Сетка ureal параметры однородно в их области значений
B = gridureal(A,N)
[B,SampleValues] = gridureal(A,N)
[B,SampleValues] = gridureal(A,NAMES,N)
[B,SampleValues] = gridureal(A,NAMES1,N1,NAMES2,N2,...)
B = gridureal(A,N) замены N однородно распределенные выборки неопределенных действительных параметров в A. Выборки выбраны, чтобы сократить “по диагонали” через куб действительного пробела неопределенности параметра. Массив B имеет размер, равный [size(A) N]. Например, предположите A имеет 3 неопределенных действительных параметра, скажите XY и Z. Позвольте (x1, x2 , , and xN) обозначьте N универсальные выборки X через его область значений. Подобный для Y и Z. Затем демонстрационный A в точках (x1, y1, z1), (x2, y2, z2), и (xN, yN, zN) получить результат B.
Если A зависит от дополнительных неопределенных объектов, затем B будет неопределенный объект.
[B,SampleValues] = gridureal(A,N) дополнительно возвращает определенные произведенные значения (как structure чьи имена полей являются именами A's неопределенные элементы) неопределенных реалов. Следовательно, B совпадает с usubs(A,SampleValues).
[B,SampleValues] = gridureal(A,NAMES,N) выборки только неопределенные реалы перечислены в NAMES переменная (cell, или char массив. Любые записи NAMES это не элементы A просто проигнорированы. Обратите внимание на то, что gridureal(A, fieldnames(A.Uncertainty),N) совпадает с gridureal(A,N).
[B,SampleValues] = gridureal(A,NAMES1,N1,NAMES2,N2,...) берет N1 выборки неопределенных действительных параметров перечислены в NAMES1, и N2 выборки неопределенных действительных параметров перечислены в NAMES2 и так далее. size(B) будет равняться [size(A) N1 N2 ...].
Создайте два неопределенных действительных параметра gamma и tau. Номинальная стоимость gamma 4, и его область значений равняется 3 - 5. Номинальная стоимость tau 0.5, и его значение может варьироваться +/-30 процентов.
gamma = ureal('gamma',4); tau = ureal('tau',.5,'Percentage',30);
Эти неопределенные параметры используются, чтобы создать неопределенную передаточную функцию p. Интегральный контроллер, c, синтезируется для объекта p на основе номинальной стоимости gamma и tau. Неопределенная система с обратной связью clp формируется.
p = tf(gamma,[tau 1]); KI = 1/(2*tau.Nominal*gamma.Nominal); c = tf(KI,[1 0]); clp = feedback(p*c,1);
Фигура ниже показов модульный переходной процесс разомкнутого контура (главный график) и ответ с обратной связью (нижний график) для сетки 20 значений gamma и tau.
subplot(2,1,1); step(gridureal(p,20),6)
title('Open-loop plant step responses')
subplot(2,1,2); step(gridureal(clp,20),6)
График иллюстрирует низкочастотную нечувствительность с обратной связью, достигнутую системой управления PI.
Этот пример иллюстрирует различные варианты в высоко-размерном gridding (например, n больше, чем 2) пространства параметров.
Создайте неопределенную матрицу, m, от четырех неопределенных действительных параметров, aBC, и d, каждое составление отдельных записей в m.
a = ureal('a',1); b = ureal('b',2); c = ureal('c',3); d = ureal('d',4); m = [a b;c d];
Во-первых, сетка (a,b) пробел в пяти местах и (c,d) пробел в трех местах.
m1 = gridureal(m,{'a';'b'},5,{'c';'d'},3);gridureal оценивает неопределенный матричный m в этих 15 узлах решетки, приводящих к числовому матричному m1.
Затем сетка (a,b,c,d) пробел в 15 местах.
m2 = gridureal(m,{'a';'b';'c';'d'},15);gridureal производит неопределенный матричный m в этих 15 точках, приводящих к числовому матричному m2.
(2,1) запись m только неопределенный действительный параметр c. Постройте гистограммы (2,1) запись обоих m1 и m2. (2,1) запись m1 только берет три отличных значения, в то время как (2,1) запись m2 берет 15 отличных значений однородно через его область значений.
subplot(2,1,1) hist(squeeze(m1(2,1,:))) title('2,1 entry of m1') subplot(2,1,2) hist(squeeze(m2(2,1,:))) title('2,1 entry of m2')
