Glidande Medelvärde Block In Simulink

Jag är ny på Simulink Jag vill göra medelvärdet av inkommande data som kommer efter några intervall från ett block Exempelvis är kontinuerlig inramad data på 42 prover ute från ett block. I kombination med den inramade data finns det en annan output-tag som säger att Dessa ramprover hör till vilken kategori Märken är siffror från 1-6. Utmatningen är slumpmässig. Jag vill genomsnittsa samma kategoridata. Som den första ramen är av cat1, då efter 4 ramar kommer cat1-rammen igen. Hur ska jag genomsnitts denna nya ram med den tidigare vill jag göra det för alla kategorier Var snäll och hjälp mig ut i detta. asked mar 26 14 på 13 35. En snabb och smutsig lösning skulle vara att implementera en arraylist för varje kategori. Initialisera listan med NaNs och behåll en räknare för det sista urvalet från varje kategori Med medelfunktionen kan du få medelvärdet av alla mätningar. Om du bara vill ha medelvärdet av den aktuella ramen och föregående bildruta kan du helt enkelt mena cat1 n1 cat1 n1 1 där cat1 är arraylisten fo r-ramar från kategori 1 och n1 är indexet för föregående ram i cat1.Om du vill ha ett viktat glidmedel för en real-time-implementering, skapa en genomsnittlig variabel för varje kategori, ring den av1, av2, etc och beräkna av1 alfa av1 1 - alpha cat1 n1 1 där alfa är vikten som tilldelats föregående medel alfa 1 och cat1 n1 1 är den nya mätningen när en cat1-ram kommer in. answered mar 26 14 vid 17 39.Moving Average. Method Medelvärdesmetod Glidande fönster standard Exponentiell viktning. Skärmfönstret Ett längdfönster Fönsterlängden rör sig över ingångsdata längs varje kanal. För varje prov som fönstret rör sig i beräknar blocket medelvärdet över data i fönstret. Exponentiell viktning Blocken multiplicerar proverna med en sats av viktning faktorer Vikten av viktningsfaktorerna minskar exponentiellt när åldern för data ökar, når aldrig noll För att beräkna medelvärdet summerar algoritmen den viktade data. Specifiera fönsterlängd Flagga för att ange fönster längden på standardavstängning. När du markerar den här kryssrutan är längden på glidfönstret lika med det värde du anger i Fönsterlängd När du avmarkerar den här kryssrutan är längden på glidfönstret oändligt. I det här läget beräknar blocket genomsnittet av det aktuella provet och alla tidigare prover i kanalen. Vindu längd Längden på glidningsfönstret 4 standard positivt skalärt heltal. Vinduslängden anger längden på glidningsfönstret Denna parameter visas när du markerar kryssrutan Specifiera fönsterlängd. Forgetting faktor Exponentiell viktningsfaktor 0 9 standard positiv verklig skalär inom intervallet 0,1. Denna parameter gäller när du ställer in Metod till Exponentiell viktning En glömande faktor på 0 9 ger större vikt åt de äldre data än en glömande faktor på 0 1 En glömma faktor på 1 0 indikerar oändligt minne Alla tidigare prover ges samma vikt. Denna parameter kan avstämas. Du kan ändra dess värde även under simuleringen. Simulera med typ av sim ulation att köra Code generation standard Tolkad execution. Simulate model using generated C code Första gången du kör en simulering, genererar Simulink C-kod för blocket. C-koden återanvänds för efterföljande simuleringar, så länge som modellen inte ändras. Detta alternativ kräver ytterligare starttid men ger snabbare simuleringshastighet än tolkad execution. Simulate model using MATLAB interpreter Detta alternativ förkortar starttiden men har långsammare simuleringshastighet än kodgenerering. Skjutfönstermetod. I glidfönstermetoden är utmatningen för varje ingångsprov den Medelvärdet av det aktuella provet och Len-1 föregående prov Len är längden på fönstret För att beräkna de första Len-1-utgångarna, när fönstret inte har tillräckligt med data, fyller algoritmen fönstret med nollor. Till exempel beräkna medelvärdet när det andra ingångsprovet kommer in, algoritmen fyller fönstret med Len-2 nollor Datav vektorn, x är då de två dataproverna följt av Len - 2 nollor. När du inte anger fönsterlängden väljer algoritmen en oändlig fönsterlängd. I detta läge är utmatningen det rörliga genomsnittet för det aktuella provet och alla tidigare prover i kanalen. Exponentialvävningsmetod. exponentiell viktningsmetod, det rörliga genomsnittsvärdet beräknas rekursivt med hjälp av dessa formler. w Nw N 1 1 N N 1 N N N N N N N N Flyttande medelvärde vid det aktuella samplet. x N Aktuellt dataingångsprov. x N 1 Rörande medelvärde vid föregående prov. Förskjutningsfaktor. w N Viktningsfaktor applicerad på det aktuella datasamplet. 1 1 w N x N 1 Effekt av tidigare data i medelvärdet. För det första provet, där N 1 väljer algoritmen w N 1 För nästa prov uppdateras viktningsfaktorn och används för att beräkna medelvärdet, enligt den rekursiva ekvationen När åldern för data ökar, sjunker vikten av viktningsfaktorn exponentiellt och når aldrig noll. Med andra ord har de senaste uppgifterna större inverkan på det nuvarande genomsnittet än de äldre data. Värdet av den glömma faktorn bestämmer Ändringshastighet av viktningsfaktorerna En glömande faktor på 0 9 ger större vikt än den äldre data än en glömande faktor på 0 1 En glömande faktor på 1 0 indikerar oändligt minne. Alla tidigare prover ges samma vikt. Välj ditt land. Moving Average. Method Medelvärdesmetod Glidningsfönster standard Exponentiell viktning. Glidande fönster Ett fönster med längd Fönsterlängd rör sig över ingångsdata längs varje kanal. För varje prov rör sig fönstret genom, beräknar blocket ett Verta över data i fönstret. Exponentiell viktning Blocken multiplicerar proverna med en uppsättning viktningsfaktorer Vikten av viktningsfaktorerna minskar exponentiellt när åldern för data ökar, når aldrig noll För att beräkna medelvärdet summerar algoritmen den vägda data. Specifiera fönsterlängd Flagga för att ange fönsterlängd vid standardavstängning. När du markerar den här kryssrutan är längden på glidfönstret lika med det värde du anger i Fönsterlängd När du avmarkerar den här kryssrutan, är längden på glidfönstret är oändligt I det här läget beräknar blocket medelvärdet av det aktuella provet och alla tidigare prover i kanalen. Vindulängd Längd på glidfönstret 4 standard positivt skalärt heltal. Vindulängd anger längden på glidfönstret Denna parameter visas när du Markera kryssrutan Ange kryssrutan Ange befintlig faktor Exponentiell viktningsfaktor 0 9 standard positiv real skalär i intervallet 0,1. Denna parameter gäller när du du ställer in metod för exponentiell viktning En glömande faktor på 0 9 ger större vikt än de äldre data än en glömande faktor på 0 1 En glömande faktor på 1 0 indikerar oändligt minne. Alla tidigare prover ges samma vikt. Denna parameter kan avstämas Kan ändra dess värde även under simuleringen. Simulera med typ av simulering för att köra Code generation standard Tolkad execution. Simulate modell med genererad C-kod Första gången du kör en simulering, genererar Simulink C-kod för blocket. C-koden återanvänds för efterföljande simuleringar, så länge som modellen inte förändras. Detta alternativ kräver ytterligare starttid men ger snabbare simuleringshastighet än tolkad execution. Simulate model using MATLAB interpreter Detta alternativ förkortar starttiden men har långsammare simuleringshastighet än kodgenerering. det glidande fönstermetoden, utsignalen för varje ingångsprov är medelvärdet av det aktuella provet och de Len-1 föregående proverna L en är längden på fönstret För att beräkna de första Len-1-utgångarna, när fönstret inte har tillräckligt med data, fyller algoritmen fönstret med nollor. Till exempel, för att beräkna medelvärdet när det andra ingångsprovet kommer in, algoritmen fyller fönstret med Len-2-nollor Datav vektorn, x är då de två dataproverna följt av Len-2-nollor. När du inte anger fönstrets längd väljer algoritmen en oändlig fönsterlängd. I detta läge är utmatningen Det glidande medelvärdet av det aktuella provet och alla tidigare prover i kanalen. Exponentiell viktningsmetod. Vid exponentiell viktningsmetod beräknas det glidande medlet rekursivt med hjälp av dessa formler. w N w N 1 1 x N 1 1 w N x N 1 1 w N x Nx N Flyttande medelvärde vid det aktuella provet. x N Aktuellt dataingångsexempel. x N 1 Rörligt medelvärde vid föregående prov. Förskjutningsfaktor. w N Viktningsfaktor applicerad på det aktuella dataprovet. 1 1 w N x N 1 Effekt av tidigare data i medelvärdet. För det första provet, där N 1 väljer algoritmen w N 1 För nästa prov uppdateras viktningsfaktorn och används för att beräkna medelvärdet, enligt den rekursiva ekvationen När åldern för data ökar, sjunker vikten av viktningsfaktorn exponentiellt och når aldrig noll. Med andra ord har de senaste uppgifterna större inverkan på det nuvarande genomsnittet än de äldre data. Värdet av den glömma faktorn bestämmer Ändringshastighet för viktningsfaktorerna En glömande faktor på 0 9 ger större vikt än de äldre dataen än en glömande faktor på 0 1 En glömande faktor på 1 0 indikerar oändligt minne. Alla tidigare prover ges samma vikt. Välj ditt land .