Matlab 系统辨识工具箱
系统辨识工具箱能够帮助你利用有规则的输入输出数据构造动态的数学模型。这种数据
处理方法可以描述那些不易通过基本的法则或规范来建模的模型,比如化学过程或发动机动
力过程。它还可以运用在模拟响应中加入相称而简单的模型的方法将简单的模型逐步地的简
单化,比如有限元的构造模型或飞行动力模型。
系统辨识工具箱能很好地对系统进行仿真。可以使用 Simulink 控制系统工具箱,模型
预测控制工具箱等来设计控制系统。
系统辨识工具箱可以使线性或非线性的模型与所给的数据相匹配,这一过程正如飞机的
黑箱建模。可利用的模型结构包括低阶的过程模型传递函数,状态矢量空间模型,由输入或
输出端的非线性特性建立的线性模型以及非线性回归模型。如果你建立了动态系统的数学模
型,可以调整它的参数使之与实验数据更好的匹配。
Matlab 的系统辨识工具箱提供了进行系统辨识的有力工具,其主要功能包括:
① 参数辨识工具,包括 AR、ARX、状态空间(BJ)和输出误差(OE)等模型类的辨识
工具;
② 非参数模型辨识工具;
③ 模型验证工具,即对辨识模型进行仿真并将真实输出数据与模型预测数据进行比较,
计算相应的残差;
④ 递推参数估计,针对各种参数模型,利用递推估计方法获得模型参数;
⑤ 各种模型类的建立和转换函数;
⑥ 集成多功能用户图形界面,该界面以图形交互方式提供模型类的选择和建立、输入
输出数据的加载和预处理,以及模型的估计等功能。
8.1 常用的模型类
作为系统辨识的三个基本要素之一,模型类的选择往往决定能否有效地建立对象的辨识
模型。在 MATLAB 系统辨识工具箱中提供了对多种模型类的支持,下面将对非参数类模型和
参数类模型进行介绍。
8.1.1 非参数类模型
在非参数模型类中主要包括脉冲响应模型和频域描述模型。
评论2