主要内容

简化

简化不确定对象的表示

语法

B = simplify(A，'full') B = simplify(A，'basic') B = simplify(A，'class')

描述

B =化简(A)执行类似模型约简的技术来检测和消除不确定元素的冗余副本。的类取决于结果B可能低于一个．的AutoSimplify中各不确定元素的性质一个规定使用什么约简方法。约简后，任何不影响结果的不确定元素都将从表示中删除。

B = simplify(A，'full')覆盖所有不确定元素AutoSimplify属性和用途“全部”减少技术。

B = simplify(A，'basic')覆盖所有不确定元素AutoSimplify属性和用途“基本”减少技术。

B = simplify(A，'class')不执行还原。然而，任何不确定因素一个用零次剔除，类的B可能比班级低一个．

例子

创建一个简单的umat只有一个不确定的实参数。选择特定的元素，注意结果保留在类中umat．简化这些相同的元素，并注意类的变化。

p1 = ureal('p1'，3，'Range'，[2 5]);L = [2 p1];L(2) UMAT: 1 Rows, 1 Columns p1: real, nominal = 3, range = [2 5]， 1 occurrence simplify(L(1)) ans = 2 simplify(L(2))不确定的真实参数:Name p1, NominalValue 3, range [2 5]

创建四个不确定的实参数，默认值为AutoSimplify(基本的)，并定义一个高阶多项式[1]．

m = ureal('m'，125000，'Range'，[100000 150000]);xcg = ureal('xcg'，.23，'Range'，[.]15。31]);ZCG = ureal(' ZCG '，。105年,“范围”,[0 . 21]);va = ureal('va'，80，'Range'，[70 90]);cw = simplify(m/(va*va)*va，'full') UMAT: 1 Rows, 1 Columns m: real，标称= 12.5 e+005, range =[100000 150000]， 1次出现va: real，标称= 80,range =[70 90]， 1次出现cw = m/va;Fac2 = .16726*xcg*cw*cw*zcg - .17230*xcg*xcg*cw…-3.9*xcg*cw*zcg - .28*xcg*xcg*cw*cw*zcg…-．07*xcg*xcg*zcg + .29*xcg*xcg*cw*zcg… + 4.9*xcg*cw - 2.7*xcg*cw*cw ... +.58*cw*cw - 0.25*xcg*xcg - 1.34*cw ... +100.1*xcg -14.1*zcg - 1.91*cw*cw*zcg ... +1.12*xcg*zcg + 24.6*cw*zcg ... +.45*xcg*xcg*cw*cw - 46.85 UMAT: 1 Rows, 1 Columns m: real, nominal = 1.25e+005, range = [100000 150000], 18 occurrences va: real, nominal = 80, range = [70 90], 8 occurrences xcg: real, nominal = 0.23, range = [0.15 0.31], 18 occurrences zcg: real, nominal = 0.105, range = [0 0.21], 1 occurrence

高阶多项式的结果是一个涉及18个副本的低效表示米， 8份弗吉尼亚州， 18份xcg及一份zcg．简化表达式，使用“全部”简化算法

fac2s = simplify(fac2，'full') UMAT: 1 Rows, 1 Columns m: real，标称= 1.25e+005, range =[100000 150,000]， 4次出现va: real，标称= 80,range =[70 90]， 4次出现xcg: real，标称= 0.23,range =[0.15 0.31]， 2次出现zcg: real，标称= 0.105,range =[0 0.21]， 1次出现

这样的表现方式更经济。

或者，更改AutoSimplify属性“全部”在形成多项式之前。

m.AutoSimplify = 'full';xcg。一个utoSimplify = 'full'; zcg.AutoSimplify = 'full'; va.AutoSimplify = 'full';

你可以形成一个多项式，它立刻给出一个低阶表示。

Cw = m/va;Fac2f = .16726*xcg*cw*cw*zcg - .17230*xcg*xcg*cw…-3.9*xcg*cw*zcg - .28*xcg*xcg*cw*cw*zcg…-．07*xcg*xcg*zcg + .29*xcg*xcg*cw*zcg…+ 4.9*xcg*cw - 2.7*xcg*cw*cw…+。58*cw*cw - 0.25*xcg*xcg - 1.34*cw…+100.1*xcg -14.1*zcg - 1.91*cw*cw*zcg…+1.12*xcg*zcg + 24.6*cw*zcg… +.45*xcg*xcg*cw*cw - 46.85 UMAT: 1 Rows, 1 Columns m: real, nominal = 1.25e+005, range = [100000 150000], 4 occurrences va: real, nominal = 80, range = [70 90], 4 occurrences xcg: real, nominal = 0.23, range = [0.15 0.31], 2 occurrences zcg: real, nominal = 0.105, range = [0 0.21], 1 occurrence

创建两个实参数，达而且dx，和2 × 3矩阵，ABmat，涉及两个实参数的多项式表达式。

da = ureal('da'，0，'Range'，[-1 1]);dx = ureal('dx'，0，'Range'，[-1 1]);A11 = -。32 + da*(。8089 + da*(-。987 + 3.39*da)) + .15*dx;A12 = .934 + da*(。0474 - .302*da);a21 = -1.15 +哒*(4.39 +达* *大* da)(21.97 - 561)……+ dx*(9.65 - da*(55.7 + da*177));A22 = -。66 + da*(1.2 - da*2.27) + dx*(2.66 - 5.1*da); b1 = -0.00071 + da*(0.00175 - da*.00308) + .0011*dx; b2 = -0.031 + da*(.078 + da*(-.464 + 1.37*da)) + .0072*dx; ABmat = [a11 a12 b1;a21 a22 b2] UMAT: 2 Rows, 3 Columns da: real, nominal = 0, range = [-1 1], 19 occurrences dx: real, nominal = 0, range = [-1 1], 2 occurrences

使用“全部”简化以降低描述的复杂性。

ABmatsimp =简化(ABmat，'满')UMAT: 2行，3列da:真实，名义= 0，范围=[-1 1]，7次dx:真实，名义= 0，范围=[-1 1]，2次出现

或者，您可以设置参数AutoSimplify财产“全部”．

哒。一个utoSimplify = 'full'; dx.AutoSimplify = 'full';

现在你可以重建矩阵了

A11 = -。32 + da*(。8089 + da*(-。987 + 3.39*da)) + .15*dx;A12 = .934 + da*(。0474 - .302*da);a21 = -1.15 +哒*(4.39 +达* *大* da)(21.97 - 561)……+ dx*(9.65 - da*(55.7 + da*177));A22 = -。66 + da*(1.2 - da*2.27) + dx*(2.66 - 5.1*da);B1 = -0.00071 + da*(0.00175 - da*.00308) + .0011*dx; b2 = -0.031 + da*(.078 + da*(-.464 + 1.37*da)) + .0072*dx; ABmatFull = [a11 a12 b1;a21 a22 b2] UMAT: 2 Rows, 3 Columns da: real, nominal = 0, range = [-1 1], 7 occurrences dx: real, nominal = 0, range = [-1 1], 2 occurrences

限制

多维模型约简和实现理论只是部分完整的理论。所使用的启发式简化启发式。包含不确定元素的表达式的建立顺序，例如。分布在加法和乘法中，可以影响表示的细节(即a的出现次数)尿素的在不确定矩阵中)。有可能简化的朴素方法不能完全解决这些差异，因此人们可能被迫使用不确定系统的“非最小”表示。

算法

简化使用启发式和一维模型降维算法来部分地降低不确定矩阵或系统的表示的维数。

参考文献

[1] Varga, A.和G. Looye，“基于lft的低阶不确定性建模的符号和数值软件工具，”IEEE计算机辅助控制系统设计国际研讨会，1999年，第5-11页。

[2] Belcastro, c.m.， K.B. Lim和E.A. Morelli，“非线性参数相关系统的计算机辅助不确定性建模第二部分:F-16示例，”IEEE计算机辅助控制系统设计国际研讨会，1999，第17-23页。

版本历史

R2006a之前介绍

另请参阅

||||