基于汉克尔奇异值的模型约简函数的简化访问
GRED = reduce(G,order) [GRED,redinfo] = reduce(G,'key1','value1',…)
减少
返回一个简化的订单模型gre考试
的G
和结构数组redinfo
包含了约简模型的误差界、原系统的Hankel奇异值和其他相关的模型约简信息。
误差界限是衡量距离有多近gre考试
是G
并且是基于其中任何一个添加剂错误,∥G-GRED
∥∞,乘法误差,∥G
1(G-GRED)
∥∞,或nugap错误(ref。中心
)[1],[4],[5].
稳定系统的汉克尔奇异值表示系统各自的状态能量。因此,可以通过检查系统的Hankel SV来直接确定降阶。基于汉克尔奇异值的模型约简例程根据其误差界类型进行分组。在很多情况下,加性误差法gre =减少(G,顺序)
足以提供一个良好的降阶模型。但对于具有轻微阻尼极点和/或零的系统,乘法误差法(即,gre =减少(G,秩序,“ErrorType”,“乘”)
),使两者之间的相对误差最小化G
和gre考试
往往会产生更好的契合度。
的输入参数减少
.
论点 |
描述 |
---|---|
G |
要缩减的LTI模型(在没有任何其他输入的情况下,将绘制其Hankel奇异值并提示其订单缩减)。 |
订单 |
(可选)用于简化模型的所需顺序的整数,或可选的包含批处理运行所需顺序的向量。 |
通过指定,可以生成一系列不同的简化订单模型的批处理运行订单= x, y
,或整数向量。默认情况下,物理系统的所有反稳定部分都保留下来,因为从控制稳定性的角度来看,摆脱不稳定状态对系统建模是危险的。
'
MaxError
'
是否可以以相同的方式指定'
订单
'
后一个'
ErrorType
'
被选中。在这种情况下,当汉克尔SV的尾部之和达到时,将确定降阶'
MaxError
'
.
论点 |
价值 |
描述 |
---|---|---|
|
|
默认为 选择 选择 默认为 默认为 |
|
|
添加剂错误(默认) 模型输出的乘法误差 NCF nugap错误 |
|
不同误差的实数或矢量 |
降低达到H∞错误。 当礼物, |
|
|
LTI权重的最优1x2单元阵列 |
|
|
显示汉克尔奇异图(默认) |
|
整数、向量或单元格数组 |
简化模型的顺序。仅当没有指定作为第二个参数时使用。 |
在原始模型输入和/或输出上的权重可以使模型约简算法聚焦于某个感兴趣的频率范围。但权重必须是稳定的,最小相位和可逆的。
该表描述输出参数。
论点 |
描述 |
---|---|
gre考试 |
LTI降阶模型。当输入是一系列不同的模型顺序数组时,就变成多维数组。 |
REDINFO |
一个包含3个字段的STRUCT数组:
|
G
可以是稳定的也可以是不稳定的。G
和gre考试
可以是连续的,也可以是离散的。
用状态良好的原始模型进行成功的模型约简G
会确保缩小模型吗gre考试
满足无穷范数误差界。
[1] K. Glover,“线性多变量系统的所有最优Hankel范数逼近,及其L .∝-错误边界," Int。《控制》第39卷第2期6、1984年。
[2] M. G. Safonov和R. Y. Chiang,“一种平衡模型简化的Schur方法”,IEEE反式。自动售货机。来讲。AC-2卷,no。7, 1989年7月,第729-733页。
[3] M. G. Safonov, R. Y. Chiang和D. J. N. Limebeer,“非极小系统的最优Hankel模型约简”,IEEE反式。自动售货机。来讲。,第35卷第4期,1990年4月,第496-502页。
[4] M. G. Safonov和R. Y. Chiang,“鲁棒控制的模型约简:一种Schur相对误差方法”,国际自适应控制与信号处理杂志,第2卷,第259-272页,1988。
[5] K. Zhou, " Frequency weighted L[[BULLET]] error bounds, "系统。来讲,列托人。,Vol. 21, 115-125, 1993.