Влияние Входа Межвыборки поведения на модели непрерывного времени

Интерсамповое поведение входных сигналов влияет на оценку, симуляцию и предсказание моделей в непрерывном времени. Дискретизированный сигнал характеризуется только своими значениями в моменты дискретизации. Однако, когда вы применяете вход в непрерывном времени к системе в непрерывном времени, выходные значения в моментах дискретизации зависят от входов в моментах дискретизации и от входов между этими точками.

iddata и idfrd объекты имеют InterSample свойство, которое сохраняет, как вход ведет себя между моментами дискретизации. Можно задать поведение между выборками, которые будут кусочно-постоянными (удержание нулевого порядка), линейно интерполированными между выборками (удержание первого порядка) или ограниченными полосами. Ограниченное полосой поведение интерсампинга входного сигнала означает:

  • Отфильтрованный входной сигнал (вход конечной полосы) использовался, чтобы возбуждать динамику системы.

  • Входной параметр был измерен с помощью устройства дискретизации (A/D конвертера с антиалиазированием), которое сообщало, что он ограничен полосой, хотя истинный вход, поступающий в систему, был кусочно-постоянным или линейным. В этом случае устройства дискретизации могут быть приняты как часть моделируемой системы.

Когда входной сигнал является ограниченным диапазоном данных частотного частотного диапазона в дискретном времени (iddata с domain = 'frequency' или idfrd со шаг расчета Ts≠0), оценка модели выполняется путем обработки данных как данных непрерывного времени (Ts = 0). Для получения дополнительной информации смотрите Pintelon, R. and J. Schoukens, Система Идентификации. A Частотного диапазона Подход, раздел 10.2, pp-352-356,Wiley-IEEE Press, New York, 2001.

Поведение интерсампов входных данных также влияет на результаты симуляции и предсказания моделей непрерывного времени. sim и predict команды используют InterSample свойство, чтобы выбрать правильный алгоритм для вычисления отклика модели.

В следующем примере моделируется система, использующая удержание первого порядка (foh ) поведение интерсampла для входного сигнала.

sys = idtf([-1 -2],[1 2 1 0.5]);
rng('default')
u = idinput([100 1 5],'sine',[],[],[5 10 1]);
Ts = 2;
y = lsim(sys,u,(0:Ts:999)','foh');

Создайте iddata объект для моделируемых входно-выходных данных.

data = iddata(y,u,Ts);

Поведение межвыборка по умолчанию является удержанием нулевого порядка (zoh ).

data.InterSample
ans = 
'zoh'

Оцените передаточную функцию, используя эти данные.

np = 3; % number of poles
nz = 1; % number of zeros
opt = tfestOptions('InitializeMethod','all','Display','on');
opt.SearchOptions.MaxIterations = 100;	
modelZOH = tfest(data,np,nz,opt)
modelZOH =
 
  From input "u1" to output "y1":
          -217.2 s - 391.6
  ---------------------------------
  s^3 + 354.4 s^2 + 140.2 s + 112.4
 
Continuous-time identified transfer function.

Parameterization:
   Number of poles: 3   Number of zeros: 1
   Number of free coefficients: 5
   Use "tfdata", "getpvec", "getcov" for parameters and their uncertainties.

Status:                                          
Estimated using TFEST on time domain data "data".
Fit to estimation data: 81.38%                   
FPE: 0.1146, MSE: 0.111                          

Модель дает около 80% подгонки данным. Шаг расчета данных достаточно велико, чтобы переопределить неточность (использование zoh а не foh ) приводит к значительным ошибкам моделирования.

Переоцените модель с помощью foh интерактивное поведение.

data.InterSample = 'foh';
modelFOH = tfest(data,np,nz,opt)
modelFOH =
 
  From input "u1" to output "y1":
           -1.197 s - 0.06843
  -------------------------------------
  s^3 + 0.4824 s^2 + 0.3258 s + 0.01723
 
Continuous-time identified transfer function.

Parameterization:
   Number of poles: 3   Number of zeros: 1
   Number of free coefficients: 5
   Use "tfdata", "getpvec", "getcov" for parameters and their uncertainties.

Status:                                          
Estimated using TFEST on time domain data "data".
Fit to estimation data: 97.7%                    
FPE: 0.001748, MSE: 0.001693                     

modelFOH может правильно извлечь исходную систему.

Сравните выходы модели с данными.

compare(data,modelZOH,modelFOH)

Figure contains an axes. The axes contains 3 objects of type line. These objects represent data (y1), modelZOH: 71.39%, modelFOH: 97.7%.

modelZOH сравнивается с данными, чье поведение интерсampла foh. Поэтому его подгонка уменьшается примерно до 70%.

См. также

|

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте