Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Lineare Grey-Box-Modelle

Schätzen von Koeffizienten linearer Differenzial-, Differenz- und Zustandsraumgleichungen

Wenn Sie die Physik Ihres Systems verstehen und das System mithilfe gewöhnlicher Differenzial- oder Differenzgleichungen (ODE) mit unbekannten Parametern darstellen können, können Sie die Befehle der System Identification Toolbox™ für die Grey-Box-Modellierung verwenden. Bei ODEs für Grey-Box-Modelle wird die mathematische Struktur des Modells explizit festgelegt, einschließlich der Kopplungen zwischen den Parametern. Die Grey-Box-Modellierung ist nützlich, wenn Ihnen die Beziehungen zwischen Variablen, Randbedingungen des Modellverhaltens oder explizite Gleichungen, die die Systemdynamik darstellen, bekannt sind.

Sie können ein lineares Grey-Boy-Modell mithilfe eines idgrey-Objekts darstellen. Hierfür müssen Sie eine Funktion schreiben, um die lineare Dynamik in Zustandsraumform zu beschreiben. Weitere Informationen finden Sie unter Estimate Linear Grey-Box Models.

Funktionen

alle erweitern

Modellschätzung

`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

Modellparameter

`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

Modellzustände

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

Themen

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.

Enthaltene Beispiele

Building Structured and User-Defined Models Using System Identification Toolbox

Estimate parameters in user-defined model structures.

Script öffnen