Contenido principal

Modelos de caja gris no lineales

Realice la estimación de coeficientes de ecuaciones diferenciales, de diferencias o en espacio de estados no lineales

Si comprende la física del sistema y puede representar el sistema usando ecuaciones diferenciales o de diferencias ordinarias (EDO) con parámetros desconocidos, puede usar los comandos de System Identification Toolbox™ para realizar el modelado de caja gris. Las EDO de modelos de caja gris especifican la estructura matemática del modelo de forma explícita, incluidas las uniones entre parámetros. El modelado de caja gris resulta útil cuando se conocen las relaciones entre variables, las restricciones del comportamiento del modelo o las ecuaciones explícitas que representan la dinámica del sistema.

Puede representar un modelo de caja gris no lineal utilizando un objeto idnlgrey, lo que requiere que escriba una función para describir la dinámica como un conjunto de ecuaciones diferenciales de primer orden. Para obtener más información, consulte Estimate Nonlinear Grey-Box Models.

Funciones

expandir todo

nlgreyestEstimate nonlinear grey-box model parameters
nlgreyestOptionsOption set for nlgreyest
idnlgreyNonlinear grey-box model
pemPrediction error minimization for refining linear and nonlinear models
generateMATLABFunctionGenerate MATLAB functions that evaluate the state and output functions, and their Jacobians, of a nonlinear grey-box or neural state-space model (Desde R2022b)
initSet or randomize initial parameter values
getparParameter values and properties of idnlgrey model parameters
setparSet initial parameter values of idnlgrey model object
getpvecObtain model parameters and associated uncertainty data
setpvecModify values of model parameters
getinitValues of idnlgrey model initial states
setinitSet initial states of idnlgrey model object
findstatesEstimate initial states of model
findstatesOptionsOption set for findstates
simSimulate response of identified model
simOptionsOption set for sim

Temas

Ejemplos destacados