- •12. Дискретные системы.
- •13. Импульсный элемент.
- •Теоремы z-преобразований.
- •Особенности дискретного преобразования Лапласа.
- •18. Устойчивость импульсных систем
- •Если хотя бы один корень zk располагается на окружности единичного радиуса, то система находится на границе устойчивости. При система неустойчива.
- •Критерий Гурвица.
- •Критерий Михайлова.
- •Критерий Найквиста.
- •20. Оценка качества импульсных систем
- •Параллельное программирование.
- •Метод последовательного программирования.
- •22.Уравнение переходных состояний для дискретно-непрерывных систем.
- •24. Цифровой регулятор, оптимальный по быстродействию
- •25. Метод переменного коэффициента усиления. Переменная е
- •26. Метод переменного коэффициента усиления. Переменная м
- •28. Нелинейные системы.
- •Типовые нелинейности
- •29. Типовая структурная схема нелинейных систем.
- •30. 31. Метод фазовых траекторий.
- •30. Метод фазовых траекторий для линейных систем.
- •33. Применение метода гармонической линеаризации для определения режима автоколебаний.
- •Критерий Гурвица для определения режима автоколебания.
- •Критерий Михайлова для определения режима автоколебания.
- •Критерий Найквиста.
- •35. Оценка абсолютной устойчивости нелинейных систем по Попову.
- •36. Понятие случайного процесса. Среднее значение сигнала, дисперсия .
- •37. Понятие случайного процесса.Корреляционная функция, спек тральная плотность.
- •Корреляционная функция
- •Спектральная плотность
- •38. Понятие случайного процесса. Взаимная корреляционная функция, спектральная плотность .
- •39. Типовые случайные воздействия
- •Случайное воздействия типа «белый шум»
- •Случайный ступенчатый сигнал
- •Случайный сигнал, имеющий скрытую периодическую составляющую
- •40. Преобразование случайного сигнала линейным звеном. Во временной области.
- •Преобразование сигнала во временной области
- •41. Преобразование случайного сигнала линейным звеном. В частотной области.
- •Преобразование случайного сигнала линейным звеном.
- •Преобразование сигнала во временной области
- •42. Преобразование сигнала в частотной области
- •42. Вычисление и минимизация дисперсии сигнала ошибки замкнутой системы
- •Методы идентификации систем автоматического управления Назначение и определение идентификации объектов
- •48. Адаптивные системы
- •Обобщенная схема адаптивной сау
- •Классификация адаптивных систем
- •49.Поисковые адаптивные сау
- •Метод Гаусса – Зейделя
- •Градиентный метод
- •Метод наискорейшего спуска
- •50. Беспоисковые адаптивные сау
42. Вычисление и минимизация дисперсии сигнала ошибки замкнутой системы
Рассмотрим линейную систему следующего вида:
Рис. 5.22
На систему действуют случайные возмущения и с известными спектральными плотностями и . Задающее воздействие также является случайным сигналом со спектральной плотностью . Пусть все три воздействия – центрированные сигналы. Тогда и сигнал ошибки тоже будет центрированным.
Если внешние воздействия не коррелированны между собой, то сигнал ошибки , возникающий в системе, может рассматриваться как сумма трех независимых составляющих:
(5.58)
Рис. 5.23
Составляющая обусловлена неточным воспроизведением задающего воздействия, а составляющие и - неполным подавлением возмущений и . Соответственно дисперсия сигнала ошибки будет определяться как:
(5.59)
Дисперсия случайного сигнала согласно (5.57) зависит от амплитудной частотной характеристики , которая определяется на основе передаточной функции
Передаточные функции , и могут быть вычислены по схемам:
Рис. 5.24
Рис. 5.25
Рис. 5.26
(5.60)
(5.61)
(5.62)
Каждая из дисперсий определяется по формулам:
(5.63)
(5.64)
(5.65)
При подстановке в формулы (5.63)-(5.65) конкретных значений и получаются довольно сложные выражения, интегрирование которых обычными методами затруднительно. Поэтому используют следующий прием. Подынтегральное выражение представляют в типовой форме – в виде отношения двух полиномов от переменной :
, (5.66)
где
(5.67)
Полином всегда имеет степень ниже и содержит только четные степени . Если в числителе окажутся нечетные степени, их можно отбросить.
В полиноме в виде сомножителя входит характеристическое уравнение замкнутой системы. Поэтому при приближении системы к границе устойчивости интеграл (5.66) резко возрастает.
Интегралы вида (5.66) для различных степеней вычислены заранее и приведены в справочниках по теории управления. Для степеней интегралы равны:
(5.68)
Представление интегралов (5.63)- (5.65) в форме (5.66) возможны практически для любой реальной системы, не содержащей запаздывание. Получив таким образом аналитическое значение дисперсии ошибки, получаем функцию от параметров системы:
, (5.69)
где - параметры системы. Минимизируя выражение (5.69) по параметрам и , можно определить их оптимальные значения.
Методы идентификации систем автоматического управления Назначение и определение идентификации объектов
Методы идентификации универсальны: возможно математическое описание самых различных по своей природе объектов в технике, медицине, биологии, геологии, экономике, социологии и т.п.
Анализ и синтез САУ проводят по математическим моделям объектов, которые обычно известны лишь частично. Поэтому приходится прибегать к экспериментальным исследованиям для определения динамики и статики объектов.
Идентификация объектов управления - процедура построения оптимальной в определенном смысле математической модели объекта управления по реализациям его входных и выходных сигналов.
Назначение идентификации- определение оптимальной оценки А* истинного оператора реального объекта А из заданного класса операторов по входным и выходным переменным этого объекта.
Методика идентификации объектов САУ
Идентификация объектов управления предусматривает решение следующих основных задач:
1.Выбор класса математической модели;
2.Выбор языка ее описания;
3.Выбор класса и типа входных сигналов;
4.Выбор критериев соответствия (близости) модели и объекта;
5.Выбор метода идентификации;
6.Разработка (или выбор) соответствующих алгоритмов.
Выбор класса моделей производится на основе теоретического анализа объекта управления с использованием общих закономерностей процессов (физических, химических и т. д.), протекающих в ОУ, и (или) на основе априорной информации о подобных объектах.
В качестве математических моделей ОУ используют следующие основные характеристики:
1.Статическая характеристика ОУ;
2.Импульсная переходная функция;
3.Переходная функция;
4.Частотные характеристики;
5.Описывающие функции;
6.Дифференциальные уравнения;
7.Разностные уравнения;
8.Интегральные уравнения;
9.Передаточная функция;
10.Интегро-дифференциальные уравнения;
11.Представление характеристик ОУ в виде различных интерполяционных рядов: Тейлора, Лягерра, Эрмита, Чебышева, Фурье, Вольтерры и др.
По способу получения экспериментальных данных об ОУ различают методы активного и пассивного эксперимента. При активном эксперименте на вход ОУ подается заранее выбранное воздействие (импульсное, ступенчатое, гармоническое, псевдослучайное и т.д.), в то время как при пассивном эксперименте используются данные, полученные в процессе нормального функционирования ОУ.
В качестве критериев близости ОУ и его математической модели используют:
1.Среднеквадратичную погрешность;
2.Абсолютную погрешность;
3.Максимум правдоподобия и др. оценки.
Методы идентификации ОУ делятся на два обширных класса:
1.Методы, использующие весьма общие гипотезы об ОУ (линейность, стационарность, детерминированность ОУ и др.)- методы непараметрической или функциональной идентификации;
2.Методы параметрической идентификации, когда математическая модель ОУ известна с точностью до параметров, а задачей идентификации является их количественная оценка.