System Identification Toolbox

측정한 입출력 데이터로부터 선형 및 비선형 동적 시스템 모델을 생성할 수 있습니다.

 

System Identification Toolbox™는 측정된 입출력 데이터로부터 동적 시스템의 수학적 모델을 생성할 수 있는 MATLAB® 함수, Simulink® 블록 및 을 제공합니다. 이를 통해 제1원칙 또는 사양으로부터 쉽게 모델링할 수 없는 동적 시스템 모델을 만들고 사용할 수 있습니다. 시간 영역과 주파수 영역 입출력 데이터를 사용하여 연속시간 및 이산시간 전달 함수, 공정 모델, 상태 공간 모델을 식별할 수 있습니다. 또한 임베디드 온라인 파라미터 추정을 위한 알고리즘을 제공합니다.

System Identification Toolbox는 최대가능도, PEM(예측 오차 최소화), 부분공간 시스템 식별과 같은 식별 기법을 제공합니다. 비선형 시스템의 동특성을 표현하려면 웨이블릿 신경망, 트리 분할, 시그모이드 신경망의 비선형성을 사용하여 Hammerstein-Weiner 모델과 비선형 ARX 모델을 추정할 수 있습니다. 이 툴박스는 사용자 정의 모델의 파라미터 추정을 위한 그레이박스 시스템 식별을 수행합니다. 식별한 모델은 Simulink에서 시스템 응답 예측 및 플랜트 모델링에 사용할 수 있습니다. System Identification Toolbox는 시계열 데이터 모델링 및 시계열 예측도 지원합니다.

시작하기:

System Identification 앱

측정된 입출력 데이터를 사용하여 시스템의 선형 및 비선형 모델을 대화형 방식으로 추정할 수 있습니다.

데이터 가져오기 및 전처리

측정된 시간 영역 및 주파수 영역 데이터를 가져올 수 있습니다. 추세 제거, 필터링, 재추출과 같은 작업을 수행하여 데이터의 전처리 작업을 수행하고 누락된 데이터를 재구성할 수도 있습니다.

모델 추정 및 검증

측정된 입출력 데이터로부터 선형 및 비선형 모델을 식별할 수 있습니다. 식별된 모델을 비교하고, 속성을 분석하고, 신뢰한계를 계산하고, 테스트 데이터셋에 대해 검증할 수 있습니다.

선형 모델 식별

제어기 설계와 같은 응용 분야를 위해 측정된 데이터로부터 선형 모델을 추정할 수 있습니다.

전달 함수와 공정 모델

지정된 개수의 영점과 극점을 갖는 다중 입력 다중 출력 연속시간 또는 이산시간 전달 함수를 추정할 수 있습니다. 전달 지연 시간을 직접 지정하거나 툴박스에서 자동으로 결정하도록 할 수 있습니다.

상태공간 및 다항식 모델

최적의 모델 차수를 결정하고 시스템의 상태공간 모델을 추정할 수 있습니다. ARX, ARMAX, Box-Jenkins 및 출력 오차 다항식 모델을 추정할 수도 있습니다.

주파수 및 임펄스 응답 모델

스펙트럼 분석 및 상관관계 분석을 사용하여 주파수 영역 및 시간 영역 데이터로부터 시스템의 모델을 추정할 수 있습니다. 주파수 응답 데이터는 Simulink Control Design을 사용하여 Simulink 모델로부터 얻을 수도 있습니다.

온라인 추정

적응 제어, 고장 감지, 소프트 센싱과 같은 응용 분야를 위해 온라인 추정 모델을 사용할 수 있습니다. 이러한 모델이 라이브 데이터를 사용하여 임베디드 디바이스에서 실시간으로 실행되도록 배포할 수 있습니다.

재귀 모델을 사용한 파라미터 추정

새로운 데이터가 입력되면 파라미터를 업데이트하는 재귀 모델을 사용하여 시스템의 모델을 실시간으로 추정합니다. 내장된 Simulink 블록을 사용하여 이러한 모델을 구현할 수 있습니다. Simulink Coder™를 사용하여 블록으로부터 임베디드 디바이스를 타겟팅하는 C/C++ 코드를 생성합니다.

칼만 필터를 사용한 상태 추정

선형, 확장 또는 무향 칼만 필터와 입자 필터를 사용하여 실시간 데이터로부터 시스템 상태를 추정합니다. 내장된 Simulink 블록을 사용하여 이러한 알고리즘을 구현할 수 있습니다. Simulink Coder™를 사용하여 블록으로부터 임베디드 디바이스를 타겟팅하는 C/C++ 코드를 생성합니다.

제어 시스템 설계 및 Simulink

추정된 모델을 Simulink에서 내장 블록을 사용하여 구현합니다. MATLAB 및 Simulink에서 제어기를 설계할 때 추정된 모델을 사용하여 플랜트 모델을 표현할 수 있습니다.

Simulink와의 통합

추정된 모델, 상태 추정기 및 재귀 모델을 Simulink에서 내장 블록을 사용하여 구현합니다. 이러한 블록을 사용하여 시스템 분석 및 제어 설계 작업을 수행할 수 있습니다.

컨트롤러 설계

추정된 모델을 Control System Toolbox를 사용한 제어기 설계 및 조정에 사용합니다. PID 튜너 앱의 시스템 식별 기능을 사용하여, 측정된 데이터 또는 불연속성이 있는 Simulink 모델로부터 선형 플랜트 동특성을 추정합니다. 

비선형 모델 식별

시스템의 비선형성을 캡처할 수 있는 모델을 추정합니다.

비선형 ARX 모델

자기회귀 모델에 웨이블릿 네트워크, 트리 분할, 시그모이드 네트워크 및 신경망(Deep Learning Toolbox 사용)으로 표현되는 비선형성을 결합하여 시스템을 모델링합니다.

웨이블릿 비선형성을 갖는 추정된 비선형 ARX 모델.

Hammerstein-Wiener 모델

다른 부분에서는 선형 시스템의 입력 및 출력에 존재하는 정적 비선형 왜곡을 추정합니다. 예를 들어, DC 모터를 구동하는 입력 전류에 영향을 주는 포화 레벨을 추정할 수 있습니다.

그레이박스 모델 식별

알려진 파라미터와 알려지지 않은 파라미터가 사용된 연립방정식으로 표현되는 그레이박스 모델을 빌드합니다. 이렇게 하면 모델 구조를 변경하지 않고도 측정된 테스트 데이터를 사용하여 파라미터를 추정하고 시스템의 동특성을 캡처할 수 있습니다.

선형 그레이박스 모델

미분 방정식, 차분 방정식 또는 상태공간 시스템을 사용하여 선형 시스템을 모델링합니다. 진자 질량 및 길이, 모터 저항, 백 EMF 상수와 같은 지정된 모델 파라미터를 측정된 입출력 데이터를 통해 추정합니다.

 DC 모터의 선형 그레이박스 모델.

비선형 그레이박스 모델

비선형 미분 방정식 또는 차분 방정식을 사용하여 시스템을 모델링합니다. 지정된 모델 파라미터를 측정된 입출력 데이터로부터 추정합니다.

2탱크 시스템은 선형 모델보다 비선형 그레이박스 모델로 더 잘 표현됩니다.

시계열 모델

AR, ARMA, 상태공간 및 기타 선형 및 비선형 모델을 식별하여 시계열 데이터를 분석합니다.

시계열 모델

시계열 모델을 추정하여 시스템으로부터 측정된 데이터를 피팅합니다. 그런 다음 시계열 모델의 미래의 값을 예측하여 시스템의 미래 동작을 예측할 수 있습니다. 

시계열 모델은 장비 상태를 예측하는 데 사용될 수 있습니다.

최신 기능

라이브 편집기 작업

손실 함수에 가중치가 적용된 프리필터를 적용하여, 추정된 상태 공간 및 공정 모델의 정확도 개선

라이브 편집기 작업

상태 공간 및 공정 모델 식별 작업을 대화형 방식으로 수행하고 라이브 스크립트에서 MATLAB 코드 생성

확장 및 무향 칼만 필터의 잔차

필터 예측의 잔차 및 잔차 공분산 계산

이 기능과 그에 상응하는 함수에 대한 자세한 내용은 릴리스 정보를 참조하십시오.