非线性模型辨识
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。
非线性模型辨识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。您还可以使用非线性 ARX 和非线性灰盒模型对时间序列数据进行建模。有关详细信息，请参阅About Identified Nonlinear Models。
您可以使用辨识模型在命令行、App 或 Simulink® 中仿真和预测模型输出。如果您有 Control System Toolbox™，则还可以线性化您的模型并将其用于控制系统设计。有关详细信息，请参阅Linear Approximation of Nonlinear Black-Box Models。
类别
- 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
- 非线性 ARX 模型
使用动态网络（例如 S 型网络和小波网络）建模的非线性行为
- 哈默斯坦-维纳模型
线性动态系统与饱和度和死区等静态非线性之间的关联
- 非线性灰盒模型
估计非线性微分方程、差分方程和状态空间方程的系数
- 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
- 降阶建模
通过创建准确的替代项来降低模型的计算复杂度
精选示例
Nonlinear Modeling of a Magneto-Rheological Fluid Damper
Nonlinear black-box modeling of the dynamic behavior of a magneto-rheological fluid damper, using Nonlinear ARX and Hammerstein-Weiner models.
A Tutorial on Identification of Nonlinear ARX and Hammerstein-Wiener Models
Identify single-input-single-output (SISO) nonlinear black box models using measured input-output data.
Motorized Camera - Multi-Input Multi-Output Nonlinear ARX and Hammerstein-Wiener Models
Estimate multi-input multi-output (MIMO) nonlinear black box models from data.
Use LSTM Network for Linear System Identification
Use Long Short-Term Memory (LSTM) neural networks to estimate a linear system and compares this approach to transfer-function estimation.
Reduced Order Modeling of Electric Vehicle Battery System Using Neural State-Space Model
A reduced order modeling (ROM) workflow, where you use deep learning to obtain a low-order nonlinear state-space model that serves as a surrogate for a high-fidelity battery model. The low-order model takes the current (charge or discharge) and state of charge (SOC) as inputs and predicts voltage and temperature of an electric vehicle (EV) battery module while the battery is being cooled by an edge-cooled plate with a coolant at a constant flow rate. You train the low-order model and deploy it in Simulink® to compare it against the high-fidelity model.
Generate NARMAX Models
Generate NARMAX models using the available model structures and their training algorithms by preparing a finite-horizon prediction algorithm. The available model structures include nonlinear ARX, grey-box, and neural state-space models. For more information on the model structures, see NARMAX Model Identification.
