线性模型识别
识别脉冲响应,频率响应和参数模型,如线性状态空间和传递函数模型
当线性模型足以完全捕获系统动态时,使用线性模型识别。可以识别线性模型系统识别App或在命令行。系统识别工具箱™使您能够创建和估计四种一般类型的线性模型。
参数模型——估计结构中的参数,如传递函数模型、线性状态空间模型、多项式模型和过程模型。
频率响应模型。用光谱分析估计光谱模型
相关模型——使用相关分析对脉冲响应模型进行非参数估计。
线性灰盒模型-估计任意常微分或差分方程的系数,结合从先验知识中获得的系统信息或从物理原理中推导出来的信息。
线性模型辨识需要频域或均匀采样的时域数据。数据可以有一个或多个输入和输出通道。有关更多信息,请参见关于辨识线性模型.您还可以使用参数模型结构(如AR和ARMA)对时间序列数据建模,其中包含一个输出通道和没有输入通道。
您可以使用已识别的模型在命令行、应用程序或Simulink中模拟和预测模型输出®.
类别
- 线性模型识别基础知识
识别线性模型、选择合适的模型结构、构造和修改模型对象结构以及使用正则化估计的基本信息 - 流程模型
具有静态增益、时间常数和输入/输出延迟的低阶传递函数模型 - 输入-输出多项式模型
输入输出多项式模型,包括ARX, ARMAX,输出误差,Box-Jenkins模型结构 - 状态空间模型
具有自由、规范和结构化参数化的状态空间模型;等效ARMAX和输出误差(OE)模型 - 传递函数模型
传递函数模型 - 线性灰色矩形模型
估计线性微分方程、差分方程和状态空间方程的系数 - 频率特性模型
利用光谱分析得到的频率响应模型 - 相关模型
利用相关分析得到脉冲响应模型