비선형 모델 식별

비선형 ARX, Hammerstein-Wiener 및 그레이박스 모델 식별

선형 모델이 시스템 동특성을 완전히 나타내지 못할 때는 비선형 모델 식별을 사용합니다. System Identification 앱 또는 명령줄에서 비선형 모델을 식별할 수 있습니다. System Identification Toolbox™를 사용하면 다음과 같은 네 가지 비선형 모델 구조를 만들고 추정할 수 있습니다.

비선형 ARX 모델 — 웨이블릿 네트워크, 트리 분할, 시그모이드 네트워크와 같은 동적 비선형 매핑 객체를 사용하여 시스템의 비선형성을 나타냅니다.
Hammerstein-Wiener 모델 — 정적 비선형성을 제외하면 선형인 시스템에서 정적 비선형성을 추정합니다.
비선형 그레이박스 모델 — 알 수 없는 파라미터를 갖는 상미분 또는 차분 방정식(ODE)을 사용하여 비선형 시스템을 나타냅니다.
신경망 상태공간 모델 — 신경망을 사용하여 시스템의 비선형 상태공간 실현을 정의하는 함수를 나타냅니다.

비선형 모델 식별에는 균일하게 샘플링된 시간 영역 데이터가 필요합니다. 데이터는 하나 이상의 입력 및 출력 채널을 가질 수 있습니다. 비선형 ARX 모델 및 비선형 그레이박스 모델을 사용하여 시계열 데이터를 모델링할 수도 있습니다. 자세한 내용은 About Identified Nonlinear Models 항목을 참조하십시오.

식별된 모델을 사용하여 명령줄, 앱 또는 Simulink^®에서 모델 출력을 시뮬레이션하고 예측할 수 있습니다. Control System Toolbox™가 있는 경우에는 모델을 선형화하여 제어 시스템 설계에 사용할 수도 있습니다. 자세한 내용은 Linear Approximation of Nonlinear Black-Box Models 항목을 참조하십시오.

추천 예제

Nonlinear Modeling of a Magneto-Rheological Fluid Damper

Nonlinear black-box modeling of the dynamic behavior of a magneto-rheological fluid damper, using Nonlinear ARX and Hammerstein-Weiner models.

스크립트 열기

A Tutorial on Identification of Nonlinear ARX and Hammerstein-Wiener Models

Identify single-input-single-output (SISO) nonlinear black box models using measured input-output data.

스크립트 열기

Motorized Camera - Multi-Input Multi-Output Nonlinear ARX and Hammerstein-Wiener Models

Estimate multi-input multi-output (MIMO) nonlinear black box models from data.

스크립트 열기

Use LSTM Network for Linear System Identification

Use Long Short-Term Memory (LSTM) neural networks to estimate a linear system and compares this approach to transfer-function estimation.

라이브 스크립트 열기

Reduced Order Modeling of Electric Vehicle Battery System Using Neural State-Space Model

A reduced order modeling (ROM) workflow, where you use deep learning to obtain a low-order nonlinear state-space model that serves as a surrogate for a high-fidelity battery model. The low-order model takes the current (charge or discharge) and state of charge (SOC) as inputs and predicts voltage and temperature of an electric vehicle (EV) battery module while the battery is being cooled by an edge-cooled plate with a coolant at a constant flow rate. You train the low-order model and deploy it in Simulink® to compare it against the high-fidelity model.

라이브 스크립트 열기