matlab系统辨识
（System Identification Tool）系统辨识工具箱
早听说matlab博大精深，神通广大了，于是乎我确定肯定有更简单、直观、强大的工具来完成这小儿科把戏。查资料琢磨之后，我做了个小实验，在simulink里验证了该种方法。该方法的大原则是：在确定了系统的输入输出数据（两个列向量N×1形式，如果是1×N，会提示出错！）之后，设计好一定的辨识原则（比如说是2阶？3阶？，传递函数是零极点形式，还是带阻尼形式，等等），然后就交给强大的matlab，得到辨识结果。Step by step，plz！
Step1、建立模型获取系统输入输出数据
图1
图1系统的输入是阶跃信号，用Scope1监视，并输出到workspace （这步不会的自己百度哦），采样周期是0.1s，得到输入变量u（101×1的矩阵）；本人在系统的阶跃响应上叠加了一白噪声，当然也可以不加噪声，加了噪声就是期望更真实的模拟实际情况，白噪声参数设置见图2
图2
同样在Scope2监视，也将结果输出到workspace，得到响应数据y（同样也是101×1的矩阵）
Step 2、进入辨识工具箱&设置辨识规则
直接在command window 输入 ident，回车，进入辨识工具箱图3
图3
点击import下拉菜单，选时域数据time domain data，见图4
图4
在下图5红色圈区域输入之前得到的系统输入和输出数据，u和y
图5
在下图6绿色圈内输入数据的一些信息，因为之前模型中，阶跃起点我是放在0s处的，这里也设置0，如果前面模型仿真是1s，这里应该也是1s；采样时间是0.1s，根据实际情况设置统一哦
图6
设置完之后，点击import此时界面变成图7
图7
如果在下图8勾选红框这个选项，就会出现我们刚才设定输入输出数据的曲线，如图9所示，其他勾选项是频域的分析和显示，暂不用它。
图8
图9
看看与我们实际设置的输入输出是否符合，如果符合，那么我们离成功就不远咯，如果发现异常，那再好好检查一遍，直到确保数据导入没有问题！
下面两段红色斜杠之间的内容，对于本实验，可以直接跳过，看一下对后续复杂模型的处理有好处哦，也算全面熟悉一下工具。
/////////////////////////////////////////////////////////// 到这接着选preprocess也就是对数据进行预处理了，下拉菜单中有很多种处理方法和手段，有这个心思的人可以挨个试一下功能。图10
图10
预处理的对象是working data中的数据，每进行一种预处理在左边就会有新的数据生成，这时只要将新的数据移动到working data 的那个方框，就可以将working data换成你所想处理的数据了，可以这样多次进行处理，得到你最终想用来辨识的数据和用于验证的数据（不需要的数据可以拖到那个trash里面删除，就是回收站了，也可以从回收站中找回的）
接下来就是辨识了，首先把辨识用的数据拖到working data那个方框，再把验证的数据拖到validation data那个方框，这个validation data就是最原始数据稍作处理得到的一个更接近理论模型的对象数据，在这实验里，本人用的就是默认数据，也就是不做任何preprocess处理。
///////////////////////////////////////////////////////////
点下拉菜单estimate，选你想要的模型，在弹出的对话框中设定参数,图11
图11
这里边的模型种类比较多，有线性的、非线性的、状态空间的、经典传递函数形式的等等，我们所选的就是图中红色方框process models，单击。弹出如下界面图12！
图12
在本实验中，我们做如下设置，见图13红框标出部分。
图
13
是否有零点、有
延迟、有积分？
根据勾选，传函
自动调整
传递函
数
极点个
数及其
他
然后点击最下方Estimate，就有模型生成了。图14
图14
先勾选上图绿色框选项，看到了什么？给出了拟合率，best fits 98.72有木有？？传递函数具体的数值，双击上图红色框，见图15？
图15
在右边的数据栏中；也就是model views中了，下面有很多可以选择，每选一个就可以生成一幅对应的图，是由用于验证的数据生成的。把模型拖到to workspace那个方框，再去看workspace，多的那个变量就是你所辨识出的模型了
注意：在某个模型或某组数据上点一下，线变细了就不会在图中显示出来了！！！！！！！！
最后再一次提出，上述分析并不一定完全正确，可能有些概念并不清晰可靠，当然还有很多功能并没有被发掘，可以确定的是解决这个问题的两个大方向没有问题，若想做到精益求精，还需要再仔细研究斟酌哦！
系统辨识最小二乘参数估计matlab
最小二乘参数估计 摘要： 最小二乘的一次性完成辨识算法（也称批处理算法），他的特点是直接利用已经获得的所有（一批）观测数据进行运算处理。这种算法在使用时，占用内存大，离线辨识，观测被辨识对象获得的新数据往往是逐次补充到观测数据集合中去的。在应用一次完成算法时，如果要求在每次新增观测数据后，接着就估计出系统模型的参数，则需要每次新增数据后要重新求解矩阵方程()Z l T l l T l ΦΦΦ-∧=1θ。 最小二乘辩识方法在系统辩识领域中先应用上已相当普及，方法上相当完善，可以有效的用于系统的状态估计，参数估计以及自适应控制及其他方面。 关键词： 最小二乘（Least-squares ），系统辨识（System Identification ） 目录： 1.目的 (1) 2.设备 (1) 3引言 (1) 3.1 课题背景 (1) 4数学模型的结构辨识 (2) 5 程序 (3) 5.1 M 序列子函数 ................................................................................. 错误！未定义书签。 5.2主程序............................................................................................... 错误！未定义书签。 6实验结果： ................................................................................................................................... 3 7参考文献： ................................................................................................. 错误！未定义书签。 1.目的 1.1掌握系统辨识的理论、方法及应用 1.2熟练Matlab 下最小二乘法编程 1.3掌握M 序列产生方法 2.设备 PC 机1台（含Matlab 软件） 3引言 3.1 课题背景 最小二乘理论是有高斯（K.F.Gauss ）在1795年提出：“未知量的最大可能值是这样一个数值，它使各次实际观测值和计算值之间的差值的平方乘以度量其精度的数值以后的和最小。”这就是最小二乘法的最早思想。 最小二乘辨识方法提供一个估算方法，使之能得到一个在最小方差意义上与实验数据最
用matlab实现最小二乘递推算法辨识系统参数
用matlab实现最小二乘递推算法辨识系统参 数 自动化系统仿真实验室指导教师： 学生姓名班级计082-2 班学号撰写时间： 全文结束》》-3-1 成绩评定： 一．设计目的 1、学会用Matlab实现最小二乘法辨识系统参数。 2、进一步熟悉Matlab的界面及基本操作； 3、了解并掌握Matlab中一些函数的作用与使用；二．设计要求最小二乘递推算法辨识系统参数，利用matlab编程实现，设初始参数为零。z(k)-1、5*z(k-1)+0、7*z(k-2)=1*u(k-1)+0、5*u(k-2)+v(k); 选择如下形式的辨识模型：z(k)+a1*z(k- 1)+a2*z(k-2)=b1*u(k-1)+b2*u(k-2)+v(k);三．实验程序 m=3;N=100;uk=rand(1,N);for i=1:Nuk(i)=uk(i)*(-1)^(i-1);endyk=zeros(1,N); for k=3:N yk(k)=1、5*yk(k-1)-0、 7*yk(k-2)+uk(k-1)+0、5*uk(k-2); end%j=100;kn=0;%y=yk(m:j);%psi=[yk(m-1:j-1);yk(m-2:j-2);uk(m-1:j-1);uk(m-2:j- 2)];%pn=inv(psi*psi);%theta=(inv(psi*psi)*psi*y);theta=[0 ;0;0;0];pn=10^6*eye(4);for t=3:Nps=([yk(t-1);yk(t-
2);uk(t-1);uk(t-2)]);pn=pn- pn*ps*ps*pn*(inv(1+ps*pn*ps));theta=theta+pn*ps*(yk(t)-ps*theta);thet=theta;a1=thet(1);a2=thet(2);b1=thet(3);b2= thet(4); a1t(t)=a1;a2t(t)=a2;b1t(t)=b1;b2t(t)=b2;endt=1:N;plot(t,a 1t(t),t,a2t(t),t,b1t(t),t,b2t(t));text(20,1、 47,a1);text(20,-0、67,a2);text(20,0、97,b1);text(20,0、47,b2);四．设计实验结果及分析实验结果图：仿真结果表明，大约递推到第步时，参数辨识的结果基本到稳态状态，即a1=1、5999，b1=1，c1=0、5，d1=-0、7。五、设计感受这周的课程设计告一段落了，时间短暂，意义重大。通过这次次练习的机会，重新把matlab课本看了一遍，另外学习了系统辨识的有关内容，收获颇丰。对matlab的使用更加纯熟，也锻炼了自己在课本中搜索信息和知识的能力。在设计过程中虽然遇到了一些问题，但经过一次又一次的思考，一遍又一遍的检查终于找出了原因所在，也暴露出了前期我在这方面的知识欠缺和经验不足。同时我也进一步认识了matlab软件强大的功能。在以后的学习和工作中必定有很大的用处。
Matlab系统辨识尝试之详细过程1
Matlab系统辨识尝试之详细过程1 前面介绍了Matlab系统辨识工具箱的一些用法，这里拿一个直观的例子来尝试工具箱的具体用法。比较长，给个简单目录吧： 1.辨识的准备 2.辨识数据结构的构造 3.GUI辨识 4.辨识效果 5.对固有频率的辨识 6.结构化辨识 7.灰箱辨识 8.加入kalman滤波的灰箱辨识 1.辨识的准备 在辨识前，首先要根据自己辨识的情况，确定要辨识的状态空间模型的一些特点，如连续还是离散的；有无直通 分量（即从输入直通到输出的分量）；输入延迟；初始状态等。了解了这些情况就可以更快速的配置辨识时的一些设 置选项。 2.辨识数据结构的构造 使用原始数据构造iddata结构： data=iddata(y,u,Ts); 这里以一个弹簧质量系统的仿真为例 代码如下，其中用到了函数MDOFSolve，这在之前的博文介绍过（https://www.360docs.net/doc/ea5985484.html,/?p=183），拿来用即可。如果发现运行有错误，可以将MDOFSolve函数开头的一句 omega2=real(eval(omega2)); 注释掉。 %弹簧质量系统建模 clc clear close all m=200; k=980*1000;
c=1.5*1000; m1=1*m; m2=1.5*m; k1=1*k; k2=2*k; k3=k1; %%由振动力学知识求固有频率 M=[m10;0m2]; K=[k1+k2-k2;-k2k3+k2]; [omega,phi,phin]=MDOFSolve(M,K); fprintf('固有频率:%fHz\n',subs(omega/2/pi)); %%转化到状态空间 innum=2; outnum=2; statenum=4; A=[0100; -(k1+k2)/m10k2/m10; 0001; k2/m20-(k3+k2)/m20]; B=[00; 1/m10; 00; 01/m2]; C=[1000; 0010]; D=zeros(outnum,innum); K=zeros(statenum,innum); mcon=idss(A,B,C,D,K,'Ts',0);%连续时间模型 figure impulse(mcon) %%信号仿真，构造数据供辨识 n=511;%输入信号长度 Ts=0.001; t=0:Ts:(n-1)*Ts; u1=idinput(n,'prbs');%输入1为伪随机信号 u2=zeros(n,1);%输入2为空 u=[u1u2]; simdat=iddata([],u,Ts);%形成输入数据对象 e=randn(n,2)*1e-7; simopt=simOptions('AddNoise',true,'NoiseData',e);%添加噪声yn=sim(mcon,simdat,simopt);%加噪声仿真 y=sim(mcon,simdat);%无噪声仿真
MATLAB常用工具箱
MATLAB有三十多个工具箱大致可分为两类：功能型工具箱和领域型工具箱. 功能型工具箱主要用来扩充MATLAB的符号计算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能用于多种学科。而领域型工具箱是专业性很强的。如控制系统工具箱(Control System Toolbox)、信号处理工具箱(Signal Processing Toolbox)、财政金融工具箱(Financial Toolbox)等。 下面，将MATLAB工具箱内所包含的主要内容做简要介绍： 1)通讯工具箱(Communication Toolbox)。 令提供100多个函数和150多个SIMULINK模块用于通讯系统的仿真和分析 ——信号编码 ——调制解调 ——滤波器和均衡器设计 ——通道模型 ——同步 可由结构图直接生成可应用的C语言源代码。 2)控制系统工具箱(Control System Toolbox)。 鲁连续系统设计和离散系统设计 * 状态空间和传递函数 * 模型转换 * 频域响应：Bode图、Nyquist图、Nichols图 * 时域响应：冲击响应、阶跃响应、斜波响应等 * 根轨迹、极点配置、LQG 3)财政金融工具箱(FinancialTooLbox)。 * 成本、利润分析，市场灵敏度分析 * 业务量分析及优化 * 偏差分析 * 资金流量估算 * 财务报表 4)频率域系统辨识工具箱(Frequency Domain System ldentification Toolbox * 辨识具有未知延迟的连续和离散系统 * 计算幅值／相位、零点／极点的置信区间 * 设计周期激励信号、最小峰值、最优能量诺等 5)模糊逻辑工具箱(Fuzzy Logic Toolbox)。 * 友好的交互设计界面 * 自适应神经—模糊学习、聚类以及Sugeno推理 * 支持SIMULINK动态仿真 * 可生成C语言源代码用于实时应用
Matlab_系统辨识_应用例子
例1、考虑仿真对象 )()2(5.0)1()2(7.0)1(5.1)(k v k u k u k z k z k z +-+-=-+-- 其中，)(k v 是服从正态分布的白噪声N )1,0(。输入信号采用4阶M 序列，幅度为1。选择如下形式的辨识模型 )()2()1()2()1()(2121k v k u b k u b k z a k z a k z +-+-=-+-+ 设输入信号的取值是从k =1到k =16的M 序列，则待辨识参数LS θ?为LS θ?=(T T -ΦΦΦ1)z 。其中，被辨识参数LS θ?、观测矩阵Φ的表达式为: ????? ???????=2121?b b a a LS θ (3)(4)(16)z z z ??????=???? ??z (2)(1)(2)((3)(2)(3)(2)(15)(14)(15)(14)z z u u z z u u z z u u --????--??Φ=????--?? 程序框图如图1所示。Matlab 仿真程序如下： %二阶系统的最小二乘一次完成算法辨识程序，文件名：LS.m
u=[-1,1,-1,1,1,1,1,-1,-1,-1,1,-1,-1,1,1]; %系统辨识的输入信号为一个周期的M序列 z=zeros(1,16); %定义输出观测值的长度 for k=3:16 z(k)=1.5*z(k-1)-0.7*z(k-2)+u(k-1)+0.5*u(k-2); %用理想输出值作为观测值 end subplot(3,1,1) %画三行一列图形窗口中的第一个图形 stem(u) %画输入信号u的径线图形 subplot(3,1,2) %画三行一列图形窗口中的第二个图形 i=1:1:16; %横坐标范围是1到16，步长为1 plot(i,z) %图形的横坐标是采样时刻i, 纵坐标是输出观测值z, 图形格式为连续曲线 subplot(3,1,3) %画三行一列图形窗口中的第三个图形 stem(z),grid on %画出输出观测值z的径线图形，并显示坐标网格u,z %显示输入信号和输出观测信号 %L=14 %数据长度 HL=[-z(2) -z(1) u(2) u(1);-z(3) -z(2) u(3) u(2);-z(4) -z(3) u(4) u(3);-z(5) -z(4) u(5) u(4);-z(6) -z(5) u(6) u(5);-z(7) -z(6) u(7) u(6);-z(8) -z(7) u(8) u(7);-z(9) -z(8) u(9) u(8);-z(10) -z(9) u(10) u(9);-z(11) -z(10) u(11) u(10);-z(12) -z(11) u(12) u(11);-z(13) -z(12) u(13) u(12);-z(14) -z(13) u(14) u(13);-z(15) -z(14) u(15) u(14)] %给样本矩阵 赋值
MATLAB工具箱介绍
MATLAB工具箱介绍 序号工具箱备注 数学、统计与优化 1Symbolic Math Toolbox符号数学工具箱 2Partial Differential Euqation Toolbox 偏微分方程工具箱 3Statistics Toolbox统计学工具箱4Curve Fitting Toolbox曲线拟合工具箱5Optimization Toolbox优化工具箱 6Global Optimization Toolbox 全局优化工具箱 7Neural Network Toolbox神经网络工具箱 8Model-Based Calibration Toolbox 基于模型矫正工具箱 信号处理与通信 9Signal Processing Toolbox 信号处理工具箱 10DSP System Toolbox DSP[size=+0]系统工具箱 11Communications System Toolbox 通信系统工具箱 12Wavelet Toolbox小波工具箱 13Fixed-Point Toolbox定点运算工具箱14RF Toolbox射频工具箱 15Phased Array System Toolbox 相控阵系统工具箱 控制系统设计与分析 16Control system Toolbox控制系统工具箱 17System Indentification Toolbox 系统辨识工具箱 18Fuzzy Logic Toolbox模糊逻辑工具箱19Robust Control Toolbox鲁棒控制工具箱 20Model Predictive Control Toolbox 模型预测控制工具箱 21Aerospace Toolbox航空航天工具箱
系统辨识及其matlab仿真(一些噪声和辨识算法)
【1】随机序列产生程序 【2】白噪声产生程序 【3】M序列产生程序 【4】二阶系统一次性完成最小二乘辨识程序 【5】实际压力系统的最小二乘辨识程序 【6】递推的最小二乘辨识程序 【7】增广的最小二乘辨识程序 【8】梯度校正的最小二乘辨识程序 【9】递推的极大似然辨识程序 【10】Bayes辨识程序 【11】改进的神经网络MBP算法对噪声系统辨识程序【12】多维非线性函数辨识程序的Matlab程序【13】模糊神经网络解耦Matlab程序 【14】F-检验法部分程序 【1】随机序列产生程序 A=6; x0=1;M=255; for k=1:100 x2=A*x0; x1=mod (x2,M); v1=x1/256; v(:,k)=v1; x0=x1; v0=v1; end v2=v k1=k; %grapher k=1:k1; plot(k,v,k,v,'r'); xlabel('k'), ylabel('v');title('(0,1)均匀分布的随机序列') 【2】白噪声产生程序 A=6; x0=1; M=255; f=2; N=100; for k=1:N x2=A*x0; x1=mod (x2,M); v1=x1/256; v(:,k)=(v1-0.5)*f; x0=x1;
v0=v1; end v2=v k1=k; %grapher k=1:k1; plot(k,v,k,v,'r'); xlabel('k'), ylabel('v');title('(-1,+1)均匀分布的白噪声') 【3】M序列产生程序 X1=1;X2=0;X3=1;X4=0; %移位寄存器输入Xi初T态（0101），Yi为移位寄存器各级输出m=60; %置M序列总长度 for i=1:m %1# Y4=X4; Y3=X3; Y2=X2; Y1=X1; X4=Y3; X3=Y2; X2=Y1; X1=xor(Y3,Y4); %异或运算 if Y4==0 U(i)=-1; else U(i)=Y4; end end M=U %绘图 i1=i k=1:1:i1; plot(k,U,k,U,'rx') xlabel('k') ylabel('M序列') title('移位寄存器产生的M序列') 【4】二阶系统一次性完成最小二乘辨识程序 %FLch3LSeg1 u=[-1,1,-1,1,1,1,1,-1,-1,-1,1,-1,-1,1,1]; %系统辨识的输入信号为一个周期的M序列 z=zeros(1,16); %定义输出观测值的长度 for k=3:16 z(k)=1.5*z(k-1)-0.7*z(k-2)+u(k-1)+0.5*u(k-2); %用理想输出值作为观测值 end subplot(3,1,1) %画三行一列图形窗口中的第一个图形 stem(u) %画出输入信号u的经线图形 subplot(3,1,2) %画三行一列图形窗口中的第二个图形 i=1:1:16; %横坐标范围是1到16，步长为1 plot(i,z) %图形的横坐标是采样时刻i, 纵坐标是输出观测值z, 图形格式为连续曲线
系统辨识MATLAB仿真
设一非线性系统如下所示: ()()() ()()111y k y k e u k k βαε--=-+-+ 0.75α= 0.35β=0.25γ=,()k ε是零均值，方差为0.01的噪声序列（均匀白噪声）。 （1）试设计一种激励信号能持续激励系统的各工作点（平衡点） （2）用适当的方法辨识出系统的等价模型（用另一组数据来检验模型的泛化性） 说明：下面讨论的都是离散系统，所以时间坐标均采用离散时间节点k 。 解： (1) 线性化处理寻找系统的合理输入信号 可以求得系统的平衡点为： ()0.75y k α== (1.1) 按题意要求最后系统必须收敛于平衡点附近，即： ()lim 0.75k y k →∞ = (1.2) 为了找出系统的合理输入信号，使得系统最终工作在平衡点附近，这里可以将系统线性化处理，将上述非线性系统进行泰勒展开得： ()()()()()()()2323111111112!3!! n n y k y k y k y k y k u k k n αβαβαβαβγε--+---++-=-+ 因为 ，后面()1y k -的高阶项都可以扔掉（只作为寻找输入信号使用）， 所以系统可以化为下式： 此时不妨设系统输出()y k 的最后的极限为A , 从式1.2得0.75A =。 那么应该满足 ()()lim lim 1k k y k y k A →∞ →∞ =-= (1.5) 从而有 ()()()11A u k k αβγε-=-+ (1.6) 同时为了抵消系统的部分噪声，这里采用MA TLAB 软件编程产生另一服从同一分布的均匀噪声()1k ε，将式1.6变形得： ()()()0111 1u k u k k αβ εγ γ --= - (1.7) 式1.7中()0u k 是一个最后收敛于系统平衡点0.75的基本信号，这里可以采用一阶线性系统的阶跃响应曲线作为基本信号()0u k ，同时考虑系统的平衡点，即设计为： ()/00.75k T u k e -=- (1.8) T 是一阶线性系统对应的时间常数， 反应到输入基本信号()0u k 上就是过零点作()0u k 对应()()()()11y k y k u k k αβγε--=-+01αβ<（1.3） (1.4)
Matlab+Toolbox+工具箱1
Matlab Toolbox 工具箱 Matlab工具箱已经成为一个系列产品，Matlab主工具箱和各种工具箱（toolbox ）。
工具箱介绍 Matlab包含两部分内容：基本部分和根据专门领域中的特殊需要而设计的各种可选工具箱。 Symbolic Math PDE Optimization Signal process Image Process Statistics Control System System Identification ……
一、工具箱简介 ?功能型工具箱——通用型 功能型工具箱主要用来扩充Matlab的数值计算、符号运算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能够用于多种学科。
?领域型工具箱——专用型 领域型工具箱是学科专用工具箱，其专业性很强，比如控制系统工具箱（Control System Toolbox）；信号处理工具箱（Signal Processing Toolbox）；财政金融工具箱（Financial Toolbox）等等。只适用于本专业。
控制系统工具箱 Control System Toolbox ?连续系统设计和离散系统设计 ?状态空间和传递函数以及模型转换?时域响应（脉冲响应、阶跃响应、斜坡响应） ?频域响应（Bode图、Nyquist图） ?根轨迹、极点配置
Matlab常用工具箱 ?Matlab Main Toolbox——matlab主工具箱?Control System Toolbox——控制系统工具箱?Communication Toolbox——通讯工具箱?Financial Toolbox——财政金融工具箱?System Identification Toolbox——系统辨识工具箱 ?Fuzzy Logic Toolbox——模糊逻辑工具箱?Bioinformatics Toolbox——生物分析工具箱
M序列辨识 Matlab程序 系统辨识
M序列发生程序 function [out]=Mseries(order) %M-series function % by Chen Hao,2011/12/16 for i=1:order x(i)=1; end for n=1:252 y(1:2)=x(order-1:order); for i=order:-1:2 x(i)=x(i-1); end x(1)=xor(y(1),y(2)); out(n)=1-2*x(order); end stem(out); end 计算程序 function [out]=addfunction( A,B,order,n ) %addfunction % by Chen Hao,2011/12/9 order=n*order; for i=1:order out(i)=0; end for k=0:order-1 for i=0:order-1 out(k+1)=out(k+1)+A(i-k+order+1)*B(i+1); end end for k=1:order out(k)=(out(k)-out(order))/(order+1); end end 主程序 function main() %Main function % by Chen Hao,2011/12/9 out=Mseries(6); time=1:252; simin=[time' out']; assignin('base','simin',simin); sim('Mseries_distinguish'); z=simout.signals.values(2:253); out=[out out]; g=addfunction(out,z,63,4); g=g(1:63); plot(g); num=[1 2]; den=[3 1 1]; s=tf(num,den); t=0:62; h=impulse(s,t);
MATLAB中常用的工具箱
6.1.1MA TLAB中常用的工具箱 MA TLAB中常用的工具箱有： Matlab main toolbox——matlab主工具箱 Control system toolbox——控制系统工具箱Communication toolbox——通信工具箱 Financial toolbox——财政金融工具箱 System identification toolbox——系统辨识工具箱 Fuzzy logic toolbox ——模糊逻辑工具箱 Higher-order spectral analysis toolbox——高阶谱分析工具箱Image processing toolbox——图像处理工具箱 Lmi contral toolbox——线性矩阵不等式工具箱 Model predictive contral toolbox——模型预测控制工具箱 U-Analysis ang sysnthesis toolbox——u分析工具箱 Neural network toolbox——神经网络工具箱 Optimization toolbox——优化工具箱 Partial differential toolbox——偏微分奉承工具箱 Robust contral toolbox——鲁棒控制工具箱 Spline toolbox——样条工具箱 Signal processing toolbox——信号处理工具箱 Statisticst toolbox——符号数学工具箱 Symulink toolbox——动态仿真工具箱 System identification toolbox——系统辨识工具箱 Wavele toolbox——小波工具箱 6.2优化工具箱中的函数 1、最小化函数 2、最小二乘问题 3、方程求解函数
matlab系统辨识
（System Identification Tool）系统辨识工具箱 早听说matlab博大精深，神通广大了，于是乎我确定肯定有更简单、直观、强大的工具来完成这小儿科把戏。查资料琢磨之后，我做了个小实验，在simulink里验证了该种方法。该方法的大原则是：在确定了系统的输入输出数据（两个列向量N×1形式，如果是1×N，会提示出错！）之后，设计好一定的辨识原则（比如说是2阶？3阶？，传递函数是零极点形式，还是带阻尼形式，等等），然后就交给强大的matlab，得到辨识结果。Step by step，plz！ Step1、建立模型获取系统输入输出数据 图1 图1系统的输入是阶跃信号，用Scope1监视，并输出到workspace （这步不会的自己百度哦），采样周期是0.1s，得到输入变量u（101×1的矩阵）；本人在系统的阶跃响应上叠加了一白噪声，当然也可以不加噪声，加了噪声就是期望更真实的模拟实际情况，白噪声参数设置见图2
图2 同样在Scope2监视，也将结果输出到workspace，得到响应数据y（同样也是101×1的矩阵） Step 2、进入辨识工具箱&设置辨识规则 直接在command window 输入ident，回车，进入辨识工具箱图3
图3 点击import下拉菜单，选时域数据time domain data，见图4 图4 在下图5红色圈区域输入之前得到的系统输入和输出数据，u和y
图5 在下图6绿色圈输入数据的一些信息，因为之前模型中，阶跃起点我是放在0s处的，这里也设置0，如果前面模型仿真是1s，这里应该也是1s；采样时间是0.1s，根据实际情况设置统一哦
Matlab各工具箱功能简介(部分)
Ｔoolbox工具箱序号工具箱备注一、数学、统计与优化 1 Symbolic Math Toolbox 符号数学工具箱Symbolic Math Toolbox? 提供用于求解和推演符号运算表达式以及执行可变精度算术的函数。您可以通过分析执行微分、积分、化简、转换以及方程求解。另外，还可以利用符号运算表达式为 MATLAB、Simulink 和Simscape? 生成代码。?? Symbolic Math Toolbox 包含 MuPAD 语言，并已针对符号运算表达式的处理和执?行进行优化。该工具箱备有MuPAD 函数库，其中包括普通数学领域的微积分和线性代数，以及专业领域的数论和组合论。此外，还可以使用 MuPAD 语言编写自定义的符号函数和符号库。MuPAD 记事本支持使用嵌入式文本、图形和数学排版格式来记录符号运算推导。您可以采用HTML 或PDF 的格式分享带注释的推导。 2 Partial Differential Euqation Toolbox 偏微分方程工具箱偏微分方程工具箱?提供了用于在2D，3D求解偏微分方程（PDE）以及一次使用有限元分析。它可以让你指定和网格二维和三维几何形状和制定边界条件和公式。你能解决静态，时域，频域和特征值问题在几何领域。功能进行后处理和绘图效果使您能够直观地探索解决方案。你可以用偏微分方程工具箱，以解决从标准问题，如扩散，传热学，结构力学，静电，静磁学，和AC电源电磁学，以及自定义，偏微分方程的耦合系统偏微分方程。 3 Statistics Toolbox 统计学工具箱
Statistics and Machine Learning Toolbox 提供运用统计与机器学习来描述、分析数据和对数据建模的函数和应用程序。您可以使用用于探查数据分析的描述性统计和绘图，使用概率分布拟合数据，生成用于Monte Carlo 仿真的随机数，以及执行假设检验。回归和分类算法用于依据数据执行推理并构建预测模型。对于分析多维数据，Statistics and Machine Learning Toolbox 可让您通过序列特征选择、逐步回归、主成份分析、规则化和其他降维方法确定影响您的模型的主要变量或特征。该工具箱提供了受监督和不受监督机器学习算法，包括支持向量机(SVM)、促进式 (boosted) 和袋装 (bagged) 决策树、k-最近邻、k-均值、k-中心点、分层聚类、高斯混合模型和隐马尔可夫模 型。4 Curve Fitting Toolbox 曲线拟合工具箱Curve Fitting Toolbox? 提供了用于拟合曲线和曲面数据的应用程序和函数。使用该工具箱可以执行探索性数据分析，预处理和后处理数据，比较候选模型，删除偏值。您可以使用随带的线性和非线性模型库进行回归分析，也可以指定您自行定义的方程式。该库提供了优化的解算参数和起始条件，以提高拟合质量。该工具箱还提供非参数建模方法，比如样条、插值和平滑。在创建一个拟合之后，您可以运用多种后处理方法进行绘 图、插值和外推，估计置信区间，计算积分和导数。 5 Optimization Toolbox 优化工具箱 Optimization Toolbox? 提供了寻找最小化或最大化目标并同时满足限制条件
系统辨识matlab最小二乘法
一、 实验题目：最小二乘法在系统辨识中的应用 二、 实验目的 1.掌握系统辨识的理论、方法及应用 2.熟练Matlab 下最小二乘法编程 3.掌握M 序列产生方法 三、 实验设备 1、 硬件设备：计算机配置，P4、32位CPU 、512M 内存 2、 软件设备： windows xp 操作系统 、matlab6.5软件包 四、 实验原理 最小二乘理论是有高斯（K.F.Gauss ）在1795年提出：“未知量的最大可能值是这样一个数值，它使各次实际观测值和计算值之间的差值的平方乘以度量其精度的数值以后的和最小。”。 单输入单输出离散时间动态系统差分方程为： )()()()k (1i 1i k e i k u i k Z Z bn i na i b a +-=-+∑∑==其中Z （k ）为输出变量，u(k)为输入变量，e(k)为偏差。 上式可以表示为)()()(-)k (1i 1i k e i k u i k Z Z bn i na i b a +--=∑∑==各参数用矩阵表示 ????????????--------------=)()1()()1()2()1()2()1()1() 0()1()0(a a b a b a n l u l u n l z l z n u u n z z n u u n z z H （1） T l z z z Z )](),2(),1([，?= （2） 其中l 为所需要采集的点数。 []T n e E )(........).........0(e = （3） []T bn anb a ........1.........1=θ （4） Z=H*θ+E ，E=Z-H*θ，根据最小二乘理论E 必须最小对上式进行求导，推出 Z H H H T T 1)(-=θ 根据表达式Z H H H T T 1)(-=θ带入（1）（2）（4）即可求出a1....an b1.......bn 。
matlab工具箱中文
Matlab工具箱 所谓Matlab工具箱就是一些M文件的集合, 用户可以修改工具箱中的函数，更为重要的是用户可以通过编制M文件来任意地添加工具箱中原来没有的工具函数。此功能充分体现了matlab语言的开放性。许多的专业领域在Matlab中都有自己的工具箱,假如你发现你的专业领域没有的话, 你也可以自己开发一个。 还是先来通过下面这篇Matlab的各个工具箱功能介绍的小文章，来看看有没有你所需要的吧,有感兴趣的朋友,可以到网上搜各工具箱函数的细节,相信你会好运的。 有三十多个工具箱，大致可分为两类：功能型工具箱和领域型工具箱。 功能型工具箱主要用来扩充MATLAB的符号计算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能用于多种学科。而领域型工具箱是专业性很强的，如控制系统工具箱(Control System Toolbox)、信号处理工具箱(Signal Processing Toolbox)、财政金融工具箱(Financial Toolbox)等。 下面，将MATLAB工具箱内所包含的主要内容做简要介绍： 1)通讯工具箱(Communication Toolbox)。 提供100多个函数和150多个SIMULINK模块用于通讯系统的仿真和分析 ——信号编码 ——调制解调 ——滤波器和均衡器设计 ——通道模型 ——同步 可由结构图直接生成可应用的C语言源代码。 2)控制系统工具箱(Control System Toolbox)。 连续系统设计和离散系统设计 * 状态空间和传递函数 * 模型转换 * 频域响应：Bode图、Nyquist图、Nichols图 * 时域响应：冲击响应、阶跃响应、斜波响应等 * 根轨迹、极点配置、LQG 3)财政金融工具箱(FinancialTooLbox)。 * 成本、利润分析，市场灵敏度分析 * 业务量分析及优化 * 偏差分析 * 资金流量估算 * 财务报表 4)频率域系统辨识工具箱(Frequency Domain System ldentification Toolbox * 辨识具有未知延迟的连续和离散系统
系统辨识最小二乘参数估计matlab
最小二乘参数估计 摘要： 最小二乘的一次性完成辨识算法（也称批处理算法），他的特点是直接利用已经获得的所有（一批）观测数据进行运算处理。这种算法在使用时，占用内存大，离线辨识，观测被辨识对象获得的新数据往往是逐次补充到观测数据集合中去的。在应用一次完成算法时，如果要求在每次新增观测数据后，接着就估计出系统模型的参数，则需要每次新增数据后要重新求解矩阵方程()Z l T l l T l ΦΦΦ-∧=1θ。 最小二乘辩识方法在系统辩识领域中先应用上已相当普及，方法上相当完善，可以有效的用于系统的状态估计，参数估计以及自适应控制及其他方面。 关键词： 最小二乘（Least-squares ），系统辨识（System Identification ） 目录： 1.目的 (2) 2.设备 (2) 3引言 (2) 课题背景 (2) 4数学模型的结构辨识 (3) 5 程序 (4) M 序列子函数 (4) 主程序 (5) 6实验结果： (7) 7参考文献： (7) 1.目的 掌握系统辨识的理论、方法及应用 熟练Matlab 下最小二乘法编程 掌握M 序列产生方法 2.设备 PC 机1台（含Matlab 软件） 3引言 课题背景 最小二乘理论是有高斯（）在1795年提出：“未知量的最大可能值是这样一个数值，它使各次实际观测值和计算值之间的差值的平方乘以度量其精度的数值以后的和最小。”这就是最小二乘法的最早思想。 最小二乘辨识方法提供一个估算方法，使之能得到一个在最小方差意义上与实验数据最好拟合的数学模型。递推最小二乘法是在最小二乘法得到的观测数据的基础上，用新引入的
数据对上一次估计的结果进行修正递推出下一个参数估计值，直到估计值达到满意的精确度为止。 4数学模型的结构辨识 根据汉格尔矩阵估计模型的阶次 设一个可观可控的SISO 过程的脉冲响应序列为{个g(1),g(2),……g(L)},可以通过汉格尔（Hankel ）矩阵的秩来确定系统的阶次。 令Hankel 阵为： ????? ???????-++-++++-++=)22()1()1()()2()1()1()1()(),(l k g k g l k g l k g k g k g l k g k g k g k l H ，其中l 决定),(k l H 阵地维数，k 可在1至()22+-l L 间任意选择。则有[]k n l n k l H rank ?≥=,,),(00。 如果0n l ≥（过程的真实阶次），那么Hankel 阵的秩等于0n 。因此可以利用Hankel 阵的奇异性来确定系统的阶次0n 。 根据残差平方和估计模型的阶次 SISO 过程的差分方程模型的输出残差为)(~k z ，数据长度L ，n H ?为n ?阶时的数据矩阵，n ??θ为n ?阶时的参数的估计量，n ?为模型阶次估计值，0n 为真实阶次，则残差平方和函数J ： )(~1)?()?(1~~1)?(1 2??????00k z L H z H z L z z L n J L n n k n n n T n n n n T n ∑++==--==θθ 残差平方和有这样的性质：当L 足够大时，随着n ?增加)?(n J 先是显著地下降，当n ?>0n 时，)?(n J 值显著下降的现象就终止。这就是损失函数法来定阶的原理。
系统辨识工具箱
matlab中自带了很多工具箱，因为课程要求要用到系统辨识工具箱，也就是System Identification toolbox 自己折腾了一段时间，算是勉强会用了，这里简单讲解一下怎么使用 非常简单。。。。。。三分钟就可以入手了 首相在工作空间中把你要辨识的数据导入，不会导入的话自己找本matlab书翻翻吧 打开系统辨识工具箱只有一个exit按钮可用，狂晕。。。。。。。 首先点import data下拉菜单，可以选时域或频域的数据，按照自己需要选就好了，这里我选的是时域会弹出一个import data的对话框，有个workspace variables，在这里填入你刚导入的数据变量名 下面是data information就是数据名，没啥用，写个你喜欢的就好，或者根本就不要管，starting time起始时间，sampling interval 采样周期，按需求填就好了 都填好了选import就可以了这时候在import data下拉菜单就有数据了，working data中也有数据了，接着选preprocess也就是对数据进行预处理了，注意预处理的对象是working data 中的数据，每进行一种预处理在左边的两列就会有新的数据生成，这时只要将新的数据拖动，移动到working data的那个方框上，就可以将working data换成你所想处理的数据了，可以这样多次进行处理，得到你最终想用来辨识的数据和用于验证的数据（不需要的数据可以拖到那个trash里面删除，就是回收站了，也可以从回收站中找回的）接下来就是辨识了，首先把辨识用的数据拖到working data那个方框，再把验证的数据拖到validation data那个方框 点下拉菜单estimate，选你想要的模型，在弹出的对话框中设定参数后点estimate，就有模型生成了，在右边的数据栏中；也就是model views中了，下面有很多可以选择，每选一个就可以生成一幅对应的图，是由用于验证的数据生成的 只能看，却不能知道模型的参数是多少。。。。。。。。。。。。 同样的办法把模型拖到to workspace那个方框，再去看workspace，多的那个变量就是你所辨识出的模型了 各个views还有不少设置，一个个试试就知道了，在某个模型或某组数据上点一下，线变细了就不会在图中显示出来了 大体上就这么多了，剩下的一个一个试试就很容易上手了 本文来自CSDN博客，转载请标明出处：https://www.360docs.net/doc/ea5985484.html,/owldestiny/archive/2009/12/06/4951253.aspx
系统辨识的Matlab实现方法(手把手)
最近在做一个项目的方案设计，应各位老总的要求，只有系统框图和器件选型可不行，为了凸显方案设计的高大上，必须上理论分析，炫一下“技术富”，至于具体有多大实际指导意义，那就不得而知了！本人也是网上一顿百度，再加几日探索，现在对用matlab 实现系统辨识有了一些初步的浅薄的经验，在此略做一小节。 必须要指出的是，本文研究对象是经典控制论理最简单最常用的线性时不变的siso 系统，而且是2阶的哦，也就是具有如下形式的传递函数： 1 21)(2 2++=Ts s T s G ξ 本文要做的就是，对于有这样传递函数的一个系统，要辨识得到其中的未知数T ， ξ!!这可是控制系统设计分析的基础哦，没有系统模型，啥理论、算法都是白扯，在实际工程中非常重要哦！ 经过总结研究，在得到系统阶跃响应实验数据之后（当然如果是其他响应，也有办法可以辨识，在此还是只讨论最简单的阶跃响应实验曲线，谁让你我是菜鸟呢），利用matlab 至少可以有两种方法实现实现（目前我只会两种，呵呵）！ 一、函数法 二、GUI 系统辨识工具箱 下面分别作详细介绍！
一、 函数法 看官别着急，先来做一段分析（请看下面两排红*之间部分），这段分析是网上找来的，看看活跃一下脑细胞吧，如果不研读一下，对于下面matlab 程序，恐怕真的就是一头雾水咯！ ******************************************************************************* G(s)可以分解为：) )((1)(212ωω++=s s T s G 其中， [] [] 1 1 1 1 2221--=-+=ξξωξξωT T 1ω、2ω都是实数且均大于零。 则有： 211 ωω=T ，2 12 12ωωωωξ+= 传递函数进一步化为： ) )(()(212 1ωωωω++= s s s G 因此，辨识传递函数就转化为求解1ω、2ω。 当输入为单位阶跃函数时，对上式进行拉普拉斯反变换，得系统时域下的单位阶跃响应为： t t e e t y 21 2111 221)(ωωωωωωωω---+ -- =