计算参数值以提高模型精度
参数估计是根据实测数据计算模型参数值的过程。可以将参数估计应用于不同类型的数学模型,包括统计模型、参数动态模型和基于数据的Simulink®模型。
统计模型
工程师和科学家将参数估计应用于统计模型来估计:
- 概率分布的参数,如正态分布的均值和标准差
- 回归模型的回归系数,如\(Y = a 'X \)
的统计和机器学习工具箱™支持这些和类似的参数估计任务,超过40种不同的概率分布,包括正态分布、威布尔分布、伽马分布、广义帕累托分布和泊松分布。工具箱还支持线性而且非线性回归.
动态模型
工程师将参数估计应用于动态模型来计算:
- 传递函数的系数,包括ARX, ARMAX, Box-Jenkins和输出误差模型
- 状态空间矩阵中的项
- 具有参数约束的ode或结构良好的系统的系数(灰盒系统识别)
- 非线性动态系统的回归系数、饱和水平或死区极限,包括非线性ARX和Hammerstein-Wiener
的系统辨识工具箱™支持线性和非线性参数动态模型的参数估计。
基于数据的仿真软件模型
开发Simulink模型的工程师可以应用参数估计来为控制系统设计开发一个精确的工厂模型,或者创建一个数字双胞胎。
利用Simulink建立精确的控制设计植物模型:
- 从工厂收集输入-输出测试数据
- 利用优化方法估计模型的参数值,使模拟模型的输出与实测植株的输出相匹配
您可以使用仿真软件优化设计™交互式预处理测试数据,自动估计模型参数,并验证估计结果。
要创建当前硬件资产的数字双胞胎:
你可以开发算法用Simulink设计优化方法估计数字双胞胎参数.还可以将算法部署到场所、云或边缘系统仿真软件编译器™.