findstates
估计模型的初始状态
语法
描述
例子
估计模型的初始状态
创建一个非线性灰盒模型。模型是一个线性直流电动机,有一个输入(电压),两个输出(角位置和角速度)。模型的结构由dcmotor_m指定。m文件。
文件名=“dcmotor_m”;Order = [2 1 2];参数= [0.24365,0.24964];nlgr = idnlgrey(文件名、命令、参数);nlgr = setinit (nlgr,“固定”假(2,1));%设置初始状态为free
初始状态估计的加载数据。
负载(fullfile (matlabroot“工具箱”,“识别”,...“iddemos”,“数据”,“dcmotordata”));z = iddata (y、u, 0.1);
估计初始状态,使模型的响应使用估计状态X0和测量输入u尽可能接近测量输出y。
X0 = findstates (nlgr, z,正);
状态空间模型的初始状态估计
估计一个中的难点
对其进行建模和仿真,使估计模型的响应与估计数据的输出信号尽可能接近。
加载示例数据。
负载iddata1z1;
根据数据估计一个线性模型。
模型= ss (z1, 2);
估计初始状态的值,以最适合测量输出z1.y
.
x0 = findstates(模型、z1正);
模拟模型。
选择= simOptions (“InitialCondition”, x0);sim(模型、z1([],::),选择);
选择性估计模型的初始状态
通过固定模型的第一个状态并允许估计模型的第二个状态,有选择地估计模型的初始状态。
创建一个非线性灰盒模型。
文件名=“dcmotor_m”;Order = [2 1 2];参数= [0.24365,0.24964];nlgr = idnlgrey(文件名、命令、参数);
模型是一个线性直流电动机,有一个输入(电压),两个输出(角位置和角速度)。模型的结构由dcmotor_m.m
文件。
加载估计数据。
负载(fullfile (matlabroot“工具箱”,“识别”,...“iddemos”,“数据”,“dcmotordata”));z = iddata (y、u, 0.1);
将第一个状态固定为零,并估计第二个状态的值。
x0spec = idpar (“x0”, (0, 0));x0spec.Free (1) = false;选择= findstatesOptions;opt.InitialState = x0spec;(X0、报告)= findstates (nlgr, z,正无穷,选择)
X0 =2×10 0.0061
报告=状态:'通过模拟误差最小化估计'方法:'lsqnonlin'协方差:[2x2 double] DataUsed: [1x1 struct]终止:[1x1 struct]
通过指定初始状态向量估计初始状态
创建一个非线性灰盒模型。
文件名=“dcmotor_m”;Order = [2 1 2];参数= [0.24365,0.24964];nlgr = idnlgrey(文件名、命令、参数);
模型是一个线性直流电动机,有一个输入(电压),两个输出(角位置和角速度)。模型的结构由dcmotor_m.m
文件。
加载估计数据。
负载(fullfile (matlabroot“工具箱”,“识别”,...“iddemos”,“数据”,“dcmotordata”));z = iddata (y、u, 0.1);
指定初始状态的初始猜测。
x0spec = idpar (“x0”, (10; 10));
x0spec。免费的
默认为true
估计初始状态
选择= findstatesOptions;opt.InitialState = x0spec;x0 = findstates (nlgr, z,正无穷,选择)
x0 =2×10.0362 - -0.1322
利用多实验数据估计初始状态
创建一个非线性灰盒模型。
文件名=“dcmotor_m”;Order = [2 1 2];参数= [0.24365,0.24964];nlgr = idnlgrey(文件名、命令、参数);集(nlgr,“InputName”,“电压”,“OutputName”,...{角位置的,的角速度});
模型是一个线性直流电动机,有一个输入(电压),两个输出(角位置和角速度)。模型的结构由dcmotor_m.m
文件。
加载估计数据。
负载(fullfile (matlabroot“工具箱”,“识别”,...“iddemos”,“数据”,“dcmotordata”));z = iddata (y, u, 0.1,“名字”,直流电机的,...“InputName”,“电压”,“OutputName”,...{角位置的,的角速度});
创建一个三个实验的数据集。
z3 =合并(z, z, z);
选择实验估计初始状态:
估计实验1和3的初始状态1
估计实验1的初始状态2
固定的初始状态值为零。
x0spec = idpar (“x0”0(2、3));x0spec.Free(1、2)= false;x0spec。免费的(2,[2 3]) = false; opt = findstatesOptions; opt.InitialState = x0spec;
估计初始状态
(X0, EstInfo) = findstates (nlgr z3,正无穷,选择);
输入参数
sys
- - - - - -识别模型
中的难点
对象|idgrey
对象|idnlarx
对象|idnlhw
对象|idnlgrey
对象
初始状态被估计的识别模型,表示为线性状态空间(中的难点
或idgrey
)或非线性模型(idnlarx
,idnlhw
,或idnlgrey
).
地平线
- - - - - -计算模型响应的预测水平
1
(默认)|之间的正整数1
而且正
选项
- - - - - -估计的选择findstates
findstates
选项设置
估计的选择findstates
,指定为使用findstatesOptions
输出参数
x0
-预估初始状态
向量|矩阵
模型初始状态的估计sys
,作为向量或矩阵返回。对于multi-experiment数据,x0
是一个矩阵,每个实验都有一列。
报告
—初始状态估计信息
结构
初始状态估计信息,作为结构返回。报告
包含关于所使用的数据、状态协方差和为搜索初始状态而执行的任何数值优化的结果的信息。报告
具有以下字段:
报告字段 | 描述 | ||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
状态 |
如何估计初始状态的摘要。 |
||||||||||||||||
方法 |
搜索方法。 |
||||||||||||||||
协方差 |
状态估计的协方差,返回为Ns——- - - - - -Ns矩阵,Ns是状态数。 |
||||||||||||||||
DataUsed |
用于估计的数据的属性,作为具有以下字段的结构返回。
|
||||||||||||||||
终止 |
用于非线性模型初始状态估计的迭代搜索终止条件。具有以下字段的结构:
|
扩展功能
自动并行支持
通过使用并行计算工具箱™自动并行运行计算来加速代码。
的并行计算支持可用于估计lsqnonlin
搜索方法(需要优化工具箱™)。要启用并行计算,请使用findstatesOptions
,设置SearchMethod
来“lsqnonlin”
,并设置SearchOptions.Advanced.UseParallel
来真正的
.
例如:
选择= findstatesOptions;opt.SearchMethod =“lsqnonlin”;opt.SearchOptions.Advanced.UseParallel = true;
版本历史
介绍了R2015a
另请参阅
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。