Набор опций для ssregest
options = ssregestOptions;
Создайте набор опций для ssregest который фиксирует значение начальных состояний, чтобы 'zero'. Также установите Display на 'on'.
opt = ssregestOptions('InitialState','zero','Display','on');
Кроме того, используйте запись через точку, чтобы задать значения opt.
opt = ssregestOptions; opt.InitialState = 'zero'; opt.Display = 'on';
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.
opt = ssregestOptions('InitialState','zero') фиксирует значение начальных состояний в нуле.'InitialState' - Обработка начальных состояний'estimate' (по умолчанию) | 'zero'Обработка начальных состояний во время оценки, заданная как одно из следующих значений:
'zero' - Начальное состояние устанавливается в нуль.
'estimate' - Начальное состояние рассматривается как независимый параметр оценки.
'ARXOrder' - Заказы модели ARX'auto' (по умолчанию) | матрица неотрицательных целых чиселARX модели порядков, заданная как матрица неотрицательных целых чисел [na nb nk]. The max(ARXOrder)+1 должен быть больше, чем требуемый порядок модели пространства состояний (количество состояний). Если вы задаете значение, рекомендуется использовать большое значение для nb порядок. Чтобы узнать больше о порядках модели ARX, см. arx.
'RegularizationKernel' - Регуляризация ядра'TC' (по умолчанию) | 'SE' | 'SS' | 'HF' | 'DI' | 'DC'Регуляризация ядра, используемого для регуляризованных оценок базовой модели ARX, задается как одно из следующих значений:
'TC' - Настроенное и коррелированное ядро
'SE' - Квадратное экспоненциальное ядро
'SS' - Стабильное сплайн ядро
'HF' - Высокочастотное стабильное сплайн ядро
'DI' - Диагональное ядро
'DC' - Диагональное и коррелированное ядро
Для получения дополнительной информации см. раздел [1].
'Reduction' - Опции для сокращения порядка моделиОпции для сокращения порядка модели, заданные как структура со следующими полями:
StateElimMethod
Метод устранения состояния. Задает, как исключить слабо связанные состояния (состояния с наименьшими сингулярными значениями Ханкеля). Задается как одно из следующих значений:
'MatchDC' | Отбрасывает заданные состояния и изменяет оставшиеся состояния, чтобы сохранить коэффициент усиления постоянного тока. |
'Truncate' | Отбрасывает заданные состояния без изменения остальных состояний. Этот метод имеет тенденцию продукта лучшее приближение в частотный диапазон, но усиления постоянного тока не гарантировано совпадают. |
По умолчанию: 'Truncate'
AbsTol, RelTol
Абсолютный и относительная погрешность допуск к стабильному/нестабильному разложению. Положительные скалярные значения. Для модели входа, G с нестабильными полюсами, алгоритм восстановления ssregest сначала извлекает стабильную динамику путем вычисления G стабильного/нестабильного разложения → GS + GU. The AbsTol и RelTol допуски контролируют точность этого разложения путем обеспечения того, чтобы частотные характеристики G и GS + GU отличались не более чем на AbsTol + RelTol* abs (G). Увеличение этих допусков помогает разделять близлежащие стабильные и нестабильные режимы за счет точности. Посмотритеstabsep (Control System Toolbox) для получения дополнительной информации.
По умолчанию: AbsTol = 0; RelTol = 1e-8
Offset
Смещение для стабильного / нестабильного контура. Положительное скалярное значение. В стабильном/нестабильном разложении стабильный термин включает только полюсы, удовлетворяющие
Re(s) < -Offset * max(1,|Im(s)|) (Непрерывное время)
|z| < 1 - Offset (Дискретное время)
Увеличьте значение Offset относиться к полюсам, близким к контуру устойчивости, как к нестабильным.
По умолчанию: 1e-8
'Focus' - Ошибка, которая будет минимизирована'prediction' (по умолчанию) | 'simulation'Ошибка, которая будет минимизирована в функции потерь во время оценки, заданная как разделенная разделенными запятой парами, состоящая из 'Focus' и одно из следующих значений:
'prediction' - Ошибка предсказания на один шаг вперед между измеренным и предсказанным выходами минимизируется во время оценки. В результате оценка фокусируется на создании хорошей модели предиктора.
'simulation' - Ошибка симуляции между измеренным и моделируемым выходами минимизируется во время оценки. В результате оценка фокусируется на том, чтобы сделать хорошую подгонку для симуляции отклика модели с текущими входами.
The Focus опция может быть интерпретирована как фильтр взвешивания в функции потерь. Для получения дополнительной информации см. «Функция потерь» и «Метрики качества модели».
'WeightingFilter' - Взвешивающий предфильтр[] (по умолчанию) | вектор | матрица | массив ячеек | линейная системаПредварительный фильтр взвешивания, примененный к функции потерь, которая будет минимизирована во время оценки. Чтобы понять эффект WeightingFilter о функции потерь см. «Функция потерь» и «Метрики качества модели».
Задайте WeightingFilter как одно из следующих значений:
[] - Утяжеляющий предварительный фильтр не используется.
Полосы пропускания - Задайте вектор-строку или матрицу, содержащую значения частоты, которые определяют желаемые полосы пропускания. Вы выбираете полосу частот, где оптимизировано соответствие между оценочной моделью и данными оценки. Для примера, [wl,wh] где wl и wh представляют собой нижний и верхний пределы полосы пропускания. Для матрицы с несколькими строками, определяющими полосы пропускания частоты, [w1l,w1h;w2l,w2h;w3l,w3h;...]алгоритм оценки использует объединение частотных областей значений, чтобы задать полосу пропускания оценки.
Полосы пропускания выражены в rad/TimeUnit для данных во временной области и в FrequencyUnit для данных частотного диапазона, где TimeUnit и FrequencyUnit являются временными и частотными модулями данных оценки.
SISO-фильтр - Задает линейный фильтр с одним входом и одним выходом (SISO) одним из следующих способов:
Модель SISO LTI
{A,B,C,D} формат, который задает матрицы пространства состояний фильтра с тем же шагом расчета, что и данные оценки.
{numerator,denominator} формат, который задает числитель и знаменатель фильтра как передаточную функцию с тем же шагом расчета, что и данные оценки.
Эта опция вычисляет функцию взвешивания как продукт фильтра и входа спектра, чтобы оценить передаточную функцию.
Вектор взвешивания - применим только для данных частотного диапазона. Задайте вектор-столбец весов. Этот вектор должен иметь ту же длину, что и вектор частоты набора данных, Data.Frequency. Каждый входной и выходной отклик в данных умножается на соответствующий вес на этой частоте.
'EstimateCovariance' - Контролировать, генерировать ли параметрические ковариационные данныеtrue (по умолчанию) | falseУправляет, генерируются ли ковариационные данные параметра, задается как true или false.
Если EstimateCovariance является true, затем используйте getcov чтобы извлечь ковариационную матрицу из предполагаемой модели.
'Display' - Укажите, отображать ли прогресс оценки'off' (по умолчанию) | 'on'Укажите, отображать ли прогресс оценки, заданный как одно из следующих значений:
'on' - Информация о структуре модели и результатах оценки отображаются в окне progress-viewer.
'off' - Информация о прогрессе или результатах не отображается.
'InputOffset' - Удаление смещения от входных данных во временной области во время оценки[] (по умолчанию) | вектор положительных целых чисел | матрицеУдаление смещения от входных данных во временной области во время оценки, заданное как разделенная разделенными запятой парами, состоящая из 'InputOffset' и одно из следующих:
A вектора-столбца положительных целых чисел длины Nu, где Nu - количество входов.
[] - Отсутствие смещения.
Nu -by- Ne матрица - Для данных нескольких экспериментов задайте InputOffset как матрица Nu -by Ne. Nu - количество входов, а Ne - количество экспериментов.
Каждая запись, заданная InputOffset вычитается из соответствующих входных данных.
'OutputOffset' - Удаление смещения от выходных данных во временной области во время оценки[] (по умолчанию) | вектор | матрицаУдаление смещения из выходных данных временной области во время оценки, заданное как разделенная разделенными запятой парами, состоящая из 'OutputOffset' и одно из следующих:
Вектор-столбец длины Ny, где Ny количество выходов.
[] - Отсутствие смещения.
Ny -by- Ne матрица - Для данных нескольких экспериментов задайте OutputOffset как матрица Ny -by Ne. Ny - количество выходов, а Ne - количество экспериментов.
Каждая запись, заданная OutputOffset вычитается из соответствующих выходных данных.
'OutputWeight' - Вес ошибок предсказания в многозначной оценке[] (по умолчанию) | положительная полуопределенная, симметричная матрицаВес ошибок предсказания в многозначной оценке, заданный как одно из следующих значений:
Положительная полуопределённая, симметричная матрица (W). Программа минимизирует трассировку взвешенной матрицы ошибок предсказания trace(E'*E*W/N) где:
E - матрица ошибок предсказания с одним столбцом для каждого выхода и W - положительная полуопределенная, симметричная матрица размера, равная количеству выходов. Использование W для определения относительной важности выходов в нескольких-выходных моделях или надежности соответствующих данных.
N количество выборок данных.
[] - Взвешивание не используется. Определение как [] то же, что и eye(Ny), где Ny - количество выходов.
Эта опция актуальна только для мультивыходов.
'Advanced' - Расширенные опции оценкиРасширенные опции для регулярной оценки, заданные как структура со следующими полями:
MaxSize - Максимально допустимый размер якобиевых матриц, сформированных во время оценки, заданный как большое положительное число.
По умолчанию: 250e3
SearchMethod - Метод поиска для оценки параметров регуляризации, заданный как одно из следующих значений:
'gn': Поиск линии Квази-Ньютон.
'fmincon': Доверительная область отражающий минимизатор. В целом, 'fmincon' лучше, чем 'gn' для обработки ограничений по параметрам регуляризации, которые накладываются автоматически во время оценки.
По умолчанию: 'fmincon'
options - Набор опций для ssregestssregestOptions набор опцийОпции оценки для ssregest, возвращается как ssregestoptions набор опций.
В имена году были изменены опции анализа некоторых оценок и R2018a. Прежние имена все еще работают. Для получения дополнительной информации смотрите R2018a релиза примечание Переименование оценки и Опции анализа.
[1] T. Chen, H. Ohlsson, and L. Ljung. «Об оценке передаточных функций, регуляризаций и гауссовских процессов - пересмотрено», Automatica, том 48, август 2012 года.
У вас есть измененная версия этого примера. Вы хотите открыть этот пример с вашими правками?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.