汇集
转换从连续,离散时间模型
描述
例子
离散化的传递函数
离散化连续时间传递函数如下:
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,“——”)
离散化模型与分数延迟吸收系数
传递函数离散化下列延迟使用零输入,和10-Hz采样率。
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,“- - -”)
离散化模型与近似部分延迟
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。
建立预测模型
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)
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])
预测模型的仿真给出了相同的反应预测(sysc z2)
。
输入参数
Ts
- - - - - -样品时间
积极的标量
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。
方法
- - - - - -离散化方法
“zoh”
(默认)|“呸”
|“冲动”
|“tustin”
|“匹配”
|最小二乘的
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。
选择
- - - - - -离散化选项
c2dOptions
对象
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
sysd
——离散时间模型
动态系统模型
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
。
G
——连续映射到离散时间状态空间模型的初始状态向量的初始条件
矩阵
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:
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
c2dOptions
|d2c
|d2d
|thiran
|translatecov
(系统辨识工具箱)|模型转换速率
Apri esempio
如果dispone di una versione modificata di questo esempio。Desideri aprire questo esempio con le modifiche星期二吗?
第一MATLAB
海脂肪clic苏联合国collegamento切corrisponde questo第一MATLAB:
Esegui il第一inserendolo所以nella隙缝di第一MATLAB。我浏览器web非supportano万博1manbetx comandi MATLAB。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。