离散到连续时间传递函数

Question

我实现了一个类来识别Python中的ARX模型。下一步是基于LQR计算最佳PID参数。显然需要连续时间模型，我有以下可能性：

• 将离散时间模型转换为连续时间模型，
• 确定连续时间模型，
• 调整LQR方法以确定离散时域的最佳PID参数。

在Matlab中，前两种方法很容易完成，但我需要用Python。有没有人知道Matlab如何实现d2c并有参考？

Answer 1

有一些选项可以使用python-control软件包或scipy.signal模块或使用harold（无耻的插件：我是作者）。

这里是一个示例

import harold

G = harold.Transfer(1, [1, 2, 1])

H_zoh = harold.discretize(G, dt=0.1, method='zoh')

H_tus = harold.discretize(G, dt=0.1, method='tustin')

H_zoh.polynomials
Out[5]: 
(array([[0.00467884, 0.00437708]]),
 array([[ 1.        , -1.80967484,  0.81873075]]))

H_tus.polynomials
Out[6]: 
(array([[0.00226757, 0.00453515, 0.00226757]]),
 array([[ 1.        , -1.80952381,  0.8185941 ]]))

当前支持zoh，foh，tustin，forward euler，backward euler，包括非分散性。该文档位于http://harold.readthedocs.io/en/latest/index.html