主要内容

汇集

转换从连续,离散时间模型

所有的页面崩溃

语法

sysd =汇集(sysc Ts)
sysd =汇集(sysc, Ts,方法)
sysd =汇集(sysc, Ts,选择)
(sysd G) =汇集(___)

描述

例子

sysd=汇集(sysc,Ts)可连续时间动态系统模型sysc使用零级的输入和样品时间Ts。

例子

sysd=汇集(sysc,Ts,方法)指定了离散化方法。

例子

sysd=汇集(sysc,Ts,选择)离散化的指定附加选项。

(sysd,G)=汇集(___),在那里sysc状态空间模型是一个,返回一个矩阵,G连续映射的初始条件x0和u0对离散时间状态空间模型的初始状态向量x[0]。

例子

全部折叠

打开生活的脚本

离散化连续时间传递函数如下:

H ( 年代 ) = e - - - - - - 0 。 3 年代 年代 - - - - - - 1 年代 2 + 4 年代 + 5 。

这个系统的输入延迟0.3 s。离散化系统使用三角形(一阶保持器)近似样品时间Ts= 0.1 s。

H =特遣部队([1],[1 4 5],“InputDelay”,0.3);高清=汇集(H, 0.1,“呸”);

比较一步反应的连续时间和离散系统。

步骤(H,“- - -”高清,“——”)

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。这些对象代表H,高清。

打开生活的脚本

传递函数离散化下列延迟使用零输入,和10-Hz采样率。

H ( 年代 ) = e - - - - - - 0 。 2 5 年代 1 0 年代 2 + 3 年代 + 1 0 。 

特遣部队(h = 10 (1 3 10)“IODelay”,0.25);高清=汇集(h, 0.1)
高清z ^ 2 = 0.01187 + 0.06408 + 0.009721 z ^ (3) * - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - z z ^ 2 - 1.655 + 0.7408样品时间:0.1秒离散传递函数。

在这个例子中,离散模型高清有三个采样周期的延迟。离散化算法吸收剩余半周期延迟的系数高清。

比较连续时间和离散模型的一步反应。

步骤(h,“——”高清,“- - -”)

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。这些对象代表h,高清。

打开生活的脚本

创建一个连续时间状态空间模型与两个州和一个输入延迟。

sys = ss (tf ([1,2], [1 4 2]));sys。InputDelay = 2.7
sys = 4 = (x1, x2) x1 2 x2 u1 x1 2 x2 0 1 0 B = C = (x1, x2)日元0.5 - 1 D = u1 y1 0输入延迟(秒):2.7连续时间状态空间模型。

离散化模型使用Tustin离散化方法和Thiran过滤器模型部分延迟。样品时间Ts= 1秒。

选择= c2dOptions (“方法”,“tustin”,“FractDelayApproxOrder”3);sysd1 =汇集(sys, 1,选择)
sysd1 = = (x1, x2) x3 x4 x5 (x1, x2) 0.2857 0.7143 -0.001325 -0.4286 -0.5714 -0.00265 0.06954 2.286 0.03477 - 1.143 0.25 x3 0 0 -0.2432 0.1449 -0.1153 x4 0 0 0 0 0.125 x5 0 0 0 0 B = 0.001029 u1 x1 0.002058 x2 0 x3 8 x4 x5 0 x1 C = x3 x4 x5日元0.2857 0.7143 -0.001325 0.001029 0.03477 - 1.143 D = u1 y1样品时间:1秒离散时间状态空间模型。

现在的离散模型包含三个额外的州x3,x4,x5对应于一个三阶Thiran过滤器。由于时间延迟除以样本时间是2.7,三阶Thiran过滤器(“FractDelayApproxOrder”= 3)可以近似整个时间延迟。

这个示例使用:

打开生活的脚本

估计一个连续时间传递函数,离散化。

负载iddata1sys1c =特遣部队(z1, 2);sys1d =汇集(sys1c, 0.1,“zoh”);

估计二阶离散传递函数。

sys2d =特遣部队(z1 2“t”,0.1);

比较离散连续时间的响应传递函数模型,sys1d,直接估计离散时间模型,sys2d。

比较(z1, sys1d sys2d)

图包含一个坐标轴对象。坐标轴对象与ylabel y1包含3线类型的对象。这些对象代表验证数据(日元),sys1d: 70.77%, sys2d: 69.3%。

两个系统是几乎相同的。

这个示例使用:

打开生活的脚本

建立状态空间模型离散化一个确定提前一步预测的反应。

创建一个连续时间状态空间模型确定使用估计数据。

负载iddata2sysc = ss (z2, 4);

预测未来互译预测的反应sysc。

预测(sysc z2)

图包含一个坐标轴对象。ylabel y1的坐标轴对象包含一个类型的对象。这些对象代表验证数据(日元),sysc。

离散化模型。

sysd =汇集(sysc, 0.1,“zoh”);

建立一个预测模型从离散模型,sysd。

[A, B, C, D, K) = idssdata (sysd);预测= ss (a - K * C [K常数* D], C, D [0], 0.1);

预测它使用两个输入模型测量输出和输入信号([z1。y z1.u])计算互译预测的反应sysc。

模拟预测模型得到相同的回应预测命令。

lsim(预测[z2.y z2.u])

图包含一个坐标轴对象。坐标轴对象包含3线类型的对象。这些对象代表驾驶输入,预测。

预测模型的仿真给出了相同的反应预测(sysc z2)。

输入参数

全部折叠

连续时间模型,指定为一个动态系统模型如特遣部队,党卫军,或zpk。sysc不能一个频率响应数据模型。sysc可以是一个输出或MIMO系统,除了吗“匹配”只支持输出系统离散化方法。万博1manbetx

sysc可以有输入/输出或内部时间延迟;然而,“匹配”,“冲动”,最小二乘的状态空间模型与方法不支持内部时万博1manbetx间延迟。

以下确认不能直接离散线性系统:

  • idgrey模型的FunctionType是“c”。转换为中的难点第一个模型。

  • idproc模型。转换为idtf或idpoly第一个模型。

样品时间,指定为一个积极的标量表示采样周期产生的离散时间系统。Ts是在TimeUnit,这是sysc.TimeUnit财产。

离散化方法,指定为以下值之一:

  • “zoh”——零(默认)。假设控制输入样本时间分段常数Ts。

  • “呸”一阶保持三角形近似(修改)。假设控制输入是分段线性的样品时间Ts。

  • “冲动”——脉冲不变离散化

  • “tustin”双线性(Tustin)方法。指定该方法与频率prewarping(原名“prewarp”方法),使用PrewarpFrequency选择c2dOptions。

  • “匹配”- Zero-pole匹配方法

  • 最小二乘的——最小二乘法

  • “阻尼”——阻尼Tustin近似的基础上TRBDF2稀疏模型公式。

对于算法为每个信息转换方法,明白了Continuous-Discrete转换方法。

离散化选项,指定为一个c2dOptions对象。例如,指定prewarp频率,Thiran过滤器的顺序或离散化方法的选择。

输出参数

全部折叠

离散时间模型,作为一个动态系统模型返回相同类型的输入系统sysc。

当sysc是一个识别(IDLTI)模型,sysd:

  • 包括测量和噪声的组成部分sysc。创新方差λ连续时间的识别模型sysc,存储在其NoiseVariance财产,被解释为的强度噪声频谱的谱密度。的噪声方差sysd因此,λ/ Ts。

  • 不包括参数估计协方差的sysc。如果你想翻译的协方差,而离散化模型,使用translatecov。

连续时间的映射初始条件x0和u0状态空间模型的sysc离散时间的初始状态向量x[0],作为一个矩阵返回。映射初始状态向量的初始条件如下:

x ( 0 ] = G ⋅ ( x 0 u 0 ]

状态空间模型与时间延迟,汇集垫矩阵G与0占更多国家引入了离散化的延迟。看到Continuous-Discrete转换方法讨论了时滞离散系统建模。

版本历史

之前介绍过的R2006a

另请参阅

||||(系统辨识工具箱)|

主题