问题标签 [linearization]

所以，我试图线性化我的简单符号系统，它有一个非线性输出方程和一个线性状态方程。

我试图弄清楚如何改变我的输入的名义值，你。又名，我想设置 u0。我想，我已经想出了如何设置状态向量的标称值，如下所示。

我目前收到输入端口未连接的错误，但我不确定这意味着什么。我应该怎么做才能修复这个错误，并设置我的标称点？

我对优化问题有以下约束：

我怎样才能线性化它只引入 n 个新的非二元决策变量？

我正在尝试使用取决于信号导数的输出来线性化模型。导数块在线性化顾问中具有以下诊断消息：

当 Linearization Time 设置为 Inf 时，导数模块线性化为零。请考虑对线性化时间参数使用有限数。

我的系统是时间连续的，所以我将“SampleTime”选项设置为 0，但这似乎不是诊断所指的。我已经尝试过模型修整和线性化大约在模型达到稳定状态的时间，但在每种情况下都会出现此消息。我也尝试过使用“用于线性化的开关导数”块，但这似乎也没有解决它。

我找不到任何其他有关此线性化时间参数的文档。我该如何更改它，它的含义是什么？

我必须解决以下系统：

在哪里

其中 Yxs、a、b、Mmax、Pm、km、ki 是常数变量，那么我必须对系统进行线性化并找到该系统的平衡点。有什么建议如何用 Matlab 或 Mathematica 来做吗？

我找不到python遵循的规则来对以下类层次结构进行线性化：

得到：

[A，B，E，C，D，F，O，<类'对象'>]

我被困在以下步骤：

L(A) : = [A] + 合并(L(B), L(C),[B,C])

L(A) : = [A] + 合并((B,E,D,O), (C,D,F,O) ,[B,C])

L(A) : = [A,B] + 合并((E,D,O), (C,D,F,O) ,[C])

而这里python选择去：

L(A) : = [A,B,E] + 合并((D,O), (C,D,F,O) ,[C])

而不是（我所期望的）：

L(A) : = [A,B,C] + 合并((E,D,O), (D,F,O))

你能告诉我这里适用于选择 D 类而不是 C 类的规则（乍一看，流行率更高）。

谢谢

我cvxpy用来模拟问题。
在一个非常大且复杂的 LP 中，我创建了两个连续的仿射（无约束）表达式：x和y.
由于它们的创建方式，我知道0 < x < y <= U. 显然：x/y < 1。

在我的 LP目标中，我如何最大化比率x/y？

我尝试过的事情：

• 最大化x*cp.inv_pos(Y)状态我的问题是非 DCP（如果我尝试最小化逆）
• 我找到了用于最大化比率的各种 LP 公式（例如，此处或此处），但这些需要重写表达式中所有术语的约束x- 我不知道如何使用cvxpy.
  如果这是要走的路，那么一个例子将非常有帮助！

我正在使用 CVXPY 解决一个简单的优化问题 min{sum(x)} 受约束 Ax <= b，其中变量向量 x >= 0，当然问题完美解决。

然而，为了我的研究目的，我需要以这样一种方式修改问题，即引入一个新变量向量 y = x/(x+1)，对 x 具有相同的约束。当我尝试再次求解 min{sum(y)} 时，会导致错误：违反 DCP 规则，您正在尝试最小化凹函数。

有没有办法将 min{x/(x+1)} 解决为线性或混合整数线性问题？

由于两个连续变量的乘积，我在线性化约束时遇到了问题。

假设非线性约束是 A = b + x1 x2 ： A,x1,x2 是非负连续变量。

我怎样才能线性化这个约束？

我试图通过创建两个新的连续变量（y1 和 y2）来重新制定它，其中 y1 = 1/2 (x1 + x2) 和 y2= 1/2 (x1 - x2)。在这种情况下，约束也变为非线性。

我应该怎么办？

我试图线性化用凯恩方法建立的运动方程。它给出：M, F_A, F_B, r = kane.linearize(new_method=True, op_point=equi_dict(...)

如果 qi 是广义坐标，而 ui 是广义速度，我得到矩阵 F_A 以（也）取决于 d/dt(ui)。这在理论上是可能的，还是我的非线性模型有错误？（非线性模型的图看起来还不错……）

我正在尝试线性化这种形式的约束：如果 a == b 然后 c = 1 其中 a 和 b 是正整数，c 是二进制变量。我正在寻找像这样的解决方案https://math.stackexchange.com/questions/2792360/how-to-linearize-if-then-constraint 在这种情况下不起作用。感谢任何可以帮助我的人。