Документация

Исследуйте ошибку расчета (residuals), которая является различием между измеренным и оцененным выходами. Ошибка расчета может быть большой в начале оценки или когда существуют большие изменения параметра. Ошибка должна стать меньше, когда оценки параметра сходятся. Небольшие ошибки в отношении размера выходов дают доверие в оценочных значениях.

Можно также анализировать невязки с помощью таких методов, как тест белизны и тест независимости. Для такого анализа используйте измеренные данные и ошибку расчета, собранную после того, как значения параметров установились приблизительно до постоянных значений. Для получения дополнительной информации об этих тестах см. «Что такое остаточный анализ»?

Чтобы получить ошибку расчета, на вкладке Algorithm and Block Options установите флажок Output estimation error. Программа добавляет к блоку выходной порт Ошибки, который можно контролировать с помощью блока Scope. Этот выходной порт обеспечивает одноэтапную ошибку оценки, e (t) = y (t) _- yest (t). Для временного шага t, y _и yest являются измеренными и оцененными выходами, соответственно.

Ковариация параметра является мерой предполагаемой неопределенности в параметрах и вычисляется, когда используются алгоритмы оценки коэффициента забывания или фильтра Калмана.

Ковариация параметра вычисляется, принимая, что невязки являются белым шумом, и отклонение этих невязок равно 1. Чтобы получить ковариацию параметра, на вкладке Algorithm and Block Options параметров блоков онлайн-оценки установите флажок Output parameter covariance matrix. Программа добавляет к блоку Covariation outport, который можно контролировать с помощью блока Display. Этот выходной порт обеспечивает параметру матрицу ковариации, P.

Оцененные параметры могут быть рассмотрены как случайные переменные с отклонением, равной соответствующей диагонали параметрической ковариационной матрицы, масштабируемой отклонением невязок (residualVariance) на каждом временном шаге. Вы используете предыдущие знания или вычисляете residualVariance от невязок, e. Где, e - вектор ошибок расчета, e (t).

 residualVariance = var(e);

Масштабируйте ковариацию параметра, чтобы вычислить отклонение предполагаемых параметров.

paramVariance = diag(P)*residualVariance;

Меньшее значение отклонения дает доверие в оценочных значениях.

Симулируйте предполагаемую модель и сравните моделируемые и измеренные выходы. Для этого подайте измеренный вход в модель, которая использует предполагаемые изменяющиеся во времени значения параметров. Затем сравните выход модели с измеренным выходом. Моделируемый результат, близкий к измеренному выходу, дает доверие в оценочных значениях.