ماتریس هایی را جمع آوری و ذخیره کنید که یک مدل را به عنوان یک سیستم پویا توصیف می کند.
نحو
model.sol(sname).create(fname”StateSpace”)
model.sol(sname).feature(fname).set(pname,value)
model.sol(sname).feature(fname).getSparseMatrixVal(mname)
model.sol(sname).feature(fname).getSparseMatrixValImag(mname)
model.sol(sname).feature(fname).getSparseMatrixRow(mname)
model.sol(sname).feature(fname).getSparseMatrixCol(mname)
model.sol(sname).feature(fname).getVector(vname)
model.sol(sname).feature(fname).getVectorImag(vname)
model.sol(sname).feature(fname).getSparseMatrixValBlock(mname، start، stop)
model.sol(sname).feature(fname).getSparseMatrixValImagBlock(mname، start، stop)
model.sol(sname).feature(fname).getSparseMatrixRowBlock(mname، start، stop)
model.sol(sname).feature(fname).getSparseMatrixColBlock(mname، start، stop)
model.sol(sname).feature(fname).getVectorBlock(vname, start, stop)
model.sol(sname).feature(fname).getVectorImagBlock(vname, start, stop)
model.sol(sname).feature(fname).isReal(mname)
model.sol(sname).feature(fname).getM(mname)
model.sol(sname).feature(fname).getN(mname)
شرح
ویژگی حالت فضایی.
|
ویژگی
|
ارزش های
|
پیش فرض
|
شرح
|
|
ورودی
|
آرایه رشته ای
|
پارامترهای ورودی که بر مدل تأثیر می گذارد.
|
|
|
خروجی
|
آرایه رشته ای
|
عبارات خروجی
|
|
|
ایستا
|
در | خاموش
|
بر
|
مدل خطی استاتیکی
|
|
مک
|
در | خاموش
|
خاموش
|
ماتریس مک را جمع آوری کنید.
|
|
MA
|
در | خاموش
|
خاموش
|
ماتریس McA را جمع آوری کنید.
|
|
MB
|
در | خاموش
|
خاموش
|
ماتریس McB را جمع آوری کنید.
|
|
سی
|
در | خاموش
|
خاموش
|
ماتریس C را جمع آوری کنید.
|
|
D
|
در | خاموش
|
خاموش
|
ماتریس D را جمع آوری کنید.
|
|
خالی
|
در | خاموش
|
خاموش
|
ماتریس Null را جمع آوری کنید.
|
|
ud
|
در | خاموش
|
خاموش
|
وکتور ud را جمع آوری کنید.
|
|
x0
|
در | خاموش
|
خاموش
|
داده های اولیه را جمع آوری کنید.
|
ویژگی حالت-فضای ماتریس هایی را جمع آوری می کند که یک مدل را به عنوان یک سیستم پویا در زمانی که Static خاموش است توصیف می کند .
در حالتی که Static بر روی یک مدل خطی استاتیکی از سیستم است که توسط
اجازه دهید Null ماتریس فضای خالی محدودیت PDE باشد و یک راه حل خاص که محدودیت ها را برآورده می کند. سپس بردار راه حل U برای مسئله را می توان نوشت
که در آن u 0 نقطه خطی سازی است که با راه حل فعلی (یعنی راه حل محاسبه شده توسط ویژگی قبلی در دنباله) تعیین می شود. ویژگی قبلی می تواند، برای مثال، یک حل کننده یا یک گره متغیر وابسته باشد. گره Dependent Variable کنترل می‌کند که کدام متغیرها را حل کند (متریس‌ها را محاسبه کنید). نقطه خطی سازی ورودی به ترتیب پس از اجرای ویژگی حالت-فضا ذخیره می شود.
ورودی پارامترهای ورودی باید شامل تمام پارامترهایی باشد که به عنوان ورودی مدل مورد توجه هستند. خروجی عبارات خروجی باید شامل لیستی از تمام عباراتی باشد که باید به عنوان خروجی از مدل ارزیابی شوند.
