Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
This matrix was created by the command CANSTART on 1/19 2001 at 12:50
Loss fen: 1 Akaike's FPE: 1 Discrete time model with sampling interval 1 The state-space matrices with standard deviations given as imaginary parts are a = 0 1.0000 -0.6817 + 0.000i 1.6191 + 0.0000i b = -0.0316 + 0.000i 0.0415 + 0.000i c = 1 0 d = k = 0.4907 + 0.000i 0.4772 + 0.000i x0 = 4.7505 + 0.000i 4.9671 + 0.000i lambda = 1 Анализируя представленную в результате вычислений информацию, отметим, что в данном случае матрица системы А и матрицы (векторы) В и К, а также вектор начальных условий х0 не содержат комплексные элементы (мнимые части элементов равны нулю). Через lambda обозначена интенсивность шума e(t). Функция ivar Функция ivar оценивает параметры скалярной AR-модели A(z)y(t) = v(t) где шум v(t) предполагается коррелированным случайным процессом типа процесса скользящего среднего, то есть имеющим представление v(t) = H(z)e(t) (здесь e(t) — белый шум), с использованием квазиоптимального метода инструментальной переменной (так называемого IV-метода). Функция записывается в виде: th = ivar(y,na) th = ivar(y,na,nc,maxsize,T) где • у — вектор данных; • na — порядок модели авторегрессии (степень полинома A(z)); • nc - порядок полинома H(z), по умолчанию na=nc; maxsize и Т имеют тот же смысл, что и для функций аrmах и bj. Возвращаемая величина th — модель в тета-формате. Функция ivx Функция ivx оценивает параметры ARX-модели методом инструментальной переменной: th = ivx(z.nn.x) th = ivx(z,nn,x.maxsize,T) Функция аналогична функции агх и является ее альтернативой для случая, когда шум наблюдений является коррелированным. Аргумент х — матрица задаваемых инструментальных переменных. Остальные аргументы и возвращаемая величина аналогичны рассмотренным для функции arx.АМЕЧАНИЕ: Вместо функции агх рекомендуется использовать функцию iv4. Функция iv4 оценивает параметры ARX-модели с использованием четырехступенчатого метода инструментальной переменной. Может применяться для идентификации многомерных объектов: th = iv4(z,nn) th = iv4(z,nn,maxsize,T) Функция аналогична функции агх и является ее альтернативой для случая, когда шум наблюдений является коррелированным. Ниже приведен пример использования данной функции для идентификации объекта с одним выходом и двумя входами при различных задержках по входам (0 и 2), но при одинаковых степенях полиномов для данных входов (2): » z = [у u1 u2]: » nb = [2 2]; % Задание степеней полиномов Bi(z) » nk = [0 2]; %Задание задержек по входам
» %Оценивание модели » th = iv4(z,[2 nb nk]); Функция n4sid Функция n4sid используется для оценивания параметров моделей для переменных состояния в канонической форме при произвольном числе входов и выходов: h = n4sid(z) [th,A0] = n4sid(z,rder,ny,auxord,dkx,maxsize,T,'trace') где: • z — матрица экспериментальных данных; • аргумент order задает порядок модели. Если данный аргумент вводится как вектор-строка, например, order = [1:10], то предварительные расчеты выполняются по моделям всех заданных порядков (по умолчанию — от 1-го по 10-й) с выводом графика, позволяющсго выбрать оптимальный порядок. Если order = 'best' (по умолчанию), выбирается модель «наилучшего» порядка (путем выбора наилучшей среди моделей 1-го— 10-го порядков); • nу — количество выходов, по умолчанию nу = 1; • auxord - так называемый дополнительный порядок, используемый алгоритмом oценивания. Должен быть больше, чем порядок, задаваемый параметром order (по умолчанию auxord = 1.2*order+3; • dkx, maxsize, T, 'trace' — как для функций bj, canstart, ivar. • th — имя (идентификатор) построенной модели в тета-формате; • А0 — наилучший порядок модели (определяемый с помощью задания auxord). Функция ое Функция ое оценивает параметры ОЕ-модели: th = oe(z,nn) th = oe(z,nn,'trace') [th, iter_info] = oe(z,nn,maxiter,tol,lim,maxsize,T, 'trace') Здесь аргумент nn задается в форме nn = [nb nf nk] и содержит информацию о степенях полиномов модели В(г), F{z) и о величине задержки nk. Остальные аргументы и возвращаемые величины аналогичны рассмотренным для остальных функций данной группы. Функция pem Функция реm оценивает параметры обобщенной многомерной линейной модели вида
Функция записывается в виде: th = pem(z,nn) th = pem(z,nn, 'trace') [th, iter_info] = pem(z,nn,index,maxiter,tol,lim,maxsize,T,'trace') где: • аргумент nn имеет представление nn = [na nb nc nd nf nk], где па, nb, • index — вектор-строка, содержащий индексы коэффициентов, которые должны быть оценены (по умолчанию оцениваются все коэффициенты). Остальные аргументы и возвращаемые величины соответствуют рассмотренным выше.
|
|||||
Последнее изменение этой страницы: 2017-02-10; просмотров: 99; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.145.178.240 (0.005 с.) |