Pular para o conteúdo principal

Sistemas de Tempo Discreto

O Synapsys diferencia sistemas continuos e discretos pelo atributo dt:

dtDominioEstabilidade
0.0 (padrão)Continuo — sRe(polos) < 0
> 0Discreto — z|polos| < 1

Discretização (ZOH)​

Use c2d() para converter um sistema continuo em discreto pelo método Zero-Order Hold:

from synapsys.api import tf, ss, c2d

# Sistema continuo
G_c = tf([1], [1, 1])   # G(s) = 1/(s+1)

# Discretizar com Ts = 10 ms
G_d = c2d(G_c, dt=0.01)

print(G_d.is_discrete)   # True
print(G_d.dt)            # 0.01
print(G_d.poles())       # [exp(-0.01)] ≈ [0.990]

O mesmo funciona para StateSpace:

import numpy as np
from synapsys.api import ss, c2d

sys_c = ss(np.array([[-1.0]]), np.array([[1.0]]),
           np.array([[1.0]]), np.array([[0.0]]))
sys_d = c2d(sys_c, dt=0.05)

Resposta ao degrau discreta​

t, y = G_d.step(n=300)   # 300 amostras

Ou com tempo continuo equivalente:

import numpy as np
t = np.arange(300) * G_d.dt
t_out, y_out = G_d.step(n=300)

Simulação passo a passo​

StateSpace.evolve(x, u) avanca um tick — o bloco basico para agentes em tempo real:

x = np.zeros(sys_d.A.shape[0])
u = np.array([1.0])

for k in range(200):
    x, y = sys_d.evolve(x, u)

Estabilidade discreta​

G_d = c2d(tf([1], [1, -0.5]), dt=0.1)
print(G_d.is_stable())   # |polo| < 1?
print(abs(G_d.poles()))

Referência da API​

Consulte a referência completa em synapsys.core — StateSpace e synapsys.api — c2d.