用乘法误差法建立近似植物模型

在大多数情况下，乘法误差模型的减少方法bstmr在整个感兴趣的频率范围内，降低了原始模型和降阶模型之间的相对误差，从而得到了比加性误差方法更精确的降阶模型。这种特性在具有低阻尼极点的系统模型中是明显的。

下面的命令说明了乘法误差模型减少方法与任何加性误差类型相比的重要性。显然，采用了相位匹配算法bstmr更符合波德的情节。

rng (123456);G = rss(30、1、1);%随机30状态模型[gr,有限公司]=减少(G,“算法”，“平衡”，“秩序”7);(gs,信息]=减少(G,“算法”，“英国”，“秩序”7);图(1)波德(G,“b -”、gr、“r——”)标题(“附加误差法”)传说(“原始”，“减少”）

图(2)波德(G,“b -”、gs、“r——”)标题(的相对误差的方法)传说(“原始”，“减少”）

因此，对于某些具有低阻尼极点或零的系统，平衡随机法(bstmr)生成了较好的拟合频率范围的降阶模型，使乘法误差较小。而加法误差法balancmr，schurmr,或hankelmr只要关心最小化总体“绝对”峰值误差，他们就可以生成一个降阶模型，而忽略了那些低阻尼极点/零频率区域。

另请参阅

bstmr|balancmr|schurmr|hankelmr

相关的话题

• 模型降阶技术
• 用加性误差法建立近似对象模型