最小二乘法的原理及应用场景目前在许多文献中都展示的很清楚,本文不再详细说明!
1.首先确定需要拟合的变量
建立形如y=ax形式的方程
如y=a1x1.^2+a2x2+...等等
上述方程中,x矩阵、y矩阵为输出,a向量为待辨识变量
将输入数据带入到模块中,根据需要对应修改维度、初值、权重因子(遗忘因子)进行计算
下面以
Y=a*x1+b*x2+c*x3+d*x4为例进行分析(辨识abcd、其中实际值a=1,b=2,c=3,d=4)
然后进行迭代过程便可求解对应的abcd。、
模型及结果展示
结果
观测精度较为准确
该方法在处理线性问题较为简单,但是非线性方程、输入数据波动大、初值设置不合理等都会导致辨识结果不收敛。
笔者在学习过程中发现扩展卡尔曼滤波参数在线辨识效果更好。。。通过调用S—Function函数实现在线求解。
下面仅展示辨识结果