ТЕОРЕТИЧЕСКИЕ ОСНОВЫ АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ
.pdfкоммутирует с любой квадратной матрицей, можем записать 1
|
|
|
|
|
0 |
β |
|
At |
αI |
n |
t |
|
β |
0 |
t |
e |
=e |
|
· e − |
|
. |
Теперь, используя приведенные в пп. 1,2 результаты, окончательно получаем
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
cos βt |
sin βt |
|
|
|
|
|
eAt |
=eαt − sin βt |
cos βt . |
|
3. Матрица A имеет кратные вещественные собственные значения. |
||||||||
|
0 |
1 |
0 |
|
|
|
|
|
Пусть A = |
0 |
0 |
1 |
, т.е. si = 0, |
i = 1, 2, 3. Вычисляя степени этой матрицы получаем, |
|||
что |
0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
0 |
0 |
1 |
|
|
|
|
|
A2 = |
0 0 |
0 , A3 =A4 =. . .=0n.2 |
||
|
|
|
|
|
0 |
0 |
0 |
|
Следовательно, ряд (11.5) точно выражается конечным числом слагаемых и
1 |
t |
t2/2 |
|
0 |
0 |
1 |
|
eAt = 0 |
1 |
t |
. |
Если теперь рассмотреть более общий случай кратных вещественных собственных зна-
α1 0
чений s1 =s2 =s3 =α, α |
R |
0 |
α 1 |
|
|
|
, т.е. если A= 0 |
0 |
α , аналогично п.2 получаем |
||
|
|
1 |
t |
t2/2 |
|
|
|
0 |
0 |
1 |
|
|
|
eAt =eαt 0 1 |
t |
. |
4.Матрица A имеет кратные мнимые собственные значения.
1Следует обратить внимание на то, что выражение eA+B = eA · eB справедливо только для коммутативных квадратных матриц, т.е. таких, что AB = BA.
2Квадратные матрицы, обладающие таким свойством, называются нильпотентными [23,51]. Известно,
что все их собственные числа равны нулю.
91
|
Aαβ |
I2 |
, где 2×2-матрица Aαβ = |
|
Пусть матрица A порядка 4 имеет вид A = 02 ×2 |
Aαβ |
|
|
|
|
α β
−β α . Матрица A имеет кратные собственные числа s1,2 = s3,4 = α ± jβ и имеет
вещественную форму Жордана. Поступая аналогично пункту 2, представим ее в виде
0 |
I |
+ |
|
Aαβ |
0 |
. |
|
A = 0 |
02 |
0 |
Aαβ |
Очевидно, что слагаемые в этой сумме коммутируют и мат- |
ричная экспонента находится произведением экспонент соответствующих матриц. Окончательно получаем
|
|
cos βt |
sin βt |
t cos βt |
t sin βt |
|
|
eAt =eαt |
− sin βt |
cos βt −t sin βt |
t cos βt . |
||||
|
|
|
|
− |
|
|
|
|
|
0 |
0 |
|
sin βt |
|
|
|
|
0 |
0 |
|
sin βt |
cos βt |
|
Приведенные здесь примеры показывают, что выражения для матричной экспоненты
при жордановой форме матрицы имеют достаточно простой вид. В общем случае, когда
|
|
J1 . . . 0 |
|
|
|
|
|
|
eJ1t . . . |
0 |
|
|
|
|
0 . . . |
Jl |
|
|
|
|
0 . . . |
eJlt |
|
||||
A= |
|
. |
. |
|
, |
получим e |
At |
= |
|
. |
. |
|
, |
.. ... |
.. |
|
.. ... |
.. |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где J1, . . . , Jl – клетки Жордана.
Если исходная матрица A имеет произвольный вид, то всегда существует невырожден-
˜ −1
ное преобразование с матрицей T такое, что подобная ей матрица A=T AT – жорданова.
Тогда, по свойству 8 переходной матрицы (см. 11.3), получаем e =T −1e ˜ T. Так как имеют-
At At
ся эффективные вычислительные алгоритмы приведения к диагональной форме (особенно, если у матрицы A нет кратных собственных чисел), данный способ получения матричной экспоненты представляется достаточно удобным. Другой способ вычисления опирается на приближенное представление экспоненты и будет рассмотрен в следующем параграфе.
Аналитические формулы для матричной экспоненты могут быть получены также на основе преобразования Лапласа [4, 22, 39]. Этот метод основан на том, что резольвента
R(s) постоянной матрицы A является изображением по Лапласу ее матричной экспоненты:
L(eAt) = sIn −A −1 (см. сноску 11 на с. 20). Поэтому элементы переходной матрицы можно найти с помощью таблиц обратного преобразования Лапласа [11, 29, 33, 39, 42].
92
13.2Приближенные методы
Приближенные методы основаны на различных аппроксимациях ряда (11.5) выражениями,
содержащими конечное число слагаемых. Наиболее очевидной является аппроксимация
Тейлора порядка k, согласно которой ряд (11.5) приближенно заменяется конечной суммой
|
(Aτ)2 |
(Aτ)k |
|
k |
(Aτ)i |
|
||
eAτ ≈ In +Aτ + |
|
+· · ·+ |
|
≡ In + |
!i |
|
. |
(13.1) |
2 |
k! |
=1 |
i! |
|||||
|
|
|
|
|
|
|
|
Например, при k =1 получаем линейное приближение
eAτ ≈ In +Aτ, |
(13.2) |
которое будем называть аппроксимацией Эйлера 3.
Аппроксимация (13.1) не является наилучшей. Во многих отношениях более предпочти-
тельна более общая аппроксимация Паде. При такой аппроксимации экспонента ex пред-
ставляется рациональной функцией ex ≈ Fμν (x) с числителем Fμν степени μ и знаменате-
Gμν (x)
лем Gμν степени ν, определяемыми формулами
F |
|
(x) = 1+ |
|
μ |
x+ |
|
|
μ(μ−1) |
|
|
x2 |
+ |
· · · |
|||||||
|
(μ+ν)1! |
|
|
|
|
|
1)2! |
|||||||||||||
μν |
|
|
|
|
|
(μ+ν)(μ+ν |
− |
|
|
|
||||||||||
|
|
|
|
|
|
|
μ(μ−1) · · · 2 · 1 |
|
|
|
|
|
|
|
||||||
|
|
|
+ |
|
|
|
|
|
|
xμ, |
|
|
|
|
||||||
|
|
|
(μ+ν)(μ+ν −1) · · · (ν +1)μ! |
|
|
|
(13.3) |
|||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||
G |
|
|
(x) = 1 |
− |
|
ν |
x+ |
|
|
ν(ν −1) |
|
|
x2 |
+ |
· · · |
|||||
μν |
(μ+ν)1! |
|
|
|
|
1)2! |
||||||||||||||
|
|
|
|
(μ+ν)(μ+ν |
− |
|
|
|
||||||||||||
|
|
|
+ ( 1)ν |
|
ν(ν −1) · · · 2 · 1 |
|
|
xν . |
|
|||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
− |
|
(μ+ν)(μ+ν |
− |
1) |
· · · |
(μ+1)ν! |
|
|
||||||||
|
|
|
|
|
|
|
|
|
||||||||||||
Соответственно, для матричного аргумента x=Aτ запишем |
|
|
|
|
||||||||||||||||
|
|
|
|
|
eAτ ≈ Fμν (Aτ)Gμν−1(Aτ), |
|
|
|
|
|
|
(13.4) |
||||||||
где Fμν (Aτ), Gμν (Aτ) – матричные многочлены вида (13.3). В дальнейшем (13.4) будем |
||||||||||||||||||||
называть аппроксимацией Паде |
(μ, ν). |
|
|
|
|
|
|
|
|
|
|
|
|
|
Приведем некоторые частные случаи (13.4). Прежде всего отметим, что аппроксимация Тейлора (13.1) является частным случаем (13.4) при ν =0. Следовательно, формула метода
3 Обоснование такого названия следует из аналогии с численным решением дифференциальных уравнений [8].
93
Эйлера (13.2) совпадает с аппроксимацией Паде (1, 0). Аппроксимация Паде (0, 1) имеет вид
eAτ ≈ (In −Aτ)−1 |
(13.5) |
и в дальнейшем будет называться неявным методом Эйлера.
Аппроксимация Паде (1, 1) соответствует методу Тастина (см. также с. 103) и определяется формулой
eAτ ≈ (In +Aτ/2) (In −Aτ/2)−1, |
(13.6) |
Формула Паде (2, 2) дает выражение |
|
eAτ ≈ 12In +6Aτ +(Aτ)2 12In −6Aτ +(Aτ)2 −1. |
(13.7) |
Наконец, формула Паде (3, 3) приводит к соотношению (13.4), где |
|
F3,3(Aτ)=120In +60Aτ +12(Aτ)2 +(Aτ)3, |
|
G3,3(Aτ)=120In −60Aτ +12(Aτ)2 −(Aτ)3. |
(13.8) |
Одним из преимуществ аппроксимаций Паде является их более высокая точность, чем соответствующих (при k = max(μ, ν)) аппроксимаций Тейлора. Ошибка аппроксимации (13.1) имеет порядок малости O(τk), а ошибка «диагональных» аппроксимаций (13.4) (μ, ν) при μ=ν – порядок малости O(τ2μ+1). Другим достоинством формулы Паде при ν = 0 яв-
ляется сохранение свойства устойчивости непрерывной системы при переходе к дискретной модели.
Недостатком неявных методов является необходимость обращения матрицы Gμν (Aτ)
и связанная с этим проблема ее вырожденности. Следует, однако, иметь в виду, что существуют достаточно эффективные алгоритмы обращения матриц и возникающие здесь дополнительные вычислительные затраты обычно оправданы. Что же касается возможной вырожденности матрицы G, то заметим, что она имеет место, если у матрицы A есть собственные числа, совпадающие с корнями γj многочлена Gμν (γ). Из (13.3) можно вывести, что при μ = ν выполнено Reγj > 0, j = 1, . . . , ν. Следовательно, для устойчивых непрерывных систем всегда выполнено det Gμν (Aτ) = 0. Если же система неустойчива, то при вырожденности матрицы G следует использовать аппроксимацию с другими параметрами μ, ν, либо несколько изменить значение τ. Заметим что при τ → 0 Gμν (Aτ) → In,
следовательно, выбор достаточно малого τ гарантирует det Gμν (Aτ) = 0.
94
При вычислении матричной экспоненты может оказаться полезным предварительное определение ее на малом интервале τ по формулам (13.1) или (13.4) (что дает высокую точность) с последующим рекуррентным возведением в степень полученного результата (метод Ракитского) [32]. Здесь используется свойство eAT0 = eAτ k при T0 =kτ.
Предлагается также при определении высоких степеней матрицы A пользоваться теоремой Кэли–Гамильтона [23], согласно которой каждая квадратная матрица удовлетворяет
своему характеристическому уравнению. Поэтому
An =− a1An−1 +a2An−2 +· · ·+anIn ,
где ai – коэффициенты характеристического многочлена det(λIn −A)= λn+ a1λn−1+ a2λn−2
Свойства дискретных моделей, основанных на приближенных методах вычислений eAτ ,
а также некоторые применения приведенных соотношений будут рассмотрены в 14. Сейчас более подробно рассмотрим вопрос вычисления матрицы Q в (12.2), обращая внимание на возможность det A=0.
13.3Вычисление матрицы Q в общем случае
Напомним, что формула (12.5) для вычисления матрицы Q применима, если det A = 0 .
Трудностей, связанных с вычислением Q при вырожденной матрице A, можно избежать, если при формальной подстановке выражения для P =eAT0 , полученного из аппроксимаций Тейлора (13.1) или Паде (13.4), в (12.5) произвести «сокращение» матрицы A. Тогда в выражение для Q матрица A−1 входить не будет. Например, аппроксимация по методу Эйлера (13.2) P = In + AT0 приводит к формуле Q = BT0, а аппроксимация Паде (1, 1) (13.6) («метод Тастина») – к формуле Q=(In −AT0/2)−1BT0.
Другой способ состоит в расширении уравнений состояния исходной системы (12.1). Входной процесс u(t) при tk ≤ t < tk+1 рассматривается как решение некоторого однородного дифференциального уравнения. Тогда расширенная система тоже является однородной и в вычислении по (12.5) нет необходимости. Искомые матрицы P и Q получаются как подматрицы «расширенной» матричной экспоненты.
Продемонстрируем этот подход для ступенчатого входного процесса u(t) = u(tk) при tk ≤ t < tk+1. Для указанного промежутка времени уравнение (12.1) запишем в виде
x˙ |
(t)=Ax(t) + Bu(t), |
x(tk)=x[k], |
tk ≤ t < tk+1, |
(13.9) |
u˙ (t)=0, |
u(tk)=u[k]. |
|
|
95
Введем расширенный (n+m)-мерный вектор состояния x¯(t)=col{x(t) , u(t)} и (n+m)×(n+m)- матрицу
|
|
¯ |
A |
B |
|
|
|
|
|
A = 0m ×n 0m ×m . |
|
|
|||
Уравнение (13.9) представим в виде |
|
|
|
|
|
||
|
|
¯ |
|
|
|
|
(13.10) |
|
|
˙ |
|
|
|
tk ≤ t < tk+1. |
|
|
|
x¯(t)=Ax¯(t), x¯(tk)=col{x[k], u[k]}, |
|||||
Соответствующая дискретная модель (аналогично (12.2)) принимает вид |
|
||||||
|
|
|
|
|
¯ |
|
(13.11) |
|
|
x¯[k + 1]=P x¯[k], |
|
||||
¯ |
¯ |
|
|
|
¯ |
¯ |
непосредственно |
AT0 |
|
|
|
||||
где P = e |
|
. Учитывая структуру матрицы A и формулу (11.5) для P , |
|||||
|
|
¯ |
|
|
|
|
|
убеждаемся, что матрица P имеет следующую блочную структуру: |
|
||||||
|
|
P¯ = |
|
0 |
Im . |
|
|
|
|
|
|
P |
Q |
|
|
С учетом этого из (13.11) находим, что |
|
|
|
|
|
||
|
|
x[k + 1]=P x[k] + Q u[k]. |
|
(13.12) |
|||
Сравнивая (13.12) с (12.2), видим, что матрицы P, Q в (12.2) совпадают с P , Q . Поэтому |
они могут быть получены, |
4 |
¯ |
¯ |
|
AT0 |
. |
|||
|
как соответствующие подматрицы матрицы P =e |
|
Отметим также, что при использовании описанных в п. 13.1 аналитических методов, основанных на приведении матрицы A к канонической жордановой форме, в вычислении
Q по формуле (12.5) нет необходимости. В этом случае интеграл от матричной экспоненты в (11.9) может быть найден аналитически и представлен элементарными функциями.
4 Oтметим, что данный метод вычислений реализован в программе c2d тулбокса CONTROL SYSTEMS пакета MATLAB [52].
96
Лекция 14
14 Дискретные модели для различных видов входного процесса
Выше основные результаты по переходу к дискретным моделям получены для систем с экстраполятором нулевого порядка. Для таких систем выполнено (12.3). Рассмотрим некоторые обобщения результатов п. 12.2 для других видов входного процесса. Требование одно-
значности определения процесса u(t) по последовательности {u(ti)} k−1 будем по-прежнему
0
считать выполненным.
14.1Смещенное z-преобразование
Вряде приложений представляет интерес получение дискретной модели системы, в которой значения x[k], y[k] соответствуют состоянию и выходу непрерывной системы не в моменты
времени tk =kT0 (как указано в 12.1), а в моменты tk,ε = (k+ε)T0, 0 ≤ ε < 1. 1 Итак, полагая, как и ранее, входное воздействие кусочно-постоянным вида (12.3), получим разностные уравнения, описывающие переход от состояния x(tk,ε) к состоянию x(tk+1,ε) при известном u(t), tk,ε ≤ t < tk+1,ε. Для этого, как и в 12.2, проинтегрируем уравнение (12.1) на интервале
[tk,ε, tk+1,ε] по формуле (11.9). Получим
|
|
|
tk+1,ε |
|
x(tk+1,ε) = |
eA(tk+1,ε−tk,ε)x(tk,ε)+'tk,ε |
eA(tk+1,ε−τ) · Bu(τ)dτ = |
||
|
|
tk+1 |
|
|
= |
eAT0 x(tk,ε)+'tk,ε |
eA(tk+1 |
−τ)dτ · Bu(tk)+ |
|
|
tk+1,ε |
|
|
|
+ |
'tk+1 |
eA(tk+1,ε−τ)dτ · Bu(tk+1). |
Вычисляя интегралы, получаем аналогичное (12.4) уравнение x(tk+1,ε)=P x(tk,ε)+Q1u(tk)+Q2u(tk+1),
y(tk,ε)=Cx(tk,ε)+Du(tk),
где по-прежнему P =eAT0 ; матрицы Q1, Q2 при det A = 0 определяются соотношениями
Q1 =A−1 (P − Pε) , Q2 =A−1 (In − Pε) , Pε =eAT0ε.
1 Рассмотренная в 12.1 задача является частным случаем данной при ε = 0. Обычно данная задача называется определением «смещенного z-преобразования».
97
Обозначив x[k] = x(tk,ε), y[k] = y(tk,ε), получим разностное уравнение |
|
|
x[k+1]=P x[k]+Q1u[k]+Q2u[k+1], |
|
|
y[k]=Cx[k]+Du[k], k=1, 2, . . . |
(14.1) |
|
Отсюда передаточная функция дискретной |
модели получается в |
виде WD(z, ε) = |
C (zIn −P )−1 · (Q1 +Q2z)+D. |
Q2 в общем случае, заметим, что уравнение |
|
Прежде чем обратиться к вычислению Q1, |
(14.1) не имеет стандартного вида (12.2). Для устранения возникающих при этом неудобств
выполним преобразование (14.1) к виду (12.2). Обозначив x˜[k] = x[k] − Q2u[k], получим x[k]=x˜[k]+Q2u[k] и
x˜[k+1]=P x˜[k]+(P Q2+Q1)u[k], y[k]=Cx˜[k]+(CQ2+D)u[k].
Данное уравнение имеет вид (12.2), где
P =eAT0 , Q=P Q2 +Q1, C =C, D =CQ2 +D.
При вычислении матриц Q1, Q2 можно использовать метод, описанный в п. 13.3 Для этого получим x(tk+1,ε), последовательно интегрируя уравнение (13.9) на интервале [tk,ε, tk+1]
при начальных условиях x(tk,ε)=x[k], u(tk,ε)=u[k] и на интервале [tk+1, tk+1,ε] при начальном
значении x(tk+1), полученном на конце первого интервала, взяв u(tk+1)=u[k+1]. В результате получаем разностное уравнение
x[k+1]=P x[k]+PεQ1−εu[k]+Qεu[k+1],
где Pε, Qε, Q1−ε – соответствующие подматрицы матриц |
˜ |
ε, |
˜ |
(1−ε). |
P˜ε = eAT0 |
P˜ε = eAT0 |
|||
Вычисления можно упростить, если учесть, что P =PεP1−ε. |
|
|
|
|
14.2Прямоугольные импульсы
Пусть теперь входное воздействие имеет вид |
|
|
||||
u(t)= |
u(tk) |
при |
tk |
t ≤ tk,γ, |
k =0, 1, 2, . . . , |
(14.2) |
|
0 |
при |
tk,γ≤< t ≤ kT0, |
|
|
|
где 0 < γ ≤ 1 – скважность входного воздействия, tk,γ = (k +γ)T0. 2 |
Снова приведем |
уравнения состояния системы к виду (13.9). Проинтегрируем их на интервале [tk, tk,γ] при начальных условиях x(tk) = x[k], u(tk,γ) = u[k] и на интервале [tkγ , tk+1], при начальном
2 Входной процесс вида (12.3), рассмотренный в 12.2 является частным случаем (14.2) при γ = 1.
98
значении x(tk,γ), полученном на конце первого интервала и u(tk,γ)=0. Аналогично 13.3 14.1 получаем разностное уравнение
|
x[k+1]=P x[k]+P1−γ Qγu[k], y[k]=Cx[k], k=0, 1, . . . , |
(14.3) |
где P1−γ , |
Qγ – соответствующие подматрицы матриц |
|
˜ |
˜ |
|
P˜1−γ = eAT0 |
(1−γ), P˜γ = eAT0γ. |
|
14.3Экспоненциальные импульсы
Получим дискретную модель системы при входном воздействии вида
u(t)=u(tk)e−α(t−tk ) при tk ≤ t < tk+1, k =0, 1, 2, . . . , |
(14.4) |
где α – параметр экстраполятора. Как и в 13.3, получим уравнения расширенной системы, которые в данном случае принимают вид
x˙ (t)=Ax(t) + Bu(t), |
|
x(tk)=x[k], |
tk ≤ t < tk+1, |
(14.5) |
|
u˙ (t)=−αu(t), |
|
u(tk)=u[k]. |
|
|
|
Аналогично 13.3, вычисляя матричную экспоненту e |
˜ |
˜ |
расши- |
||
AT0 |
|||||
|
, находим, что матрица P |
||||
ренной системы принимает вид |
|
|
|
|
|
P¯ = |
P |
Q |
|
|
|
0 |
e−αT0 Im . |
|
|
|
Приравнивая P =P , Q=Q , получаем искомые матрицы дискретной модели (12.2).
14.4Треугольные импульсы
Рассмотрим теперь входной процесс, имеющий вид прямоугольных треугольников с высо-
той u(tk) и основанием T0γ. Он описывается уравнением
|
u(t ) 1 t−tk |
|
|
t t t |
, k=0, 1, 2,. . . , |
||
|
|
|
|
|
|
|
|
u(t)= |
k |
* − |
γT0 |
+ |
при |
k ≤ ≤ k,γ |
(14.6) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 при tk,γ < t ≤ kT0 |
, |
|
||||
|
|
где tk,γ = (k+γ)T0. Значения x(tk) можно вычислить непосредственно, интегрируя (12.1) с
учетом (14.6); однако чтобы избежать обращения матрицы A, воспользуемся описанным в
13.3 приемом.
99
Для tk ≤ t ≤ tk,γ запишем (14.6) в виде |
|
|
|
x˙(t)=Ax(t) + Bu(t), |
x(tk)=x[k], |
tk ≤ t ≤ tk,γ |
|
u˙ (t)=v(t), |
u(tk)=u[k]. |
(14.7) |
|
v˙(t)=0, |
v(t |
)= u[k](γT )−1. |
|
|
k |
− |
0 |
Поступая аналогично п.п. 13.3 14.2 введем расширенный (n + 2m)-мерный вектор со-
стояния x¯(t) = col x(t), u(t), v(t) и (n+2m)×(n+2m)-матрицу
A |
B |
0n ×m |
|
0m ×n |
0m ×m |
0m ×m |
|
A¯= 0m ×n |
0m ×m |
Im |
. |
Интерируя расширенное однородное уравнение (14.7) на интервале t [tk, tk,γ], получим
¯
дискретную модель с матрицей P вида
Pγ |
Q1,γ |
0m ×n |
0m ×m |
P¯ = 0m ×n |
Im |
Отсюда определяем значение
Q2,γ
ImγT0 .
Im
x(tk,γ)=Pγx(tk)+Q1,γu(tk)+Q2,γv(tk) = Pγ x(tk)+Q1,γu(tk)− |
|
|
||
−Q2,γ u(tk)(γT0)−1 = Pγx(tk)+ + Q1,γ −1Q2,γ (γT0)−1 u(tk). |
|
x(tk,γ)=Pγx(tk)+ |
||
Обозначив Qγ = |
Q1,γ |
Q2,γ (γT0)− , получим выражение для x(tk,γ) |
|
|
Qγu(tk). |
|
− |
: |
|
Для tk,γ < t < tk+1, (14.6) принимает вид |
|
|
||
x˙(t)=Ax(t), |
tk,γ < t < tk+1, |
|
|
|
следовательно, x(tk)=P1−γx(tk,γ ). |
|
|
Объединяя полученные выражения, получим разностное уравнение для x[k] вида (12.2), где матрицы
P=eAT0 , Q=P1−γ Qγ.
Вработе [33] показано применение формулы Коши при построении дискретных моделей для систем с произвольно заданной формой импульса. Решение задачи сводится к вычислению матричной экспоненты eAT0 и интеграла
0T 0 eA(T0−τ)φ(τ)dτ, где функция φ(·) определяет вид импульсов, образующих входной процесс.
100