שיטות מעשיות עבור Parameter אסטימומציה במודלים סימנולינק

estimation במודלים של Simulink כרוך בהתאמת פרמטרים מודל כדי להתאים את הנתונים בעולם האמיתי.ההערכה של Accurate משפרת את נאמנות המודל ויכולות חיזוי.כמה שיטות מעשיות זמינות כדי להשיג מטרה זו ביעילות.

שיטות מבוססות אופטימיזציה

טכניקות אופטימיזציה משמשות באופן נרחב עבור estimation פרמטר.שיטות אלה ממזערות את ההבדל בין פלטי מודל ונתונים ניסיוניים. אלגוריתמים נפוצים כוללים לפחות ריבועים, תכנות לא לינארי ואלגוריתמים גנטיים.הם דורשים להגדיר פונקציה אובייקטיבית כי מעדנת את השגיאה.

גישה ל-Data-Driven

שיטות המונעות נתונים לנצל נתונים למדידה ישירות כדי להעריך פרמטרים.טכניקות כגון זיהוי מערכת ו ריבועים לפחות לנתח נתונים קידוד קלט כדי להפר ערכים פרמטרים.גישות אלה מועילות כאשר נתונים גדולים זמינים.

טיפים מעשיים עבור אסטיגמציה יעילה

• (ב) ,0) נחשו: 1FLT מספק נקודת התחלה טובה לשיפור ההתכנסות.
• (ב) ⁇ :0) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• איכות המידע: ההרחבה: EmveFLT:1 (בקיצור:0) השתמש בנתונים מדויקים ונטולי רעש לתוצאות טובות יותר.
• (ב) ,0) ,Validation: FLT:1 , העריך פרמטרים עם מערכות נתונים נפרדות.