- •2. Некоторые методы анализа систем 10
- •1.1.1.2. Определение управления
- •1.1.1.3. Общие принципы системной организации
- •1.1.2. Общие принципы управления
- •1.1.2.5. Стохастическое управление
- •1.1.2.6. Нечеткое управление
- •1.1.2.7. Дискретное и непрерывное управление
- •1.2. Объекты, системы и их модели (Лекция 2)
- •1.2.1. Математические модели систем и объектов управления.
- •1.2.1.1. Математическая модель
- •1.2.1.2. Способы классификации моделей (объектов)
- •1.2.1.3. Некоторые виды математических моделей
- •1.2.2. Сложные системы
- •1.2.2.1. Примеры и свойства сложных систем
- •Кортежное описание сложных систем
- •1.2.2.3. Структура систем и объектов управления
- •1.2.2.4. Иерархия в системах управления.
- •1.2.2.5. Иерархия целей в системах управления.
- •1.2.2.6. Компромиссы и комплексные критерии
- •2. Некоторые методы анализа систем
- •2.1. Построение и упрощение моделей объекта (Лекция 3)
- •2.1.1. Упрощение моделей объекта
- •2.1.1.1. Замена нестационарной модели набором стационарных
- •2.1.1.2. Линеаризация модели
- •2.1.2. Пример построения модели объекта
- •2.1.2.1. Характеристика объекта
- •2.1.2.2. Разработка математической модели
- •Линеаризация
- •2.1.2.4. Линейная модель объекта
- •2.2. Временные характеристики систем управления (Лекция 4)
- •2.2.1. Линейные нестационарные системы
- •2.2.1.1. Общий вид описания системы
- •2.2.1.2. Решение однородного уравнения
- •2.2.1.3. Решение неоднородного уравнения
- •2.2.1.4. Фундаментальная матрица системы и её свойства
- •2.2.1.5. Весовая и переходная матрицы системы
- •2.2.2. Линейные стационарные системы
- •2.2.2.1. Фундаментальная матрица стационарной линейной системы
- •2.2.2.2. Весовая и переходная матрицы стационарной системы
- •2.3. Передаточная функция (Лекция 5)
- •2.3.1. Некоторые операторы
- •2.3.1.1. Дифференциальный оператор
- •2.3.1.2. Оператор Лапласа
- •2.3.2. Передаточная функция и резольвента
- •2.3.2.1. Фундаментальная матрица (резольвента)
- •2.3.2.2. Матричная передаточная функция
- •2.3.2.3.Простейший пример определения резольвенты (Пример п2.2)
- •2.3.2.4. Метод Фаддеевой (Сурье )определения резольвенты
- •2.3.2.5. Пример применения метода Фаддеевой (Пример 2.3)
- •2.4. Частотные характеристики (функции) систем (Лекция 6)
- •2.4.1. Частотная переходная функция
- •2.4.1.1. Напоминание о представлении комплексных чисел
- •2.4.1.2. Частотная передаточная функция
- •2.4.1.3. Смысл компонент матричной частотной функции (Пример2.4)
- •2.4.1.4. Виды используемых частотных характеристик
- •2.4.1.5. Пример вычисления характеристик (Пример2.5)
- •2.4.2. Логарифмические частотные характеристики
- •2.4.2.1. Смысл логарифмических частотных характеристик
- •2.4.2.2. Определение логарифмических частотных характеристик
- •2.4.2.3. Асимптотические логарифмические частотные характеристики
- •2.4.2.4. Иллюстрация построения асимптотических характеристик (Пример 2.6)
- •2.5. Структурные схемы систем (Лекция 7)
- •2.5.1. Схемы соединения звеньев
- •2.5.1.1. Представление звеньев и связей в виде структурных схем
- •2.5.1.2. Последовательное соединение звеньев
- •2.5.1.3. Параллельное соединение
- •2.5.1.4. Соединение с обратной связью
- •2.5.1.5. Пример определения матрицы возвратной разности (Пример 2.7)
- •2.5.2. Структурные преобразования линейных систем
- •2.5.2.1. Назначение и содержание структурных преобразований
- •2.5.2.2. Правила структурных преобразований линейных систем
- •2.5.2.3. Дополнительные правила для стационарных линейных систем
- •2.5.2.4. Иллюстративный пример (Пример2.8)
- •2.6. Анализ устойчивости систем управления (Лекция 8)
- •2.6.1. Определение устойчивости систем
- •2.6.1.1. Номинальное состояние и понятие устойчивости
- •2.6.1.2. Определения устойчивости решений
- •2.6.1.3. Устойчивость линейных дифференциальных систем
- •2.6.1.4. Пример смесительного бака (Пример2. 9)
- •2.6.2. Устойчивость линейных стационарных систем
- •2.6.2.1. Представление реакции системы с различными собственными числами
- •2.6.2.2. Представление реакции системы с кратными собственными числами
- •2.7.1.2. Необходимые условия
- •2.7.1.3. Достаточные условия
- •2.7.1.4. Пример применения алгоритма Раусса (Пример 2.11)
- •2.7.2. Частотные критерии
- •2.7.2.1. Нестрогое обоснование частотных критериев
- •2.7.2.2. Критерий Михайлова
- •2.7.2.3. Критерий Найквиста
- •3. Методы анализа и синтеза управления.
- •3.1. Методы анализа управления (Лекция 10)
- •3.1.1. Управляемость, наблюдаемость.
- •3.1.1.1. Управляемость: определение (Пример 3.1)
- •3.1.1.2. Наблюдаемость: определение (Пример 3.2)
- •3.1.2. Корневой годограф
- •3.1.2.1. Определение корневого годографа
- •3.1.2.2. Свойства корневого годографа
- •3.1.2.3. Пример построения корневого годографа (Пример 3.3)
- •3.2. Управление и стабилизация (Лекция 11)
- •3.2.1. Цель управления, идеальное управление
- •3.2.1.1. Общая схема разомкнутого и замкнутого управления
- •3.2.1.2. Идеальное управление
- •3.2.1.3. Пример определения идеального управления (Пример 3.4)
- •3.2.1.4. Невозможность реализации идеального управления
- •3.2.1.5. Иллюстрация недостатков идеального управления (Пример 3.5)
- •3.3. Стабилизация с помощью обратной связи (Лекция 12)
- •3.3.1. Введение обратной связи
- •3.3.1.1. Определение обратной связи в скалярном случае
- •3.3.1.2. Иллюстрация определения стабилизирующей обратной связи (Пример 3.6)
- •3.3.2. Общий алгоритм стабилизации
- •3.3.2.1. Общий вид обратной связи
- •3.3.2.2. Замкнутое представление объекта и обратной связи
- •3.3.2.3. Алгоритм выбора стабилизирующей обратной связи в общем случае
- •3.3.3. Некоторые другие законы управления
- •3.3.3.1. Программное управление в комбинации с обратной связью по выходу
- •3.3.3.2. Управление по возмущению
- •3.3.3.3. Управление с обратной связью по ошибке
- •3.4. Удовлетворение некоторых требований к качеству управления (Лекция 13)
- •3.4.1. Некоторые характеристики качества управления
- •3.4.1.1. Переходный процесс детерминированной системы и его некоторые характеристики
- •3.4.1.2. Некоторые требования к переходному процессу и установившейся ошибке
- •3.4.2. Методика удовлетворения требований к качеству
- •3.4.2.1. Теорема о реакции на полиномиальное воздействие
- •3.4.2.2. Обеспечение требования ограниченности установившейся ошибки
- •3.4.2.3. Обеспечение ограниченности амплитуды ошибки при периодическом воздействии
- •3.4.2.4. Обеспечение ограниченности амплитуды ошибки при периодической помехе
- •4. Цифровые системы управления.
- •4.1. Модели, формула полной реакции, устойчивость. (Лекция 14)
- •4.1.1. Модели
- •4.1.1.1. Кусочно-постоянный процесс
- •4.1.1.2. Описание дискретных систем
- •4.1.1.3. Пример дискретной системы (Пример 4.1)
- •4.1.1.1. Дискретизация непрерывной модели
- •4.1.2. Решение разностных уравнений
- •4.1.2.1. Переходная матрица
- •4.1.2.2. Матричная импульсная переходная функция
- •4.1.2.3. Устойчивость
- •4.2. Синтез оптимального линейного дискретного регулятора (Лекция 15)
- •4.2.1. Методика синтеза оптимального управления
- •4.2.1.1. Многошаговое управление
- •4.2.1.2. Критерий оптимальности
- •4.2.1.3. Принцип оптимальности Беллмана
- •4.2.2. Синтез одношагового оптимального управления
- •4.2.2.1. Формирование критерия для одношаговой задачи
- •4.2.2.2. Определение вектора оптимального управления
- •4.2.2.3. Принцип перехода к многошаговой задаче
- •5. Стохастические системы
- •5.1. Стохастические процессы (Лекция 16)
- •5.1.1. Определение и естественные характеристики случайного процесса
- •5.1.1.1. Определение случайного процесса
- •5.1.1.2. Характеристики случайного процесса
- •5.1.2. Спектральное представление случайного процесса
- •5.1.2.1. Спектр функции
- •5.1.2.2. Спектральная плотность
- •5.1.2.3. Физический смысл гармонического анализа случайного процесса
- •5.1.2.4. Взаимосвязь функций времени и их спектрального представления
- •5.1.2.5. Матрица спектральных плотностей энергии
- •5.1.2.6. Пример определения функции спектральной плотности по ковариационной функции (Пример 5.1)
- •5.2. Задачи слежения (Лекция 17)
- •5.2.1. Характеристики качества следящих систем.
- •5.2.1.1. Описание разомкнутой следящей системы
- •5.2.1.2. Описание замкнутой следящей системы.
- •5.2.1.2. Интегральные характеристики качества регулирования
- •5.2.1.3. Среднее значение и дисперсия характеристик качества регулирования
- •5.2.1.4. Передаточные функции замкнутой системы
- •5.2.2. Примеры анализа стохастических систем
- •5.2.2.1. Реакция линейной системы стохастические внешние воздействия
- •5.2.2.2. Реакция линейных дифференциальных систем на белый шум
- •5.2.2.3. Пример дифференциальной системы, возбуждаемой белым шумом(Пример 5.2)
- •5.2.2.4. Моделирование стохастических процессов.
- •5.2.2.5. Моделирование стационарного процесса уравнением 1-го порядка (Пример 5.3)
- •5.2.3. Некоторые принципы проектирования следящих систем.
- •5.2.3.1. Устойчивость
- •5.2.3.2. Требования к следящей системе
- •5.2.3.3. Соглашение о входных воздействиях
- •5.2.4. Использование полос пропускания при проектировании
- •5.2.4.1. Скалярный случай
- •5.2.4.2. Принцип проектирования
- •5.2.4.3. Полоса частот системы
- •5.2.4.4. Полоса частот эталонного процесса
- •5.2.4.5. Реализация принципа проектирования( минимизация ошибки)
- •5.2.4.6. Реализация принципа проектирования ( минимизация входной переменной)
- •5.2.4.7. Оценка длительности переходных процессов
- •6. Адаптивные системы
- •6.1. Адаптивные системы и идентификация (Лекция 17)
- •6.1.1. Основные схемы адаптивных систем
- •6.1.1.1. Предназначение адаптации
- •6.1.1.2. Схема адаптации по разомкнутому контуру
- •6.1.1.3. Схема с самонастраивающимся регулятором
- •6.1.1.4. Схема с настройкой регулятора по эталонной модели
- •6.1.1.5. Общая схема адаптивной системы
- •6.1.2. Идентификация моделей
- •6.1.2.1. Идентификация структурная и параметрическая
- •6.1.2.2. Содержание метода наименьших квадратов
- •6.1.2.3. Рекуррентный алгоритм метода наименьших квадратов
5.2.2.2. Реакция линейных дифференциальных систем на белый шум
Белый шум.Скалярный стохастический процесс некоррелированный даже при малых (t2 – t1) называется процессом белого шума. Более строго он определяется следующим образом:
при , (5.48)
где ε – «малое» число. В идеальном случае
(5.49)
где
V(t)– интенсивность процесса приt.
Определение. Векторный стохастический процесс ω(t)cнулевым средним и ковариационной матрицей (5.49) является стохастическим процессом типа белого шума интенсивностиV(t). ЕслиV(t)=V– процесс является стационарным в широком смысле, то матрица спектральных плотностей имеет вид:
. (5.50)
Отсюда видно, что стационарный в широком смысле белый шум имеет равную на всех частотах плотность энергии. Отсюда название по аналогии с белым светом. Понятно, что интеграл (5.43) от константы (V> 0) в пределах от -∞ до +∞ дает бесконечную величину. Это указывает, что в природе нет белого шума. Но подобная идеализация бывает полезна при моделировании слабо коррелированных широкочастотных воздействий – шумов.
5.2.2.3. Пример дифференциальной системы, возбуждаемой белым шумом(Пример 5.2)
Рассмотрим дифференциальную систему первого порядка, возбуждаемую белым шумом. Пусть система описывается уравнением:
, (П52.1)
где ω(t) – скалярный белый шум интенсивности μ с ковариационной функцией:
(П52.2)
(t) - скалярная стохастическая величинаcнулевым математическим ожиданием (E[0] = 0) и заданной дисперсией (E[20] =2).
Уравнение (П52.1) неоднородное его решение может быть получено следующим образом:
(*)
(***)
Из (П20.2) следует . Тогда, принимая, чтоt1 < t2, интегрировать нужно доt1и из (***) далее следует:
(П52.3)
Дисперсия определяется для t1=t2=t; поэтому получаем:
Q(t)=. (П52.4)
5.2.2.4. Моделирование стохастических процессов.
Часто в качестве модели стохастического процесса используется линейная дифференциальная система, возбуждающаяся белым шумом. Выход такой модели описывается уравнением:
S(t)=C(t)x(t), (5.51)
где x(t)моделирует состояние объекта, которое в свою очередь описывается моделью:
, (5.52)
где - входной процесс, являющийся белым шумом.
Использование такой модели обосновывается тем, что:
а) стохастические явления, встречающиеся в природе, часто связаны с воздействиями типа быстро меняющихся флуктуаций на инерционную систему. Такие воздействия – достаточно хорошо моделируются белым шумом, а инерционность системы – дифференциальным уравнением
б) для линейной системы достаточно знать среднее значение и ковариационную функцию (матрицу). Именно эти характеристики могут быть определены экспериментально с достаточной для практики точностью.
5.2.2.5. Моделирование стационарного процесса уравнением 1-го порядка (Пример 5.3)
В результате экспериментальных исследований получено, что ковариационная функция стохастического скалярного процесса описывается экспоненциальной функцией:
, (П53.1)
и процесс стационарен.
Покажем, что для такой процесс адекватно моделируется состоянием дифференциальной системы первого порядка, на вход которой подается стохастический процесс типа белого шума:
, (П53.2)
где – белый шум интенсивностью, а– стохастическая величина с нулевым средним и дисперсией.
В этом можно убедиться, если в выражение (П52.3) подставить . Получим:
;
т.к. , то.