感动的
ODE线性灰色矩形模型的参数估计
描述
例子
估计灰色矩形模型
直流电机的参数估计使用线性灰色矩形框架。
加载测量数据。
负载(fullfile (matlabroot“工具箱”,“识别”,“iddemos”,“数据”,“dcmotordata”));data = iddata (y, u, 0.1,“名字”,直流电机的);数据。InputName =“电压”;数据。InputUnit =“V”;数据。OutputName = {角位置的,的角速度};数据。OutputUnit = {rad的,“rad / s”};数据。Tstart = 0; data.TimeUnit =“年代”;
数据
是一个iddata
对象包含测量数据输出,角位置、角速度。它还包含输入、驱动电压。
创建一个方框代表系统动力学模型。
直流电机的选择(rad)角位置和角速度(rad / s)的输出和驱动电压(V)作为输入。建立了一个线性状态空间结构形式如下:
汽车以秒为单位的时间常数,然后呢 是静态增益从输入角速度在rad / (V * s)。
G = 0.25;τ= 1;init_sys = idgrey (“motorDynamics”τ,“cd”G 0);
状态方程形式的控制方程表示的MATLAB®文件motorDynamics.m
。查看这个文件的内容,输入编辑motorDynamics.m
在MATLAB命令提示符。
是一种已知的数量提供motorDynamics.m
作为一个可选的参数。
是一个免费的估计参数。
init_sys
是一个idgrey
模型与motor.m
。
估计 。
sys =老龄化最严重的(数据,init_sys);
sys
是一个idgrey
包含的估计价值模型
。
获得相关的估计参数值sys
,使用getpvec(系统)
。
分析结果。
选择= compareOptions (“InitialCondition”,“零”);比较(数据、系统正无穷,选择)
sys
提供了一个98.35%适合角位置和一个84.42%适合角速度。
估计灰色矩形模型使用正则化
直流电机的参数估计,通过融合先验信息参数在使用正规化常数。
模型参数化的静态增益G
和时间常数
。从先验知识,它是知道的G
大约是4和
大约是1。同样,你的价值更有信心
比G
和想指导评估保持接近最初的猜测。
负荷估算数据。
负载regularizationExampleData.matmotorData
数据包含测量电机的角位置和速度给定的输入电压。
创建一个idgrey
直流电机动力学模型。使用的函数DCMotorODE
代表灰色矩形的结构模型。
mi = idgrey (@DCMotorODE, {‘G’4;“τ”1},“cd”{},0);mi = setpar (mi,“标签”,“默认”);
如果你想查看DCMotorODE
函数,类型:
类型DCMotorODE.m
函数(A, B, C, D) = DCMotorODE (G,τ,Ts) % DCMotorODE ODE文件代表直流电机的动力学参数化%获得G和时间常数τ。% % [A, B, C, D, K, X0] = DCMOTORODE (G,τ,Ts)返回的状态空间矩阵%直流电机与时间常数τ和静态增益G .示例Ts %时间。% %这个文件返回连续时间表示如果输入参数Ts %是零。如果t > 0,将返回一个离散时间表示。% %参见IDGREY,感动。% 2013年版权MathWorks公司A =[0 1; 0 1 /τ];B = [0;G /τ];C =眼(2);D = (0, 0);如果Ts > 0%样本模型与时间t s = expm ([[B] * Ts; zeros(1,3)]); A = s(1:2,1:2); B = s(1:2,3); end
指定正则化选项λ。
选择= greyestOptions;opt.Regularization。λ= 100;
指定正则化选项R。
opt.Regularization。R = [1000];
你在第二个参数指定更多的权重,因为你有更多的价值的信心
比G
。
指定参数的初始值作为正则化的选择 *。
opt.Regularization。名义=“模型”;
估计正规化灰色矩形模型。
sys =老龄化最严重的(motorData、mi、选择);
输入参数
数据
- - - - - -估计的数据
时间表|数字矩阵对|iddata
对象|的朋友
对象|idfrd
对象
均匀采样估计数据,指定为一个时间表,逗号分隔矩阵对,或时域或频域数据对象,如以下部分描述。
数据
输入和输出尺寸一样吗init_sys
。
默认情况下,软件集的样本时间模型的样本时间估计数据。
时间表
指定数据
作为一个时间表
定期使用间隔时间向量。数据
包含变量代表输入和输出通道。
逗号分隔矩阵对
指定数据
作为一个逗号分隔的数字矩阵包含输入和输出的时域信号值。使用这个数据
规范只对离散时间系统。
数据对象
指定数据作为iddata
,idfrd
,或的朋友
对象。
对时域估计,
数据
必须是一个时域iddata
对象包含输入和输出信号值。对频域估计,
数据
可以是下列之一:
关于处理估计数据类型的更多信息,见数据域和数据类型在系统辨识工具箱。
选择
- - - - - -估计选项
greyestOptions
选项设置
估计选项,指定为一个greyestOptions
选项。选项指定的选择
包括:
处理初始状态
正则化
数值搜索方法用于估计
输出参数
sys
——确定线性灰色矩形模型
idgrey
模型
估计灰色矩形模型,作为一个返回idgrey
模型。这个模型是使用指定的初始系统,创建和评估选择。
评估结果和信息存储在选择使用报告
模型的属性。报告
有以下字段:
报告字段 | 描述 | ||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
状态 |
总结模型的状态,这表明模型是由建设或是否得到评估。 |
||||||||||||||||||
方法 |
评估使用的命令。 |
||||||||||||||||||
InitialState |
处理期间的初始状态估计,返回以下之一:
这个字段是特别有用的视图时初始状态是如何处理的 |
||||||||||||||||||
DisturbanceModel |
处理干扰组件(K)在评估期间,返回以下值之一:
这个领域尤其有用查看时干扰组件是如何处理的 |
||||||||||||||||||
适合 |
定量评估的评估,作为一个结构返回。看到损失函数和模型质量的指标对这些质量标准的更多信息。结构有以下字段:
|
||||||||||||||||||
参数 |
估计模型参数的值。 |
||||||||||||||||||
OptionsUsed |
选项设置用于估计。如果没有配置自定义选项,这是一组缺省选项。看到 |
||||||||||||||||||
RandState |
的随机数流的估计。空的, |
||||||||||||||||||
DataUsed |
属性的数据用于估计,作为结构与以下字段返回。
|
||||||||||||||||||
终止 |
迭代终止条件搜索用于预测误差最小化,作为结构返回以下字段:
估计方法不需要数值搜索优化 |
使用的更多信息报告
,请参阅评估报告。
x0
——初始状态
矩阵
初始状态估计计算,作为一个矩阵,其中包含一个列向量返回相应的实验。
这个数组也存储在参数
领域模型的报告
财产。
版本历史
介绍了R2012aMATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。