scipy.signal.cont2discrete¶
- scipy.signal.cont2discrete(system, dt, method='zoh', alpha=None)[源代码]¶
将连续状态空间系统转化为离散状态空间系统。
- 参数
- 系统 :描述系统的元组或
lti
描述系统的元组或 下面给出了元组中的元素数量和解释:
1:(实例
lti
)2:(Num,DEN)
3:(零、极、增益)
4:(A、B、C、D)
- dt浮动
离散化时间步长。
- method字符串,可选
使用哪种方法:
GBT:广义双线性变换
双线性:Tustin近似(“GBT”,Alpha=0.5)
Euler:Euler(或正向差分)方法(“GBT”,alpha=0)
backward_diff:向后差分(“GBT”,alpha=1.0)
ZOH:零阶保持(默认)
FOH:一阶等待( 添加的版本:1.3.0 )
脉冲:等效脉冲响应( 添加的版本:1.3.0 )
- alpha漂浮在 [0, 1] ,可选
广义双线性变换加权参数,该参数只能用method=“GBT”指定,否则将被忽略
- 系统 :描述系统的元组或
- 退货
- sysd包含离散系统的元组
根据输入类型,输出将采用以下形式
(Num,DEN,DT)用于传递函数输入
(零、极、增益、DT)用于零极增益输入
(A,B,C,D,DT)用于状态空间系统输入
注意事项
默认情况下,该例程使用零阶保持(ZOH)方法来执行转换。或者,可以使用广义双线性变换,其包括常见的塔斯汀双线性近似、欧拉法技术或向后差分技术。
零阶保持(ZOH)方法基于 [1], 广义双线性近似基于 [2] 和 [3], 一阶保持(FOH)方法基于 [4].
参考文献
- 1
https://en.wikipedia.org/wiki/Discretization#Discretization_of_linear_state_space_models
- 2
http://techteach.no/publications/discretetime_signals_systems/discrete.pdf
- 3
张国荣,陈晓华,陈庭中,基于广义双线性变换的数字再设计,国际。J.控制,第一卷。82,第4期,第741-754页,2009年。(https://www.mypolyuweb.hk/~magzhang/Research/ZCC09_IJC.pdf)
- 4
富兰克林、鲍威尔、沃克曼,“动态系统的数字控制”,第3版。门洛帕克,加利福尼亚州:艾迪生-卫斯理出版社,第204-206页,1998年。
示例
我们可以将连续状态空间系统转换为离散状态空间系统:
>>> import matplotlib.pyplot as plt >>> from scipy.signal import cont2discrete, lti, dlti, dstep
定义一个连续的状态空间系统。
>>> A = np.array([[0, 1],[-10., -3]]) >>> B = np.array([[0],[10.]]) >>> C = np.array([[1., 0]]) >>> D = np.array([[0.]]) >>> l_system = lti(A, B, C, D) >>> t, x = l_system.step(T=np.linspace(0, 5, 100)) >>> fig, ax = plt.subplots() >>> ax.plot(t, x, label='Continuous', linewidth=3)
使用几种方法将其转换为离散状态空间系统。
>>> dt = 0.1 >>> for method in ['zoh', 'bilinear', 'euler', 'backward_diff', 'foh', 'impulse']: ... d_system = cont2discrete((A, B, C, D), dt, method=method) ... s, x_d = dstep(d_system) ... ax.step(s, np.squeeze(x_d), label=method, where='post') >>> ax.axis([t[0], t[-1], x[0], 1.4]) >>> ax.legend(loc='best') >>> fig.tight_layout() >>> plt.show()