Introducción a System Identification Toolbox
System Identification Toolbox™ proporciona funciones de MATLAB®, bloques de Simulink® y una app para el modelado de sistemas dinámicos, análisis y pronóstico de series temporales. Puede aprender a usar relaciones dinámicas entre variables medidas para crear funciones de transferencia, modelos de proceso y modelos de espacio de estados tanto en tiempo continuo como discreto al mismo tiempo que usa datos del dominio del tiempo o la frecuencia. Puede pronosticar series temporales usando AR, ARMA y otras técnicas de modelado autorregresivas lineales y no lineales.
La toolbox permite estimar dinámicas de sistema no lineales utilizando modelos Hammerstein-Wiener y ARX no lineales con técnicas de machine learning como procesos gausianos (GP), máquinas de vectores de soporte (SVM) y otras representaciones. Como alternativa, puede crear modelos de ecuación diferencial ordinaria (EDO) neuronales utilizando deep learning para capturar dinámicas de sistema no lineales. La toolbox permite realizar la identificación de sistemas de caja gris para estimar parámetros de un modelo definido por el usuario. Puede integrar modelos identificados en Simulink para simulaciones rápidas que habiliten aplicaciones de diseño de control de diagnóstico y pronóstico.
Puede realizar la estimación de parámetros y estados online utilizando filtros de Kalman unscented o extendidos y filtros de partículas para aplicaciones de control adaptativo, detección de anomalías y sensores virtuales. La toolbox permite generar código C/C++ para algoritmos de estimación online a fin de dirigirse a dispositivos integrados.
Tutoriales
- 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.
- Identify Low-Order Transfer Functions (Process Models) Using System Identification App
Identify continuous-time transfer functions from single-input/single-output (SISO) data using the app.
- Estimate Continuous-Time Grey-Box Model for Heat Diffusion
This example shows how to estimate the heat conductivity and the heat-transfer coefficient of a continuous-time grey-box model for a heated-rod system.
- Identify Nonlinear Black-Box Models Using System Identification App
Identify nonlinear black-box models from single-input/single-output (SISO) data using the System Identification app.
Acerca de la identificación de sistemas
- System Identification Overview
System identification is a methodology for building mathematical models of dynamic systems using measurements of the system’s input and output signals.
- System Identification Workflow
Summary of typical tasks in the system identification workflow.
- Supported Data
System Identification Toolbox software supports estimation of linear models from both time- and frequency-domain data.
- Supported Continuous- and Discrete-Time Models
Types of continuous-time and discrete-time models you can estimate from time- and frequency-domain data.
- Estimating Models Using Frequency-Domain Data
Overview of frequency-domain identification in the toolbox.
- Working with System Identification App
Working with System Identification App.
- What Is Online Estimation?
Estimate states and parameters of a system in real-time.
Vídeos
Identificación de sistemas, parte 1: ¿Qué es la identificación de sistemas?
La identificación de sistemas es el proceso de usar datos en lugar de la física para desarrollar un modelo de un sistema dinámico. Descubra qué es la identificación de sistemas y qué lugar ocupa desde una perspectiva global.
Identificación de sistemas, parte 2: Identificación de sistemas lineales
Aprenda cómo usar la identificación de sistemas para ajustar y validar un modelo lineal con datos que se han corrompido por ruido y perturbaciones externas.
Identificación de sistemas, parte 3: Identificación de sistemas no lineales
Obtenga información sobre la identificación de sistemas no lineales explorando una de las muchas posibles opciones de modelo: un modelo ARX no lineal.
Identificación de sistemas, parte 4: Identificación de sistemas online y recurrente
Obtenga información sobre la identificación de sistemas online. Estos algoritmos estiman los parámetros y estados de un modelo a medida que los datos nuevos se miden y están disponibles en tiempo real o en tiempo casi real.
