d2c

创建以下离散时间传递函数：

H = tf([1 -1],[1 1 0.3],0.1);

模型的采样时间为 $$T_s=0.1s$$。

推导出连续时间、零阶保持等效模型。

Hc = d2c(H)

Hc =
 
   121.7 s + 1.758e-12
  ---------------------
  s^2 + 12.04 s + 776.7
 
Continuous-time transfer function.
Model Properties

使用默认的零阶保持方法和采样时间 0.1 秒对得到的模型 Hc 进行离散化，以返回原始离散模型 H。

c2d(Hc,0.1)

ans =
 
      z - 1
  -------------
  z^2 + z + 0.3
 
Sample time: 0.1 seconds
Discrete-time transfer function.
Model Properties

使用突斯汀逼近方法将 H 转换为连续时间模型。

Hc2 = d2c(H,'tustin');

对得到的模型 Hc2 进行离散化，以返回原始离散时间模型 H。

c2d(Hc2,0.1,'tustin');

估计离散时间传递函数模型，并将其转换为连续时间模型。

load iddata1
sys1d = tfest(z1,2,'Ts',0.1);
sys1c = d2c(sys1d,'zoh');

估计连续时间传递函数模型。

sys2c = tfest(z1,2);

比较 sys1c 和直接估计的连续时间模型 sys2c 的响应。

compare(z1,sys1c,sys2c)

这两个系统几乎完全相同。

将辨识的离散时间传递函数模型转换为连续时间模型。

load iddata1
sysd = tfest(z1,2,'Ts',0.1);
sysc = d2c(sysd,'zoh');

sys1c 没有协方差信息。d2c 操作会导致辨识模型的协方差数据丢失。

使用相同的估计命令和估计数据，通过零次迭代更新来重新生成协方差信息。

opt = tfestOptions; 
opt.SearchOptions.MaxIterations = 0;
sys1c = tfest(z1,sysc,opt);

分析对频率响应不确定性的影响。

h = bodeplot(sysd,sys1c);
showConfidence(h,3)

在达到奈奎斯特频率之前，sys1c 和 sysd 的不确定性是可比的。然而，sys1c 在估计数据未提供任何信息的频率范围内表现出较大的不确定性。

如果您无法获取估计数据，可以使用 translatecov 命令，该命令基于高斯近似公式在模型类型转换操作中进行协方差的转换。