Оценка Модели Серого Ящика

Оценка коэффициентов линейных и нелинейных дифференциальных, разностных и пространственно-временных уравнений

Функции

greyestОценка линейной модели серого ящика
nlgreyestОцените нелинейные параметры модели серого ящика
idgreyЛинейное ОДУ (модель серого ящика) идентифицируемыми параметрами
idnlgreyНелинейная модель серого ящика
pemМинимизация ошибки предсказания для совершенствования линейных и нелинейных моделей
findstatesОцените начальные состояния модели
initУстановите или рандомизируйте начальные значения параметров
getinitЗначения idnlgrey начальные состояния модели
setinitУстановите начальные состояния idnlgrey объект модели
getparЗначения параметров и свойства idnlgrey параметры модели
setparУстановите начальные значения параметров idnlgrey объект модели
getpvecПолучите параметры модели и сопоставленные данные о неопределенности
setpvecИзмените значения параметров модели
simСимулируйте ответ идентифицированной модели
greyestOptionsНабор опции для greyest
nlgreyestOptionsНабор опций для nlgreyest
findstatesOptionsНабор опций для findstates
simOptionsНабор опций для sim

Примеры и руководства

Оцените линейные модели серого ящика

Как задать и оценить линейные модели серого ящика в командной строке.

Оцените модель серого ящика непрерывного времени для диффузии тепла

В этом примере показано, как оценить теплопроводность и коэффициент теплопередачи модели серого ящика непрерывного времени для системы горячего стержня.

Оцените модель серого ящика дискретного времени с параметрированным воздействием

В этом примере показано, как создать одно вход и структуру модели серого ящика одно выхода, когда вы знаете отклонение шума измерения.

Оцените, что коэффициенты ОДУ соответствуют данный решение

Оцените параметры модели с помощью линейного и нелинейного моделирования серого ящика.

Оцените Модель Используя Нулевые/Полюса/Усиления Параметры

В этом примере показано, как оценить модель, которая параметрируется полюсами, нулями и усилениями.

Оцените нелинейные модели серого ящика

Как задать и оценить нелинейные модели серого ящика в командной строке.

Создание файлов модели IDNLGREY

В этом примере показано, как записать файлы ОДУ для нелинейных моделей серого ящика как MATLAB и файлы MEX на C.

Оцените модели в пространстве состояний со структурированной параметризацией

Структурированная параметризация позволяет вам исключить определенные параметры из оценки путем установки этих параметров на определенные значения.

Создание структурированных и пользовательских моделей Используя System Identification Toolbox™

В этом примере показано, как оценить параметры в пользовательских структурах модели.

Концепции

Поддерживаемые модели серого ящика

Типы поддерживаемых моделей серого ящика.

Данные, поддержанные моделями серого ящика

Типы поддерживаемых данных для оценки моделей серого ящика.

Выбор idgrey или idnlgrey Объект модели

Различие между idgrey и idnlgrey объекты модели для представления объектов модели серого ящика.

Идентификация моделей в пространстве состояний с отдельными описаниями шума процесса и измерения

Идентифицированная линейная модель используется, чтобы симулировать и предсказать систему выходные параметры для данного входа и шумовых сигналов.

Функция потерь и метрики качества модели

Сконфигурируйте функцию потерь, которая минимизирована во время оценки параметра. После оценки используйте метрики качества модели, чтобы оценить качество идентифицированных моделей.

Отчет оценки

estimation report содержит информацию о результатах и опциях, используемых для оценки модели.

Упорядоченные оценки параметров модели

Регуляризация является методом для определения ограничений на гибкость модели, таким образом, уменьшая неопределенность в предполагаемых значениях параметров.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте