非线性模型识别基础

识别非线性模型，黑盒建模和正则化

例子和如何做

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。

模型对象类型包括数值模型，用于表示具有固定系数的系统，以及用于具有可调或不确定系数的系统的广义模型。

系统识别工具箱™软件中的动态模型是输入之间的数学关系u (t)和输出y (t)的一个系统。

构建模型对象的非线性模型结构，访问模型属性。

系统识别工具箱软件提供了三种非线性模型结构:

当您的主要兴趣是拟合数据，而不考虑模型的特定数学结构时，黑箱建模是有用的。

使用适合系统复杂性和内部输入输出耦合的多输出建模技术。

估计非线性ARX和Hammerstein-Wiener模型需要均匀采样的时域数据。

配置参数估计时损失函数最小化。在评估之后，使用模型质量度量来评估识别的模型的质量。

正则化是一种对模型的灵活性进行约束的技术，从而减少估计参数值的不确定性。

的评估报告包含关于用于模型估计的结果和选项的信息。

如何使用已识别的模型。