在非阶跃响应函数上找到超调、欠调、上升时间和下降时间
38次浏览(过去30天)
显示旧的注释
接受的答案
明星黾
2021年8月14日
12个评论
明星黾
2021年8月14日
编辑:明星黾
2021年8月15日
我希望你能分享这些数据。
至少这样我就知道问题出在哪里了。
至少方波的可能性已经不存在了。当我意识到“下降时间”可能就是那个时间,而不是我最初假设的“稳定时间”(事实证明是正确的)时,我考虑过这个问题。
是
比较
函数给出了关于估计系统与数据匹配程度的有用信息?
也许是模拟输入
“u (t)”
如果你知道它是什么,然后把它给
iddata
(和
党卫军
)会让事情变得更容易。此外,还可以试验其他参数和名值对参数,以包括延迟和其他选项。
如果你想对系统特征有一个更全面的了解,一种可能是采用
fft
信号的。画出虚部
fft
作为频率的函数,它会告诉你有多少极点和零点,以及它们的大致位置,包括原点和无穷远处。使用单侧
fft
对于这个。的
党卫军
函数允许一系列的顺序进行实验,所以这也是一种选择,不管它是虚构的
fft
图可以让你们自己看一下看看它是否真的是二阶方程组。
我对此表示怀疑
特遣部队
能提供更好的估计吗
党卫军
(因为根据我的经验,
党卫军
是最健壮的选项),但是值得一试。现在我不知道还能提什么建议。
- - -
编辑-
(2021年8月15日14:48)
信谊f(t) y(t) t p y0 Dy0 f0
P = sym(“p”[1,2]);
Dy = diff(y);
D2y = diff(Dy);
Eqn = D2y + p(1)*Dy + p(2)*y = f0;
ys = dsolve(Eqn, Dy(0)==Dy0, y(0)==y0);
Ys = simplify(expand(Ys), 500);
yfcn = matlabFunction(ys,“var”, {[p (1), (2), y0, Dy0, f0), t})
与
“三机”
对应的参数向量(顺序为):
[p (1), (2), y0, Dy0, f0]
.
一个典型的图(这里模拟了估计的参数)可能是这样的:
数字
fplot(@(t)yfcn([1,1,0,0,1],t), [0 15])
网格
然后从估计的函数中计算出必要的特征。
.
更多答案(3)
保罗
2021年8月14日
我不知道你说的“秋季时间”是什么意思,所以也帮不了你。
为什么不是
stepinfo (y, t)
足够吗?数据是不是太吵了?
1评论
保罗
2021年8月15日
我仍然不确定为什么stepinfo()对您的应用程序没有用处。
根据我对问题的理解,你有一些数据,你希望找到一些数据的优点。我仍然有这样的印象,即数据本质上是一个系统的输出,由一个阶跃输入激发。
为什么我会有这样的印象?因为:
A)性能超调、欠调和上升时间的数字通常用来描述响应于阶跃输入的系统输出。我不熟悉“fall time”这个词,但我快速搜索了一下,发现它本质上与风险时间是一样的
基于以上,我假设你有一些看起来像“典型的二阶阶跃响应”的数据。我相信有很好的理由,你不能给我们看数据。我们来创建一些
Sys = tf(1,[1 2*.]7 (1);用于实验的二阶系统
stepinfo(系统)根据该模型得出绩效指标。
[y,t] = step(sys);%生成一些数据
stepinfo (y, t)%基于数据生成相同的优点数字
正如预期的那样,基于数据的FOMs与基于模型的stepinfo计算结果非常接近。
这个例子是否抓住了您要做的事情的本质?
如果没有,如果你发布了一个你试图用一些实际数据完成的例子,你可能会在这里获得更多的关注。如果你不能分享的话,不是真正的数据,而是一些示例数据,它们仍然说明了这个问题。
罗伯特·斯科特
2021年8月15日
1评论
明星黾
2021年8月15日
出于好奇,你用Python能做什么MATLAB不能做的事情?
我仍然不确定数据有什么问题。如果有噪声,一种选择可以是Savitzky-Golay滤波器
sgolayfilt
一般工作的功能,在频选滤波器完全失效的宽带噪声中更可取。(选择
3.
对于顺序,再对帧长进行实验,以得到最好的结果。)的
smoothdata
函数可以slso使用它,但是显然需要有信号处理工具箱来使用它
smoothdata
.
.