Усечение сбалансированной модели через метод квадратного корня
GRED = balancmr(G) GRED = balancmr(G,order) [GRED,redinfo] = balancmr(G,key1,value1,...) [GRED,redinfo] = balancmr(G,order,key1,value1,...)
balancmr
возвращает модель пониженного порядка GRED
от G
и массив структур redinfo
содержащий границу ошибок уменьшенной модели и сингулярных значений Ханкеля исходной системы.
Граница ошибки вычисляется на основе сингулярных значений Ханкеля G
. Для стабильной системы эти значения указывают соответствующую энергию состояния системы. Следовательно, пониженный порядок может быть непосредственно определен путем исследования системы сингулярных значений Ханкеля, σ ι.
С одним только входным параметром G
функция покажет график сингулярного значения Ханкеля исходной модели и предложит уменьшить число порядков моделей.
Этот метод гарантирует ограничение ошибки на норме по бесконечности аддитивного ∥ ошибки G-GRED
∥ ∞ для хорошо обусловленных моделей уменьшенных задач [1]:
Эта таблица описывает входные параметры для balancmr
.
Аргумент | Описание |
---|---|
G | Модель LTI будет уменьшена. Без каких-либо других входов, |
ORDER | (Необязательно) Целое число для желаемого порядка уменьшенной модели или, опционально, вектор, упакованный с желаемыми порядками для пакетных запусков |
Пакетный запуск последовательного набора различных моделей пониженного порядка может быть сгенерирован путем определения order = x:y
, или вектор положительных целых чисел. По умолчанию вся антистабильная часть системы сохранена, потому что с точки зрения стабильности контроля, избавление от нестабильного состояния (состояний) опасно, чтобы смоделировать систему.
'MaxError'
может быть задано так же, как альтернатива для '
Order
'
. В этом случае уменьшенный порядок будет определен, когда сумма хвостов сингулярных значений Ханкеля достигнет 'MaxError'
.
В этой таблице перечислены входные параметры 'key'
и его 'value'
.
Аргумент | Значение | Описание |
---|---|---|
| Действительное число или вектор различных ошибок | Уменьшите, чтобы добиться H ∞ ошибки. Когда присутствует, |
|
|
Необязательный массив ячеек 1 на 2 весов LTI Можно использовать функции взвешивания, чтобы алгоритм снижения сложности модели фокусировался на интересующих полосах. См.: В качестве альтернативы можно использовать Веса по умолчанию являются единичными. |
|
| Отобразите сингулярные графики Ханкеля (по умолчанию |
| Целое число, вектор или массив ячеек | Порядок уменьшенной модели. Используйте только, если не задан как второй аргумент. |
Эта таблица описывает выходные аргументы.
Аргумент | Описание |
---|---|
GRED | Модель пониженного порядка LTI. Становится многомерным массивом, когда вход является последовательностью другого массива порядка модели |
REDINFO | A Массива структур с тремя полями:
|
G
может быть стабильным или нестабильным, непрерывным или дискретным.
Учитывая пространство состояний (A,B,C,D) системы и k, желаемый пониженный порядок, следующие шаги произведут преобразование подобия, чтобы обрезать исходную систему в пространстве состояний кth упорядочить уменьшенную модель.
Найдите SVD грамматики управляемости и наблюдаемости
P = U p в p VpT
Q = Uq и Vq q T
Найдите квадратный корень граммиан (левый/правый собственные векторы)
Lp = Up ½
Lo = U q и Q q½
Поиск SVD (LoTLp)
ЛоT Lp = U ВT
Затем левое и правое преобразование для финального kth порядок уменьшенной модели
<reservedrangesplaceholder4> <reservedrangesplaceholder3> <reservedrangesplaceholder2> (: 1: k) Σ (1; k, 1:k))–½
<reservedrangesplaceholder4> <reservedrangesplaceholder3> <reservedrangesplaceholder2> (: 1: k) Σ (1; k, 1:k))–½
Наконец,
Доказательство алгоритма усечения квадратного корня баланса можно найти в [2].
[1] Glover, K., «All Optimal Hankel Norm Approaction of Linear Multivariable Systems, and Their Lв-Error Bounds», Int. J. Контроль, том 39, № 6, 1984, c. 1145-1193
[2] Safonov, M.G., and R.Y. Chiang, «A Schur Method for Balanced Model Reduction», IEEE Trans. on Automat. Контр., том 34, № 7, июль 1989, стр. 729-733