问题标签 [state-space]

我正在运行 LTI 状态空间模型的模拟，我需要在不同的时间以不同的输入运行它。换句话说，从 t0 = 0 模拟到 t1=1 秒，根据 t1 的结果对系统的输入进行更改，然后从 t1= 1 秒继续到 t2= 2 秒。

我尝试在 t[0] 处使用初始条件 X0=array([0,0]) 运行，然后将 xout1 的最后一个元素作为下一次运行的初始条件，并给它一个从 t 开始的新时间序列[0] = 1

您希望状态向量输出数组“xout2”中的第一个元素与 X0 条件匹配，但事实并非如此。此函数“lsim”是否要求第一个时间点为 0 ？

我希望在将这两行 MATLAB 代码压缩为一行时得到相同的结果，但我没有！

两行代码：

1行代码：

黄油 ：

• 返回transfer function coefficients何时b,a是输出

• 返回state-space matrices何时A,B,C,D是输出

tf2ss：

• 转换transfer function filter parameters为state-space表格

我目前正在尝试在顺序设置中实现变分自动编码器的一个版本。我使用 Eager Execution 模式在 TensorFlow 上工作。

作为问题设置，我有两个变量序列：动作（2D）和观察（2D）。假设动作影响观察。目标是根据动作对观察序列进行建模（恢复）。为此，我们从潜在变量（隐藏）中“寻求帮助”，与 VAE 类似，但以顺序方式。

下面是问题的生成流程。o、a 和 s 分别是观察变量、动作变量和潜在变量。

建模问题的生成流程

就像 VAE 一样，神经网络用于参数化相关变量的分布。在这里，我假设所有变量都遵循一些具有完整对角协方差矩阵（没有协方差）的多元正态。

这里涉及三个神经网络：推理、转换和生成网络。它们中的每一个都发出相应变量的均值和对数方差向量。这里给出了所有这些网络的图片： 三网关系

图片议程： A：来自推理网络的潜在变量的平均值 B：来自推理网络 的潜在变量的对数方差C ：来自转换网络的潜在变量的平均值 D：来自转换网络 的潜在变量的对数方差E ：预测观察的平均值 F ：预测观察的对数方差

我们想要最小化的损失是负 ELBO。而 ELBO 本身等于真实观察的对数似然，给定 E 和 F减去AB 和 CD 之间的 Kullback-Leibler 距离。

由于问题导致非标准 RNN 单元和输入输出流，因此我创建了自己的 RNNcell，然后将其传递给 tf.nn.raw_rnn API。

下面是我的代码实现：

最后一行导致过渡网络和生成网络的梯度为零，因此我无法继续进行。有谁知道为什么过渡和生成网络的梯度为零？我想，我创建模型的代码仍然是错误的。但我没有任何改进它的想法。

我目前正在尝试获得与论文“英格兰中部温度的季节性变化 - Proietti & Hillebrand (2015) ”相同的估计结果

在这个模型中，他们定义了以下状态空间模型，我使用Koopman & Durbin (2012) 的“标准”状态空间方程对其进行了重写。蓝色变量是需要估计的变量，预期结果在第一篇论文中报告（第 14 页）。

理解模型的一个非常小的总结：y_t 是一个 1xT 向量，每个月有数据，X_t 是一个 12x1“选择”向量，因此 y_t 允许它所在的每个月参数的不同值。

我尝试先估计模型，而忽略最初给出一些错误的 X_t 矩阵...例如，Q 中的第一个元素不允许为零，这在我看来很奇怪.. \mu 没有创新因此创新向量没有变化，对吧？此外，即使有 1,000 次迭代，仍然没有达到收敛。我想我明天早上会尝试进行 10,000 次迭代，也许这会有所帮助。

然而，让我难过的主要事情是如何在这个状态空间模型中允许 X_t 。这反过来会将模型更改为 60 个参数（因为每个参数都是 12x1 向量）。任何帮助都会很可爱:)

我认为这是一件相当简单的事情，但我似乎无法获得我正在寻找的正确输出。我正在使用矩阵来表示 simulink 中的状态空间模型，并且我正在尝试将我的状态输出到工作区，

这是一个简单的 4x1 向量，我尝试只使用常规的“到工作区”块，但它似乎连接到 2d 或 3d 向量..

我想要一个 tx4 矩阵输出，我可以参考第一个状态并绘制所有模拟时间（t），如 x(:,1)、第二个状态 x(:,2) 等...

我正在尝试使用 UPPAAL SMC 查询更大的系统，结果显示“内存已耗尽”错误消息。从本质上讲，UPPAAL SMC 不应该导致状态空间爆炸，这就是为什么我问是否可以在不发生状态空间爆炸的情况下使用 SMC 进行查询。

如果我尝试在很多状态下执行以下操作：

我收到以下错误消息：

是否可以在不调用内存密集型的情况下查询 Uppaal SMC engine.getSystem()？

这是我的“设备”模板的 uppaal 模型

我正在编写一个新代码，而且我是 F# 的新手。如何实现状态机

我试图在图片中找到系统的阶跃响应，我需要找到稳定时间、过冲和输出的静态误差。我怎样才能找到它们？我编程的是否正确？

Matlab代码：

系统

我正在使用 Python 的PyKalman来运行基于ARMA (p,q) 模型的卡尔曼滤波器。转移矩阵应该采用一种非常特殊的形式（例如，参见Hamilton 的“时间序列分析”第 374 页的 AR(p) 示例），在正确的位置有一些1和0。然而，当我使用 PyKalman 的EM 算法时，它会产生一个完全通用形式的转移矩阵。由于一和零都消失了，状态空间模型不再对应于 ARMA 设置。

如何使用 PyKalman 包的 EM 方法，同时将转换矩阵保持在非常特殊的 ARMA 形式中？

我试图了解如何在 matlab 中执行灰盒参数估计。我对控制理论有一些工作但有些生疏的知识（多年前的本科控制理论）。我正在做研究生研究，并且可以访问大多数（如果不是全部）matlab 工具箱。

我从我正在建模的系统中知道我的 A、B、C 和 D 矩阵的形式，即一个简单的 R1C1 电路具有连续表示

我有 y(kT) 和 u(kT) 的观察结果，所以我相信在给定观察值的采样率的情况下，我需要将上述矩阵转换为“后向差分”形式以估计 R 和 C？

IE

我已经尝试过idgreyandgreyest功能。在这些情况下，您实现一个回调，它返回给定 R、C 和 Ts 的 [ABCD]。我不清楚这对于离散系统是如何工作的 - 您是否希望进行上述转换？