Schwach besetzte Zustandsraummodelle
Sie können große Zustandsraummodelle mit spärlichen Daten in MATLAB® und Simulink® effizient darstellen, kombinieren und analysieren. Die Verwendung schwach besetzter Darstellungen ist ideal und effizient, da dichte Modelldarstellungen für große Modelle rechenintensiv sind und zu sehr langen Ausführungszeiten führen können. Weitere Informationen finden Sie unter Computational Advantages of Sparse Matrices.
Mit den verfügbaren Funktionen können Sie:
Antwortanalysen im Zeit- und Frequenzbereich mit schwach besetzten Modellen durchführen
Signalbasierte Verbindungen zwischen schwach besetzten Modellen und zu anderen LTI-Modellen angeben
Physikalische Kopplungen zwischen schwach besetzten Modellkomponenten angeben
Schwach besetzte Modelle von zeitkontinuierlichen in zeitdiskrete Darstellungen transformieren und umgekehrt
Ein Modell zu einem schwach besetzten Modell linearisieren, wenn Ihr Simulink-Modell einen Descriptor State-Space (Simulink)- oder Sparse Second Order-Block hat, indem Sie die Funktion
linearize
(Simulink Control Design) verwendenEin strukturelles oder ein thermisches PDE-Modell mit der Funktion
linearize
(Partial Differential Equation Toolbox) zu einem schwach besetzten Modell linearisieren
Weitere Einzelheiten über schwach besetzte Modelle und die verfügbaren Funktionen finden Sie unter Sparse Model Basics.
Funktionen
Blöcke
Descriptor State-Space | Model linear implicit system |
Sparse Second Order | Represent sparse second-order models in Simulink (Seit R2020b) |
Themen
- Sparse Model Basics
Sparse models represent state-space systems composed of large sparse matrices.
- Rigid Assembly of Model Components
Specify rigid physical couplings in a structural model.
- Thermal Modeling and Control Design for CPU Chip Cooling System
Create a CPU and heat sink thermal model, perform model order reduction, and design a controller for a cooling system.