Contenido principal

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Reducción de orden de modelo

Obtenga aproximaciones de orden inferior de modelos complejos

Trabajar con modelos de orden inferior puede simplificar el análisis y el diseño de control. Los modelos más sencillos son también más fáciles de entender y manipular que los modelos de orden superior. Puede obtener modelos de orden superior cuando se linealizan modelos complejos de Simulink® o de Partial Differential Equation Toolbox™, se interconectan elementos del modelo o se utilizan otros procesos que producen estados que no contribuyen mucho a la dinámica de particular interés para la aplicación. Con Control System Toolbox™, puede obtener modelos de orden inferior para modelos LTI ordinarios o modelos LTI dispersos a gran escala.

Para obtener modelos de orden inferior, puede:

  • Descartar los modos (polos) que queden fuera de un rango de frecuencia o región de interés específicos usando freqsep o modalsep.

  • Calcular aproximaciones de orden inferior de modelos de LTI o LTI dispersos utilizando diversas técnicas y criterios, como el truncamiento equilibrado y la descomposición ortogonal propia (POD). Utilice reducespec como punto de entrada para estos flujos de trabajo.

Además, puede simplificar los modelos cancelando los pares polo-cero o eliminando los estados de baja contribución con funciones como minreal, sminreal o xelim.

También puede reducir interactivamente el orden de los modelos con la app Model Reducer y la tarea Reduce Model Order de Live Editor.

Para más información sobre otras maneras de reducir el orden de los modelos, consulte Model Reduction Basics.

Apps

Model ReducerReduzca la complejidad de los modelos lineales invariantes en el tiempo (LTI)

Tareas de Live Editor

Reduce Model OrderReduce complexity of linear time-invariant (LTI) models in the Live Editor

Funciones

expandir todo

minrealRealización mínima o cancelación de polos y ceros
sminrealEliminates structurally disconnected states, delays, and blocks
xelimEliminate states from state-space models (Desde R2023b)
sminDAEReduce algebraic states in sparse state-space models while preserving sparsity (Desde R2024b)
modalsepCompute modal decomposition (Desde R2023b)
modalsumSum of modal components (Desde R2023b)
stabsepStable-unstable decomposition
freqsepSlow-fast decomposition
reducespecCreate model order reduction specifications (Desde R2023b)
processRun model order reduction algorithm (Desde R2023b)
view (balanced)Plot state contributions when using balanced truncation method (Desde R2023b)
getrom (balanced)Obtain reduced-order models when using balanced truncation method (Desde R2023b)
view (ncf)Plot state contributions when using balanced truncation of normalized coprime factors method (Desde R2023b)
getrom (ncf)Obtain reduced-order models when using balanced truncation of normalized coprime factors method (Desde R2023b)
view (modal)Plot mode information when using modal truncation method (Desde R2023b)
getrom (modal)Obtain reduced-order models when using modal truncation method (Desde R2023b)
view (pod)Plot state contributions when using proper orthogonal decomposition (POD) method (Desde R2024b)
getrom (pod)Obtain reduced-order models when using proper orthogonal decomposition method (Desde R2024b)
view (frfit)Plot relative fit error between original and fitted model (Desde R2025a)
getrom (frfit)Obtain reduced-order models when using frequency-response fitting method (Desde R2025a)
view (zpk)Plot computed poles and zeros when using zero-pole truncation method (Desde R2025a)
getrom (zpk)Obtain reduced-order models when using zero-pole truncation method (Desde R2025a)
updateUpdate URV approximation given new snapshots for POD (Desde R2024b)
getURObtain U and R factors from incremental proper orthogonal decomposition (Desde R2024b)
svdCompute truncated SVD of state-data matrix (Desde R2024b)
mergeCombine incremental proper orthogonal decomposition results (Desde R2024b)
lsimCalcular datos de simulación de respuesta en el tiempo de un sistema dinámico para entradas arbitrarias

Objetos

expandir todo

BalancedTruncationBalanced truncation model order reduction (Desde R2023b)
BalancedTruncationOptionsOptions for model order reduction with balanced truncation (Desde R2023b)
NCFBalancedTruncationBalanced truncation of normalized coprime factors model order reduction specification (Desde R2023b)
SparseBalancedTruncationSparse balanced truncation model order reduction object (Desde R2023b)
SparseBalancedTruncationOptionsOptions for sparse model order reduction with balanced truncation method (Desde R2023b)
ModalTruncationModal truncation model order reduction specification (Desde R2023b)
ModalTruncationOptionsOptions for model order reduction with modal truncation (Desde R2023b)
SparseModalTruncationSparse modal truncation model order reduction specification (Desde R2023b)
SparseModalTruncationOptionsOptions for sparse model order reduction with modal truncation method (Desde R2023b)
ProperOrthogonalDecompositionProper orthogonal decomposition model order reduction (Desde R2024b)
ProperOrthogonalDecompositionOptionsOptions for model order reduction with proper orthogonal decomposition (Desde R2024b)
incrementalPODIncremental Proper Orthogonal Decomposition (POD) (Desde R2024b)
FrequencyResponseFittingSpecification for fitting low-order model to frequency response (Desde R2025a)
FrequencyResponseFittingOptionsOptions for model order reduction with frequency response fitting (Desde R2025a)
SparseZeroPoleTruncationReduce sparse models using zero-pole truncation (Desde R2025a)
SparseZeroPoleTruncationOptionsOptions for model order reduction with zero-pole truncation (Desde R2025a)

Temas

Flujos de trabajo de reducción de modelos

Reducción de orden de modelos LTI

Reducción de orden de modelos LTI dispersos

Flujos de trabajo interactivos