开始使用系统辨识工具箱
系统识别工具箱™提供MATLAB®函数,仿真软件®块,以及用于动态系统建模、时间序列分析和预测的应用程序。您可以学习测量变量之间的动态关系,从而在连续或离散时间中创建传递函数、过程模型和状态空间模型,同时使用时间域或频域数据。您可以使用AR、ARMA和其他线性和非线性自回归建模技术来预测时间序列。
该工具箱允许您使用Hammerstein-Wiener和带有机器学习技术(如高斯过程(GP)、支持向量机(SVM)和其他表示的非线性ARX模型来估计非线性系统动力学。或者,您可以使用深度学习创建神经常微分方程(ODE)模型来捕获非线性系统动力学。该工具箱允许您执行灰盒系统识别,以估计用户定义模型的参数。您可以将识别的模型集成到Simulink中进行快速模拟,以实现控制设计和诊断和预后应用。
您可以使用扩展或无气味卡尔曼滤波器和粒子滤波器进行在线参数和状态估计,用于自适应控制、故障检测和软测量应用。该工具箱允许您为针对嵌入式设备的在线估计算法生成C/ c++代码。
教程
- 使用系统识别应用程序识别线性模型
使用系统识别应用程序从单输入/单输出(SISO)数据识别线性黑盒模型。
- 使用命令行识别线性模型
使用系统识别工具箱命令从多输入/单输出(MISO)数据中识别线性模型。
- 使用系统识别应用程序识别低阶传递函数(过程模型)
使用应用程序从单输入/单输出(SISO)数据中识别连续时间传递函数。
- 热扩散的连续时间灰盒模型估计
该算例说明了如何估计加热棒系统的连续时间灰盒模型的导热系数和传热系数。
- 利用系统识别应用程序识别非线性黑箱模型
使用系统识别应用程序从单输入/单输出(SISO)数据识别非线性黑箱模型。
关于系统辨识
- 系统识别的概述
系统识别是一种利用系统输入和输出信号的测量建立动态系统数学模型的方法。
- 系统识别工作流
系统识别工作流中典型任务的总结。
- 支持数据
系统识别工具箱软件支持从时域和频域数据估计线性模型。
- 支持连续和离散时间模型
可以从时间域和频域数据估计的连续时间和离散时间模型的类型。
- 利用频域数据估计模型
工具箱中的频域识别概述。
- 使用系统识别应用程序
使用系统识别应用程序。
- 什么是在线评估?
实时估计系统的状态和参数。
视频
系统识别第1部分:什么是系统识别?
系统识别是使用数据而不是物理建立动态系统模型的过程。探索什么是系统标识,以及它在大局中的位置。
系统辨识第2部分:线性系统辨识
学习如何使用系统识别来拟合和验证线性模型的数据已经被噪声和外部干扰破坏。
系统辨识第3部分:非线性系统辨识
通过浏览许多可能的模型选项之一——一个非线性ARX模型,了解非线性系统识别。
系统识别第4部分:在线递归系统识别
了解在线系统识别。这些算法估计一个模型的参数和状态,新数据被测量和实时或接近实时可用。