Main Content

Descrizione dei prodotti System Identification Toolbox

Creare modelli di sistemi dinamici lineari e non lineari da dati in ingresso-in uscita

System Identification Toolbox™ fornisce funzioni MATLAB®, blocchi Simulink® e app per la modellazione di sistemi dinamici, l’analisi di serie temporali e la previsione. È possibile apprendere le relazioni dinamiche tra variabili misurate per creare funzioni di trasferimento, modelli di processo e modelli nello stato degli spazi, sia a tempo continuo sia a tempo discreto, utilizzando dati nel dominio del tempo o dati nel dominio della frequenza. È possibile prevedere serie temporali utilizzando AR, ARMA o altre tecniche di modellazione autoregressiva lineare o non lineare.

La toolbox consente di stimare la dinamica del sistema non lineare utilizzando i modelli Hammerstein-Wiener e ARX non lineare con tecniche di Machine Learning, come i processi gaussiani (GP), macchine a vettori di supporto (SVM) e altre rappresentazioni. In alternativa, si possono creare modelli di equazioni differenziali ordinarie neurali (ODE) utilizzando il Deep Learning per acquisire la dinamica del sistema non lineare. La toolbox consente di eseguire l’identificazione del sistema grey-box per la stima dei parametri di un modello definito dall’utente. È possibile integrare i modelli identificati in Simulink per eseguire simulazioni rapide, atte a consentire la progettazione di controllo e le applicazioni diagnostiche e prognostiche.

Si possono eseguire stime online dei parametri e dello stato utilizzando il filtro di Kalman esteso o inodore e i filtri antiparticolato per applicazioni di controllo adattivo, rilevamento guasti e soft sensing. La toolbox consente di generare codice C/C++ per algoritmi di stima online destinati ai dispositivi integrati.