ident_lab3
.pdfЗначения FPE = 8.938*10-12 и MSE = 4.389*10-6.
При Т=0,03
Структурная идентификация:
Полученный порядок 2.
Параметрическая идентификация:
Name: ss3
Sample time: 0.03 seconds
Parameterization:
CANONICAL form with indices: [1 1]. Feedthrough: none
Disturbance component: estimate Number of free coefficients: 12
Use "idssdata", "getpvec", "getcov" for parameters and their uncertainties.
Status:
Estimated using N4SID on time domain data "mydata3".
Fit to estimation data: [94.12;62.51]% (prediction focus)
FPE: 1.856e-11, MSE: 1.174e-05
More information in model's "Report" property.
Значения FPE = 1.856*10-11 и MSE = 1.174*10-5.
При Т=0,04
Структурная идентификация:
21
Полученный порядок 3.
Параметрическая идентификация:
Name: ss4
Sample time: 0.04 seconds
Parameterization:
CANONICAL form with indices: [1 2]. Feedthrough: none
Disturbance component: estimate Number of free coefficients: 18
Use "idssdata", "getpvec", "getcov" for parameters and their uncertainties.
Status:
Estimated using N4SID on time domain data "mydata4".
Fit to estimation data: [84.91;59.64]% (prediction focus)
FPE: 4.064e-11, MSE: 1.491e-05
More information in model's "Report" property.
Значения FPE = 4.064*10-11 и MSE = 1.491*10-5.
При Т=0,05
Структурная идентификация:
Полученный порядок – 5.
22
Параметрическая идентификация:
Name: ss5
Sample time: 0.05 seconds
Parameterization:
CANONICAL form with indices: [2 3]. Feedthrough: none
Disturbance component: estimate Number of free coefficients: 30
Use "idssdata", "getpvec", "getcov" for parameters and their uncertainties.
Status:
Estimated using N4SID on time domain data "mydata5".
Fit to estimation data: [75.5;91.58]% (prediction focus)
FPE: 5.226e-12, MSE: 2.19e-06
More information in model's "Report" property.
Значения FPE = 5.226*10-12 и MSE = 2.19*10-6.
6) Выведем также некоторые характеристики модели (для случая Т = 0,01):
10) Построим зависимости функции потерь (MSE) и ошибки предсказания (FPE):
23
Видим, что наименьшее значение функции потерь снова наблюдается при периоде дискретизации 0,01 с. Ошибка предсказания также наименьшая при Т = 0,01 с.
Сохраним окно ident.
11) Смоделировать наилучшую полученную модель и сравнить ее с исходной.
Наилучшие параметры наблюдались при Т = 0,01. Перетащим в окне ident ss1 в рабочее пространство. Изменим схему, в том числе установим во всех блоках T = 0,01 c и зададим параметры блока Discrete State-Space:
24
Видим, что сигналы полученной модели практически повторяют вид сигналов исходной.
Вывод по лабораторной работе
В ходе лабораторной работы была проведена идентификация двух линейных многомерных динамических систем с использованием утилиты System Identification Toolbox среды MATLAB. Можно сказать, что идентификация прошла успешно, поскольку предсказанные системы показали близкий к исходным моделям результат моделирования.
25