Главная » Просмотр файлов » Control System Toolbox

Control System Toolbox (1086791), страница 3

Файл №1086791 Control System Toolbox (Лабораторная работа по ТАУ) 3 страницаControl System Toolbox (1086791) страница 32018-01-12СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

а грамиан наблюдаемости — интегралом

Для дискретных моделей аналогами грамианов управляемости и наблюдаемости служат выражения

, .

Грамиан управляемости положительно определен тогда и только тогда, когда пара матриц {А,В} является управляемой. Аналогично грамиан наблюдаемости положительно определен тогда и только тогда, когда пара матриц {А,С} является наблюдаемой.

Функция Gc = gram(sys, 'с ' ) вычисляет грамиан управляемости для непрерывной или дискретной ss-модели.

Функция Go = gram (sys, 'о' ) вычисляет грамиан наблюдаемости для непрерывной или дискретной ss-модели.

Функция obsv формирует матрицу наблюдаемости для модели в пространстве состояний:

Ob = obsv (А, С) Ob = obsv (sys)

Система является наблюдаемой, если матрица наблюдаемости имеет полный ранг. Возвращаемая величина Ob — матрица наблюдаемости, имеющая р строк (р — количество выходов) и п столбцов и описываемая соотношением

.

Пример применения функции obsv:

>> А =[[1 1]; [4 -2]]; С = [[1 0]; [0 1]];

>> Ob = obsv(А,С); unob = length(A)-rank(Ob)

unob =0

Функция obsvf формирует так называемую каноническую форму наблюдаемости:

[Abar,Bbar,Cbar,T,k] = obsvf(А,В,С)

[Abar,Bbar,Cbar,T,k] = obsvf (А, В, С, tol)

Если матрица наблюдаемости для пары {А, С} имеет ранг r < п, где п порядок матрицы А, то существует преобразование подобия вида

, , ,

где Т — унитарная матрица, при которой преобразованная система имеет блочно-треугольную форму с ненаблюдаемыми модами, расположенными в верхнем левом углу:

, , .

Такая форма называется канонической формой наблюдаемости.

Пара матриц {Аo, Вo } является наблюдаемой, так что справедливо соотношение

СoI -Ao)-1Bo=C(pI-A)-1B,

то есть передаточная функция всей системы совпадает с передаточной, функцией ее наблюдаемой части, а все моды, соответствующие собственным значениям матрицы Аnо, являются ненаблюдаемыми.

Функция [Abar,Bbar,Cbar,T,k] = obsvf(А,В,С) преобразует ss-модель, описываемую тройкой матриц [А, В, С], в каноническую форму наблюдаемости [Abar, Bbar, Cbar]. Матрица Т описывает преобразование подобия, а элементы вектора k указывают количество наблюдаемых мод, выделенных на каждом шаге расчета матрицы преобразования. Число ненулевых элементов вектора k показывает, сколько итераций потребовалось для расчета матрицы Т, а величина sum(k) указывает число канонических переменных состояния, соответствующих наблюдаемой части матрицы Abar.

Пример применения функции obsvf:

>> А = [[1 1]; [4 -2]]; В = [ [1 -1]; [1 -1]]; С = [[1 0]; [0 1]];

>> [Abar,Bbar,Cbar,T,k] = obsvf(А,В,С)

Abar =

1 1

  1. -2

Bbar =

  1. -1

1 -1

Cbar =

  1. 0

0 1

T =

  1. 0

  1. 1

k =

  1. 0

Функция ssbal выполняет масштабирование ss-моделей:

[sysb,T] = ssbal(sys) [sysb,T] = ssbal(sys,condT)

Рассматриваемая функция выполняет масштабирование матриц ss-модели, используя преобразование подобия с диагональной матрицей Т и скаляром  а такими, что матрица

имеет малые числа обусловленности по отношению к задаче на собственные значения.

Функция [sysb, Т] = ssbal(sys) возвращает масштабированную модель sysb, описываемую четверкой {ТАТ"1, ТВ/а, аСТ"1, D}, и матрицу преобразования Т, такую что = Тх, где — новый вектор состояния модели.

Функция [sysb, Т] = ssbal (sys, condT) задает верхнюю границу числа обусловленности condT для матрицы Т. Поскольку масштабирование при плохо обусловленной матрице Т может приводить к росту ошибок округления, задание величины condT дает возможность контроля данных ошибок.

Функция ss2ss осуществляет преобразование ss-модели при переходе к новому базису:

sysT = ss2ss(sys,T).

Для заданной ss-модели sys рассматриваемая функция выполняет преобразование вектора состояния = Тх и создает эквивалентную модель sysT, описываемую системой уравнений:

Функция sysT = ss2ss(sys,T) возвращает преобразованную модель sysT, используя исходную модель sys и матрицу преобразования Т (данная матрица должна быть невырожденной). Функция применима как к непрерывным, так и к дискретным моделям.

7.3.6. Модели динамики

Модели динамики одни из наиболее применяемых. В группу функций для
работы с такими моделями входит 14 функций. Рассмотрим основные из них:

Функция bandwidth вычисляет ширину полосы SISO модели sys:

fb = bandwidth(sys) fb = bandwidth(sys,dbdrop)

Измерения выполняются на уровне -3 дБ в первом случае и dbdrop во втором.

Функция сovaг возвращает матрицу ковариаций сигнала на выходе
устойчивой линейной модели с постоянными параметрами при действии на входах возмущений типа белого шума:

Р = covar(sys,W)

[P,Q] = covar(sys,W)

Здесь sys — имя модели и W — матрица интенсивностей входного сигнала. Возвращаемые величины: Р — матрица ковариаций выходов и Q — матрица ковариаций переменных состояния.

Функция damp возвращает собственные частоты и коэффициенты демпфирования LTI-модели:

[Wn,Z] = damp (sys)

[Wn,Z,P] = damp(sys)

Функция damp предназначена для расчета собственных чисел и коэффициентов демпфирования, соответствующих полюсам LTI-модели sys. Если функция вызывается без выходных аргументов, тб на дисплей выводится таблица собственных значений Р, соответствующих им собственных частот Wn и коэффициентов демпфирования Z.

Функция dcgain возвращает статический коэффициент передачи (матрицу таких коэффициентов в многомерном случае) LTI-модели:

k = dcgain(sys)

Рассмотрим пример. Пусть дискретная передаточная функция имеет вид

Создадим ее tf-модель, а затем найдем матрицу статических коэффициен-
тов усиления:

>> W=tf(l [1 -1], [1 1 3]); tf (1, [1 I]) tf ([1 2], [1 -3])]

Transfer function from input 1 to output...

#1: 1

1

#2: -------
s + 1

Transfer function from input 2 to output...

s - 1

#1: ------------------

s^2 + s + 3

s + 2

#2: -----------

s - 3

>> cdcgain(W)

ans =

1.0000 -0.333.3

1.0000 -0.6667

Используя свойства преобразования Лапласа, нетрудно убедиться в правильности ответа.

Функция dsort сортирует полюсы дискретной LTI-модели в порядке убывания их модулей. Неустойчивые полюсы располагаются в начале списка:

s = dsort(p)

[s,ndx] = dsort(p)

Функция eig вычисляет полюсы LTI модели:

d = eig(A) d = eig(A,B) [V,D] = eig(A)

[V,D] = eig(A,B) [V, D] = eig (A, B,.flag)

[V,D] = eig(A,'nobalance')

Пример применения этой функции для сортировки матрицы В:

>> В = [ 3 -2 -.9 2*eps

-2 4 1 -eps

-eps/4 eps/2 -1 0

-.5 -.5 .1 1 ];

>> [VB,DB] = eig(В)

>> B*VB - VB*DB

>> [VN,DN] = eig(B,'nobalance')

>> B*VN - VN*DN

VB = …

DB= …

ans = …

VN = …

DN = ….

ans = …

Функция esort сортирует полюсы непрерывной LTI-модели в порядке убывания значений их действительной части:

s = esort(p) [s,ndx] = esort(p)

Неустойчивые полюсы располагаются в начале списка. В этой функции р — вектор-строка полюсов модели; s — вектор, содержащий отсортированные полюсы; ndx — вектор, содержащий индексы, использованные при сортировке.

>>p = [

-0.2410+ 0.55731

-0.2410- 0.55731

0.1503

-0.0972

-0.2590]

>>esort(p)

ans =

0.1503

-0.0972

-0.2410 + 0.5573i

-0.2410 - 0.5573i

-0.2590

Функция norm предназначена для вычисления норм типа || ||2 или || ||, для
непрерывной или дискретной LTI-модели (норма равна бесконечности для неустойчивых систем):

norm(sys) norm(sys,2) norm (sys, inf)

norm(sys,inf,tol) [ninf,fpeak] = norm(sys)

Отметим, что норма ||W(p)||2 устойчивой непрерывной системы с передаточной матрицей W(p)это квадратный корень из среднего значения квадрата импульсной характеристики системы, а при переходе к преобразованию Лапласа данная норма, в соответствии с теоремой Парсеваля, определяется соотношением

,

где tr{} — обозначение следа матрицы, W*(j) — матрица, сопряженная по отношению к W(j).

Норма || ||, равна максимальному значению модуля частотной характеристики:

  • для одномерных моделей

;

  • для многомерных моделей

,

где max – максимальное сингулярное число матрицы W(j), то есть неотрицательный корень квадратный из максимального собственного числа матрицы W*(j) W(j);

  • для дискретной модели

Аргументы функции norm следующие:

  • sys – имя модели;

  • 2 – задание нормы || ||2 ;

  • inf - задание нормы || ||

  • tol – точность при расчете нормы, по умолчанию tol= 1е-2.

Возвращаемые величины:

  • ninf – норма модели ( по умолчанию - || ||2 );

  • speak – частота, на которой нора достигает максимального значения.

Пример применения функции norm:

>> H = tf([1 -2.841 2.875 -1.004], [1 -2.417 2.003 -0.5488], 0.1)

Transfer function:

z^3 – 2.841 z^2 +2.875 z –1.004

---------------------------------------

z^3 - 2.417 z^2 + 2.003 z - 0.5488

Sampling time: 0.1

>> norm(H)

ans =

1.2438

Функция pole возвращает вектор, элементами которого являются полюсs LTI-модели:

p = pole(sys)

Пример:

Характеристики

Тип файла
Документ
Размер
356 Kb
Тип материала
Высшее учебное заведение

Список файлов лабораторной работы

Свежие статьи
Популярно сейчас
Как Вы думаете, сколько людей до Вас делали точно такое же задание? 99% студентов выполняют точно такие же задания, как и их предшественники год назад. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6390
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее