системный объект для модели SISO ARX с известными начальными параметрами

Открыть Live Script

Задайте порядки и задержки модели ARX.

na = 1;
nb = 2;
nk = 1;

Создайте системный объект для онлайн-оценки модели SISO ARX с известными начальными полиномиальными коэффициентами.

A0 = [1 0.5];
B0 = [0 1 1];
obj = recursiveARX([na nb nk],A0,B0);

Задайте начальный параметр ковариации.

obj.InitialParameterCovariance = 0.1;

InitialParameterCovariance представляет неопределенность в вашем предположении для начальных параметров. Как правило, значение по умолчанию InitialParameterCovariance (10000) слишком велик относительно значений параметров. Это приводит к тому, что начальные предположения придаются меньшее значение во время оценки. Если у вас есть доверие в начальных предположениях параметра, задайте меньшую ковариацию начального параметра.

Создайте системный объект для модели MISO ARX с известными начальными параметрами

Открыть Live Script

Задайте порядки и задержки для модели ARX с двумя входами и одним выходом.

na = 1;
nb = [2 1];
nk = [1 3];

nb и nk заданы как векторы-строки длиной, равной количеству входов, Nu.

Задайте начальные полиномиальные коэффициенты.

A0 = [1 0.5];
B0 = [0 1 1 0; 0 0 0 0.8];

B0 имеет Nu строк и max(nb+nk) столбцы. i-я строка соответствует i-му входу и задана как имеющая nk(i) нули, далее следуют nb(i) начальные значения. Значения после nb(i)+nk(i) игнорируются.

Создайте системный объект для онлайн-оценки модели ARX с известными начальными полиномиальными коэффициентами.

obj = recursiveARX([na nb nk],A0,B0);

Укажите метод оценки для онлайн-оценки модели ARX

Открыть Live Script

Создайте Системный объект, который использует нормированный алгоритм градиента для онлайн-оценки параметра модели ARX.

obj = recursiveARX([1 2 1],'EstimationMethod','NormalizedGradient');

Входные параметры

свернуть все

`Orders` - Модель порядков и задержек
Вектор 1 на 3 целых чисел | вектор 1 на 3 векторов

Моделируйте порядки и задержки модели ARX, заданные как вектор 1 на 3 целых чисел или векторов, [na nb nk].

na - Порядок полинома A (q), заданный как неотрицательное целое число.
nb - Порядок полинома B (q) + 1, заданный как 1-бай- Nu вектор положительных целых чисел. Nu - количество входов.
Для моделей MISO существует столько же B (q) полиномов, сколько и количество входов. nb(i) порядок полинома <reservedrangesplaceholder3> th Bi (<reservedrangesplaceholder1>) +1 для входа <reservedrangesplaceholder0> th.
nk - Задержка ввода-вывода, заданная как 1-бай- Nu вектор неотрицательных целых чисел. Nu - количество входов.
Для моделей MISO существует столько же B (q) полиномов, сколько и количество входов. nk(i) - время задержки ввода-вывода, соответствующее i-му входу.

`A0,B0` - Начальное значение полиномиальных коэффициентов
вектор-строка и матрица вещественных значений | `[]`

Начальное значение коэффициентов A (q) и B (q) полиномов, заданное как вектор-строка и матрица или вещественные значения, соответственно. Задайте элементы в порядке возрастания степеней q^-1.

A0 - Начальное значение для коэффициентов полинома A (q), заданное как 1-by- (na+1) вектор-строка с 1 в качестве первого элемента.
B0 - Начальное значение для коэффициентов полинома B (q), заданное как Nu -by- max(nb+nk) матрица. Nu - количество входов.
Для моделей MISO существует столько же B (q) полиномов, сколько и количество входов. i строка B0 соответствует i-му входу и должен содержать nk(i) начальные нули, за которыми следуют nb(i) начальные значения параметров. Записи за пределами nk(i)+nb(i) игнорируются.

na, nb, и nk являются ли Orders модели.

Определение как [], использует значение по умолчанию eps для полиномиальных коэффициентов.

Если начальные значения параметров намного меньше InitialParameterCovariance, этим начальным значениям придается меньшее значение во время оценки. Задайте меньшую ковариацию начального параметра, если у вас есть высокое доверие в начальных значениях параметров. Этот оператор применяется только для оценки бесконечной истории. Конечная историческая оценка не использует InitialParameterCovariance.

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.

Использование Name,Value аргументы для задания свойств, доступных для записи recursiveARX Системный объект во время создания объекта. Для примера, obj = recursiveARX([2 2 1],'EstimationMethod','Gradient') создает Системный объект для оценки модели ARX с помощью 'Gradient' рекурсивный алгоритм оценки.

Свойства

recursiveARX Свойства системного объекта состоят из свойств, доступных только для чтения и записи. Свойства, доступные для записи, являются свойствами, настраиваемыми и нетронутыми. Нетронутые свойства не могут быть изменены, когда объект заблокирован, то есть после того, как вы используете step команда.

Использование Name,Value аргументы для задания свойств, доступных для записи recursiveARX объекты во время создания объекта. После создания объекта используйте запись через точку для изменения настраиваемых свойств.

obj = recursiveARX;
obj.ForgettingFactor = 0.99;

`A`	Оценочные коэффициенты полинома A (q), возвращенные как вектор-строка действительных значений, заданных в порядке возрастания степеней q^-1. `A` является свойством только для чтения и первоначально пуст после создания объекта. Он заполняется после того, как вы используете `step` команда для оценки оперативного параметра.
`B`	Оценочные коэффициенты полинома B (q), возвращенные как Nu -`by- max(nb+nk)` матрица вещественных значений. Nu - количество входов. i строка `B` соответствует i-му входу и содержит `nk(i)` начальные нули, за которыми следуют `nb(i)` расчетные параметры, заданные в порядке возрастания степеней q^-1. Игнорируйте нулевые значения за пределами `nk(i)+nb(i)`. `B` является свойством только для чтения и первоначально пуст после создания объекта. Он заполняется после того, как вы используете `step` команда для оценки оперативного параметра.
`InitialA`	Начальные значения коэффициентов полинома A (q) `порядка <reservedrangesplaceholder0>`, заданный как вектор-строка длины `na+1`, с 1 в качестве первого элемента. Задайте коэффициенты в порядке возрастания степеней q^-1. Если начальные догадки намного меньше, чем по умолчанию `InitialParameterCovariance`10000, начальным предположениям придается меньшее значение во время оценки. В этом случае задайте меньший начальный параметр ковариации. `InitialA` является настраиваемым свойством. Вы можете изменить его, когда объект находится в заблокированном состоянии. По умолчанию: `[1 eps]`
`InitialB`	Начальные значения для коэффициентов полинома B (q), заданные как Nu -`by- max(nb+nk)` матрица. Nu - количество входов. Для моделей MISO существует столько же B (q) полиномов, сколько и количество входов. i строка `B0` соответствует i-му входу и должен содержать `nk(i)` нули, далее следуют `nb(i)` начальные значения параметров. Записи за пределами `nk(i)+nb(i)` игнорируются. Если начальные догадки намного меньше, чем по умолчанию `InitialParameterCovariance`10000, начальным предположениям придается меньшее значение во время оценки. В этом случае задайте меньший начальный параметр ковариации. `InitialB` является настраиваемым свойством. Вы можете изменить его, когда объект находится в заблокированном состоянии. По умолчанию: `[0 eps]`
`InitialOutputs`	Начальные значения измеренных выходов буфера в конечной исторической оценке, заданные как `0` или как вектор (W + na) -на-1, где W - длина `окна и na` порядок полинома A (<reservedrangesplaceholder0>), что Вы определяете, строя объект. The `InitialOutputs` свойство предоставляет средство управления начальным поведением алгоритма. Когда `InitialOutputs` установлено в `0`объект заполняет буфер нулями. Если начальный буфер установлен в `0` или не содержит достаточной информации, вы видите предупреждающее сообщение на начальной фазе вашей оценки. Предупреждение должно проясниться через несколько циклов. Количество циклов, которое требуется для буферизации достаточной информации, зависит от порядка ваших полиномов и ваших входных задержек. Если предупреждение сохраняется, необходимо оценить содержимое сигналов. Задайте `InitialOutputs` только когда `History` является `Finite`. `InitialOutputs` является настраиваемым свойством. Можно изменить `InitialOutputs` когда объект находится в заблокированном состоянии. По умолчанию: `0`
`InitialInputs`	Начальные значения входов в конечном историческом окне, заданные как `0` или как матрица (W -1 + max (nb) + max (nk)) -by - nu, где W - длина окна, а nu - количество входов. nb - вектор B (q) полинома порядков, а nk - вектор входа задержек, которые вы задаете при построении`recursiveARX` объект. The `InitialInputs` свойство предоставляет средство управления начальным поведением алгоритма. Когда `InitialInputs` установлено в `0`объект заполняет буфер нулями. Если начальный буфер установлен в `0` или не содержит достаточной информации, вы видите предупреждающее сообщение на начальной фазе вашей оценки. Предупреждение должно проясниться через несколько циклов. Количество циклов, которое требуется для буферизации достаточной информации, зависит от порядка ваших полиномов и ваших входных задержек. Если предупреждение сохраняется, необходимо оценить содержимое сигналов. Задайте `InitialInputs` только когда `History` является `Finite`. `InitialInputs` является настраиваемым свойством. Можно изменить `InitialInputs` когда объект находится в заблокированном состоянии. По умолчанию: `0`
`ParameterCovariance`	Предполагаемая ковариационная `P` из параметров, возвращенных как N -by N симметричная положительно-определенная матрица. N - количество параметров, которые будут оценены. Программное обеспечение `вычисляет P` принимая, что невязки (различие между оцененными и измеренными выходами) являются белым шумом, и отклонение этих невязок равно 1. `ParameterCovariance` применяется только тогда, когда `EstimationMethod` является `'ForgettingFactor'` или `'KalmanFilter'` или когда `History` является `Finite`. Толкование `P` зависит от ваших настроек для `History` и `EstimationMethod` свойства. Если `History` является `Infinite`, затем ваш `EstimationMethod` результаты выбора одного из следующих: `'ForgettingFactor'` — (_R2 `/2`) `P` приблизительно равен ковариационной матрице оцененных параметров, где _R2 является истинным отклонением невязок. `'KalmanFilter'` — _{<reservedrangesplaceholder1> <reservedrangesplaceholder0>} - ковариационная матрица предполагаемых параметров, а _R1/ _R2 - ковариационная матрица изменений параметров. Здесь _R1 является матрицей ковариации, в которой вы задаете `ProcessNoiseCovariance`. Если `History` является `Finite` (оценка скользящего окна) - _R2 `P` - ковариация предполагаемых параметров. Алгоритм скользящего окна не использует эту ковариацию в процессе оценки параметра. Однако алгоритм вычисляет ковариацию для выхода, так что вы можете использовать его для статистической оценки. `ParameterCovariance` является свойством только для чтения и первоначально пуст после создания объекта. Он заполняется после того, как вы используете `step` команда для оценки оперативного параметра.
`InitialParameterCovariance`	Ковариация начальных оценок параметров, заданная как одно из следующего: Действительная положительная скалярная величина, α - Ковариационная матрица - N -by N диагональная матрица с α в качестве диагональных элементов. N - количество параметров, которые будут оценены. Вектор действительных положительных скаляров, [α 1,..., α N] - ковариационная матрица является N -by N диагональной матрицей с [α 1_,..., α N] в качестве диагональных элементов. N -by N симметричная положительно-определенная матрица. `InitialParameterCovariance` представляет неопределенность в начальных оценках параметров. Для больших значений `InitialParameterCovariance`, меньшее значение придается начальным значениям параметров и больше - измеренным данным во время начала оценки с помощью `step`. Используйте только тогда, когда `EstimationMethod` является `'ForgettingFactor'` или `'KalmanFilter'`. `InitialParameterCovariance` является настраиваемым свойством. Вы можете изменить его, когда объект находится в заблокированном состоянии. По умолчанию: `10000`
`EstimationMethod`	Алгоритм рекурсивной оценки, используемый для онлайн-оценки параметров модели, задается как одно из следующих значений: `'ForgettingFactor'` - Алгоритм, используемый для оценки параметра `'KalmanFilter'` - Алгоритм, используемый для оценки параметра `'NormalizedGradient'` - Алгоритм, используемый для оценки параметра `'Gradient'` - Ненормализованный алгоритм градиента, используемый для оценки параметра Алгоритмы забывающего фактора и фильтра Калмана более интенсивны в вычислительном отношении, чем градиентные и ненормализованные градиентные методы. Однако они имеют лучшие свойства сходимости. Для получения информации об этих алгоритмах см. «Рекурсивные алгоритмы для оценки Параметра в режиме онлайн». Все эти методы используют бесконечную историю данных и доступны только при `History` является `'Infinite'`. `EstimationMethod` является свойством nontunable. Вы не можете изменить его во время выполнения, то есть после того, как объект заблокирован с помощью `step` команда. По умолчанию: `Forgetting Factor`
`ForgettingFactor`	Коэффициент забывания, λ, релевантный для оценки параметра, заданный как скаляр в области значений (0,1]. Предположим, что система остается приблизительно постоянной на _T0 выборках. Можно выбрать λ такие, что: $T_{0} = \frac{1}{1 - λ}$ Установка λ = 1 соответствует «no formetting» и оценке постоянных коэффициентов. Установка λ < 1 подразумевает, что прошлые измерения менее значимы для оценки параметра и могут быть «забыты». Установите λ < 1, чтобы оценить изменяющиеся во времени коэффициенты. Типичные варианты λ находятся в области значений `[0.98 0.995]`. Используйте только тогда, когда `EstimationMethod` является `'ForgettingFactor'`. `ForgettingFactor` является настраиваемым свойством. Вы можете изменить его, когда объект находится в заблокированном состоянии. По умолчанию: `1`
`EnableAdapation`	Включите или отключите оценку параметра, заданную как одно из следующего: `true` или `1`- The `step` команда оценивает значения параметров для того временного шага и обновляет значения параметров. `false` или `0` - The `step` команда не обновляет параметры для этого временного шага и вместо этого выводит последнее оцененное значение. Можно использовать эту опцию, когда система входит в режим, где значения параметров не изменяются со временем. Примечание Если вы задаете `EnableAdapation` на `false`, вы все еще должны выполнить `step` команда. Не пропускать `step` сохранить значения параметров постоянными, потому что оценка параметров зависит от тока и прошлых измерений ввода-вывода. `step` обеспечивает сохранение прошедших вводов-выводов данных, даже если они не обновляют параметры. `EnableAdapation` является настраиваемым свойством. Вы можете изменить его, когда объект находится в заблокированном состоянии. По умолчанию: `true`
`DataType`	Точность параметров с плавающей точкой, заданная как одно из следующих значений: `'double'` - Плавающая точка двойной точности `'single'` - Одинарная точность с плавающей точкой Настройка `DataType` на `'single'` сохраняет память, но приводит к потере точности. Задайте `DataType` исходя из точности, требуемой целевым процессором, на котором будет развернут сгенерированный код. `DataType` является свойством nontunable. Он может быть установлен только во время конструкции объекта с помощью `Name,Value` аргументы и не могут быть изменены после. По умолчанию: `'double'`
`ProcessNoiseCovariance`	Ковариационная матрица изменений параметров, заданная как одно из следующего: Действительный неотрицательный скаляр, α - Ковариационная матрица - N -by N диагональная матрица с α в качестве диагональных элементов. Вектор реальных неотрицательных скаляров, [<reservedrangesplaceholder7> 1..., <reservedrangesplaceholder6> <reservedrangesplaceholder5>] - Ковариационная матрица N N диагональной матрицей, с [<reservedrangesplaceholder2> 1..., <reservedrangesplaceholder1> <reservedrangesplaceholder0>] как диагональные элементы. N -by N симметричная положительная полуопределенная матрица. N - количество параметров, которые будут оценены. `ProcessNoiseCovariance` применяется, когда `EstimationMethod` является `'KalmanFilter'`. Алгоритм фильтра Калмана обрабатывает параметры как состояния динамической системы и оценивает эти параметры с помощью фильтра Калмана. `ProcessNoiseCovariance` - ковариация шума процесса, действующая на эти параметры. Нулевые значения в шумовой ковариационной матрице соответствуют оценке постоянных коэффициентов. Значения, большие 0, соответствуют изменяющимся во времени параметрам. Используйте большие значения для быстрого изменения параметров. Однако большие значения приводят к более шумным оценкам параметра. `ProcessNoiseCovariance` является настраиваемым свойством. Вы можете изменить его, когда объект находится в заблокированном состоянии. По умолчанию: `0.1`
`AdaptationGain`	Коэффициент усиления адаптации, γ, используемый в алгоритмах рекурсивной оценки градиента, задается как положительная скалярная величина. `AdaptationGain` применяется, когда `EstimationMethod` является `'Gradient'` или `'NormalizedGradient'`. Задайте большое значение для `AdaptationGain` когда ваши измерения имеют высокое отношение сигнал/шум. `AdaptationGain` является настраиваемым свойством. Вы можете изменить его, когда объект находится в заблокированном состоянии. По умолчанию: `1`
`NormalizationBias`	Смещение при масштабировании коэффициента усиления адаптации, используемое в `'NormalizedGradient'` метод, заданный как неотрицательный скаляр. `NormalizationBias` применяется, когда `EstimationMethod` является `'NormalizedGradient'`. Нормированный алгоритм градиента делит коэффициент усиления адаптации на каждом шаге на квадрат двух норм вектора градиента. Если градиент близок к нулю, это может вызвать переходы в оценочных параметрах. `NormalizationBias` - термин, введенный в знаменателе для предотвращения этих переходов. Увеличение `NormalizationBias` если вы наблюдаете переходы в предполагаемых параметрах. `NormalizationBias` является настраиваемым свойством. Вы можете изменить его, когда объект находится в заблокированном состоянии. По умолчанию: `eps`
`History`	Тип истории данных, определяющий, какой тип рекурсивного алгоритма вы используете, задается как: `'Infinite'` - Используйте алгоритм, который направлен на минимизацию ошибки между наблюдаемым и предсказанным выходами для всех временных шагов от начала симуляции. `'Finite'` - Используйте алгоритм, который направлен на минимизацию ошибки между наблюдаемым и предсказанным выходами для конечного числа прошлых временных шагов. Алгоритмы с бесконечной историей стремятся создать оценки параметров, которые объясняют все данные с начала симуляции. Эти алгоритмы все еще используют фиксированный объем памяти, который не растет с течением времени. Объект предоставляет несколько алгоритмов `'Infinite'` `History` тип. Установка этой опции активирует `EstimationMethod` свойство, с которым вы задаете алгоритм. Алгоритмы с конечной историей направлены на создание оценок параметров, которые объясняют только конечное число прошлых выборок данных. Этот метод также называется sliding-window оценкой. Объект предоставляет один алгоритм `'Finite'` тип. Установка этой опции активирует `WindowLength` свойство, которое масштабирует окно. Для получения дополнительной информации о рекурсивных методах оценки см. «Рекурсивные алгоритмы для онлайн-оценки параметра». `History` является свойством nontunable. Он может быть установлен только во время конструкции объекта с помощью `Name,Value` аргументы и не могут быть изменены после. По умолчанию: `'Infinite'`
`WindowLength`	Размер окна, определяющий количество временных выборок, используемых для метода оценки скользящего окна, заданный как положительное целое число. Задайте `WindowLength` только когда `History` является `Finite`. Выберите размер окна, которое балансирует эффективность оценки с вычислительной нагрузкой и нагрузкой на память. Размерные коэффициенты включают количество и временное отклонение параметров в вашей модели. Всегда задайте Window Length в выборках, даже если вы используете входную обработку на основе фрейма. `WindowLength` должно быть больше или равно количеству предполагаемых параметров. Подходящая длина окна не зависит от того, используете ли вы обработку входа на основе сэмплирования или фрейма (см `InputProcessing`). Однако при использовании обработки на основе фрейма длина окна должна быть больше или равной количеству выборок (временных шагов), содержащихся в системе координат. `WindowLength` является свойством nontunable. Он может быть установлен только во время конструкции объекта с помощью `Name,Value` аргументы и не могут быть изменены после. По умолчанию: `200`
`InputProcessing`	Опция для обработки входа на основе сэмплирования или фрейма, заданная как вектор символов или строка. `Sample-based` обработка действует на сигналы, передаваемые потоком по одной выборке за раз. `Frame-based` обработка действует на сигналы, содержащие выборки из нескольких временных шагов. Многие интерфейсы датчиков машины упаковывают несколько выборок и передают эти выборки вместе в системах координат. `Frame-based` обработка позволяет вводить эти данные непосредственно без необходимости их первой распаковки. Ваши `InputProcessing` спецификация влияет на размерности для сигналов входа и выхода при использовании `step` команда: [theta,EstimatedOutput] = step(obj,y,u) `Sample-based` `y` и `EstimatedOutput` являются скалярами. `u` является вектором с Nu 1 байт, где Nu - количество входов. `Frame-based` с M выборками на систему координат `y` и `EstimatedOutput` M векторы -by-1. `u` является M -by`- Nu` матрица. `InputProcessing` является свойством nontunable. Он может быть установлен только во время конструкции объекта с помощью `Name,Value` аргументы и не могут быть изменены после. По умолчанию: `'Sample-based'`

Выходные аргументы

свернуть все

`obj` - Системный объект для онлайн-оценки параметров модели ARX
`recursiveARX` Системный объект

Системный объект для онлайн-оценки параметров модели ARX, возвращенный как recursiveARX Системный объект. Этот объект создается с использованием заданных порядков и свойств модели. Использовать step команда для оценки коэффициентов полиномов модели ARX. Затем можно получить доступ к предполагаемым коэффициентам и ковариации параметров с помощью записи через точку. Для примера введите obj.A чтобы просмотреть оцененные A полиномиальные коэффициенты.

Подробнее о

свернуть все

Структура модели ARX

Структура модели ARX:

$\begin{array}{l} y (t) + a_{1} y (t - 1) + ... + a_{n a} y (t - n a) = \\ b_{1} u (t - n k) + ... + b_{n b} u (t - n b - n k + 1) + e (t) \end{array}$

Параметры na и nb являются порядками модели ARX и nk - задержка.

$y (t)$ - Выход в момент времени $t$ .
$n_{a}$ - Количество полюсов.
$n_{b}$ - Количество нулей плюс 1.
$n_{k}$ - Количество входных выборок, которые происходят до того, как вход влияет на выход, также называемое потерей времени в системе.
$y (t - 1) \dots y (t - n_{a})$ - Предыдущие выходы, от которых зависит выходной ток.
$u (t - n_{k}) \dots u (t - n_{k} - n_{b} + 1)$ - Предыдущие и отложенные входы, от которых зависит выходной ток.
$e (t)$ - Значение нарушения порядка белого шума.

Более компактный способ написания разностного уравнения -

$A (q) y (t) = B (q) u (t - n_{k}) + e (t)$

q - оператор задержки. В частности,

$A (q) = 1 + a_{1} q^{- 1} + \dots + a_{n_{a}} q^{- n_{a}}$

$B (q) = b_{1} + b_{2} q^{- 1} + \dots + b_{n_{b}} q^{- n_{b} + 1}$

Совет

Начиная с R2016b, вместо использования step команду для обновления оценок параметров модели можно вызвать системный объект с входными параметрами, как если бы это была функция. Для примера, [A,B,EstimatedOutput] = step(obj,y,u) и [A,B,EstimatedOutput] = obj(y,u) выполнять эквивалентные операции.

Расширенные возможности

Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ MATLAB ®

Указания и ограничения по применению:

Для Simulink^® на основе рабочих процессов используйте Recursive Polynomial Model Estimator.
Для ограничений смотрите Сгенерировать код для онлайн-оценки параметра в MATLAB.

Поддерживает MATLAB Function блок: Нет

См. также

Темы

Введенный в R2015b

Документация

recursiveARX

Синтаксис

Описание

Описание объекта

Примеры

Оценка модели SISO ARX онлайн

Создайте системный объект для модели SISO ARX с известными начальными параметрами

Создайте системный объект для модели MISO ARX с известными начальными параметрами

Укажите метод оценки для онлайн-оценки модели ARX

Входные параметры

`Orders` - Модель порядков и задержек
Вектор 1 на 3 целых чисел | вектор 1 на 3 векторов

`A0,B0` - Начальное значение полиномиальных коэффициентов
вектор-строка и матрица вещественных значений | `[]`

Аргументы в виде пар имя-значение

Свойства

Выходные аргументы

`obj` - Системный объект для онлайн-оценки параметров модели ARX
`recursiveARX` Системный объект

Подробнее о

Структура модели ARX

Совет

Расширенные возможности

Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ MATLAB ®

См. также

Темы

Документация по System Identification Toolbox

Поддержка

Документация

recursiveARX

Синтаксис

Описание

Описание объекта

Примеры

Оценка модели SISO ARX онлайн

Создайте системный объект для модели SISO ARX с известными начальными параметрами

Создайте системный объект для модели MISO ARX с известными начальными параметрами

Укажите метод оценки для онлайн-оценки модели ARX

Входные параметры

Orders - Модель порядков и задержек Вектор 1 на 3 целых чисел | вектор 1 на 3 векторов

A0,B0 - Начальное значение полиномиальных коэффициентов вектор-строка и матрица вещественных значений | []

Аргументы в виде пар имя-значение

Свойства

Выходные аргументы

obj - Системный объект для онлайн-оценки параметров модели ARX recursiveARX Системный объект

Подробнее о

Структура модели ARX

Совет

Расширенные возможности

Генерация кода C/C + + Сгенерируйте код C и C++ с помощью Coder™ MATLAB ®

См. также

Темы

Документация по System Identification Toolbox

Поддержка

`Orders` - Модель порядков и задержек
Вектор 1 на 3 целых чисел | вектор 1 на 3 векторов

`A0,B0` - Начальное значение полиномиальных коэффициентов
вектор-строка и матрица вещественных значений | `[]`

`obj` - Системный объект для онлайн-оценки параметров модели ARX
`recursiveARX` Системный объект

Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ MATLAB ®