Traduzido do Inglês para o Português - www.onlinedoctranslator.

com

3 Identificação de modelo linear

Identificando Modelos de Processo

Nesta secção...
“O que é um modelo de processo?” na página 3-24 “Dados suportados por

modelos de processo” na página 3-25 “Estimar modelos de processo usando o

aplicativo” na página 3-25 “Estimar modelos de processo na linha de comando” na

página 3-29 “Especificação da estrutura do modelo de processo” na página 3-35

“Estimando Modelos de Processo de Múltiplas Entradas e Saídas” na página 3-36

“Estrutura do Modelo de Perturbação para Modelos de Processo” na página 3-37

“Atribuindo Ponderações de Estimativa” na página 3-37

“Especificando Condições Iniciais para Algoritmos de Estimação Iterativa” na página 3-38

O que é um modelo de processo?

A estrutura de um Modelo de processo é uma função de transferência de tempo contínuo simples que
descreve a dinâmica do sistema linear em termos de um ou mais dos seguintes elementos:

• Ganho estático Kp.

• Uma ou mais constantes de tempo Tpk. Para pólos complexos, a constante de tempo é chamadaTC -

igual ao inverso da frequência natural - e o coeficiente de amortecimento é z

(zeta).
• Processo zero Tz.
• Possível atraso Td antes que a saída do sistema responda à entrada (tempo morto)
• Possível integração forçada.

Os modelos de processo são populares para descrever a dinâmica do sistema em muitas indústrias e se
aplicam a vários ambientes de produção. As vantagens desses modelos são que eles são simples,
suportam a estimativa de atraso de transporte e os coeficientes do modelo têm uma interpretação fácil
como pólos e zeros.

Você pode criar diferentes estruturas de modelo variando o número de pólos, adicionando um integrador ou
adicionando ou removendo um atraso de tempo ou um zero. Você pode especificar um modelo de primeira,
segunda ou terceira ordem, e os pólos podem ser reais ou complexos (modos de subamortecimento).

3-24
 Identificando Modelos de Processo

Por exemplo, a seguinte estrutura de modelo é um modelo de processo de tempo contínuo de primeira
ordem, onde K é o ganho estático, Tp1 é uma constante de tempo, e Td é o atraso de entrada para saída:

Kp e-sTd
G(s) =
1 + sTp1

Dados suportados por modelos de processos

Você pode estimar funções de transferência de tempo contínuo de baixa ordem (até a terceira ordem) usando o
domínio de tempo ou frequência amostrado regularmente iddata ou idfrd objetos de dados. Os dados no domínio
da frequência podem ter um tempo de amostra zero.

Você deve importar seus dados para o espaço de trabalho MATLAB, conforme descrito em “Preparação
de Dados”.

Estimar modelos de processos usando o aplicativo

Antes de executar esta tarefa, você deve ter

• Dados importados para o aplicativo System Identification. Consulte “Importar dados de domínio de tempo para o
aplicativo” na página 2-16. Para obter os formatos de dados suportados, consulte “Dados suportados por modelos
de processos” na página 3-25.

• Executou todas as operações de pré-processamento de dados necessárias. Se você precisar modelar deslocamentos
diferentes de zero, como quando o modelo contém comportamento de integração, não prejudique seus dados.
Em outros casos, para melhorar a precisão de seu modelo, você deve diminuir seus dados. Consulte
“Maneiras de preparar dados para identificação do sistema” na página 2-6.

1 No aplicativo System Identification, selecione Estimativa > Modelos de processo para abrir a caixa de
diálogo Modelos de processos.

3-25
3 Identificação de modelo linear

Para saber mais sobre as opções da caixa de diálogo, clique em Ajuda.

2 Se o seu modelo contém várias entradas, selecione o canal de entrada no Entrada Lista. Esta lista só
aparece quando você tem várias entradas. Para obter mais informações, consulte “Estimando
modelos de processos de múltiplas entradas e múltiplas saídas” na página 3-36.

3 No Função de transferência de modelo área, especifique a estrutura do modelo usando as

seguintes opções:

• Debaixo Poloneses, selecione o número de pólos e, em seguida, selecione Tudo real ou

Subamortecido.

Observação: Você precisa de pelo menos dois pólos para permitir modos de subamortecimento (par
complexo conjugado).

• Selecione os Zero para incluir um zero, que é um termo do numerador diferente de uma
constante, ou desmarque a caixa de seleção para excluir o zero.

3-26
 Identificando Modelos de Processo

• Selecione os Atraso para incluir um atraso ou desmarque a caixa de seleção para excluir o
atraso.

• Selecione os Integrador caixa de seleção para incluir um integrador (processo de autorregulação) ou

desmarque a caixa de seleção para excluir o integrador.

o Parâmetro área mostra quantos parâmetros ativos você incluiu na estrutura do

modelo.

Observação: Por padrão, o modelo Nome é definido com o acrônimo que reflete a estrutura do modelo,
conforme descrito em “Especificação da Estrutura do Modelo de Processo” na página 3-35.

4 No Estimativa Inicial área, selecione Selecionado automaticamente para calcular os valores dos
parâmetros iniciais para a estimativa. oEstimativa Inicial coluna na tabela de parâmetros exibeAuto. Se
você não tiver uma boa estimativa para os valores dos parâmetros, Auto funciona melhor do que inserir
um valor ad hoc.

5 (Opcional) Se você souber aproximadamente um valor de parâmetro, insira esse valor noEstimativa
Inicial coluna da tabela de parâmetros. O algoritmo de estimativa usa esse valor como ponto de
partida. Se você souber exatamente o valor de um parâmetro, insira este valor noEstimativa Inicial
coluna, e também selecione o correspondente Conhecido caixa de seleção na tabela para fixar seu
valor.

3-27
3 Identificação de modelo linear

Se você conhece a faixa de valores possíveis para um parâmetro, insira esses valores no
correspondente Limites campo para ajudar o algoritmo de estimativa.

Por exemplo, a figura a seguir mostra que o valor de atraso Td é fixado em 2 se não é
estimado.

6 No Modelo de Perturbação lista, selecione uma das opções disponíveis. Para obter mais informações sobre
cada opção, consulte “Estrutura do modelo de perturbação para modelos de processo” na página 3-37.

7 No Foco lista, selecione como pesar a importância relativa do ajuste em frequências diferentes.
Para obter mais informações sobre cada opção, consulte “Atribuição de ponderações de
estimativa” na página 3-37.

8 No Estado inicial lista, especifique como deseja que o algoritmo trate os estados iniciais. Para obter
mais informações sobre as opções disponíveis, consulte “Especificando Condições Iniciais para
Algoritmos de Estimativa Iterativa” na página 3-38.

Gorjeta Se você não conseguir se ajustar, você pode tentar definir um método específico para lidar com os
estados iniciais, em vez de escolhê-lo automaticamente.

3-28
 Identificando Modelos de Processo

9 No Covariância lista, selecione Estimativa se você deseja que o algoritmo calcule as

incertezas dos parâmetros. Os efeitos de tais incertezas são exibidos em gráficos como
regiões de confiança do modelo.

Para omitir a estimativa de incerteza, selecione Nenhum. Ignorar o cálculo da incerteza pode
reduzir o tempo de cálculo para modelos complexos e grandes conjuntos de dados.

10 No Nome do Modelo campo, edite o nome do modelo ou mantenha o padrão. O nome do

modelo deve ser exclusivo no Quadro do modelo.
11 Para visualizar o progresso da estimativa, selecione o Progresso de exibição caixa de seleção. Isso abre uma
janela do visualizador de progresso na qual o progresso da estimativa é relatado.

12 Clique Regularização para obter estimativas regularizadas dos parâmetros do modelo. Especifique as
constantes de regularização na caixa de diálogo Opções de regularização. Para saber mais, consulte
“Estimativas regularizadas de parâmetros do modelo”.

13 Clique Estimativa para adicionar este modelo ao Model Board no aplicativo System Identification.

14 Para interromper a pesquisa e salvar os resultados após a conclusão da iteração atual, clique em
Parar as iterações. Para continuar as iterações do modelo atual, clique no botãoProsseguir
botão para atribuir valores de parâmetro atuais como estimativas iniciais para a próxima
pesquisa.

Próximos passos

• Valide o modelo selecionando a caixa de seleção apropriada no Vistas do modelo área do aplicativo de
identificação do sistema. Para obter mais informações sobre a validação de modelos, consulte
“Validando modelos após estimativa” na página 10-2.

• Refine o modelo clicando no Valor -> Estimativa inicial botão para atribuir valores de parâmetro
atuais como estimativas iniciais para a próxima pesquisa, edite o Nome campo e cliqueEstimativa.

• Exporte o modelo para o espaço de trabalho MATLAB para análise posterior, arrastando-o para oPara o
espaço de trabalho retângulo no aplicativo de identificação do sistema.

Estimar modelos de processos na linha de comando

• “Pré-requisitos” na página 3-30

• “Usando procest para estimar modelos de processo” na página 3-30

• “Estimar modelos de processos com parâmetros livres” na página 3-31

• “Estimar modelos de processos com parâmetros fixos” na página 3-32

3-29
3 Identificação de modelo linear

Pré-requisitos

Antes de executar esta tarefa, você deve ter

• Dados de entrada-saída como um iddata dados de objeto ou resposta de frequência como frd ou idfrdobjetos.
Consulte “Representando Dados de Domínio de Tempo e Freqüência usandoiddata Objetos ”na página 2-50. Para
obter os formatos de dados suportados, consulte “Dados suportados por modelos de processos” na página 3-25.

• Executou todas as operações de pré-processamento de dados necessárias. Ao trabalhar com dados de domínio do
tempo, se você precisar modelar deslocamentos diferentes de zero, como quando o modelo contém
comportamento de integração, não prejudique seus dados. Em outros casos, para melhorar a precisão de seu
modelo, você deve diminuir seus dados. Consulte “Maneiras de preparar dados para identificação do sistema”
na página 2-6.

Usando procest para estimar modelos de processo

Você pode estimar modelos de processo usando o método de estimativa iterativa Procest que minimiza os
erros de previsão para obter estimativas de máxima verossimilhança. Os modelos resultantes são
armazenados comoidproc objetos modelo.

Você pode usar a seguinte sintaxe geral para configurar e estimar modelos de processo:

m = procest (dados, mod_struc, opt)

dados são os dados de estimativa e mod_struc é um dos seguintes:

• Uma string que representa a estrutura do modelo de processo, conforme descrito em “Especificação da estrutura
do modelo de processo” na página 3-35.

• Uma amostra idproc modelo. optar é um conjunto de opções para configurar a estimativa do modelo de
processo, como tratamento de condições iniciais, deslocamento de entrada e método de pesquisa
numérica.

Gorjeta Você não precisa construir o objeto modelo usando idproc antes da estimativa, a menos que você
queira especificar estimativas de parâmetros iniciais, limites mínimo / máximo ou valores de parâmetros
fixos, conforme descrito em “Estimar modelos de processos com parâmetros fixos” na página 3-32.

Para obter mais informações sobre como validar um modelo de processo, consulte “Validando modelos após
estimativa” na página 10-2.

3-30
 Identificando Modelos de Processo

Você pode usar Procest para refinar as estimativas de parâmetro de um modelo de processo existente,
conforme descrito em “Refinando Modelos Paramétricos Lineares” na página 3-86.

Para obter informações detalhadas, consulte Procest e idproc.

Estimar modelos de processos com parâmetros livres

Este exemplo mostra como estimar os parâmetros de um modelo de processo de primeira ordem:

Este processo possui duas entradas e a resposta de cada entrada é estimada por um modelo de processo de
primeira ordem. Todos os parâmetros podem variar livremente.

carga co2data
% O intervalo de amostragem é de 0,5 min (conhecido)
Ts = 0,5;
% Divida o conjunto de dados em dados de estimativa ze e dados de validação zvZ e
= iddata (exp_de_ saída1, exp_de_entrada1, Ts,...
'TimeUnit','min');
zv = iddata (exp_de_saída2, exp_de_entrada2, Ts,...
'TimeUnit','min');

Modelo de estimativa com um pólo, um atraso e um componente de perturbação de primeira ordem. Os

dados contêm deslocamentos conhecidos. Especifique-os usando oInputOffset e OutputOffsetopções.

opt = procestOptions;
opt.InputOffset = [170; 50];
opt.OutputOffset = - 45;
opt.Display = 'sobre';
opt.DisturbanceModel = 'arma1';
m = procest (ze,'p1d',optar)

m=
Modelo de processo com 2 entradas: y = G11 (s) u1 + G12 (s) u2
Da entrada "u1" para a saída "y1":
Kp
G11 (s) = ---------- * exp (-Td * s)
1 + Tp1 * s

Kp = 2,6542

3-31
3 Identificação de modelo linear

Tp1 = 0,15451
Td = 2,3185

Da entrada "u2" para a saída "y1":

Kp
G12 (s) = ---------- * exp (-Td * s)
1 + Tp1 * s

Kp = 9,9754
Tp1 = 2.0653
Td = 4,9195

Existe um modelo de perturbação ARMA aditivo para a saída "y1":

y = G u + (C / D) e

C (s) = s + 2,677 D (s) = s

+ 0,6237

Parametrização:
'P1D' 'P1D'
Número de coeficientes livres: 8
Use "getpvec", "getcov" para parâmetros e suas incertezas.

Status:
Estimado usando PROCEST em dados de domínio de tempo "ze".
Ajustar aos dados de estimativa: 91,07% (foco de previsão) FPE:
2,431, MSE: 2,412

Use a notação de ponto para obter o valor de qualquer parâmetro do modelo. Por exemplo, obtenha o valor do
parâmetro de ganho CCKp.

m.Kp

ans =

2,6542 9,9754

Estimar modelos de processos com parâmetros fixos

Este exemplo mostra como estimar um modelo de processo com parâmetros fixos.

Quando você conhece os valores de certos parâmetros no modelo e deseja estimar apenas
os valores que não conhece, deve especificar os parâmetros fixos após criar o

3-32
 Identificando Modelos de Processo

idproc objeto modelo. Use os seguintes comandos para preparar os dados e construir um modelo
de processo com um pólo e um atraso:

% Carregar dados
carga co2data
% O intervalo de amostragem é de 0,5 min (conhecido)
Ts = 0,5;
% Divida o conjunto de dados em dados de estimativa ze e dados de validação zvZ e
= iddata (exp_de_ saída1, exp_de_entrada1, Ts,...
'TimeUnit','min');
zv = iddata (exp_de_saída2, exp_de_entrada2, Ts,...
'TimeUnit','min');
mod = idproc ({'p1d','p1d'},'TimeUnit','min')

mod =
Modelo de processo com 2 entradas: y = G11 (s) u1 + G12 (s) u2
Da entrada 1 à saída 1:
Kp
G11 (s) = ---------- * exp (-Td * s)
1 + Tp1 * s

Kp = NaN
Tp1 = NaN
Td = NaN

Da entrada 2 à saída 1:
Kp
G12 (s) = ---------- * exp (-Td * s)
1 + Tp1 * s

Kp = NaN
Tp1 = NaN
Td = NaN

Parametrização:
'P1D' 'P1D'
Número de coeficientes livres: 6
Use "getpvec", "getcov" para parâmetros e suas incertezas.

Status:
Criado por construção direta ou transformação. Não estimado.

Os parâmetros do modelo Kp, Tp1, e Td são atribuídos NaN valores, o que significa que os
parâmetros ainda não foram estimados a partir dos dados.

3-33
3 Identificação de modelo linear

Use o Estrutura propriedade de modelo para especificar as suposições iniciais para parâmetros
desconhecidos, limites de parâmetro mínimo / máximo e fixar parâmetros conhecidos.

Defina o valor de Kp para a segunda função de transferência para 10 e especifique-o como um parâmetro
fixo. Inicialize os valores de atraso para as duas funções de transferência para 2 e 5 minutos,
respectivamente. Especifique-os como parâmetros de estimativa livre.

mod.Structure (2) .Kp.Value = 10;

mod.Structure (2) .Kp.Free = falso;

mod.Structure (1) .Tp1.Value = 2;

mod.Structure (2) .Td.Value = 5;

Estimativa Tp1 e Td só.

mod_proc = procest (ze, mod)

mod_proc =
Modelo de processo com 2 entradas: y = G11 (s) u1 + G12 (s) u2
Da entrada "u1" para a saída "y1":
Kp
G11 (s) = ---------- * exp (-Td * s)
1 + Tp1 * s

Kp = - 3,2213
Tp1 = 2.522
Td = 3,8285

Da entrada "u2" para a saída "y1":

Kp
G12 (s) = ---------- * exp (-Td * s)
1 + Tp1 * s

Kp = 10
Tp1 = 2,4382
Td = 4.111

Parametrização:
'P1D' 'P1D'
Número de coeficientes livres: 5
Use "getpvec", "getcov" para parâmetros e suas incertezas.

Status:
Estimado usando PROCEST em dados de domínio de tempo "ze".

3-34
 Identificando Modelos de Processo

Ajustar aos dados de estimativa: 71,66%

FPE: 24,42, MSE: 24,3

Neste caso, o valor de Kp está consertado, mas Tp1 e Td são estimados.

Especificação da Estrutura do Modelo de Processo

Este tópico descreve como especificar a estrutura do modelo nos procedimentos de estimativa “Estimar
modelos de processos usando o aplicativo” na página 3-25 e “Estimar modelos de processos na linha de
comando” na página 3-29.

No aplicativo System Identification. Especifique a estrutura do modelo selecionando o número

de pólos reais ou complexos e se deseja incluir um zero, atraso e integrador. A função de
transferência resultante é exibida na caixa de diálogo Modelos de processos.

Na linha de comando. Especifique a estrutura do modelo usando um acrônimo que inclui as

seguintes letras e números:

• (Obrigatório) P para um modelo de processo

• (Obrigatório) 0, 1, 2 ou 3 para o número de pólos

•
(Opcional) D para incluir um termo de atraso de tempo e-sTd

• (opcional) Z para incluir um zero de processo (termo do numerador)

• (opcional) você para indicar possíveis pólos de valor complexo (subamortecido)

• (opcional) eu para indicar integração forçada

Normalmente, você especifica o acrônimo da estrutura do modelo como um argumento de string no

comando de estimativa procest:

• procest (dados, 'P1D') para estimar a seguinte estrutura:

Kp e-sTd
G(s) =
1 + sTp1

• procest (dados, 'P2ZU') para estimar a seguinte estrutura:

K p (1 + sT z)
G (s ) =
1 + 2szTC + s2T 2C

3-35
3 Identificação de modelo linear

• procest (dados, 'P0ID') para estimar a seguinte estrutura:

K p e-sTd
G(s) =
s
• procest (dados, 'P3Z') para estimar a seguinte estrutura:

K p (1 + sTz )
G (s) = (1+ sTp1 ) (1 + sTp2 ) (1 + sTp3 )

Para obter mais informações sobre como estimar modelos, consulte “Estimar modelos de processos na linha
de comando” na página 3-29.

Estimando Modelos de Processo de Múltiplas Entradas e Saídas

Se o seu modelo contém várias entradas, várias saídas ou ambos, você pode especificar se deve estimar a
mesma função de transferência para todos os pares de entrada-saída ou uma função de transferência
diferente para cada um. As informações nesta seção suportam os procedimentos de estimativa “Estimar
modelos de processos usando o aplicativo” na página 3-25 e “Estimar modelos de processos na linha de
comando” na página 3-29.

No aplicativo System Identification. Para ajustar um conjunto de dados com várias entradas, ou várias saídas, ou
ambos, na caixa de diálogo Modelos de Processo, defina as configurações do modelo de processo para um par de
entrada-saída por vez. Use as listas de seleção de entrada e saída para alternar para um par de entrada / saída
diferente.

Se você deseja que a mesma função de transferência se aplique a todos os pares de entrada / saída, selecione o
Tudo igual caixa de seleção. Para aplicar uma estrutura diferente a cada canal, deixe esta caixa de seleção
desmarcada e crie uma função de transferência diferente para cada entrada.

Na linha de comando. Especifique a estrutura do modelo como uma matriz de células de sequências de acrônimos
no comando de estimativa procest. Por exemplo, use este comando para especificar a função de transferência de
primeira ordem para a primeira entrada e um modelo de segunda ordem com um zero e um integrador para a
segunda entrada:

m = idproc ({'P1', 'P2ZI'})

m = procest (dados, m)

Para aplicar a mesma estrutura a todas as entradas, defina uma única estrutura em idproc.

3-36
 Identificando Modelos de Processo

Estrutura do modelo de perturbação para modelos de processo

Esta seção descreve como especificar um modelo de ruído nos procedimentos de estimativa “Estimar
modelos de processos usando o aplicativo” na página 3-25 e “Estimar modelos de processos na linha de
comando” na página 3-29.

Além da função de transferência G, um sistema linear pode incluir um termo de ruído aditivoEle, do
seguinte modo:

y = Gu + Ele

Onde e é o ruído branco.

Você pode estimar apenas o modelo dinâmico G, ou estimar tanto o modelo dinâmico quanto o modelo de
perturbação H. Para modelos de processo,H é uma função de transferência racional CD, onde o C e D
polinômios para um modelo ARMA de primeira ou segunda ordem.

No aplicativo. Para especificar se deseja incluir ou excluir um modelo de ruído na caixa de diálogo Modelos
de Processo, selecione uma das seguintes opções do Modelo de Perturbação Lista:

• Nenhum - O algoritmo não estima um modelo de ruído (C=D= 1). Esta opção também define
Foco para Simulação.
• Pedido 1 - Estima um modelo de ruído como um modelo ARMA de tempo contínuo de primeira ordem.

• Pedido 2 - Estima um modelo de ruído como um modelo ARMA de segunda ordem de tempo
contínuo.

Na linha de comando. Especifique o modelo de perturbação usando o procestOptionsconjunto de opções. Por

exemplo, use este comando para estimar uma função de transferência de primeira ordem e um modelo de ruído de
primeira ordem:

opt = procestOptions;
opt.DisturbanceModel = 'arma1'; model =
procest (dados, 'P1D', opt);

Para obter uma lista completa de valores para o DisturbanceModel propriedade do modelo, consulte o
procestOptions página de referência.

Atribuição de ponderações de estimativa

Você pode especificar como o algoritmo de estimativa avalia o ajuste em várias frequências. Essas
informações apóiam os procedimentos de estimativa “Modelos de processos de estimativa usando o

3-37
3 Identificação de modelo linear

App ”na página 3-25 e“ Estimar modelos de processos na linha de comando ”na página 3-29.

No aplicativo System Identification. Definir Foco para uma das seguintes opções:

• Predição - Usa o inverso do modelo de ruído H para pesar a importância relativa de quão
precisamente ajustar os dados em várias faixas de frequência. Corresponde a minimizar a previsão
de um passo à frente, o que normalmente favorece o ajuste em um curto intervalo de tempo.
Otimizado para aplicativos de previsão de saída.
• Simulação - Usa o espectro de entrada para pesar a importância relativa do ajuste em uma faixa
de frequência específica. Não usa o modelo de ruído para pesar a importância relativa de quão
perto se ajustam os dados em várias faixas de frequência. Otimizado para aplicativos de
simulação de saída.
• Estabilidade - Se comporta da mesma maneira que o Predição opção, mas também força o modelo a ser
estável. Para obter mais informações sobre a estabilidade do modelo, consulte “Modelos instáveis” na
página 10-88.

• Filtro - Especifique um filtro personalizado para abrir a caixa de diálogo Estimation Focus, onde você pode
inserir um filtro, conforme descrito em “Filtro de banda passante simples” na página 2-128 ou “Definindo
um filtro personalizado” na página 2-129. Essa pré-filtragem se aplica apenas para estimar a dinâmica da
entrada à saída. O modelo de perturbação é determinado a partir dos dados de estimativa.

Na linha de comando. Especifique o foco usando o procestOptions conjunto de opções. Por exemplo,
use este comando para otimizar o ajuste para simulação e estimar um modelo de perturbação:

opt = procestOptions ('DisturbanceModel', 'arma2', 'Foco', 'simulação'); model = procest (dados,

'P1D', opt);

Especificando Condições Iniciais para Algoritmos de Estimação Iterativa

Você pode opcionalmente especificar como o algoritmo iterativo trata as condições iniciais para a
estimativa dos parâmetros do modelo. Essas informações apóiam os procedimentos de estimativa
“Estimar modelos de processos usando o aplicativo” na página 3-25 e “Estimar modelos de processos na
linha de comando” na página 3-29.

No aplicativo System Identification. Definir Condição inicial para uma das seguintes
opções:

• Zero - Define todos os estados iniciais como zero.

3-38
 Identificando Modelos de Processo

• Estimativa - Trata os estados iniciais como um vetor desconhecido de parâmetros e estima

esses estados a partir dos dados.
• Backcast - Estima os estados iniciais usando um método de filtragem reversa (ajuste de mínimos
quadrados).

• Est nível U - Estima as condições iniciais e os níveis de deslocamento de entrada. Para entradas
múltiplas, o nível de entrada para cada entrada é estimado individualmente. Use se você incluiu
um integrador na função de transferência.
• Auto - Escolhe automaticamente uma das opções anteriores com base nos dados de estimativa. Se as
condições iniciais tiverem um efeito desprezível sobre os erros de predição, eles serão considerados
zero para otimizar o desempenho do algoritmo.

Na linha de comando. Especifique as condições iniciais usando o Condição inicialopção de estimativa

de modelo, configurada usando o procestOptions comando. Por exemplo, use este comando para
estimar uma função de transferência de primeira ordem e definir os estados iniciais para zero:

opt = procestOptions ('Condição inicial', 'zero'); model = procest

(dados, 'P1D', opt)

3-39