Main Content

System Identification Toolbox

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.

System Identification Toolbox 시작하기

System Identification Toolbox의 기본 사항 배우기

데이터 준비

시간 영역 데이터 및 주파수 영역 데이터의 플로팅, 분석, 추세 제거, 데이터 생성 및 가져오기

선형 모델 식별

임펄스 응답, 주파수 응답 및 모수적 모델(예: 선형 상태공간 모델, 전달 함수 모델) 식별

비선형 모델 식별

비선형 ARX, Hammerstein-Wiener 및 그레이박스 모델 식별

그레이박스 모델 추정

선형 및 비선형 미분 방정식, 차분 방정식 및 상태공간 방정식의 계수 추정

모델 검증

측정된 출력, 잔차 분석, 응답 플롯을 신뢰한계를 사용하여 모델과 비교

모델 분석

모델 이산화, 모델을 다른 유형으로 변환, 비선형 모델 선형화, 출력 시뮬레이션 및 예측

시계열 분석

AR, ARMA, 상태공간 모델 및 그레이박스 모델 등 선형 모델과 비선형 모델을 식별하고 스펙트럼 분석을 수행하며 모델 출력을 전망하여 시계열 데이터 분석

온라인 추정

시스템 동작 중의 모델 파라미터 및 상태 추정, 코드 생성 및 임베디드 타깃에 배포