主要内容

Pade近似值

Pade的近似值(,n]近似函数f(x周围)x=x0作为

一个 0 + 一个 1 ( x x 0 ) + + 一个 ( x x 0 ) 1 + b 1 ( x x 0 ) + + b n ( x x 0 ) n

Pade的近似值是有理函数由两个幂级数的比率。因为它是一个有理函数,它比泰勒级数在近似函数更精确的波兰人。Pade的近似值是由符号数学工具箱™函数表示pade

当存在一个杆或零扩张点x=x0的准确性,Pade近似值减少。提高准确性,另一种形式的Pade近似值可以是使用

( x x 0 ) p ( 一个 0 + 一个 1 ( x x 0 ) + + 一个 ( x x 0 ) ) 1 + b 1 ( x x 0 ) + + b n ( x x 0 ) n

pade函数返回的替代形式Pade近似值当你设置OrderMode输入参数相对

Pade的近似值是用于控制系统理论模型的响应时间延迟系统。出现时间延迟系统,如化学和运输过程中有一个输入和系统响应之间的延迟。这些输入建模时,他们被称为空载投入。这个例子展示了如何使用符号数学工具箱模型响应的一阶系统空载投入使用Pade近似值。

一阶系统的行为是由微分方程描述

τ d y ( t ) d t + y ( t ) = 一个 x ( t )

在MATLAB输入微分方程®

信谊τ一个x (t)y (t)xS (s)y (s)H(年代)tmpF =τ* diff (y) * x + y = =;

找到的拉普拉斯变换F使用拉普拉斯

F =拉普拉斯(F, t, s)
F =
                 
                  
                   
                    
                     
                      
                       
                        
                         
                          拉普拉斯
                        
                        
                         
                          (
                         
                          
                           
                            
                             
                              y
                            
                            
                             
                              (
                             
                              
                               
                                t
                              
                             
                             
                              )
                            
                           
                           
                            ,
                           
                            t
                           
                            ,
                           
                            年代
                          
                         
                         
                          )
                        
                       
                       
                        - - - - - -
                       
                        
                         
                          τ
                         
                         
                         
                          
                           
                            
                             
                              
                               
                                y
                              
                              
                               
                                (
                               
                                
                                 
                                  0
                                
                               
                               
                                )
                              
                             
                             
                              - - - - - -
                             
                              
                               
                                年代
                               
                               
                               
                                
                                 
                                  拉普拉斯
                                
                                
                                 
                                  (
                                 
                                  
                                   
                                    
                                     
                                      y
                                    
                                    
                                     
                                      (
                                     
                                      
                                       
                                        t
                                      
                                     
                                     
                                      )
                                    
                                   
                                   
                                    ,
                                   
                                    t
                                   
                                    ,
                                   
                                    年代
                                  
                                 
                                 
                                  )
                                
                               
                              
                             
                            
                           
                          
                         
                        
                       
                      
                     
                     
                      =
                     
                      
                       
                        一个
                       
                       
                       
                        
                         
                          拉普拉斯
                        
                        
                         
                          (
                         
                          
                           
                            
                             
                              x
                            
                            
                             
                              (
                             
                              
                               
                                t
                              
                             
                             
                              )
                            
                           
                           
                            ,
                           
                            t
                           
                            ,
                           
                            年代
                          
                         
                         
                          )
                        
                       
                      
                     
                    
                   
                  
                 

假设系统的响应t = 00。使用潜艇来代替y (0) = 0

F =潜艇(F, y (0), 0)
F =
                 
                  
                   
                    
                     
                      
                       
                        
                         
                          拉普拉斯
                        
                        
                         
                          (
                         
                          
                           
                            
                             
                              y
                            
                            
                             
                              (
                             
                              
                               
                                t
                              
                             
                             
                              )
                            
                           
                           
                            ,
                           
                            t
                           
                            ,
                           
                            年代
                          
                         
                         
                          )
                        
                       
                       
                        +
                       
                        
                         
                          年代
                         
                         
                         
                          τ
                         
                         
                         
                          
                           
                            拉普拉斯
                          
                          
                           
                            (
                           
                            
                             
                              
                               
                                y
                              
                              
                               
                                (
                               
                                
                                 
                                  t
                                
                               
                               
                                )
                              
                             
                             
                              ,
                             
                              t
                             
                              ,
                             
                              年代
                            
                           
                           
                            )
                          
                         
                        
                       
                      
                     
                     
                      =
                     
                      
                       
                        一个
                       
                       
                       
                        
                         
                          拉普拉斯
                        
                        
                         
                          (
                         
                          
                           
                            
                             
                              x
                            
                            
                             
                              (
                             
                              
                               
                                t
                              
                             
                             
                              )
                            
                           
                           
                            ,
                           
                            t
                           
                            ,
                           
                            年代
                          
                         
                         
                          )
                        
                       
                      
                     
                    
                   
                  
                 

收集常用术语,使用简化

F =简化(F)
F =
                 
                  
                   
                    
                     
                      
                       
                        
                         
                          
                           
                            
                             
                              年代
                             
                             
                             
                              τ
                            
                           
                           
                            +
                           
                            1
                          
                         
                        
                       
                       
                       
                       
                        
                         
                          拉普拉斯
                        
                        
                         
                          (
                         
                          
                           
                            
                             
                              y
                            
                            
                             
                              (
                             
                              
                               
                                t
                              
                             
                             
                              )
                            
                           
                           
                            ,
                           
                            t
                           
                            ,
                           
                            年代
                          
                         
                         
                          )
                        
                       
                      
                     
                     
                      =
                     
                      
                       
                        一个
                       
                       
                       
                        
                         
                          拉普拉斯
                        
                        
                         
                          (
                         
                          
                           
                            
                             
                              x
                            
                            
                             
                              (
                             
                              
                               
                                t
                              
                             
                             
                              )
                            
                           
                           
                            ,
                           
                            t
                           
                            ,
                           
                            年代
                          
                         
                         
                          )
                        
                       
                      
                     
                    
                   
                  
                 

可读性,取代的拉普拉斯变换x (t)y (t)xS (s)y (s)

F =潜艇(F,[拉普拉斯(x (t), t, s)拉普拉斯(y (t), t, s)], [x (s) y (s)))
F =
                 
                  
                   
                    
                     
                      
                       
                        
                         
                          y
                        
                        
                         
                          (
                         
                          
                           
                            年代
                          
                         
                         
                          )
                        
                       
                       
                       
                       
                        
                         
                          
                           
                            
                             
                              年代
                             
                             
                             
                              τ
                            
                           
                           
                            +
                           
                            1
                          
                         
                        
                       
                      
                     
                     
                      =
                     
                      
                       
                        一个
                       
                       
                       
                        
                         
                          xS
                        
                        
                         
                          (
                         
                          
                           
                            年代
                          
                         
                         
                          )
                        
                       
                      
                     
                    
                   
                  
                 

传递函数的拉普拉斯变换y (s) / xS (s)。方程的两边xS (s)和使用潜艇来代替y (s) / xS (s)H(年代)

F = F / xS(年代);F =潜艇(F, y (s) / xS (s), H (s))
F =
                 
                  
                   
                    
                     
                      
                       
                        
                         
                          H
                        
                        
                         
                          (
                         
                          
                           
                            年代
                          
                         
                         
                          )
                        
                       
                       
                       
                       
                        
                         
                          
                           
                            
                             
                              年代
                             
                             
                             
                              τ
                            
                           
                           
                            +
                           
                            1
                          
                         
                        
                       
                      
                     
                     
                      =
                     
                      一个
                    
                   
                  
                 

解决的方程H(年代)。代替H(年代)哑变量,求出哑变量使用解决回,分配解决方案H(年代)

F =潜艇(F、H (s), tmp);H (s) =解决(F, tmp)
H (s) =

一个 年代 τ + 1

一阶系统的输入是一个阶跃输入。代表一个步骤的输入,使用亥维赛。延迟输入三个时间单位。发现使用拉普拉斯变换拉普拉斯

一步=亥维赛(t - 3);一步=拉普拉斯(步骤)
一步=

e - - - - - - 3 年代 年代

发现系统的响应,这是传递函数和输入的产物。

y = H (s) *步骤
y =

一个 e - - - - - - 3 年代 年代 年代 τ + 1

允许策划的回应,设置参数一个τ他们的价值观。为一个τ,选择值13,分别。

y =潜艇(y)(τ),3 [1]);y = ilaplace (y,年代);

找到Pade近似值(2 - 2)阶跃输入使用订单输入参数pade

stepPade22 = pade(步骤,“秩序”(2 - 2))
stepPade22 =

3 年代 2 - - - - - - 4 年代 + 2 2 年代 年代 + 1

找到应对输入乘以传递函数和Pade近似式的输入。

yPade22 = H (s) * stepPade22
yPade22 =

一个 3 年代 2 - - - - - - 4 年代 + 2 2 年代 年代 τ + 1 年代 + 1

找到的拉普拉斯逆变换yPade22使用ilaplace

yPade22 = ilaplace (yPade22年代)
yPade22 =

一个 + 9 一个 e - - - - - - 年代 2 τ - - - - - - 2 - - - - - - 一个 e - - - - - - 年代 τ 2 τ 2 + 4 τ + 3 τ 2 τ - - - - - - 2

情节响应,设置参数一个τ他们的价值观13,分别。

yPade22 =潜艇(yPade22(τ),1 [3])
yPade22 =

9 e - - - - - - 年代 4 - - - - - - 11 e - - - - - - 年代 3 4 + 1

画出系统的响应y并从Pade响应计算近似值yPade22

持有网格fplot ([y yPade22],[0] 20日)标题(“Pade近似值空载阶跃输入的)传说(“空载阶跃输入响应”,“Pade近似式(2 - 2)的,“位置”,“最佳”)

图包含一个坐标轴对象。坐标轴对象与标题Pade近似值为空载阶跃输入包含2 functionline类型的对象。这些对象代表空载阶跃输入响应,Pade近似式(2 - 2)。

(2 - 2)Pade近似值并不代表响应因为一个钢管扩张点的存在0。增加的准确性pade当有一个杆或零膨胀点,设置OrderMode输入参数相对和重复这些步骤。有关详细信息,请参见pade

stepPade22Rel = pade(步骤,“秩序”(2 - 2),“OrderMode”,“相对”)
stepPade22Rel =

3 年代 2 - - - - - - 6 年代 + 4 年代 3 年代 2 + 6 年代 + 4

yPade22Rel = H (s) * stepPade22Rel
yPade22Rel =

一个 3 年代 2 - - - - - - 6 年代 + 4 年代 年代 τ + 1 3 年代 2 + 6 年代 + 4

yPade22Rel = ilaplace (yPade22Rel)
yPade22Rel =

一个 - - - - - - 一个 e - - - - - - t τ 4 τ 2 + 6 τ + 3 σ 1 + 12 一个 τ e - - - - - - t 因为 ( 3 t 3 ) - - - - - - 3 ( 3 t 3 ) 36 一个 - - - - - - 72年 一个 τ 36 一个 τ + 1 σ 1 在哪里 σ 1 = 4 τ 2 - - - - - - 6 τ + 3

yPade22Rel =潜艇(yPade22Rel(τ),1 [3])
yPade22Rel =

12 e - - - - - - t 因为 ( 3 t 3 ) + 2 3 ( 3 t 3 ) 3 7 - - - - - - 19 e - - - - - - t 3 7 + 1

fplot (yPade22Rel 20] [0,“DisplayName的”,的相对Pade近似式(2 - 2)的)

图包含一个坐标轴对象。坐标轴对象与标题Pade近似值为空载阶跃输入包含3 functionline类型的对象。这些对象代表空载阶跃输入响应,Pade近似式(2 - 2),相对Pade近似式(2 - 2)。

的准确性Pade近似值也可以增加增加订单。增加订单5 [4]和重复这些步骤。的n (n - 1)Pade近似值在近似响应更好t = 0[n n]Pade近似值。

stepPade45 = pade(步骤,“秩序”[4 - 5])
stepPade45 =

27 年代 4 - - - - - - 180年 年代 3 + 540年 年代 2 - - - - - - 840年 年代 + 560年 年代 27 年代 4 + 180年 年代 3 + 540年 年代 2 + 840年 年代 + 560年

yPade45 = H (s) * stepPade45
yPade45 =

一个 27 年代 4 - - - - - - 180年 年代 3 + 540年 年代 2 - - - - - - 840年 年代 + 560年 年代 年代 τ + 1 27 年代 4 + 180年 年代 3 + 540年 年代 2 + 840年 年代 + 560年

yPade45 =潜艇(yPade45(τ),1 [3])
yPade45 =

27 年代 4 - - - - - - 180年 年代 3 + 540年 年代 2 - - - - - - 840年 年代 + 560年 年代 3 年代 + 1 27 年代 4 + 180年 年代 3 + 540年 年代 2 + 840年 年代 + 560年

yPade45 = ilaplace (yPade45)
yPade45 =

101520年 k = 1 4 e σ 2 t σ 2 12 90年 σ 2 + 45 σ 2 2 + 9 σ 2 3 + 70年 143年 - - - - - - 2721年 e - - - - - - t 3 1001年 + 172560年 k = 1 4 e t σ 2 σ 1 143年 + 294120年 k = 1 4 e t σ 2 σ 2 2 σ 1 1001年 + 46440年 k = 1 4 e t σ 2 σ 2 3 σ 1 1001年 + 1 在哪里 σ 1 = 12 9 σ 2 3 + 45 σ 2 2 + 90年 σ 2 + 70年 σ 2 = ( z 4 + 20. z 3 3 + 20. z 2 + 280年 z 9 + 560年 27 , z , k )

yPade45 = vpa (yPade45)
yPade45 =
                 
                  
                   
                    
                     
                      
                       
                        3.2418384981662546679005910164486
                       
                       
                       
                        
                         
                          e
                        
                        
                         
                          
                           
                            - - - - - -
                           
                            
                             
                              1.930807068546914778929595950184
                             
                             
                             
                              t
                            
                           
                          
                         
                        
                       
                       
                       
                       
                        
                         
                          因为
                        
                        
                         
                          (
                         
                          
                           
                            
                             
                              0.57815608595633583454598214328008
                             
                             
                             
                              t
                            
                           
                          
                         
                         
                          )
                        
                       
                      
                     
                     
                      - - - - - -
                     
                      
                       
                        2.7182817182817182817182817182817
                       
                       
                       
                        
                         
                          e
                        
                        
                         
                          
                           
                            - - - - - -
                           
                            
                             
                              0.33333333333333333333333333333333
                             
                             
                             
                              t
                            
                           
                          
                         
                        
                       
                      
                     
                     
                      - - - - - -
                     
                      
                       
                        1.5235567798845363861823092981669
                       
                       
                       
                        
                         
                          e
                        
                        
                         
                          
                           
                            - - - - - -
                           
                            
                             
                              1.4025262647864185544037373831494
                             
                             
                             
                              t
                            
                           
                          
                         
                        
                       
                       
                       
                       
                        
                         
                          因为
                        
                        
                         
                          (
                         
                          
                           
                            
                             
                              1.7716120279045018112388813990878
                             
                             
                             
                              t
                            
                           
                          
                         
                         
                          )
                        
                       
                      
                     
                     
                      +
                     
                      
                       
                        11.595342871672681856604670597166
                       
                       
                       
                        
                         
                          e
                        
                        
                         
                          
                           
                            - - - - - -
                           
                            
                             
                              1.930807068546914778929595950184
                             
                             
                             
                              t
                            
                           
                          
                         
                        
                       
                       
                       
                       
                        
                         
                        
                        
                         
                          (
                         
                          
                           
                            
                             
                              0.57815608595633583454598214328008
                             
                             
                             
                              t
                            
                           
                          
                         
                         
                          )
                        
                       
                      
                     
                     
                      - - - - - -
                     
                      
                       
                        1.7803798379230333426855987436911
                       
                       
                       
                        
                         
                          e
                        
                        
                         
                          
                           
                            - - - - - -
                           
                            
                             
                              1.4025262647864185544037373831494
                             
                             
                             
                              t
                            
                           
                          
                         
                        
                       
                       
                       
                       
                        
                         
                        
                        
                         
                          (
                         
                          
                           
                            
                             
                              1.7716120279045018112388813990878
                             
                             
                             
                              t
                            
                           
                          
                         
                         
                          )
                        
                       
                      
                     
                     
                      +
                     
                      1.0
                    
                   
                  
                 
fplot (yPade45 20] [0,“DisplayName的”,“Pade近似值[4 - 5])

图包含一个坐标轴对象。坐标轴对象与标题Pade近似值为空载阶跃输入包含4 functionline类型的对象。这些对象代表空载阶跃输入响应,Pade近似式(2 - 2),相对Pade近似式(2 - 2),Pade近似值[4 - 5]。

以下几点所示:

  • Pade近似值可以输入模型空载步骤。

  • 的准确性Pade近似值随的增加近似式的顺序。

  • 当存在一个杆或零膨胀点,Pade的近似值是不准确的扩张点。增加的准确性近似值,设置OrderMode选项相对。您还可以使用增加相对于分子分母的顺序。