matlab 迭代学习控制渐进稳定判别准则二（只是充分）

qq_45111955

已于 2022-03-21 16:30:13 修改

阅读量372

点赞数

分类专栏：本科论文_迭代学习控制回滞特性压电执行器文章标签： matlab 学习

于 2022-03-20 16:49:17 首次发布

本文链接：https://blog.csdn.net/qq_45111955/article/details/123616161

版权

本科论文_迭代学习控制回滞特性压电执行器专栏收录该内容

5 篇文章 4 订阅

订阅专栏

这篇博客探讨了离散和连续传递函数的奇异值曲线，展示了如何计算它们的无穷范数和最大奇异值。通过示例计算了传递函数的乘积，并讨论了迭代学习控制的收敛判别准则。文章还给出了具体示例，如Q、zL和P的传递函数及其乘积panbie的详细信息。

摘要由CSDN通过智能技术生成

clc
% %1 创建离散传函
% Numerators = {1 [1 0];[-1 2] 3};
% Denominator = [1 0.3];
% Ts = 1;
% H1 = tf(Numerators,Denominator,Ts)
% 
% %2离散传函奇异值曲线  无穷范数 =最大奇异值
% [ninf,fpeak] = hinfnorm(H1)
% sigma(H1),grid
% 
% %3连续传函奇异值
% Numerators = {1 [1 0];[-1 2] 3};
% Denominator = [1 0.3];
% H2 =tf(Numerators,Denominator)
% figure
% sigma(H2),grid

%4传函可以直接相乘H5=H3*H4


% 5迭代学习控制收敛判别准则2  只是充分条件
clc
ts=1;
%Q
num_Q=[1 0];
den_Q=[1 -1];
Q=tf(num_Q,den_Q,ts)
%z L
num_zL=conv([1,0],0.5*[1 0]);
den_zL=[1 -1];
zL=tf(num_zL,den_zL,ts)
%P
num_P=[1 0];
den_P=conv([1 -0.9],[1 -0.9]);
P=tf(num_P,den_P,ts)
%
panbie=Q*(1-zL*P)
[ninf,fpeak] = hinfnorm(Q*(1-zL*P))
sigma(panbie),grid

Q =

z
-----
z - 1

Sample time: 1 seconds
Discrete-time transfer function.

zL =

0.5 z^2
-------
z - 1

Sample time: 1 seconds
Discrete-time transfer function.

P =

z
------------------
z^2 - 1.8 z + 0.81

Sample time: 1 seconds
Discrete-time transfer function.

panbie =

0.5 z^4 - 2.8 z^3 + 2.61 z^2 - 0.81 z
----------------------------------------
z^4 - 3.8 z^3 + 5.41 z^2 - 3.42 z + 0.81

Sample time: 1 seconds
Discrete-time transfer function.

ninf =

Inf

fpeak =

NaN