- •Часть I р. И. Сольницев
- •Глава 1 Введение в автоматизацию проектирования систем автоматического управления
- •§ 1.1. Системы автоматического управления (сау) как объекты проектирования
- •§ 1.2. Сапр как новые средства проектирования
- •§ 1.3. Этапы истории развития сапр сау.
- •Автоматизация проектирования систем и средств управления
- •Дерево целей проектирования:
- •История развития сапр.
- •Задача векторной оптимизации.
- •Глава 2 процесс проектирования сау и его автоматизация
- •§ 2.1. Цели, критерии и условия ограничений процесса проектирования
- •§ 2.2. Этапы проектирования и проектные процедуры
- •Математическая модель Системы Проектирования (сп) как «спирали проектирования»
- •Глава 3 структура системы автоматизации проектирования сау
- •§ 3.1. Концепция, принципы и их структурная реализация
- •§ 3.2. Техническое обеспечение.
- •§ 3.3. Математическое обеспечение
- •§ 3.4. Лингвистическое обеспечение
- •§ 3.5. Программное обеспечение
- •§ 3.6. Информационное обеспечение
- •§ 3.7. Методическое и организационное обеспечение
- •Глава 4 автоматизация построения математических моделей сау
- •§ 4.1. Методы построения математических моделей и их применение в сапр
- •§ 4.2. Вывод математических моделей в аналитическом виде на эвм
- •§ 4.3. Упрощение и преобразование математических моделей на эвм
- •Математическое обеспечение сапр.
- •Стационарные линейные детерминированные модели систем с сосредоточенными параметрами.
- •Переход от дифференциальных уравнений n – ого порядка к нормальной форме Коши
- •Математические модели элементов сау.
- •Методы линеаризации уравнений
- •Глава 5 моделирование систем автоматического управления
- •§ 5.1. Методы моделирования и их применение в сапр
- •§ 5.2. Приведение математических моделей сау к виду, удобному для моделирования
- •§ 5.3. Численные методы и алгоритмы моделирования
- •§ 5.4. Контроль и оценка точности моделирования
- •Глава 6 автоматизация анализа сау
- •§ 6.1. Методы анализа сау и их применение в сапр
- •6.2§. Машинные методы анализа
- •§ 6.3. Машинно-аналитический метод анализа
- •§ 6.4. Подсистема сапр сау «Анализ»
- •Глава 7 Автоматизация синтеза сау
- •§ 7.2. Машинные методы синтеза
- •§ 7.3. Подсистема сапр сау «Синтез»
- •Методы нлп
- •Задача нлп
- •Градиентный метод оптимизации
- •Метод градиента
- •Метод случайного поиска
- •Метод Даниленко-Каган
- •Метод Трахтенбергп
- •Экстраполяционный случайный поиск с адаптирующимся шагом
- •Алгоритм с перестройкой вероятностных характеристик поиска
- •Глобальный случайный поиск с независимым выбором плотности распределения пробных шагов
- •Локально – глобальный поиск коллективом автоматов имени Буша – Мостселлера.
- •Методика выбора алгоритмов поисковой оптимизации.
- •Метод ситуационного управления:
6.2§. Машинные методы анализа
Применение ЭВМ для изоморфной реализации перечисленных и многих других методов, широко распространенных при «ручных» расчетах, является малоэффективным, поскольку при этом сохраняются все ограничения, присущие теоретическим методам, и не используются широкие возможности ЭВМ. Анализ состояния вопроса по разработке второй и третьей групп — специально машинных методов — показывает, что их разработка значительно отстает от роста парка и технических возможностей ЭВМ. Разработка теории и практики специальных машинных методов, в полной мере использующих возможности ЭВМ, является новой, чрезвычайно широкой областью исследования.
Специально машинные методы анализа устойчивости линейных стационарных систем базируются на математическом аппарате, исключающем построение характеристического уравнения. В этом случае достигаются экономичность и удобство вычислительной процедуры, где отсутствуют неизбежные ошибки округления и от вырождения промежуточных определителей при развертывании определителя исходной матрицы. Применение этих методов для оценок устойчивости «вручную» практически неэффективно.
Общий принцип матричной оценки устойчивости предложен В. И. Зубовым. Алгоритм оценки устойчивости в соответствии с этим принципом сводится к следующему. Пусть однородная система дифференциальных уравнений имеет вид
На основе предложенного В. И. Зубовым критерия строятся различные матричные алгоритмы анализа качества линейных систем [1].
Применение оценок (6.37) к анализу устойчивости САУ в ряде случаев оказалось затруднительным из-за быстрого исчерпывания ресурсов ЭВМ при перемножении матриц В большой размерности.
Для анализа САУ по переменным состояния (3.15) весьма эффективно моделирование на АВМ и ЦВМ на основе принципа параллельного воспроизведения нескольких ММ САУ (см. § 5.4). Действительно, в этом случае оказывается возможным одновременно и по заданному алгоритму анализировать парциальные составляющие по любой интересующей исследователя обобщенной координате. Существенным достоинством такого анализа является возможность наблюдать и измерять переменные состояния нелинейных САУ, скрытые от наблюдателя (промежуточные сигналы в цепях САУ, возмущающие механические моменты, перемещения упругих элементов и др.); анализировать влияние изменения параметров САУ на их временные характеристики. Так, для анализа качества сложной линейной системы вместо машинно-ориентированных методов можно применить системный метод анализа парциальных составляющих, суть которого заключается в следующем. Представим исходную систему (3.10) в виде
Воспроизведя на ЭВМ параллельно системы (6.42) для каждой из составляющих X(t) = {x1(t), x2(t), ..., xm(t),}, строим матрицу парциальных составляющих yij(t), j[1,n] для каждого xit).
По парциальным составляющим yij можно провести более глубокий анализ исходной системы,, чем классическими методами с известным разделением на устойчивость, качество, точность. В дальнейшем, исследуя выходные координаты y1, y2 y3 ..., уп при различных возмущениях, получаем исчерпывающую информацию о поведении системы.
К машинным методам с достаточно хорошо отработанными вычислительными алгоритмами относятся методы численного анализа стохастических систем (3.7). Случайные функции, входящие в описание исходной системы, воспроизводятся по их вероятностным характеристикам. Для каждой выборки случайных значений интегрируется исходная система уравнений, причем такое интегрирование производится многократно. Наиболее простую схему имеют алгоритмы, построенные на основе метода Монте-Карло. Этот метод был предложен в конце 40-х годов американскими математиками Дж. Нейманом и С. Уламом. Само название «Монте-Карло» происходит от города Монте-Карло, знаменитого своими игорными домами. По существу, метод Монте-Карло — это численный метод решения математических задач путем имитации случайных величин. Применительно к ММ САУ (5.32), полученной после приведения (3.7) к виду, удобному для моделирования, схему метода Монте-Карло можно представить следующим образом. В исходной системе (5.7)
будем считать, что μk= [μ1k,..., μmk]—заданные случайные величины, определяемые случайными отклонениями начальных условий и параметров. Выборки значений случайных величин μk задаются с помощью специальных программ для ЦВМ.
Кроме того, задаются функции Ф(Sz), определяющие форму вероятностных характеристик некоторых функционалов от выходных координат САУ (математические ожидания, дисперсии, законы распределения вероятности нахождения функции от z(t) в заданных пределах и т. д.).
Для каждого варианта k значений случайных величин μk осуществляется решение уравнений (6.43) на ЭВМ. Рассчитываются функции Ф(Sz) в соответствии с интересующими исследователя характеристиками выходных сигналов. Точность статистических оценок по методу Монте-Карло возрастает при увеличении числа N в соответствии с законом «больших чисел».
В соответствии с известными оценками [13] оказывается, что вероятность обеспечения заданной точности метода Монте-Карло δN≤ε
Метод Монте-Карло наиболее эффективно реализуется на аналого-цифровом комплексе САПР САУ по принципиальной схеме, представленной на рис. 6.4. Благодаря возможностям АВМ решать с частотой от 50 до 100 Гц сложные нелинейные дифференциальные уравнения на АЦК принципиально возможно проводить достаточно полный анализ САУ с высокой достоверностью.
Применение указанных методов для анализа САУ по полным ММ только на ЦВМ становится практически эффективным при использовании системных методов численного интегрирования (5.52).
Частотный анализ можно строить на основе решения задачи Коши. Рассмотрим методы построения ЧХ путем непосредственного вычисления вынужденной составляющей уравнений (3.15) при подаче на выход сигнала xr=sin ωt.( xr принадлежит x). С точки зрения реализации на ЭВМ такие методы представляются достаточно экономичными и удобными, поскольку исключается необходимость вычислений функций комплексной переменной, перехода от исходной ММ, записанной, например, в форме (3.15), к передаточным матрицам (6.7) — (6.10), и дополнительных операций из-за учета резонансных и неминимально-фазовых свойств реальных систем.
Применяя методы аналитических преобразований на ЦВМ (см. § 4.3) и системные методы численного интегрирования, можно упростить и ускорить получение ЧХ системы между любыми точками ее структуры как для замкнутых, так и для разомкнутых контуров, а также распространить построение ЧХ для приближенной оценки частотных свойств нелинейных систем. Поясним основную идею такого построения ЧХ на системе с одной степенью свободы. Как известно, вынужденная составляющая решения уравнения такой системы
В общем случае системы с п степенями свободы исходные уравнения для построения ЧХ можно
представить в виде
ся в зависимости от целей дальнейшего использования ЧХ. Если это расчет регуляторов САУ, то интерес представляет ЧХ при фазовых сдвигах 90—270°; если это исследование динамики САУ вообще, то надо ориентироваться на диапазон частот, перекрывающих изменение фазы от 0 до 360°.
Распространение рассмотренного метода построений ЧХ на нелинейные системы основано на идее гармонической линеаризации нелинейности. В этом случае вместо (6.42) исходная нелинейная система задается в форме (3.10). Строится ЧХ по первой гармонике соответствующих составляющих вектора Y. Однако в этом случае уравнения (3.10) следует дополнить двумя скалярными уравнениями фильтров первой гармоники на частоте ω как для входа [yr(kh)]так и для выхода [ys(kh)] рассматриваемого участка структуры исследуемой САУ: