Усечение сбалансированной модели через метод Шура
GRED = schurmr(G) GRED = schurmr(G,order) [GRED,redinfo] = schurmr(G,key1,value1,...) [GRED,redinfo] = schurmr(G,order,key1,value1,...)
schurmr
возвращает модель пониженного порядка GRED
G и массив структур redinfo, содержащее границу ошибок уменьшенной модели и сингулярные значения Ханкеля исходной системы.
Граница ошибки вычисляется на основе сингулярных значений Ханкеля G
. Для стабильной системы сингулярные значения Ханкеля указывают соответствующую энергию состояния системы. Следовательно, пониженный порядок может быть непосредственно определен путем исследования системы Hankel SV, 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 schurmr
.
Аргумент | Описание |
---|---|
G | Модель LTI, которая будет уменьшена (без каких-либо других входов будет строить графики ее сингулярных значений Ханкеля и запрашивать пониженный порядок). |
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 из 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 пониженный порядок будет определен, когда сумма хвостов Hankel sv достигает '
MaxError
'
.
Аргумент | Значение | Описание |
---|---|---|
'MaxError' | Действительное число или вектор различных ошибок | Уменьшите, чтобы добиться H ∞ ошибки. Когда присутствует, |
'Weights' |
| Оптимальный массив ячеек 1x2 весов LTI |
'Display' |
| Отобразите сингулярные графики Ханкеля (по умолчанию |
'Order' | Целое число, вектор или массив ячеек | Порядок уменьшенной модели. Используйте только, если не задан как второй аргумент. |
Веса на входе и/или выходе исходной модели могут заставить алгоритм снижения сложности модели фокусироваться на некоторой частотной области значений интересов. Но веса должны быть стабильными, минимальными фазами и инвертируемыми.
Эта таблица описывает выходные аргументы.
Аргумент | Описание |
---|---|
GRED | Модель пониженного порядка LTI. Становится многомерным массивом, когда вход является последовательным номером другого массива порядка модели. |
REDINFO | A Массива структур с 3 полями:
|
G
может быть стабильным или нестабильным. G
и GRED
может быть непрерывным или дискретным.
Учитывая непрерывную или дискретную, стабильную или нестабильную систему, G
следующие команды могут получить набор моделей пониженного порядка на основе выбранных вами вариантов:
rng(1234,'twister'); G = rss(30,5,4); [g1, redinfo1] = schurmr(G); % display Hankel SV plot % and prompt for order (try 15:20) [g2, redinfo2] = schurmr(G,20); [g3, redinfo3] = schurmr(G,[10:2:18]); [g4, redinfo4] = schurmr(G,'MaxError',[0.01, 0.05]); for i = 1:4 figure(i); eval(['sigma(G,g' num2str(i) ');']); end
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 [16].
Найдите P и Q грамматики управляемости и наблюдаемости.
Найдите разложение Шура для PQ как в порядке возрастания, так и в порядке убывания, соответственно,
Найдите левое/правое ортонормальное собственное основание PQ, сопоставленное с kth большие сингулярные значения Ханкеля.
Поиск SVD (V)TL, BIG VR, BIG) = UT
Сформируйте преобразование слева/справа для последнего kth упорядочить уменьшенную модель
S L,BIG = V L,BIG и U (1: k, 1: k)–½
S R, BIG = V R,BIG и V (1: k, 1: k)–½
Наконец,
Доказательство алгоритма усечения баланса Шура можно найти в [2].
[1] K. Glover, «All Optimal Hankel Norm Approaction of Linear Multivariable Systems, and Their L∝ - Error Bounds», Int. J. Контроль, том 39, № 6, стр. 1145-1193, 1984 .
[2] М. Г. Сафонов и Р. Я. Чанг, «Метод Шура для сбалансированного Снижения сложности модели», IEEE Trans. on Automat. Contr., vol. 34, No. 7, July 1989, pp. 729-733.