- •В.Г. Новиков моделирование систем
- •Коломна 2007
- •Тема 1. Исследование линейных стационарных систем с помощью пакета прикладных программ MatLab “Control Sistem Toolbox” (“Система управления”)6
- •Тема 2. Цифровая обработка сигналов при Исследовании систем с помощью пакета MatLab “Signal Processing Toolbox”17
- •Тема 3. Моделирование динамических процессов с помощью пакета MatLab “Simulink”29
- •Тема 4. Моделирование процессов в линейных нестационарных динамических системах с использованием подсистемы MatLab “Simulink”40
- •Тема 5. Имитационное моделирование процессов в динамических системах с использованием подсистемы MatLab “Simulink”53
- •Введение
- •Тема 1. Исследование линейных стационарных систем с помощью пакета прикладных программ MatLab “Control Sistem Toolbox” (“Система управления”)
- •1.1. Введение
- •1.2. Ввод и преобразование моделей
- •1.2.1. Основные положения
- •1.2.2. Пример создания модели
- •1.3. Анализ системы
- •1.3.1. Общие положения
- •1.3.1.1. Примеры анализа во временной области
- •1.3.1.2. Примеры анализа в частотной области
- •1.3.1.3. Процедуры, вычисляющие отдельные характеристики и графически показывающие расположение полюсов и нулей системы
- •1.3.2. Примеры анализа во временной области
- •1.3.3. Примеры анализа в частотной области
- •1.3.4. Примеры применения процедур для вычисления полюсов и нулей системы
- •1.4. Задание на самостоятельную работу
- •1.4.1. Структурная схема модели
- •1.4.2. Требования к исследованию модели
- •1.4.3. Исходные параметры модели
- •1.4.4. Отчетность по лабораторной работе
- •Тема 2. Цифровая обработка сигналов при Исследовании систем с помощью пакета MatLab “Signal Processing Toolbox”
- •2.1. Введение
- •2.2. Общие средства фильтрации. Формирование случайных процессов
- •2.2.1. Общие основы линейной фильтрации
- •2.2.2. Формирование случайных процессов
- •2.3. Спектральный и статистический анализ
- •2.3.1. Основные понятия
- •2.3.2. Примеры спектрального анализа
- •2.4. Задание на самостоятельную работу
- •2.4.1 Цифровая обработка сигналов
- •2.4.2. Формирование случайного процесса из белого шума
- •2.4.3. Формирование процесса как сумма гармоник
- •2.4.4. Исходные данные
- •2.4.5. Отчетность по лабораторной работе
- •Тема 3. Моделирование динамических процессов с помощью пакета MatLab “Simulink”
- •3.1. Краткие сведения о подсистеме MatLab simulink
- •3.1.1. Запуск подсистемы simulink
- •3.1.2. Создание модели
- •3.1.3. Некоторые основные приемы подготовки и редактирования модели
- •3.5.1. Установка параметров моделирования
- •3.5.2. Выполнение моделирования
- •3.2.2.2. Результат составления модели
- •3.2.3. Результаты моделирования
- •3.3. Задание на самостоятельную работу
- •3.3.2.3. Отчетность
- •Тема 4. Моделирование процессов в линейных нестационарных динамических системах с использованием подсистемы MatLab “Simulink”
- •4.1. Краткие сведения из теории линейных нестационарных и нелинейных систем автоматического управления
- •4.1.1. Особенности процессов в линейных нестационарных системах
- •4.1.2. Особенности процессов в нелинейных сау
- •4.1.3. Метод фазового пространства
- •4.2. Моделирования процессов в линейных нестационарных и нелинейных динамических системах с использованием подсистемы MatLab simulink
- •4.2.1. Приведение линейного дифференциального уравнения к канонической форме
- •4.2.2. Пример исследования нестационарных и нелинейных процессов
- •4.2.2.1. Постановка задачи
- •4.2.3. Методика формирования модели в системе MatLab
- •4.2.2.3. Пример результатов исследования
- •4.3. Задание на самостоятельную работу
- •4.3.1. Исходная система
- •4.3.2. Требования к работе
- •4.3.3. Отчетность
- •Тема 5. Имитационное моделирование процессов в динамических системах с использованием подсистемы MatLab “Simulink”
- •5. 1. Введение
- •5. 2. Пример имитационного моделирования процессов с использованием подсистемы MatLab simulink
- •5.2.1. Постановка задачи
- •5.2.2. Формирование схемы моделирования
- •5.2.3. Подготовка к имитационному моделированию
- •5.2.3.1. Настройка блока Random Number - источника случайного сигнала с нормальным распределением.
- •5.2.3.2. Настройка блока Uniform Rundom Number - источника случайного сигнала с равномерным распределением
- •5.2.3.3. Настройка блока To Workspace - блока записи в рабочую область Matlab
- •5.2.3.4. Установка параметров моделирования и сохранение модели
- •5.2.3.5. Представление результатов имитационного моделирования
- •5.2.4. Результаты моделирования
- •5.3. Задание на самостоятельную работу
- •5.3.1. Исходная схема
- •5.3.2. Требования к работе
- •5.3.3. Отчетность
- •Использованные источники
5.2.3.2. Настройка блока Uniform Rundom Number - источника случайного сигнала с равномерным распределением
Для задания характеристик такого случайного сигнала используются числовые величины – минимальный и максимальный уровни сигнала.
Занесем эти параметры блока в его соответствующие поля: значения - 0.2 и 0.2.
Аналогично предыдущему Random Number данный источник также имеет недостаток, – он генерирует одну и ту же последовательность случайных чисел при неизменном значении параметра блока Initial Seed.
Для задания возможности изменения этого параметра блока также введем новую переменную, значения которой можно будет менять автоматически при каждом новом эксперименте из цикла реализации случайного процесса.
Пусть имя этой переменной будет v. Закон изменения переменной можно организовать также в процессе цикла экспериментов в М-файле.
5.2.3.3. Настройка блока To Workspace - блока записи в рабочую область Matlab
Для регистрации, сохранения частных реализаций наблюдаемой величины (случайного процесса) z и дальнейшей обработки получаемой в результате эксперимента выборки наиболее удобным является использование блока To Workspace. (Блок обеспечивает сохранение выходных и промежуточных результатов моделирования в рабочей области Matlab).
После размещения блока To Workspace в схеме модели для удобства дальнейших операций целесообразно скорректировать некоторые параметры блока.
Параметр Variable name (варьируемое имя)– на работу блока не влияет и определяет только имя, под которым будет сохранена соответствующая величина. (По умолчанию имя имеет исходное значение simaut). Имена переменных, используемых в S-модели, должны содержать только латинские символы. С учетом этого вместо исходного имени введем для удобства имя z – в нашем случае обозначение ошибки регулирования, которую хотим сохранить (см. рисунки 1 и 2).
Параметр Limit data points to last (максимальное количество сохраняемых расчетных точек по времени). Количество расчетных точек отсчитывается от момента завершения моделирования (от “конца”). По умолчанию этот параметр имеет значение inf (бесконечность), это означает, что в рабочей области будут сохранены все данные в течение интервала моделирования. В нашем случае в соответствии с условиями задачи необходима регистрация ошибки регулирования z лишь в конечной точке процесса tк.. Поэтому зададим этот параметр равным 1 (одна точка).
Поскольку в процессе моделирования необходимо сохранение результатов, образующих массив чисел, то эффективным является задание параметра Save format (формат сохранения данных) равным Array (массив).
5.2.3.4. Установка параметров моделирования и сохранение модели
Перед выполнением моделирования в панели управления меню Simulation окна моделирования необходимо предварительно задать параметры.
Задать интервалы моделирования (Simulation time). Начальное время (Start time), как правило, задается равным нулю, величина конечного времени (Stop time) задается пользователем; по условиям задачи в нашем случае достаточно задать, например, равным 10.
В параметрах обмена с рабочей областью на вкладке Workspace I/O \ Save to Workspace переменную Time для удобства изменим со значения tout (по умолчанию) на t, а переменную Output со значения yout (по умолчанию) на z (сохраняемая ошибка регулирования).
Сохраним модель по команде Save As с расширением .mdl. Пусть имя модели для определенности будет “Lab5 ” (в соответствии с номером данной лабораторной работы).