선형 모델 식별 기본 사항
선형 모델 식별, 적합한 모델 구조 선택, 모델 객체 구조 생성과 수정, 정규화된 추정 사용을 위한 필수 정보
선형 모델은 System Identification Toolbox™를 사용하여 식별할 수 있는 가장 단순한 모델입니다. 선형 모델이 시스템 동특성을 완전히 나타내기에 충분한 경우 선형 모델 식별을 사용합니다. 선형 모델을 식별할 때는 시간 영역 또는 주파수 영역 입력-출력 데이터와 상태공간 모델이나 전달 함수 모델 같은 모델 구조로 시작할 수 있습니다. 이 툴박스는 측정된 출력과, 입력 데이터에 대해 시뮬레이션된 모델 응답 간의 차이를 최소화하기 위해 모델의 자유 파라미터를 반복해서 조정합니다. 이 툴박스를 사용하여 다음과 같은 작업을 수행할 수 있습니다.
특정 모델 구조를 사용하여 선형 모델 추정.
블랙박스 모델링 방식 사용 및 데이터에 가장 적합한 모델 구조 탐색.
예비 선형 모델을 생성하고, 추정할 모델의 파라미터를 초기화하는 데 해당 모델 사용.
알려진 파라미터를 특정 값으로 고정하여 시스템에 대한 지식을 모델에 주입.
정규화된 추정을 사용해 모델 유연성을 제약하는 방식으로 모델의 불확실성 축소.
도움말 항목
선형 모델 식별하기
- Identify Linear Models Using System Identification App
Identify linear black-box models from single-input/single-output (SISO) data using the System Identification app. - Identify Linear Models Using the Command Line
Identify linear models from multiple-input/single-output (MISO) data using System Identification Toolbox commands. - Frequency Domain Identification: Estimating Models Using Frequency Domain Data
This example shows how to estimate models using frequency domain data. - Estimation Report
The estimation report contains information about the results and options used for a model estimation.
모델 구조 선택하기
- About Identified Linear Models
System Identification Toolbox software uses objects to represent a variety of linear and nonlinear model structures. - Available Linear Models
Summary of linear model types that you can use for system identification. - Black-Box Modeling
Black-box modeling is useful when your primary interest is in fitting the data regardless of a particular mathematical structure of the model. - Model Structure Selection: Determining Model Order and Input Delay
This example shows some methods for choosing and configuring the model structure. - Modeling Multiple-Output Systems
Use a multiple-output modeling technique that suits the complexity and internal input-output coupling of your system. - 모델 객체의 유형
모델 객체의 유형에는 계수가 고정된 시스템을 나타내는 수치 모델과, 조정 가능하거나 불확실한 계수가 있는 시스템에 대한 일반화된 모델이 포함됩니다.
모델 객체 구조 및 제약 조건
- Linear Model Structures
Linear models in System Identification Toolbox take the form of model objects that are linear model structures. You can construct model objects directly or use estimation commands to both construct and estimate models. You can also modify the properties of existing model objects. - Imposing Constraints on Model Parameter Values
Constrain the adjustments that the estimation algorithm can make to individual model parameters by using theStructure
property of the mode object.
정규화
- Regularized Identification of Dynamic Systems
This example shows the benefits of regularization for identification of linear and nonlinear models. - Estimate Regularized ARX Model Using System Identification App
This example shows how to estimate regularized ARX models using automatically generated regularization constants in the System Identification app. - Regularized Estimates of Model Parameters
Regularization is the technique for specifying constraints on the flexibility of a model, thereby reducing uncertainty in the estimated parameter values.
추가 항목
- Loss Function and Model Quality Metrics
Configure the loss function that is minimized during parameter estimation. After estimation, use model quality metrics to assess the quality of identified models. - Effect of Input Intersample Behavior on Continuous-Time Models
The intersample behavior of the input signals influences the estimation, simulation and prediction of continuous-time models.