Moving Average. Method Mittelungsmethode Schiebefenster Standard Exponentielle Gewichtung. Sliding Fenster Ein Fenster der Länge Fenster Länge bewegt sich über die Eingabedaten entlang jedes Kanals Für jede Probe das Fenster bewegt sich durch, der Block berechnet den Durchschnitt über die Daten im Fenster. Exponentielle Gewichtung Der Block multipliziert die Samples mit einem Satz von Gewichtungsfaktoren Die Größe der Gewichtungsfaktoren nimmt exponentiell ab, wenn das Alter der Daten zunimmt und niemals Null erreicht. Um den Mittelwert zu berechnen, summiert der Algorithmus die gewichteten Daten. Spezifizieren Sie die Fensterlänge, um die Fensterlänge anzugeben On default off. Wenn Sie dieses Kontrollkästchen markieren, ist die Länge des Schiebefensters gleich dem Wert, den Sie in der Fensterlänge angeben. Wenn Sie dieses Kontrollkästchen deaktivieren, ist die Länge des Schiebefensters unendlich. In diesem Modus berechnet der Block die Durchschnitt des aktuellen Samples und aller vorherigen Samples im Channel. Window Länge Länge des Schiebefensters 4 default positiv skalar integer. Window length gibt die Länge des Schiebefensters an Dieser Parameter erscheint, wenn Sie das Kontrollkästchen Fenstersatz festlegen auswählen Exponentieller Gewichtungsfaktor 0 9 default positiver realer Skalar im Bereich 0,1. Dieser Parameter gilt, wenn Sie Methode auf Exponentialgewichtung einstellen. Ein Vergessungsfaktor von 0 9 gibt den älteren Daten mehr Gewicht als ein Vergessensfaktor von 0 1 Ein Vergessensfaktor Von 1 0 zeigt unendlichen Speicher an Alle vorherigen Samples erhalten ein gleiches Gewicht. Dieser Parameter ist abstimmbar Sie können seinen Wert auch während der Simulation ändern. Simulieren Sie mit der Art der Simulation, um Code-Generierungs-Standard auszuführen Interpretierte Ausführung. Simulieren Sie das Modell mit generiertem C-Code Der erste Wenn Sie eine Simulation ausführen, erzeugt Simulink den C-Code für den Baustein. Der C-Code wird für nachfolgende Simulationen wiederverwendet, solange sich das Modell nicht ändert. Diese Option erfordert zusätzliche Startzeit, bietet aber eine schnellere Simulationsgeschwindigkeit als die interpretierte Ausführung. Simulieren Sie das Modell mit dem MATLAB Interpreter Diese Option verkürzt die Startzeit, hat aber eine langsamere Simulationsgeschwindigkeit als Code generation. Sliding Window Method. In der Schiebefenster Methode ist die Ausgabe für jede Eingabe Probe der Durchschnitt der aktuellen Sample und die Len - 1 vorherigen Samples Len ist die Länge von Das Fenster Um die ersten Len - 1 - Ausgänge zu berechnen, wenn das Fenster noch nicht genügend Daten enthält, füllt der Algorithmus das Fenster mit Nullen. Zum Beispiel, um den Durchschnitt zu berechnen, wenn das zweite Eingabemuster eintritt, füllt der Algorithmus das Fenster mit Len - 2 Nullen Der Datenvektor, x ist dann die beiden Datenabtastungen, gefolgt von Len - 2 - Nullen. Wenn man die Fensterlänge nicht spezifiziert, wählt der Algorithmus eine unendliche Fensterlänge. In diesem Modus ist der Ausgang der gleitende Durchschnitt der Aktuelle Probe und alle bisherigen Samples im Channel. Exponential Weighting Method. Im exponentiellen Gewichtungsverfahren wird der gleitende Durchschnitt rekursiv mit diesen Formeln berechnet. W n N 1 1 x N 1 1 w N x N 1 1 w N x Nx N Beweglicher Mittelwert bei der aktuellen Probe. x N Aktuelle Dateneingabe sample. x N 1 Bewegender Durchschnitt bei der vorherigen Probe. Forgetting factor. w N Gewichtungsfaktor, der auf den aktuellen Datenabtastwert angewendet wird. 1 1 w N x N 1 Wirkung der vorherigen Daten auf den Durchschnitt. Für die erste Probe, wobei N 1, wählt der Algorithmus w N 1 Für die nächste Probe wird der Gewichtungsfaktor aktualisiert und verwendet, um den Durchschnitt zu berechnen, wie pro Die rekursive Gleichung Wenn das Alter der Daten zunimmt, nimmt die Größe des Gewichtungsfaktors exponentiell ab und erreicht niemals Null. Mit anderen Worten, die jüngsten Daten haben mehr Einfluss auf den aktuellen Durchschnitt als die älteren Daten. Der Wert des Vergessensfaktors bestimmt die Änderungsrate der Gewichtungsfaktoren Ein Vergessensfaktor von 0 9 gibt mehr Gewicht auf die älteren Daten als ein Vergessensfaktor von 0 1 Ein Vergessungsfaktor von 1 0 zeigt unendlichen Speicher an Alle vorherigen Samples sind gleichgewichtig. Wählen Sie Ihr Land aus. Moving Average. Method Mittelungsmethode Schiebefenster Standard Exponentielle Gewichtung. Sliding Fenster Ein Fenster der Länge Fenster Länge bewegt sich über die Eingabedaten entlang jedes Kanals Für jeden Sample bewegt sich das Fenster durch, der Block berechnet den Durchschnitt über die Daten im Fenster. Exponential Gewichtung Der Block multipliziert die Samples mit einem Satz von Gewichtungsfaktoren Die Größe der Gewichtungsfaktoren nimmt exponentiell ab, wenn das Alter der Daten zunimmt und niemals Null erreicht. Um den Durchschnitt zu berechnen, summiert der Algorithmus die gewichteten Daten Länge bei Voreinstellung aus. Wenn Sie dieses Kontrollkästchen markieren, ist die Länge des Schiebefensters gleich dem Wert, den Sie in der Fensterlänge angeben. Wenn Sie dieses Kontrollkästchen deaktivieren, ist die Länge des Schiebefensters unendlich. In diesem Modus wird der Block berechnet Der Durchschnitt des aktuellen Samples und alle vorherigen Samples im Channel. Window Länge Länge des Schiebefensters 4 default positiv skalar integer. Window length gibt die Länge des Schiebefensters an Dieser Parameter erscheint, wenn Sie das Kontrollkästchen Fensterlänge festlegen auswählen. Forgetting Faktor Exponentieller Gewichtungsfaktor 0 9 default positiver realer Skalar im Bereich 0,1. Dieser Parameter gilt, wenn Sie Methode auf Exponentialgewichtung einstellen. Ein Vergessensfaktor von 0 9 gibt den älteren Daten mehr Gewicht als ein Vergessensfaktor von 0 1 A Vergessen Faktor von 1 0 zeigt unendlichen Speicher an Alle vorherigen Samples erhalten ein gleiches Gewicht. Dieser Parameter ist abstimmbar Sie können seinen Wert auch während der Simulation ändern. Simulieren Sie die Art der Simulation, um die Codegenerierungsvorgabe auszuführen. Interpretierte Ausführung. Simulieren Sie das Modell mit dem generierten C-Code Wenn Sie zum ersten Mal eine Simulation durchführen, erzeugt Simulink den C-Code für den Baustein. Der C-Code wird für nachfolgende Simulationen wiederverwendet, solange sich das Modell nicht ändert. Diese Option erfordert zusätzliche Startzeit, bietet aber eine schnellere Simulationsgeschwindigkeit als die interpretierte Ausführung MATLAB-Interpreter Diese Option verkürzt die Startzeit, hat aber eine langsamere Simulationsgeschwindigkeit als Code generation. Sliding Window Method. In der Schiebefenster-Methode ist die Ausgabe für jede Eingabe Probe der Durchschnitt der aktuellen Sample und die Len - 1 vorherigen Samples Len ist die Länge Des Fensters Um die ersten Len - 1 - Ausgänge zu berechnen, wenn das Fenster noch nicht genügend Daten hat, füllt der Algorithmus das Fenster mit Nullen. Zum Beispiel, um den Mittelwert zu berechnen, wenn der zweite Eingabeprobe eintritt, füllt der Algorithmus das Fenster Mit Len - 2 Nullen Der Datenvektor, x ist dann die beiden Datenproben, gefolgt von Len - 2 - Nullen. Wenn man die Fensterlänge nicht spezifiziert, wählt der Algorithmus eine unendliche Fensterlänge. In diesem Modus ist der Ausgang der gleitende Durchschnitt von Die aktuelle Probe und alle vorherigen Samples im Kanal. Exponentielle Gewichtungsmethode. Bei der exponentiellen Gewichtungsmethode wird der gleitende Durchschnitt rekursiv unter Verwendung dieser Formeln berechnet. W n N 1 1 x N 1 1 w N x N 1 1 w N X Nx N Beweglicher Mittelwert bei der aktuellen Sample. x N Aktuelle Dateneingabe sample. x N 1 Bewegender Durchschnitt bei der vorherigen Probe. Forgetting factor. w N Gewichtungsfaktor, der auf den aktuellen Datenabtastwert angewendet wird. 1 1 w N x N 1 Wirkung der vorherigen Daten auf den Durchschnitt. Für die erste Probe, wobei N 1, wählt der Algorithmus w N 1 Für die nächste Probe wird der Gewichtungsfaktor aktualisiert und verwendet, um den Durchschnitt zu berechnen, wie pro Die rekursive Gleichung Wenn das Alter der Daten zunimmt, nimmt die Größe des Gewichtungsfaktors exponentiell ab und erreicht niemals Null. Mit anderen Worten, die jüngsten Daten haben mehr Einfluss auf den aktuellen Durchschnitt als die älteren Daten. Der Wert des Vergessensfaktors bestimmt die Änderungsrate der Gewichtungsfaktoren Ein Vergessensfaktor von 0 9 gibt mehr Gewicht auf die älteren Daten als ein Vergessensfaktor von 0 1 Ein Vergessungsfaktor von 1 0 zeigt unendlichen Speicher an Alle vorherigen Samples sind gleichgewichtig. Wählen Sie Ihr Land aus. Weighted Moving Average Obsolete. Note Der gewichtete Moving Average Block ist veraltet Dieser Block wurde aus der Discrete Library in R2008a entfernt und durch den Discrete FIR Filter Block ersetzt. Allerdings arbeiten bestehende Modelle, die den Weighted Moving Average Block enthalten, weiterhin für die Rückwärtskompatibilität. Verwenden Sie den diskreten FIR-Filter-Block in neuen Modellen Betrachten Sie die Verwendung der slupdate-Funktion, um Weighted Moving Average mit diskretem FIR-Filter in vorhandenen Modellen zu ersetzen. Die gewichteten Moving Average-Block-Samples und hält die N neuesten Eingaben, multipliziert jede Eingabe mit einem bestimmten Wert, der durch gegeben wird The Weights-Parameter und stapelt sie in einen Vektor Dieser Block unterstützt sowohl Single-Input Single-Output-SISO und Single-Input Multi-Output-SIMO-Modi. Für den SISO-Modus wird der Wert Weights als Zeilenvektor angegeben Für den SIMO - Die Gewichte werden als Matrix angegeben, wobei jede Zeile einer separaten Ausgabe entspricht. Sie können wählen, ob der Datentyp und die Skalierung der Gewichte im Dialog mit dem Gain-Datentyp-Parameter angegeben werden soll. Der Anfangsbedingungsparameter liefert die Anfangswerte für Alle Zeiten vor der Startzeit Sie legen das Zeitintervall zwischen den Samples mit dem Sample Time Parameter fest. Der gewichtete Moving Average Block multipliziert seine Eingänge mit dem Wert "Weights", wandelt diese Ergebnisse mit den angegebenen Rundungs - und Überlaufmodi in den Ausgabedatentyp um Dann führt die Summation. Data Type Support. Die gewichtete Moving Average Block unterstützt alle numerischen Datentypen, die Simulink unterstützt, einschließlich Festnetz-Datentypen. Spezifizieren Sie die Gewichte der gleitenden Durchschnitt eine Zeile pro Ausgabe Der Wert "Gewichte" wird von Doppel zu konvertiert Der angegebene Datentyp offline mit Rund-zu-Nächsten und Sättigung. Spezifizieren Sie die Anfangswerte für alle Zeiten vor der Startzeit Der Initial-Bedingungsparameter wird von Doppel - zu dem Eingabedatentyp offline mit Rund-zu-Nächsten und Sättigung konvertiert Zeitintervall zwischen Samples Um die Sample-Zeit zu erben, setzen Sie diesen Parameter auf -1 Siehe Sample Time in der Online-Dokumentation für weitere Informationen festlegen. Output Datentyp. Spezifizieren Sie den Ausgabedatentyp Sie können ihn auf eine Regel setzen, die einen Datentyp erbt Z. B. Inherit Inherit über Backpropagation. Der Name eines Datentypobjekts, z. B. eines Objekts. Ein Ausdruck, der einen Datentyp auswertet, z. B. fixdt 1,16,0.Klicken Sie auf die Schaltfläche Datentyp anzeigen Um den Datentyp-Assistenten anzuzeigen, der Ihnen hilft, den Output-Datentyp-Parameter festzulegen. Lock-Ausgangsskalierung gegen Änderungen durch das Autokalibrierwerkzeug. Wählen Sie, um die Skalierung der Ausgänge gegen Änderungen durch das Fixed-Point-Tool zu sperren. Integer-Rundungsmodus. Rounding-Modus für die feste - Punkt-Ausgabe Weitere Informationen finden Sie unter Rundung von Festpunkt-Designer. Sättigen Sie auf max oder min, wenn Überläufe auftreten. Wenn ausgewählt, Fixpunkt-Überläufe sättigen Andernfalls wickeln sie. Spezifizieren Sie den Datentyp des Gewichts-Parameters Sie können ihn einstellen. Eine Regel, die einen Datentyp erbt, z. B. Inherit Inherit über interne Regel. Der Name eines Datentypobjekts, z. B. eines Objekts. Ein Ausdruck, der einen Datentyp auswertet, z. B. fixdt 1,16,0. Klicken Sie auf die Schaltfläche Datentyp-Assistent anzeigen, um den Datentyp-Assistenten anzuzeigen, der Ihnen hilft, den Gain-Datentyp-Parameter festzulegen. Weitere Informationen finden Sie unter Datentypen mit Datentyp-Assistenten für weitere Informationen. Sie können diesen Baustein für zwei Ausgänge konfigurieren. SIMO-Modus, bei dem der erste Ausgang Ist gegeben durch. y 1 ka 1 ukb 1 uk 1 c 1 uk 2.die zweite Ausgabe ist gegeben durch. y 2 ka 2 ukb 2 uk 1.und die Anfangswerte von uk - 1 und uk - 2 sind gegeben durch ic1 und Ic2.Wenn Sie den Weighted Moving Average Block für diesen Fall konfigurieren müssen, müssen Sie den Wert Weights als a1 b1 c1 a2 b2 c2 angeben, wobei c2 0 und der Initial Condition Parameter als ic1 ic2.
No comments:
Post a Comment