• 在系统识别 App 中估计传递函数模型


    使用该应用程序设置模型配置和估计选项以估计传递函数模型。

    先决条件

    • 将数据导入系统识别应用程序。 请参阅表示数据。 有关支持的数据格式,请参阅传递函数模型支持的数据。
    • 执行任何所需的数据预处理操作。 如果输入和/或输出信号包含非零偏移,请考虑去除数据趋势。 请参阅为系统识别准备数据的方法。

    1.在 System Identification 应用程序中,选择 Estimate > Transfer Function Models

     传递函数对话框打开。

    有关对话框中选项的详细信息,请单击帮助。

    2.在极点数和零点数字段中,将传递函数的极点数和零点数指定为非负整数。

      多输入多输出模型

    3.选择连续时间或离散时间以指定模型是连续时间还是离散时间传递函数。

    4.对于离散时间模型,极点和零点的数量是指以滞后变量 q^-1 表示的分子和分母多项式的根。

    (仅适用于离散时间模型)指定是否估计模型馈通。 选中馈通复选框。

    具有 2 个极点和 3 个零点的离散时间模型采用以下形式:

    当模型具有直接馈通时,b0 是一个自由参数,其值与其余模型参数 b1、b2、b3、a1、a2 一起估计。 当模型没有馈通时,b0 固定为零。

      多输入多输出模型

    5.展开延迟部分以指定不同输入/输出对的传输延迟的标称值和约束。

    使用输出列表选择一个输出。 选中固定复选框以将传输延迟指定为固定值。 在延迟字段中指定其标称值。

    6.展开估计选项部分以指定估计选项。

    • 选择显示进度以查看优化的进度。
    • 选择估计协方差以估计传递函数参数的协方差。
    • (仅适用于频域数据)指定是否允许估计过程使用可能导致模型不稳定的参数值。 选择允许不稳定模型选项。 只有当一个不稳定模型比在估计过程中计算的其他稳定模型更适合数据时,它才会被交付。
    • 在初始条件列表中指定如何处理初始条件。 有关详细信息,请参阅为传递函数的迭代估计指定初始条件。
    • 展开拟合频率范围并将范围滑块设置为所需的通带,以指定传递函数模型必须拟合数据的频率范围。 默认情况下,覆盖整个频率范围(0 到奈奎斯特频率)。

     7.展开搜索选项以指定用于控制搜索迭代的选项。

    搜索选项

    8.展开正则化以获得模型参数的正则化估计。 指定正则化常数 Lambda 和 R。

    要了解有关正则化的更多信息,请参阅模型参数的正则化估计。

    9.单击估计以估计模型。 一个新模型被添加到系统识别应用程序中。

     

     

  • 相关阅读:
    【机器学习】什么是连续状态空间?如何构建一个强化学习的算法以及构建强化学习算法中的一些问题
    C#基础知识总结
    ClickHouse—入门
    从 160 万到 1.5 亿美元 ,开源软件迎来融资热潮
    智能合约语言(eDSL)—— proc_macro实现合约init函数
    清理迅雷系列软件数据记录【破坏性】
    软件License授权原理
    Springboot开发时,对前端的请求参数,后端用于接受的实体类有没有必要校验为null?
    vulnhub靶场之WORST WESTERN HOTEL: 1
    Mysql索引优化实战
  • 原文地址:https://blog.csdn.net/qq_38029916/article/details/126960946