过程模型

具有静态增益、时间常数和输入/输出延迟的低阶传递函数模型

过程模型广泛应用于描述许多行业的系统动态特性，并适用于各种生产环境。这些模型的优点是简单，支持传输延迟估计，并且模型系数可以很容易地解释为零极点。

一个简单的 SISO 过程模型具有增益、时间常数和传输延迟。

$s y s = \frac{K_{p}}{1 + T_{p 1} s} e^{- T_{d} s} .$

这里，K_p 是比例增益，T_p₁ 是实极点的时间常数，T_d 是传输延迟（死区时间）。

在 System Identification Toolbox™ 中，idproc 模型提供了过程模型结构，可以表示最多具有三个极点和一个零点的过程模型。

App

系统辨识	从测量数据辨识动态系统模型

使用实时编辑器在时域或频域中估计单输入单输出 (SISO) 系统的连续时间过程模型

`idproc`	Continuous-time process model with identifiable parameters
`procest`	Estimate process model using time-domain or frequency-domain data

`pem`	预测误差最小化用于优化线性与非线性模型
`idpar`	Create parameter for initial states and input level estimation
`delayest`	根据数据估计时间延迟（死区时间）
`init`	设置或随机化初始参数值的值

`getpvec`	获取模型参数及相关不确定性数据
`setpvec`	Modify values of model parameters
`getpar`	Obtain attributes such as values and bounds of linear model parameters
`setpar`	Set attributes such as values and bounds of linear model parameters

procestOptions Options set for procest

Estimate Process Models Using the App
Specify model parameters and estimation options to use for estimating a process model.
Identify Low-Order Transfer Functions (Process Models) Using System Identification App
Identify continuous-time transfer functions from single-input/single-output (SISO) data using the app.
Estimate Process Models at the Command Line
Estimate first-order process models with fully free parameters and with a combination of fixed and free parameters.
Estimating Multiple-Input, Multi-Output Process Models
Specify whether to estimate the same transfer function for all input-output pairs, or a different transfer function for each pair.

Process Model Structure Specification
Configure the model structure by specifying the number of real or complex poles, and whether to include a zero, delay, and integrator.
过程模型的扰动模型结构
指定噪声模型。
Specifying Initial Conditions for Iterative Estimation Algorithms
Specify how the algorithm treats initial conditions for estimation of model parameters.

Build simple process models using System Identification Toolbox.