Simulink Derivative块转Python代码：np.gradient输出不符预期问题

问题根源 #

Simulink的Derivative块在离散采样场景下，采用前向差分计算导数：

dy/dt ≈ (y(t) - y(t-Δt))/Δt
其中Δt是当前与前一时刻的时间间隔。

而你使用的np.gradient()采用中心差分（内部点用前后两点的平均斜率，边缘点用单边差分），这种计算逻辑和Simulink Derivative块不一致，导致输出结果出现过渡波动，与预期不符。

解决方案 #

手动实现Simulink Derivative块的前向差分逻辑，代码如下：

import numpy as np

# 假设time是时间序列数组，percentage是输入信号数组
derivative = np.zeros_like(percentage)

# 计算时间步长的差分
time_diff = np.diff(time)
# 计算信号值的差分
signal_diff = np.diff(percentage)

# 从第二个时间点开始计算导数
derivative[1:] = signal_diff / time_diff
# 初始点采用第一个时间步的导数（匹配Simulink初始时刻的处理逻辑）
derivative[0] = derivative[1]

说明 #

• 如果你的时间序列是均匀采样的，time_diff会是一个恒定值，可以简化为dt = time[1] - time[0]，然后用signal_diff / dt计算。
• 该方法计算出的导数会和Simulink Derivative块输出完全一致：对于分段线性的输入信号，输出为分段常数（上升段正常数、平稳段0、下降段负常数），与你预期的结果匹配。

内容的提问来源于stack exchange，提问作者Soheil yns