利用matlab工具箱进行状态空间辨识

本帖仅针对SISO系统,基于系统输入输出数据，利用matlab系统辨识工具箱，对未知系统进行状态空间模型辨识。

步骤1：打开 matlab工具箱

步骤2：进入系统辨识工具箱界面

步骤3：导入系统输入输出数据，下拉import data按钮，选择time domain

步骤4：在input和output中分别输入系统输入和输出数据，在starting time 中输入开始时间，Sample time 中输入采样间隔，确认后点击import

步骤5：导入后如图所示，Data View栏中的mydata（蓝色加粗曲线，选中为加粗，否则为细线）是导入的模型，点击Data Views 下的time plot可以看到输入和输出数据，如下图所示，u1为输入，y1为输出

步骤6：开始辨识过程，将working data中的曲线选为mydata中待辨识的数据（对应时两者颜色一致），下拉estimate列表，选中state space models

步骤7：可以指定状态空间模型的阶数，也可以选择pick best value in the range(需输入具体的阶数范围)，由系统给出最优阶数，根据数据类型选择continuous-time或者discrete-time,两者最终辨识结果不同。最后点击estimate,等待辨识结果。

步骤8：辨识完成后model view中会出现相应的辨识结果。右键可以看到具体的辨识结果，状态空间模型的A、B、C、D矩阵都可以查到，上述所有的操作对应的就是下面的一行代码，可通过构造mydata，再用代码形式进行计算，mydata的构造方式为：mydata=[output,input];

步骤9：勾选model output可以将辨识结果和实际相应进行一个比较，一般需要进行k步预测，可在option中进行设置

步骤10：最终将ss1辨识结果拖至to workspace,则workspace中就会出现一个结构体ss1，包含辨识所有辨识结果
本文为处女作，仅供科研小白参考，还望大家多多支持！