Journal of Electrical Engineering ISSN 1582-4594 - Vol 22 No 1 (2022)

IMPROVED MODAL TRUNCATION APPROXIMANT:

A HYBRID APPROACH
Awadhesh KUMAR*. Dinesh CHANDRA**

* Electrical Engineering Department, Motilal Nehru National Institute of Technology, Allahabad India
(Tel: 0551-6050028; e-mail: awadhesg26@ gmail.com). 
** Electrical Engineering Department, Motilal Nehru National Institute of Technology, Allahabad India 
(e-mail:[email protected]) 

Abstract: A hybrid method using modal truncation and singular perturbation to derive the reduced
order model for a stable higher order system is presented. The approach is based on retaining the
dominant modes of the system and truncating comparatively the less significant once. As the
reduced order model has been derived from retaining the dominant modes of the original high
order stable system, the reduced order model preserves the stability. The strong demerit of the
modal truncation method is that, the steady state value of the reduced model does not match with
the original system. This demerit has been overcome by applying singular perturbation approach
of the balanced truncation method. Results obtained show the effectiveness of the proposed
technique. Numerical examples are carried out to illustrate the procedure. Further it has been also
applied to a system of order 1006 to check its applicability to large scale systems as well.
Keywords: Modal truncation, Singular perturbation, Steady state value, Eigen value, Large scale
systems. 

1. INTRODUCTION eigenvector  with  eigen-values  closest  to  the  jw-axis  were 

considered  dominant.  Another  novel  approach  to  select 
More  and  more  accurate  modelling  of  physical  systems  dominant  poles  is  suggested  in  [7]  where  the  dominant 
such  as  multi-machine  power  systems  leads  to  a  system  pole  is  decided  by  considering  the  ratio  of  residue  to  the 
with  very  high  dimension.  It  is  often  called  higher  order  real  value  of  pole.  E.  J.  Davison  suggested  that  a  system 
system.  Control  design,  simulation  and  analytical  with greater dimension can be represented by a model with 
understanding  of  these  high  order  systems  become  lower  dimension  by  considering  the  effects  of  the  r most 
difficult  and  cumbersome.  So  the  need  arises  to  have  the  dominant eigen-values. The eigen values which were close 
lower  dimension  representation  of  the  system  to  better  to jw axis were retained and the eigen values farthest from 
cope with the aforesaid problems.   jw axis were neglected. 
Researchers  have  been  trying  for  better  approximation  of   It has been observed that the aforesaid methods were able 
the  high  order  system  nearly  more  than  four  decades  to produce the transient response of the high order system 
which has now evolved as a promising pasture of research  quite  well.  But,  as  pointed  out  in  [3]  and  rectified  in  [4], 
in  system  and  control  theory,  known  as  “Model  order  there  is  an  error  in  the  steady  state  value  of  the  system 
reduction  (MOR)”.  The  target  of  the  MOR  is  to  have  a  response. An improvement in the method was proposed in 
model of considerably lower order for a system with very  [8].  In  view  of  the  basic  model  of  Davison  gave  the 
high  order  while  keeping  the  key  features  of  the  original  deviation  in  steady  state  with  original  system, 
systems  intact;  such  as  stability  and  passivity  etc.  Chidambara,  in  his  correspondence  with  Davison  had 
Moreover the algorithm or the  method adopted should be  suggested  an  alternative  approach  for  model  order 
reliable  and  computationally  efficient.  A  number  of  reduction  [3].  S.  A.  Marshall  had  also  proposed  an 
methods  for  MOR  are  available  in  literature  both  in  alternate way to compute the reduced order model [5]. The 
frequency domain as well as in time-domain [1-7].  methods  discussed  above  give  a  reduced  order  model 
One  of  the  popular  methods  is  modal  truncation  [1-4].  which  is  an  approximation  of  the  original  system. 
Different  methods  belonging  to  this  category  were  also  However,  it  was  not  clear  that  to  what  extent  a  given 
proposed  [5,6].  Infect  it  is  a  mapping  based  on  a  sub- system  can  be  reduced  while  representing  a  close 
matrix  of  the  full-order  system's  modal  matrix.  The  approximation  to  the  original  high  order  system.  It  was 
elements at the columns of this matrix are its eigenvectors,  observed that the proximity of the approximate model can 
which  can  be  ordered  according  to  their  dominancy.  The  be  determined  in  terms  of  the  principal  eigen-value 

8
Journal of Electrical Engineering ISSN 1582-4594 - Vol 22 No 1 (2022)

neglected,  the  size  of  the  original  plant,  and  the  reduced   Hankel  singular  values  (HSV)  of  the  HOS  is
plant.  This  criterion  is  judged  by  comparing  the  time  computed  and  checked  for  comparatively
responses  of  various  low  order  systems.  An  approach  for  significant  HSV.  The  number  of  dominant  HSV
selecting the order of the model for Davison technique was  will be the order of reduction r .
proposed by Mahapatra [8].   Modal matrix  P   is calculated and partitioned as
In  this  present  work  the  reduced  order  model  has  been  below
obtained  through  modal  truncation  technique.  The  steady 
state  mismatch  has  been  avoided  by  utilizing  singular  P P12 
P   11 (5) 
perturbation technique. The author has proposed to utilize   P21 P22 
the singular perturbation method [9] of balance truncation 
to  hybridize  with  modal  truncation  method.  In  singular  where P11 is a matrix of order r  r  ,  P22  is a matrix 
perturbation  the  states  are  grouped  into  two  modes  slow 
of  order  n  r    n  r    , P12 is  a  matrix  of  order 
and fast modes. The fast mode is made equal to zero thus 
getting  the  slow  modes  of  the  system  along  with  the  r   n  r   and  P21 is a matrix of order   n  r   r
.
contribution of the fast modes also. This is also known as   Modal  inverse  matrix  Q  which  is  inverse  of
residualization.  With  this  the  steady  state  of  the  reduced  matrix  P is obtained and partitioned as below
system  matches  with  the  higher  order  system.  The 
advantage  of  the  proposed  method  is  its  applicability  to  Q Q12 
Q   11  (6)
large  scale  systems  which  has  been  validated  through  an  Q21 Q22 
example of a system of order 1006 [10]. 
where Q11   is  a  matrix  of  order    r  r   ,  Q22   is  a 
Statement of the problem
matrix  of  order  n  r    n  r    , Q12 is  a  matrix  of 
Consider  the  linear  time-invariant  stable  nth   order  state  order  r   n  r    and  Q21 is  a  matrix  of  order 
space model described by following equations 
x  Ax  Bu  n  r   r .
          (1) 
y  Cx  Du   Partition  the  matrices A, B, C and  D as  given
with the transfer function matrix  below
1
G  s   C  sI  A B  D (2)  A A12  
n m p
A   11 
where x  R , y  R , u  R  A21 A22  
the aim of the  model order reduction is to obtain the low  B  

order representation described as  B   1  (7)
B
 2 
xr  Ar xr  Br u 
 (3)  C  C1 C2  
yr  Cr xr  Dr u  

with transfer function matrix 
1
Where  A11  is a matrix of order r  r  ,  A22
Gr  s   Cr  sI  Ar  Br  Dr (4)   is a matrix of order  n  r    n  r   , A is a matrix 
12
where xr  R r , yr  R m   such  that  yr  t    is  a  close 
of  order  r   n  r    and  A21 is  a  matrix  of  order 
approximation  to  y  t    for  all  input  u  t  .  Moreover  the 
n  r   r
key features of the original system should be preserved in   Now  after  the  completion  of  section  (i)  the
the reduced model such as stability. reduced order model can be given as
2. PROPOSED MODEL REDUCTION ALGORITHM
Aˆ11  A11  A12 P21P111 
The  proposed  algorithm  is  the  result  of  hybridization  of  
Bˆ1  B1 
modal  truncation  [1,  11-13]  and  singular  perturbation  [9]               (8) 
approach.  It  consists  of  two  sections  namely  modal  ˆ
C1  C1 
truncation and singular perturbation.  ˆ 
D1  D 
2.1 Modal truncation Due  to  mismatch  in  DC  gain  of  the  reduced  order  model 
thus  obtained  with  the  original  system,  further  singular 
 State  space  realization  of  the  high  order  system perturbation  is  applied.  This  overcomes  the  DC  gain 
(HOS) as in (1) is obtained. mismatch problem. Singular perturbation steps are carried 
out  in  continuation  to  modal  truncation  steps.  It  has  been 
 All  the  Eigen  values    A of  the  HOS  are explained in next sect  
evaluated.

9
Journal of Electrical Engineering ISSN 1582-4594 - Vol 22 No 1 (2022)

2.2 Singular Perturbation

Bode Diagram
0

Partitioned  forms  as  above  can  be  used  to  construct  sys

Magnitude (dB)
singular  perturbation  approximation  [9].  The  matrices  of  -50

the final reduced system can be given as  -100

Ar  Aˆ11  A12 A22 1 A21  -150

360

Br  Bˆ1  A12 A22 1B2  270

(9) 

Phase (deg)
 180
Cr  Cˆ1  C2 A22 1 A21  90

Dr  Dˆ  C2 A22 1B2  0

-90
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
The  proposed  algorithm  is  the  result  of  hybridization  of 
conventional  modal  truncation  technique  with  singular  Fig. 2. Bode magnitude and phase plot of the HOS 
perturbation  approximation  method  so  as  to  utilize  the  The  various  steps  to  derive  the  reduced  order  model  has 
merits of the two methods. The technique has been applied  been presented as follows. 
to  higher  order  systems  which  are  discussed  in  the 
preceding section.  The eigen-values of the HOS are given as   A . 
  A  1, 3, 5, 10
3. NUMERICAL EXPERIMENTS
As all the poles lie in the left half of s-plane so the HOS is 
3.1 Example-1  
stable.
This example is taken from  [9]. It is a continuous, linear,  Henkel singular value of the HOS has been calculated and 
time-invariant  and  stable  system  of  order  four.  The  state- also  plotted  in  Fig.  3,  which  gives  the  indication  of  the 
space matrices are described as follows  order of reduction. Comparatively  the  number of  nonzero 
dominant singular values is taken as order of the reduction. 
 0.43781 1.1685 0.41426 0.05098  
Here,  from  Fig.  3,  the  first  two  singular  values  are 
 1.1685 3.1353 2.8352 0.32885 
A  significant  and  the  last  two  singular  values  have  become 
 0.41426 2.8352 12.4753 3.2492   insignificant.  
 
 0.05098 0.32885 3.2492 2.9516   0.016
Hankel Singular Values (State Contributions)

 Stable modes
 0.11814   0.014
 0.1307  
B   0.012
 0.05634  
  
 0.006875  
0.01
State Energy

C   0.11814 0.1307 0.05634 0.006875  0.008


D   0 
 (10) 0.006

0.004
The step response and bode diagram of the HOS is shown 
in Fig. 1 and Fig. 2 respectively.  0.002

0
Step Response 0 1 2 3 4 5
0.03
State
sys

0.025 Fig. 3. Hankel singular values plot of the HOS 
0.02
From the above plot order of the system to which it should 
Amplitude

0.015 be reduced is decided as 2.  
The algorithm for modal truncation has been applied to the 
0.01
high order system (10).  
0.005 The modal matrix P obtained is as: 
   1.0314    0    0    0 
0
0 1 2 3 4 5 6 7 8      0  2.8885    0    0 
Time (sec)
P  (11) 
     0    0  5.1070    0 
Fig. 1. Step response of the HOS   
     0    0    0  9.9731 
Partitioned matrices P11 ,P12, P21 and P22 are given as 

10
Journal of Electrical Engineering ISSN 1582-4594 - Vol 22 No 1 (2022)

   
 

    -1.0314         0       0     0 Further the proposed algorithm ie singular perturbation (9) 

P11    ; P12    hybridized  with  modal  truncation  (8)  has  been  applied  to 
          0   -2.8885       0     0
    (12)  the  high  order  system  (10).  The  reduced  system  matrices 
     0     0     -5.1070         0
P21    ; P22          0   -9.9731  obtained are given as  sysr1   Ar1 , Br1 , Cr1 , Dr1  
     0     0   
The inverse modal matrix obtained is as follows   0.4249 1.2565  
Ar1   
    -0.9696         0         0         0   1.2565 3.7355 
          0   -0.3462         0         0   0.1164  

Q       (13)  Br1           (17)
          0         0   -0.1958         0   0.1427  
 
          0         0         0   -0.1003  Cr1   0.1166 0.1412 

Partitioned matrices Q11 ,Q12, Q21 and Q22 are given as  Dr1   2.1019  104  

 0.9696 0       0     0     
Q11    ; Q12   
 0 0.3462       0     0  The comparison of reduced order system with the original 
    (14) 
     0     0   0.1958 0  HOS is shown in Fig. 5. From the Fig. 5, it is clear that the 
Q21    ; Q   0 0.1003 response of reduced order system is a better approximation 
22
     0     0  
Now  the  partitioning  the  matrices  A,  B,  C  and  D  results  by  proposed  technique  than  the  modal  truncation  method 
into A11, A12, A21, A22, B1, B2, C1 and C2 shown as below.  applied alone. 
    -0.4378    1.1685       0.4143    0.0510  Step Response
A11    ; A12    0.03

    -1.1685   -3.1353     -2.8352   -0.3288
0.025
     0.4143    2.8352     -12.4753   -3.2492
A21    ; A22       3.2492   -2.9516 
      -0.5098   -0.3288     (15)  0.02
sys
sysr1
Amplitude

    -0.1181       0.0563  0.015

B1    ; B2      -0.0069
    -0.1307    0.01

C1      -0.1181    0.1307 ; C2    0.0563   -0.0069
0.005
Now applying the modal truncation only as given by (8) 
the  reduced  system  matrices  obtained  are  given  as  0
0 1 2 3 4 5 6 7 8

sysr   Ar , Br , Cr , Dr    Time (sec)

 
 0.4378 1.1685   Fig.5. Step response of reduced system with HOS 
Ar   
 1.1685 3.1353   
 The  comparative  responses  have  been  plotted  in  Fig.6.  It 
 0.1181 
Br      (16) clearly shows that with the application of modal truncation 
 0.1307      alone  there  is  steady  state  mismatch  while  with  the 
   
Cr   0.1181 0.1307   singular  perturbation  applied  as  well  the  offset  has  been 

Dr   0  overcome. Thus it  reveals that by the proposed technique 
the  reduced  system  obtained  to  be  a  far  superior 
The  step  response  of  the  reduced  system  with  high  order   approximation  of  HOS  than  the  modal  truncation  method 
system is compared in the Fig. 4, which is seen to be close  applied alone. 
approximant  of  the  HOS.  From  the  Fig.  4,  it  is  observed 
that  the  steady  state  value  of  the  reduced  system  differs  0.03
Step Response

from the original high order system. 
0.025

Step Response
0.03
0.02

0.025
0.015
sys
Amplitude

0.02 sysr

0.01
0.015
Amplitude

0.01 0.005

sys
0.005 sysrm
0
sysrmsp

0
-0.005
0 1 2 3 4 5 6 7 8
-0.005 Time (sec)
0 1 2 3 4
Time (sec)
5 6 7 8
 
 Fig. 4. Step response of reduced system with HOS using  Fig.6. Comparision of response of reduced system with 
modal truncation only  HOS by proposed algorithm and modal method 
 
 
 

11
Journal of Electrical Engineering ISSN 1582-4594 - Vol 22 No 1 (2022)

Integral  Square  Error  (ISE)  has  been  calculated  to  show 

Bode Diagram
the effectiveness of the approach. It is defined as        60
sys
ISE   e 2  t  dt 40

Magnitude (dB)
(18) 
where e  t   y  t   yr  t  20

0
y  t  is the step response of high order system and  yr  t  is 
-20
the step response of reduced order system.   90
sys
The  ISE  has  been  obtained  for  the  above  two  cases.  The  45

Phase ( deg)
table shows the values obtained.  0

-45
Table.1. Integral Square Error 
-90
-1 0 1 2 3 4
10 10 10 10 10 10
S.No. Method used  ISE  Frequency (rad/sec)
1  Modal Truncation  1.27x10-6  Fig.8. Bode magnitude and phase plot of the HOS (19) 
2  Proposed Approach  6.21x10-8 
The eigen-values of the high order system are given as
ISE  value  by  the  proposed  approach  is  much  less  as    A and corresponding pole zero plot is given in Fig.9.
compared to  modal truncation  method. So it confirms the 
effectiveness of the proposed approach.    A  1, 2,..., 1000, 1  100 j , 1  200 j , 1  400 j
Pole-Zero Map

400 sys

300

3.1 Example-2 200

100
Imaginary Ax is

This example is taken from [10]. It is a dynamical system  0

of order 1006. The state-space matrices are given by  -100

sys   A, B, C , D   -200

-300

 A1 0 0 0  -400
0 
A2 0 0   -1000 -900 -800 -700 -600 -500 -400 -300 -200 -100 0
A Real Axis
0 0 A3 0 
   Fig.9. Pole-zero plot of the high order system (19) 
0 0 0 A4  

 1 100   1 200   1 400   (19)  Henkel  singular  value  of  the  high  order  system  has  been 
A1   ; A  ; A 
 2  200 1  3  400 1   ; calculated  and  also  plotted  in  Fig.10,  which  is  indication 
 100 1     
 of  the  order  of  reduction.  Comparatively  the  number  of 
A4  diag 1,2,...,1000  
 nonzero dominant singular values is taken as order of the 
   system  to  be  reduced.  Here  the  first  eight  singular  values 
   ; D   0
T
B  C  10,10,...,101,1,...,1  are significant and after that ninth singular values onwards 
 6 1000 
 
have decayed sharply [14], becoming insignificant. So the 
The step response and bode diagram of the original high  order of reduction is decided as eight. 
order system is shown in Fig.7. and Fig.8. respectively. 
Hankel Singular Values (State Contributions)
60

Step Response Stable modes

9
50
8

7 40
State Energy

6
30
5
Amplitude

4
20
3

2 10
sys
1
0
0 0 2 4 6 8 10 12
0 1 2 3 4 5 6 State
Time (sec)

Fig.7. Step response of the high order system (19) 
Fig.10. Henkel singular value plot of the HOS (19) 

From  the  plot  of  Fig.11.,  order  of  the  system  to  which  it 
should be reduced is decided as 8.  

12
Journal of Electrical Engineering ISSN 1582-4594 - Vol 22 No 1 (2022)

   
 

The  Modal  truncation  method  alone  has  been  applied  to  Further,  proposed  approach  has  been  applied  to  the 
the  high  order  system  (19).  The  reduced  system  matrices  system. The reduced system matrices obtained are given as 
obtained are given as  sysr   Ar , Br , Cr , Dr    sysr1   Ar1 , Br1 , Cr1 , Dr1  
 1 100 0 0 0 0 0 0   
 100 1 
 0 0 0 0 0 0   6.112     1 .276      80.26      0.3737     69.88      180.3       9.427       9.229 
 0 0 1 200 0 0 0 0  1 .276     0.2662      361.8    0.07799      44.53       81.91      1.968      1.927 
   
0 0 200 1 0 0 0 0  80.26      361.8  0.0003607     1 2.95  0.0004454   0.00143     0.0791    0.07371 
Ar  
 0 0 0 0 1 400 0 0    
0.3737   0.07799     12.95    0.02285     1 54.6       50.48     0.5769    0.5648 
  
 0 0 0 0 400 1 0 0   (20)  Ar1 
 69.88     44.53  0.0004454     154.6   0.00055   0.001766    0.09769    0.09104
 0 0 0 0 0 0 1 0    
  180.3     81.91    0.00143     50.48   0.001766   0.005669     0.3137     0.2924 
 0 0 0 0 0 0 0 2   9.427     1.968     0.0791    0.5769    0.09769     0.3137     90.56     120.5 
Br  10 10 10 10 10 10 1 1
T   
 9.229     1.927    0.07371    0.5648    0.09104     0.2924     120.5     189.3 
Cr  10 10 10 10 10 10 1 1   
 24.73  
Dr  5.9855 
 5.159  
  
  0.1899 
 The  step  response  of  the  reduced  system  (20)  with  high    
order system (19) is compared in the Fig.11, which is seen   1.511  
Br1  
to be approximant of the system with dc gain mismatch.   0.2344
  
  0.7526 
Step Response
19.91  
9
sys
  
8 sysr1
19.03  

7
Cr1 [24.73 5.159 0.1899 1.511 0.2344 0.7526 19.91 19.03] 
6
Dr1 5.9855 

Amplitude

4
          (21)   
3
The  step  response  of  the  reduced  system  (21)  with  high 
2
order system (19) is compared in the Fig.13, which is seen 
1
to have close approximant with steady state matching from 
the original high order system. 
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Time (sec)
  9
Step Response

Fig.11. Step response of reduced system with high order  sys
8 sysr
system using Modal truncation only 
Frequency response of the reduced system with the higher  7

order system is also presented in Fig.12, which reveals the  6

reduced  system  to  be  close  approximation  of  the  high  5

Amplitude

order  system.  Fig.12  shows  deviation  at  very  high  4

frequency  which  is  equivalent  to  high  initial  transient  3

behaviour as shown in Fig.12.  2
 
1
Bode Diagram
60 0
0 1 2 3 4 5 6
40 Time (sec)
Magnitude (dB)

20
 
 
0

-20
Fig.13. Step response of reduced system with high order 
90
system by proposed technique 
45
 
Phase (deg)

-45 Frequency response of the reduced system with the higher 
-90
10
-1
10
0
10
1 2
10
3
10
4
10
order  system  is  also  shown  in  Fig.14,  which  reveals  the 
Frequency (rad/sec)   reduced  system  to  be  close  approximation  of  the  high 
Fig.12. Frequency response of reduced system with high 
order system using modal truncation only 
order system.           

13
Journal of Electrical Engineering ISSN 1582-4594 - Vol 22 No 1 (2022)

Bode Diagram
60

40
REFERENCES 
Magnitude (dB)

20 1. DavisonE.  J.:  A method for simplifying linear

0
dynamic systems, In:  IEEE  Transactions  on
-20
Automatic Control AC-11: 93-101. 1966
90
sys
45 sysr1 2. Chidambara M. R. and Davison E. J.: A method for
Phase (deg)

0
simplifying linear dynamic systems.  In:  IEEE
-45
Transactions  on  Automatic  Control
-90
(Correspondence) AC-12: 119-121. 1967
-1 0 1 2 3 4
10 10 10 10 10 10
Frequency (rad/sec)
3. Chidambara  M.  R.  and  Davison  E.  J.:  Further
Fig.14. Frequency response of reduced system with high  remarks on simplifying linear dynamic systems
order system by proposed technique  IEEE  Transactions  on  Automatic  Control
(Correspondence) AC-12: 213-214. 1967.
Further  another  step  response  of  the  reduced  system  with 
the high order system for one second has also been shown  4. Chidambara  M.  R.  and  Davison  E.  J.:  Further
in  Fig.15  to  clearly  view  the  transient  behaviour  remarks on 'A method for simplifying linear
comparison. From Fig.15, the response show considerable  dynamic systems.  In:  IEEE  Transactions  on
deviation from the high order response but it lasts for 0.03  Automatic  Control  (Correspondence)  AC-12:  799-
seconds  only.  This  short  high  dynamic  behaviour,  if  800,1967a.
ignored the rest of the response is quite close.  5. Marshall,  S.  A.:  An approximate method for
Step Response
9
sys
reducing the order of a linear system.  In:
8

7
sysr
International journal of Control: 642-643, 1966.
6
6. Mitra  D.  :  The reduction of complexity of linear
5
time-invariant systems. In: Proceedings of 4th IFAC
Amplitude

3
technical series 67, (warsaw): 19-33 1969.
2
7. Kumar  A.  and  Chandra  D.:    Improved Padé-Pole
1

0
Clustering Approximant.  In:  International
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time (sec) Conference  on  Computer  Science  and  Electronics
Engineering, Dubai, UAE,17-18 November, 2013.
Fig.15. Step response of reduced system with high order 
8. Mahapatra G. B.: A Note on Selecting a Low-Order
system for short duration (one second) 
System Davison's Model Simplifcation Technique.
IEEE Transactions on Automatic Control AC-22(4):
Integral  Square  Error  (ISE)  has  been  calculated  to  show 
677-678., 1977.
the  effectiveness  of  the  approach.  The  ISE  obtained 
ignoring  the  short  transient  is  0.1966,  which  ensures  the  9. Liu Y. and Anderson B.D.O. : Singular perturbation
effectiveness of the method.  approximation of balanced systems.  In:
International  journal  of  control  50:  1379-1405,
4. CONCLUSION
1989.
A  hybrid  method  utilizing  modal  truncation  and  singular 
10. Chahlaoui  Y.  and  Dooren  P.  Van.  :  A collection of
perturbation  approximation  approach  has  been  applied 
benchmark examples for model reduction of linear
successfully  to  determine  the  reduced  replica  of  a  high 
time invariant dynamical systems. SLICOT Working
order system. One of the important demerits of the modal 
Note, 2002.
truncation  method  is  dc-gain  mismatch  i.e.,  steady  state 
value of the reduced order system do not agree with high  11. Antoulas,  A.C.:  SIAM Book series, Advances in
order  system.  This  demerit  has  been  removed  in  the  Design and Control, DC-06. 2008.
proposed approach. Further the method has been tested on 
high  order  system  of  order  1006.  The  results  obtained  12. Antoulas, A.C.: A new result on passivity preserving
confirm the validity of the approach. Applicability to large  model reduction. Systems and Control Letters 54(4):
scale systems  makes the  method  more advantageous. The  pp.361-374.2005.
high  frequency  transients  show  approximation  error  13. Antoulas,  A.  C.,  Sorensen,  D.C.  &  Zhou,  Y.:  On
though it is of very short duration which is open for further  the decay rate of Hankel singular values and
investigation.   related issues.  In:  Systems  and  Control  Letters,
46(5), pp.323–342. 2002.

14
Journal of Electrical Engineering ISSN 1582-4594 - Vol 22 No 1 (2022)

14. Soni  M.G.,  Chitra  D.  R.  and  Pooja  Soni  :Model D=[0]
Order Reduction- A Time Domain Approach  In:
Special Issue of International Journal of  Computer % Algorithm for Modal truncation in
Applications  (0975-8887)  on  Electronics, time domain
Information  and  Communication  Engineering- A=input('A=')
ICEICE (2): 6-9,2011. B=input('B=')
C=input('C=')
15. AvadhPati, Kumar Awadhesh and Chandra Dinesh
D=input('D=')
Suboptimal Control Using Model Order Reduction.
E=eigs(A)
In:  Chinese  Journal  of  Engineering,  Hindawi
M=modreal(A)
Publishing  Corporation  Article  ID  797581,
n=size(M)
2014(2014),pp.1-5, 2013.
r=input('r=')
16. Awadhesh  Kumar,  Bhoomika  Maurya  and  Dinesh M1=M(1:r,1:r)
Chandra:  Dimension reduction and controller M2=M(1:r,r+1:n)
design for a waste water treatment plant In:  IEEE M3=M(r+1:n,1:r)
International  Conference  on  Power  and  Advanced M4=M(r+1:n,r+1:n)
Control  Engineering  (ICPACE),  Pages:413-417, N=inv(M)
13-14  August,  2015,  IEEE  Conference A11=A(1:r,1:r)
Publications DOI: 10.1109/ICPACE.2015.7274983 A12=A(1:r,r+1:n)
A21=A(r+1:n,1:r)
17. Deepak Gupta  and Awadhesh  Kumar:  A22=A(r+1:n,r+1:n)
Approximation of Large Scale Systems by Balanced B1=B(1:r,:)
Truncation And Singular Perturbation Method In:  B2=B(r+1:n,:)
i-manager’s Journal on Instrumentation and Control C1=C(:,1:r)
Engineering,  Volume: 4,  No. 2,  Issue  : Feb- C2=C(:,r+1:n)
Apr 2016, Pages : 1-6, 2016.
% Applying Only Modal Truncation
APPENDIX  Ar=A11+A12*M3*inv(M1)
Br=B1
% Program for the Modal Truncation and
Cr=C1
Singular Perturbation
Dr=D
Dr=D-C*inv(A)*B+Cr*inv(Ar)*Br
% Defining FOM real time model from
benchmark examples
% Applying Singular Purturbation to
A1=[-1 100;-100 -1]
match steady state
A2=[-1 200;-200 -1]
A11n=A11+A12*M3*inv(M1)
A3=[-1 400;-400 -1]
Ar=A11n-A12*inv(A22)*A21;
A4=diag(-1:-1:-1000)
Br=B1-A12*inv(A22)*B2;
A=blkdiag(A1,A2,A3,A4)
Cr=C1-C2*inv(A22)*A21;
C1a=[10 10 10 10 10 10]
Dr=D-C2*inv(A22)*B2;
C2a=ones(1,1000)
C=[C1a C2a]
B=C' % Ploting rsponse and comparision
D=[0] sys=ss(A,B,C,D)
sysr=ss(Ar,Br,Cr,Dr)
fig1=figure
% Eigen analysis and Hankel singular
step(sys,'r',sysr,'bo')
values
fig2=figure
eig(A)
bode(sys,'r',sysr,'bo')
sys=ss(A,B,C,D)
hankelsv(sys)
% ISE CALCULATION..
t=0:0.1:6;
% Defining Example-1 4th order model
[y,t]=step(sys,t)
A=[-0.43781 1.1685 0.41426 0.05098;
[y1,t]=step(sysr,t)
-1.1685 -3.1353 -2.8352 -0.32885;
e=y-y1
0.41426 2.8352 -12.4753 -3.2492;
j=e.^2
-0.5098 -0.32885 3.2492 -2.9516]
ISE=sum(j)
B=[-0.11814;-0.1307;0.05634;-0.006875]
% END of program%
C=[-0.11814 0.1307 0.05634 -0.006875]  

15