非线性模型辨识基础知识
非线性辨识模型、黑盒建模和正则化
当线性模型不能完全捕获系统动态特性时，可使用非线性模型辨识。您可以在系统辨识或命令行中辨识非线性模型。System Identification Toolbox™ 可用于创建和估计四种非线性模型结构：
非线性 ARX 模型 - 使用动态非线性映射对象（例如小波网络、树分区和 S 型网络）表示系统的非线性。
汉默斯坦-维纳模型 - 估计原本是线性系统的静态非线性。
非线性灰盒模型 - 使用具有未知参数的常微分方程或差分方程 (ODE) 表示非线性系统。
神经状态空间模型 - 使用神经网络来表示定义系统非线性状态空间实现的函数。
主题
非线性辨识模型
- About Identified Nonlinear Models
Dynamic models in System Identification Toolbox software are mathematical relationships between the inputs u(t) and outputs y(t) of a system. - Nonlinear Model Structures
Construct model objects for nonlinear model structures, access model properties. - 可用的非线性模型
System Identification Toolbox 软件提供了四种非线性模型结构： - 黑盒建模
当您的主要关注点是拟合数据，而不考虑模型的具体数学结构时，黑盒建模就很有用。 - 模型对象的类型
模型对象类型包括数值模型（用于表示具有固定系数的系统）和广义模型（用于表示具有可调或不确定系数的系统）。
模型估计
- Identify Nonlinear Black-Box Models Using System Identification App
Identify nonlinear black-box models from single-input/single-output (SISO) data using the System Identification app. - Modeling Multiple-Output Systems
Use a multiple-output modeling technique that suits the complexity and internal input-output coupling of your system. - 为非线性辨识准备数据
估计非线性 ARX 和哈默斯坦-维纳模型需要均匀采样的时域数据。您的数据可以有一个或多个输入和输出通道。 - Loss Function and Model Quality Metrics
Configure the loss function that is minimized during parameter estimation. After estimation, use model quality metrics to assess the quality of identified models. - Regularized Estimates of Model Parameters
Regularization is the technique for specifying constraints on the flexibility of a model, thereby reducing uncertainty in the estimated parameter values. - Estimation Report
The estimation report contains information about the results and options used for a model estimation. - 获得准确模型后的下一步行动
如何使用辨识模型。
