参数估计 -凯发k8网页登录

参数估计是根据测量数据计算模型参数值的过程。您可以将参数估计应用于不同类型的数学模型，包括统计模型、参数化动态模型和基于数据的 simulink^® 模型。

统计模型

工程师和科学家将参数估计应用于统计模型以估计：

• 概率分布的参数，如正态分布的均值和标准差
• 回归模型的回归系数，如 \(y = a′x\)

statistics and machine learning toolbox™ 支持上述和类似的参数估计任务，涵盖 40 多种不同概率分布，包括正态分布、韦伯分布、伽马分布、广义帕累托分布和泊松分布。该工具箱还支持线性和非线性回归。

动态模型

工程师将参数估计应用于动态模型以计算：

• 传递函数的系数，包括 arx、armax、box-jenkins 和输出-误差模型
• 状态空间矩阵中的条目
• ode 或具有参数约束的架构已确定系统（灰盒系统辨识）的系数
• 非线性动态系统的回归系数、饱和水平或死区范围，包括非线性 arx 和 hammerstein-wiener

system identification toolbox™ 支持线性和非线性参数化动态模型的参数估计。

基于数据的 simulink 模型

开发 simulink 模型的工程师可以用参数估计来开发控制系统设计被控对象的精确模型，或创建数字孪生。

使用 simulink 为控制设计创建被控对象的精确模型：

• 从被控对象采集输入-输出测试数据
• 使用优化来估计模型的参数值，以便仿真的模型输出与测量的被控对象输出匹配

您可以使用 simulink design optimization™ 以交互方式对测试数据进行预处理，自动估计模型参数，并验证估计结果。

创建当前硬件资产的数字孪生：

• 在 simulink 或 simscape™ 中对机器的动力学特性建模
• 当物理资产的新数据可用时，自动更新模型的参数

您可以开发算法来使用 simulink design optimization 估计数字孪生参数 (8:37)。您也可以使用 simulink compiler™ 在本地、云或边缘系统上部署算法。