Постройте нелинейность нелинейной модели ARX
plot( строит нелинейность нелинейной модели ARX на нелинейном графике ARX. График показывает нелинейность для всех выходных параметров модели в зависимости от ее входных регрессоров.model)
plot(model1,...,modelN) генерирует график для многоуровневых моделей.
plot(model1,color1...,modelN,colorN) задает цвет для каждой модели. Вы не должны задавать цвет для всех моделей.
Оцените нелинейную модель ARX и постройте ее нелинейность.
load iddata1 model1 = nlarx(z1,[4 2 1],'idWaveletNetwork','nlr',[1:3]); plot(model1)
В окне графика можно выбрать:
Регрессоры, чтобы использовать на осях графика и задать центральные точки для других регрессоров в панели настройки. Для мультивыходных моделей каждый выход построен отдельно.
Выход, чтобы просмотреть из выпадающего списка, расположенного наверху графика.
load iddata1 model1 = nlarx(z1,[4 2 1],'idwave','nlr',[1:3]); model2 = nlarx(z1,[4 2 1],'idSigmoidNetwork','nlr',[1:3]); plot(model1,'b', model2, 'g')
load iddata1 model1 = nlarx(z1,[4 2 1],idWaveletNetwork); model2 = nlarx(z1,[4 2 1],idSigmoidNetwork); plot(model1,'b', model2, 'g','NumberofSamples',50)
Нелинейный график ARX отображает оцененную нелинейность модели для выбранного выхода модели в зависимости от одного или двух регрессоров модели. Для модели M, нелинейность модели (M.Nonlinearity) функция средства оценки нелинейности, такая как idWaveletNetwork, idSigmoidNetwork, или idTreePartition, это использует регрессоры модели в качестве его входных параметров.
Чтобы понять, что построено, предположите тот {r1,r2,…,rN} N регрессоры, используемые нелинейной моделью ARX M с нелинейностью nl соответствие выходу модели. Можно использовать getreg(M) просмотреть эти регрессоры. Выражение Nonlin = evaluate(nl,[v1,v2,...,vN]) возвращает выходной параметр модели для данных значений этих регрессоров, то есть, r1 = v1r2 = v2..., rN = vN. Для графического вывода нелинейности вы выбираете один или два из N регрессоры, например, rsub = {r1,r4}. Программное обеспечение варьируется значения этих регрессоров в заданной области, при фиксации значения остающихся регрессоров, и генерирует график Nonlin по сравнению с rsub. По умолчанию программное обеспечение устанавливает значения остающихся фиксированных регрессоров к их предполагаемым средним значениям, но можно изменить эти значения. Средние значения регрессора хранятся в Nonlinearity.Parameters.RegressorMean свойство модели.
Исследование нелинейного графика ARX может помочь вам получить сведения, какие регрессоры оказывают самое сильное влияние на выход модели. Понимание относительной важности регрессоров на выходе может помочь вам решить который регрессоры включать в нелинейную функцию для того выхода. Если форма графика похожа на плоскость для всех выбранных значений регрессора, то модель, вероятно, линейна в тех регрессорах. В этом случае можно удалить соответствующие регрессоры из нелинейного блока и повторить оценку.
Кроме того, можно создать несколько нелинейных моделей для тех же данных с помощью различных средств оценки нелинейности, такого idWaveletNetwork сеть и idTreePartition, и затем сравните нелинейные поверхности этих моделей. Соглашение между графиками для различных моделей увеличивает доверие, что эти нелинейные модели получают истинную динамику системы.
Чтобы узнать больше о конфигурировании графика, смотрите Конфигурирование Нелинейного Графика ARX.
