我不明白为什么scipy.signal.ss2tf()
和scipy.signal.StateSpace().to_tf()
会产生(相同的)意外结果
例如:
A=[[0, 1, 0], [0, 0, 1], [-3, -4, -2]]
B=[[0], [0], [1]]
C=[[5, 1, 0]]
D=[[0]]
scipy的结果是
num = array([[0, 0, 0, 4]]),
den = array([1., 2., 4., 3.])
在Matlab中,结果是
num = [0,0,1,5],
den = [1,2,4,3]
分母似乎总是正确的,我试过其他例子,但传递函数的分子并不对应
我是否以错误的方式使用了scipy
(另一个例子)
A=[[0, 1, 0], [0, 0, 1], [-8, -14, -7]]
B=[[0], [0], [1]]
C=[[15, 5, 0]]
D=[[0]]
这是一个bug in SciPy。当
ss2tf
创建一个数组来保存分子时,它使用输入的数据类型来确定分子数组的数据类型。在您的例子中,值都是整数,因此分子的数据类型是整数。但是,分子的系数是浮点计算的结果,因此会导致精度损失。当计算值复制到分子数组中时,这些值将被截断为整数。在您的示例中,这会导致一个很大的错误。当我重现分子的浮点计算时,我得到[0.0, 0.0, 0.9999999999999947, 4.999999999999995]
,当这些值被复制到整数数组中时,结果是[0, 0, 0, 4]
解决方法是确保输入(或至少
A
)包含浮点值。比如说,相关问题 更多 >
编程相关推荐