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。
概念
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。