下载文档原格式
使用Matlab进行线性系统辨识与控制的技巧引言：线性系统辨识和控制是现代控制理论和工程应用中的重要内容。
Matlab作为一种强大的数学计算和编程软件，为我们提供了丰富的工具和函数，方便了线性系统辨识与控制的实现。
本文将介绍一些使用Matlab进行线性系统辨识与控制的技巧。
一、线性系统辨识1. 数据采集与预处理对于线性系统辨识，首先需要采集系统的输入输出数据。
在Matlab中可以使用内置函数来进行数据采集，如"sim"函数进行仿真实验，或者使用数据采集卡等外部设备来获取现实世界中的数据。
采集到的数据通常需要进行预处理，如去除噪声、滤波或数据归一化等。
在Matlab中有丰富的信号处理工具箱，可以方便地进行数据预处理。
2. 系统模型的选择线性系统辨识的目标是找到一个数学模型来描述实际系统的动态行为。
在选择系统模型时，可以根据应用需求选择合适的模型种类，如ARX模型、ARMA模型、ARMAX模型等。
在Matlab中，可以使用System Identification Toolbox来进行系统模型的选择和参数估计。
这个工具箱提供了多种模型结构和参数估计算法，方便用户根据系统特性进行模型的选择。
3. 参数估计与模型验证在选择好系统模型后，需要进行参数估计和模型验证。
在Matlab中，可以使用System Identification Toolbox中的函数来进行参数估计，如"armax"函数和"arx"函数等。
参数估计结果可以通过模型验证来评估模型的拟合程度和预测性能。
Matlab中的"compare"函数可以绘制真实输出和模型输出的对比曲线，帮助用户评估模型的准确性。
二、线性系统控制1. 控制器设计线性系统控制的目标是设计一个控制器来使得系统达到所期望的性能要求。
在Matlab中，可以使用Control System Toolbox来进行控制器设计。
标题：MATLAB状态空间表达式的解析一、概述MATLAB是一种非常常用的数学软件，用于分析、设计和模拟动态系统。
在控制系统理论中，状态空间表达式是描述线性系统动态行为的重要方法。
本文旨在介绍如何使用MATLAB对状态空间表达式进行解析和分析。
二、状态空间表达式简介状态空间表达式是一种描述线性时不变系统的数学模型。
通常由状态方程和输出方程组成。
状态方程描述了系统的演化规律，而输出方程则描述了系统状态和输出之间的关系。
三、MATLAB中的状态空间表示在MATLAB中，状态空间表示可以使用ss函数进行表达。
该函数的输入参数包括系统的状态方程系数矩阵A、输入矩阵B、输出矩阵C 和前馈矩阵D。
四、求解状态空间表达式1. 稳态响应分析在MATLAB中，可以使用sys = ss(A,B,C,D)定义一个状态空间模型，然后使用step(sys)绘制系统的阶跃响应曲线。
通过阶跃响应曲线可以分析系统的稳态性能。
2. 传递函数表示使用tf(sys)可以将状态空间表示转换为传递函数表示，这样可以更方便地分析系统的特性。
3. 稳定性分析使用eig(A)可以计算状态方程系数矩阵A的特征值，从而判断系统的稳定性。
如果系统的所有特征值都是负实数，那么系统是稳定的。
4. 频域特性分析使用bode(sys)可以绘制系统的频率响应曲线，这样可以分析系统在不同频率下的特性。
五、应用实例以电机控制系统为例，假设系统的状态空间表达式为：A = [-2 -1; 3 -4]B = [1; 0]C = [0 1]D = [0]可以使用以下代码在MATLAB中求解该系统：sys = ss(A,B,C,D)step(sys)tf_sys = tf(sys)eig(A)bode(sys)六、结语本文介绍了MATLAB中状态空间表达式的解析方法，并以电机控制系统为例进行了说明。
希望本文能够帮助读者更好地理解和应用状态空间表达式在MATLAB中的求解方法。
matlab数学建模100例Matlab是一种强大的数学建模工具，广泛应用于科学研究、工程设计和数据分析等领域。
在这篇文章中，我们将介绍100个使用Matlab进行数学建模的例子，帮助读者更好地理解和应用这个工具。
1. 线性回归模型：使用Matlab拟合一组数据点，得到最佳拟合直线。
2. 多项式拟合：使用Matlab拟合一组数据点，得到最佳拟合多项式。
3. 非线性回归模型：使用Matlab拟合一组数据点，得到最佳拟合曲线。
4. 插值模型：使用Matlab根据已知数据点，估计未知数据点的值。
5. 数值积分：使用Matlab计算函数的定积分。
6. 微分方程求解：使用Matlab求解常微分方程。
7. 矩阵运算：使用Matlab进行矩阵的加减乘除运算。
8. 线性规划：使用Matlab求解线性规划问题。
9. 非线性规划：使用Matlab求解非线性规划问题。
10. 整数规划：使用Matlab求解整数规划问题。
11. 图论问题：使用Matlab解决图论问题，如最短路径、最小生成树等。
12. 网络流问题：使用Matlab解决网络流问题，如最大流、最小费用流等。
13. 动态规划：使用Matlab解决动态规划问题。
14. 遗传算法：使用Matlab实现遗传算法，求解优化问题。
15. 神经网络：使用Matlab实现神经网络，进行模式识别和预测等任务。
16. 支持向量机：使用Matlab实现支持向量机，进行分类和回归等任务。
17. 聚类分析：使用Matlab进行聚类分析，将数据点分成不同的类别。
18. 主成分分析：使用Matlab进行主成分分析，降低数据的维度。
19. 时间序列分析：使用Matlab进行时间序列分析，预测未来的趋势。
20. 图像处理：使用Matlab对图像进行处理，如滤波、边缘检测等。
21. 信号处理：使用Matlab对信号进行处理，如滤波、频谱分析等。
22. 控制系统设计：使用Matlab设计控制系统，如PID控制器等。
§1 线性规划模型一、线性规划课题：实例1：生产计划问题假设某厂计划生产甲、乙两种产品，现库存主要材料有A类3600公斤，B类2000公斤，C类3000公斤。
每件甲产品需用材料A类9公斤，B类4公斤，C类3公斤。
每件乙产品，需用材料A类4公斤，B类5公斤，C类10公斤。
甲单位产品的利润70元，乙单位产品的利润120元。
问如何安排生产，才能使该厂所获的利润最大。
建立数学模型：设x1、x2分别为生产甲、乙产品的件数。
f为该厂所获总润。
max f=70x1+120x2s.t 9x1+4x2≤36004x1+5x2≤20003x1+10x2≤3000x1,x2≥0归结出规划问题：目标函数和约束条件都是变量x的线性函数。
形如： (1) min f T Xs.t A X≤bAeq X =beqlb≤X≤ub其中X为n维未知向量，f T=[f1,f2,…f n]为目标函数系数向量，小于等于约束系数矩阵A为m×n矩阵，b为其右端m维列向量，Aeq为等式约束系数矩阵，beq为等式约束右端常数列向量。
lb,ub为自变量取值上界与下界约束的n维常数向量。
二．线性规划问题求最优解函数：调用格式： x=linprog(f,A,b)x=linprog(f,A,b,Aeq,beq)x=linprog(f,A,b,Aeq,beq,lb,ub)x=linprog(f,A,b,Aeq,beq,lb,ub,x0)x=linprog(f,A,b,Aeq,beq,lb,ub,x0,options)[x,fval]=linprog(…)[x, fval, exitflag]=linprog(…)[x, fval, exitflag, outpu t]=linprog(…)[x, fval, exitflag, output, lambda]=linprog(…)说明：x=linprog(f,A,b)返回值x为最优解向量。
如何用MATLAB进行数学建模下面是一个关于如何用MATLAB进行数学建模的文章范例：MATLAB是一种强大的数学软件工具，广泛应用于各种数学建模问题的解决。
通过合理利用MATLAB的功能和特性，可以更加高效地进行数学建模，并得到准确的结果。
本文将介绍如何使用MATLAB进行数学建模，并给出一些实际例子。
一、数学建模的基本步骤数学建模是指将实际问题转化为数学模型，并利用数学方法对其进行求解和分析的过程。
在使用MATLAB进行数学建模之前，我们需要明确问题的具体要求，然后按照以下基本步骤进行操作：1. 理解问题：深入了解问题背景、影响因素以及目标要求，确保对问题有一个清晰的认识。
2. 建立模型：根据问题的特性，选择合适的数学模型，并将问题转化为相应的数学表达式。
3. 编写MATLAB代码：利用MATLAB的计算功能和算法库，编写用于求解数学模型的代码。
4. 数据处理和结果分析：在获得计算结果后，根据需要进行数据处理和结果分析，评估模型的准确性和可行性。
二、MATLAB的数学建模工具MATLAB提供了一系列用于数学建模的工具箱和函数，这些工具可以帮助我们快速构建数学模型，并进行求解。
下面是一些常用的数学建模工具：1. 符号计算工具箱：MATLAB的符号计算工具箱可以实现符号运算，用于建立和求解复杂的数学表达式。
2. 优化工具箱：优化工具箱可以用于求解多种优化问题，如线性规划、非线性规划、整数规划等。
3. 数值解工具箱：数值解工具箱提供了各种数值方法和算法，用于求解微分方程、积分方程、差分方程等数学问题。
4. 统计工具箱：统计工具箱可以进行统计建模和分析，包括假设检验、回归分析、时间序列分析等。
5. 控制系统工具箱：控制系统工具箱用于建立和分析控制系统模型，包括经典控制和现代控制方法。
三、数学建模实例为了更好地展示使用MATLAB进行数学建模的过程，我们给出一个实际的数学建模例子：求解物体的自由落体运动。
在MATLAB中，MPC（模型预测控制）函数可用于实现模型预测控制（MPC）算法。
MPC是一种先进的控制策略，用于处理具有预测模型的连续或离散时间线性系统。
它通过优化性能指标并限制未来的行为，实现对系统的控制。
要使用MATLAB的MPC函数，您需要遵循以下步骤：
1. 定义模型：首先，您需要定义系统的模型。
这可以是一个线性时不变（LTI）系统，也可以是一个非线性系统。
您可以使用MATLAB 的控制系统工具箱中的函数（如`tf`，`ss`等）来定义模型。
2. 定义优化问题：接下来，您需要定义优化问题。
优化问题应包括预测模型、性能指标和约束条件。
在MPC中，预测模型通常是一个预测矩阵，用于预测未来的系统状态。
性能指标可以是控制变量的权重或状态变量的权重。
约束条件可以是控制变量的限制或状态变量的限制。
3. 调用MPC函数：一旦您定义了模型和优化问题，您可以使用MATLAB的MPC函数来求解优化问题并生成控制序列。
常用的MPC函数包括`mpcmin`和`mpcmove`。
4. 应用控制序列：最后，您需要将生成的control sequence应用于系统。
这可以通过使用一个数字或模拟控制器来实现。
这些步骤是使用MATLAB的MPC函数进行模型预测控制的一般流程。
但是，请注意，具体的实现方法可能会因应用而异。
建议查阅MATLAB的官方文档以获取更详细的信息和使用示例。
Matlab中的数学建模方法介绍Matlab是一种非常常用的科学计算和数学建模软件，它具有强大的数学运算能力和用户友好的界面。
在科学研究和工程技术领域，Matlab被广泛应用于数学建模和数据分析。
本文将介绍一些在Matlab中常用的数学建模方法，帮助读者更好地理解和应用这些方法。
一、线性回归模型线性回归模型是一种经典的数学建模方法，用于分析数据之间的关系。
在Matlab中，我们可以使用regress函数进行线性回归分析。
首先，我们需要将数据导入Matlab，并进行数据预处理，如去除异常值和缺失值。
然后，使用regress函数拟合线性回归模型，并计算相关系数和残差等统计量。
最后，我们可以使用plot 函数绘制回归线和散点图，以观察数据的拟合程度。
二、非线性回归模型非线性回归模型适用于数据呈现非线性关系的情况。
在Matlab中，我们可以使用lsqcurvefit函数进行非线性回归分析。
首先，我们需要定义一个非线性方程，并设定初始参数值。
然后，使用lsqcurvefit函数拟合非线性回归模型，并输出拟合参数和残差信息。
最后，我们可以使用plot函数绘制拟合曲线和散点图，以评估模型的拟合效果。
三、差分方程模型差分方程模型用于描述离散时间系统的动态行为。
在Matlab中，我们可以使用diffeq函数求解差分方程模型的解析解或数值解。
首先，我们需要定义差分方程的形式，并设置初值条件。
然后，使用diffeq函数求解差分方程，并输出解析解或数值解。
最后，我们可以使用plot函数绘制解析解或数值解的图形，以观察系统的动态行为。
四、优化模型优化模型用于求解最优化问题，如寻找函数的最大值或最小值。
在Matlab中，我们可以使用fmincon函数或fminunc函数进行优化求解。
首先，我们需要定义目标函数和约束条件。
然后，使用fmincon函数或fminunc函数求解最优化问题，并输出最优解和最优值。
最后，我们可以使用plot函数可视化最优解的效果。
MATLAB对线性系统稳定性的分析摘要：本文对线性系统从时域、复域和频域进行了稳定性分析，总结了控制系统的主要判据，分析过程简单，结合实例验证了其真实性、有效性。
关键词：线性系统稳定性 MATLAB引言：一个控制系统要能正常工作,必须首先是一个稳定的系统,即当系统受到外界干扰后,虽然它的平衡状态被破坏,但在外扰去掉以后,它仍有能力自动地在平衡状态下继续工作。
在已知一个系统的系统函数或状态空间表达式时,就可以对其系统的稳定性进行分析。
但当系统的阶次较高时,绘图和计算需要花费大量的时间和精力。
MATLAB是一套高性能的数值计算和可视化软件,并拥有几十个工具箱,借助MATLAB的系统工具箱,就可以直观、方便地分析系统的稳定性。
1、控制系统稳定性定义关于稳定性的定义有许多种，较典型的说法有两种：一种是由俄国学者李雅普诺夫首先提出的平衡状态稳定性，另一种指系统的运动稳定性。
对于线线控制系统而言，这两种说法是等价的。
根据李雅普诺夫稳定性理论，线性控制系统的稳定性可以定义如下：若线性控制系统在初始扰动的影响下，其过渡过程随着时间的推移逐渐衰减并趋向于零，则称该系统为渐近稳定，简称为稳定；反之，若在初始扰动影响下，系统的过渡过程随时间的推移而发散，则称系统为不稳定。
由上述稳定性定义可以推知，线性系统稳定的充分必要条件是：闭环系统特征方程的根都具有负实部，或者说闭环传递函数的极点均位于左半S开平面（不包括虚轴）。
2、系统稳定性分析方法概述在经典控制理论中，常用时域分析法、复域分析法或频率分析法来分析控制系统的性能。
不同的方法有不同的适用范围，下面对上述方法进行具体研究。
2.1时域分析法在经典控制理论中，时域分析法是一种直接在时间域中对系统进行稳定性分析的方法，具有直观、准确的优点，并且可以提供系统时间响应的全部信息。
在时域分析系统的稳定性，必须研究在输入信号作用下，当时间t趋于无穷时，系统的输出响应趋于最终期值h（∞）。
实验二用MATLAB实现线性系统的时域分析线性系统是一种重要的数学模型，用于描述许多自然和工程系统的行为。
在实际应用中，对线性系统进行时域分析是非常重要的，以了解系统的稳定性、响应和性能特性。
MATLAB是一种功能强大的数学软件，被广泛用于线性系统的建模和分析。
首先，我们将介绍线性系统的时域分析的基本概念和方法。
然后，我们将学习如何使用MATLAB进行线性系统的时域分析，并通过具体的例子来演示。
时域分析是研究系统在时间上的响应，主要包括系统的因果性、稳定性、阶数、零极点分布、阻尼特性和幅频特性等。
其中，系统的因果性表示系统的输出只依赖于输入的过去和现在，与未来的输入无关；系统的稳定性表示系统的输出有界，不会无限增长或发散；系统的阶数表示系统差分方程的最高阶导数的次数。
在MATLAB中，线性系统可以用传输函数、状态空间或差分方程的形式表示。
传输函数是输入输出之间的比例关系，常用于分析系统的频率特性；状态空间是通过一组状态变量和状态方程描述系统的，可以用于分析系统的稳定性和阻尼特性；差分方程是通过相邻时刻的输入和输出之间的关系来描述系统的，可以用于分析系统的因果性和稳定性。
下面，我们以传输函数为例，介绍如何在MATLAB中进行线性系统的时域分析。
首先，我们需要定义传输函数。
MATLAB提供了tf函数来定义传输函数，其语法为：G = tf(num, den)，其中num是传输函数的分子多项式的系数，den是传输函数的分母多项式的系数。
接下来，我们可以使用MATLAB中提供的各种函数和命令来进行时域分析。
例如，可以使用step函数来绘制系统的阶跃响应曲线，语法为：step(G)；可以使用impulse函数来绘制系统的冲激响应曲线，语法为：impulse(G)；可以使用initial函数来绘制系统的零状态响应曲线，语法为：initial(G, x0)，其中x0是系统的初始状态。
此外，还可以使用MATLAB中的函数和命令来计算系统的阶数、零极点分布、频率响应等。
如何在Matlab中进行模型拟合在科学研究和工程应用中，模型拟合是一项非常重要的任务。
通过将已知数据与数学模型相匹配，我们可以获得有关系统行为和性质的关键信息。
Matlab作为一个功能强大的数值计算和数据分析软件，为我们提供了很多工具和函数来进行模型拟合。
本文将介绍如何在Matlab中进行模型拟合，并探讨一些常用的方法和技巧。
一、理论基础在进行模型拟合之前，我们需要先了解一些基本的数学模型和统计学原理。
常见的模型包括线性模型、非线性模型、多项式模型等。
对于线性模型，我们可以使用最小二乘法来拟合数据。
最小二乘法的核心思想是寻找一条直线，使该直线到各个数据点的距离之和最小。
而对于非线性模型，我们可以使用非线性最小二乘法来进行拟合。
二、使用内置函数进行拟合Matlab提供了一系列内置函数来进行模型拟合。
其中最常用的函数是polyfit和lsqcurvefit。
polyfit函数用于拟合多项式模型，而lsqcurvefit函数用于拟合一般的非线性模型。
这些函数都需要输入数据和初始参数，并返回最优拟合结果。
以polyfit函数为例，我们可以使用以下代码进行多项式拟合：```matlabx = [1, 2, 3, 4, 5];y = [2, 6, 7, 11, 15];p = polyfit(x, y, 2); % 拟合2次多项式```在以上代码中，x和y分别是已知的数据点的横纵坐标。
polyfit函数的第三个参数表示拟合多项式的阶数，这里选择2次多项式。
三、自定义拟合函数除了使用内置函数，我们还可以自定义拟合函数来实现更复杂的模型。
在Matlab中，可以通过编写自定义函数，并利用最小二乘法或其他算法进行拟合。
例如，假设我们需要拟合的函数形式是y = a * exp(b * x)。
我们可以定义一个函数fitFunc来表示这个模型：```matlabfunction y = fitFunc(x, a, b)y = a * exp(b * x);end```在以上代码中，x是自变量，a和b是需要拟合的参数。
matlab 能观标准型Matlab 能观标准型。
Matlab 是一种强大的数学计算工具，它具有丰富的功能和灵活的编程语言，可以用于各种科学和工程领域的数据分析、图像处理、信号处理、机器学习等应用。
在Matlab 中，能观标准型是一种常见的数学模型，用于描述线性系统的动态特性。
本文将介绍 Matlab 中能观标准型的基本概念、使用方法和实际应用。
能观标准型是描述线性系统动态特性的一种数学模型，它通常用于分析和设计控制系统。
在Matlab 中，我们可以使用控制系统工具箱（Control System Toolbox）来创建和分析能观标准型。
首先，我们需要定义系统的状态空间方程，然后利用工具箱中的函数将其转换为能观标准型。
在 Matlab 中，可以使用以下代码创建一个简单的状态空间模型：```matlab。
A = [1 2; 3 4];B = [1; 1];C = [1 0];D = 0;sys = ss(A, B, C, D);```。
上面的代码定义了一个二阶系统的状态空间方程，然后利用 ss 函数创建了一个状态空间模型 sys。
接下来，我们可以使用工具箱中的函数将该模型转换为能观标准型：```matlab。
sys_obs = canon(sys, 'companion');```。
上面的代码利用 canon 函数将状态空间模型 sys 转换为了能观标准型 sys_obs。
通过这样的简单步骤，我们就可以在 Matlab 中创建和分析能观标准型了。
除了基本的创建和转换能观标准型的方法，Matlab 还提供了丰富的工具和函数用于分析和设计控制系统。
例如，我们可以使用 rlocus 函数绘制系统的根轨迹图，使用 bode 函数绘制系统的频率响应图，使用 step 函数绘制系统的阶跃响应图等。
这些工具和函数可以帮助我们更直观地理解和分析系统的动态特性。
在实际应用中，能观标准型经常用于控制系统的设计和分析。
实验一 用MATLAB 处理线性系统数学模型[说明]一个控制系统主要由被控对象、测量装置、控制器和执行器四大部分构成。
MATLAB 软件的应用对提高控制系统的分析、设计和应用水平起着十分重要的作用。
采用MATLAB 软件仿真的关键问题之一是在MATLAB 软件平台上怎样正确表示被控对象的数学模型。
[实验目的]1．了解MATLAB 软件的基本特点和功能；2．掌握线性系统被控对象传递函数数学模型在MATLAB 环境下的表示方法及转换； 3．掌握多环节串联、并联、反馈连接时整体传递函数的求取方法；4． 掌握在SIMULINK 环境下系统结构图的形成方法及整体传递函数的求取方法； 5．了解在MATLAB 环境下求取系统的输出时域表达式的方法。
[实验指导]一、被控对象模型的建立在线性系统理论中，一般常用的描述系统的数学模型形式有： （1）传递函数模型——有理多项式分式表达式 （2）传递函数模型——零极点增益表达式 （3）状态空间模型（系统的内部模型）这些模型之间都有着内在的联系，可以相互进行转换。
1、传递函数模型——有理多项式分式表达式 设系统的传递函数模型为1110111......)()()(a s a s a s a b s b s b s b s R s C s G n n n n m m m m ++++++++==----对线性定常系统，式中s 的系数均为常数，且a n 不等于零。
这时系统在MATLAB 中可以方便地由分子和分母各项系数构成的两个向量唯一地确定，这两个向量常用num 和den 表示。
num=[b m ,b m-1,…,b 1,b 0] den=[a n ,a n-1,…,a 1,a 0]注意：它们都是按s 的降幂进行排列的。
分子应为m 项，分母应为n 项，若有空缺项（系数为零的项），在相应的位置补零。
然后写上传递函数模型建立函数：sys=tf(num,den)。
这个传递函数便在MATLAB 平台中被建立，并可以在屏幕上显示出来。
例1-1： 已知系统的传递函数描述如下： 22642202412)(23423++++++=s s s s s s s G在MATLAB 命令窗口（Command Window ）键入以下程序： >> num=[12,24,0,20]; >> den=[2 4 6 2 2]; >> sys=tf(num,den) 回车后显示结果： Transfer function:12 s^3 + 24 s^2 + 20--------------------------------------- 2 s^4 + 4 s^3 + 6 s^2 + 2 s + 2并同时在MATLAB 中建立了这个相应的有理多项式分式形式的传递函数模型。
举例1-2：已知系统的传递函数描述如下：)523()1()66)(2(4)(23322+++++++=s s s s s s s s s G其中，多项式相乘项，可借助多项式乘法函数conv 来处理。
在MATLAB 命令窗口 键入以下程序： >> num=4*conv([1,2],conv([1,6,6],[1,6,6]));>> den=conv([1,0],conv([1,1],conv([1,1],conv([1,1],[1,3,2,5])))); >> sys=tf(num,den) 回车后显示结果： Transfer function:4 s^5 + 56 s^4 + 288 s^3 + 672 s^2 + 720 s + 288 --------------------------------------------------------------------------- s^7 + 6 s^6 + 14 s^5 + 21 s^4 + 24 s^3 + 17 s^2 + 5 s同时在MATLAB 中建立了这个有理多项式分式形式的传递函数模型。
2．传递函数模型——零极点增益模型零极点增益模型为：12m 12n (s-z )(s-z )...(s-z )G (s )=K (s-p )(s-p )...(s-p )其中：K 为零极点增益，z i 为零点，p j 为极点。
该模型 在MATLAB 中，可用[z,p,k]矢量组表示，即 z=[z 1,z 2,…,z m ]; p=[p 1,p 2,...,p n ]; k=[K];然后在MATLAB 中写上零极点增益形式的传递函数模型建立函数：sys=zpk(z,p,k)。
这个零极点增益模型便在MATLAB 平台中被建立。
举例1-3： 已知系统的零极点增益模型：)5)(2)(1()3(6)(++++=s s s s s G在MATLAB 命令窗口 键入以下程序： >> z=[-3]; p=[-1,-2,-5]; k=6; >> sys=zpk(z,p,k) Zero/pole/gain: 6 (s+3)----------------- (s+1) (s+2) (s+5)则在MATLAB 中建立了这个零极点增益的模型。
3．状态空间模型状态方程与输出方程的组合称为状态空间表达式，又称为动态方程，如下：DuCx y Bu Ax x+=+=则在MATLAB 中建立状态空间模型的程序如下： >> A=[A]; >> B=[B]; >> C=[C]; >> D=[D]; >> sys=ss(A,B,C,D)二、不同形式模型之间的相互转换不同形式之间模型转换的函数：（1）tf2zp ：多项式传递函数模型转换为零极点增益模型。
格式为：[z,p,k]=tf2zp(num,den)（2）zp2tf ： 零极点增益模型转换为多项式传递函数模型。
格式为：[num,den]=zp2tf(z,p,k)（3）ss2tf ： 状态空间模型转换为多项式传递函数模型。
格式为：[num,den]=ss2tf(a,b,c,d)（4）tf2ss: 多项式传递函数模型转换为状态空间模型。
格式为：[a,b,c,d]=tf2ss(num,den)（4）zp2ss ：零极点增益模型转换为状态空间模型。
格式为：[a,b,c,d]=zp2ss(z,p,k)（5）ss2zp ：状态空间模型转换为零极点增益模型。
格式为：[z,p,k]=ss2zp(a,b,c,d)三、环节串联、并联、反馈连接时等效的整体传递函数的求取 1、串联这里：在MATLAB 中求取整体传递函数的功能，采用如下的语句或函数来实现。
. ① G=G1*G2 ② G=series(G1,G2)③ [num,den]=series(num1,den1,num2,den2) 例1-4 两环节G 1、G 2串联，求等效的整体传递函数G32)(1+=s s G 127)(22++=s s s G 解：①实现的程序：>> n1=2;d1=[1 3]; n2=7;d2=[1 2 1]; G1=tf(n1,d1); G2=tf(n2,d2); G=G1*G2 运行结果： Transfer function:14 ---------------------s^3 + 5 s^2 + 7 s + 3 ②实现的程序：>>n1=2;d1=[1 3];n2=7;d2=[1 2 1];G1=tf(n1,d1);G2=tf(n2,d2);G=series(G1,G2) 运行结果：Transfer function: 14---------------------s^3 + 5 s^2 + 7 s + 3 ③实现的程序：>>n1=2;d1=[1 3];n2=7;d2=[1 2 1];G1=tf(n1,d1);G2=tf(n2,d2); >> [n,m]=series(n1,d1,n2,d2) 运行结果：n = 0 0 0 14 m = 1 5 7 3例1-5 四环节G 1、G 2、 G 3、G 4串联，求等效的整体传递函数G32321+===s G G G 12722++=s s G 解：实现的程序：>> n1=2;d1=[1 3];n2=7;d2=[1 2 1];G1=tf(n1,d1);G2=tf(n2,d2); >>G=G1*G2*G1*G1 运行结果： Transfer function:56------------------------------------------s^5 + 11 s^4 + 46 s^3 + 90 s^2 + 81 s + 27 2、并联两环节G 1(s)与G 2(s)并联，则等效的整体传递函数为 G(s)=G 1(s)+G 2(s)在MATLAB 中求取整体传递函数的功能，采用如下的语句或函数来实现。
① G=G1+G2 ② G= parallel (G1,G2)③ [num,den]= parallel (num1,den1,num2,den2) 例1-6 两环节G 1、G 2并联，求等效的整体传递函数G(s)32)(1+=s s G 127)(22++=s s s G 解：①实现的程序：>> n1=2;d1=[1 3];n2=7;d2=[1 2 1];G1=tf(n1,d1);G2=tf(n2,d2);G1+G2 运行结果： Transfer function: 2 s^2 + 11 s + 23 ---------------------------- s^3 + 5 s^2 + 7 s + 3 ②实现的程序:>> n1=2;d1=[1 3];n2=7;d2=[1 2 1];G1=tf(n1,d1);G2=tf(n2,d2);G=parallel(G1,G2)运行结果：Transfer function: 2 s^2 + 11 s + 23--------------------------- s^3 + 5 s^2 + 7 s + 3③实现的程序:>> n1=2;d1=[1 3];n2=7;d2=[1 2 1]; [n,d]=parallel(n1,d1,n2,d2)运行结果：n = 0 2 11 23 d = 1 5 7 3若则G(s)=G 1(s)-G 2(s) 相应的语句为G=G1-G2 例1-7：程序如下>> n1=2;d1=[1 3];n2=7;d2=[1 2 1];G1=tf(n1,d1);G2=tf(n2,d2);G=G1-G2运行结果： Transfer function: 2 s^2 - 3 s - 19------------------------------ s^3 + 5 s^2 + 7 s + 33．反馈：feedback则在MATLAB 中采用如下的语句或函数来求取闭环传递函数)(s G 闭环 ① G= feedback(G1,G2,sign)② [num,den]=feedback(num1,den1,num2,den2,sign) ③ G= cloop (G1, sign)④ [numc,denc]=cloop(num,den,sign)这里，sign=1时采用正反馈；当sign= -1时采用负反馈；sign 缺省时，默认为负反馈。
