MATLAB系统辨识工具箱-System Identification Toolbox
一、简介
该工具箱提供 MATLAB® 函数、Simulink® 模块和一个应用程序，用于根据测量的输入输出数据构建动态系统的数学模型。它使用户可以创建和使用不容易从第一原理或规范建模的动态系统模型。用户可以使用时域和频域输入输出数据来识别连续时间和离散时间传递函数、过程模型和状态空间模型。该工具箱还提供嵌入式在线参数估计算法。
该工具箱提供了最大似然、预测误差最小化 (PEM) 和子空间系统识别等识别技术。为了表示非线性系统动力学，用户可以估计 Hammerstein-Weiner 模型和具有小波网络、树分区和 sigmoid 网络非线性的非线性 ARX 模型。该工具箱执行灰盒系统识别以估计用户定义模型的参数。用户可以在 Simulink 中使用识别的模型进行系统响应预测和工厂建模。该工具箱还支持时间序列数据建模和时间序列预测。
二、开始
了解系统识别工具箱的基础知识
2.1 教程
2.1.1 使用系统识别应用程序识别线性模型
使用系统识别应用程序从单输入/单输出 (SISO) 数据中识别线性黑盒模型。
2.1.2 使用命令行识别线性模型
使用系统识别工具箱命令从多输入/单输出 (MISO) 数据中识别线性模型。
2.1.3 使用系统识别应用程序识别低阶传递函数（过程模型）
使用该应用程序从单输入/单输出 (SISO) 数据中识别连续时间传递函数。
2.1.4 估计热扩散的连续时间灰盒模型
此示例说明如何估计热棒系统的连续时间灰盒模型的热导率和传热系数。
2.1.5 使用系统识别应用程序识别非线性黑盒模型
使用系统识别应用程序从单输入/单输出 (SISO) 数据中识别非线性黑盒模型。
2.2 关于系统识别
2.2.1 系统识别概述
系统识别是一种使用系统输入和输出信号的测量来建立动态系统数学模型的方法。
2.2.2 系统识别工作流程
系统识别工作流程中的典型任务总结。
2.2.3支持的数据
System Identification Toolbox 软件支持从时域和频域数据估计线性模型。
2.2.4 支持的连续和离散时间模型
您可以从时域和频域数据中估计的连续时间和离散时间模型的类型。
2.2.5 使用频域数据估计模型
工具箱中的频域识别概述。
2.2.6 何时使用应用程序与命令行
何时使用应用程序与系统识别工具箱命令。
2.2.7 使用系统识别应用程序
使用系统识别应用程序。
2.2.8 模型估计命令
用于构建模型的命令摘要。
2.2.9 什么是在线估算？
实时估计系统的状态和参数。
三、数据准备
绘制、分析、去趋势和过滤时域和频域数据，生成和导入数据
四、线性模型辨识
识别脉冲响应、频率响应和参数模型，例如状态空间和传递函数模型
五、非线性模型辨识
识别非线性 ARX、Hammerstein-Wiener 和灰盒模型
六、灰盒模型估计
估计线性和非线性微分、差分和状态空间方程的系数
七、模型验证
将模型与测量输出、残差分析、带置信区间的响应图进行比较
八、模型分析
离散化模型，将模型转换为其他类型，线性化非线性模型，模拟和预测输出
九、时间序列分析
通过识别线性和非线性模型（例如 AR、ARMA、状态空间和灰盒模型）、执行谱分析和预测模型输出来分析时间序列数据
十、在线估算
在系统运行期间估计模型参数和状态，生成代码并部署到嵌入式目标