Сетка ureal параметры равномерно по их диапазону
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 равномерно разнесенные выборки неопределенных реальных параметров в A. Выборки выбирают так, чтобы вырезать «по диагонали» по кубу пространства неопределенности реальных параметров. Множество B имеет размер, равный [size(A) N]. Например, предположим A имеет 3 неопределенных реальных параметра, скажем X, Y и Z. Давайтеx1, x2 , , and xN) обозначают N однородные образцы X по всему диапазону. Аналогично для Y и Z. Затем образец A в точках (x1, y1, z1), (x2, y2, z2), и (xN, yN, zN) для получения результата B.
Если A зависит от дополнительных неопределенных объектов, то B будет неопределенным объектом.
[B,SampleValues] = gridureal(A,N) дополнительно возвращает конкретные выборочные значения (в виде structure чьи полевые имена являются именами A's неопределенные элементы) неопределенных реалов. Следовательно, B является таким же, как usubs(A,SampleValues).
[B,SampleValues] = gridureal(A,NAMES,N) образцы только неопределенных реалов, перечисленных в NAMES переменная (cell, или char массив). Любые записи NAMES которые не являются элементами A просто игнорируются. Обратите внимание, что gridureal(A, fieldnames(A.Uncertainty),N) является таким же, как gridureal(A,N).
[B,SampleValues] = gridureal(A,NAMES1,N1,NAMES2,N2,...) берет N1 образцы неопределенных реальных параметров, перечисленных в NAMES1, и N2 образцы неопределенных реальных параметров, перечисленных в NAMES2 и так далее. size(B) будет равняться [size(A) N1 N2 ...].
Создание двух неопределенных реальных параметров gamma и tau. Номинальное значение gamma равно 4 и его диапазон от 3 до 5. Номинальное значение tau составляет 0,5, и его значение может изменяться на +/- 30 процентов.
gamma = ureal('gamma',4); tau = ureal('tau',.5,'Percentage',30);
Эти неопределенные параметры используются для построения неопределенной передаточной функции. p. Интегральный контроллер, c, синтезируется для установки p на основе номинальных значений gamma и tau. Неопределенная система с замкнутым контуром clp формируют.
p = tf(gamma,[tau 1]); KI = 1/(2*tau.Nominal*gamma.Nominal); c = tf(KI,[1 0]); clp = feedback(p*c,1);
На рисунке ниже показаны отклик на шаг блока с разомкнутым контуром (верхний график) и отклик с замкнутым контуром (нижний график) для сетки из 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 замкнутым контуром, достигаемую системой управления PI.
Этот пример иллюстрирует различные варианты построения сетки с высокой размерностью (например, n больше 2) пространства параметров.
Создайте неопределенную матрицу, m, из четырех неопределенных реальных параметров, a, b, c, и d, каждая из которых составляет отдельные записи 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) пространство в пяти местах, и (c,d) пространство в трех местах.
m1 = gridureal(m,{'a';'b'},5,{'c';'d'},3);gridureal оценивает неопределенную матрицу m в этих 15 точках сетки, что приводит к цифровой матрице m1.
Далее выполните сетку (a,b,c,d) пространство на 15 местах.
m2 = gridureal(m,{'a';'b';'c';'d'},15);gridureal выполняет выборку неопределенной матрицы m в этих 15 точках, что приводит к цифровой матрице m2.
(2,1) запись m является только неопределенным реальным параметром c. Постройте график гистограмм ввода (2,1) обоих элементов m1 и m2. (2,1) запись m1 принимает только три различных значения, в то время как (2,1) запись m2 принимает 15 различных значений равномерно через его диапазон.
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')
