Документация

sys = ssregest(data,nx) оценивает модель пространства состояний путем сокращения регуляризованной модели ARX.

sys = ssregest(data,nx,Name,Value) задает дополнительные опции, используя один или несколько Name,Value аргументы в виде пар.

sys = ssregest(___,opt) задает опции оценки, которые конфигурируют цель оценки, порядки ARX и опции сокращения порядка. Этот синтаксис может включать любое из комбинаций входных аргументов в предыдущих синтаксисах.

[sys,x0] = ssregest(___) возвращает значение начальных состояний, вычисленных во время оценки. Этот синтаксис может включать любое из комбинаций входных аргументов в предыдущих синтаксисах.

Примеры

Оценка модели пространства состояний путем сокращения регуляризованной модели ARX

Данные оценки нагрузки.

load iddata2 z2;

z2 является iddata объект, который содержит данные отклика системы во временной области.

Идентифицируйте модель пространства состояний третьего порядка.

sys = ssregest(z2,3);

Оценка модели пространства состояний с задержкой на входе

Данные оценки нагрузки.

load iddata2 z2

Оцените модель пространства состояний третьего порядка с задержкой на входе.

sys = ssregest(z2,3,'InputDelay',2);

Сконфигурируйте порядки ARX и особое внимание оценки

Данные оценки нагрузки.

load iddata2 z2;

Задайте порядок регуляризованной модели ARX, используемой программным обеспечением во время оценки. Кроме того, установите особое внимание оценки на симуляцию.

opt = ssregestOptions('ARXOrder',[100 100 1],'Focus','simulation');

Идентифицируйте модель пространства состояний третьего порядка.

sys = ssregest(z2,3,opt);

Возврат начальных значений состояния, вычисленных во время оценки

Данные оценки нагрузки.

load iddata2 z2;

Получите начальные значения состояния при идентификации модели пространства состояний третьего порядка.

[sys,x0] = ssregest(z2,3);

Сравнение регуляризованных моделей пространства состояний, оцененных с помощью импульсной характеристики и сокращения моделей ARX

Загрузка данных.

load regularizationExampleData eData;

Создайте модель передаточной функции, используемую для генерации данных оценки (истинная система).

trueSys = idtf([0.02008 0.04017 0.02008],[1 -1.561 0.6414],1);

Получите модель регуляризованной импульсной характеристики (конечной импульсной характеристики).

opt = impulseestOptions('RegularizationKernel','DC');
m0 = impulseest(eData,70,opt);

Преобразуйте модель в модель пространства состояний и уменьшите порядок модели.

m1 = balred(idss(m0),15);

Получите вторую модель пространства состояний, используя регулярное сокращение модели ARX.

m2 = ssregest(eData,15);

Сравните импульсные характеристики истинной системы и предполагаемых моделей.

impulse(trueSys,m1,m2,50);   
legend('trueSys','m1','m2');

Figure contains an axes. The axes with title From: u1 To: y1 contains 6 objects of type line. These objects represent trueSys, m1, m2.

Входные параметры

`data` - Оценка данных
`iddata` | `idfrd` | `frd`

Оценочные данные, заданные как iddata, idfrd или frd (Control System Toolbox) объект.

Для оценки во временной области, data должен быть iddata объект, содержащий значения входного и выходного сигналов.

Для оценки частотного диапазона, data может быть одним из следующих:

Зарегистрированные данные частотной характеристики (frd (Control System Toolbox) или idfrd)
iddata объект со свойствами, заданными следующим образом:
- InputData - Фурье-преобразование входного сигнала
- OutputData - Фурье-преобразование выходного сигнала
- Domain — 'Frequency'
Шага расчета Ts iddata объект должен быть ненулевым.

`nx` - Порядок расчетной модели
положительная скалярная величина | положительный вектор | `'best'`

Порядок предполагаемой модели, заданный как положительная скалярная величина или вектор.

Если nx является вектором, тогда ssregest создает график, который можно использовать для выбора подходящего порядка модели. На график показаны сингулярные значения Ханкеля для моделей выбранных значений в векторе. Состояния с относительно маленькими сингулярными значениями Ханкеля могут быть безопасно отброшены. Выбор по умолчанию предлагается на графике.

Можно также задать nx = 'best', как в ssregest(data,'best'), в этом случае оптимальный порядок выбирается автоматически в области значений 1:10.

`opt` - Набор опций для `ssregest`
`ssregestOptions` набор опций

Опции оценки для ssregest, заданный как набор опций, который вы создаете используя ssregestOptions.

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.

Пример: sys = ssregest(z2,3,'InputDelay',2) задает задержку в 2 периода дискретизации.

`'Ts'` - Шаг расчета
шаг расчета данных (`data.Ts`) (по умолчанию) | положительная скалярная величина | 0

Шаг расчета модели, заданная как 0 или равный шаг расчета data.

Для моделей в непрерывном времени используйте Ts = 0. Для моделей в дискретном времени задайте Ts как положительная скалярная величина, значение которой равно шагу расчета данных.

`'InputDelay'` - Входные задержки
0 (по умолчанию) | скалярный вектор |

Входная задержка для каждого входного канала, заданная как числовой вектор. Для систем непрерывного времени задайте задержки на входе в модуле времени, сохраненной в TimeUnit свойство. Для систем в дискретном времени задайте входные задержки в целочисленных множителях шага расчета Ts. Для примера, InputDelay = 3 означает задержку на три периода дискретизации.

Для системы с Nu входы, задайте InputDelay в Nu-by-1 вектор. Каждый элемент этого вектора является числовым значением, которое представляет входу задержку для соответствующего канала входа.

Можно также задать InputDelay к скалярному значению, чтобы применить ту же задержку ко всем каналам.

`'Form'` - Тип канонической формы
`'free'` (по умолчанию) | `'modal'` | `'companion'` | `'canonical'`

Тип канонической формы sys, заданное как одно из следующих значений:

'modal' - Получение sys в модальной форме.
'companion' - Получение sys в сопутствующей форме.
'free' - Все записи матриц A, B и C рассматриваются как свободные.
'canonical' - Получение sys в канонической форме наблюдаемости [1].

Используйте Form, Feedthrough и DisturbanceModel Аргументы пары "имя-значение" для изменения поведения по умолчанию матриц A, B, C, D и K.

`'Feedthrough'` - Прямое сквозное соединение от входа до выхода
`0` (по умолчанию) | `1` | логический вектор

Прямое сквозное соединение от входа до выхода, заданный как логический вектор длины Nu, где Nu - количество входов. Если Feedthrough задается как логический скаляр, применяется ко всем входам.

`'DisturbanceModel'` - Укажите, стоит ли оценивать матрицу K
`'estimate'` (по умолчанию) | `'none'`

Задайте, оценивать ли матрицу K, которая задает шумовой компонент, заданное как одно из следующих значений:

'none' - Шумовой компонент не оценивается. Значение матрицы K фиксируется к нулю.
'estimate' - Матрица K рассматривается как свободный параметр.

DisturbanceModel должен быть 'none' при использовании данных частотного диапазона.

Выходные аргументы

`sys` - Расчетная модель пространства состояний
`idss`

Расчетная модель порядка <reservedrangesplaceholder0> в пространстве состояний, возвращается как idss объект модели. Модель представляет:

$\begin{array}{l} \dot{x} (t) = A x (t) + B u (t) + K e (t) \\ y (t) = C x (t) + D u (t) + e (t) \end{array}$

A, B, C, D, и K являются матрицами пространства состояний. u (t) - вход, y (t) - выход, e (t) - нарушение порядка, а x (t) - вектор nx состояния.

Все значения A, B, C и K по умолчанию являются свободно оцениваемыми параметрами. D по умолчанию фиксируется на нуле, что означает отсутствие сквозного соединения, кроме статических систем (nx=0).

Информация о результатах оценки и используемых опциях хранится в Report свойство модели. Report имеет следующие поля:

Поле отчета Описание

Status

Сводными данными статуса модели, которое указывает, была ли модель создана конструкцией или получена оценкой.

Method

Используется команда estimation.

InitialState

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

'zero' - Начальное состояние было установлено в нуль.
'estimate' - начальное состояние рассматривалось как независимый параметр оценки.

Это поле особенно полезно, когда InitialState опция в наборе опций оценки 'auto'.

ARXOrder

ARX модели порядков, возвращенный как матрица неотрицательных целых чисел [na nb nk].

Fit

Количественная оценка оценки, возвращенная как структура. Смотрите функции потерь и метрики качества модели для получения дополнительной информации об этих метриках качества. Структура имеет следующие поля:

Область	Описание
`FitPercent`	Нормированная мера средней квадратичной невязки корня (NRMSE) того, насколько хорошо реакция модели соответствует данным оценки, выраженным в процентах `fit` = 100 (1-NRMSE).
`LossFcn`	Значение функции потерь, когда оценка завершается.
`MSE`	Средняя квадратичная невязка (MSE) мера того, насколько хорошо реакция модели соответствует данным оценки.
`FPE`	Окончательная ошибка предсказания для модели.
`AIC`	Необработанная мера качества модели Akaike Information Criteria (AIC).
`AICc`	Скорректированный AIC небольшого размера.
`nAIC`	Нормализованный AIC.
`BIC`	Байесовские информационные критерии (BIC).

Parameters

Оценочные значения параметров модели.

OptionsUsed

Набор опций, используемый для оценки. Если пользовательские опции не были настроены, это набор опций по умолчанию. Посмотрите ssregestOptions для получения дополнительной информации.

RandState

Состояние потока случайных чисел в начале оценки. Пустой, [], если рандомизация не использовалась во время оценки. Для получения дополнительной информации см. rng.

DataUsed

Атрибуты данных, используемых для оценки, возвращаются как структура со следующими полями:

Область	Описание
`Name`	Имя набора данных.
`Type`	Тип данных.
`Length`	Количество выборок данных.
`Ts`	Шаг расчета.
`InterSample`	Входной межвыборка поведения, возвращенный как одно из следующих значений: `'zoh'` - Удержание нулевого порядка поддерживает кусочно-постоянный входной сигнал между выборками. `'foh'` - Удержание первого порядка поддерживает кусочно-линейный входной сигнал между выборками. `'bl'` - Ограниченное по полосе поведение задает, что входной сигнал в непрерывном времени имеет нулевую степень выше частоты Найквиста.
`InputOffset`	Смещение удалено из входных данных временной области во время оценки. Для нелинейных моделей это `[]`.
`OutputOffset`	Смещение удалено из выходных данных временной области во время оценки. Для нелинейных моделей это `[]`.

Для получения дополнительной информации об использовании Report, см. Отчет по оценке.

`x0` - Начальные состояния, вычисленные во время оценки
скалярная матрица |

Начальные состояния, вычисленные во время оценки, возвращаются как скаляр. Если data содержит несколько экспериментов, затем x0 является матрицей с каждым столбцом, соответствующим эксперименту.

Это значение также сохранено в Parameters поле Report модели свойство.

Подробнее о