Exponenta Banner
exponenta event banner

rplr

Оцените общие модели вход-выход с помощью рекурсивного псевдолинейного метода регрессии

Синтаксис

thm = rplr(z,nn,adm,adg)
[thm,yhat,P,phi] = rplr(z,nn,adm,adg,th0,P0,phi0)

Описание

rplr несовместим с MATLAB® Coder™ или MATLAB Compiler™.

Это прямая альтернатива rpem и имеет по существу тот же синтаксис. Посмотрите rpem для пояснения входных и выходных аргументов.

rplr отличается от rpem в котором используется другое градиентное приближение. См. раздел 11.5 в Ljung (1999). Несколько особых случаев являются известными алгоритмами.

При применении к моделям ARMAX, (nn = [na nb nc 0 0 nk]), rplr задает расширенный метод наименьших квадратов (ELS). При применении к структуре выходной ошибки (nn = [0 nb 0 0 nf nk]), метод известен как HARF в   adm = 'ff' case и SHARF в adm = 'ng' дело.

rplr может также применяться к случаю timeseries, в котором модель ARMA оценивается с:

z = y
nn = [na nc]

Примеры

Оценка параметров модели вывода-ошибки с использованием рекурсивной псевдолинейной регрессии

Задайте порядок и задержки структуры модели Output-Error.

na = 0;
nb = 2;
nc = 0;
nd = 0;
nf = 2;
nk = 1;

Загрузите данные оценки.

load iddata1 z1

Оцените параметры с помощью алгоритма забывания коэффициента с коэффициентом забывания 0,99.

EstimatedParameters = rplr(z1,[na nb nc nd nf nk],'ff',0.99);

Ссылки

Для получения дополнительной информации о HARF и SHARF см. главу 11 в Ljung (1999).

См. также

| | | | | | |

Темы

Представлено до R2006a

Документация по System Identification Toolbox

Поддержка