- •Глава 1 динамические системы в задачах обработки навигационной информации
- •1.1. Математические модели динамических систем и методы их описания
- •1.1.1. Определение и классификация динамических систем
- •1.1.2. Определение выхода линейных динамических систем с помощью фундаментальной матрицы и весовой функции
- •1.1.3. Передаточная функция стационарных линейных динамических систем
- •1.1.4. Частотная характеристика стационарных линейных динамических систем
- •1.1.5. Взаимосвязь между основными функциями, используемыми при описании линейных динамических систем
- •Основные функции, используемые при описании линейных систем
- •Взаимосвязь различных функций, используемых для описания поведения линейных стационарных систем
- •1.1.6. Определение модели линейной динамической системы в пространстве состояний по заданной передаточной функции
- •1.1.7. Основные свойства линейных динамических систем
- •Задачи к разделу
- •Контрольные вопросы
- •1.2. Линейные стационарные динамические системы
- •1.2.1. Интеграторы
- •1.2.2. Фильтры Баттерворта
- •1.2.3. Модель акселерометра
- •1.2.4. Модель микромеханического гироскопа
- •1.2.5. Простейшая модель ошибок построения вертикали в инерциальной системе
- •Вклад уходов гироскопов в ошибки определения нп в автономном режиме в течение 3 мин
- •Вклад ошибок акселерометров в ошибки определения нп в автономном режиме в течение 3 мин
- •Задачи к разделу
- •Контрольные вопросы
- •1.3. Дискретизация и моделирование линейных
- •1.3.1. Дискретизация непрерывных систем
- •1.3.2. Основные методы описания lti-объектов в Matlab
- •Создание lti-объектов
- •Извлечение информации о моделях
- •1.3.3. Особенности дискретизации стационарных систем
- •Методы дискретизации, используемые в функции c2d
- •Методы вычисления матричной экспоненты
- •Контрольные вопросы
- •1.4. Задание для моделирования
- •Пример выполнения задания в Matlab
- •Заключение к главе 1
1.2.2. Фильтры Баттерворта
При решении задач обработки навигационной информации нередко приходится иметь дело с так называемыми фильтрами Баттерворта, которые и рассмотрим в настоящем подразделе. Введем полином порядка [41, с. 178]
, (1.2.13)
где . Корни этого полинома находятся по формуле
, (1.2.14)
и равномерно размещаются на окружности радиуса в вершинах правильного -угольника. Под фильтром Баттерворта будем понимать систему с ПФ
, (1.2.15)
у которой полюса характеристического полинома совпадают с теми корнями , у которых . Полином
, (1.2.16)
с таким образом введенными корнями называется полиномом Баттерворта, а при нормированным полиномом Баттерворта [41, с. 178 ].
Если ввести и корни для нормированного полинома Баттерворта, то ПФ (1.2.15) может быть записана как
.
ЧХ для фильтров Баттерворта определяtтся в виде
.
Для амплитудно-частотной характеристики справедливо следующее представление [65, с.128]
,
где . Частота называется частотой среза фильтра Баттерворта.
В табл. 1.2.1 представлены корни и ПФ для нормированных фильтров Баттерворта первого, второго и третьего порядков [41].
Т а б л и ц а 1.2.1
Корни и ПФ нормированных фильтров Баттерворта
|
Корни |
Передаточная функция |
1 |
|
|
2 |
, |
|
3 |
|
|
В пространстве состояний система, описывающая фильтр Баттерворта -го порядка, может быть представлена с помощью уравнений (1.1.14), (1.1.15), в которых
, (1.2.17)
, . (1.2.18)
При этом коэффициенты , совпадают с коэффициентами полинома Баттерворта. К примеру, формирующий фильтр для нормированного фильтра Баттерворта второго порядка можно получить, если в матрице (1.2.17) при n = 2 , , тогда:
,
;
.
На рис. 1.2.1 изображены графики амплитудно-частотной характеристики для нормированных фильтров Баттерворта при n = 1, 2,3. Из этих графиков следует, что при увеличении порядка фильтра Баттерворта эта характеристика приближается к прямоугольной. Именно это свойство и определило широкое применение фильтров Баттерворта в задачах обработки информации.
Рис. 1.2.1. Амплитудно-частотные характеристики фильтров Баттерворта
1.2.3. Модель акселерометра
Приближенное линеаризованное уравнение для осевого акселерометра (рис. 1.2.2) без учета влияния возмущений можно записать в виде [59, с. 31; 61, с. 87]
(1.2.19)
или ,
где – инерционная масса чувствительного элемента (ЧЭ); – абсолютный коэффициент демпфирования; – коэффициент жесткости пружины (отношение прилагаемой силы к изменению длины ) в направлении .
Рис. 1.2.2. Схема осевого акселерометра
Вводя обозначения , , запишем
. (1.2.20)
Величина называется собственной частотой колебаний инерционной массы, а – относительным коэффициентом демпфирования или показателем затухания. Это уравнение при описывает систему (звено), которая в теории автоматического управления известно как колебательное звено [7, с. 74].
Нетрудно убедиться в том, что ПФ, ЧХ, амплитудно-частотная и фазочастотная характеристики, соответствующие (1.2.20), имеют следующий вид [61]:
; (1.2.21)
; (1.2.22)
; (1.2.23)
. (1.2.24)
где – постоянная времени акселерометра; передаточный коэффициент.
Примеры амплитудно-частотных и фазочастотных характеристик (1.2.22), (1.2.23) приведены на рис. 1.2.3.
Используя результаты подраздела 1.6, легко показать, что для описания поведения акселерометра в пространстве состояний можно использовать модель:
(1.2.25)
. (1.2.26)
При , как следует из п. 3 примера П6, приведенного в подразделе П2.3, характеристическое уравнение имеет два комплексно-сопряженных корня , где , а , что соответствует устойчивой системе. Фундаментальная матрица для этой системы задается соотношением (П2.36). Поскольку в данном случае , , то согласно (1.1.16) весовая функция будет определяться как .
а)
б)
Рис. 1.2.3. Пример амплитудно-частотной (1.2.23) (а) и фазочастотной (1.2.24) (б) характеристик при , ,
Приведенные модели могут быть использованы для исследования свойств акселерометра [61, с. 86]. В частности, предположим, что на входе акселерометра действует постоянное ускорение . Тогда в операторной форме выходной сигнал, определяющий реакцию акселерометра на постоянный сигнал при нулевых начальных условиях, будет задаваться соотношением
.
Нетрудно убедиться (см. задачу 1.2.2), что, поскольку , функция времени, соответствующая второму слагаемому, при увеличении времени стремится к нулю. Таким образом, при постоянном ускорении ЧЭ акселерометра имеет постоянное смещение
.
Определим ошибку акселерометра как
и предположим, что помимо полезного сигнала на акселерометр воздействует внешнее возмущающее ускорения . Вводя преобразования Фурье , , , для , , и и используя ЧХ, можем записать:
.
Ясно, что для воспроизведения полезного сигнала с малой ошибкой необходимо, чтобы, с одной стороны, , а с другой – для подавления возмущающих ускорений желательно, чтобы . Понятно, что обеспечение столь противоречивых требований возможно лишь в случае, когда частотный состав полезного сигнала существенно отличается от частотного состава возмущений. Располагая информацией о частотном составе полезного сигнала и возмущений, можно, изменяя конструктивные параметры акселерометра или добавляя на выходе устройство обработки (фильтр), постараться обеспечить соответствующие свойства ЧХ. Именно такая задача и решается далее в подразделе 3.1 при построении оптимальных фильтров.