MATLAB系统辨识工具箱学习

MATLAB系统辨识实践：传递函数模型分析

最新推荐文章于 2025-10-05 16:24:11 发布

原创最新推荐文章于 2025-10-05 16:24:11 发布 · 3.3w 阅读

288 ·

CC 4.0 BY-SA版权

文章标签：

#系统辨识 #MATLAB #传递函数

MATLAB 专栏收录该内容

20 篇文章

订阅专栏

本文介绍了如何使用MATLAB的系统辨识工具箱进行参数辨识。首先，进入System Identification主界面并选择时域数据类型。接着，加载数据并选择传递函数模型进行分析。通过设置零点、极点数量和自动识别时间延迟，得到辨识结果。最后，通过系统辨识窗口和MATLAB命令行查看详细结果。

1 进入System Identification主界面

打开APP栏的系统辨识工具箱，
在这里插入图片描述

弹出如下界面
在这里插入图片描述

然后点击import data，选择加载类型为时域类型
在这里插入图片描述

2 运行程序，加载数据

程序运行之后，从工作区直接拖拽相应的变量到Input和Output
在这里插入图片描述

点击Import按钮，成功加入需要辨识的一组数据，加载成功之后的数据如图：
在这里插入图片描述

3 参数辨识

点击Estimate，选择需要辨识的系统模型的结构，这里选择Transfer Function Models传递函数模型
在这里插入图片描述

在弹出的传递函数选项中，设置零点和极点个数，取消勾选Time delay中的Fixed，这样就可以自动辨识时间延迟。设置完毕之后，点击Estimate按钮，开始分析
在这里插入图片描述

分析过程报告为

Estimating delays as multiples of sample time ... done. 
Initializing model parameters... 
Initializing using 'iv' method... done.  
Initialization complete.  
Nonlinear least squares with automatically chosen line search method 
-----------------------------------------------------------------------------------
Iteration  Cost  Step  Norm_of_optimality  First_order_expected  Improvement(num %)
-----------------------------------------------------------------------------------     
0      0.288097         -      8.88e+06        245          -        -     
1      0.270171  3.58e+03      1.26e+07        245       6.22        4     
2       0.25489  4.85e+03      1.75e+07        264       5.66        3     
3      0.227875  6.93e+03      2.51e+07        304       10.6        2     
4      0.218596  8.56e+03       3.5e+07        385       4.07        2     
5     0.0955602       240      4.63e+07        427       56.3        0     
6     0.0953997    0.0977      4.64e+07        979      0.168       10     
7     0.0953895   0.00525      4.64e+07        981     0.0107       14     
8     0.0953844    0.0026      4.64e+07        981    0.00536       15     
9     0.0953818   0.00129      4.64e+07        981    0.00268       16    
10     0.0953805  0.000645      4.64e+07        981    0.00134       17    
11     0.0953799  0.000322      4.64e+07        981    0.00067       18    
12     0.0953797  8.04e-05      4.64e+07        981   0.000167       20    
13     0.0953796  4.02e-05      4.64e+07        981   8.38e-05       21    
14     0.0953796  2.01e-05      4.64e+07        981   4.19e-05       22    
15     0.0953796  5.03e-06      4.64e+07        981   1.05e-05       24    
16     0.0509421  0.000378      1.27e+06        981       46.6        1    
17     0.0506209      22.6      1.36e+06   1.73e+03      0.631        8    
18     0.0506104      0.66      1.36e+06   1.74e+03     0.0207       13    
19     0.0506052     0.329      1.36e+06   1.74e+03     0.0103       14    
20     0.0506045    0.0411      1.36e+06   1.74e+03    0.00129       17 
-----------------------------------------------------------------------------------
Estimating parameter covariance... done.

此时，右侧的模型窗口出现了辨识的tf1，拖拽到MATLAB中的工作区workspace
在这里插入图片描述

4 查看结果

4.1 系统辨识窗口查看

双击tf1，查看辨识结果
在这里插入图片描述

4.2 在命令行中查看

将辨识出的结果拖拽到MATLAB工作区之后，在命令行窗口输入tf1

>> tf1

tf1 =
 
  From input "u1" to output "y1":
               0.0002741 s + 8.738e-05
  exp(-8*s) * --------------------------
              s^2 + 0.7922 s + 8.613e-08
 
Name: tf1
Continuous-time identified transfer function.

Parameterization:
   Number of poles: 2   Number of zeros: 1
   Number of free coefficients: 4
   Use "tfdata", "getpvec", "getcov" for parameters and their uncertainties.

Status:                                                       
Estimated using TFEST on time domain data "throttle2velocity".
Fit to estimation data: 68.84% (stability enforced)           
FPE: 0.05213, MSE: 0.05056                                    
>>