- •Содержание
- •1 Предмет, цели и задачи идентификации, области применения
- •2 Проблемы точности, критерии и условия
- •6.2 Методика идентификации моделей объектов
- •6.3 Методика идентификации моделей объектов
- •6.4 Методика идентификации моделей объектов
- •8 Идентификация параметров объекта во временной и
- •10 Применение идентификации в системах
- •1 Предмет, цели и задачи идентификации, области применения
- •1.1 Сущность идентификации, ее цели и задачи
- •1.2 Проблемы выбора модели объекта идентификации
- •1.3 Области применения идентификации
- •2 Проблемы точности, критерии и условия идентификации
- •2.1 Анализ ошибок, возникающих в системе идентификации
- •2.2 Критерии идентификации
- •2.3 Управляемость, наблюдаемость и идентифицируемость объекта
- •3 Основные типы моделей в теории идентификации
- •3.1 Модели для описания непрерывных систем
- •3.2 Модели для описания дискретных систем
- •3.3 Основные типы сигналов
- •4 Методы идентификации моделей объектов типовых звеньев по временным и частотным характеристикам
- •4.1. Математическая обработка динамическиххарактеристик объектов управления
- •4.2 Идентификация параметров модели апериодического звена 1-го порядка по временным характеристикам
- •4.3 Идентификация моделей в виде апериодических звеньев II-го порядка
- •4.4 Идентификация моделей в виде передаточной функции колебательного звена II-го порядка по временным характеристикам
- •4.5 Идентификация моделей в виде типовых динамическихзвеньев по частотным характеристикам
- •5Методика идентификации моделей в виде передаточной функции по кривым разгона на основе метода площадей (метод симою)
- •6 Методика идентификации моделей объектов III-го порядка по их временным характеристикам
- •6.1 Типы моделей
- •6.2 Методика идентификации моделей объектов III-го порядка первого типа по их временным характеристикам
- •6.3 Методика идентификации моделей объектов III-го порядка второго типа по их временным характеристикам
- •6.4 Методика идентификации моделей объектов III-го порядка третьего типа по их временным характеристикам
- •7 Анализ динамики и параметров идентификации с учетом объекта
- •7.1 Модель исполнительной части следящей системы
- •7.2 Анализ жесткого объекта при изменении момента инерции нагрузки
- •7.3 Анализ объекта с упругой механической передачей
- •8 Идентификация параметров объекта во временной и частотной области
- •8.1 Обоснование идентифицируемости объекта
- •8.2 Идентификация параметров объекта по переходной функции (методика Орманса)
- •8.3Оценка коэффициентов передаточной функции с помощью гармонических входных воздействий
- •8.4 Идентификация параметров объекта с помощью квадрата модуля частотной характеристики и метода наименьших квадратов
- •8.5Идентификация параметров объекта с применением квадрата модуля обратной частотной характеристики
- •9 Статистические методы анализа, идентификации и моделирования
- •9.1 Условия применения методов статистического анализа
- •9.2 Спектральный анализ входных периодических сигналов
- •9.3 Особенности спектрального анализа методом бпф.
- •9.4 Спектральный анализ сигналов в виде непериодической функции
- •9.5 Статистический анализ с применением сигналов белого шума
- •9.6 Статистический анализ реализации случайного процесса на выходе системы
- •9.7 Статистические методы построения модели и идентификации параметров
- •10 Применение идентификации в системах адаптивного управления
- •10.1 Основные схемы контуров адаптации и функции систем идентификации
- •10.2 Определение параметров эталонной модели и передаточной функции устройства адаптации.
- •10.3 Разработка алгоритма и структурной схемы адаптивной настройки регулятора
- •Литература
- •44/2010. Підп. До друку . Формат 60 х 84/8.
- •84313, М. Краматорськ, вул. Шкадінова, 72.
3.3 Основные типы сигналов
При исследовании автоматизированных систем управления (АСУ) и их элементов используют ряд стандартных сигналов, называемых типовыми воздействиями. Эти воздействия описываются простыми математическими функциями и легко воспроизводятся при исследовании. Использование типовых воздействий позволяет унифицировать анализ различных систем и облегчает сравнение их передаточных свойств.
Наибольшее применение в идентификации параметров систем находят следующие типовые воздействия:
ступенчатое;
импульсное;
гармоническое;
линейное.
Ступенчатое воздействие– воздействие, которое мгновенно возрастает от нуля до некоторого значения и далее остается постоянным (см. рис. 3.4).
Ступенчатому воздействию соответствует функция
(3.29)
Рисунок 3.4 - Временная характеристика ступенчатого воздействия
При анализе и расчете систем удобно использовать ступенчатое воздействие, у которого величина к0= 1. Его называют единичным ступенчатым воздействиеми обозначают 1(t). Математическое выражение, описывающее единичное ступенчатое воздействие, имеет вид
(3.30)
Любое неединичное
ступенчатое воздействие можно обозначить
.
Единичное ступенчатое воздействие,
возникающее в момент времени t – t1,
обозначают 1(t – t1).
Ступенчатое воздействие чаще всего используют при исследованиях систем стабилизации параметров, так как эти воздействия наиболее близки к реальным входным (задающим и возмущающим) воздействиям систем стабилизации.
Пример 3.1. Реализация ступенчатого воздействия в МПП MatLab
Название блока: Генератор ступенчатого сигнала Step.
Назначение: Формирует ступенчатый сигнал.
Параметры:
Steptime - Время наступления перепада сигнала (с).
Initialvalue - Начальное значение сигнала.
Finalvalue - Конечное значение сигнала.
Перепад может быть как в большую сторону (конечное значение больше чем начальное), так и в меньшую (конечное значение меньше чем начальное). Значения начального и конечного уровней могут быть не только положительными, но и отрицательными (например, изменение сигнала с уровня –5 до уровня –3).
На рис. 3.5. показано использование генератора ступенчатого сигнала.
Импульсное воздействие– одиночный импульс прямоугольной формы, имеющий достаточно большую высоту и малую длительность (по сравнению с инерционностью испытываемой системы) с площадью а0.
Рисунок 3.5 – Блок Step
При математическом анализе АСУ используют единичное импульсное воздействие, описываемое так называемой дельта-функцией
δ(t)=
,
кроме того
(3.31)
Форма одиночного импульса прямоугольной формы изображена на рис. 3.6)
Рисунок 3.6 - Временная характеристика импульсного воздействия
Последние два выражения позволяют рассматривать дельта-функцию, как импульс, имеющий бесконечно большую высоту, бесконечно малую длительность и единичную площадь. Дельта-функцию можно определить также как производную единичного ступенчатого воздействия:
(3.32)
Дельта - функция используется в качестве пробного сигнала при оценке качества работы системы автоматического регулирования в переходном режиме. Произвольный сигнал может быть представлен бесконечной суммой дельта - функций.
Дельта – функция может быть получена предельным переходом от импульса единичной площади, амплитуда которого обратно пропорциональна его длительности, при устремлении длительности импульса к нулю.
Неединичное импульсное ступенчатое воздействие с площадью а0обозначается
x(t) = а0 (t). (3.33)
Гармоническое воздействие– сигнал синусоидальной формы, описываемый функцией.
x(t) = xmsin t , (- t ), (3.34)
где xm – амплитуда сигнала; = 2 / Т – круговая частота, рад/с; Т – период сигнала, с.
Внешний вид временной характеристики гармонического сигнала приведен на рис. 3.7.
Рисунок 3.7 - Временная характеристика гармонического воздействия
Гармонический сигнал, начинающий действовать в момент времени t =0, описывают при помощи единичной ступенчатой функции:
x(t)
= 1(t)
xmsint
,
(0
t
). (3.35)
Пример 3.2.Реализация синусоидального сигнала SineWave в МПП MatLab
Назначение: Формирует синусоидальный сигнал с заданной частотой, амплитудой, фазой и смещением.
Для формирования выходного сигнала блоком могут использоваться два алгоритма. Вид алгоритма определяется параметром SineType(способ формирования сигнала):
Time-based – По текущему времени.
Sample-based – По величине шага модельного времени.
Формирование выходного сигнала по текущему значению времени для непрерывных систем.
Выходной сигнал источника в этом режиме соответствует выражению:
y = Amplitude* sin(frequency* time + phase) + bias.
Параметры:
Amplitude - Амплитуда.
Bias – Постоянная составляющая сигнала.
Frequency (rads/sec) - Частота (рад/с).
Phase (rads) - Начальная фаза (рад).
Sample time – Шаг модельного времени. Используется для согласования работы источника и других компонентов модели во времени. Параметр может принимать следующие значения: 0 (по умолчанию) – Используется при моделировании непрерывных систем. > 0 (положительное значение) – Задается при моделировании дискретных систем. В этом случае шаг модельного времени можно интерпретировать как шаг квантования по времени выходного сигнала. -1 – Шаг модельного времени устанавливается таким же, как и в предшествующем блоке, т.е. блоке, откуда приходит сигнал в данный блок. Этот параметр может задаваться для большинства блоков библиотеки Simulink. В дальнейшем он рассматриваться не будет.
При расчетах для очень больших значений времени точность расчета выходных значений сигнала падает вследствие значительной ошибки округления.
На рис. 3.8 показано применение блока с разными значениями шага модельного времени (Sampletime = 0 для блока SineWave 1и Sampletime = 0.1 для блока SineWave 2). Для отображения графиков выходных сигналов в модели использован виртуальный осциллограф (Scope).
Рисунок 3.8 – Блок SineWave
Линейное воздействие– линейно, нарастающий сигнал, описываемый функцией:
x(t) = 1(t) а1 t , (0 t ). (3.36)
где а1 – коэффициент, характеризующий скорость нарастания линейного сигнала.
График временной зависимости линейного воздействия приведен на рис. 3.9
Рисунок 3.9 - Временная характеристика линейного воздействия
Пример 3.3.Релизациялинейно изменяющегося воздействия Ramp в МПП MatLab.
Назначение: Формирует линейный сигнал вида
y = Slope* time +Initialvalue.
Параметры:
1.Slope — Скорость изменения выходного сигнала.
2.Starttime — Время начала формирования сигнала.
3.Initialvalue — Начальный уровень сигнала на выходе блока.
На рис. 3.10 показано использование данного блока.
Рисунок 3.10 – Блок Ramp
