Можно оценить модель с несколькими выходами непосредственно с помощью всех измеренных входов и выходов, или можно попробовать создать модели для подмножеств наиболее важных входных и выходных каналов. Чтобы узнать больше о каждом подходе, смотрите:
Моделирование систем с несколькими выходами является более сложным, потому что входные/выходные связи требуют дополнительных параметров, чтобы получить хорошую подгонку и включать более сложные модели. В целом, модель лучше, когда во время моделирования включается больше входов данных. Включение большего количества выходов обычно приводит к худшим результатам симуляции, потому что сложнее воспроизводить поведение нескольких выходов одновременно.
Если вы знаете, что некоторые выходные выходы имеют низкую точность и должны быть менее важными во время оценки, можно контролировать, сколько каждого выход взвешивается в оценке. Для получения дополнительной информации смотрите Улучшение результатов оценки нескольких выходов путем взвешивания выходов во время оценки.
Можно выполнить оценку с помощью линейных и нелинейных моделей для нескольких-выходных данных.
Совет
Оценка моделей пространства состояний с несколькими выходами непосредственно обычно дает лучшие результаты, чем прямая оценка других типов моделей с несколькими выходами.
Вы можете обнаружить, что одной модели сложнее объяснить поведение нескольких выходов. Если вы получите плохую подгонку, оценивающую модель с несколькими выходами непосредственно, можно попробовать создать модели для подмножеств наиболее важных входных и выходных каналов.
Используйте этот подход, когда в динамической системе нет обратной связи и нет связей между выходами. Если вы не уверены в наличии обратной связи, см. «Как анализировать данные с помощью команды advice».
Чтобы создать частичные модели, используйте подконференцию, чтобы создать частичные наборы данных, так что каждый набор данных содержит все входы и один выход. Для получения дополнительной информации о создании частичных наборов данных смотрите следующие темы:
Для работы в приложении Системы идентификации смотрите Создать Наборы Данных Из Подмножества Каналов Сигнала.
Для работы в командной строке смотрите Select Данных Channels, ввод-вывод Данных и Experiments in iddata Объектов.
После проверки моделей с одним выходом используйте вертикальную конкатенацию, чтобы объединить эти частичные модели в одну модель с несколькими выходами. Для получения дополнительной информации о конкатенации см. «Увеличение количества каналов или точек данных объектов iddata» или «Добавление входных или выходных каналов в простых объектах».
Можно попробовать уточнить конкатенированную модель с несколькими выходами, используя исходный (несколько выходов) набор данных.
При оценке линейных и нелинейных моделей черного ящика для систем с несколькими выходами можно управлять относительной важностью выходных каналов в процессе оценки. Способность контролировать, сколько каждого результата взвешивается во время оценки, полезна, когда некоторые из измеренных выходов имеют низкую точность или должны рассматриваться как менее важные во время оценки. Для примера, если вы уже смоделировали одну выходную скважину, можно хотеть сфокусировать оценку на моделировании остальных выходов. Точно так же можно хотеть уточнить модель для подмножества выходов.
Используйте OutputWeight опция оценки для указания требуемого выходного взвешивания. Если установить эту опцию равной 'noise'Для оценки модели используется автоматическое взвешивание, равное обратному расчетному отклонению шума. Можно также задать пользовательскую матрицу взвешивания, которая должна быть положительной полуопределенной матрицей.
Примечание
The OutputWeight опция недоступна для полиномиальных моделей, кроме ARX моделей, поскольку их алгоритм оценки оценивает параметры по одному выходу за раз.
Передаточная функция (idtf) и модели процесса (idproc) игнорировать OutputWeight если они содержат ненулевые или бесплатные транспортные задержки. При наличии задержек оценка выполняется по одному выходу за раз.
Для получения дополнительной информации о OutputWeight option, см. Наборы опций оценки, такие как arxOptions, ssestOptions, tfestOptions, nlarxOptions, и nlhwOptions.
Примечание
Для выходов idnlarx модели, содержащие neuralnet или treepartition для оценки нелинейности выходное взвешивание игнорируется, потому что каждый выход оценивается независимо.
