4-1连续系统模型的离散化处理方法
合集下载
连续属性离散化
根据学习环境选择离散化方法
虽然已有很多离散化方法，但是没有一种离散 化方法对任何数据集以及任何算法都是有效的，也 没有一种离散化方法一定比其他方法产生更好的离 散化结果。因为离散化本身就是一个NP-hard 问题， 所以在使用时一定要根据数据集的特点和学习环境 以及使用者个人的偏好理解等选择合适的离散化方 法，以取得尽可能好的离散化效果。如决策树学习 容易受到碎片问题（碎片是指一个给定分枝中的样 本数太小，没有统计意义）的影响，所以离散化时 更偏好得到较少的离散化区间；决策规则希望离散 化得到的区间中的实例的类标号是唯一的；关联规 则重视特征间的相关性，所以在离散化时不能对各 个特征进行单一的离散化。
离散化结果的评价
• 完全离散化:指算法要能够完成数据集的多个 连续属性的离散化处理。因为我们不太可能只 需要对数据集的某一个连续属性进行离散化处 理，除非数据集只包含一个连续属性。 • 具有最简单的离散化结果:如果离散化处理完 成后，属性空间的规模越小，由这些离散化处 理所产生出来的数据所生成的规则越简单。因 此，由这样的属性所获得的知识就更是通用。
• 基于熵的离散化方法：该方法使用类信息计算 和确定分割点，是一种有监督的、自顶向下的 分裂技术。首先，将初始值切分成两部分，让 两个结果区间产生最小熵；然后，取一个区间， 通常选取具有最大熵的区间，重复此分割过程， 直到区间的个数达到用户指定的个数，或满足 终止条件（当得到的每个区间中的类标号都是 一样时，即停止离散化过程）。 最常用的基于熵的离散化方法是：基于最 短描述长度原则（MDLP）方法。
连续属性离散化方法
1.连续属性离散化的定义？ 2.为什么要对连续属性离散化？
3.连续属性离散化方法有哪些？
定义
连续属性离散化就是采取各种方法将 连续的区间划分为小的区间，并将这连续 的小区间与离散的值关联起来。
连续系统模型的离散化处理方法
只要T不变，三个系数均不变，可以在仿真前预先计算好，这样就减少了以后的计算工作量。 加入一个理想滤波器,保留输入信号主频段,滤掉附加的频谱分量,不失真
在离散化后，模型精度变差，可能不稳定。
S域到Z域的最基本映射关系是：Z=e （T— TS 数值积分法：将微分方程转换成差分方程，这中间是一步步离散，每一步离散都用到连续系统的原模型，这样的速度就慢了。
TeAT
m T
T eATA Bd
0
xKTTTxKTmTUKT
x(k1) TxkmTUk
B 当输入函数u（KT）在两采样 点间线性变化时（一阶保持）
uuKTukT
p
T
TeATABd
0
xkTTTxkTmTUkTpTUkT
xk1TxkmTUkpTUk
当连续系统状态方程系数A、B已知时，
可求出……
此法相比于数值积分法；只要T不变，三个系 数均不变，可以在仿真前预先计算好，这样 就减少了以后的计算工作量。
2 典型环节的离散状态方程
A 积分环节：G（S）=K/S f1=x2 ; f2=x3 ;
依据各环节的连接关系及外部作用函数 稳定性不及双线性替换法，Ts或信号重构器选择不当，离散模型的稳定性变差
二、Z域离散相似方法
1 基本方法
G z
y z u z
z G h s G s
1
z
s a
z exp( aT )
e TS 1 z
1 z
s
z 1
1
Tz
s* s
( z 1 )( z 1 )
Gz
yz uz
zGh
sGs
Gs k
sa
Gh
s
1
在离散化后，模型精度变差，可能不稳定。
S域到Z域的最基本映射关系是：Z=e （T— TS 数值积分法：将微分方程转换成差分方程，这中间是一步步离散，每一步离散都用到连续系统的原模型，这样的速度就慢了。
TeAT
m T
T eATA Bd
0
xKTTTxKTmTUKT
x(k1) TxkmTUk
B 当输入函数u（KT）在两采样 点间线性变化时（一阶保持）
uuKTukT
p
T
TeATABd
0
xkTTTxkTmTUkTpTUkT
xk1TxkmTUkpTUk
当连续系统状态方程系数A、B已知时，
可求出……
此法相比于数值积分法；只要T不变，三个系 数均不变，可以在仿真前预先计算好，这样 就减少了以后的计算工作量。
2 典型环节的离散状态方程
A 积分环节：G（S）=K/S f1=x2 ; f2=x3 ;
依据各环节的连接关系及外部作用函数 稳定性不及双线性替换法，Ts或信号重构器选择不当，离散模型的稳定性变差
二、Z域离散相似方法
1 基本方法
G z
y z u z
z G h s G s
1
z
s a
z exp( aT )
e TS 1 z
1 z
s
z 1
1
Tz
s* s
( z 1 )( z 1 )
Gz
yz uz
zGh
sGs
Gs k
sa
Gh
s
1
系统仿真复习题
(0-10)
n
m
∑ ∑ 上式也可以表示为： c(k) = − aic(k − i) + bjr(k − j) (0-11)
i =1
j=0
式中， ai (i=1，2， …，n)和 bj (j=1，2， …，m)对线性定常离散系统为常系数，m≤n。式
(0-11)称为n阶线性常系数差分方程。 b) 离散传递函数
系统仿真复习题：
1、 模型的定义和分类：
A、数学模型：
B、物理模型： 缩比模型：风洞试验中的导弹模型、飞机模型 。 原理样机：在研制过程中的制造的一些原理样机。 直接模型：利用不同系统之间相似性的原理而建立的模型
2、 仿真的定义及用途：
A、 定义： 系统仿真是根据相似原理建立模型，利用模型试验来对系统进行研究的一种试验方法和 过程。它利用一个模型来模拟实际系统内部发生的运动过程，以达到某种实际应用效果 或者对系统动态性能的求解。
⎥ ⎥⎦
⎢⎢⎣dq1 dq2 L
d1p ⎤
⎡ u1 ⎤
d2 L
p
⎥ ⎥ ⎥
，
u
=
⎢ ⎢
u2
⎥ ⎥
⎢ M⎥
dqp
⎥ ⎥⎦
⎢⎢⎣u
p
⎥ ⎥⎦
其中输出矩阵 C 为（q×n）矩阵，前馈矩阵 D 为(q×p)矩阵。
4、 权函数
一个连续系统在零初始条件下，受到一个理想脉冲函数 δ(t)的作用，其响应称为该系统的权
+ bm z−m + an z−n
(0-13)
c) 权序列模型
对线性定常系统，如果输入为单位序列：
r
(nT
)
=
δ
(nT
)
第6章连续系统的离散化方法及近似解
第6章连续系统的离散化方法及近似解在连续系统中，我们经常需要将其离散化为离散系统以便于分析和求解。
离散化方法能够将连续系统的微分方程转化为差分方程，从而得到近似解。
本章将介绍连续系统的离散化方法及近似解的计算。
连续系统的离散化方法有许多种，常见的有Euler方法、Runge-Kutta方法和有限差分方法等。
其中，Euler方法是最简单和最基础的离散化方法，其基本思想是将连续时间轴划分为若干个小时间间隔，并用差分逼近连续系统的导数。
具体地，对于一阶常微分方程：\[\frac{{dy}}{{dt}} = f(y, t)\]可以使用Euler方法将其离散化为：\[y_{n+1} = y_n + h \cdot f(y_n, t_n)\]其中，\(y_n\)是时间点\(t_n\)的近似解，\(h\)是时间步长。
Runge-Kutta方法是一种更精确的离散化方法，其基本思想是利用多个中间步骤来更准确地逼近连续系统的导数。
常见的是四阶Runge-Kutta 方法，其公式为：\[y_{n+1} = y_n + \frac{h}{6} \cdot (k_1 + 2k_2 + 2k_3 +k_4)\]其中\[k_1=f(y_n,t_n)\]\[k_2 = f(y_n + \frac{h}{2}k_1, t_n + \frac{h}{2})\]\[k_3 = f(y_n + \frac{h}{2}k_2, t_n + \frac{h}{2})\]\[k_4 = f(y_n + hk_3, t_n + h)\]这样可以得到更准确的近似解。
有限差分方法是一种常用的离散化方法，其基本思想是将连续的导数用差分逼近。
以二阶偏微分方程为例，该方程的一般形式为：\[\frac{{\partial^2u}}{{\partial x^2}} +\frac{{\partial^2u}}{{\partial y^2}} = f(x, y)\]可以使用中心差分公式将其离散化为：\[\frac{{u_{i+1,j} - 2u_{i,j} + u_{i-1,j}}}{{\Delta x^2}} + \frac{{u_{i,j+1} - 2u_{i,j} + u_{i,j-1}}}{{\Delta y^2}} =f_{i,j}\]其中，\(u_{i,j}\) 是近似解在网格点 \((i, j)\) 处的值，\(\Delta x\) 和 \(\Delta y\) 分别是网格在 \(x\) 和 \(y\) 方向的步长，\(f_{i,j}\) 是离散化后的右侧函数。
控制系统仿真及MATLAB语言-连续系统的离散化方法46页PPT
控制系统仿真及MATLAB语言-连续系 统的离散化方法
6
、
露
凝
无
游
氛
，
天
高
风
景
澈
。
7、翩翩新 来燕，双双入我庐 ，先巢故尚在，相 将还旧居。
8
、
吁ห้องสมุดไป่ตู้
嗟
身
后
名
，
于
我
若
浮
烟
。
9、 陶渊 明（ 约 365年 —427年 ），字 元亮， （又 一说名 潜，字 渊明 ）号五 柳先生 ，私 谥“靖 节”， 东晋 末期南 朝宋初 期诗 人、文 学家、 辞赋 家、散
文 家 。汉 族 ，东 晋 浔阳 柴桑 人 （今 江西 九江 ） 。曾 做过 几 年小 官， 后辞 官 回家 ，从 此 隐居 ，田 园生 活 是陶 渊明 诗 的主 要题 材， 相 关作 品有 《饮 酒 》 、 《 归 园 田 居 》 、 《 桃花 源 记 》 、 《 五 柳先 生 传 》 、 《 归 去来 兮 辞 》 等 。
1
0
、
倚
南
窗
以
寄
傲
，
审
容
膝
之
易
安
。
6、最大的骄傲于最大的自卑都表示心灵的最软弱无力。——斯宾诺莎 7、自知之明是最难得的知识。——西班牙 8、勇气通往天堂，怯懦通往地狱。——塞内加 9、有时候读书是一种巧妙地避开思考的方法。——赫尔普斯 10、阅读一切好书如同和过去最杰出的人谈话。——笛卡儿
Thank you
6
、
露
凝
无
游
氛
，
天
高
风
景
澈
。
7、翩翩新 来燕，双双入我庐 ，先巢故尚在，相 将还旧居。
8
、
吁ห้องสมุดไป่ตู้
嗟
身
后
名
，
于
我
若
浮
烟
。
9、 陶渊 明（ 约 365年 —427年 ），字 元亮， （又 一说名 潜，字 渊明 ）号五 柳先生 ，私 谥“靖 节”， 东晋 末期南 朝宋初 期诗 人、文 学家、 辞赋 家、散
文 家 。汉 族 ，东 晋 浔阳 柴桑 人 （今 江西 九江 ） 。曾 做过 几 年小 官， 后辞 官 回家 ，从 此 隐居 ，田 园生 活 是陶 渊明 诗 的主 要题 材， 相 关作 品有 《饮 酒 》 、 《 归 园 田 居 》 、 《 桃花 源 记 》 、 《 五 柳先 生 传 》 、 《 归 去来 兮 辞 》 等 。
1
0
、
倚
南
窗
以
寄
傲
，
审
容
膝
之
易
安
。
6、最大的骄傲于最大的自卑都表示心灵的最软弱无力。——斯宾诺莎 7、自知之明是最难得的知识。——西班牙 8、勇气通往天堂，怯懦通往地狱。——塞内加 9、有时候读书是一种巧妙地避开思考的方法。——赫尔普斯 10、阅读一切好书如同和过去最杰出的人谈话。——笛卡儿
Thank you
控制系统仿真及MATLAB语言-连续系统的离散化方法
tyode45?rigid?0120结果如图图中数值算法的稳定性特征根在数值算法的选择原则matlab提供了微分方程数值求解的一般方法作为仿真算法的使用者而应关心各种方法在使用中会出现的问题精度受算法和影响截断误差计算速度受算法和影响算法简单速度就快些
第四章 连续系统的离散化方法
2021/4/10
1
ba12
a2
a2
1 12
a2b1 1 2
三个方程，四个未知数，解不唯一
2各021/个4/10系数的几种取法——见书上。
12
3) r=4时，四阶龙格库塔公式-最常用：
h
xk 1
xk
( 6
K1
2K2
2K3
K4
)
K1 f tk ,xk
K2
K3
f f
tk
tk
h 2
,
xk
h 2 , xk
2 病态系统中绝对值最小的特征值对应于系统动态性能 解中瞬态分量衰减最慢的部分，它决定了整个系统的动 态过渡过程时间的长短。一般与系统中具有最小时间常 数Tmax的环节有关，要求计算步长h取得很大。
3 对于病态问题的仿真需要寻求更加合理的算法，以解 决病态系统带来的选取计算步长与计算精度，计算时间 之间的矛盾。
在仿真中，对于n阶系统，状态方程可以写成一阶微分方程
xi ai1x1 ai2 x2 ain xn biu fi (t, x1, x2, x3, , xn )(i 1, 2, , n)
2021/4/10
14
根据四阶龙格-库塔公式,有
T=tk+h时刻的xi值
T=tk时刻的xi值
xk 1 i
2021/4/10 K3 [k13
第四章 连续系统的离散化方法
2021/4/10
1
ba12
a2
a2
1 12
a2b1 1 2
三个方程，四个未知数，解不唯一
2各021/个4/10系数的几种取法——见书上。
12
3) r=4时，四阶龙格库塔公式-最常用：
h
xk 1
xk
( 6
K1
2K2
2K3
K4
)
K1 f tk ,xk
K2
K3
f f
tk
tk
h 2
,
xk
h 2 , xk
2 病态系统中绝对值最小的特征值对应于系统动态性能 解中瞬态分量衰减最慢的部分，它决定了整个系统的动 态过渡过程时间的长短。一般与系统中具有最小时间常 数Tmax的环节有关，要求计算步长h取得很大。
3 对于病态问题的仿真需要寻求更加合理的算法，以解 决病态系统带来的选取计算步长与计算精度，计算时间 之间的矛盾。
在仿真中，对于n阶系统，状态方程可以写成一阶微分方程
xi ai1x1 ai2 x2 ain xn biu fi (t, x1, x2, x3, , xn )(i 1, 2, , n)
2021/4/10
14
根据四阶龙格-库塔公式,有
T=tk+h时刻的xi值
T=tk时刻的xi值
xk 1 i
2021/4/10 K3 [k13
计算机控制06离散化设计与连续化设计方法
计算机控制06离散化设计与连续化设计方法离散化设计方法是指将连续系统离散化为离散系统的设计方法。
在离散化设计中，连续系统的时间和状态被离散化成一系列离散时间和状态。
离散化设计的基本原理是将连续时间转换为离散时间，将连续状态转换为离散状态。
离散化设计的方法主要包括离散化采样和离散化控制。
离散化采样是指将连续时间变量转换为离散时间变量的方法。
常见的采样方式有周期采样和非周期采样。
周期采样是指以固定时间间隔对连续时间进行采样，而非周期采样是指根据需要对连续时间进行不规则的采样。
离散化采样的目的是为了得到连续系统在离散时间点上的状态。
离散化控制是指将连续控制转换为离散控制的方法。
离散化控制的关键是将连续时间域的控制器转换为离散时间域的控制器，以实现对离散系统的控制。
离散化控制的常用方法包括脉冲响应、零阶保持和减少模型等。
离散化设计方法在很多领域都有应用。
在工业领域，离散化设计可以应用于过程控制系统、机器人控制系统和自动化生产线等。
在交通系统中，离散化设计可以应用于交通信号控制系统和车辆路线规划等。
在电力系统中，离散化设计可以应用于电力系统调度和电网控制等。
离散化设计方法可以提高系统的控制性能和稳定性，并且可以减少系统的复杂度和计算量。
连续化设计方法是指将离散系统连续化的设计方法。
在连续化设计中，离散系统的时间和状态被连续化为连续时间和状态。
连续化设计的基本原理是将离散时间转换为连续时间，将离散状态转换为连续状态。
连续化设计的方法主要包括插值方法和逼近方法。
插值方法是指根据已有离散数据点的值，通过插值技术推导出在两个离散数据点之间的连续数据点的值。
插值方法的常见技术有线性插值、多项式插值和样条插值等。
插值方法的目的是为了得到在离散系统状态之间的连续状态。
逼近方法是指通过逼近离散时间的函数来表示离散状态之间的连续状态。
逼近方法的常见技术有函数逼近、泰勒展开和傅里叶级数展开等。
逼近方法的目的是为了得到在离散系统状态之间的连续时间。
连续系统的离散化方法课件
离散化方法的意义
精确性
离散化方法可以提供对连续系统的精 确近似，特别是在计算机仿真和数字 控制系统中。
可计算性
离散化方法可以将不可计算的分析转 化为可计算的形式，便于进行数值计 算和控制器设计。
离散化方法的应用场景
01
02
03
数字控制
在数字控制系统中，连续 系统的离散化是必要的步 骤，以便在数字计算机上 进行数值计算和控制。
小波基选择
常用的小波基包括Haar小波、Daubechies小波、Morlet 小波等。
误差分析
小波变换法的误差主要来自于变换误差和离散化误差。
05
离散化方法的评估与优化
评估离散化方法优劣的标准
01
02
03
04
精度
离散化方法是否能准确代表原 连续系统。
稳定性
离散化方法在一定参数变化范 围内是否能保持稳定。
状态空间模型
用状态变量和输入、输出变量描述连续系统的动态特性。
状态空间模型通常形式为：`x'(t) = Ax(t) + Bu(t)` 和 `y(t) = Cx(t) + Du(t)`，其中 `x(t)` 表 示系统状态，`u(t)` 表示系统输入，`y(t)` 表示系统输出，`A`, `B`, `C`, `D` 是系数矩阵。
化率。
通过求解 ODE，可以得到系统 在任意时刻的状态。
传递函数
表示连续系统在输入和输出之间的传递 特性。
传递函数通常形式为：`G(s) = Y(s) / U(s)`，其中 `Y(s)` 和 `U(s)` 分别是输 出和输入的拉普拉斯变换，`s` 是复变
量。
通过分析传递函数的零点、极点和增益 ，可以得到系统的稳定性和性能特性。
计算机仿真技术基础第4章连续系统模型的离散化处理方法
1 S2
Z 1 TZ
Z • Z 12
T Y(Z) Z 1 U(Z)
Ｚ反变换得差分方程：
y(n 1) y(n) Tu(n)
２）选用一阶保持器
Gh ( S )
T 1 TS 1
e TS S
2
离散化传递函数 G(Z ) Gh(S )G(S )
T
1
TS
1
e TS S
2
1
S
Y CX DU
t
状态方程的解 X (t) (t)X (0) (t )Bu( )d
采用零阶保持器对状态空间表达0式进行离散化处
理
u(t )
u(k )
零阶 保持器
u~(k )
x Ax Bu
x
~x
对e A于T X连(K续T解)
eX A( t()K1)T( tX) X(0(0))
t
根据Ｚ变换理论，Ｓ域到Ｚ域的最基本的
映射关系是：
Z
eTs
或
s 1 ln Z T
其中Ｔ是采样周期
若直接将这个映射关系代入Ｇ(S)得到G(Z)将 会很复杂，不便于计算，实际应用中是利用Ｚ变 换理论的基本映射关系进行简化处理，得到近似 的离散模型。
4.1.1 简单替换法
由幂级数展开式：
eTx 1 Tx (Tx)2 (Tx)n
y(n 1) y(n) T [u(n 1) u(n)] 2
4.2 离散相似法
4.2.1 离散相似法的概念
离散相似法将连续系统模型处理成与之等效 的离散模型的一种方法。设计一个离散系统模型， 使其中的信息流与给定的连续系统中的信息流相 似。或者是根据给定的连续系统数学模型，通过 具体的离散化方法，构造一个离散化模型，使之 与连续系统等效。
连续系统模型的离散化处理方法课件
离散系统模型
离散系统模型是指系统的状态变化在时间上是离散的，即只在特定的时间点上 发生变化。其输入和输出信号也是离散的。这种模型通常用差分方程进行描述 。
离散化的定义及其必要性
离散化定义
离散化是将连续时间信号或系统转换为离散时间信号或系统 的过程。它涉及对连续信号的采样以及将微分方程转换为差 分方程。
数值积分法
数值积分法使用数值方法求解微分方程的解，并将连续时间微分方程转换为离散时间差分 方程。常用的数值积分法包括欧拉法、龙格-库塔法等。
z变换法
z变换法是一种在复平面上进行的离散化方法。它通过将连续时间信号的拉普拉斯变换转 换为z变换，将连续系统的传递函数转换为离散系统的传递函数。
02
常用的连续系统模型离散化方 法
03
提高精度的方法
为了提高离散系统的精度，可以采用更小的离散化步长， 使用更高阶的数值积分方法，或者采用自适应离散化技术 等。此外，还可以通过增加离散点的数量和优化插值方法 来实现更高精度的离散化。
效率问题
效率定义
离散化对效率的影响
提高效率的方法
效率问题涉及离散化过程的计算复杂 度和计算资源消耗。
改进型龙格-库塔法
针对经典四阶龙格-库塔法的不足进行 改进，如变步长龙格-库塔法等，以提 高数值解的精度和稳定性。
牛顿法
基本牛顿法
利用泰勒级数展开，将非线性方程线性化，通过迭代求解线性方程组来逼近非线 性方程的解。该方法收敛速度快，但初始值选取对结果影响较大。
牛顿-拉夫逊法
结合牛顿法和拉夫逊法的特点，通过迭代过程中修改雅可比矩阵，提高求解速度 和精度。该方法适用于大规模非线性系统的求解。
THANKS。
保持稳定性的方法
常用的保持稳定性的方法包括选择合适的离散化步长、使用稳定性更好 的数值积分方法等。此外，还可以通过引入阻尼项或者采用隐式离散化 方案来提高离散系统的稳定性。
离散系统模型是指系统的状态变化在时间上是离散的，即只在特定的时间点上 发生变化。其输入和输出信号也是离散的。这种模型通常用差分方程进行描述 。
离散化的定义及其必要性
离散化定义
离散化是将连续时间信号或系统转换为离散时间信号或系统 的过程。它涉及对连续信号的采样以及将微分方程转换为差 分方程。
数值积分法
数值积分法使用数值方法求解微分方程的解，并将连续时间微分方程转换为离散时间差分 方程。常用的数值积分法包括欧拉法、龙格-库塔法等。
z变换法
z变换法是一种在复平面上进行的离散化方法。它通过将连续时间信号的拉普拉斯变换转 换为z变换，将连续系统的传递函数转换为离散系统的传递函数。
02
常用的连续系统模型离散化方 法
03
提高精度的方法
为了提高离散系统的精度，可以采用更小的离散化步长， 使用更高阶的数值积分方法，或者采用自适应离散化技术 等。此外，还可以通过增加离散点的数量和优化插值方法 来实现更高精度的离散化。
效率问题
效率定义
离散化对效率的影响
提高效率的方法
效率问题涉及离散化过程的计算复杂 度和计算资源消耗。
改进型龙格-库塔法
针对经典四阶龙格-库塔法的不足进行 改进，如变步长龙格-库塔法等，以提 高数值解的精度和稳定性。
牛顿法
基本牛顿法
利用泰勒级数展开，将非线性方程线性化，通过迭代求解线性方程组来逼近非线 性方程的解。该方法收敛速度快，但初始值选取对结果影响较大。
牛顿-拉夫逊法
结合牛顿法和拉夫逊法的特点，通过迭代过程中修改雅可比矩阵，提高求解速度 和精度。该方法适用于大规模非线性系统的求解。
THANKS。
保持稳定性的方法
常用的保持稳定性的方法包括选择合适的离散化步长、使用稳定性更好 的数值积分方法等。此外，还可以通过引入阻尼项或者采用隐式离散化 方案来提高离散系统的稳定性。
- 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)。
2021/4/17
20
2 典型环节的离散状态方程
A 积分环节：G（S）=K/S
其状态方程：X’=Ku
输出方程：y=x
其中：A=0，B=K
T e AT 1
m T
T e AT A B d KT
0
p T
T e AT A Bd 1 KT 2
0
2
2021/4/17
21
积分环节的离散状态方程和---
2021/4/17
32
1 采样周期对精度的影响
香农定理：当一个具有有限频道的连续信号f （t）进行采样时，如果采样频率大于等于两 倍的f（t）的有效频谱的最高角频率，采样 函数便能无失真地复现原来的连续信号
某一环节的输入信号频带取决于前面环节的 系统响应
2021/4/17
33
选择Ts时，满足采样定理，适当考虑系统的 动态响应，以防降低精度
2021/4/17
6
三、双线性替换法
1 替换关系：
1 TS
Z
1
2 TS
2
S 2(Z 1) T (Z 1)
G(S) Y(S)
1
U (S) s * s 3s 2
2021/4/17
7
2 高阶系统双线性替换计算机程序的自动实现 3 双线性替换性能评价： 稳定性 精度 保持模型的阶次不变 频率特性近似 G（S）的稳定增益不变 具有串联性 高阶系统能程序实现
20201/4./137 171x1(n)+0.3171
38
4.8双线性和RK4 S=2(z-1)/T/(z+1) W(n+1)=w(n)+T*u(n+1)/2+T*u(n)/2 X(n+1)=((0.5T+2)w(n+1)+(0.5T-2)w(n)-
(0.1T-2)x(n))/(0.1T+2) Z(n+1)=(2Tx(n+1)+2Tx(n)-(2T-2)z(n))/(2T+2) U(n+1)=1-y(n)
yn1 xn1
2021/4/17
23
D 超前-滞后环节
Gs k k b s
as
yn1 b a xn1 kUn kTU n
2021/4/17
24
四、采用离散化模型的系统仿真
把各个环节有机地连接起来。 1 连接矩阵（面向结构图）
1
2
-
-
4
6
5
3 -
a
2021/4/17
25
u1 y0 y6 u2 y1 y4 u3 y2 ay5 u4 u5 y3 u6 y5
2021/4/17
26
u1
u2
u3
u4
u5
u6
2021/4/17
1 0 0
0 1 0
0 0 1
0 0 0
0 0
0 1
1
0
0
a 0
y0 y1 y2
y3
y4
y5 y6
27
连接方程
U=w yK U—输入向量 YK—输出向量 W—连接矩阵
2021/4/17
按系统响应时间确定采样周期，可取 Ts=0.1Tmin
Tmin—系统中反应最快的那个闭环子系统的 最小时间常数
2021/4/17
34
2 信号重构器对仿真模型精度的影响
加入一个理想滤波器,保留输入信号主频段,滤 掉附加的频谱分量,不失真
理想滤波器不存在,一般用零阶、一阶、三角 保持器来近似
3 离散相似模型的稳定性
(z 1)(z 1)
Gz
yz uz
zGhsGs
Gh
s
1
e s
TS
Z域法
40
r
u
w
x
z
y
1
S+0.5
2
10
S
S+0.1
S+2
S+10
w' 1 y x' 0.1x1 y 0.5 w z' 2 z 2 x y' 10 y10z
T eAT
GT T eATA Bd 0
时域法
H T T eATA B. .d 0
28
2 仿真计算过程
基本计算单元：各环节的离散化模型
K个环节，K个离散状态方程，K个输出方程
A 根据状态向量初值X（0）以及输出向量初 值Y（0），算出所有环节的输入
B 由X（0）、U（0）、U’(0)按离散状态方 程,算出所有的状态量
由状态量、输入量，按输出方程算出所有的 输出，到此，完成一步；在此基础上，进行 下一步，一直进行，直到仿真完成。
f1=x2 ; f2=x3 ;
f3=-33.33x1-13.33x2-10x3+33.33
X=x1
T=0.01
X1(n+1)=x1(n)+0.01x2(n)+0.00005x3(n)
X2(n+1)=0.9993x2(n)+0.0095x3(n)0.00167x1(n)+0.00167
X3(n+1)=0.90416x3(n)-0.1285x2(n)-
005*(-x1(n)-2*x2(n)-1) X2(n+1)=0.9802*x2(n)-
0.0099*(x1(n)+1)-0.0000497*(x2(n)+1)
2021/4/17
37
4.6.2
X(t)=1-0.0506exp(-8.925t)-0.9494exp(0.5375t)cos1.856t-0.5183exp(0.5375t)sin1.856t
第四章 连续系统模型的离散化 处理方法
4.1 替换法
4.3 离散相似法
2021/4/17
1
如果要求进行实时仿真，或要求计算工作速 度快时，能在一个采用周期内完成全部计算 任务，这就需要一些快速计算方法。
数值积分法：将微分方程转换成差分方程， 这中间是一步步离散，每一步离散都用到连 续系统的原模型，这样的速度就慢了。
W(n+1)=w(n)+T(1-y(n))
X(n+1)=exp(-0.01T)x(n)-(10exp(-0.1T)10)*(0.5w(n)+1-y(n))
Z(n+1)=exp(-2T)z(n)+(1-exp(-2T))x(n)
Y(n+1)=exp(-10T)y(n)+(1-exp(-10T))z(n)
2021/4/17
29
3 仿真程序框图
基本思路： 各环节进行分类编号 计算各环节离散状态方程系数矩阵 依据各环节的连接关系及外部作用函数 计算各环节的输入函数u、u’ 依据各环节的两个方程计算各环节当前一步
的状态量Xn+1和输出量Yn+1。
2021/4/17
30
初始化程序
识别环节类型 计算系数
xk 1 T xk GT U k H T U k
2021/4/17
41
4.8 Z域和时域 W(n+1)=w(n)+Tu(n) X(n+1)=exp(-0.1T)x(n)+w(n+1)+(4-5exp(-
0.1T)w(n) Z(n+1)=exp(-2T)z(n)+(1-exp(-2T))x(n) Y(n+1)=exp(-10T)y(n)+(1-exp(-10T))z(n) U(n+1)=1-y(n)
F1=1-x4
F2=0.5x1-0.1x2+1-x4
F3=2x2-2x3
F4=10x3-10x4
Y=x4
2021/4/17
39
r
u
w
x
z
y
1
S+0.5
2
10
S
S+0.1
S+2
S+10
1
z
s a z exp( aT)
eTS 1 z
1 z s z 1
1 Tz
s * s 2021/4/17
取决于u（t）的近似能否精确地复现u（t）
仿真精度主要取决于采样周期Ts的大小、 信号重构器的特性
两种形式：传递函数的离散化相似处理— 离散传递函数；连续状态方程的离散相似 处理—离散化状态方程
2021/4/1711 Nhomakorabea二、Z域离散相似方法
1 基本方法
Gz
yz uz
zGh s Gs
1
a
2021/4/17
13
主要步骤
A 画出连续系统结构图 B 加入虚拟采样开关，选择合适的信号重构
器 C G（S）与Gh（S）串联，z变换—G（Z） D Z反变换—差分方程 E 根据差分方程编制仿真程序
2021/4/17
14
2 典型环节离散相似模型
A 积分环节 B 一阶环节 C 二阶环节
2021/4/17
2
本章方法：先对连续模型进行离散化处理， 得到一个“等效”的离散化模型，
以后每一步计算都在这个离散化模型基础上 进行，原来的模型不再参与计算
这种方法，得到了简化的模型，便于在计算 机上求解，且使计算速度加快
2021/4/17
3
4.1替换法
基本思想：设法找到S域到Z域的某种映射关 系，将G（S）转换成G（Z），再进行Z的反 变换，求得差分方程，据此便可以快速求解
9
一、基本思路
设计一个离散系统模型，使其中的信息流与 给定的连续系统中的信息流相似
设一个连续系统，u（t）-输入，y（t）-输 出