Main Content

System Identification Toolbox 시작하기

입력-출력 데이터에서 선형 및 비선형 동적 시스템 모델 만들기

System Identification Toolbox™는 동적 시스템 모델링, 시계열 분석 및 전망(forecasting)을 위한 MATLAB® 함수, Simulink® 블록 및 앱을 제공합니다. 측정된 변수 간의 동적 관계를 파악하여, 시간 영역 데이터나 주파수 영역 데이터를 사용할 때 연속시간 또는 이산시간에서의 전달 함수, 공정 모델, 상태공간 모델을 생성할 수 있습니다. AR, ARMA, 기타 선형 및 비선형 자기회귀 모델링 기술을 사용하여 시계열을 전망할 수 있습니다.

이 툴박스를 사용하면 가우스 과정(GP) 표현, 서포트 벡터 머신(SVM) 표현 등의 머신러닝 기술과 함께 Hammerstein-Wiener 모델 및 비선형 ARX 모델을 사용하여 비선형 시스템 동역학을 추정할 수 있습니다. 또는 딥러닝을 사용해 비선형 시스템 동역학을 포착하는 신경망 ODE(상미분 방정식) 모델을 생성할 수도 있습니다. 또한 그레이박스 시스템 식별을 수행하여 사용자가 정의한 모델의 파라미터를 추정할 수 있습니다. 식별된 모델을 Simulink에 통합하여 빠른 시뮬레이션을 통해 제어 설계와 진단 및 예지진단 응용 사례를 지원할 수 있습니다.

확장 칼만 필터 또는 무향 칼만 필터와 입자 필터를 사용하여 적응형 제어, 결함 검출, 소프트 센싱 응용 사례를 위한 온라인 파라미터 및 상태 추정을 수행할 수 있습니다. 이 툴박스를 사용하면 임베디드 기기를 타깃으로 하는 온라인 추정 알고리즘용 C/C++ 코드를 생성할 수 있습니다.

튜토리얼

시스템 식별 소개

비디오

System Identification Part 1: What is System Identification?
시스템 식별은 물리학보다는 데이터를 사용하여 동적 시스템의 모델을 개발하는 과정입니다. 시스템 식별이란 무엇이며 더 큰 관점에서 봤을 때 어느 부분에 해당하는지 살펴봅니다.

System Identification Part 2: Linear System Identification
시스템 식별을 사용하여 잡음과 외부 외란으로 손상된 데이터에 선형 모델을 피팅하고 검증하는 방법을 알아봅니다.

System Identification Part 3: Nonlinear System Identification
사용 가능한 많은 모델 옵션 중 하나인 비선형 ARX 모델을 통해 비선형 시스템 식별에 대해 알아봅니다.

System Identification Part 4: Online and Recursive System Identification
온라인 시스템 식별에 대해 알아봅니다. 여기에서 소개하는 알고리즘은 새로운 데이터가 실시간으로 또는 거의 실시간으로 측정되고 사용 가능할 때 모델의 파라미터와 상태를 추정합니다.