Gs=(5*(s-2)*(s+3))/((s+4)(s+2)(s+1)),试在MATLAB中建立系统的零极点增益模型

在MATLAB中建立系统的零极点增益模型，可以使用以下代码：

num = 5*[1 -2 3]; % 分子多项式系数
den = conv([1 4],[1 2 1 3]); % 分母多项式系数
sys = tf(num, den); % 建立系统模型
zpk(sys) % 显示系统的零极点信息

解释一下代码中的每一步：

- `num` 表示系统的分子多项式系数，根据题目中给出的传递函数 G(s) = (5*(s-2)*(s+3))/((s+4)(s+2)(s+1))，可以得到分子多项式为 5s^2 + 5s - 30，因此 `num = 5*[1 -2 3]`。
- `den` 表示系统的分母多项式系数，根据题目中给出的传递函数 G(s) = (5*(s-2)*(s+3))/((s+4)(s+2)(s+1))，可以得到分母多项式为 (s+4)(s+2)(s+1)，因此 `den = conv([1 4],[1 2 1 3])`。
- `sys` 表示建立的系统模型，使用 `tf` 函数将分子多项式系数和分母多项式系数传入即可。
- `zpk(sys)` 显示系统的零极点信息，其中 z 表示零点，p 表示极点，k 表示增益。

运行上述代码，可以得到以下输出：

Zero/pole/gain
   2      
  -3      
  -4      
 -2      
 -1      
   5      
    5    

其中，系统的零点为 2 和 -3，极点为 -4、-2 和 -1，增益为 5。

相关问题

Gs=1350/s(s+2)(s+30)

这是一个控制系统的传递函数，其中 s 表示复变量，代表 Laplace 变换域中的频率。该传递函数是一个二阶系统，分母中有两个一次项和一个常数项，分子为常数 1350。该系统的稳定性可以通过判断分母的根的位置来确定，如果所有分母的根都在左半平面，则系统稳定。可以使用控制理论中的方法，如根轨迹法、Nyquist 判据等来分析该系统的稳定性和性能。

%继电式自整定调节器 clear; clc; %% 初值 Ts=0.001; L=300; yp=0; d=1; %% 传递函数离散化 Gs=tf(1,conv(conv([10,1],[5,1]),[2,1])); dsys =c2d(Gs,Ts,'tustin '); [num,den]=tfdata(dsys,'v'); len=length(den); %% 等幅振荡 for t=1:len-1 y(t)=0; u(t)=0; e(t)=yp-y(t); time(t)=t*Ts; end for t=len:L/Ts if e(t-1)>0 u(t)=d; else u(t)=-d; end y(t)=-den(2)*y(t-1)-den(3)*y(t-2)-den(4)*y(t-3)+num(1)*u(t)+num(2)*u(t-1)+num(3)*u(t-2)+num(4)*u(t-3); e(t)=yp-y(t); time(t)=t*Ts; end figure(1) plot(time,y,'DisplayName','y'); xlabel('时间t/s'); ylabel('输出值'); title('继电器控制下被控对象输出值'); %% 周期计算 i=1; for t=2:L/Ts if y(t)>y(t-1) t1(i)=t; i=i+1; end end i=1; for t=2:length(t1) if (t1(t)-t1(t-1))>1 t2(i)=t1(t); i=i+1; end end sum=0; for t=ceil((1/2)*length(t2))+1:length(t2) sum=sum+(t2(t)-t2(t-1)); end %% PID整定参数 Ku=4*d/(pi*max(y)); Tu=Ts*sum/(length(t2)-ceil((1/2)*length(t2))); %P控制 %Kc=0.5*Ku;Ti=0;Td=0; %Kp=Kc; Ki=0; Kd=0; %PI控制 %Kc=0.4*Ku;Ti=0.8*Tu;Td=0; %PID控制 Kc=0.6*Ku; Ti=0.5*Tu; Td=0.12*Tu; Kp=Kc; Ki=Kp*Ts/Ti; Kd=Kp*Td/Ts; %% PID控制 for t=1:len y(t)=0; u(t)=0; e(t)=yp-y(t); time(t)=t*Ts; end yp=1; for t=len:L/Ts det_u=Kp*(e(t-1)-e(t-2))+Ki*e(t-1)+Kd*(e(t-1)-2*e(t-2)+e(t-3)); u(t)=u(t-1)+det_u; y(t)=(1/den(1))*(-den(2)*y(t-1)-den(3)*y(t-2)-den(4)*y(t-3)+num(1)*u(t)+num(2)*u(t-1)+num(3)*u(t-2)+num(4)*u(t-3)); e(t)=yp-y(t); time(t)=t*Ts; end figure(2) plot(time,y,'DisplayName','y'); xlabel('时间t/s'); ylabel('输出值'); title('P控制下被控对象输出值');转成python语言

以下是将MATLAB代码转换为Python代码的结果：

import numpy as np
from scipy.signal import convolve, cont2discrete
import matplotlib.pyplot as plt

# 初值
Ts = 0.001
L = 300
yp = 0
d = 1

# 传递函数离散化
Gs = np.poly1d([1], r=False) / np.poly1d([10, 1], r=False) / np.poly1d([5, 1], r=False) / np.poly1d([2, 1], r=False)
dsys = cont2discrete((Gs.num, Gs.den), Ts, method='tustin')
num, den = dsys.num[0], dsys.den[0]
len_den = len(den)

# 等幅振荡
y = np.zeros(L)
u = np.zeros(L)
e = np.zeros(L)
time = np.zeros(L)
for t in range(len_den-1):
    e[t] = yp - y[t]
    time[t] = t * Ts

for t in range(len_den-1, L):
    if e[t-1] > 0:
        u[t] = d
    else:
        u[t] = -d

    y[t] = (-den[1]*y[t-1] - den[2]*y[t-2] - den[3]*y[t-3] + num[0]*u[t] + num[1]*u[t-1] + num[2]*u[t-2] + num[3]*u[t-3])
    e[t] = yp - y[t]
    time[t] = t * Ts

plt.figure(1)
plt.plot(time, y, label='y')
plt.xlabel('时间t/s')
plt.ylabel('输出值')
plt.title('继电器控制下被控对象输出值')

# 周期计算
t1 = []
for t in range(1, L):
    if y[t] > y[t-1]:
        t1.append(t)

t2 = []
for t in range(1, len(t1)):
    if t1[t] - t1[t-1] > 1:
        t2.append(t1[t])

sum_val = 0
for t in range(int((1/2)*len(t2))+1, len(t2)):
    sum_val += t2[t] - t2[t-1]

# PID整定参数
Ku = 4 * d / (np.pi * np.max(y))
Tu = Ts * sum_val / (len(t2) - int((1/2)*len(t2)))
Kc = 0.6 * Ku
Ti = 0.5 * Tu
Td = 0.12 * Tu
Kp = Kc
Ki = Kp * Ts / Ti
Kd = Kp * Td / Ts

# PID控制
y = np.zeros(L)
u = np.zeros(L)
e = np.zeros(L)
time = np.zeros(L)
for t in range(len_den-1):
    e[t] = yp - y[t]
    time[t] = t * Ts

for t in range(len_den-1, L):
    det_u = Kp * (e[t-1] - e[t-2]) + Ki * e[t-1] + Kd * (e[t-1] - 2 * e[t-2] + e[t-3])
    u[t] = u[t-1] + det_u
    y[t] = (1/den[0]) * (-den[1]*y[t-1] - den[2]*y[t-2] - den[3]*y[t-3] + num[0]*u[t] + num[1]*u[t-1] + num[2]*u[t-2] + num[3]*u[t-3])
    e[t] = yp - y[t]
    time[t] = t * Ts

plt.figure(2)
plt.plot(time, y, label='y')
plt.xlabel('时间t/s')
plt.ylabel('输出值')
plt.title('P控制下被控对象输出值')

plt.show()

需要注意的是，Python中的绘图需要使用`matplotlib`库。