Online-Parameterschätzung
Sie können Parameter von AR-, ARMA-, ARX-, ARMAX-, OE- oder BJ-Modellkoeffizienten mithilfe von Echtzeitdaten und rekursiven Algorithmen schätzen. Zudem können Sie Modelle mithilfe eines RLS-Algorithmus (Recursive Least Square) schätzen. Weitere Informationen über die Algorithmen finden Sie unter Recursive Algorithms for Online Parameter Estimation.
Sie können eine Online-Parameterschätzung mithilfe der Simulink-Blöcke in der Unterbibliothek „Estimators“ der Bibliothek System Identification Toolbox™ durchführen. Sie können daraufhin C/C++ Code und strukturierten Text für diese Blöcke mithilfe von Simulink Coder™ und Simulink PLC Coder™ generieren und diesen Code auf einem eingebetteten Ziel bereitstellen. Zudem können Sie eine Online-Schätzung über die Befehlszeile durchführen und Ihren Code mithilfe von MATLAB® Compiler™ oder MATLAB Coder bereitstellen.
Funktionen
recursiveAR | Online parameter estimation of AR model |
recursiveARMA | Online parameter estimation of ARMA model |
recursiveARX | Online parameter estimation of ARX model |
recursiveARMAX | Online parameter estimation of ARMAX model |
recursiveBJ | Online parameter estimation of Box-Jenkins model |
recursiveOE | Online parameter estimation of output-error polynomial model |
recursiveLS | Online parameter estimation of least-squares model |
rpem | Estimate general input-output models using recursive prediction-error minimization method |
rplr | Estimate general input-output models using recursive pseudolinear regression method |
segment | Segment data and estimate models for each segment |
Blöcke
| Recursive Least Squares Estimator | Estimate model coefficients using recursive least squares (RLS) algorithm |
| Recursive Polynomial Model Estimator | Estimate input-output and time-series polynomial model coefficients |
| Model Type Converter | Convert polynomial model coefficients to state-space model matrices |
Themen
Grundlagen der Online-Schätzung
- What Is Online Estimation?
Estimate states and parameters of a system in real-time. - How Online Parameter Estimation Differs from Offline Estimation
Difference in data, algorithms, and estimation implementations. - Recursive Algorithms for Online Parameter Estimation
Forgetting factor, Kalman filter, gradient and unnormalized gradient, and finite-history algorithms for online parameter estimation.
Online-Parameterschätzung in Simulink
- Preprocess Online Parameter Estimation Data in Simulink
Remove drift, offset, missing samples, seasonalities, equilibrium behavior, and outliers in your data. - Online Recursive Least Squares Estimation
This example shows how to implement an online recursive least squares estimator. - Online ARMAX Polynomial Model Estimation
This example shows how to implement an online polynomial model estimator. - Validate Online Parameter Estimation Results in Simulink
Examine estimation errors, parameter covariance, and difference between simulated and measured outputs.
Online-Parameterschätzung über die Befehlszeile
- Perform Online Parameter Estimation at the Command Line
Online parameter estimation using System Objects. - Online ARX Parameter Estimation for Tracking Time-Varying System Dynamics
Perform online parameter estimation for a time-varying ARX model at the MATLAB command line. - Line Fitting with Online Recursive Least Squares Estimation
This example shows how to perform online parameter estimation for line-fitting using recursive estimation algorithms at the MATLAB® command line. - Validate Online Parameter Estimation at the Command Line
Examine estimation errors, parameter covariance, and difference between simulated and measured outputs. - Data Segmentation
Use of data segmentation to model systems exhibiting abrupt changes.
Codegenerierung
- Generate Online Parameter Estimation Code in Simulink
Generate C/C++ code and Structured Text using Simulink Coder and Simulink PLC Coder products. - Generate Code for Online Parameter Estimation in MATLAB
Generate C/C++ code using MATLAB Coder software; limitations for System objects.
Fehlersuche
Troubleshoot Online Parameter Estimation
Check your model, estimation data, estimation settings, and initial parameter values.
