이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
비선형 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.
카테고리
- 비선형 모델 식별 기본 사항
식별된 비선형 모델, 블랙박스 모델링 및 정규화
- 비선형 ARX 모델
시그모이드, 웨이블릿과 같은 동적 네트워크를 사용하여 모델링한 비선형 동작
- Hammerstein-Wiener 모델
포화, 불감대와 같은 정적 비선형성을 선형 동적 시스템에 연결
- 비선형 그레이박스 모델
비선형 미분 방정식, 차분 방정식 및 상태공간 방정식의 계수 추정
- 신경망 상태공간 모델
시스템의 비선형 상태공간 실현을 정의하는 함수를 나타내기 위해 신경망 사용
- 차수 축소 모델링
정확한 대리(surrogate)를 생성하여 모델의 계산 복잡도 축소