文档帮助中心文档
将模型从连续时间转换为离散时间
sysd =汇集(sysc Ts)
sysd=c2d(sysc,Ts,方法)
sysd=c2d(sysc、Ts、opts)
(sysd G) =汇集(___)
实例
sysd=c2d(sysc,Ts)离散化连续时间动态系统模型sysc对输入和采样时间使用零阶保持Ts.
sysd=c2d(sysc,Ts)
sysd
sysc
Ts
sysd=c2d(sysc,Ts,方法)指定离散化方法。
sysd=c2d(sysc,Ts,方法)
方法
sysd=c2d(sysc,Ts,选择)指定离散化的其他选项。
sysd=c2d(sysc,Ts,选择)
选择
[sysd,G]=c2d(___),在那里sysc是一个状态空间模型,返回一个矩阵,G它映射了连续的初始条件x0和U0状态空间模型对离散时间初始状态向量的改进x[0].
[sysd,G]=c2d(___)
G
全部崩溃
将以下连续时间传递函数离散化:
H ( s ) = E - 0 . 3. s s - 1. s 2. + 4. s + 5. .
该系统的输入延迟为0.3秒。使用三角形(一阶保持)近似和采样时间离散系统Ts=0.1秒。
H = tf([1 -1],[1 4 5],“InputDelay”,0.3);Hd=c2d(H,0.1,“福”);
比较了连续时间和离散时间系统的阶跃响应。
步骤(H,'-'高清,'--')
离散以下延迟传递函数使用零阶保持输入,和一个10-Hz的采样率。
H ( s ) = E - 0 . 2. 5. s 1. 0 s 2. + 3. s + 1. 0 .
h=tf(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秒的离散传递函数。
在这个例子中,离散模型高清有三个采样周期的延迟。离散化算法将剩余的半周期延迟吸收到系数中高清.
高清
比较连续时间模型和离散模型的阶跃响应。
步骤(h,'--'高清,'-')
创建一个具有两个状态和一个输入延迟的连续时间状态空间模型。
sys = ss (tf ([1,2], [1 4 2]));sys。InputDelay = 2.7
sys=A=x1-x2-x1-4-2 x2 10 B=u1 x1 2 x2 0 C=x1 x2 y1 0.5 1 D=u1 y1 0输入延迟(秒):2.7连续时间-状态空间模型。
使用Tustin离散化方法对模型进行离散化,并使用Thiran滤波器对分数阶延迟建模。样品时间Ts= 1秒。
opt=c2掺杂(“方法”,“塔斯汀”,“FractDelayApproxOrder”3);sysd1 =汇集(sys, 1,选择)
sysd1=A=x1 x2 x3 x4 x5 x1-0.4286-0.00265-0.06954 2.286 x2 0.2857 0.7143-0.001325 0.03477 1.143 x3 0-0.2432 0.1449-0.1153 x4 0 0.25 0 X50 0.125 0 B=u1 x1 0.002058 x2 0.001029 x3 8 x4 0 X50 Y10 C=x1 x2 x3 x3 x4 x4 x5 Y10.2857 0.710.7143-0.031 0.037状态空间:0.019秒德尔。
离散模型现在包含了另外三种状态x3,x4和x5对应于三阶Thiran滤波器。由于时间延迟除以样本时间为2.7,三阶Thiran滤波器(“FractDelayApproxOrder”= 3)可以近似整个时延。
x3
x4
x5
“FractDelayApproxOrder”
这个示例使用:
估计一个连续时间传递函数,并将其离散化。
负载iddata1sys1c =特遣部队(z1, 2);sys1d =汇集(sys1c, 0.1,“佐伊”);
估计二阶离散时间传递函数。
sys2d=tfest(z1,2,“t”,0.1);
比较离散连续时间传递函数模型的响应,sys1d,以及直接估计的离散时间模型,sys2d.
sys1d
sys2d
比较(z1, sys1d sys2d)
这两个系统几乎完全相同。
将已识别的状态空间模型离散化,以建立其响应的一步超前预测。
使用估计数据创建连续时间识别的状态空间模型。
负载iddata2sysc = ss (z2, 4);
提前一步预测预测的反应sysc.
预测(sysc,z2)
将模型离散化。
sysd =汇集(sysc, 0.1,“佐伊”);
根据离散化模型建立预测模型,sysd.
[A,B,C,D,K]=idssdata(sysd);预测器=ss(A-K*C[kb-K*D],C[0d],0.1);
预测是一个使用测量输出和输入信号的双输入模型吗([z1。y z1.u])计算的一步预测响应sysc.
预测
([z1。y z1.u])
模拟预测模型,以获得与预测模型相同的响应预测命令。
lsim(预测器[z2.y,z2.u])
对预测模型进行了仿真,得到了与模型相同的响应预测(sysc,z2).
连续时间模型,指定为动态系统模型例如特遣部队,党卫军,或zpk.sysc不能是频率响应数据模型。sysc可以是SISO或MIMO系统,但“匹配”离散化方法仅支持SISO系统。万博1manbetx
特遣部队
党卫军
zpk
“匹配”
sysc可以有输入/输出或内部时间延迟;然而,“匹配”,“冲动”和“最小二乘法”方法不支持具有内部时间延迟的状万博1manbetx态空间模型。
“冲动”
“最小二乘法”
下列已识别的线性系统不能直接离散:
idgrey模特儿FunctionType是“c”.皈依智能决策支持系统先做模型。
idgrey
FunctionType
“c”
智能决策支持系统
idproc模型。转换为idtf或idpoly先做模型。
idproc
idtf
idpoly
采样时间,指定为一个正标量,表示由此产生的离散时间系统的采样周期。Ts是在TimeUnit,也就是sysc。TimeUnit所有物
TimeUnit
sysc。TimeUnit
“佐伊”
“福”
“塔斯汀”
离散化方法,指定为以下值之一:
“佐伊”-零阶保持(默认)。假设控制输入在采样时间内是分段常数Ts.
“福”-三角形逼近(修正的一阶保持)。假设控制输入在样本时间内是分段线性的Ts.
“冲动”-脉冲不变离散化
“塔斯汀”-双线性(Tustin)方法。用频率预翘曲(以前称为“预扭曲”方法),使用PrewarpFrequency选择c2掺杂.
“预扭曲”
PrewarpFrequency
c2掺杂
“匹配”-零极匹配法
“最小二乘法”——最小二乘法
“阻尼”-阻尼Tustin近似基于TRBDF2仅适用于稀疏模型的公式。
“阻尼”
TRBDF2
有关每个转换方法的算法的信息,请参见连续-离散转换方法.
离散化选项,指定为c2掺杂对象例如,指定预扭曲频率、Thiran滤波器的顺序或离散化方法作为选项。
离散时间模型,返回为与输入系统类型相同的动态系统模型sysc.
当sysc是已识别(IDLTI)模型,sysd:
包括测量和噪声成分sysc.创新差异λ连续时间辨识模型sysc,贮存于NoiseVariance性质,被解释为噪声谱的谱密度的强度。的噪声方差sysd因此,λ/Ts.
NoiseVariance
不包括的估计参数协方差sysc。如果要在离散模型时转换协方差,请使用translatecov.
translatecov
连续时间初始条件的映射x0和U0状态空间模型sysc对于离散时间初始状态向量x[0],以矩阵形式返回。初始条件到初始状态向量的映射如下:
x [ 0 ] = G ⋅ [ x 0 U 0 ]
对于具有时滞的状态空间模型,汇集垫矩阵G用零来表示离散这些延迟所引入的额外状态。看到连续-离散转换方法讨论离散化系统中的时滞建模。
汇集
c2掺杂|d2c|d2d|蒂兰|translatecov(系统识别工具箱)|换算模型汇率
d2c
d2d
蒂兰
是否需要修改电子就业协议的版本?是否需要修改电子就业协议?
有一个对应于MATLAB的代码:
把它扔进introduciéndolo然后把它扔进MATLAB。Los navegadores web no admit comandos de MATLAB。
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区站点不适合您所在位置的访问。
与当地办事处联系