В приложении Системы идентификации выберите Estimate > Polynomial Models, чтобы открыть диалоговое окно Polynomial Моделей.
Для получения дополнительной информации об опциях в диалоговом окне нажмите кнопку Help.
В списке Structure выберите структуру полиномиальной модели, которую вы хотите оценить, из следующих опций:
ARX:[na nb nk]
ARMAX:[na nb nc nk]
OE:[nb nf nk]
BJ:[nb nc nd nf nk]
Это действие обновляет опции в диалоговом окне Полиномиальные модели, чтобы соответствовать этой структуре модели. Для получения информации о каждой структуре модели смотрите Что такое полиномиальные модели?.
Примечание
Для данного timeseries доступны только модели AR и ARMA. Для получения дополнительной информации об оценке моделей timeseries смотрите Анализ временных рядов.
В поле Orders укажите порядки модели и задержки следующим образом:
Для моделей полинома с одним выходом вводите заказы модели и задержки в соответствии с последовательностью, отображаемой в поле Structure. Для моделей с несколькими входами задайте nb и nk как векторы-строки с таким количеством элементов, сколько существует входов. Если вы оцениваете модели BJ и OE, вы также должны задать nf как вектор.
Для примера, для системы с тремя входами, nb можно [1 2 4], где каждый элемент соответствует входу.
Для моделей с несколькими выходами введите порядки моделей, как описано в Полиномиальных размерах и Порядках Мультивыхода Полинома Моделях.
Совет
Чтобы ввести порядки моделей и задержки с помощью диалогового окна Редактор порядков (Order Editor), нажмите кнопку Order Editor.
(Только для моделей ARX) Выберите Method оценки как ARX или IV (метод инструментальной переменной). Для получения информации об алгоритмах см. «Алгоритмы оценки полиномиальной модели».
(Только для моделей ARX, ARMAX и BJ) Установите флажок Add noise integration, чтобы добавить интегратор к источнику шума, e.
Задайте задержку с помощью Input delay окна редактирования. Значение должно быть вектором длины, равной количеству входа каналов в данных. Для оценок в дискретном времени (любая оценка с использованием данных с ненулевым шагом расчета) задержка должна быть выражена в количестве лагов. Эти задержки являются отдельными от задержек в модели, заданных nk порядок в Orders окне редактирования.
В Name поле отредактируйте имя модели или сохраните значение по умолчанию.
В списке Focus выберите, как взвесить относительную важность подгонки на разных частотах. Для получения дополнительной информации о каждой опции смотрите Присвоение весов оценки.
В списке Initial state укажите, как вы хотите, чтобы алгоритм лечил начальные условия. Для получения дополнительной информации о доступных опциях смотрите Определение начальных условий для итерационных алгоритмов оценки.
Совет
Если вы получаете неточную подгонку, попробуйте задать определенный метод для обработки начальных состояний, а не выбирать его автоматически.
В списке Covariance выберите Estimate если вы хотите, чтобы алгоритм вычислял неопределенности параметров. Эффекты таких неопределенностей отображаются на графиках как области доверия модели.
Чтобы опустить оценку неопределенности, выберите None. Пропуск расчета неопределенности для больших, нескольких выходных моделей может сократить время расчета.
Щелкните Regularization, чтобы получить регулярные оценки параметров модели. Задайте константы регуляризации в диалоговом окне Опции регуляризации (Regularization Options). Чтобы узнать больше, см. «Регуляризованные оценки параметров модели».
(Только для моделей ARMAX, OE и BJ) Чтобы просмотреть прогресс оценки в Командном Окне MATLAB, установите флажок Display progress. Это запускает окно средства просмотра прогресса, в котором сообщается о прогрессе оценки.
Нажмите Estimate, чтобы добавить эту модель в плату Model Board в приложении Системы идентификации.
(Только метод ошибки предсказания) Чтобы остановить поиск и сохранить результаты после завершения текущей итерации, нажмите Stop Iterations. Чтобы продолжить итерации из текущей модели, нажмите кнопку Continue iter, чтобы назначить текущие значения параметров в качестве начальных догадок для следующего поиска.
Можно задать, как алгоритм оценки взвешивает подгонку на различных частотах. В приложении установите Focus один из следующих опций:
Prediction - Использует обратную модель шума H, чтобы взвесить относительную важность того, как тесно соответствовать данным в различных областях значений. Соответствует минимизации предсказания с одним шагом вперед, что обычно способствует подгонке на коротком временном интервале. Оптимизировано для приложений выходного предсказания.
Simulation - Использует входной спектр, чтобы взвесить относительную важность подгонки в определенной частотной области значений. Не использует модель шума, чтобы взвесить относительную важность того, как тесно соответствовать данным в различных частотных областях значений. Оптимизировано для выходов симуляции.
Stability - Оценивает лучшую стабильную модель. Для получения дополнительной информации о стабильности модели см. «Нестабильные модели».
Filter - Укажите пользовательский фильтр, чтобы открыть диалоговое окно Особое Внимание, где можно ввести фильтр, как описано в Simple Passband Filter или Defining a Custom Filter. Эта предварительная фильтрация применяется только для оценки динамики от входа до вывода. Модель возмущения определяется из данных нефильтрованной оценки.
Проверьте модель, установив соответствующий флажок в области Model Views приложения Системы идентификации. Для получения дополнительной информации о проверке моделей см. Раздел «Валидация моделей после оценки».
Экспортировать модель в Рабочее пространство MATLAB для последующего анализа путем перетаскивания ее в To Workspace прямоугольник в приложении Системы идентификации.
Совет
Для моделей ARX и OE можно использовать экспортированную модель для инициализации нелинейной оценки в командной строке. Эта инициализация может улучшить подгонку модели. См. «Инициализация нелинейной оценки ARX с помощью линейной модели» и «Инициализация оценки Гаммерштейна-Винера с помощью линейной модели».
