修剪;修剪

搜索动态系统操作点。

库::`工程系统`

资料描述

功能 修剪 使用顺序二次规划(SQP)方法查找工作点。该函数可以搜索满足施加在模型的状态变量、输入和输出变量上的条件的调整点，以及系统具有非零导数值的平衡点。

语法

函数调用

[参数:x],[参数:u],[参数:y],[参数:dx],[参数:options_out]=trim(<参数:模型>>) -找到模型的平衡点 模型 在初始状态向量附近 [参数:x0]. 找到的平衡点使表达式的绝对值最小化 . 如果函数不能在初始状态向量附近找到平衡点，那么它返回最接近平衡点的点。找到的平衡点使模型的导数向量的绝对值最小化。您可以使用命令定义初始状态向量 恩吉。模型.

[参数:x],[参数:u],[参数:y],[参数:dx],[参数:options_out]=trim(<参数:模型>>,[参数:x0],[参数:u0],[参数:y0]) -找到模型的平衡点 模型 在初始状态向量附近 x0、入口 u0 和退出 y0，其最小化轨迹的绝对值 .

x,u,y,dx,options=trim(model,x0,u0,y0,ix,iu,iy) -找到模型的平衡点 模型 在初始状态向量附近 x0、入口 u0 和退出 y0 给定状态的初始向量的元素的索引的向量 九、入口 iu 和退出 我，我. 这些索引指示作为优化过程的结果应该保持不变的状态。如果函数找不到严格满足设定条件的平衡点，则返回使轨迹绝对值最小化的最近点。 .

x,u,y,dx,options=trim(model,x0,u0,y0,ix,iu,iy,dx0,idx) -找到模型的工作点 模型 在初始状态向量附近 x0、入口 u0 和退出 y0 给定状态的初始向量的元素的索引的向量 九、入口 iu 和退出 我，我 其中它具有非零导数值。参数 dx0 设置模型状态变量导数的初始近似值，以及参数 idx 指定导数初始向量的元素的索引，这些元素应作为优化过程的结果保持不变。

[参数:x],[参数:u],[参数:y],[参数:dx],[参数:options_out]=trim([参数:模型],[参数:x0],[参数:u0],[参数:y0],[参数:ix],[参数:iu],<参数:iy>>,<参数:dx0>>,<参数:idx>>,<参数:idx>><参数：options_in>>) -使用优化算法查找模型的操作点，其参数由输入参数设置 选项.

该函数还返回值 选项，其中包含有关优化过程的信息。

争论

输入参数

# 型号 — 模型的名称

+ 通行证：[线路]

Details

不带文件扩展名的模型名称。

数据类型	`字符串`</无翻译>

# x0 是初始状态向量

+ 通行证：[没有] | 通行证：[标量] | 传递：[向量]

Details

模型状态变量的初始近似值。

数据类型	`什么都没有`, `漂浮物16`, `漂浮物32`, `漂浮64`, `Int8`, `Int16`, `Int32`, `Int64`, `UInt8`, `UInt16`, `UInt32`, `UInt64`</无翻译> 支持复数::无

# u0 是初始输入向量

+ 通行证：[无] | 通行证：[标量] | 传递：[向量]

Details

模型输入变量的初始近似值。

数据类型	`什么都没有`, `漂浮物16`, `漂浮物32`, `漂浮64`, `Int8`, `Int16`, `Int32`, `Int64`, `UInt8`, `UInt16`, `UInt32`, `UInt64`</无翻译> 支持复数::无

# y0 是初始输出向量

+ 通行证：[没有] | 通行证：[标量] | 传递：[向量]

Details

模型的输出变量的初始近似值。

数据类型	`什么都没有`, `漂浮物16`, `漂浮物32`, `漂浮64`, `Int8`, `Int16`, `Int32`, `Int64`, `UInt8`, `UInt16`, `UInt32`, `UInt64`</无翻译> 支持复数::无

# 九 — 初始状态向量的元素的索引

+ 通行证：[没有] | 通行证：[标量] | 传递：[向量]

Details

初始状态向量的固定分量的序数。

数据类型	`什么都没有`, `Int8`, `Int16`, `Int32`, `Int64`, `UInt8`, `UInt16`, `UInt32`, `UInt64`</无翻译> 支持复数::无

# iu — 初始输入向量的元素的索引

+ 通行证：[无] | 通行证：[标量] | 传递：[向量]

Details

初始输入向量的固定分量的序数。

数据类型	`什么都没有`, `Int8`, `Int16`, `Int32`, `Int64`, `UInt8`, `UInt16`, `UInt32`, `UInt64`</无翻译> 支持复数::无

# iy — 初始输出向量的元素的索引

+ 通行证：[无] | 通行证：[标量] | 传递：[向量]

Details

初始输出向量的固定分量的序数。

数据类型	`什么都没有`, `Int8`, `Int16`, `Int32`, `Int64`, `UInt8`, `UInt16`, `UInt32`, `UInt64`</无翻译> 支持复数::无

# dx0 是导数的初始向量

+ 通行证：[没有] | 通行证：[标量] | 传递：[向量]

Details

模型状态变量导数的初始近似值。

数据类型	`什么都没有`, `漂浮物16`, `漂浮物32`, `漂浮64`, `Int8`, `Int16`, `Int32`, `Int64`, `UInt8`, `UInt16`, `UInt32`, `UInt64`</无翻译> 支持复数::无

# idx — 导数的初始向量的元素的索引

+ 通行证：[没有] | 通行证：[标量] | 传递：[向量]

Details

导数的初始向量的分量的序数，其值应作为优化过程的结果保持不变。

数据类型	`什么都没有`, `Int8`, `Int16`, `Int32`, `Int64`, `UInt8`, `UInt16`, `UInt32`, `UInt64`</无翻译> 支持复数::无

# 选项 — 优化选项

+ 通过：[可变复合类型]

Details

优化参数记录在 TrimOptions 结构中。该结构具有以下字段和默认值:

详细::Bool=错误 -启用/禁用优化进度消息的输出;
计算_精确::Float64=1e-4 -操作点计算所需的精度;
搜索_精确::Float64=1e-4 -求解优化问题所需的精度;
推导_精确::Float64=1e-6 -计算模型状态的派生变量所需的精度;
目标_function_value::Float64=0.0 -目标函数的值;
迭代::Int64=1 -搜索过程中的迭代次数;
梯度_evaluations::Int64=1 -梯度计算的数量;
equality_constraints::Int64=0 -平等形式的限制数量;
max_function_evaluations::Int64=0 -目标函数的最大计算次数;
梯度_min_diff::Float64=1e-8 -表征求最小值精度的数字的最小值;
梯度_max_diff::Float64=0.1 -表征求最小值精度的数字的最大值;
步长::Float64=1.0 -步进值。

数据类型	`修剪/修剪`</无翻译>

输出参数

# x — 操作点

+ 传递：[向量]

Details

的操作点。

数据类型	`漂浮64`</无翻译>

# u 是操作点对应的输入向量

+ 传递：[向量]

Details

操作点对应的输入向量。

数据类型	`漂浮64`</无翻译>

# y 是操作点对应的输出向量

+ 传递：[向量]

Details

操作点对应的输出向量。

数据类型	`漂浮64`</无翻译>

# dx 是操作点对应的导数的向量

+ 传递：[向量]

Details

操作点对应的导数的向量。

数据类型	`漂浮64`</无翻译>

# 选项 — 优化选项

+ 传递：[可变复合类型]

Details

优化参数记录在 TrimOptions 结构中。该结构具有以下字段和默认值:

详细::Bool=错误 -启用/禁用优化进度消息的输出;
计算_精确::Float64=1e-4 -操作点计算所需的精度;
搜索_精确::Float64=1e-4 -求解优化问题所需的精度;
推导_精确::Float64=1e-6 -计算模型状态的派生变量所需的精度;
目标_function_value::Float64=0.0 -目标函数的值;
迭代::Int64=1 -搜索过程中的迭代次数;
梯度_evaluations::Int64=1 -梯度计算的数量;
equality_constraints::Int64=0 -平等形式的限制数量;
max_function_evaluations::Int64=0 -目标函数的最大计算次数;
梯度_min_diff::Float64=1e-8 -表征求最小值精度的数字的最小值;
梯度_max_diff::Float64=0.1 -表征求最小值精度的数字的最大值;
步长::Float64=1.0 -步进值。

数据类型	`修剪/修剪`</无翻译>