Сгенерируйте случайные выборки неопределенной или обобщенной модели
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)
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.
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(:))
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))
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.
rsampleBlock | ucomplex | ufind | ufrd | ultidyn | umat | ureal | usample | uss | usubs