В проекте устойчивых контроллеров для сложных систем снижение сложности модели соответствует нескольким целям:
Упростить наилучшую имеющуюся модель в свете цели, для которой модель должна использоваться — а именно, чтобы спроектировать систему управления, чтобы соответствовать определенным спецификациям.
Ускорять процесс симуляции на этапе валидации проекта, с помощью меньшей модели размера с большинством важных системных сохраненных движущих сил.
Наконец, если современный метод управления, такой как LQG или H ∞ будет использоваться, для которого явным образом не ограничивается сложность закона о надзоре, порядок результирующего контроллера, вероятно, значительно будет больше, действительно необходим. Хороший алгоритм снижения сложности модели применился к закону о надзоре, может иногда значительно уменьшать сложность закона о надзоре с небольшим изменением в производительности системы управления.
Стандартные программы снижения сложности модели в этом тулбоксе могут быть помещены в две категории:
Аддитивный ошибочный метод — модели уменьшаемого порядка ограничил аддитивную ошибку ошибочный критерий.
Мультипликативный ошибочный метод — модель уменьшаемого порядка имеет мультипликативную или относительную погрешность, ограниченную ошибочным критерием.
Ошибка измеряется в терминах пикового усиления через частоту (H ∞ норма), и ошибочные границы являются функцией заброшенных сингулярных значений Ганкеля.