Simulink中连续与离散模型地区别Word格式文档下载.docx

Simulink中连续与离散模型地区别Word格式文档下载.docx

《Simulink中连续与离散模型地区别Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《Simulink中连续与离散模型地区别Word格式文档下载.docx（19页珍藏版）》请在冰点文库上搜索。

下载附件 

保存到相册

2013-9-1419:

09上传

2.连续模型的数学建模vs离散模型的数学建模

Note：

这里的连续和离散都是指时间上的连续和离散，无关乎现实世界的连续系统和离散系统。

所谓数学建模就是用样的数学语言来描述模型，

连续系统的数学模型通常可以用以下几种形式表示：

微分方程、传递函数、状态空间表达式，这三中形式是可以相互转换的，其中又以状态空间表达式最有利于计算机计算。

①微分方程：

一个连续系统可以表示成高阶微分方程，即

10上传

②传递函数

上式两边取拉普拉斯变换，假设y与u的各阶导数（包括零阶）的初值均为零，如此有

于是便得微分方程的传递函数描述形式如下：

11上传

③状态空间表达式

线性定常系统的状态空间表达式包括如下两个矩阵方程：

〔7-1〕

〔7-2〕

式〔7-1〕由n个一阶微分方程组成，称为状态方程；

式〔7-2〕由l个线性代方程组称为输出方程

因此获得如下的状态方程与输出方程〔令a0=1〕:

12上传

离散模型假定一个系统的输入量、输出量与其内部状态量是时间的离散函数，即为一个时间序列：

捕获.JPG（9.81KB,下载次数:

6）

2013-9-1417:

50上传

，其中T为离散时间间隔，其实T也就是上文中的sampletime。

再强调一次，这里的离散模型是指离散时间模型，与现实世界中的离散事件模型没有任何关系，在simpowersystem中所讲的离散都是指时间上的离散，与我们在信号中学的那个离散概念没有关系。

离散时间模型有差分方程、离散传递函数、权序列、离散状态空间模型等形式。

①差分方程

差分方程的一般表达式为：

13上传

同样差分方程可以转换成后面那些表达形式。

3.连续模型的离散化

假设连续系统的状态方程为

捕获.JPG（8.54KB,下载次数:

52上传

现在人为地在系统的输入与输出端加上采样开关，同时为了使输入信号复员为原来的信号，在输入端还要加一个保持器，如下列图。

现假定它为零阶保持器，即假定输入向量的所有分量在任意两个依次相连的采样瞬时为常值，比如，对第n个采样周期u（t）=u（nt），其中T为采样间隔。

由采样定理可知，当采样频率ws和信号最大频率wmax满足ws>

2wmax的条件时，可由采样后的信号唯一地确定原始信号。

把采样后的离散信号通过一个低通滤波器，即可实现信号的重构。

值得注意的是，图所示的采样器和保持器实际上是不存在的，而是为了将式离散化而虚构的。

下面对上式进展求解，对方程式两边进展拉普拉斯变换，得

即

55上传

通过一系列的拉斯反变换和卷积，最终得到其差分方程〔具体过程不用关心〕

56上传

15上传

统称为系统的离散系数矩阵。

在转换过程中引入了一个重要参数T，即采样间隔，也就是采样时间，不管是powergui还是其他离散模型，只要涉与到离散，都必然会涉与到sample 

time，如如下图

那么sampletime一般取多大呢，一直满足采样定理即可，即信号的采样频率大于信号本身最大频率的2倍即可。

4.simulator连续模型的仿真算法〔simulatesolver，也可译成仿真解算器〕和步长的概念。

16上传

连续系统的计算机仿真算法是数值积分法，即计算机用数值积分来解微分方程，从而得到其近似解。

具体方法如下

①欧拉法和改良的欧拉法：

现有微分方程如下：

上式右端的积分，计算机是无法求出的，其几何意义为曲线f〔t,y〕在区间（ti,ti+1）上的面积。

当（ti,ti+1）充分小时，可用矩形面积来近似代替：

17上传

其中h即为积分步长。

Note:

在simulator仿真计算时，h实际为仿真时间间隔。

因此可得下式：

因此只要知道当前状态和步长，便可得到下一状态。

其几何意义如下：

58上传

分析其误差特性：

由泰勒展式可得：

可知其截断误差

59上传

是和步长h2成正比的，因此计算机在计算时，假如要使近似积分精度更高，就要减小步长，但会增加截断误差。

②改良的欧拉法〔—校正法〕

对积分公式（）式利用梯形面积公式计算其右端积分，得到

2013-9-1418:

00上传

将上式写成递推差分格式为：

01上传

从上式可以看出，在计算yn+1中，需要知道fn+1，而fn+1=f（tn+1,fn+1）又依赖于yn+1本身。

因此要首先利用欧拉法计算每一个预估的ypn+1，以此值代入原方程式计算fpn+1，最后利用下式求修正后的ypn+1。

所以改良的欧拉法可描述为

image098.jpg（5.1KB,下载次数:

39上传

③龙格—库塔法〔rung-kuta〕

欧拉法是将

image099.jpg（14.94KB,下载次数:

经泰勒级数展开并截去h2以后各项得到的一阶一步法，所以精度较低。

如果将展开式多取几项以后截断，就得到精度较高的高阶数值解，但直接使用泰勒级数展开式要计算函数的高阶导数较难。

龙格—库塔法是采用间接利用泰勒级数展开式的思路，即用在n个点上的函数值f的线性组合来代替f的导数，然后按泰勒级数展开式确定其中的系数，以提高算法的阶数。

这样既能防止计算函数的导数，同时又保证了计算精度。

由于龙格—库塔法具有许多优点，故在许多仿真程序包中，它是一个最根本的算法之一。

④线性多步法

以上所述的数值解法均为单步法。

在计算中只要知道

07上传

。

也就是说，根据初始条件可以递推计算出相继各时刻的y值，所以这种方法都可以自启动。

下面要介绍的是另一类算法，即多步法。

用这类算法求解时，可能需要

image101.jpg（13.92KB,下载次数:

各时刻的值。

显然多步法计算公式不能自启动，并且在计算过程中占用的内存较大，但可以提高计算精度和速度。

例如：

亚当斯—贝希霍斯显式多步法

⑤刚性〔stiff〕系统解法

所谓刚性系统，就是用来描叙这类系统的微分方程的解，往往是由多个时间常数共同作用的，其中某些小时间常数对解的影响往往是微乎其微但确实不可或缺的。

例如下式是一个简单刚性系统微分方程的解：

image105.jpg（10.19KB,下载次数:

当时间较大时特征解-1000几乎对方程不起任何作用，但开始时有不能忽略e-1000t的影响，因此假如前面介绍的计算机数值解法，为了保证解的稳定性在选取步长h时，必须保证1000h较小，也就是说步长h必须十分的小，这必然会增大计算次数，增大计算时间，而又因为在t一定大时，e-1000t几乎不起作用，因此这种增大次数又不会对计算精度有多大改善，就是说常规解法计算刚性系统是在做无用功。

到目前为止，已提出不少解刚性方程的数值方法，根本上分为：

显式公式，隐式公式和校正型。

显示公式常用雷纳尔法

隐式方程都是稳定的，故都适合于解描述刚性系统的方程组，如隐式的龙格—库塔法。

但这种方法每计算一步都需要进展迭代，故计算量大，在工程上使用有一定困难。

因此在解刚性方程时，常采用Rosenbrock提出的半隐式龙格—库塔法。

—校正型中常用的解刚性方程的方法是Gear算法

5.simulator离散模型的仿真算法和步长的概念。

离散模型的数学建模一般采用差分方程的方式，在matlab中其仿真算法是采用discrete算法，就是根据simulationstep定时对离散模块进展更新〔就是定时计算差分方程的意思〕

18上传

至于其步长的概念和连续模型中h的概念差不多，但是它的大小选择和sampletime有着密切关系，下面会给予说明。

6.simulink中仿真参数〔simulation/configurationparameters〕

有了上面知识的铺垫，可以介绍simulink仿真参数的设置

19上传

上图中solver〔仿真解算器〕就是上面介绍的各种算法用计算机语言编程的实现。

continuoussolver就是数值积分法，discretesolver就是离散解法。

步长有variablestep〔变步长〕和fixedstep〔固定步长之分〕。

continuoussolver中的步长就是h，就是积分时间间隔，对于discrete 

solver的步长是和要仿真的模型中的sampletime有密切关系的，是不可以随便取的。

①variablestep〔变步长〕

20上传

就是说变步长会根据模型状态的变化的快慢适当调节步长，也就是相邻仿真计算的时间间隔，这样在保证了一定精度的同时又减少了仿真的次数，从而减小了仿真时间。

对于continuoussolver而言，可以人为设定maxstepsize和minstepsize，然后计算机自动选择积分步长h进展数值积分。

以下是它的仿真solver〔ODE表示常微分方法〕

image117.jpg（25.74KB,下载次数:

②fixedstep〔固定步长〕

21上传

就是仿真从头到尾用同一个步长。

对于continuoussolver而言固定步长可以认为任取；

而对于dicretesolver而言固定步长可以auto〔即仿真帮你取〕，假如人为取必选要遵守和sampletime之间的一定关系，下面会有介绍。

关于simulink中搭建一些DSP，fpga等外设模块，仿真通过后自动生成代码，可在实际器件上运行时，此时simulationstep一定要用fixedstep〔固定步长〕。

具体说明见如下图：

image121.jpg（12.75KB,下载次数:

③discretesolver

image123.jpg（5.62KB,下载次数:

image124.png（13.19KB,下载次数:

solver就是discrete算法，就是不断更新discreteblock在各离散点的状态，步长的大小是与模型中的sampletime有密切关系的，

由上面阐述的差分方程可知，差分方程中T采样时间是固定的，对于discretesolver而言不管是variablestep还是fixedstep，simulationstep〔仿真步〕必须要有出现在sampletime所有的整数倍上，即simulationstep的设置必须使simulator在1T、2T、3T要对模型进展计算仿真，以免错过主要状态的转化。

假如一个离散仿真模型中具有多个sampletime，那么要保证每个模型在其采用时间的1T、2T、3T都能进展仿真，那么最小步长只能取各个仿真时间的公约数，其中最大公约数又称为fundamentalsampletime，例子如下

假设仿真的离散模型中有两个采样时间T1=2e-6，T2=4e-6那么其公约数为1e-6和2e-6，而fundamentalsampletime=2e-6

image126.png（14.72KB,下载次数:

7）

假如采用fixedstep步长，为了不错过模型在每个采样时刻状态的变化，要求simulator的仿真时间必须要包含每一个采样时刻的整数倍，因此其固定步长必须取各个sampletime的公约数，可以是1e-6或2e-6，假如写auto如此为fundamentalsampletime=2e-6，假如写出其他步长，如此simulation会提示错误。

image129.jpg（6.48KB,下载次数:

上述仿真过程如下：

箭头表示simulationstep，就是simulator在每一个箭头处都会仿真计算一次；

圆圈处表示模型采样时刻〔sampletime〕处，其实只有在这一刻离散模型的状态才有可能发生改变，即差分方程的解才有可能发生改变；

由上图可见这样设置步长保证了在每个sampletime处simulator都进展了仿真。

假如采用variablestep步长，simulator会根据模型中的各个sampletime自动调整步长，以使得仿真时间时刻等于sampletime。

image132.png（12.77KB,下载次数:

此时又有一个maxstepsize的限制，假如如上图写的是auto，那么上述仿真过程如下：

可见simulator只在sampletime处才进展仿真计算，这样减少了仿真次数，节约了时间。

假如maxstepsize=0.7e-6，那么仿真过程又该如何？

如如下图：

可见variablestep时，即使有人为maxstepsize的限制，simulator总会跟踪sampletime。

一般选择auto即可。

⑥关于powergui的作用

image138.png（1.27KB,下载次数:

image141.jpg（11.47KB,下载次数:

image143.jpg（7.4KB,下载次数:

powergui根本上在simpowersystem的仿真中有两个作用：

ⅰ：

离散化系统中的一些连续模型，以便simulator采用discrete算法计算，注意：

对本来就已经存在的离散模型不起任何作用，如如下图：

image144.jpg（6.86KB,下载次数:

powergui的离散sampletime为2e-6，而系统中还有离散模块的sampletime为4e-6，powergui的离散作用对它没有影响。

ⅱ：

提供各种graphicaluserinterfacetools用于分析仿真过程中的信号以与数据〔尤其是FFT分析〕。