تتحرك من المتوسط - simulink

موفينغ أفيراج. ميثود طريقة المتوسط ​​انزلاق النافذة الافتراضي الترجيح الأسي. نافذة الانزلاق نافذة طول طول النافذة يتحرك فوق بيانات المدخلات على طول كل قناة لكل نموذج يتم نقل النافذة بواسطة، يحسب الكتلة المتوسط ​​على البيانات في النافذة. الترجيح النسبي كتلة تضاعف العينات من قبل مجموعة من عوامل الترجيح حجم عوامل الترجيح ينخفض ​​أضعافا مضاعفة مع زيادة عمر البيانات، لم يصل إلى الصفر لحساب المتوسط، خوارزمية تجمع البيانات المرجحة. حدد طول الإطار العلم لتحديد طول النافذة عند إيقاف تشغيل. عند تحديد خانة الاختيار هذه، يكون طول نافذة الانزلاق مساويا للقيمة التي تحددها في طول الإطار عندما تقوم بإلغاء تحديد خانة الاختيار هذه، يكون طول نافذة الانزلاق غير محدود في هذا الوضع، تقوم المجموعة بحساب متوسط ​​العينة الحالية وجميع العينات السابقة في القناة. طول الإطار طول نافذة الانزلاق 4 الافتراضي عدد صحيح الإيجابي. طول الإطار سبيسيف إيس طول النافذة المنزلقة تظهر هذه المعلمة عند تحديد خانة الاختيار تحديد طول الإطار. عامل التنشيط أسيوننتيال ويفينغ فاكتور 0 9 العدد الافتراضي الإيجابي الحقيقي في النطاق 0،1. تنطبق هذه المعلمة عند تعيين الطريقة إلى الترجيح الأسي A النسيان عامل من 0 9 يعطي المزيد من الوزن للبيانات القديمة من لا عامل النسيان من 0 1 عامل النسيان من 1 0 يشير الذاكرة لانهائية وتعطى جميع العينات السابقة على قدم المساواة الوزن. هذه المعلمة هو الانضباطي يمكنك تغيير قيمته حتى أثناء المحاكاة. Simulate باستخدام نوع من المحاكاة لتشغيل كود توليد الافتراضي تنفيذ تفسيرها. محاكاة النموذج باستخدام ولدت C رمز في المرة الأولى التي تقوم بتشغيل المحاكاة، سيمولينك يولد رمز C للكتلة يتم إعادة استخدام رمز C لمحاكاة لاحقة، طالما أن النموذج لا لا تغيير يتطلب هذا الخيار وقت بدء تشغيل إضافي ولكن يوفر سرعة محاكاة أسرع من تنفيذ تفسير. محاكاة النموذج باستخدام مترجم ماتلاب هذا الخيار تقصير وقت بدء التشغيل ولكن لديه سرعة محاكاة أبطأ من توليد رمز. سحب نافذة الأسلوب. في طريقة نافذة انزلاق، والمخرجات لكل عينة الإدخال هو متوسط ​​العينة الحالية واللين -1 عينات السابقة لين هو طول النافذة لحساب أول لين - 1 المخرجات، عندما النافذة لا يحتوي على ما يكفي من البيانات حتى الآن، خوارزمية يملأ النافذة مع الأصفار كمثال، لحساب متوسط ​​عندما تأتي العينة إدخال الثاني، خوارزمية يملأ النافذة مع لين - 2 أصفار متجه البيانات، x هو ثم عينات البيانات اثنين تليها لين - 2 الأصفار. عندما لا تحدد طول الإطار، الخوارزمية يختار طول نافذة لانهائية في هذا الوضع، الإخراج هو المتوسط ​​المتحرك للعينة الحالية و جميع العينات السابقة في القناة. طريقة الترجيح الاساسي. في طريقة الترجيح الأسي، يتم حساب المتوسط ​​المتحرك بشكل متكرر باستخدام هذه الصيغ. w n n 1 1 x n 1 1 w n x n 1 1 w n x نكس N المتوسط ​​المتحرك في سو رنت sample. x N عينة إدخال البيانات الحالية. n N 1 المتوسط ​​المتحرك في العينة السابقة. عامل النسيان. w عامل الترجيح المطبق على عينة البيانات الحالية. 1 1 w n x N 1 تأثير البيانات السابقة على المتوسط. بالنسبة للعينة الأولى، حيث N 1، تختار الخوارزمية w N 1 بالنسبة للعينة التالية، يتم تحديث عامل الترجيح واستخدامه لحساب المتوسط، حسب المعادلة العودية مع زيادة عمر البيانات، ينخفض ​​حجم عامل الترجيح أضعافا مضاعفة ولا يصل أبدا إلى الصفر وبعبارة أخرى، فإن البيانات الأخيرة لها تأثير أكبر على المتوسط ​​الحالي من البيانات القديمة. وقيمة عامل النسيان تحدد معدل تغيير عوامل الترجيح عامل النسيان من 0 9 يعطي وزنا أكبر للبيانات القديمة مما يفعل عامل النسيان من 0 1 يشير عامل النسيان من 0 0 الذاكرة لانهائية وتعطى جميع العينات السابقة على قدم المساواة الوزن. اختر بلدك. Moving mode. Method طريقة المتوسط ​​انزلاق النافذة الافتراضي الترجيح الأسي. نافذة الانزلاق نافذة طول طول النافذة يتحرك فوق بيانات المدخلات على طول كل قناة بالنسبة لكل عينة ينتقل الإطار بواسطة، تقوم المجموعة بحساب المتوسط ​​على البيانات في النافذة. الوزن الهامشي تضاعف العينة العينات بواسطة مجموعة من عوامل الترجيح ينخفض ​​حجم عوامل الترجيح أضعافا مضاعفة كلما زاد عمر البيانات، ولم يصل إلى الصفر أبدا لحساب المتوسط، تقوم الخوارزمية بحساب القيم المرجحة data. Specify طول الإطار علم لتحديد طول الإطار على الافتراضي إيقاف. عند تحديد خانة الاختيار هذه، طول نافذة انزلاق يساوي القيمة التي تحددها في طول الإطار عند مسح خانة الاختيار هذه، طول نافذة انزلاق هو لانهائي في هذا الوضع، كتلة يحسب متوسط ​​العينة الحالية وجميع العينات السابقة في القناة. طول الإطار طول نافذة انزلاق 4 الافتراضي الصحيح العددية صحيح. حدد طول الإطار طول نافذة انزلاق تظهر هذه المعلمة عند حدد خانة الاختيار تحديد طول النافذة. عامل التحجيم عامل الترجيح الأسي 0 9 العدد الحقيقي الإيجابي الافتراضي في النطاق 0،1. تنطبق هذه المعلمة عندما يو u تعيين طريقة الترجيح الأسي عامل النسيان من 0 9 يعطي المزيد من الوزن للبيانات القديمة مما يفعل عامل النسيان من 0 1 عامل النسيان من 1 0 يشير الذاكرة لانهائية وتعطى جميع العينات السابقة على قدم المساواة الوزن. هذه المعلمة هي تونابل أنت يمكن تغيير قيمته حتى أثناء المحاكاة. تحاكي باستخدام نوع من المحاكاة لتشغيل كود توليد الافتراضي تفسير تفسيرها. محاكاة النموذج باستخدام ولدت C رمز في المرة الأولى التي تقوم بتشغيل المحاكاة، سيمولينك يولد رمز C للكتلة يتم إعادة استخدام رمز C لاحقة المحاكاة، طالما أن النموذج لا يتغير يتطلب هذا الخيار وقت بدء تشغيل إضافي ولكن يوفر سرعة محاكاة أسرع من تنفيذ تفسيرها. محاكاة النموذج باستخدام مترجم ماتلاب هذا الخيار يقصر وقت بدء التشغيل ولكن لديه سرعة محاكاة أبطأ من توليد Code. Sliding ويندو Method. In انزلاق نافذة الأسلوب، الإخراج لكل عينة المدخلات هو متوسط ​​العينة الحالية و لين - 1 عينات سابقة L أر هو طول النافذة لحساب أول مخرجات لين - 1، عندما لا تحتوي النافذة على ما يكفي من البيانات بعد، تملأ الخوارزمية النافذة بالأصفار كمثال، لحساب المتوسط ​​عندما تأتي عينة الإدخال الثانية، خوارزمية يملأ النافذة مع لين - 2 الأصفار متجه البيانات، x ثم عينات البيانات اثنين تليها لين - 2 الأصفار. عندما لا تحدد طول الإطار، الخوارزمية يختار طول نافذة لانهائية في هذا الوضع، الإخراج هو المتوسط ​​المتحرك للعينة الحالية وجميع العينات السابقة في القناة. طريقة الترجيح التفاضلي. في طريقة الترجيح الأسي، يحسب المتوسط ​​المتحرك بشكل متكرر باستخدام هذه الصيغ. w n n 1 1 x n 1 1 w n x N 1 1 w n x نكس N متوسط ​​الانتقال في العينة الحالية. x N نموذج إدخال البيانات الحالي. x N 1 متوسط ​​الانتقال في العينة السابقة. العامل النشط. w N عامل الترجيح المطبق على عينة البيانات الحالية. 1 1 w n x N 1 تأثير البيانات السابقة على المتوسط. بالنسبة للعينة الأولى، حيث N 1، تختار الخوارزمية w N 1 بالنسبة للعينة التالية، يتم تحديث عامل الترجيح واستخدامه لحساب المتوسط، حسب المعادلة التكرارية مع زيادة عمر البيانات، ينخفض ​​حجم عامل الترجيح أضعافا مضاعفة ولا يصل أبدا إلى الصفر وبعبارة أخرى، فإن البيانات الأخيرة لها تأثير أكبر على المتوسط ​​الحالي من البيانات القديمة. وتحدد قيمة عامل النسيان معدل تغيير عوامل الترجيح عامل النسيان من 0 9 يعطي وزنا أكبر للبيانات القديمة مما يفعل عامل النسيان من 0 1 يشير عامل النسيان من 0 0 الذاكرة لانهائية وتعطى جميع العينات السابقة على قدم المساواة الوزن. اختر بلدك. Wighted موفينغ أفيراج أوبوليت. ملاحظة كتلة المتوسط ​​المتحرك المرجح عفا عليها الزمن تم إزالة هذه الكتلة من مكتبة منفصلة في R2008a واستبدالها مع كتلة تصفية فير منفصلة ومع ذلك، النماذج الموجودة التي تحتوي على الوزن إد موفينغ تتحرك الكتلة المتوسطة للعمل من أجل التوافق مع الإصدارات السابقة. استخدم كتلة المرشحات الخاصة بطبقة معلومات الطيران المنفصلة في الموديلات الجديدة فكر في استخدام الدالة سلوبديت لتحل محل المتوسط ​​المتحرك المرجح مع فلتر فير في النماذج الموجودة. المدخلات وتضاعف كل مدخلات من خلال قيمة محددة تعطى بواسطة معلمة الأوزان، وتكدسها في متجه تدعم هذه الفدرة كلا من الإدخال أحادي خرج وحيد سيسو وحيدة المدخلات سيمو متعدد الإخراج. وبالنسبة لوضع سيسو، ومعامل الأوزان يتم تحديدها كمتجه صف بالنسبة لوضع سيمو، يتم تحديد الأوزان كمصفوفة حيث يتوافق كل صف مع إخراج منفصل يمكنك اختيار ما إذا كان سيتم تحديد نوع البيانات أو تحديد الأوزان في مربع الحوار مع نوع بيانات الربح المعلمة. توفر معلمة الحالة الأولية القيم الأولية لكل الأوقات التي تسبق وقت البدء يمكنك تحديد الفاصل الزمني بين العينات مع معلمة الوقت العينة. ذي وي غتد تتحرك المجموعة المتوسطة الأولى أولا من مدخلات معامل الأوزان، وتحول تلك النتائج إلى نوع بيانات الإخراج باستخدام أساليب التقريب والتجاوز المحددة، ثم تقوم بعملية التجميع. دعم نوع البيانات. يدعم المتوسط ​​المتحرك المتوسط ​​المرجح جميع أنواع البيانات الرقمية التي يدعمها سيمولينك بما في ذلك أنواع البيانات ذات النقاط الثابتة. تحديد أوزان المتوسط ​​المتحرك صف واحد لكل إخراج يتم تحويل معلمة الأوزان من الزوجي إلى نوع البيانات المحدد دون اتصال باستخدام جولة إلى أقرب والتشبع. حدد القيم الأولية للجميع مرات قبل وقت البدء يتم تحويل معلمة الحالة الأولية من الزوجي إلى نوع بيانات الإدخال دون اتصال باستخدام جولة إلى أقرب والتشبع. حدد الفاصل الزمني بين العينات لترث الوقت العينة، تعيين هذه المعلمة إلى -1 انظر تحديد الوقت العينة في التوثيق عبر الإنترنت للحصول على مزيد من المعلومات. إدخال نوع البيانات. تحديد نوع بيانات الإخراج يمكنك تعيينه إلى. قاعدة يرث نوع بيانات، على سبيل المثال وافرة، وراث وراثة عبر الانتشار الخلفي. اسم كائن نوع البيانات، على سبيل المثال، كائن. أي تعبير تقييم إلى نوع بيانات، على سبيل المثال، فيكسدت 1،16،0.انقر فوق الزر إظهار نوع نوع البيانات لعرضها مساعد نوع البيانات الذي يساعدك على تعيين المعلمة نوع بيانات الإخراج. تحميل الإخراج ضربة مقابل التغييرات بواسطة أداة أوتوسكالينغ. اختر لقفل التحجيم من المخرجات ضد التغييرات من قبل نقطة ثابتة أداة. إنتيجر وضع التقريب. الاستعداد لوضع نقطة ثابتة الإخراج للحصول على مزيد من المعلومات، راجع تقريب نقطة ثابتة مصمم. اتجاه إلى الحد الأقصى أو دقيقة عند حدوث تجاوزات. إذا تم تحديدها، تجاوزات نقطة ثابتة تشبع خلاف ذلك، أنها التفاف. تحديد نوع البيانات من المعلمة الأوزان يمكنك تعيينه إلى. قاعدة التي ترث نوع بيانات، على سبيل المثال، وراثة وراثة عبر قاعدة داخلية. اسم كائن نوع البيانات، على سبيل المثال، كائن. أي تعبير يقيم إلى نوع بيانات، على سبيل المثال، فيكسدت 1،16،0.انقر فوق إظهار زر مساعد نوع البيانات لعرض نوع الحمار إستانت الذي يساعدك على تعيين معلمة نوع بيانات الربح راجع تحديد أنواع البيانات باستخدام مساعد نوع البيانات للحصول على مزيد من المعلومات. تفترض أنك تريد تكوين هذه الكتلة لمخرجات وضع سيمو حيث يتم إعطاء الإخراج الأول by. y 1 كا 1 أوكب 1 أوك 1 c 1 أوك 2. يعطى الإخراج الثاني by. y 2 كا 2 أوكب 2 أوك 1. و يتم إعطاء القيم الأولية للمملكة المتحدة - 1 و المملكة المتحدة - 2 بواسطة ic1 و ic2 على التوالي. لإجراء تكوين المتوسط ​​المتحرك المتوسط ​​المرجح لهذا يجب تحديد معلمة الأوزان ك a1 b1 c1 a2 b2 c2 حيث c2 0 و المعلمة إنيتيال كونديتيون مثل ic1 ic2.