Приблизительная модель установки методом мультипликативной ошибки

В большинстве случаев метод снижения мультипликативной модели ошибок bstmr имеет тенденцию связывать относительную ошибку между исходной моделью и моделью с уменьшенным порядком в интересующем частотном диапазоне, следовательно, создавая более точную модель с уменьшенным порядком, чем аддитивные методы ошибок. Эта характеристика очевидна в моделях систем с низкими демпфированными полюсами.

Следующие команды иллюстрируют значимость метода уменьшения мультипликативной модели ошибок по сравнению с любым аддитивным типом ошибок. Очевидно, что алгоритм согласования фаз использует bstmr обеспечивает лучшее вписывание в график Боде.

rng(123456); 
G = rss(30,1,1);   % random 30-state model

[gr,infor] = reduce(G,'Algorithm','balance','order',7);
[gs,infos] = reduce(G,'Algorithm','bst','order',7);

figure(1)
bode(G,'b-',gr,'r--')
title('Additive Error Method')
legend('Original','Reduced')

figure(2)
bode(G,'b-',gs,'r--')
title('Relative Error Method')
legend('Original','Reduced')

Поэтому для некоторых систем с низкими демпфированными полюсами или нулями сбалансированный стохастический метод (bstmr) обеспечивает лучшее вписывание модели с уменьшенным порядком в эти диапазоны частот, чтобы сделать мультипликативную ошибку малой. В то время как аддитивные методы ошибок, такие как balancmr, schurmr, или hankelmr Только заботясь о минимизации общей «абсолютной» пиковой ошибки, они могут создать модель с уменьшенным порядком, в которой отсутствуют области низких демпфированных полюсов/нулей частоты.

См. также

balancmr | bstmr | hankelmr | schurmr

Связанные темы

• Методы сокращения модели
• Приблизительная модель установки методами аддитивных ошибок