主要内容

系统识别工作流

系统识别是一个迭代过程，您可以从数据中识别具有不同结构的模型并比较模型性能。最终，您将选择最简单的模型，最好地描述系统的动态。

因为这个工具箱可以让您快速地估计不同的模型结构，所以您应该尝试尽可能多的不同结构，以查看哪一个结构产生最好的结果。

系统识别工作流可能包括以下任务:

  1. 处理数据用于系统识别:

    • 导入数据到MATLAB®工作区。

    • 在系统标识应用程序中表示数据或作为iddata或idfrd对象在MATLAB工作空间。

    • 绘制数据以检查时域和频域的行为。

      要分析存在恒定偏移量和趋势、延迟、反馈和信号激励水平的数据，还可以使用建议命令。

    • 通过删除偏移量和线性趋势，插值缺失值，过滤以强调特定的频率范围，或使用不同的时间间隔重新采样(插值或抽取)来预处理数据。

  2. 识别线性或非线性模型:

  3. 验证模型．

    当您不能得到一个令人满意的模型时，尝试不同的模型结构和顺序或尝试另一种识别算法。在某些情况下，可以通过包含噪声模型来改进结果。

    在进行进一步估计之前，可能需要对数据进行预处理。例如，如果您的数据中有太多的高频噪声，您可能需要在建模之前过滤或抽取(重新采样)数据。

  4. 后处理模型：

  5. 使用识别的模型:

    • 模拟和预测

    • 控制设计使用其他MathWorks获取估计的工厂®2022世界杯八强谁会赢？产品。

      您可以将估计的线性模型导入控制系统工具箱™、模型预测控制工具箱™、鲁棒控制工具箱™或Simulink中®软件

    • 作为Simulink中的动态块

对于在线应用，可以执行在线评估．

Baidu
map