Модель и упрощение контроллера

Сокращение порядка моделей объекта управления и синтезируемых контроллеров

Сложные модели не всегда требуются для хорошего управления. К сожалению, методы оптимизации, включая методы на основе H H 2, и µ - теория оптимального управления синтеза, обычно имеют тенденцию производить контроллеры с, по крайней мере, столькими же состояний сколько модель объекта управления. Команды сокращения порядка модели помогают вам найти менее комплексные аппроксимации младшим порядком к объекту и моделям контроллеров.

Функции

reduceУпрощенный доступ к основанным на сингулярном значении функциям снижения сложности модели Ганкеля
balancmrСбалансированное образцовое усечение с помощью метода квадратного корня
bstmrСбалансированное стохастическое образцовое усечение (BST) с помощью метода Шура
hankelmrМинимальное приближение степени (MDA) Ганкеля без балансировки
hankelsvВычислите сингулярные значения Ганкеля для стабильной/нестабильной или непрерывной/дискретной системы
modrealМодальная реализация формы и проекция
ncfmrСбалансированное образцовое усечение для нормированных взаимно-простых факторов
schurmrСбалансированное образцовое усечение с помощью метода Шура
dcgainmrУменьшаемая модель порядка
slowfastМедленное и быстрое разложение режимов

Темы

Почему уменьшают порядок модели?

В проекте устойчивых контроллеров для сложных систем снижение сложности модели соответствует нескольким целям.

Сингулярные значения Ганкеля

Сингулярные значения Ганкеля задают энергию каждого состояния в системе. Техники снижения сложности модели на основе сингулярных значений Ганкеля могут достигнуть модели уменьшаемого порядка, которая сохраняет важные характеристики системы.

Техники снижения сложности модели

Стандартные программы снижения сложности модели категоризированы в две группы, аддитивную ошибку и мультипликативные ошибочные типы.

Аппроксимированная модель объекта управления аддитивными ошибочными методами

Уменьшайте модель с balancmr и исследуйте получившуюся образцовую ошибку.

Аппроксимированная модель объекта управления мультипликативным ошибочным методом

Уменьшайте модель с bstmr и исследуйте получившуюся образцовую ошибку.

Используя модальные алгоритмы

modreal позволяет вам уменьшать модель при сохранении - полюса оси.

Сокращение крупномасштабных моделей

modreal может быть лучшим способом запуститься при сокращении больших моделей.

Нормированное взаимно-простое факторное сокращение

Вычислите модель уменьшаемого порядка путем усечения сбалансированного взаимно-простого набора модели.

Упрощение представления неопределенных объектов

Упростите неопределенные модели, созданные от неопределенных элементов, чтобы гарантировать, что внутреннее представление модели минимально.

Популярные примеры

Для просмотра документации необходимо авторизоваться на сайте