La traduzione di questa pagina non è aggiornata. Fai clic qui per vedere l'ultima versione in inglese.

Modelli grey-box lineari

Stimare i coefficienti di equazioni lineari differenziali, di differenza e stato-spazio

Se si conosce la fisica del sistema e si è in grado di rappresentarlo utilizzando equazioni ordinarie differenziali o di differenza (ODE) con parametri non noti, è possibile utilizzare i comandi System Identification Toolbox™ per eseguire la modellazione grey-box. Le ODE del modello grey-box specificano esplicitamente la struttura matematica del modello, compresi gli accoppiamenti tra i parametri. La modellazione grey-box è utile quando le relazioni tra le variabili, i vincoli sul comportamento del modello o le equazioni esplicite che rappresentano la dinamica del sistema sono note.

È possibile rappresentare un modello lineare grey-box utilizzando un oggetto idgrey, che richiede la scrittura di una funzione per descrivere la dinamica lineare nella forma stato-spazio. Per ulteriori informazioni, vedere Estimate Linear Grey-Box Models.

Funzioni

espandi tutto

Stima del modello

`greyest`	Estimate ODE parameters of linear grey-box model
`greyestOptions`	Option set for `greyest`
`idgrey`	Linear ODE (grey-box model) with identifiable parameters
`pem`	Prediction error minimization for refining linear and nonlinear models

Parametri del modello

`init`	Set or randomize initial parameter values
`getpvec`	Obtain model parameters and associated uncertainty data
`setpvec`	Modify values of model parameters
`getpar`	Obtain attributes such as values and bounds of linear model parameters
`setpar`	Set attributes such as values and bounds of linear model parameters

Stati del modello

`findstates`	Estimate initial states of model
`findstatesOptions`	Option set for `findstates`

Argomenti

Linear and Nonlinear Grey-Box Modeling
If you understand the physics of your system, you can estimate linear or nonlinear grey-box models.
Identifying State-Space Models with Separate Process and Measurement Noise Descriptions
An identified linear model is used to simulate and predict system outputs for given input and noise signals.
Estimate Linear Grey-Box Models
How to define and estimate linear grey-box models at the command line.
Estimate Continuous-Time Grey-Box Model for Heat Diffusion
This example shows how to estimate the heat conductivity and the heat-transfer coefficient of a continuous-time grey-box model for a heated-rod system.
Estimate Discrete-Time Grey-Box Model with Parameterized Disturbance
This example shows how to create a single-input and single-output grey-box model structure when you know the variance of the measurement noise.
Estimate State-Space Models with Structured Parameterization
Structured parameterization lets you exclude specific parameters from estimation by setting these parameters to specific values.
Estimate Coefficients of ODEs to Fit Given Solution
Estimate model parameters using linear and nonlinear grey-box modeling.
Estimate Model Using Zero/Pole/Gain Parameters
This example shows how to estimate a model that is parameterized by poles, zeros, and gains.

Esempi in primo piano

Building Structured and User-Defined Models Using System Identification Toolbox

Estimate parameters in user-defined model structures.

Apri script