Прочие функции

Ниже представлен ряд разнохарактерных функций, которые можноназвать прочими:

• Функция auxvar возвращает информацию о вспомогательных переменных iterjinfo, lim, maxiter, maxsize, tol и Т. Для получения более подробной информации используйте команду

help auxvar

• Функция freqfunc возвращает информацию об описании модели в частотном формате. Для получения более подробной информации используйте команду

help freqfunc

• Функция idsimsd иллюстрирует неопределенность в моделировании выхода тета-модели:

idsimsd(u,th)

idsimsd(u,th,N,noise)

Функция возвращает график выходов N моделей (N по умолчанию равно 10) при заданных входе u и тета-модели th. Коэффициенты отмеченных моделей задаются случайно в соответствии с матрицей ковариаций тета-модели. Если noise='noise', то в модель вводится моделируемый шум наблюдений. При noise = 'nonoise' шум отсутствует.

• Функция nuderst задает шаг численного дифференцирования, используемый, в частности, в функциях th2ff и th2zp:

nds = nuderst(pars)

где:

о pars — коэффициенты, вектор-строка;

o nds: - вектор-строка, k-й элемент которого представляет собой за­даваемый шаг вариации k-го коэффициента.

• Функция theta возвращает информацию о тета-формате модели

Для получения более подробной информации используйте команду help theta

Демонстрация возможностей пакета

Демонстрация возможностей пакета осуществляется с помощью функции iddemo (без аргументов). При ее выполнении появляется следующее сообщение:

The SYSTEM IDENTIFICATION TOOLBOX is an analysis module that contains tools for building mathematical models of dynamical systems, based upon observed input-output data. The toolbox contains both PARAMETRIC and NON-PARAMETRIC MODELING methods.

Identification Toolbox demonstrations:

1. The Graphical User Interface (ident): A guided Tour.

2. Build simple models from real laboratory process data.

3. Compare different identification methods.

4. Model structure determination case study.

5. Spectrum estimation (Marple's test case).

6. Adaptive/Recursive algorithms.

7. Segmentation of data and models.

8. State-space and multi-output models.

9. Case studies 0) Quit

Select a demo number:

Данное сообщение предоставляет пользователю возможность выбрать одну из девяти демонстрационных программ, иллюстрирующих возможности пакета. Первая из них — работа с графическим интерфейсом пользователя Oстальные являются весьма объемными, поэтому предлагается рассмотреть и изучить самостоятельно.

Идентификация с использованием блоков Simulink

В состав библиотеки System ID Blocks блоков Simulink системы MATLAB входят блоки, позволяющие проводить оценивание ряда типовых моделей :

• модели авторегрессии AR (AutoRegressive model estimator);

• ARX-модели (AutoRegressive with eXternal input model estimator);

• ARMAX-модели (AutoRegressive Moving Average with eXternal input model estimator);

• модели Бокса—Дженкинса BJ (Box—Jenkins model estimator);

• обобщенной линейной модели (General model estimator using Predictive Error Method);

• модели «вход-выход» ОЕ (Output-error model estimator).

• Правила работы с данными блоками аналогичны правилам для других блоков Simulink.

• В качестве примера на рисунке. представлена модель Simulink для идентификации дискретного объекта 3-го порядка.

Щелчок на кнопке с треугольным значком приведет к запуску процесса моделирования, отражаемого изменяющимися во времени гра­фиками, конечный вид которых будет приведен на рисунке

Заметим, что полученная модель отображается в основном окне MATLAB. В данном случае конечный результат таков:

num/den=

z3

z3 + 1.1052z2 + 0.32461z + 0.027908