Документация

Откройте приложение и импортируйте модель LTI, чтобы уменьшить. Например, предположим, что существует модель с именем build в MATLAB^® рабочей области. Следующая команда откроется Model Reducer и импортирует модель.

modelReducer(build)

В Data Browser выберите модель для сокращения. Нажмите Balanced Truncation.

На вкладке Balanced Truncation Model Reducer отображает график частотной характеристики исходной модели и сокращенную версию модели. Частотная характеристика является диаграммой Боде для моделей SISO и графиком с сингулярным значением для моделей MIMO. Приложение также отображает сингулярное значение Ханкеля и график ошибки приближения исходной модели.

График сингулярного значения Ханкеля показывает относительные энергетические вклады каждого состояния в системе. Model Reducer вычисляет начальную модель пониженного порядка на основе этих значений. Подсвеченная планка является состоянием с самой низкой энергией в исходной модели пониженного порядка. Model Reducer отбрасывает состояния, которые имеют более низкие сингулярные значения Ханкеля, чем подсвеченная полоса.

Попробуйте различные порядки редуцированной модели, чтобы найти модель самого низкого порядка, которая сохраняет динамику, важную для вашего приложения. Для определения различных порядков:

Когда вы изменяете заданный порядок уменьшенной модели, Model Reducer автоматически вычисляет новую модель пониженного порядка. Если вы задаете несколько порядков модели, Model Reducer вычисляет несколько моделей пониженного порядка и отображает их отклики на графике.

Опционально исследуйте абсолютную или относительную погрешность между исходной и модели пониженного порядка в дополнение к частотной характеристике. Выберите тип вывода ошибок с помощью кнопок на вкладке Balanced Truncation.

Для получения дополнительной информации об использовании графиков анализа смотрите Визуализация моделей пониженного порядка в приложении Model Reducer.

Если низкочастотная динамика не важна для вашего приложения, можно снять флажок Preserve DC Gain. Это иногда приводит к лучшему соответствию на более высоких частотах между исходной и модели пониженного порядка.

Когда вы проверяете или снимаете флажок Preserve DC Gain, Model Reducer автоматически вычисляет новые модели пониженного порядка. Для получения дополнительной информации об этой опции см. «Сравнение усеченных и согласованных приближений модели низкого порядка постоянного тока».

Опционально ограничьте расчет сингулярного значения Ханкеля определенной частотной областью значений. Такой предел полезен, когда у модели есть режимы вне необходимой области к конкретному приложению. Когда вы применяете предел частоты, Model Reducer определяет, какие состояния нужно усечь, на основе их энергетического вклада только в заданную частотную область значений. Пренебрежение энергетическими вкладами вне этой области значений может привести к еще более низкому приближению, которое все еще адекватно для вашего применения.

Чтобы ограничить расчет сингулярного значения, проверяйте Focus on range. Затем задайте частотную область значений:

Когда вы устанавливаете или снимаете флажок Focus on range или изменяете выбранную область значений, Model Reducer автоматически вычисляет новые модели пониженного порядка.

Можно выбрать между абсолютной и относительными погрешностями, выбрав соответствующую опцию в Error Bound. Установка значения absolute управляет абсолютной ошибкой $${\Vert G-G_r\Vert }_{\infty }$$ Установка значения relative управляет относительной погрешностью $${\Vert G^{-1}\left(G-G_r\right)\Vert }_{\infty }$$. Относительная погрешность дает лучшее соответствие между частотой, в то время как абсолютная ошибка подчеркивает области с большинством усиления.

Когда у вас есть одна или несколько сокращенных моделей, которые вы хотите хранить и анализировать дальше, нажмите. Новые модели появляются в Data Browser. Если вы задали несколько порядки, каждая сокращенная модель появляется отдельно. Имена моделей отражают пониженный порядок модели.

После создания сокращенных моделей в Data Browser можно продолжить изменение параметров сокращения и создать уменьшенные модели с различными порядками для анализа и сравнения.