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
状态空间模型使用状态变量的模型是用一组一阶微分方程或差分方程来描述系统,还是用一个或多个nth阶微分或差分方程。如果一阶微分方程的集合在状态和输入变量上是线性的,则该模型称为线性状态空间模型。
请注意
通常,系统标识工具箱™文档将线性状态空间模型简称为状态空间模型。您还可以使用灰盒和神经状态空间对象识别非线性状态空间模型。有关更多信息,请参见可用非线性模型.
线性状态空间模型结构是快速估计的好选择,因为它只需要指定一个参数,即模型秩序n.模型顺序是一个整数,等于的维度x(t),它与对应的线性差分方程中使用的延迟输入和输出的数量有关,但不一定等于。状态变量x(t)可以从测量的输入/输出数据中重建,但它们本身不是在实验中测量的。
在连续时间中定义一个参数化状态空间模型通常比在离散时间中更容易,因为物理定律通常是用微分方程来描述的。在连续时间条件下,线性状态空间描述有以下形式:
的矩阵F,G,H,D包含具有物理意义的元素——例如,材料常数。K包含干扰矩阵。x0指定初始状态。
您可以使用时域和频域数据来估计连续时间状态空间模型。
离散时间线性状态空间模型结构常写在创新的形式,用来描述噪音:
在这里,T是采样时间,u(kT)为瞬时时刻的输入kT,y(kT)为瞬时时刻的输出kT.
你不能估计一个离散时间状态空间模型使用连续时间频域数据。
有关更多信息,请参见什么是状态空间模型?
应用程序
系统识别 | 从测量数据中识别动态系统的模型 |
住编辑任务
状态空间模型的估计 | 使用实时编辑器中的时间或频率数据估计状态空间模型 |
功能
主题
基本状态空间模型
- 什么是状态空间模型?
状态空间模型使用状态变量的模型是用一组一阶微分方程或差分方程来描述系统,还是用一个或多个nth阶微分或差分方程。 - 状态空间模型估计方法
选择非迭代子空间方法、使用预测误差最小化算法的迭代方法和非迭代方法。 - 带顺序选择的状态空间估计模型
在应用程序和命令行中为状态空间模型结构选择一个模型顺序。 - 状态实现
模态、伴态、可观察和可控规范状态空间模型。 - 状态空间模型支持的数据
您可以使用实数或复数的时域和频域数据,并具有单个或多个输出。
估计状态空间模型
- 在系统识别应用程序中估计状态空间模型
使用应用程序指定模型配置选项和模型估计选项。 - 在命令行上估计状态空间模型
执行黑箱或结构化估计。 - 用规范参数化估计状态空间模型
规范的参数化的许多元素以简化参数形式表示状态空间系统一个,B而且C矩阵被固定为0和1。 - 估计ARMAX和OE模型的状态空间等效
这个例子展示了如何使用状态空间估计方法估计ARMAX和OE-form模型。 - 用自由参数化估计状态空间模型
自由参数化是默认;估计例程调整状态空间矩阵的所有参数。 - 利用状态空间估计降低模型顺序
减少一个Simulink的顺序®通过对模型线性化和估计保留模型动态的低阶模型来建模。 - 基于特征系统实现算法(ERA)的系统辨识
利用特征系统实现算法(ERA)从脉冲响应数据估计状态空间模型。
结构化估计,创新形式
- 用结构化参数化估计状态空间模型
结构参数化通过将这些参数设置为特定值,您可以从估计中排除特定参数。 - 识别具有独立过程和测量噪声描述的状态空间模型
在给定的输入和噪声信号下,用识别的线性模型来模拟和预测系统输出。
设置状态空间模型选项
- 支持整数参数化
系统识别工具箱软件支持各种参数化组合,以确定哪些参数被估计,哪些参数保持固定为特定值。 - 迭代估计算法的初始状态指定
在估计状态空间模型时,可以指定算法如何处理初始状态。