第六节MATLAB控制系统工具箱
MATLAB工具箱介绍.

MATLAB工具箱介绍软件Matlab由美国MathWorks, Inc.公司出品,它的前身是C1eveMoler教授(现为美国工程院院士,Mathworks公司首席科学家)为著名的数学软件包LINPACK和EISPACK所写的一个接口程序。
经过近20年的发展,目前Matlab已经发展成一个系列产品,包括它的内核及多个可供选择的工具箱。
Matlab的工具箱数目不断增加,功能不断改善,这里简要介绍其中的几个。
MATLAB 的M文件、工具箱索引和网上资源,可以从处查找。
(1)通讯工具箱 (Communication ToolboX)★提供100多个函数及150多个SIMULINK模块,用于系统的仿真和分析★可由结构图直接生成可应用的C语言源代码(2)控制系统工具箱 (Control System Too1box)★连续系统设计和离散系统设计★状态空间和传递函数★模型转换★频域响应:Bode图、Nyquist图、Nichols图★时域响应:冲击响应、阶跃响应、斜波响应等★根轨迹、极点配置、LQG(3)金融工具箱 (Financial Loo1boX)★成本、利润分析,市场灵敏度分析★业务量分析及优化★偏差分析★资金流量估算★财务报表(4)频率域系统辨识工具箱 (Frequency Domain System Identification Toolbox) ★辨识具有未知延迟的连续和离散系统★计算幅值/相位、零点/极点的置信区间★设计周期激励信号、最小峰值、最优能量谱等(5)模糊逻辑工具箱 (Fuzzy Logic Too1box)★友好的交互设计界面★自适应神经—模糊学习、聚类以及Sugeno推理★支持SIMULINK动态仿真★可生成C语言源代码用于实时应用(6)高阶谱分析工具箱 (Higher—Order Spectral Analysis Toolbox)★高阶谱估计★信号中非线性特征的检测和刻划★延时估计★幅值和相位重构★阵列信号处理★谐波重构(7)图像处理工具箱 (Image Processing Toolbox)★二维滤波器设计和滤波★图像恢复增强★色彩、集合及形态操作★二维变换★图像分析和统计(8)线性矩阵不等式控制工具箱 (LMI Control Too1boX)★LMI的基本用途★基于GUI的LMI编辑器★LMI问题的有效解法★LMI问题解决方案(9)模型预测控制工具箱 (Model Predictive Contro1 Too1box)★建模、辨识及验证★支持MISO模型和MIMO模型★阶跃响应和状态空间模型(10) μ分析与综合工具箱 (μ- Analysis and Synthesis Too1box) ★ μ分析与综合★H2和H∞最优综合★模型降阶★连续和离散系统★μ分析与综合理论(11)神经网络工具箱 (Neural Network Toolbox for MATLAB)★BP,Hopfield,Kohonen、自组织、径向基函数等网络★竞争、线性、Sigmoidal等传递函数★前馈、递归等网络结构★性能分析及反应(12)优化工具箱 (Optimization Too1box)★线性规划和二次规划★求函数的最大值和最小值★多目标优化★约束条件下的优化★非线性方程求解(13)偏微分方程工具箱 (Partial Differential Equation Toolbox) ★二维偏微方程的图形处理★几何表示★自适应曲面绘制★有限元方法(14)鲁捧控制工具箱 (Robust Contro1 Too1box)★LQG/LTR最优综合★H2和H∞最优综合★奇异值模型降阶★谱分解和建模(15)信号处理工具箱 (Signal Processing ToolboX)★数字和模拟滤波器设计、应用及仿真★谱分析和估计★FFT,DCT等变换★参数化模型(16)样条工具箱 (Spline Too1box)★分段多项式和B样条★样条的构造★曲线拟合及平滑★函数微分、积分(17)统计工具箱 (Statistics Too1box)★概率分布和随机数生成★多变量分析★回归分析★主元分析★假设检验(18)符号数学工具箱 (Symbolic Math Too1box) ★符号表达式和符号短阵的创建★符号微积分、线性代数、方程求解★因式分解、展开和简化★符号函数的二维图形★图形化函数计算器(19)系统辨识工具箱 (System Identification Toolbox) ★状态空间和传递函数模型★模型验证★ MA,AR,ARMA等★基于模型的信号处理★谱分析(20)小波工具箱 (WaveLab)★基于小波的分析和综合★图形界面和命令行接口★连续和离散小波变换及小波包★一维、二维小波★自适应去噪和压缩。
第六讲 matlab工具箱

•
除toolbox\matlab之外的工具箱,在比较 完整的专业版matlab语言中有20多个工 具箱。这些工具箱是需要单独选择购买 的。 • matlab主工具箱共有21个函数库 datafun —— 数据分析函数库
sonnds —— 声音处理函数库 dde —— 动态数据交换函数库 elfun —— 初等数学函数库 specmat —— 特殊矩阵函数库
• Image Processing Toolbox——图象处理工具箱 • LMI Control Toolbox——线性矩阵不等式工具 箱 • Model predictive Control Toolbox——模型预测 控制工具箱 • μ-Analysis and Synthesis Toolbox——μ分析工 具箱 • Neural Network Toolbox——神经网络工具箱 • Optimization Toolbox——优化工具箱 • Partial Differential Toolbox——偏微分方程工 具箱 • Robust Control Toolbox——鲁棒控制工具箱
Specialized X-Y graphs. polar - Polar coordinate plot. bar - Bar graph. stem - Discrete sequence or "stem" plot. stairs - Stairstep plot. errorbar - Error bar plot. hist - Histogram plot. rose - Angle histogram plot. compass - Compass plot. feather - Feather plot. fplot - Plot function. comet - Comet-like trajectory.
第6讲 matlab工具箱介绍与仿真基础

Signal Processing Toolbox——信号处理工具 箱 Spline Toolbox——样条工具箱 Statistics Toolbox——统计工具箱 Symbolic Math Toolbox——符号数学工具箱 Simulink Toolbox——动态仿真工具箱 System Identification Toolbox——系统辨识 工具箱 Wavele Toolbox——小波工具箱 等等
领域型工具箱
—— 专用型
领域型工具箱是学科专用工具 箱,其专业性很强,比如控制系统工
具箱( Control System Toolbox);信
号处理工具箱(Signal Processing
Toolbox);财政金融工具箱( Financial
Toolbox)等等。只适用于本专业。
Matlab常用工具箱
变量 f fun H A,b Aeq,beq vlb,vub X0 x1,x2 options 描 述 线性规划的目标函数f*X 或二次规划的目标函 数X’*H*X+f*X 中线性项的系数向量 非线性优化的目标函数.fun必须为行命令对象 或M文件、嵌入函数、或MEX文件的名称 二次规划的目标函数X’*H*X+f*X 中二次项的系 数矩阵 A矩阵和b向量分别为线性不等式约束: AX b 中的系数矩阵和右端向量 Aeq矩阵和beq向量分别为线性等式约束: Aeq X beq 中的系数矩阵和右端向量 X的下限和上限向量:vlb≤X≤vub 迭代初始点坐标 函数最小化的区间 优化选项参数结构,定义用于优化函数的参数 调用函数 linprog,quadprog fminbnd,fminsearch,fminunc, fmincon,lsqcurvefit,lsqnonlin, fgoalattain,fminimax quadprog linprog,quadprog,fgoalattain, fmincon, fminimax linprog,quadprog,fgoalattain, fmincon, fminimax linprog,quadprog,fgoalattain, fmincon,fminimax,lsqcurvefit, lsqnonlin 除fminbnd外所有优化函数 fminbnd 所有优化函数
Matlab控制系统工具箱的PID控制设计指南

Matlab控制系统工具箱的PID控制设计指南导言控制系统工具箱是Matlab提供的一个用于分析和设计控制系统的工具包。
其中,PID控制是最常用且广泛应用的一种控制算法。
本文将介绍Matlab控制系统工具箱中PID控制的设计指南,帮助读者快速掌握PID控制的原理和实践技巧。
一、PID控制简介PID控制是一种基于比例、积分和微分的控制方法,适用于各种不确定性和变化的系统。
PID控制器通过实时测量系统的误差(e),并计算比例项(P)、积分项(I)和微分项(D)的乘积和,调整输出控制信号(u),进而实现对系统的稳定控制。
二、PID控制的数学模型PID控制器可以用以下的数学模型表示:u(t) = Kp * e(t) + Ki * ∫e(t)dt + Kd * △e(t)/dt其中,u(t)表示控制器的输出,e(t)表示误差,Kp、Ki和Kd分别代表比例、积分和微分控制器的增益参数。
PID控制的目标是调整这些参数以使误差最小化。
三、PID控制器的参数调节PID控制器的性能和稳定性取决于增益参数的设置。
Matlab控制系统工具箱提供了多种方法来自动或手动地调节这些参数。
1. 自动调参方法Matlab提供了一些自动调参的函数,如pidtune和pidtool。
这些函数可以根据系统的频率响应和稳定性指标,自动选择合适的PID参数。
使用这些方法可以节省调试时间,但需要注意调参结果的合理性和系统实际需求的匹配性。
2. 手动调参方法手动调参是一种通过试验和调整来寻找最佳PID参数的方法。
Matlab中可以使用step函数或PID Controller Tuner App来进行手动调参。
这种方法需要对系统的特性和动态响应有一定的了解,并经过多次试验和优化来寻找最佳参数。
四、PID控制器的性能分析在设计PID控制器时,除了调节参数之外,还需要进行性能分析来评估控制质量和稳定性。
Matlab控制系统工具箱提供了一些常用的性能指标和分析工具。
系统识别-matlab第6章--控制工程类工具箱介绍

第9章控制工程类工具箱介绍MATLAB的工具箱为使用该软件的不同领域内的研究人员提供了捷径。
迄今为止,大约有30多种工具箱面世,内容涉及自动控制、信号处理、图象处理等多种领域。
这些工具箱可以用来扩充MATLAB的符号计算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能,也可以应用于多种学科、多种领域。
与这些工具箱函数相关的使用格式可以通过Help命令得到,用户也可以针对具体系统设计自己的工具箱。
9.2系统辨识工具箱系统辨识工具箱的主要功能包括:①参数模型辨识。
主要模型有ARX、ARMAX、BJ模型,以及状态空间和输入误差等模型类的辨识。
②非参数模型辨识。
③模型的验证。
对辨识模型的仿真,将真实输出数据与模型预测数据比较,计算相应的残差。
④基于递推算法的ARX、ARMAX模型的辨识。
⑤各种模型类的建立和转换函数。
⑥集成多种功能的图形用户界面。
该界面以图形的交互方式提供模型类的选择和建立、输入输出数据的加载和预处理,以及模型的估计等。
9.2.1 系统辨识原理及辨识模型简介系统辨识的主要内容包括:实验设计,模型结构辨识,模型参数辨识,模型检验。
常用的模型类有:(1)参数模型类利用有限的参数来表示对象的模型,在系统辨识工具箱中的参数模型类有:ARX模型、ARMAX 模型、BJ(Box-Jenkins)模型、状态空间模型和输入误差模型。
通常都限定为以下特殊的情形:① ARX模型:()()()()()A q y tB q u t nk e t=-+(9.8)② ARMAX模型:()()()()()()A q y tB q u t nkC q e t=-+(9.9)③ BJ模型:()[()/()]()[()/()]()y t B q F q u t nk C q D q e t=-+(9.10) ()()[()/()]()[()/()]()A q y tB q F q u t nkC qD q e t=-+(9.11)④输入误差模型:()()[()/()]()()A q y tB q F q u t nk e t=-+(9.12)⑤状态空间模型:(1)()()()()()()x t Ax t Bu ty t Cx t Du t v t+=+=++(9.13)其中A,B,C,D为状态空间模型的系数矩阵,v(t)为外界噪声信号。
MATLAB 主要工具箱简介

MATLAB 主要工具箱简介1.控制系统工具箱控制领域的计算机辅助设计自产生以来就一直受到控制界的重视。
而MATLAB 正是控制领域进行计算及辅助设计的一种非常好的工具语言。
MATLAB 的控制系统工具箱(Control System Toolbox)为用户提供了许多控制领域的专用函数,实际上,这个工具箱就是一个关于控制系统的算法的集合。
通过使用这些专用函数,月户可以方便地实现控制系统的部分应用。
此外,使用MATLAB 的控制系统工具箱还可以方便地进行模型间的转换。
下面列出了该工具箱在控制领域的主要应用:(1)连续系统设计和离散系统设计;(2)传递函数和状态空间;(3)模型转换;(4)频域响应;(5)时域响应;(6)根轨迹和极点配置。
2.小波工具箱小波工具箱(Wavelet Toolbox)在信号处理领域的主要应用包括:(1)基于小波的分析和综合;(2)图形界面和命令行接口;(3)连续和离散小波变换及小波包;(4)一维、二维小波;(5)自适应去噪和压缩。
3.模糊逻辑工具箱模糊逻辑工具箱(FuzzyLogicToolbox)是MATLAB 用于解决模糊逻辑问题的工具箱。
其主要应用包括:(1)友好的交互设计界面;(2)自适应神经——模糊学习、聚类以及Sugeno 推理;(3)支持SIMULINK 动态仿真;(4)可生成C 语言源代码用于实时应用。
4.神经网络工具箱神经网络工具箱(NeuralNetworkToolbox)的主要应用包括:(1)BP 网络;(2)Hopfield,Kohonen 网络:(3)径向基函数网络:(4)竞争、线性、Sigmoidal 等传递函数;(5)前馈、递归等网络结构;(6)性能分析及应用;(7)感知器:(8)自组织网络。
5.通信工具箱通信工具箱(Communication Toolbox)提供了100 多个函数和150 多个SIMULINK 模块用于通信系统的仿真和分析,其主要应用包括:(1)信号编码;(2)调制解调;(3)滤波器和均衡器设计;(4)通道模型;(5)同步:(6)多路访问;(7)错误控制编码。
控制系统工具箱简介

SISO设计工具
在命令空间中输入sisotool既可进入SISO补 偿设计窗口,也可直接指定设计对象,调用形式 为sisotool(sys)。
该工具允许使用 根轨迹、波特图、尼 科尔斯图等手段进行 系统补偿设计。同时 可对系统进行阶跃响 应等各种LTI分析。
SISO设计工具的使用
导入系统数据:包括系统结构及相应模型
二、控制系统工具箱使用
控制系统工具箱用于完成一般控制系统工程设计是, 主要内容包括以下三个方面:
模型建立:描述如何建立线性模型、模型连接, 确定模型特征,离散时间模型和连续时间模型之间的转 换,模型的降阶处理。
模型分析:图形化用户界面(GUI)的设计工 具—LTI Viewer,使得观察系统响应变得非常简单。
通过 ltidemo 分别 执行模型建立、离散时 间模型、访问模型数据、 模型连接、模型类型转 换、连续/离散转换等 演示。熟悉工具箱中函 数用法。
图形化的模型分析工具LTI Viewer
LTI Viewer 可以对系统进行阶跃响应、脉冲响应、 波特图、奈奎斯特图等的分析,同时还可以直接从 SIMULINK环境下的结构图中指定输入输出点所产生 的系统进行分析。
一、MATLAB工具箱的简介
功能型工具箱:主要用来扩充MATLAB的符号计 算功能、图形建模仿真功能、文字处理功能以及与硬件 实时交互功能,可用于多种学科中;
领域型工具箱:是专业性很强的工具箱,如控制 系统工具箱、信号处理工具箱、神经网络工具箱等。
注意:在每个工具箱中有一个Contents文件,在文 件中将该工具箱里的所有函数其作用功能一一列出,可 以在使用前先看此文件,找到要用的函数后,在命令空 间里键入help 文件名,即可查到相应函数的调用格式。
matlab toolbox类型

matlab toolbox类型Matlab Toolbox 类型Matlab 是一种强大的数值计算与科学编程工具,由于其卓越的性能和丰富的功能,被广泛应用于科学、工程和金融等领域。
为了更好地满足不同领域用户的需求,Matlab 提供了丰富的工具箱(Toolbox),包含了各种专门用于特定领域的函数和工具。
本文将介绍 Matlab Toolbox 的类型及其应用。
一、控制系统工具箱(Control System Toolbox)控制系统工具箱是 Matlab 中用于设计、分析和模拟控制系统的重要工具箱。
它包含了许多在控制工程中常用的函数和算法,如PID 控制器设计、稳定性分析、系统响应等。
控制系统工具箱的使用可以帮助工程师快速实现对控制系统的建模、仿真和优化。
二、图像处理工具箱(Image Processing Toolbox)图像处理工具箱是专门用于数字图像处理的工具箱,提供了丰富的图像处理函数和算法。
它可以帮助用户实现图像的滤波、增强、分割、配准等操作,还支持图像的压缩和编码。
图像处理工具箱被广泛应用于计算机视觉、医学影像分析、遥感图像处理等领域。
三、信号处理工具箱(Signal Processing Toolbox)信号处理工具箱提供了丰富的信号处理函数,用于设计和分析各种类型的信号。
这些函数包括了离散傅里叶变换(DFT)、滤波器设计、频谱分析等。
信号处理工具箱在音频处理、通信系统设计、生物医学信号处理等领域具有广泛的应用。
四、机器学习工具箱(Machine Learning Toolbox)机器学习工具箱是 Matlab 中用于实现各种机器学习算法的工具箱。
它包含了常用的分类、回归、聚类、降维等算法,如支持向量机(SVM)、决策树、神经网络等。
机器学习工具箱的使用使得用户能够在数据挖掘、模式识别、预测分析等任务中实现自动化的学习与决策。
五、优化工具箱(Optimization Toolbox)优化工具箱是用于解决数学最优化问题的工具箱,提供了各种优化算法和函数。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
输入sys = ss([0 1;-5 -2], [0;3], [0 1], 0) 创建的系统状态空间模型为
x1 x2
x1 0 -5.00000 u1 0 3.00000 x2 1.00000 -2.00000 c= y1 d= y1 x1 0 u1 0 x2 1.00000
a=
b=
x1 x2
4. 创建FRD模型 frd
举例:
w = 0:0.1:3; y = sin(w)+i*cos(w); a = frd(y,w)
各模型之间的相互转换
s = tf(‘s’) a = (s+1)/(s^2-2*s+1); freq = logspace(1,2); %101~102 之间生成50个点 b = zpk(a) %tf -- zpk c = ss(a) %tf -- ss d = tf(b ) %zpk -- tf e = ss(b) %zpk -- ss f = zpk( c) %ss -- zpk g = tf( c) %ss -- tf h = frd(a,freq) %tf -- frd I = frd(b,freq) %zpk -- frd j = frd(c,freq) %ss -- frd
获取模型参数
frdata 应用:
获取FRD模型中的数据 [resp,freq] = frdata(sys)
举例: freq = logspace(1,2,2); resp = .05*(freq).*exp(i*2*freq); sys = frd(resp,freq); [resp,freq] = frdata(sys,'v') frdata 只能用于获取FRD模型中的数据 tfdata() zpkdata() ssdata() 可用于获取除FRD模型外的 其他所有模型数据
举例:使用tf命令
例如, 如果某个SISO系统的传递函数是 h(s)=s/(s2+2s+10) 则可以通过下面的命令来创建该系统的传递函数模型: >>h = tf([1 0],[1 2 10]) MATLAB的输出结果为 s ------------------s^2 + 2 s + 10 h是一个TF对象, 存放传递函数的分子分母多项式数据
0.6
0.4
0.
调用方法:y = step(sys,t) 其中,y 为单位阶跃响应的值。 如: >> G=tf([1],[1 1 1]); >> t=0:0.01:15; >> y=step(G,t);
如果想看阶跃响应曲线可以plot( ) 函数画。 >> plot(t,y)
主要函数
nyquist bode nichols freqs pole zero residue class
绘制nyquist图 绘制bode图 绘制nichols图 laplace变换频率响应 (s - 域) 得到极点 得到零点 留数运算 判断模型的类型
1. 创建系统的传递函数模型 tf
3.创建连续系统状态空间模型 ss
状态空间模型是采用线性微分或差分方程来描述系统的 动态行为。 连续时间系统具有如下的一般形式
d x Ax Bu dt y Cx Du
使用ss命令创建系统的状态空间模型的调用格式为 sys = ss(A,B,C,D)
y 3y 2 y u 例:系统微分方程: 其中y为输出,u为输入。 令: 则: y 1 0 y y
连续系统的ZPK模型 离散系统的ZPK模型
举例:
例如, 如果某个SISO系统的传递函数是 h(s)=4*(s+1) / (s2 +7s+10) 则可以通过下面的命令来创建该系统的零极点模型: 参数值获取: Z = [-1]; P = [-2 -5]; K = 4; 调用语句: sys = zpk(Z,P,K) 调用结果:Zero/pole/gain: 4 (s+1) ----------(s+2) (s+5)
连续SISO系统的传递函数为:
n( s ) h( s ) d ( s)
可以采用两种方法创建SISO传递函数模型。 一种使用tf命令, 一种直接引用Laplace变量s的多项式。 使用tf命令的方法是 h = tf(num, den) 其中, 行向量num和den分别是多项式n(s)和d(s)的系数。 注意这里的多项式是按照s的降幂排列的。
5、获取模型参数
tfdata 获取传递函数中的数据 应用:[num,den] = tfdata(sys) 结果用cell保存 [num,den] = tfdata(sys,’v’) 结果用向量保存 举例:s = tf(‘s’) a = (s+1)/(s^2-2*s+1); 1. [num,den] = tfdata(a) 结果为 num = [1*3 double] den = [1*3 double] 需要调用语句celldisp(num)查看num的值 2. [num,den] = tfdata(a,’v’) num = 0 1 1 den = 1 -2 1
获取模型参数
ssdata 获取状态空间模型中的数据 应用:[A,B,C,D] = ssdata(sys) 结果直接显示 [A,B,C,D] = ssdata(sys,’cell’) 结果用cell保存 举例:s = tf(‘s’) a = (s+1)/(s^2-2*s+1); 1. [A,B,C,D] = ssdata(a) 结果为 A= … B = … C=… D = … 2. [A,B,C,D] = ssdata(a,’cell’) 需要调用语句celldisp(A)查看A的值
反馈:函数 feedback(G,H,sign) sign=1为正反馈 sign=-1为负反馈
>> G=tf([1],[1 1]); >> H=tf([1],[1 0]); >> sys=feedback(G,H,-1)
1 G ( s) ; s 1 1 H ( s) ; s
获取模型参数
zpkdata 获取零极点-增益模型中的数据 应用:[Z,P,K] = zpkdata(sys) 结果用cell保存 [Z,P,K] = zpkdata(sys,’v’) 结果用向量保存 举例:s = tf(‘s’) a = (s+1)/(s^2-2*s+1); 1. [Z,P,K] = zpkdata(a) 结果为 Z = -1 P=[2*1 double] K =1 需要调用语句celldisp(P)查看P的值 2. [Z,P,K] = zpkdata(a,’v’) Z=-1 P=[1;1] K = 1
Step Response 1.4
1.2
1
Amplitude
0.8
0.6
0.4
0.2
0
0
2
4
6 Time (sec)
8
10
12
>> G=tf([1],[1 1 1]); >> t=0:0.01:15; >> step(G,t)
Step Response 1.4
1.2
1
Amplitude
0.8
Transfer function: s ----------s^2 + s + 1
-
G(s)
H(s)
6. 绘制典型信号下的响应曲线
时域响应 单位脉冲响应: impulse( ); 单位阶跃响应: step( ); 任意输入响应: lsim( ); 用法: 以 step( ) 为例: 1. step(sys), sys 为传递函数,执行结果为画单位阶跃响应曲线。 1 如:系统 G ( s ) 的单位阶跃响应 ; s2 s 1 >> G=tf([1],[1 1 1]); >> step(G)
串联,并联,反馈 >> G1=tf([1],[1 1]); >> G2=tf([1],[1 2]); 串联: > G3=G1*G2 Transfer function: 1 ------------s^2 + 3 s + 2 并联: >> G4=G1+G2 Transfer function: 2s+3 ------------s^2 + 3 s + 2
MATLAB 6.X支持的LTI模型
传递函数模型 (TF) ,如
P( s)
s2 s 2 s 10
零极点-增益模型 (ZPK) ,如
H ( z) [ 2( z 0.5) z ( z 0.1) ( z 1) ] ( z 0.2)( z 0.1)
状态空间模型 (SS) ,如
2.创建零极点-增益模型 zpk
连续SISO系统的零极点-增益模型的一般形式为:
h( s ) k ( s z1 ) ( s p1 ) ( s zm ) ( s pn )
调用语句: 1、sys = zpk(Z,P,K) 2、sys = zpk(Z,P,K,Ts) 其中:Z为零点向量 P为极点向量 K为增益 Ts为采样时间参数
d x Ax Bu dt y Cx Du