第三章 模型的简化.docxVIP

第三章模型的简化 本章围绕模型如何简化展开讨论，第一部分是有关模型描述变量的简化方法，它 适应于各类系统模型的简化；第二部分是有关动态系统的模型简化的时域方法， 它包括“集结法”和“摄动法”。 3.1模型描述变量的简化 模型描述变量是系统建模的基础，它们选取的主要依据是建模的目标，而它们的 选取则决定了模型的复杂程度。 建模过程中，在能满足建模的前提下，系统的描述变量应是愈简单愈好。模型描 述变量一般有以下四种方法： 1、 淘汰一个或多个实体、描述变量或相互关系规则； 2、 随机变量取代确定性变量； 3、 粗化描述变量； 4、 粗化描述变量和归组实体及聚焦变量。 3.1.1淘汰一个或多个实体、描述变量或相互关系原则 1、淘汰实体或描述变量 建模者决定淘汰那些次要因素，只要忽略的因素不会显著地改变整个模型行为， 相反却使不必要的复杂了。 淘汰一个实体可能要淘汰或修改其他实体：批淘汰一个实体，需要淘汰所有涉及 这个实体的描述变量；淘汰一个描述变量，需要淘汰或修改涉及该变量的相互关 系。 P53图 P53图3.1例子 2、相互关系的淘汰 相互关系的淘汰通常可用泰勒级数展开式的简化来实现，它可使一组数值变量之 间的相互关系变得更加简洁。 3.1.2随机变量取代确定性变量 在一个确定性模型中，相互关系的规则控制着整个描述变量的值。有些随机值也 是由相互关系的规则确定，为了使模型相对简化，可利用概率原理，用随机变量 来取代某些变量的相互关系规则，从而将影响变量转换成随机变量。 P53页书图3.2 3.1.3粗化描述变量 描述变量是描述模型实体条件的一种方法，变量可能出现的值表示在某一时间可 找到这个实体的一种可能条件，其变量的范围集是变量可能出现的所有值的集 合。描述变量的范围粗化也是一个简化过程。 粗化有以下2种方法： 1、 舍入. 根据需要，将描述变量的范围进行一定的缩小。例如，记账常用元角分，简化后 只有元，角和分舍入。 2、 归类和非一致粗化。对于归类和非一致粗化，简化前后的描述变量虽然还是 一一对应，但是它们所代表的物理意义已经不同。 见P54例子 3.1.4归组实体及聚焦变量 把具有相同性质的实体或描述变量聚焦起来，合并并成一个实体或描述变量，这 称为实体的归组和聚焦。 特点：在聚焦过程中信息不受损失，且合成变量的范围粗化。 P54例子3。1 3.2动态系统的模型简化---集结法 在动态模型简化的时域方法中，主要有“集结法”和“摄动法”，这两种方法分 别是从经济理论与数学中引进来的。系统的集结法是指用一组“较粗略的”状态 变量来描述系统的模型，但应使这个系统的关键性不变。 集结法的基本思想可用映射的观点加以说明，图3.3表示了用集结法进行模型降 阶过程的示意图。在图中，X、Y、Z和V为拓扑空间；f是线性连续映射，它表 示外生变量xex与内生变量yeY之间的关系，即为原始高阶模型；h和g表示 集结过程，其中h:X-Z和g:Y-V;zeZ和yeY分别是集结起点变量和集结终点 变量；连续映射k:Z-V表示简化模型或集结模型。用集结法简化模型的方法就 是在给定原始高阶模型f并以适当方式确定h和g后求解k的方法。 3.2.1精确集结法 1、线性定常系统的集结过程和分析 如图3.4所示，对于一个线性系统: 3.1x (t) = Ax(t) + Bu(t), x(0) = x 0 y (t) = Dx(t) 3.1 x(t)为(nX1)状态向量，u(t)为(mX1)控制向量，y(t)为(rX1)输出向量。A,B,D 分别是nXn，nXm和r Xn矩阵。 设 z(t)=Cx(t),z(0)=zo=Cxo,C 为 lXn(ln)常数集结矩阵，Z 为 x 的集结(1X1), 设Rank|C|=1,集结系统为 Z(t ) = Fz(t) + Gu(t), z (0) = z 0 J (t) = Kz(t) 把z(t)=Cx(t)代入，集结系统变为 3.2Cx (t) = FCx(t) + Gu(t), j (t) = KCx(t) 3.2 对比式(3,1)和(3.2)，可得动态精确性条件为：FC=CA G=CB KC=D 定义误差向量e(t)=z(t)-Cx(t),则 e(t) = z(t) - Cx(t) = Fz(t) + Gu(t) - CAx(t) - CBu(t) =F (z (t) - Cx(t)) + (FC - CA) x(t) + (G - CB )u(t) =Fe(t) + (FC - CA)x(t) + (G - CB)u(t) 若满足前二个条件，FC=CA G=CB，则e(t) = Fe(t) 因此，对于误差向量e(t),若e(0)=0,e(t)=0,此集结为动态精确性集结；若e(0) #0，而为稳定矩阵，则e(t) =