主要内容

d2c

将模型从离散时间转换为连续时间

折叠所有页面

语法

Sysc = d2c(sysd)
Sysc = d2c(sysd,method)
Sysc = d2c(sysd,opts)
[sysc,G] = d2c(＿＿＿)

描述

例子

sysc= d2c (sysd)将a转换为离散时间动态系统模型sysd在连续时间模型中使用零阶保持。

例子

sysc= d2c (sysd，方法)指定转换方法。

例子

sysc= d2c (sysd，选择)指定离散化的转换选项。

(sysc，G= d2c(＿＿＿),在那里sysd是一个状态空间模型，返回一个矩阵G这是各州的地图xd [k]将离散时间状态空间模型转化为状态xc (t)的sysc。

例子

全部折叠

打开实时脚本

创建以下离散时间传递函数:

H （ z ) = z - 1 z 2 + z + 0 。 3. 

H = tf([1 -1]，[1 1 0.3]，0.1);

模型的采样时间为 T 年代 = 0 。 1 年代 。

推导了连续时间零阶保持器等效模型。

Hc = d2c(H)
Hc e-12 = 121.7 + 3.745  --------------------- s ^ 2 + 12.04 + 776.7连续时间传递函数。

离散化得到的模型，Hc，默认零阶保持方法，采样时间0.1s，返回原始离散模型，H。

c2d (Hc, 0.1)
ans = z - 1 ------------- z^2 + z + 0.3采样时间:0.1秒离散传递函数。

使用Tustin近似方法进行转换H一个连续时间模型。

Hc2 = d2c(H，“tustin”）;

对得到的模型Hc2进行离散化，得到原来的离散时间模型，H。

c2d (Hc2, 0.1,“tustin”）;

这个例子使用了:

打开实时脚本

估计离散时间传递函数模型，并将其转换为连续时间模型。

负载iddata1Sys1d = tfest(z1,2，“t”, 0.1);Sys1c = d2c(sys1d，“zoh”）;

估计一个连续时间传递函数模型。

Sys2c = tfest(z1,2);

比较sys1c直接估计的连续时间模型，sys2c。

比较(z1, sys1c sys2c)

图中包含一个轴对象。axis对象包含3个line类型的对象。这些对象代表z1 (y1)， sys1c: 69.3%， sys2c: 70.77%。

这两种系统几乎完全相同。

这个例子使用了:

打开实时脚本

将已确定的离散传递函数模型转换为连续时间。

负载iddata1Sysd = tfest(z1,2，“t”, 0.1);Sysc = d2c(sysd，“zoh”）;

sys1c没有协方差信息。的d2c操作导致已识别模型的协方差数据丢失。

使用相同的估计命令和估计数据使用零迭代更新重新生成协方差信息。

opt = tfestOptions;opt.SearchOptions.MaxIterations = 0;Sys1c = tfest(z1,sysc,opt);

分析对频率响应不确定度的影响。

H = bodeploy (sysd,sys1c);showConfidence (h, 3)

图中包含2个轴对象。从:u1到:y1的轴对象1包含2个line类型的对象。这些对象表示sysd、sys1c。坐标轴对象2包含2个line类型的对象。这些对象表示sysd、sys1c。

的不确定性sys1c而且sysd与奈奎斯特频率相当。然而,sys1c在估计数据不提供任何信息的频率范围内显示出很大的不确定性。

如果您无法访问评估数据，请使用translatecov命令是一个基于高斯近似公式的跨模型类型转换操作的协方差转换。

输入参数

全部折叠

离散时间模型，指定为动态系统模型如特遣部队，党卫军,或zpk。

不能直接使用idgrey模型的FunctionType是' d '与d2c。将模型转换为中的难点形式。

离散到连续时间转换方法，指定为以下值之一:

  • “zoh”-零阶保持输入。假设控制输入在采样周期内分段不变。

  • “呸”-输入的线性插值(修正的一阶保持器)。假设控制输入在采样周期内是分段线性的。

  • “tustin”-导数的双线性(Tustin)近似。要使用频率预翘曲(以前称为“prewarp”方法)，使用PrewarpFrequency选择d2cOptions。

  • “匹配”-零极匹配方法(仅适用于SISO系统)。看到[1]。

有关每种算法的信息d2c转换方法，见连续-离散转换方法。

离散到连续时间转换选项，使用d2cOptions。例如，指定前曲频率或转换方法作为一个选项。

输出参数

全部折叠

连续时间模型，作为与输入系统相同类型的动态系统模型返回sysd。

当sysd为已识别(IDLTI)模型，sysc：

  • 的测量分量和噪声分量sysd。如果噪声方差为λ在sysd，则为连续时间模型sysc噪音谱密度的指示水平是否等于Ts *λ。

  • 不包括估计的参数协方差sysd。如果您想在转换模型时转换协方差，请使用translatecov(系统识别工具箱)。

状态映射xd [k]状态空间模型sysd去美国xc (t)的sysc，作为矩阵返回。状态映射如下:

x c （ k T 年代 ) = G ( x d ( k ] u ( k ] ] 。

给定一个初始条件x0为sysd和初始输入U0 = u[0]，对应的初始条件sysc(假设U [k] = 0为K < 0是:

x c （ 0 ) = G ( x 0 u 0 ] 。

参考文献

[1]富兰克林g.f.鲍威尔D.J.，以及m.l.沃克曼，动态系统的数字控制“，(第三版)，普伦蒂斯霍尔，1997年。

[2] Kollár, I.， G.F. Franklin和R. Pintelon，“关于系统辨识中的z域和s域模型的等价性”，IEEE论文集®仪器仪表与测量技术会议，比利时布鲁塞尔，1996年6月，第1卷，第14-19页。

版本历史

R2006a之前介绍

另请参阅

||(系统识别工具箱)||

主题