软件如何计算非线性ARX模型输出——MATLAB和Simulink万博1manbetx

软件计算非线性ARX模型的输出如何

这个主题描述如何将软件评估非线性估计的输出和使用这个输出计算非线性ARX模型的响应。

评估非线性

评估一个非线性的预测输出为一个特定的回归量的值x要求您首先提取非线性F从模型中解释变量:

F = m.Nonlinearity;x = getreg (m,“所有”、数据)%计算解释变量

评估F(x):

y =评估(F, x)

在哪里x是一个行向量回归量的值。

你也可以评估预测输出值在多个时间瞬间通过评估F数回归量同时向量:

y =评估(F (x1, x2, x3))

乙状结肠网络的模拟和预测

这个例子显示了软件计算非线性ARX模型的模拟和预测输出结果评估的非线性估计量的输出给定的回归量的值。

评估和探索非线性ARX模型

网络非线性估计非线性ARX模型与乙状结肠。

负载twotankdataestData = iddata (y, u, 0.2,“Tstart”,0);M = nlarx (estData (1 1 0),“idsig”);

检查模型属性和评估结果。

礼物(M)

非线性ARX模型与输入1输出和输入:u1输出:y1解释变量:线性解释变量y₁, u1输出功能:乙状结肠网络10单元样品时间:0.2秒状态:估计使用NLARX时域数据“estData”。适合估算数据:96.31%(预测聚焦)消防工程:4.804 e-05, MSE: 4.666 e-05

这个命令提供的信息输入和输出变量,解释变量、非线性估计量。

检查非线性估计量。

问= M.Nonlinearity;%相当于M.nl类(NL)%非线性类

ans = ' idSigmoidNetwork '

显示器(NL)%相当于问

问=乙状结肠网络输入:y1 (t - 1), u1 (t)输出:日元(t)非线性函数:乙状结肠网络10单元线性函数:初始化为[-0.161 - -0.105]输出抵消:初始化为0.00119输入:{“y1 (t - 1)”的u1 (t)}输出:{“y1 (t)”} NonlinearFcn:乙状结肠单位及其参数的LinearFcn:线性函数参数的抵消:偏移量参数的

检查乙状结肠网络参数值。

NL.Parameters;

预测的输出

模型的输出是:

日元(t) = f (y1 (t - 1), u1 (t))

在哪里f是乙状结肠网络功能。模型的解释变量日元(t - 1)和u1 (t)输入非线性估计量。时间t是一个离散变量代表kT,在那里k = 0,1,……,和T采样间隔。在这个例子中,T = 0.2第二。

输出预测方程是:

yp (t) = f (y1_meas (t - 1), u1_meas (t))

在哪里yp (t)响应时间的预测价值吗t。y1_meas (t - 1)和u1_meas (t)测量的输出和输入值有时吗t - 1和t,分别。

计算预测的反应包括:

计算回归量的值从输入输出数据。
评估给定的非线性回归量的值。

计算响应的预报值使用初始条件和当前输入:

从数据和非线性参数估计模型。

负载twotankdataestData = iddata (y, u, 0.2,“Tstart”,0);M = nlarx (estData (1 1 0),“idsig”);问= M.Nonlinearity;

指定零初始状态。

x0 = 0;

模型有一个状态,因为只有一个延迟日元(t - 1)。州的数量等于sum (getDelayInfo (M))。

计算预测的输出时间t= 0。

RegValue = [0, estData.u (1)];%的输入非线性函数fyp_0 =评估(NL, RegValue);

RegValue解释变量的向量t = 0。预测的输出yp (t = 0) = f (y1_meas (t = 1), u1_meas (t = 0))。用MATLAB变量,该输出f (0, estData.u (1)),在那里

y1_meas (t= 0)是测量输出值t = 0,也就是estData.y (1)。
u1_meas (t= 1)是第二个输入数据样本estData.u (2)。

执行领先一步预测数据的时间值是可用的。

RegMat = getreg (M, [], estData x0);yp =评估(NL, RegMat.Variables);

这段代码获得解释变量的矩阵RegMat所有样品使用的时间getreg。RegMat有尽可能多的行有时间样本,和尽可能多的列作为模型中的解释变量——有两个,在这个例子中。

这些步骤相当于预测响应计算使用预测在一个单一的步骤:

yp_direct =预测(M, estData 1“InitialState”,x0);%比较t = estData.SamplingInstants;情节(t, yp, t, yp_direct.OutputData,“。”)

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。

模拟输出

非线性评价

这个例子执行低级计算的非线性响应sigmoidnet网络功能:

$\begin{array}{l} F (x) = (x - - - - - - r) P l + {一个}_{1} f ((x - - - - - - r) 问 b_{1} + c_{1}) + \dots \\ + {一个}_{n} f ((x - - - - - - r) 问 b_{n} + c_{n}) + d \end{array}$

在哪里f是乙状结肠函数,由以下方程:

$f (z) = \frac{1}{e^{- - - - - - z} + 1}$

在F (x)乙状结肠的输入函数x r。x回归量价值和吗r估计的回归量的意思是,计算数据。 ${一个}_{n}$ , $n_{n}$ , $c_{n}$ 网络参数存储在模型属性吗M.nl.par,在那里米是一个idnlarx对象。

计算输出值在时间t = 1,当解释变量值x = [estData.y (1) estData.u (2)):

从样本数据估计模型。

负载twotankdataestData = iddata (y, u, 0.2,“Tstart”,0);M = nlarx (estData [1 1 0], idSigmoidNetwork);问= M.OutputFcn;

给参数赋值的表达式F (x)。

x = [estData.y (1) estData.u (2)];%解释变量值在t = 1r = NL.Input.Mean;P = NL.LinearFcn.InputProjection;L = NL.LinearFcn.Value ';d = NL.Offset.Value;Q = NL.NonlinearFcn.Parameters.InputProjection;用= NL.NonlinearFcn.Parameters.OutputCoefficient;% (a_1;a₂;…]cVec = NL.NonlinearFcn.Parameters.Translation;% [c₁;c₂;…]bMat = NL.NonlinearFcn.Parameters.Dilation;% (b_1);b_2;…]

计算的线性部分响应(加上偏移量)。

yLinear = P (x r) * * L + d;

计算响应的非线性部分。

f = @ (z) 1 / (exp (- z) + 1);%为乙状结肠匿名函数单元yNonlinear = 0;为k = 1:长度(用)fInput = (x r) * Q * bMat (:, k) + cVec (k);yNonlinear = yNonlinear +用(k) * f (fInput);结束

计算总响应y = F (x) = yLinear + yNonlinear。

y = yLinear + yNonlinear;

y等于评估(NL, x)。

另请参阅

评估

软件计算非线性ARX模型的输出如何

评估非线性

乙状结肠网络的模拟和预测

另请参阅

相关的话题