文档帮助中心文档
转换从连续,离散时间模型
sysd =汇集(sysc Ts)
sysd =汇集(sysc, Ts,方法)
sysd =汇集(sysc, Ts,选择)
(sysd G) =汇集(___)
例子
sysd=汇集(sysc,Ts)可连续时间动态系统模型sysc使用零级的输入和样品时间Ts。
sysd=汇集(sysc,Ts)
sysd
sysc
Ts
sysd=汇集(sysc,Ts,方法)指定了离散化方法。
sysd=汇集(sysc,Ts,方法)
方法
sysd=汇集(sysc,Ts,选择)离散化的指定附加选项。
sysd=汇集(sysc,Ts,选择)
选择
(sysd,G)=汇集(___),在那里sysc状态空间模型是一个,返回一个矩阵,G连续映射的初始条件x0和u0对离散时间状态空间模型的初始状态向量x[0]。
(sysd,G)=汇集(___)
G
全部折叠
离散化连续时间传递函数如下:
H ( 年代 ) = e - - - - - - 0 。 3 年代 年代 - - - - - - 1 年代 2 + 4 年代 + 5 。
这个系统的输入延迟0.3 s。离散化系统使用三角形(一阶保持器)近似样品时间Ts= 0.1 s。
H =特遣部队([1],[1 4 5],“InputDelay”,0.3);高清=汇集(H, 0.1,“呸”);
比较一步反应的连续时间和离散系统。
步骤(H,“- - -”高清,“——”)
传递函数离散化下列延迟使用零输入,和10-Hz采样率。
H ( 年代 ) = e - - - - - - 0 。 2 5 年代 1 0 年代 2 + 3 年代 + 1 0 。
特遣部队(h = 10 (1 3 10)“IODelay”,0.25);高清=汇集(h, 0.1)
高清z ^ 2 = 0.01187 + 0.06408 + 0.009721 z ^ (3) * - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - z z ^ 2 - 1.655 + 0.7408样品时间:0.1秒离散传递函数。
在这个例子中,离散模型高清有三个采样周期的延迟。离散化算法吸收剩余半周期延迟的系数高清。
高清
比较连续时间和离散模型的一步反应。
步骤(h,“——”高清,“- - -”)
创建一个连续时间状态空间模型与两个州和一个输入延迟。
sys = ss (tf ([1,2], [1 4 2]));sys。InputDelay = 2.7
sys = 4 = (x1, x2) x1 2 x2 u1 x1 2 x2 0 1 0 B = C = (x1, x2)日元0.5 - 1 D = u1 y1 0输入延迟(秒):2.7连续时间状态空间模型。
离散化模型使用Tustin离散化方法和Thiran过滤器模型部分延迟。样品时间Ts= 1秒。
选择= c2dOptions (“方法”,“tustin”,“FractDelayApproxOrder”3);sysd1 =汇集(sys, 1,选择)
sysd1 = = (x1, x2) x3 x4 x5 (x1, x2) 0.2857 0.7143 -0.001325 -0.4286 -0.5714 -0.00265 0.06954 2.286 0.03477 - 1.143 0.25 x3 0 0 -0.2432 0.1449 -0.1153 x4 0 0 0 0 0.125 x5 0 0 0 0 B = 0.001029 u1 x1 0.002058 x2 0 x3 8 x4 x5 0 x1 C = x3 x4 x5日元0.2857 0.7143 -0.001325 0.001029 0.03477 - 1.143 D = u1 y1样品时间:1秒离散时间状态空间模型。
现在的离散模型包含三个额外的州x3,x4,x5对应于一个三阶Thiran过滤器。由于时间延迟除以样本时间是2.7,三阶Thiran过滤器(“FractDelayApproxOrder”= 3)可以近似整个时间延迟。
x3
x4
x5
“FractDelayApproxOrder”
这个示例使用:
估计一个连续时间传递函数,离散化。
负载iddata1sys1c =特遣部队(z1, 2);sys1d =汇集(sys1c, 0.1,“zoh”);
估计二阶离散传递函数。
sys2d =特遣部队(z1 2“t”,0.1);
比较离散连续时间的响应传递函数模型,sys1d,直接估计离散时间模型,sys2d。
sys1d
sys2d
比较(z1, sys1d sys2d)
两个系统是几乎相同的。
建立状态空间模型离散化一个确定提前一步预测的反应。
创建一个连续时间状态空间模型确定使用估计数据。
负载iddata2sysc = ss (z2, 4);
预测未来互译预测的反应sysc。
预测(sysc z2)
离散化模型。
sysd =汇集(sysc, 0.1,“zoh”);
建立一个预测模型从离散模型,sysd。
[A, B, C, D, K) = idssdata (sysd);预测= ss (a - K * C [K常数* D], C, D [0], 0.1);
预测它使用两个输入模型测量输出和输入信号([z1。y z1.u])计算互译预测的反应sysc。
预测
([z1。y z1.u])
模拟预测模型得到相同的回应预测命令。
lsim(预测[z2.y z2.u])
预测模型的仿真给出了相同的反应预测(sysc z2)。
连续时间模型,指定为一个动态系统模型如特遣部队,党卫军,或zpk。sysc不能一个频率响应数据模型。sysc可以是一个输出或MIMO系统,除了吗“匹配”只支持输出系统离散化方法。金宝app
特遣部队
党卫军
zpk
“匹配”
sysc可以有输入/输出或内部时间延迟;然而,“匹配”,“冲动”,最小二乘的状态空间模型与方法不支持内部时金宝app间延迟。
“冲动”
最小二乘的
以下确认不能直接离散线性系统:
idgrey模型的FunctionType是“c”。转换为中的难点第一个模型。
idgrey
FunctionType
“c”
中的难点
idproc模型。转换为idtf或idpoly第一个模型。
idproc
idtf
idpoly
样品时间,指定为一个积极的标量表示采样周期产生的离散时间系统。Ts是在TimeUnit,这是sysc.TimeUnit财产。
TimeUnit
sysc.TimeUnit
“zoh”
“呸”
“tustin”
离散化方法,指定为以下值之一:
“zoh”——零(默认)。假设控制输入样本时间分段常数Ts。
“呸”一阶保持三角形近似(修改)。假设控制输入是分段线性的样品时间Ts。
“冲动”——脉冲不变离散化
“tustin”双线性(Tustin)方法。指定该方法与频率prewarping(原名“prewarp”方法),使用PrewarpFrequency选择c2dOptions。
“prewarp”
PrewarpFrequency
c2dOptions
“匹配”- Zero-pole匹配方法
最小二乘的——最小二乘法
“阻尼”——阻尼Tustin近似的基础上TRBDF2稀疏模型公式。
“阻尼”
TRBDF2
对于算法为每个信息转换方法,明白了Continuous-Discrete转换方法。
离散化选项,指定为一个c2dOptions对象。例如,指定prewarp频率,Thiran过滤器的顺序或离散化方法的选择。
离散时间模型,作为一个动态系统模型返回相同类型的输入系统sysc。
当sysc是一个识别(IDLTI)模型,sysd:
包括测量和噪声的组成部分sysc。创新方差λ连续时间的识别模型sysc,存储在其NoiseVariance财产,被解释为的强度噪声频谱的谱密度。的噪声方差sysd因此,λ/ Ts。
NoiseVariance
不包括参数估计协方差的sysc。如果你想翻译的协方差,而离散化模型,使用translatecov。
translatecov
连续时间的映射初始条件x0和u0状态空间模型的sysc离散时间的初始状态向量x[0],作为一个矩阵返回。映射初始状态向量的初始条件如下:
x ( 0 ] = G ⋅ ( x 0 u 0 ]
状态空间模型与时间延迟,汇集垫矩阵G与0占更多国家引入了离散化的延迟。看到Continuous-Discrete转换方法讨论了时滞离散系统建模。
汇集
c2dOptions|d2c|d2d|thiran|translatecov(系统辨识工具箱)|模型转换速率
d2c
d2d
thiran
您有一张这本Beispiels geanderte版本。您这本Beispiel麻省理工学院古老Anderungen offnen吗?
您有窗户的链接geklickt,汪汪汪der diesem MATLAB-Befehl entspricht:
在das MATLAB-Befehlsfenster Fuhren您窝Befehl军队Eingabe来自。浏览器unterstutzen MATLAB-Befehle。
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室