Simulink ruchome średnie przykład

Jestem nowy dla Simulink. Chcę, aby średnia z przychodzących danych (które przychodzi po niektórych interwałach) z jednego bloku. Na przykład, ciągle oprawione dane 42 próbek są z jednego bloku. Wraz z oprawionymi danymi jest inne wyjście (tag), które mówi, że te framesamples należą do której kategorii. Znaczniki to numery od 1-6. Wyjście jest losowe. Chcę przeanalizować te same kategorie danych. Podobnie jak pierwsza klatka jest cat1, po 4 klatkach klatka cat1 pojawia się ponownie. Teraz jak należy przeciętnie używać tej nowej ramki z poprzednią, którą chcę zrobić dla wszystkich kategorii. Proszę, pomóż mi w tym. zapytał 26 marca o godzinie 13:35 Szybkim i brudnym rozwiązaniem byłoby wdrożenie arraylisty dla każdej kategorii. Inicjalizuj listę na NaN i zachowaj licznik dla ostatniej próbki z każdej kategorii. Za pomocą średniej funkcji można uzyskać średnią wszystkich pomiarów. Jeśli chcesz po prostu średnią bieżącej klatki i poprzedniej klatki, możesz po prostu wyznaczyć (cat1 (n1) cat1 (n11)), gdzie cat1 jest arraylistem dla klatek z kategorii 1, a n1 jest indeksem poprzedniej klatki w cat1 . Jeśli chcesz przeprowadzić ważoną średnią ruchomej w czasie rzeczywistym, utwórz średnią zmienną dla każdej z kategorii (nazywaj ją av1, av2 itd.) I oblicz alfa1 av1 alphaav1 (1-alfa) cat1 (n11) (gdzie alfa jest ciężarem przypisanym do poprzedniej średniej (alfa1) i kat1 (n11) jest nowym pomiarem), gdy przychodzi ramka cat1. odpowiedział 26 marca na 17:39Moving-Average Filter of Traffic Data Ten przykład pokazuje, jak wygładzić dane o przepływie ruchu przy użyciu ruchomych filtrów średnich z 4-godzinnym przesuwanym okienkiem. Następujące równanie różnic przedstawia filtr, który oblicza średnią bieżącą godzinę i trzy poprzednie godziny danych. Zaimportuj dane o ruchu i przypisuj pierwszą kolumnę liczby pojazdów do wektora x. Utwórz wektory współczynników filtru. Obliczyć 4-godzinną średnią ruchu danych i wykreślić zarówno oryginalne dane, jak i filtrowane dane. MATLAB i Simulink są zastrzeżonymi znakami towarowymi firmy The MathWorks, Inc. Proszę zapoznać się z listami innych znaków towarowych należących do The MathWorks, Inc. Inne marki produktów lub marek są znakami towarowymi lub zastrzeżonymi znakami towarowymi odpowiednich właścicieli. Wybierz średnią przemieszczającą się na średnim poziomie (przestarzałe) Uwaga: blok ważony ruchoma jest nieaktualny. Ten blok został usunięty z biblioteki dyskretnej w R2008a i zastąpiony blokiem filtru dyskretnego FIR. Jednak istniejące modele, które zawierają blok Weighted Moving Average, działają nadal w celu zapewnienia kompatybilności wstecznej. Użyj bloku filtrów dyskretnych FIR w nowych modelach. Rozważ użycie funkcji slupdate w celu zastąpienia Średnia ważonych ruchów z Discrete FIR Filter w istniejących modelach. Próbki blokowane średniej ważonej ruchomej i zawierają N ostatnich nagrań, mnoży każde wejście określoną wartością (podaną przez parametr Weights) i stosuje je w wektorze. Ten blok obsługuje tryby single-inputingle output (SISO) i single-inputmulti-output (SIMO). W trybie SISO parametr Weights jest określany jako wektora wiersza. W trybie SIMO wagi są określane jako macierz, w której każdy wiersz odpowiada oddzielnemu wyjściu. Można wybrać, czy w oknie dialogowym zostanie określony typ danych i skalowanie ciężarów w parametrze typu danych Gain. Parametr warunku początkowego zawiera początkowe wartości dla wszystkich razy poprzedzających czas rozpoczęcia. Określesz interwał czasowy między próbkami za pomocą parametru Czas próbkowania. Przedział ważenia średniego ruchu najpierw mnoży dane wejściowe za pomocą parametru Współczynniki, konwertuje te wyniki na typ danych wyjściowych przy użyciu określonych trybów zaokrąglania i przepełnienia, a następnie wykonuje sumę. Obsługa typu danych Ważony ruch Średnia blok obsługuje wszystkie typy danych liczbowych obsługiwane przez Simulink x00AE, w tym typy danych o stałym punkcie. Parametry Określić wagi średniej ruchomej jednego rzędu na wyjście. Parametr Współczynniki jest konwertowany z podwójnie na określony typ danych offline przy użyciu okrągłego do najbliższego i nasycenia. Określ wartości początkowe dla wszystkich razy poprzedzających czas rozpoczęcia. Parametr warunku początkowego jest konwertowany z podwójnego na typ danych wejściowych w trybie offline przy użyciu okrągłego do najbliższego i nasycenia. Określ odstęp czasu pomiędzy próbkami. Aby odziedziczyć próbny czas, ustaw ten parametr na -1. Aby uzyskać więcej informacji, zobacz Określ czas próbkowania w dokumentacji online. Typ danych wyjściowych Określ typ danych wyjściowych. Można go ustawić na: Regule, która dziedziczy typ danych, na przykład Dziedziczenie: Dziedziczenie przez propagację wsteczną Nazwa obiektu typu danych, na przykład obiekt Simulink. NumericType Wyrażenie oceniające na typ danych, na przykład , fixdt (1,16,0) Kliknij przycisk Pokaż asystenta typu danych, aby wyświetlić Asystenta typu danych. co pomaga ustawić parametr typu danych wyjściowych. Blokada skalowania wyjściowego względem zmian dokonanych przez narzędzie autoskalowania Wybierz, aby zablokować skalowanie wyjść przed zmianami za pomocą narzędzia Fixed-Point Tool. Tryb zaokrąglania całkowitego Tryb zaokrąglania dla wyjścia stałego. Aby uzyskać więcej informacji, zobacz Zaokrąglanie. Nasycić do maksimum lub min, gdy wystąpią przepełnienia. Jeśli jest wybrany, przelewy punktu stałego są nasycone. W przeciwnym razie owinąć. Określ typ danych parametru Weights. Można go ustawić na: Regule, która dziedziczy typ danych, na przykład Dziedziczenie: Dziedziczenie przez regułę wewnętrzną Nazwa obiektu typu danych, na przykład obiekt Simulink. NumericType Wyrażenie oceniające na typ danych, na przykład , fixdt (1,16,0) Kliknij przycisk Pokaż asystenta typu danych, aby wyświetlić Asystenta typu danych. co pomaga ustawić parametr typu danych Gain. Załóżmy, że chcesz skonfigurować ten blok dla dwóch wyjść (tryb SIMO), gdzie pierwsze wyjście jest podane przez y 1 (k) a 1 x22C5 u (k) b 1 x22C5 u (k x2212 1) c 1 x22C5 u (k x2212 2) drugie wyjście jest przez y2 (k) a 2 x22C5 u (k) b 2 x22C5 u (k x2212 1) i wartości początkowe u (k - 1) a u (k - 2) są podane przez ic1 i ic2. odpowiednio. Aby skonfigurować blok Weighted Moving Average w tym przypadku, należy określić parametr Weights as a1 b1 c1 a2 b2 c2, gdzie c2 0 i parametr Initial condition jako ic1 ic2. CharakterystykaDokumentacja Średnia metoda przenoszenia 8212 Metoda uśredniania Okno przesuwne (domyślnie) Wyważenie wykładnicze Okno przesuwne 8212 Okno długości Długość okna przesuwa się nad danymi wejściowymi wzdłuż każdego kanału. Dla każdej próbki okno przesuwa się, blok oblicza średnią w danych w oknie. Wyważenie wykładnicze 8212 Blok sumuje próbki za pomocą zestawu współczynników ważenia. Wielkość współczynników ważenia maleje wykładniczo, gdy wiek danych wzrasta, nigdy nie osiągając zera. Aby obliczyć średnią, algorytm sumuje ważone dane. Określ długość okna 8212 Znacznik, aby określić długość okna (domyślnie) off Gdy wybierzesz to pole wyboru, długość okna przesuwnego jest równa wartości określonej w oknie. Po wyczyszczeniu tego pola długość przesuwnego okna jest nieskończona. W tym trybie blok oblicza średnią bieżącej próbki i wszystkich poprzednich próbek w kanale. Długość okna 8212 Długość okna przesuwnego 4 (domyślnie) dodatnia galareta całkowita Długość okna określa długość okna przesuwnego. Ten parametr pojawia się, gdy zaznaczysz pole wyboru Określ długość okna. Czynnik zapamiętywania 8212 Współczynnik ważenia wyraŜonego 0.9 (domyślnie) dodatni rzeczywisty skalar w zakresie (0,1 Ten parametr ma zastosowanie przy ustawianiu Metodą do ważenia wykładniczego). Współczynnik zapominania równy 0,9 daje większą wagę starszym danych niż współczynnik zapamiętywania równy 0,1 Współczynnik zapominania równy 1.0 oznacza nieskończoną pamięć Wszystkie wcześniejsze próbki mają taką samą wagę, że parametr ten jest dostrojony Wartość symulacji można wyrównać nawet podczas symulacji Symuluj przy użyciu 8212 Typ symulacji do uruchomienia Generowanie kodu Domyślne wykonanie Interpretacja wykonania Symulacja model przy użyciu wygenerowanego kodu C. Podczas pierwszego uruchomienia symulatora Simulink x00AE wygeneruje kod C dla bloku Kod C jest ponownie używany do dalszych symulacji, dopóki model nie ulegnie zmianie. Ta opcja wymaga dodatkowego czasu uruchomienia, ale zapewnia szybsze szybkość symulacji niż interpretacja Wykonanie Symulacja modelu za pomocą interpretera x00AE firmy MATLAB Ta opcja skraca czas uruchamiania, ale ma niższą szybkość symulacji niż kod generacji. Więcej o algorytmach Metoda okna przesuwnego W metodzie okna przesuwu wynik wyjściowy dla każdej próbki wejściowej jest średnią bieżącej próbki i wcześniejszych próbek Len-1. Len to długość okna. Aby obliczyć pierwsze wyjścia Len - 1, gdy okno nie ma już wystarczająco dużo danych, algorytm wypełnia okno zerami. Jako przykład obliczyć średnią, gdy druga próbka wejściowa jest włączona, algorytm wypełnia okno z len - 2 zerami. Wektor danych, x. jest to dwie próbki danych, po których następuje len - 2 zera. Po ustawieniu właściwości SpecifyWindowLength na false. algorytm wybiera nieskończoną długość okna. W tym trybie wyjście jest średnią ruchomą bieżącej próbki i wszystkich poprzednich próbek w kanale. Wykładnicza metoda ważenia W metodzie ważenia wykładniczego średnia ruchoma jest obliczana rekurencyjnie przy użyciu następujących wzorów: w N. x03BB x03BB w N x2212 1. x03BB 1. x x00AF N. x03BB (1 x2212 1 w N. x03BB) x x00AF N x2212 1. x03BB (1 w N. x03BB) x N x x 00AF N. x03BB 8212 Średnia przemieszczeniowa w bieżącej próbce x N 8212 Próbka danych wejściowych próbki x x00AF N x2212 1. x03BB 8212 Średnia przemieszczeniowa w poprzedniej próbce 955 8212 Zapominanie współczynnika w N. x03BB 8212 Współczynnik ważenia zastosowany do bieżącej próbki danych (1 x2212 1 w N. x03BB) x x00AF N x2212 1. x03BB 8212 Wpływ poprzednich danych na średnią Dla pierwszej próbki, w której N 1 algorytm wybiera w N. x03BB 1. W kolejnej próbce współczynnik ważenia jest aktualizowany i wykorzystywany do obliczania średniej, zgodnie z równaniem rekurencyjnym. Wraz ze wzrostem wieku danych wielkość współczynnika wagi maleje wykładniczo i nigdy nie osiąga zera. Innymi słowy, ostatnie dane mają większy wpływ na obecną średnią niż starsze dane. Wartość współczynnika zapominania określa szybkość zmian współczynników wagi. Współczynnik zapominania równy 0,9 daje większą wagę starszym danych niż współczynnik zapominania wynoszący 0,1. Zapominający współczynnik 1.0 oznacza nieskończoną pamięć. Wszystkie poprzednie próbki mają taką samą wagę. Obiekty systemowe Wybierz kraj