Линейные Структуры модели

Об System Identification Toolbox объектов модели

Объекты являются образцами классов модели. Каждый класс является концептуальным документом, который задает следующую информацию о вашей модели:

  • Как объект хранит данные

  • Какие операции можно выполнить для объекта

Этот тулбокс включает девять классов для представления моделей. Для примера, idss представляет линейные модели пространства состояний и idnlarx представляет нелинейные модели ARX. Полный список доступных объектов модели см. в Доступные линейные модели и Доступные нелинейные модели.

Свойства модели определяют, как объект модели хранит информацию. Объекты модели хранят информацию о модели, такой как математическая форма модели, имена входа и выходных каналов, модули, имена и значения предполагаемых параметров, неопределенности параметров и отчет об оценке. Для примера, idss модель имеет InputName свойство для хранения одного или нескольких имен входных каналов.

Разрешенные операции для объекта называются методами. В программном обеспечении System Identification Toolbox™ некоторые методы имеют то же имя, но применяются к нескольким объектам модели. Для примера, step создает переходный процесс для всех динамических системных объектов. Однако другие методы являются уникальными для определенного объекта модели. Для примера, canon является уникальным для пространства состояний idss модели и linearize к нелинейным моделям черного ящика.

Каждый класс имеет специальный метод, называемый конструктором, для создания объектов этого класса. Использование конструктора создает образец соответствующего класса или создает экземпляр объекта. Имя конструктора совпадает с именем класса. Для примера, idss и idnlarx являются как именем класса, так и именем конструктора для создания экземпляров линейных моделей пространства состояний и нелинейных моделей ARX, соответственно.

Когда создавать структуру модели независимо от оценки

Конструкторы модели используются для создания объекта модели в командной строке путем явного определения всех необходимых свойств модели.

Вы должны создать объект модели независимо от оценки, когда вы хотите:

  • Симулируйте или анализируйте эффект параметров модели на ее ответ, независимо от оценки.

  • Задайте начальное предположение для значений параметров конкретной модели перед оценкой. Можно задать ограничения на значения параметров или настроить информацию о вспомогательной модели в усовершенствование, или обоих. Информация вспомогательной модели включает в себя указание имен ввода/вывода, модулей, примечаний, данных пользователя и так далее.

В большинстве случаев можно использовать команды оценки, чтобы как создать, так и оценить модель - без необходимости создавать объект модели независимо. Для примера команда оценки tfest создает модель передаточной функции с использованием данных и количества полюсов и нулей модели. Точно так же, nlarx создает нелинейную модель ARX с помощью данных и порядков модели и задержек, которые определяют строение регрессора. Для получения информации о том, как создать и оценить модели с помощью одной команды, смотрите Команды оценки модели.

В случае серых серых ящиков, вы всегда должны сначала создать объект модели, а затем оценить параметры обыкновенного дифференциального или разностного уравнения.

Команды для построения структур линейной модели

В следующей таблице представлены конструкторы модели, доступные в продукте System Identification Toolbox для представления различных типов линейных моделей.

После оценки модели можно распознать соответствующие объекты модели в MATLAB® Браузер рабочей области по именам классов. Имя конструктора совпадает с именем объекта, который он создает.

Для получения информации о том, как создать и оценить модели с помощью одной команды, смотрите Команды оценки модели.

Сводные данные конструкторов модели

Конструктор моделиПолучившийся класс модели
idfrdНепараметрическая модель частотной характеристики.
idprocНепрерывные, низкоупорядоченные передаточные функции (модели процесса).
idpoly

Линейные полиномиальные модели ввода-вывода:

  • ARX

  • ARMAX

  • Выходная ошибка

  • Бокс-Дженкинс

idss

Модели линейного пространства состояний.

idtf

Модели линейной передаточной функции.

idgreyЛинейные обыкновенные дифференциальные или разностные уравнения (модели серого ящика). Вы пишете функцию, которая переводит пользовательские параметры в матрицы пространства состояний. Можно также рассматривать как модели пространства состояний с заданной пользователем параметризацией.

Для получения дополнительной информации о том, когда использовать эти команды, см. «Когда создавать структуру модели независимо от оценки».

Свойства модели

Категории свойств модели

Способ хранения информации объектом модели задан свойствами соответствующего класса модели.

Каждый объект модели имеет свойства для хранения информации, которые относятся только к этому конкретному типу модели. idtf, idgrey, idpoly, idproc, и idss объекты модели основаны на idlti суперкласс и наследовать все idlti свойства.

В целом все объекты модели имеют свойства, которые относятся к следующим категориям:

  • Имена входа и выхода каналов, таких как InputName и OutputName

  • Шаг расчета модели, такой как Ts

  • Модули измерения для времени или частоты

  • Порядок модели и математическая структура (для примера, ОДУ или нелинейностей)

  • Свойства, которые хранят результаты оценки (Report)

  • Комментарии пользователей, такие как Notes и Userdata

Дополнительные сведения о получении справки по свойствам объекта см. на страницах модели-ссылки.

Просмотр свойств модели и предполагаемых параметров

В следующей таблице приведены команды для просмотра и изменения значений свойств модели. Имена свойства не зависят от регистра. Вы не должны вводить полное имя свойства, если первые несколько букв однозначно идентифицируют свойство.

ЗадачаКомандаПример
Просмотр всех свойств модели и их значенийget

Загрузите выборочные данные, вычислите модель ARX и перечислите свойства модели:

load iddata8
m_arx=arx(z8,[4 3 2 3 0 0 0]);
get(m_arx)
Доступ к определенному свойству моделиИспользуйте запись через точку

Просмотрите матрицу A, содержащую предполагаемые параметры в предыдущей модели:

m_arx.A
Для таких свойств, как Report, которые сконфигурированы как структуры, используйте запись через точку формы model.PropertyName.FieldName.
FieldName - имя любого поля свойства.

Просмотрите метод, используемый в оценке модели ARX:

m_arx.Report.Method
Измените значения свойств моделизапись через точку

Измените входные задержки для всех трех входных каналов на [1 1 1] для модели ARX:

m_arx.InputDelay = [1 1 1]
Доступ к значениям параметров модели и информации о неопределенностиИспользовать getpar, getpvec и getcov
См. также: polydata, idssdata, tfdata, zpkdata
  • Просмотрите таблицу всех атрибутов параметра:

    getpar(m_arx)

  • Просмотрите A полином и 1 стандартную неопределенность модели ARX:

    [a,~,~,~,~,da] = polydata(m_arx)
    

Установите значения свойств модели и информацию о неопределенностиИспользовать setpar, setpvec и setcov
  • Установите метки параметров по умолчанию:

    m_arx = setpar(m_arx,'label','default')

  • Установите ковариационные данные параметра:
    m_arx = setcov(m_arx,cov)

Получите количество параметровИспользовать nparams

Получите количество параметров:

nparams(sys)

См. также

Проверьте каждую модель непосредственно после оценки, чтобы помочь точно настроить стратегию моделирования. Когда вы не достигаете удовлетворительной модели, можно попробовать другую структуру и порядок модели или попробовать другой алгоритм идентификации. Для получения дополнительной информации о проверке и устранении проблем с моделями смотрите Валидация моделей после оценки.

Для просмотра документации необходимо авторизоваться на сайте