Main Content

Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Schwach besetzte Zustandsraummodelle

Groß angelegte Zustandsraummodelle mit spärlichen Daten

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) verwenden

  • Ein 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

alle erweitern

sparssSparse first-order state-space model (Seit R2020b)
mechssSparse second-order state-space model (Seit R2020b)
getx0Map initial conditions from a mechss object to a sparss object (Seit R2020b)
fullConvert sparse models to dense storage (Seit R2020b)
imp2expConvert implicit linear relationship to explicit input-output relation
invInvert dynamic system models
getDelayModelState-space representation of internal delays
findopCompute operating condition from specifications (Seit R2023b)
sparssdataAccess first-order sparse state-space model data (Seit R2020b)
mechssdataAccess second-order sparse state-space model data (Seit R2020b)
showStateInfoState vector map for sparse model (Seit R2020b)
spyVisualize sparsity pattern of a sparse model (Seit R2020b)
stepStep response of dynamic system
impulseImpulse response plot of dynamic system; impulse response data
initialSystem response to initial states of state-space model
lsimPlot simulated time response of dynamic system to arbitrary inputs; simulated response data
bodeBode plot of frequency response, or magnitude and phase data
nyquistNyquist plot of frequency response
nicholsNichols chart of frequency response
sigmaSingular value plot of dynamic system
passiveplotCompute or plot passivity index as function of frequency
dcgainLow-frequency (DC) gain of LTI system
evalfrEvaluate system response at specific frequency
freqrespEvaluate system response over a grid of frequencies
interfaceSpecify physical connections between components of mechss model (Seit R2020b)
xsortSort states based on state partition (Seit R2020b)
feedbackFeedback connection of multiple models
parallelParallel connection of two models
appendGroup models by appending their inputs and outputs
connectBlock diagram interconnections of dynamic systems
lftGeneralized feedback interconnection of two models (Redheffer star product)
seriesReihenschaltung von zwei Modellen
linearizeLinear approximation of Simulink model or subsystem
linearizeOptionsSet linearization options
linioCreate linear analysis point for Simulink model, Linear Analysis Plots block, or Model Verification block
linearizeLinearize structural or thermal model (Seit R2021b)
linearizeInputSpecify inputs to linearized model (Seit R2021b)
linearizeOutputSpecify outputs of linearized model (Seit R2021b)

Blöcke

Descriptor State-SpaceModel linear implicit systems
Sparse Second OrderRepresent sparse second-order models in Simulink (Seit R2020b)

Themen