compare

辨识线性模型并使用生成该模型的数据来可视化仿真模型响应。

在 tt1 中加载输入/输出测量，并辨识三阶状态空间模型 sys。

load sdata1 tt1;
sys = ssest(tt1,3);

sys 是一个连续时间辨识状态空间 (idss) 模型。

使用 compare 仿真 sys 响应并将其与 tt1 中的数据一起绘制。

figure
compare(tt1,sys)

该图说明了模型响应和原始数据之间的差异。图例中显示的百分比是 NRMSE 适应度值。它表示预测模型输出与数据的接近程度。

要更改图中的显示选项，右键点击该图以访问上下文菜单。例如：

辨识线性模型并使用计算数据可视化预测的模型响应。

使用 umat1 和 ymat1 中的输入/输出测量来辨识三阶状态空间模型。

load sdata1 umat1 ymat1 Ts
sys = ssest(umat1,ymat1,3,'Ts',Ts);

sys 是一个离散时间辨识状态空间 (idss) 模型。

现在使用 compare 来绘制预测响应。预测与仿真的不同之处在于，它在计算系统响应时同时使用测量的输入和测量的输出。预测范围定义了相对于当前测量的输出点，预测未来多远的情况。对于此示例，将预测范围 kstep 设置为 10 步，并使用 compare 绘制预测响应与原始测量数据的关系。

kstep = 10;
compare(umat1,ymat1,sys,kstep)

在此图中，每个 sys 数据点代表与至少 10 步前获取的输出测量数据相关的预测输出。例如，t = 15s 时的点基于 t = 5s 或之前进行的输出测量。这个 t = 15s sys 数据点的计算也使用了高达 t = 15s 的输入测量值，就像仿真一样。

该图说明了模型响应和原始数据之间的差异。图例中显示的百分比是 NRMSE 适应度值。它表示预测模型输出与数据的匹配程度。

要更改图中的显示和仿真选项，右键点击该图以访问上下文菜单。例如，要绘制预测输出和测量输出之间的误差，请从上下文菜单中选择 Error Plot。要更改预测范围值，或在仿真和预测之间切换，请从上下文菜单中选择 Prediction Horizon。

确定同一数据的几种模型类型，并比较结果以查看哪种模型最适合数据。

加载数据，其中包含具有单个输入和输出的 iddata 对象 z1。

load iddata1;

从 z1 中，为下列每个线性形式确定一个模型：

sys_armax = armax(z1,[2 3 1 0]);
sys_ss = ssest(z1,3);
sys_tf = tfest(z1,3);

使用 compare，绘制带有 z1 的三个模型的仿真响应。

compare(z1,sys_armax,sys_ss,sys_tf)

对于这组数据，以及所有模型的默认设置，传递函数形式具有最佳的 NRMSE 拟合度。然而，所有模型的拟合度都在 1% 左右的范围内。

您可以通过右键点击图表并将鼠标悬停在 Systems 上，以交互方式控制在图表中显示哪些模型响应。

将不同类型的多个估计模型的输出与测量的频域数据进行比较。

对于此示例，从频率响应数据估计过程模型和输出-误差多项式。

load demofr  % frequency response data
zfr = AMP.*exp(1i*PHA*pi/180);  
Ts = 0.1;
data = idfrd(zfr,W,Ts);  
sys1 = procest(data,'P2UDZ'); 
sys2 = oe(data,[2 2 1]);

sys1 是一个 idproc 模型，是一个连续时间过程模型。sys2 是一个 idpoly 模型，是一个离散时间输出-误差模型。

将估计模型的频率响应与数据进行比较。

compare(data,sys1,'g',sys2,'r');

这两个模型的 NRMSE 拟合值相对于计算它们的数据来说几乎相等。

当您将估计模型与测量数据进行比较时，修改默认行为。

估计测量数据的传递函数。

load sdata1 tt1;
sys = tfest(tt1,3);

sys 是一个连续时间辨识传递函数 (idtf) 模型。

假设您希望初始条件为零。compare 的默认值是从数据中估计初始条件。

创建一个选项集来指定初始条件处理。要使用零作为初始条件，请为 'InitialCondition' 选项指定 'z'。

opt = compareOptions('InitialCondition','z');

使用比较选项集将估计的传递函数模型输出与测量数据进行比较。

compare(tt1,sys,opt)

加载数据。

load iddata2 z2

将数据分为估计集和验证集。

z2e = z2(1:200);
z2v = z2(201:400);
idplot(z2e,z2v)

使用估计数据估计状态空间模型和传递函数模型。

sys_ss = ssest(z2e,2);
sys_tf = tfest(z2e,2,1);

使用 compare 获取 sys_ss 的初始条件 ic_ss。

[y_ss,fit_ss,ic_ss] = compare(z2e,sys_ss);
ic_ss

ic_ss = 2×1

   -0.0018
    0.0016

ic_ss 是初始状态的数值向量。

使用 compare 获取 sys_tf 的初始条件 ic_tf。

[y_tf,fit_tf,ic_tf] = compare(z2e,sys_tf);
ic_tf

ic_tf = 
  initialCondition with properties:

     A: [2×2 double]
    X0: [2×1 double]
     C: [-1.6093 5.1442]
    Ts: 0

ic_tf 是一个 initialCondition 对象，它以状态空间形式包含 sys_tf 对初始条件的自由响应模型。A 和 C 包含自由响应信息，而 X0 包含初始状态。

现在使用验证数据立即获取两个模型的初始条件。

[y_sstf,fit_sstf,ic_sstf] = compare(z2v,sys_ss,sys_tf);
ic_sstf

ic_sstf=2×1 cell array
    {2×1 double          }
    {1×1 initialCondition}

ic_sstf 是一个元胞数组，包含 sys_ss 的初始状态向量和 sys_tf 的 initialCondition 对象。

compare 可以为具有任何测量数据集的现有模型提供初始条件。