Проектирование системы автоматического управления
Содержание.
1.Анализ системы.................................................................................................4
1.1 Исследование устойчивости...................................................................4
1.2 Построение АЧХ, ФЧХ, АФЧХ..............................................................7
1.3 Численные методы интегрирования........................................................9
1.4 Анализ системы с использованием спектрального метода (базис Лягерра)................................................................................................................13
2. Синтез регулятора...........................................................................................17
3. Синтез робастного регулятора матричным методом...................................19
Приложение..........................................................................................................22
Литература............................................................................................................33
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
у(t)
x(t)
![]()
- -
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
Рис. 1. Структурная схема заданной САУ
Данные:
![]()

![]()


1. Анализ системы.
1.1 Исследование устойчивости.


- передаточная
функция
- характеристический
полином

Рис. 2. Характеристический полином.
имеет 1 действительный
корень и 2 комплексных.
![]()
Уравнение решается методом Стеффенсена.
Метод Стеффенсена.

Начальное
приближение
для нахождения
действительного
корня.
![]()
На рис.3. изображено значение корня от итерации.

Рис.3. Динамика изменения корня в зависимости от итерации.


Подставим
в (*).

Корни характеристического уравнения

Полюса передаточной
функции находятся
в левой полуплоскости.
Система устойчива.
Система будет
колебательной
т.к. корни имеют
мнимую часть
![]()
Построение АЧХ, ФЧХ, АФЧХ.
Годограф АФЧХ.

Рис.4. АФЧХ
График АЧХ


Рис.5. АЧХ
![]()
![]()

График ФЧХ

Рис.6. ФЧХ

1.2 Построение переходного процесса численным методом.
Для решения дифференциального уравнения используется многошаговый, неявный метод второго порядка, интерполяционная схема Адамса.
В неявных методах используется информация о возможном будущем значении решения в точке п+1. Это несколько повышает точность получаемых результатов по сравнению с явными методами.
![]()
Погрешность
![]()

При решении уравнения высокого порядка необходимо перейти к нормальной форме Коши.
![]()
нормальная форма Коши имеет вид
![]()


Разгонный метод Рунге – Кутта 5.

Дифференциальное уравнение системы.

![]()


Рис.7. Переходная
функция найденная
численным
методом и точная
![]()

Рис.8. Переходная
функция найденная
численным
методом и точная
при
![]()

Рис.9. Переходная
функция найденная
численным
методом и точная
![]()
Заключение: из графиков видно, что наибольшая погрешность возникает в самом начале процесса интегрирования.
При
погрешность
значительно
вырастает.
1.3 Анализ спектральным методом системы по базису функций Лягерра.

Разложим
ядра
интегрального
уравнения в
ряды Фурье по
базису функций
Лягерра.


функции
Лягерра.
Выбираем

Дифференциальное уравнение системы.

Спектральная характеристика системы определяется по формуле
![]()
![]()

Спектр выходного сигнала системы:
Спектральная
характеристика
системы:


Рис.10. Переходная функция, построенная спектральным методом

Рис.11. Реакция
на

Фазовый сдвиг
![]()
2. Синтез регулятора
Так реальная
переходная
характеристика
системы не
удовлетворяет
поставленным
требованиям
,
необходимо
произвести
коррекцию
системы. В качестве
корректирующего
устройства
ПИД –регулятор
.
Эталонная
переходная
характеристика
![]()
Необходимо минимизировать следующую целевую функцию.

Метод оптимизации Дэвидона, Флетчера, Пауэла.
Согласно
данному методу
минимум ищется
в направлении

- ищется на
каждом шаге
мини минимизацией
![]()
- некоторая
симметричная
положительно
определённая
матрица, которая
при
переходит в
матрицу Гессе.
Обычно при
![]()

достоинства
этого метода
высокая скорость
сходимости,
простота вычисления
![]()
- будем искать
методом золотого
сечения.
Параметры регулятора:


Рис.12. Графики переходных характеристик системы
3. Синтез робастного регулятора матричным методом.
Одним из возможных и перспективных способов решения задачи синтеза регуляторов является использования метода матричных операторов. Достоинством данного метода является возможность его применения для различных классов систем, в том числе нелинейных и нестационарных.
Рассмотрим линейную систему без неопределенности, описываемую в форме матричных операторов:
Очевидно,
что для линейной
системы без
неопределенности
справедливы
следующие
зависимости:
;
;
.
Получаем
следующую
формулу расчета
спектральной
характеристики
выходного
сигнала:
Спектральная характеристика невязки между эталонной и реальной переходными характеристиками имеет вид:
,
где
– варьируемые
параметры
корректирующих
устройств,
подлежащие
определению.
В приведенной
формуле используется
зависимость
,
усложняющая
вычислительный
процесс. Можно
воспользоваться
другим, более
простым подходом.
Определим
спектральную
характеристику
невязки следующим
образом:
.
Перейдем к системе с неопределенностью:
,
где
– матричный
оператор объекта,
элементы которого
зависят от
.
Необходимо
минимизировать
целевую функцию
вида:
,
где
–
число элементов
выборки.
Полученный функционал содержит полную информацию о параметрической неопределенности.
В качестве корректирующего устройства выберем ПИД-регулятор:
.
Пусть выборка
составляет
1000 элементов.
В качестве
эталонного
сигнала выберем
.
В качестве
ортонормированного
базиса выберем
систему функций
Уолша (128 функций).
Интервал исследования
–
.
имеют
интервальную
неопределённость
20%
Приведем
здесь клетку
матричного
оператора
интегрирования:

Получены следующие значения коэффициентов регулятора:

Несколько
примеров для
произвольно
взятых
,
на которых
представлены
переходные
характеристики
эталонной
системы и 4-х
из семейства
систем представлены
на рис. 13.
![]()
![]()

Рис. 13. Графики
эталонной и
реальной переходных
характеристик
для разных
значений параметра
:
,
,
,
,
![]()
Приложение.
Программа 1.
Решения уравнения методом Стеффенсена.
function Stefens
clc
e=10.^-5;
x=-20;
x1=0;
i=0;
As=0.0125*(x.^3)+0.3*(x.^2)+4.886*x+61.72;
x=x-(As.^2)./((0.0125*((x+As).^3)+0.3*((x+As).^2)+4.886*(x+As)+61.72)+As);
As=0.0125*(x.^3)+0.3*(x.^2)+4.886*x+61.72;
A(1)=x;
i=i+1;
while abs(x-x1)>e
x1=x;
x=x-(As.^2)./((0.0125*((x+As).^3)+0.3*((x+As).^2)+4.886*(x+As)+61.72)+As);
As=0.0125*(x.^3)+0.3*(x.^2)+4.886*x+61.72;
A(i+1)=x;
i=i+1;
end
plot(1,A(1));
hold on
for n=1:i
plot(n,A(n),'b-o')
end
grid on
xlabel('iteraciya')
ylabel('roots')
disp('ответ');
disp(x);
disp('число итераций');
disp(i);
Программа 2.
Решение дифференциального уравнения численным способом.
clc
a2=24;
a1=390.88;
a0=4937.6;
b2=0;
b3=0;
b1=230.88;
b0=4617.6;
f1=b2;
f2=b1-a1*f1;
f3=b0-a1*f1-a2*f2;
B=[f1;f2;f3]
A=[0 1 0; 0 0 1;-a0 -a1 -a2]
h=0.02;
Xt=[0;0;0];
X(1,1)=Xt(1);
X(1,2)=Xt(2);
X(1,3)=Xt(3);
F=A*Xt+B;
% Разгонный метод
K1=h*F;t(1)=0;
K2=h*(F+K1/3);
K3=h*(F+K2/6+K1/6);
K4=h*(F+K1/8+3/8*K2);
K5=h*(F+K1/2-3/2*K3+2*K4);
Xt=Xt+(1./6)*(K1+4*K4+K5);
X(2,1)=Xt(1);
X(2,2)=Xt(2);
X(2,3)=Xt(3);
t(2)=t(1)+h;
F=A*Xt+B;
i=2;
%Неявный метод второго порядка
while t(i)<1.6
X1(1)=X(i-1,1);
X1(2)=X(i-1,2);
X1(3)=X(i-1,3);
Xt=Xt+(h./12)*(5*B+8*(A*Xt+B)-(A*X1'+B));
Xt=((eye(3)-(5./12)*h*A)^-1)*Xt;
X(i+1,1)=Xt(1);
X(i+1,2)=Xt(2);
X(i+1,3)=Xt(3);
t(i+1)=t(i)+h;
i=i+1;
end
h=0.9352-0.0629*exp(-17.6849*(t))-(0.8723*cos(16.4082*(t))-0.2357*sin(16.4082*(t))).*exp(-3.1576*(t));
for j=1:i
V(j)=X(j,1);
end
E=h-V;
plot(t,V,t,h,t,E); grid on
Программа 3.
Анализа заданной системы с использованием спектрального метода.
syms t T;
Kx=(4937.6./2)*(t-T).^2-390.88*(1./2)*(-2*(t-T))+24;
Ky=(4617.6./2)*(t-T).^2-230.88*(1./2)*(-2*(t-T));
for i=0:9
F6=0;
for j=0:i
m=i;
K=(sqrt(1.1552)*exp(-(1.1552*t)./2));
F=(factorial(m))./(factorial(m-j));
F1=((-1.1552*t).^j);
F2=(factorial(j)).^2;
F3=K.*F;
F4=F1./F2;
F5=F3.*F4;
F6=F6+F5;
L(i+1)=F6;
end
end
for i=0:9
F6=0;
for j=0:i
m=i;
K=(sqrt(1.1552)*exp(-(1.1552*T)./2));
F=(factorial(m))./(factorial(m-j));
F1=((-1.1552*T).^j);
F2=(factorial(j)).^2;
F3=K.*F;
F4=F1./F2;
F5=F3.*F4;
F6=F6+F5;
L1(i+1)=F6;
end
end
G=L'*L1;
In=Kx*G;
r=int(In,T,0,t);
Cx=int(r,t,0,1.5);
In=Ky.*G;
r=int(In,T,0,t);
Cy=int(r,t,0,1.5);
A=((Cx+eye(10))^-1)*Cy;
Cy=int(L,t,0,1.5);
Cx=A*Су'
function H=fun(t)
Cx=[-0.1275; 0.5090; 0.2483; 0.0697; -0.0459; -0.1140; -0.1472; -0.1555; -0.1468; -0.1275];
for i=0:9
F6=0;
for j=0:i
m=i;
K=(sqrt(1.1552)*exp(-(1.1552*t)./2));
F=(factorial(m))./(factorial(m-j));
F1=((-1.1552*t).^j);
F2=(factorial(j)).^2;
F3=K.*F;
F4=F1./F2;
F5=F3.*F4;
F6=F6+F5;
L(i+1)=F6;
end
end
H=(Cx'*L');
Программа 3.
Минимизация функционала.
function K=minF(X)
% Kn=X(1);
% Ku=X(2);
% Kd=X(3);
X=[0.7;
0.7;
0.7];
Kn=X(1);
Ku=X(2);
Kd=X(3);
clc
%--ПЕРЕМЕННЫЕ--%
e=0.0001;
l=1;
t=0;
h=0.001;
J1=1;
J=0;
J2=-1;
I=11;
I1=32;
alph=-10;
Xe=1-exp(alph*t);
H=eye(3);
H1=H;
Kn1=Kn+10^-3;
Kd1=Kd+10^-3;
Ku1=Ku+10^-3;
X1=[Kn1;Ku1;Kd1];
while (abs(J1-I)>e)
%--ГРАДИЕНТ--%
X3=[Kn;Ku;Kd];
U=Dif2([X3]);
J1=0;
i=1;
t=0;
while (t<2)
J1=J1+(1-exp(alph*t)-U(i))^2;
t=t+h;
i=i+1;
end
X3=[Kn+10^-3;Ku;Kd];
U=Dif2([X3]);
J=0;
i=1;
t=0;
while (t<2)
J=J+(1-exp(alph*t)-U(i))^2;
t=t+h;
i=i+1;
end
g1=(J-J1)/10^-3;
X3=[Kn;Ku+10^-3;Kd];
U=Dif2([X3]);
J=0;
t=0;
i=1;
while (t<2)
J=J+(1-exp(alph*t)-U(i))^2;
t=t+h;
i=i+1;
end
g2=(J-J1)/10^-3;
X3=[Kn;Ku;Kd+10^-3];
U=Dif2([X3]);
J=0;
t=0;
i=1;
while (t<2)
J=J+(1-exp(alph*t)-U(i))^2;
t=t+h;
i=i+1;
end
g3=(J-J1)/10^-3;
I1=J;
GradJ=[g1;g2;g3];
%--НОВОЕ ЗНАЧЕНИЕ Х--%
X1=X1-l*H*GradJ;
X=X1;
Kn1=X(1);
Ku1=X(2);
Kd1=X(3);
Kn=Kn1;
Ku=Ku1;
Kd=Kd1;
X3=[Kn;Ku;Kd];
U=Dif2([X3]);
J1=0;
i=1;
t=0;
while (t<2)
J1=J1+(1-exp(alph*t)-U(i))^2;
t=t+h;
i=i+1;
end
X3=X1+[10^-3;0;0];
U=Dif2([X3]);
J=0;
t=0;
i=1;
while (t<2)
J=J+(1-exp(alph*t)-U(i))^2;
t=t+h;
i=i+1;
end
g11=(J-J1)/10^-3;
X3=X1+[0;10^-3;0];
U=Dif2([X3]);
J=0;
t=0;
i=1;
while (t<2)
J=J+(1-exp(alph*t)-U(i))^2;
t=t+h;
i=i+1;
end
g21=(J-J1)/10^-3;
X3=X1+[0;0;10^-3];
U=Dif2([X3]);
J=0;
t=0;
i=1;
while (t<2)
J=J+(1-exp(alph*t)-U(i))^2;
t=t+h;
i=i+1;
end
I=J;
g31=(J-J1)/10^-3;
GradJ1=[g11;g21;g31];
U1=GradJ1-GradJ;
V=l*H*GradJ;
A=(V*V')/(V'*U1);
B=-(H*U1*U1')/(U1'*H*U1);
H1=H+A+B;
if J1>I
l=min_lz(X,l,H,GradJ);
X1=X;
end
X=X1;
Kn1=X(1);
Ku1=X(2);
Kd1=X(3);
Kn=Kn1;
Ku=Ku1;
Kd=Kd1;
end
Kn
Ku
Kd
function la=min_l(X,l,H,GradJ)
b=1;
a=0;
e=0.05;
x4=10;
x2=a+(-1+sqrt(1+4*(b-a)))/(2);
while (abs(x2-x4)>e)
x4=a+b-x2;
F2=X-x2*H*GradJ;
F4=X-x2*H*GradJ;
if norm(F2)<norm(F4)
b=x4;
else
x2=x4;
a=x2;
end
end
X=[0.43101603658062
0.78399472393963
0.05296602599762];
Kn=X(1);
Ku=X(2);
Kd=X(3);
a4=693/693;
a3=(160000*Kd+16632)/693;
a2=(110880+160000*Kn+3200000*Kd)/693;
a1=(160000*Ku+221760+3200000*Kn)/693;
a0=3200000*Ku/693;
b4=0;
b3=160000*Kd/693;
b2=(3200000*Kd+160000*Kn)/693;
b1=(3200000*Kn+160000*Ku)/693;
b0=3200000*Ku/693;
H=tf([b4 b3 b2 b1 b0],[a4 a3 a2 a1 a0]);
h=tf([10],[1 10]);
ltiview(H,h);
function Xre=Dif2(X)
Kn=X(1);
Ku=X(2);
Kd=X(3);
a4=693/693;
a3=(160000*Kd+16632)/693;
a2=(110880+160000*Kn+3200000*Kd)/693;
a1=(160000*Ku+221760+3200000*Kn)/693;
a0=3200000*Ku/693;
b4=0;
b3=160000*Kd/693;
b2=(3200000*Kd+160000*Kn)/693;
b1=(3200000*Kn+160000*Ku)/693;
b0=3200000*Ku/693;
f0=b4;
f1=b3-a3*f0;
f2=b2-a2*f0-a3*f1;
f3=b1-a1*f0-a2*f1-a3*f2;
f4=b0-a0*f0-a1*f1-a2*f2-a3*f3;
B=[f1;f2;f3;f4];
A=[0 1 0 0;
0 0 1 0;
0 0 0 1;
-a0 -a1 -a2 -a3];
h=0.001;
Xt=[0;0;0;0];
X(1,1)=Xt(1);
X(1,2)=Xt(2);
X(1,3)=Xt(3);
X(1,4)=Xt(4);
F=A*Xt+B;
% Разгонный метод
K1=h*F;t(1)=0;
K2=h*(F+K1/3);
K3=h*(F+K2/6+K1/6);
K4=h*(F+K1/8+3/8*K2);
K5=h*(F+K1/2-3/2*K3+2*K4);
Xt=Xt+(1./6)*(K1+4*K4+K5);
X(2,1)=Xt(1);
X(2,2)=Xt(2);
X(2,3)=Xt(3);
X(2,4)=Xt(4);
t(2)=t(1)+h;
F=A*Xt+B;
i=2;
%Неявный метод второго порядка
while t(i)<5
X1(1)=X(i-1,1);
X1(2)=X(i-1,2);
X1(3)=X(i-1,3);
X1(4)=X(i-1,4);
Xt=Xt+(h./12)*(5*B+8*(A*Xt+B)-(A*X1'+B));
Xt=((eye(4)-(5./12)*h*A)^-1)*Xt;
X(i+1,1)=Xt(1);
X(i+1,2)=Xt(2);
X(i+1,3)=Xt(3);
X(i+1,4)=Xt(4);