matlab系统辨识工具箱.pptx

会计学功能概述1.系统辨识的基本原理和常用辨识模型

2.系统辨识工具箱函数

3.系统辨识工具箱图形界面1.1系统辨识的基本原理

1.2常用的模型类1.1系统辨识的基本原理3.辨识的内容和步骤

系统辨识的内容主要包括以下四个方面：
(1)实验设计；
系统辨识实验设计需要完成的工作包括选择和确定输入信号、采样时间、辨识时间和辨识的模式。
(2)模型结构辨识；
模型结构辨识包括模积类和模型结构参数的确定两部分内容。模型类的确定上要根据经验对实际对象的特性进行一定程度上的假设。在确定模型类之后，就可根据对象的输入输出数据，按照一定的辨识方法确定模型结构参数。
(3)模型参数辨识；最小二乘法及各种改进算法
(4)模型检验。
不同时间区间数据、数据交叉、数据长度、输出残差序列的白色型
1.2常用的模型类非参数模型类参数模型类模型建立和转换的函数介绍1.iddata
功能：iddata是工具箱中处理信号的一个最基本的对象，在以下很多函数中都要用到。
语法：
data=iddata(y,u);
data=iddata(y,u,Ts,'P1',V1,...,'PN',VN);

说明：y是一列向量或N*ny的矩阵，y的列对应输出频道，u是一列向量或N*ny的矩阵，u的列对应输入频道，data=iddata(y,u,Ts）生成一个包含输入输出的iddata对象，Ts是采样区间。对于时间序列，data=iddata(y）或令u=[]。
2.idmodel
idmodel综合了所有模型如idarx,idgrey,idpoly和idss的公共特点，所有参数估计都返回idmodel对象。3.idarx
功能：从ARX多项式建立ARX模型
语法：
m=idarx(A,B,Ts)
m=idarx(A,B,Ts,'Property',Value,..)

说明：多输入输出的ARX模型形式例1模拟一个1输入2输出的二阶ARX模型并使用模拟数据估计参数M=IDGREY(MfileName,ParameterVector,CDmfile,FileArgument)
M=IDGREY(MfileName,ParameterVector,CDmfile,...FileArgument,Ts,'Property',Value,..)

说明:MfileName为M文件名，该文件描述了状态空间矩阵如何依赖于被估计的参数。
文件格式为
[A,B,C,D,K,X0]=MfileName(ParameterVector,Ts,FileArgument)
ParameterVector：列向量，长度等于自由参数的个数
CDmfile：M文件如何处理连续、离散时间模型例2编写M文件如下
function[A,B,C,D,K,x0]=mynoise(par,T,aux)
R2=aux(1);%Knownmeasurementnoisevariance
A=[par(1)par(2);10];
B=[1;0];
C=[par(3)par(4)];
D=0;
R1=[par(5)0;00];
[est,K0]=kalman(ss(A,eye(2),C,0,T),R1,R2);
%UsesControlSystemToolboxproduct
%u=[]
x0=[0;0];
Minit=idgrey('mynoise',[0.1,-2,1,3,0.2]','d',1);
Model=pem(data,Minit)
5.idpoly
功能：构造基于输入输出模型的idpoly模型
语法：
m=idpoly(A,B)
m=idpoly(A,B,C,D,F,NoiseVariance,Ts)
m=idpoly(A,B,C,D,F,NoiseVariance,Ts,'Property1',Value1,...'PropertyN',ValueN)
m=idpoly(mi)
说明：多输入单输出的模型具有如下形式
6.idss
功能：构造状态空间模型
语法：
m=idss(A,B,C,D)
m=idss(A,B,C,D,K,x0,Ts,'Property1',Value1,...'PropertyN',ValueN)
mss=idss(m1)
说明：状态空间模型为7.idfrd
功能：构造idfrd模型
语法：
h=idfrd(Response,Freq,Ts)
h=idfrd(Response,Freq,Ts,'CovarianceData',Covariance,...
'SpectrumData',Spec,'NoiseCovariance',Speccov,'P1',...V1,'PN',VN)
h=idfrd(mod)
h=idfrd(mod,Freqs)
说明:8.init
功能：设置