Prévia do material em texto
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA Disciplina: Controle Robusto Discente: Gabriela Fernandes Mesquita Cunha LISTA 1 1. Considere o seguinte sistema (a) O sistema é controlável? (b) O sistema é observável? (c) Obtenha a função de transferência deste sistema. (d) Mostre que os autovalores de A são os polos desta função de transferência. (e) Calcule os zeros (f) Obtenha a matriz exponencial eA. Dica: Use o comando expm() no Octave. Código feito no Software MATLAB. close all clear all clc % Gabriela Fernandes Mesquita Cunha % Controle Robusto % Lista 1 - Questão 1 % Letras A e B A = [-1 0 3; 0 5 9; 1 1 -3] B = [-1; 0; 1] C = [5 10 -2] D = [0] c = [B A*B A^2 *B] % Matriz controlabilidade det (c) O = [C; C*A; C*A^2] % Matriz observabilidade det (O) % Letra C - Função de transferência [num,den] = ss2tf(A,B,C,D); g = tf(num,den) % Letra D e E - autovalores de A são polos da função de transferência [num,den] = ss2tf(A,B,C,D); g = tf(num,den) autovalor = eig(A) polos = pole(g) zeros = zero(g) % Letra F - matriz exponencial expm(A) Resposta: A = -1 0 3 0 5 9 1 1 -3 B = -1 0 1 C = 5 10 -2 D = 0 c = -1 4 -16 0 9 9 1 -4 25 ans = -81 O = 5 10 -2 -7 48 111 118 351 78 ans = -2.3403e+04 g = -7 s^2 + 125 s + 45 -------------------- s^3 - s^2 - 29 s - 9 Continuous-time transfer function. g = -7 s^2 + 125 s + 45 -------------------- s^3 - s^2 - 29 s - 9 Continuous-time transfer function. autovalor = -4.7294 -0.3148 6.0443 polos = 6.0443 -4.7294 -0.3148 zeros = 18.2102 -0.3530 ans = 3.3439 18.3878 19.6920 55.1634 373.7084 390.0565 6.5640 43.3396 45.3793 >> 2. O que é uma função de transferência própria, estritamente própria e imprópria? A função própria é quando a ordem do polinômio do denominador é maior ou igual a ordem do numerador. A função estritamente própria é quando a ordem do polinômio do denominador é maior do que o numerador. A função imprópria é quando a ordem do polinômio do denominador é menor do que a do numerador. 3. Mostre que para um sistema autônomo x˙ = Ax, caso exista P = P 0 > 0 tal que A0P + P A < 0, então os autovalores de A possuem parte real negativa. Considere V(x)>0, ∀ x ≠ 0 ↔ P<0. Agora devemos verificar que �̇�(x)<0, o que significa por diferencial de Gateaux que V’(x) = [ ∇𝑉(𝑥), 𝑥′]. Usando a fórmula de Leibniz, temos: �̇�(x) = �̇�’Px + x’P�̇� < 0 = (Ax)’Px + x’P(Ax) < 0 = x’(A’P+PA)x<0 ↔ A’P + PA < 0. 4. Obtenha uma realização em espaço de estados da seguinte função de transferência. Código feito no Software MATLAB. clear all clc close all % Gabriela Fernandes Mesquita Cunha % Controle Robusto - Lista 1 % Questão 4 % Espaço de Estados da função de transferência numG = [1 1 0] denG = [1 -2 2 1] [A,B,C,D] = tf2ss(numG,denG) RESPOSTA numG = 1 1 0 denG = 1 -2 2 1 A = 2 -2 -1 1 0 0 0 1 0 B = 1 0 0 C = 1 1 0 D = 0 5. Utilizando o teorema de Lyapunov, elabore um código para verificar a estabilidade utilizando LMIs. Anexe seu código. Código feito no Software MATLAB. close all clear all clc % Gabriela Fernandes Mesquita Cunha % Controle Robusto % Lista 1 - Questão 5 A = [-6 0 3; 0 -7 9; 1 1 -8]; B = [-1; 0; 1]; C = [5 10 -2]; % Matriz simétrica P = sdpvar(3,3) % Definir LMI T = A'*P+P*A; F = [P>=0; T<=0; trace(P)==1]; about = optimize(F)% Resolver LMI P = double (P) eig(P) Resposta: Linear matrix variable 3x3 (symmetric, real, 6 variables) Coeffiecient range: 1 to 1 SeDuMi 1.3 by AdvOL, 2005-2008 and Jos F. Sturm, 1998-2003. Alg = 2: xz-corrector, theta = 0.250, beta = 0.500 Put 1 free variables in a quadratic cone eqs m = 6, order n = 9, dim = 21, blocks = 4 nnz(A) = 27 + 0, nnz(ADA) = 36, nnz(L) = 21 it : b*y gap delta rate t/tP* t/tD* feas cg cg prec 0 : 1.12E+02 0.000 1 : 0.00E+00 2.36E+01 0.000 0.2116 0.9000 0.9000 0.88 1 1 1.0E+01 2 : 0.00E+00 4.61E+00 0.000 0.1953 0.9000 0.9000 1.04 1 1 2.8E+00 3 : 0.00E+00 9.82E-02 0.000 0.0213 0.9900 0.9900 1.21 1 1 5.5E-01 4 : 0.00E+00 2.11E-06 0.000 0.0000 1.0000 1.0000 1.00 1 1 1.4E-05 5 : 0.00E+00 2.71E-13 0.000 0.0000 1.0000 1.0000 1.00 1 5 1.7E-12 iter seconds digits c*x b*y 5 1.0 14.6 3.0799862182e-15 0.0000000000e+00 |Ax-b| = 6.6e-14, [Ay-c]_+ = 2.3E-15, |x|= 1.3e+00, |y|= 6.3e-01 Detailed timing (sec) Pre IPM Post 3.568E+00 4.026E+00 2.340E-01 Max-norms: ||b||=0, ||c|| = 1, Cholesky |add|=0, |skip| = 2, ||L.L|| = 1. about = yalmipversion: '20210331' matlabversion: '9.0.0.341360 (R2016a)' yalmiptime: 1.7061 solvertime: 7.9999 info: 'Successfully solved (SeDuMi-1.3)' problem: 0 P = 0.2921 0.0293 0.1007 0.0293 0.2875 0.1893 0.1007 0.1893 0.4204 ans = 0.1438 0.2681 0.5881 >> Portanto, o sistema é estável! 6. Encontre o valor da norma H∞ do seguinte sistema via LMI. Anexe seu código e verifique sua resposta com o comando ’norm(sys,inf)’ no Octave/Matlab. Código feito no Software MATLAB. close all clear all clc % Gabriela Fernandes Mesquita Cunha % Controle Robusto % Lista 1 - Questão 6 A = [-6 0 3; 0 -7 9; 1 1 -8] B = [-1 0 1] C = [5 10 -2] D = [0] P=sdpvar(3,3) % Teorema de Lyapunov T = A'*P + P*A F = [P >=0; T <=0; trace(P)>=1] about = optimize(F) P_f = double(P) eig(P_f) norm(A , inf) Resposta: A = -6 0 3 0 -7 9 1 1 -8 B = -1 0 1 C = 5 10 -2 D = 0 Linear matrix variable 3x3 (symmetric, real, 6 variables) Coeffiecient range: 1 to 1 Linear matrix variable 3x3 (symmetric, real, 6 variables) Coeffiecient range: 1 to 18 +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ | ID| Constraint| Coefficient range| +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ | #1| Matrix inequality 3x3| 1 to 1| | #2| Matrix inequality 3x3| 1 to 18| | #3| Element-wise inequality 1x1| 1 to 1| +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ SeDuMi 1.3 by AdvOL, 2005-2008 and Jos F. Sturm, 1998-2003. Alg = 2: xz-corrector, theta = 0.250, beta = 0.500 eqs m = 6, order n = 8, dim = 20, blocks = 3 nnz(A) = 27 + 0, nnz(ADA) = 36, nnz(L) = 21 it : b*y gap delta rate t/tP* t/tD* feas cg cg prec 0 : 1.21E+02 0.000 1 : 0.00E+00 3.20E+01 0.000 0.2641 0.9000 0.9000 0.11 1 1 2.0E+01 2 : 0.00E+00 5.83E+00 0.000 0.1824 0.9000 0.9000 0.70 1 1 3.8E+00 3 : 0.00E+00 1.48E-01 0.000 0.0254 0.9900 0.9900 1.02 1 1 9.5E-02 4 : 0.00E+00 5.35E-06 0.000 0.0000 1.0000 1.0000 1.00 1 1 3.4E-06 5 : 0.00E+00 5.86E-13 0.000 0.0000 1.0000 1.0000 1.00 1 1 3.8E-13 iter seconds digits c*x b*y 5 0.3 3.9 -7.2271733344e-15 0.0000000000e+00 |Ax-b| = 3.0e-13, [Ay-c]_+ = 0.0E+00, |x|= 7.9e-14, |y|= 1.6e+00 Detailed timing (sec) Pre IPM Post 7.400E-02 2.570E-01 2.001E-02 Max-norms: ||b||=0, ||c|| = 1, Cholesky |add|=0, |skip|= 0, ||L.L|| = 1. about = yalmipversion: '20210331' matlabversion: '9.0.0.341360 (R2016a)' yalmiptime: 1.1277 solvertime: 0.3793 info: 'Successfully solved (SeDuMi-1.3)' problem: 0 P_f = 0.6930 0.1137 0.2983 0.1137 0.7359 0.5501 0.2983 0.5501 1.1062 ans = 0.3180 0.6107 1.6064 ans = 16 >> 7. Encontre o valor da norma H2 do seguinte sistema via LMI. Anexe seu código e verifique sua resposta com o comando ’norm(sys,2)’ no Octave/Matlab. Código feito no Software MATLAB. close all clear all clc % Gabriela Fernandes Mesquita Cunha % Controle Robusto % Lista 1 - Questão 7 A = [-6 0 3; 0 -7 9; 1 1 -8] B = [-1 0 1] C = [5 10 -2] D = [0] P=sdpvar(3,3) %Teorema de Lyapunov T = A'*P + P*A F = [P >=0; T <=0; trace(P)>=1] about = optimize(F) P_f = double(P) eig(P_f) norm(A , 2) Resposta: A = -6 0 3 0 -7 9 1 1 -8 B = -1 0 1 C = 5 10 -2 D = 0 Linear matrix variable 3x3 (symmetric, real, 6 variables) Coeffiecient range: 1 to 1 Linear matrix variable 3x3 (symmetric, real, 6 variables) Coeffiecient range: 1 to 18 +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ | ID| Constraint| Coefficient range| +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ | #1| Matrix inequality 3x3| 1 to 1| | #2| Matrix inequality 3x3| 1 to 18| | #3| Element-wise inequality 1x1| 1 to 1| +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ SeDuMi 1.3 by AdvOL, 2005-2008 and Jos F. Sturm, 1998-2003. Alg = 2: xz-corrector, theta = 0.250, beta = 0.500 eqs m = 6, order n = 8, dim = 20, blocks = 3 nnz(A) = 27 + 0, nnz(ADA) = 36, nnz(L) = 21 it : b*y gap delta rate t/tP* t/tD* feas cg cg prec 0 : 1.21E+02 0.000 1 : 0.00E+00 3.20E+01 0.000 0.2641 0.9000 0.9000 0.11 1 1 2.0E+01 2 : 0.00E+00 5.83E+00 0.000 0.1824 0.9000 0.9000 0.70 1 1 3.8E+00 3 : 0.00E+00 1.48E-01 0.000 0.0254 0.9900 0.9900 1.02 1 1 9.5E-02 4 : 0.00E+00 5.35E-06 0.000 0.0000 1.0000 1.0000 1.00 1 1 3.4E-06 5 : 0.00E+00 5.86E-13 0.000 0.0000 1.0000 1.0000 1.00 1 1 3.8E-13 iter seconds digits c*x b*y 5 0.4 3.9 -7.2271733344e-15 0.0000000000e+00 |Ax-b| = 3.0e-13, [Ay-c]_+ = 0.0E+00, |x|= 7.9e-14, |y|= 1.6e+00 Detailed timing (sec) Pre IPM Post 8.200E-02 2.380E-01 1.501E-02 Max-norms: ||b||=0, ||c|| = 1, Cholesky |add|=0, |skip| = 0, ||L.L|| = 1. about = yalmipversion: '20210331' matlabversion: '9.0.0.341360 (R2016a)' yalmiptime: 1.0341 solvertime: 0.3599 info: 'Successfully solved (SeDuMi-1.3)' problem: 0 P_f = 0.6930 0.1137 0.2983 0.1137 0.7359 0.5501 0.2983 0.5501 1.1062 ans = 0.3180 0.6107 1.6064 ans = 13.9137 >> 8. Considere uma matriz A dada, mostre que o problema é uma LMI. 9. Considere o seguinte sistema SISO incerto com planta nominal dada por Considerando o seguinte modelo de incerteza multiplicativa tal que encontre Wm(s) para representação ∆ do sistema. Código feito no Software MATLAB. close all clear all clc % Gabriela Fernandes Mesquita Cunha % Controle Robusto % Lista 1 - Questão 9 w = logspace(-1,3,50) K0 = 1; T0 = 1/15; s = tf('s') Gnom = K0/(T0*s+1) Gnom_frd = frd(Gnom,w) for K=0.8*K0:0.08*K0:1.2*K0 for T=0.7*T0:0.07*T0:1.3*T0 Gp = K/(T*s+1) diff = (Gp/Gnom-1) %Diagrama de bode em relação a magnitude bodemag(Gp,'c--',w) hold on end end [freq,resp_db] = ginput(10); resp = db2mag(resp_db) sys = frd(resp,freq) Wa = fitmagfrd(sys,2) Wa= tf(Wa) % Função de transferêcia relativa a Wa print('Wa') Resposta: w = 1.0e+03 * Columns 1 through 12 0.0001 0.0001 0.0001 0.0002 0.0002 0.0003 0.0003 0.0004 0.0004 0.0005 0.0007 0.0008 Columns 13 through 24 0.0010 0.0012 0.0014 0.0017 0.0020 0.0024 0.0029 0.0036 0.0043 0.0052 0.0063 0.0075 Columns 25 through 36 0.0091 0.0110 0.0133 0.0160 0.0193 0.0233 0.0281 0.0339 0.0409 0.0494 0.0596 0.0720 Columns 37 through 48 0.0869 0.1048 0.1265 0.1526 0.1842 0.2223 0.2683 0.3237 0.3907 0.4715 0.5690 0.6866 Columns 49 through 50 0.8286 1.0000 s = s Continuous-time transfer function. Gnom = 1 ------------- 0.06667 s + 1 Continuous-time transfer function. Gnom_frd = Frequency(rad/s) Response ---------------- -------- 0.1000 1.000e+00 - 0.0067i 0.1207 9.999e-01 - 0.0080i 0.1456 9.999e-01 - 0.0097i 0.1758 9.999e-01 - 0.0117i 0.2121 9.998e-01 - 0.0141i 0.2560 9.997e-01 - 0.0171i 0.3089 9.996e-01 - 0.0206i 0.3728 9.994e-01 - 0.0248i 0.4498 9.991e-01 - 0.0300i 0.5429 9.987e-01 - 0.0361i 0.6551 9.981e-01 - 0.0436i 0.7906 9.972e-01 - 0.0526i 0.9541 9.960e-01 - 0.0634i 1.1514 9.941e-01 - 0.0763i 1.3895 9.915e-01 - 0.0918i 1.6768 9.877e-01 - 0.1104i 2.0236 9.821e-01 - 0.1325i 2.4421 9.742e-01 - 0.1586i 2.9471 9.628e-01 - 0.1892i 3.5565 9.468e-01 - 0.2245i 4.2919 9.243e-01 - 0.2645i 5.1795 8.935e-01 - 0.3085i 6.2506 8.520e-01 - 0.3551i 7.5431 7.982e-01 - 0.4014i 9.1030 7.308e-01 - 0.4435i 10.9854 6.509e-01 - 0.4767i 13.2571 5.614e-01 - 0.4962i 15.9986 4.678e-01 - 0.4990i 19.3070 3.764e-01 - 0.4845i 23.2995 2.930e-01 - 0.4551i 28.1177 2.215e-01 - 0.4153i 33.9322 1.635e-01 - 0.3698i 40.9492 1.183e-01 - 0.3230i 49.4171 8.436e-02 - 0.2779i 59.6362 5.950e-02 - 0.2366i 71.9686 4.163e-02 - 0.1997i 86.8511 2.896e-02 - 0.1677i 104.8113 2.007e-02 - 0.1402i 126.4855 1.387e-02 - 0.1169i 152.6418 9.564e-03 - 0.0973i 184.2070 6.587e-03 - 0.0809i 222.2996 4.532e-03 - 0.0672i 268.2696 3.117e-03 - 0.0557i 323.7458 2.142e-03 - 0.0462i 390.6940 1.472e-03 - 0.0383i 471.4866 1.011e-03 - 0.0318i 568.9866 6.945e-04 - 0.0263i 686.6488 4.770e-04 - 0.0218i 828.6428 3.276e-04 - 0.0181i 1000.0000 2.249e-04 - 0.0150i Continuous-time frequency response. Gp = 0.8 ------------- 0.04667 s + 1 Continuous-time transfer function. diff = 0.006667 s - 0.2 ---------------- 0.04667 s + 1 Continuous-time transfer function. Gp = 0.8 ------------- 0.05133 s + 1 Continuous-time transfer function. diff = 0.002 s - 0.2 -------------0.05133 s + 1 Continuous-time transfer function. Gp = 0.8 ----------- 0.056 s + 1 Continuous-time transfer function. diff = -0.002667 s - 0.2 ----------------- 0.056 s + 1 Continuous-time transfer function. Gp = 0.8 ------------- 0.06067 s + 1 Continuous-time transfer function. diff = -0.007333 s - 0.2 ----------------- 0.06067 s + 1 10. Verifique a estabilidade de malha fechada com realimentação unitária com a seguinte planta incerta em que Código feito no Software MATLAB. close all clear all clc % Gabriela Fernandes Mesquita Cunha % Controle Robusto % Lista 1 - Questão 10 syms s syms delta0 syms delta1 syms delta2 syms delta3 syms delta4 P_s = ((delta1*s)+delta0)/((s^2)*(delta4*(s^2)+(delta3*s)+delta2)); G_s = P_s/(1+P_s); F = simplify(G_s); w0 = 3; z0 = 4; w1 = -4; z1 = -2; w2 = 5; z2 = 6; w3 = -3; z3 = -1; w4 = 1; z4 = 2; K1 = w0+(w1*s)+(z2*s^2)+(z3*s^3)+(w4*s^4) K2 = w0+(z1*s)+(z2*s^2)+(w3*s^3)+(w4*s^4) K3 = z0+(w1*s)+(w2*s^2)+(z3*s^3)+(z4*s^4) K4 = z0+(z1*s)+(w2*s^2)+(w3*s^3)+(z4*s^4) s = tf('s'); K1 = w0+(w1*s)+(z2*s^2)+(z3*s^3)+(w4*s^4) G1 = 1/(K1) polosK1 = roots(G1.den{1}) % obter os polos. K2 = w0+(z1*s)+(z2*s^2)+(w3*s^3)+(w4*s^4) G2 = 1/(K2) polosK2 = roots(G2.den{1}) % obter os polos. K3 = z0+(w1*s)+(w2*s^2)+(z3*s^3)+(z4*s^4) G3 = 1/(K3) polosK3 = roots(G3.den{1}) % obter os polos. K4 = z0+(z1*s)+(w2*s^2)+(w3*s^3)+(z4*s^4) G4 = 1/(K4) polosK4 = roots(G4.den{1}) % obter os polos. Resposta: K1 = s^4 - s^3 + 6*s^2 - 4*s + 3 K2 = s^4 - 3*s^3 + 6*s^2 - 2*s + 3 K3 = 2*s^4 - s^3 + 5*s^2 - 4*s + 4 K4 = 2*s^4 - 3*s^3 + 5*s^2 - 2*s + 4 K1 = s^4 - s^3 + 6 s^2 - 4 s + 3 Continuous-time transfer function. G1 = 1 --------------------------- s^4 - s^3 + 6 s^2 - 4 s + 3 Continuous-time transfer function. polosK1 = 0.1322 + 2.2836i 0.1322 - 2.2836i 0.3678 + 0.6619i 0.3678 - 0.6619i K2 = s^4 - 3 s^3 + 6 s^2 - 2 s + 3 Continuous-time transfer function. G2 = 1 ----------------------------- s^4 - 3 s^3 + 6 s^2 - 2 s + 3 Continuous-time transfer function. polosK2 = 1.4695 + 1.7578i 1.4695 - 1.7578i 0.0305 + 0.7554i 0.0305 - 0.7554i K3 = 2 s^4 - s^3 + 5 s^2 - 4 s + 4 Continuous-time transfer function. G3 = 1 ----------------------------- 2 s^4 - s^3 + 5 s^2 - 4 s + 4 Continuous-time transfer function. polosK3 = -0.3012 + 1.4834i -0.3012 - 1.4834i 0.5512 + 0.7544i 0.5512 - 0.7544i K4 = 2 s^4 - 3 s^3 + 5 s^2 - 2 s + 4 Continuous-time transfer function. G4 = 1 ------------------------------- 2 s^4 - 3 s^3 + 5 s^2 - 2 s + 4 Continuous-time transfer function. polosK4 = 0.9101 + 1.1516i 0.9101 - 1.1516i -0.1601 + 0.9501i -0.1601 - 0.9501i >> Portanto, é instável. 11. Considere o seguinte sistema politópico incerto no qual, 0 ≤ α ≤ 1, Encontre uma lei robusta de realimentação de estados u = Kx que estabilize o sistema. Simule e mostre que sua lei de fato é estabilizante para α = α ∗ ∈ {0, 0.1, 0.2, · · · , 1}. Código feito no Software MATLAB. close all clear all clc % Gabriela Fernandes Mesquita Cunha % Controle Robusto % Lista 1 - Questão 11 alfa = 0.9; A1 = [1 -3; 0 -5]; A2 = [-3 0; 6 -2]; B1 = [1; 1]; B2 = [2; -1]; Q = sdpvar(2,2); Y = sdpvar(1,2,'full'); T1 = [A1*Q + Q*A1'+B1*Y+Y'*B1']; T2 = [A1*Q + Q*A1'+B2*Y+Y'*B2']; T3 = [A2*Q + Q*A2'+B1*Y+Y'*B1']; T4 = [A2*Q + Q*A2'+B2*Y+Y'*B2']; T = [T1; T2; T3; T4] F = [T<=0; Q>=0; trace(Q)>=10] about = optimize(F, trace(Q)) Q_f = double(Q); Y_f = double(Y); P = inv(Q_f) K = Y_f*P A = A1*alfa+A2*(1-alfa); B = B1*alfa+B2*(1-alfa); sys_cl = ss(A+B*K, [0;0], eye(2),0) pole(sys_cl) Resposta: Linear matrix variable 8x2 (full, real, 5 variables) Coeffiecient range: 1 to 12 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ | ID| Constraint| Coefficient range| ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ | #1| Element-wise inequality 16x1| 1 to 12| | #2| Matrix inequality 2x2| 1 to 1| | #3| Element-wise inequality 1x1| 1 to 10| ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ SeDuMi 1.3 by AdvOL, 2005-2008 and Jos F. Sturm, 1998-2003. Alg = 2: xz-corrector, theta = 0.250, beta = 0.500 eqs m = 5, order n = 20, dim = 22, blocks = 2 nnz(A) = 57 + 0, nnz(ADA) = 25, nnz(L) = 15 it : b*y gap delta rate t/tP* t/tD* feas cg cg prec 0 : 1.79E+01 0.000 1 : -2.41E+00 6.19E+00 0.000 0.3452 0.9000 0.9000 -0.77 1 1 7.4E+01 2 : -1.02E+01 1.53E+00 0.000 0.2464 0.9000 0.9000 -0.47 1 1 3.7E+01 3 : -1.46E+01 3.50E-01 0.000 0.2294 0.9000 0.9000 0.83 1 1 8.0E+00 4 : -1.00E+01 1.22E-02 0.000 0.0348 0.9900 0.9900 1.84 1 1 1.7E-01 5 : -1.00E+01 4.00E-07 0.000 0.0000 1.0000 1.0000 1.01 1 1 5.6E-06 6 : -1.00E+01 4.74E-14 0.000 0.0000 1.0000 1.0000 1.00 1 2 6.7E-13 iter seconds digits c*x b*y 6 0.4 13.3 -1.0000000000e+01 -1.0000000000e+01 |Ax-b| = 8.8e-13, [Ay-c]_+ = 1.2E-13, |x|= 1.0e+00, |y|= 1.8e+01 Detailed timing (sec) Pre IPM Post 7.300E-02 2.690E-01 1.700E-02 Max-norms: ||b||=1, ||c|| = 10, Cholesky |add|=0, |skip| = 0, ||L.L|| = 1. about = yalmipversion: '20210331' matlabversion: '9.0.0.341360 (R2016a)' yalmiptime: 1.1722 solvertime: 0.3858 info: 'Successfully solved (SeDuMi-1.3)' problem: 0 P = 1.0437 -0.0061 -0.0061 0.1106 K = -9.4194 -1.3925 sys_cl = A = x1 x2 x1 -9.761 -4.232 x2 -6.936 -5.814 B = u1 x1 0 x2 0 C = x1 x2 y1 1 0 y2 0 1 D = u1 y1 0 y2 0 Continuous-time state-space model. ans = -13.5535 -2.0218 >>