Main Content

모델 차수 축소

복잡한 모델의 저차 근사 구하기

저차 모델로 작업하면 분석 및 제어 설계를 단순화할 수 있습니다. 보다 단순한 모델은 고차 모델보다 이해하기도 쉽고 조작하기도 쉽습니다. 복잡한 Simulink® 모델 또는 Partial Differential Equation Toolbox™ 모델을 선형화하거나, 모델 요소를 상호 연결하거나, 응용 사례에서 사용자가 관심을 가지는 동특성에 크게 기여하지 않는 상태를 생성하는 다른 프로세스를 사용하는 경우 고차 모델을 얻을 수 있습니다. Control System Toolbox™를 사용하여 일반 LTI 모델 또는 대규모 희소 LTI 모델에 대한 저차 모델을 구할 수 있습니다.

저차 모델을 구하려면 다음을 수행하십시오.

  • freqsep 또는 modalsep를 사용하여 특정 주파수 범위 또는 관심 영역 외부에 있는 모드(극점)를 삭제합니다.

  • 균형 절단 및 적합 직교 분해(POD)와 같은 다양한 기법 및 기준을 사용하여 LTI 모델 또는 희소 LTI 모델의 저차 근사를 계산합니다. 이러한 워크플로의 진입점으로 reducespec를 사용합니다.

또한 minreal, sminreal 또는 xelim과 같은 함수를 사용하여 극점-영점 쌍을 상쇄하거나 기여가 낮은 상태를 제거하여 모델을 단순화할 수 있습니다.

그리고 모델 축소기 앱과 라이브 편집기의 모델 차수 축소 작업을 사용하여 대화형 방식으로 모델 차수를 축소할 수 있습니다.

모델 차수를 축소하는 방법에 대한 자세한 내용은 Model Reduction Basics 항목을 참조하십시오.

모델 축소기LTI(선형 시불변) 모델의 복잡도 축소

라이브 편집기 작업

모델 차수 축소Reduce complexity of linear time-invariant (LTI) models in the Live Editor

함수

모두 확장

minreal최소 실현 또는 극점-영점 상쇄
sminrealEliminates structurally disconnected states, delays, and blocks
xelimEliminate states from state-space models (R2023b 이후)
sminDAEReduce algebraic states in sparse state-space models while preserving sparsity (R2024b 이후)
modalsepCompute modal decomposition (R2023b 이후)
modalsumSum of modal components (R2023b 이후)
stabsepStable-unstable decomposition
freqsepSlow-fast decomposition
reducespecCreate model order reduction specifications (R2023b 이후)
processRun model order reduction algorithm (R2023b 이후)
view (balanced)Plot state contributions when using balanced truncation method (R2023b 이후)
getrom (balanced)Obtain reduced-order models when using balanced truncation method (R2023b 이후)
view (ncf)Plot state contributions when using balanced truncation of normalized coprime factors method (R2023b 이후)
getrom (ncf)Obtain reduced-order models when using balanced truncation of normalized coprime factors method (R2023b 이후)
view (modal)Plot mode information when using modal truncation method (R2023b 이후)
getrom (modal)Obtain reduced-order models when using modal truncation method (R2023b 이후)
view (pod)Plot state contributions when using proper orthogonal decomposition (POD) method (R2024b 이후)
getrom (pod)Obtain reduced-order models when using proper orthogonal decomposition method (R2024b 이후)
updateUpdate URV approximation given new snapshots for POD (R2024b 이후)
getURObtain U and R factors from incremental proper orthogonal decomposition (R2024b 이후)
svdCompute truncated SVD of state-data matrix (R2024b 이후)
mergeCombine incremental proper orthogonal decomposition results (R2024b 이후)
lsimCompute time response simulation data of dynamic system to arbitrary inputs

객체

모두 확장

BalancedTruncationBalanced truncation model order reduction (R2023b 이후)
BalancedTruncationOptionsOptions for model order reduction with balanced truncation (R2023b 이후)
NCFBalancedTruncationBalanced truncation of normalized coprime factors model order reduction specification (R2023b 이후)
SparseBalancedTruncationSparse balanced truncation model order reduction object (R2023b 이후)
SparseBalancedTruncationOptionsOptions for sparse model order reduction with balanced truncation method (R2023b 이후)
ModalTruncationModal truncation model order reduction specification (R2023b 이후)
ModalTruncationOptionsOptions for model order reduction with modal truncation (R2023b 이후)
SparseModalTruncationSparse modal truncation model order reduction specification (R2023b 이후)
SparseModalTruncationOptionsOptions for sparse model order reduction with modal truncation method (R2023b 이후)
ProperOrthogonalDecompositionProper orthogonal decomposition model order reduction (R2024b 이후)
ProperOrthogonalDecompositionOptionsOptions for model order reduction with proper orthogonal decomposition (R2024b 이후)
incrementalPODIncremental Proper Orthogonal Decomposition (POD) (R2024b 이후)

도움말 항목

모델 축소 워크플로

LTI 모델 차수 축소

희소 LTI 모델 차수 축소

대화형 워크플로