uss/usample
Сгенерируйте случайные выборки неопределенной или обобщенной модели
Синтаксис
B = usample(A); B = usample(A,N) [B,SampleValues] = usample(A,N) [B,SampleValues] = usample(A,Names,N) [B,SampleValues] = usample(A,Names1,N1,Names2,N2,...) [B,SampleValues] = usample(A,N,Wmax) [B,SampleValues] = usample(A,Names,N,Wmax)
Описание
B = usample(A) заменяет случайной выборкой неопределенных объектов в A, возвращая определенное (т.е. весьма бесспорный) массив size [size(A)]. Вход A может быть любым неопределенным элементом, матрицей или системой, такой как ureal, umat, uss или ufrd. A может также быть любой обобщенной матрицей или системой, такой как genss или genmat, который содержит неопределенные блоки и другие типы Блоков Системы управления (Control System Toolbox). Если A содержит ненеопределенные блоки системы управления, они неизменны в B. Таким образом, например, usample применился к genss и с настраиваемыми и с неопределенными блоками, результатом является массив genss только с настраиваемыми блоками.
B = usample(A,N) замены случайные выборки N неопределенных объектов в A, возвращая определенное (т.е. весьма бесспорный) массив size [size(A) N].
[B,SampleValues] = usample(A,N) дополнительно возвращает определенные выбранные значения (как Struct, имена полей которого являются именами A' s неопределенные элементы) неопределенных элементов. Следовательно, B совпадает с usubs(A,SampleValues).
[B,SampleValues] = usample(A,Names,N) выборки только неопределенные элементы, перечисленные в переменной Names (ячейка или массив символов). Если Names не будет включать все неопределенные объекты в A, то B будет неопределенным объектом. Любые записи Names, которые не являются элементами of A, просто проигнорированы. Обратите внимание на то, что usample(A,fieldnames(A.Uncertainty),N) совпадает с usample(A,N).
[B,SampleValues] = usample(A,Names1,N1,Names2,N2,...) берет выборки N1 неопределенных элементов, перечисленных в Names1 и выборках N2 неопределенных элементов, перечисленных в Names2, и так далее. size(B) будет равняться [size(A) N1 N2 ...].
Скалярный параметр Wmax в
[B,SampleValues] = usample(A,N,Wmax) [B,SampleValues] = usample(A,Names,N,Wmax) [B,SampleValues] = usample(A,Names,N,Wmax)
влияет, как элементы ultidyn в A выбираются, ограничивая полюса выборок. Если A будет непрерывно-разовый uss или ufrd, то полюса выбранного GainBounded элементы ultidyn в SampleValues будут каждый иметь значение <= BW. Если A является дискретным временем, то выбранный GainBounded элементы ultidyn получен преобразованием Тастина, с помощью BW/(2*TS) в качестве (непрерывного) связанного значения полюса. В этом случае BW должен быть < 1. Если типом ultidyn является PositiveReal, то выборки получены путем билинейного преобразования (см. Функции Нормализации для Неопределенных Элементов), элементы GainBounded, описанные выше.
Примеры
Демонстрационный действительный параметр
Создайте действительный неопределенный параметр, выберите его и постройте гистограмму выбранных значений.
A = ureal('A',5);
Asample = usample(A,500);Исследуйте размер параметра и демонстрационного массива.
size(A)
Uncertain real scalar.
size(Asample)
ans = 1×3
1 1 500
A является скалярным параметром. Размерности Asample отражают, что A является параметром 1 на 1. Исследуйте тип данных Asample.
class(Asample)
ans = 'double'
Выборки скалярного параметра являются численными значениями.
Постройте гистограмму выбранных значений.
hist(Asample(:))
Демонстрационные ответы неопределенной модели системы управления
Этот пример иллюстрирует, как выбрать открытый и ответ с обратной связью неопределенной модели объекта управления для анализа Монте-Карло.
Создайте два неопределенных действительных параметра и неопределенный объект.
gamma = ureal('gamma',4); tau = ureal('tau',.5,'Percentage',30); P = tf(gamma,[tau 1]);
Создайте интегральный контроллер на основе номинальной стоимости неуверенности объекта.
KI = 1/(2*tau.Nominal*gamma.Nominal); C = tf(KI,[1 0]);
Теперь создайте неопределенную систему с обратной связью.
CLP = feedback(P*C,1);
Выберите объект в 20 значениях, распределенных однородно о tau и кубе параметра gamma.
[Psample1D,Values1D] = usample(P,20); size(Psample1D)
20x1 array of state-space models. Each model has 1 outputs, 1 inputs, and 1 states.
Эта выборка возвращает массив 20 моделей в пространстве состояний, каждый представляющий систему с обратной связью в неуверенности.
Теперь выберите объект в 10 значениях tau и 15 значениях gamma.
[Psample2D,Values2D] = usample(P,'tau',10,'gamma',15); size(Psample2D)
10x15 array of state-space models. Each model has 1 outputs, 1 inputs, and 1 states.
Постройте переходные процессы 1D выбранного объекта.
subplot(2,1,1); step(Psample1D)
Оцените неопределенную модель с обратной связью в тех же значениях с помощью usubs и постройте переходной процесс.
subplot(2,1,2); step(usubs(CLP,Values1D))
Ограничьте местоположения полюса в выбранной неопределенной динамике
Чтобы видеть эффект ограничения пропускной способности выбранных моделей с Wmax, создайте два объекта ultidyn.
A = ultidyn('A',[1 1]); B = ultidyn('B',[1 1]);
Демонстрационные 10 экземпляров каждого, с помощью предела пропускной способности 1 рада/секунда на A и 20 радов/секунда на B.
Npts = 10; As = usample(A,Npts,1); Bs = usample(B,Npts,20);
Постройте 10-секундные переходные процессы для двух демонстрационных наборов.
step(As,'r',Bs,'b--',10)
Более низкая пропускная способность ограничивает на выборках результатов A в обычно более медленных переходных процессах для тех выборок.
Смотрите также
rsampleBlock | ucomplex | ufind | ufrd | ultidyn | umat | ureal | usample | uss | usubs