乘法误差方法近似植物模型

在大多数情况下，乘法误差模型减少方法BSTMR.倾向于在频率范围的频率范围内倾向于束缚原始和阶数模型之间的相对误差，因此产生比添加剂误差方法更准确的减少阶数。这种特性在具有低阻尼杆的系统模型中是显而易见的。

以下命令示出了与任何添加误差类型相比的乘法误差模型减少方法的重要性。显然，相位匹配算法使用BSTMR.在Bode Plot中提供更好的适合。

RNG（123456）;g = RSS（30,1,1）;％随机30状态模型[gr，信息] =减少（g，'算法'那'平衡'那'命令'，7）;[GS，INFOS] =减少（g，'算法'那'BST'那'命令'，7）;图（1）BODE（g，'b-'，gr，'r--'） 标题（'添加误差法'） 传奇（'原来的'那'减少'）

图（2）BODE（G，'b-'，gs，'r--'） 标题（“相对误差方法”） 传奇（'原来的'那'减少'）

因此，对于具有低阻尼杆或零的一些系统，平衡随机方法（BSTMR.）在那些频率范围内产生更好的减少级模型，以使乘法误差小。虽然附加误差方法如Balancmr.那Schurmr.， 或者Hankelmr.只关心最小化整体“绝对”峰值误差，它们可以产生缺少那些低阻尼杆/零频率区域的阶数模型。

也可以看看

Balancmr.|BSTMR.|Hankelmr.|Schurmr.

相关话题

• 模型减少技术
• 附加误差方法近似植物模型