简化
简化不确定对象的表示
语法
B = simplify(A，'full') B = simplify(A，'basic') B = simplify(A，'class')
描述
B =简化(A)执行类似模型简化的技术，以检测和消除不确定元素的冗余副本。根据结果，班级B可能低于一个．的AutoSimplify中各不确定元素的性质一个规定了所用的还原方法。在约简之后，任何实际上不影响结果的不确定元素都会从表示中删除。
B =简化(一个“完整的”)超越所有不确定因素AutoSimplify属性,并使用“全部”减少技术。
B =简化(A,“基本”)超越所有不确定因素AutoSimplify属性,并使用“基本”减少技术。
B =简化(A,“类”)不执行还原。然而，任何不确定的因素一个在零次出现时被消除，并且B可能低于班级的一个．
例子
创建一个简单的umat只有一个不确定的实参数。选择特定的元素，注意结果仍然在类中umat．简化这些相同的元素，并注意类的变化。
p1 = ureal('p1'，3，'Range'，[2 5]);L = [2 p1];L(1) UMAT: 1 Rows, 1 Columns L(2) UMAT: 1 Rows, 1 Columns p1: real, nominal = 3, range = [2 5]， 1 occurrence simplify(L(1)) ans = 2 simplify(L(2))不确定实数参数:Name p1, NominalValue 3, range [2 5]
创建四个不确定的实参数，默认值为AutoSimplify(基本的)，并定义一个高次多项式［1］．
m = ureal('m'，125000，'Range'，[100000 150000]);xcg =尿素的(“xcg”,23,“范围”,(。15。31]);zcg =尿素的(“zcg”。105年,“范围”,[0 . 21]);va = ureal('va'，80，'Range'，[70 90]);cw = simplify(m/(va*va)*va，'full') UMAT: 1 Rows, 1 Columns m: real，名义= 1.25e+005, range = [100000 150000]， 1 occurrence va: real，名义= 80,range = [70 90]， 1 occurrence cw = m/va;- .16726*xcg*cw*cw*zcg - .17230*xcg*xcg*cw…-3.9*xcg*cw*zcg…-．07*xcg*xcg*zcg + .29*xcg*xcg*cw*zcg… + 4.9*xcg*cw - 2.7*xcg*cw*cw ... +.58*cw*cw - 0.25*xcg*xcg - 1.34*cw ... +100.1*xcg -14.1*zcg - 1.91*cw*cw*zcg ... +1.12*xcg*zcg + 24.6*cw*zcg ... +.45*xcg*xcg*cw*cw - 46.85 UMAT: 1 Rows, 1 Columns m: real, nominal = 1.25e+005, range = [100000 150000], 18 occurrences va: real, nominal = 80, range = [70 90], 8 occurrences xcg: real, nominal = 0.23, range = [0.15 0.31], 18 occurrences zcg: real, nominal = 0.105, range = [0 0.21], 1 occurrence
高阶多项式的结果是一个低效的表示，涉及18个副本米，共8份弗吉尼亚州，共18份xcg和1份zcg．简化表达式，使用“全部”简化算法
fac2s =简化(fac2,“满”)UMAT: 1行1列m:真实的,名义e = 1.25 + 005 =(100000 150000), 4出现va:真实的,名义= 80 =(70 90),4出现xcg:真实的,名义= 0.23,=(0.15 - 0.31),2事件zcg:真实的,名义= 0.105,= 0.21[0],范围1
这导致了更经济的代表。
另外,改变AutoSimplify属性“全部”在形成多项式之前。
m.AutoSimplify =“完整”;xcg。一个utoSimplify = 'full'; zcg.AutoSimplify = 'full'; va.AutoSimplify = 'full';
你可以形成一个多项式，它立刻给出一个低阶的表示。
连续波= m / va;- - - - - - - - - - - - - - - - - - - - - - - - - - --3.9*xcg*cw*zcg…-．07*xcg*xcg*zcg + .29*xcg*xcg*cw*zcg…+ 4.9*xcg*cw - 2.7*xcg*cw…+．50 *cw*cw - 0.25*xcg*xcg - 1.34*cw…+100.1*xcg -14.1*zcg - 1.91*cw*cw*zcg…+1.12*xcg*zcg + 24.6*cw*zcg… +.45*xcg*xcg*cw*cw - 46.85 UMAT: 1 Rows, 1 Columns m: real, nominal = 1.25e+005, range = [100000 150000], 4 occurrences va: real, nominal = 80, range = [70 90], 4 occurrences xcg: real, nominal = 0.23, range = [0.15 0.31], 2 occurrences zcg: real, nominal = 0.105, range = [0 0.21], 1 occurrence
创建两个实参数，达和dx，和一个2 × 3矩阵，ABmat，涉及两个实参数的多项式表达式。
= ureal('da'，0，'Range'，[-1 1]);dx = ureal('dx'，0，'Range'，[-1 1]);a11 = -。32 +哒*(。8089 +哒*(-。987 + 3.39*da)) + 0.15 *dx;A12 = .934 + da*(。0474,8发* da);a21 = -1.15 +哒*(4.39 +达* *大* da)(21.97 - 561)……+ dx*(9.65 - da*(55.7 + da*177));a22 = -。66 + da*(1.2 - da*2.27) + dx*(2.66 - 5.1*da); b1 = -0.00071 + da*(0.00175 - da*.00308) + .0011*dx; b2 = -0.031 + da*(.078 + da*(-.464 + 1.37*da)) + .0072*dx; ABmat = [a11 a12 b1;a21 a22 b2] UMAT: 2 Rows, 3 Columns da: real, nominal = 0, range = [-1 1], 19 occurrences dx: real, nominal = 0, range = [-1 1], 2 occurrences
使用“全部”简化以降低描述的复杂性。
ABmatsimp = simplify(ABmat，'full') UMAT: 2 Rows, 3 Columns da: real，标称= 0,range = [-1 1]， 7 occurrences dx: real，标称= 0,range = [-1 1]， 2 occurrences
或者，您可以设置参数的AutoSimplify财产“全部”．
哒。一个utoSimplify = 'full'; dx.AutoSimplify = 'full';
现在你可以重建矩阵了
a11 = -。32 +哒*(。8089 +哒*(-。987 + 3.39*da)) + 0.15 *dx;A12 = .934 + da*(。0474,8发* da);a21 = -1.15 +哒*(4.39 +达* *大* da)(21.97 - 561)……+ dx*(9.65 - da*(55.7 + da*177));a22 = -。求x*(1 - d) + dx*(1 - d);b1 = -0.00071 +哒* (0.00175 - da * .00308) + .0011 * dx; b2 = -0.031 + da*(.078 + da*(-.464 + 1.37*da)) + .0072*dx; ABmatFull = [a11 a12 b1;a21 a22 b2] UMAT: 2 Rows, 3 Columns da: real, nominal = 0, range = [-1 1], 7 occurrences dx: real, nominal = 0, range = [-1 1], 2 occurrences
限制
多维模型约简与实现理论只是部分完备的理论。使用的启发式简化这就是启发式。包含不确定元素的表达式建立的顺序，如。，分布在加法和乘法之间，可以影响表示的细节(例如，a的出现次数尿素的在不确定矩阵中)。有可能简化他的幼稚方法不能完全解决这些差异，所以人们可能被迫使用不确定系统的“非最小”表示。
算法
简化使用启发式和一维模型约简算法来部分降低不确定矩阵或系统的表示的维数。
参考文献
[1] Varga, A.和G. Looye，“基于lft的低阶不确定性建模的符号和数字软件工具”，计算机辅助控制系统设计国际研讨会，1999年,第5 - 11页。。
[2] Belcastro, c.m.， K.B. Lim和E.A. Morelli，“非线性参数相关系统的计算机辅助不确定性建模第二部分:F-16例子，”计算机辅助控制系统设计国际研讨会，1999年,17-23页。
你也可以从以下列表中选择一个网站:
