Тема математические модели дискретных систем управления мы редко

ОСНОВЫ ТЕОРИИ УПРАВЛЕНИЯ

Тема 6. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ДИСКРЕТНЫХ СИСТЕМ УПРАВЛЕНИЯ

Мы редко до конца понимаем, чего действительно хотим.

Франсуа де Ларошфуко. Французский писатель моралист. 1613-80 г.

Потому и пытаемся научить компьютеры понимать нас по весьма туманным и сумбурным намекам. Когда научим, останемся без работы. Только раскрыл рот, а компьютер уже выдает, что ты хотел сказать. Причем, логически стройно, синтаксически грамотно и без орфографических ошибок.

Валентин Ровинский. Украинский геофизик Уральской школы, ХХ в.

Содержание

Введение.

1. Основные понятия. Основные термины математического моделирования. Построение моделей. Виды моделей. Имитационные системы. Методология моделирования.

2. Математическое описание систем дискретного управления. Решетчатые функции. Теорема Котельникова-Шеннона. Разностные уравнения. Дискретизация автономных систем. Дискретное z-преобразование. Преобразование непрерывного сигнала в цифровой код. Цифровое вычислительное устройство. Передаточные функции ЦВУ. Частотные характеристики ЦВУ.

3. Модели состояния линейной дискретной системы. Математические модели дискретных систем. Построение дискретного представления непрерывной системы. Операторная форма модели. Решение разностных уравнений. Установившийся режим. Элементарные звенья дискретных систем. Элементарные звенья 1-го порядка. Элементарные звенья 2-го порядка. Устойчивость дискретных систем. Качество дискретных систем управления.

ВВЕДЕНИЕ

Системы, в структуре которых используются контроллеры, микропроцессоры, ЭВМ и прочие цифровые устройства, относятся к категории дискретных систем. Дискретные системы отличаются от непрерывных тем, что среди сигналов, действующих в системе, имеются сигналы, дискретные по своей физической природе или полученные из непрерывных квантованием по уровню, по времени, или одновременно по уровню и по времени. Сигналы, квантованные по уровню, имеют место в релейных системах, квантованные по времени — в импульсных системах. Цифровыми называют системы, в которых действуют сигналы, квантованные и по времени, и по уровню, т.е. в виде цифровых кодов.

Классическим примером дискретных автоматических систем являются системы, использующие в контуре управления цифровые регуляторы. Непрерывный сигнал рассогласования, поступающий на вход регулятора, преобразуется в последовательность импульсов цифрового кода сигнала ошибки. Эта последовательность преобразуется в соответствии с законом регулирования в другую последовательность импульсов, которые цифроаналоговым устройством преобразуются в выходной непрерывный сигнал регулятора.

6.1. ОСНОВНЫЕ ПОНЯТИЯ [4].

Основные термины математического моделирования. Уточним определения основных терминов математических моделей:

компоненты системы, которые могут быть вычленены из нее и рассмотрены отдельно;

независимые переменные, это внешние величины, которые могут изменяться и не зависят от процессов в системе;

зависимые переменные, значения этих переменных есть результат воздействия на систему независимых внешних переменных;

управляемые переменные, значения которых могут изменяться пользователем;

эндогенные переменные, их значения определяются в ходе деятельности внутренних компонент системы;

экзогенные переменные определяются пользователем и действуют на систему извне.

Построение моделей. При построении любой модели процесса управления желательно придерживаться следующего плана действий:

Сформулировать цели изучения системы.

Установить наиболее существенные для данной задачи факторы, компоненты и переменные.

Учесть тем или иным способом посторонние, не включенные в модель факторы.

Осуществить оценку результатов, проверку модели, оценку полноты модели.

Виды моделей. Модели можно делить на следующие виды:

1) Функциональные модели — выражают прямые зависимости между эндогенными и экзогенными переменными.

2) Модели, выраженные с помощью систем уравнений относительно эндогенных величин.

3) Модели оптимизационного типа. Основная часть модели — система уравнений относительно эндогенных переменных. Цель — найти оптимальное решение для некоторого показателя.

4) Имитационные модели — весьма точное отображение процесса или явления. Математические уравнения при этом могут содержать сложные, нелинейные, стохастические зависимости.

С другой стороны, модели можно делить на управляемые и прогнозные. Управляемые модели отвечают на вопрос: “Что будет, если …?”; “Как достичь желаемого?”, и содержат три группы переменных:

1) переменные, характеризующие текущее состояние объекта;

2) управляющие воздействия — переменные, влияющие на изменение этого состояния и поддающиеся целенаправленному выбору;

3) исходные данные и внешние воздействия, т.е. параметры, задаваемые извне, и начальные параметры.

В прогнозных моделях управление не выделено явно. Они отвечают на вопросы: “Что будет, если все останется по-старому?”

Модели можно делить по способу измерения времени на непрерывные и дискретные. В любом случае, если в модели присутствует время, то модель называется динамической. Чаще всего в моделях используется дискретное время, т.к. информация поступает дискретно. Но с формальной точки зрения непрерывная модель может оказаться более простой для изучения.

Имитационные системы занимают в моделировании особое место. В принципе, любая модель имитационная, ибо она имитирует реальность. Основа имитации — это математическая модель. Имитационная система — это совокупность моделей, имитирующих протекание изучаемого процесса, объединенная со специальной системой вспомогательных программ и информационной базой, позволяющих достаточно просто и оперативно реализовать вариантные расчеты. Таким образом, под имитацией понимается численный метод проведения машинных экспериментов с математическими моделями, описывающими поведение сложных систем в течение продолжительных периодов времени, при этом имитационный эксперимент состоит из следующих шести этапов:

формулировка задачи,

построение математической модели,

составление программы для ЭВМ,

оценка пригодности модели,

планирование эксперимента,

обработка результатов эксперимента.

Математические методы управления можно разделить на несколько групп:

— методы оптимизации;

— методы, учитывающие неопределенность, вероятностно-статистические методы;

— методы построения и анализа имитационных моделей;

— методы анализа конфликтных ситуаций.

Методология моделирования. Моделирование процессов управления предполагает последовательное осуществление трех этапов исследования. Первый — от исходной практической проблемы до теоретической математической задачи. Второй – математическое изучение и решение этой задачи. Третий – переход от математических выводов обратно к практической проблеме.

Задача исследований, как правило, порождена потребностями той или иной прикладной области, при этом выполняется какая-либо математическая формализация реальной ситуации.

Выделение перечня задач находится вне математики, он является сутью технического задания, которое специалисты различных областей деятельности дают специалистам по математическому моделированию.

Методологический анализ открывает этап моделирования процессов управления. Он определяет исходные постановки для теоретической проработки. Анализ динамики развития методов моделирования позволяет выделить наиболее перспективные методы.

Метод исследований, используемый в рамках определенной математической модели — это уже во многом дело математиков. В эконометрических моделях речь идет, например, о методе оценивания, о методе проверки гипотезы, о методе доказательства той или иной теоремы, и т.д. В первых двух случаях алгоритмы разрабатываются и исследуются математиками, но используются прикладниками, в то время как метод доказательства касается лишь самих математиков.

Для решения той или иной задачи в рамках принятой исследователем модели может быть предложено много методов. В настоящее время для решения практически важных задач могут быть использованы современные информационные технологии на основе метода статистических испытаний и соответствующих датчиков псевдослучайных чисел. Они уже заметно потеснили асимптотические методы математической статистики.

Условия применимости — последний элемент. Он полностью математический. С точки зрения математика замена условия кусочной дифференцируемости некоторой функции на условие ее непрерывности может представляться существенным научным достижением, в то время как прикладник оценить это достижение не сможет. Для него непрерывные функции мало отличаются от кусочно-дифференцируемых.

6.2. МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ СИСТЕМ ДИСКРЕТНОГО УПРАВЛЕНИЯ [1, 11, 12]

Дискретно представляемые сигналы описываются функциями дискретной переменной. Для описания дискретных систем используются решетчатые функции и разностные уравнения. Решетчатые функции являются аналогами непрерывных функций, описывающих непрерывные системы, а разностные уравнения являются аналогами дифференциальных уравнений.

Решетчатой функцией называется функция, получающаяся в результате замены непрерывной переменной на дискретную независимую переменную, определенную в дискретные моменты времени kТ, k = 0, 1, 2, … Непрерывной функции x(t) соответствует решетчатая функция х(kТ), где Т – период квантования, при этом непрерывная функция является огибающей решетчатой функции. При заданном значении периода квантования Т непрерывной функции x(t) соответствует однозначная решетчатая функция х(kТ). Однако обратного однозначного соответствия между решетчатой и непрерывной функцией не существует, так как через ординаты решетчатой функции можно провести множество огибающих.

Отсчеты по шкале времени удобно вести в целочисленных единицах периода квантования Т. С этой целью вместо переменной t непрерывной функции введем новую переменную τ=t/T, при этом непрерывной функции x(τ) будет соответствовать решетчатая функция х(k) ≡ xk.

Теорема Котельникова-Шеннона. Процедура преобразования сигнала непрерывного времени x(t) к дискретному виду, квантованному по времени, называется квантованием. Такая процедура отражает как реальные процессы, проходящие в цифровых системах управления, так и математические операции, использующиеся в различных сферах теории информации. В результате квантования получается импульсная последовательность x(kT) (решетчатая функция), которая при t = kT совпадает с исходным сигналом:

x(kT) = x(t)|t=kT,

и не определена между отсчетами k. Потери информации при квантовании зависят от величины интервала квантования Т (частоты квантования 2π/T).

Выбор интервала Т обычно осуществляется из соображений теоретической возможности точного восстановления исходного сигнала по данной дискретной выборке. Согласно теореме Котельникова-Шеннона, если спектр сигнала x(t) ограничен максимальной частотой ωmax, то точное восстановление функции x(t) теоретически возможно при условии, что на одном периоде максимальной частоты в сигнале имеется минимум два дискретных отсчета, т.е. частота квантования ω должна быть более чем в 2 раза больше наибольшей частоты ωmax в сигнале:

ω ≥ 2ωmax, T < π/ωmax.

Разностные уравнения. Связь между значениями решетчатой функции при разных значениях аргумента определяется с помощью конечных разностей, которые являются аналогами производных в дифференциальных уравнениях.

Разностью первого порядка (первой разностью) называется разность между последующим дискретным значением решетчатой функции и ее текущим значением:

Δx(k) = x(k+1) – x(k).

Разность первого порядка характеризует скорость изменения решетчатой функции и, следовательно, является аналогом первой производной непрерывной функции.

Разность второго порядка определяется как разность двух соседних разностей первого порядка:

Δ2x(k) = Δx(k+1) — Δx(k) = [x(k+2)-x(k+1)] – [x(k+1)-x(k)] = x(k+2) — 2x(k+1) + x(k).

Разности любого m-го порядка вычисляются аналогично:

Δmx(k) = Δm-1x(k+1) — Δm-1x(k).

Δmx(k) = EMBED Equation.3 (-1)n x(k+m-n) m!/[k!(m-n)!].

Дискретизация автономных систем. Под дискретизацией системы подразумевается преобразование непрерывной динамической модели к дискретной форме описания в разностных уравнениях. При этом предполагается, что в моменты t = kT импульсные сигналы x(kT) полученной дискретной модели с определенной степенью точности повторяют значения сигналов x(t) исходной непрерывной системы.

C использованием разностных уравнений математическое описание линейных импульсных систем приводится к виду:

amΔmx(k) + am-1Δm-1x(k) +…+ a0 x(k) = 0. (6.2.1)

где уравнение (6.2.1) является линейным разностным уравнением с постоянными коэффициентами аm (m=0, 1, 2,…), — аналог однородного линейного дифференциального уравнения при описании непрерывных динамических систем. Решение (6.2.1) дает значение дискретной переменной х(k) для каждого периода квантования.

Уравнение (6.2.1) можно записать в виде:

EMBED Equation.3 cn x(k+n) = 0. (6.2.2)

Таким образом, в дискретной системе (6.2.1) процессы в квантованные моменты времени t-kT точно совпадают с процессами в исходной непрерывной системе. Так как решения дискретной системы в промежуточные моменты времени не определены, то корректный переход к дискретной форме предусматривает выбор интервала квантования Т в соответствии с теоремой Котельникова-Шеннона.

Дискретное z-преобразование. В теории импульсных систем для решения разностных уравнений используется дискретное преобразование Лапласа и его модификация — дискретное z-преобразование.

Преобразование Лапласа для непрерывной функции х(t):

X(р) = EMBED Equation.3 x(t) exp(-pt) dt. (6.2.3)

При переходе к дискретной функции x(kТ), заменяя интегрирование суммированием:

X(p) =T EMBED Equation.3 x(kT) exp(-pkT). (6.2.4)

Введем новую переменную z=exp(pt):

X(z) =T EMBED Equation.3 x(kT) z-k . (6.2.5)

Это уравнение представляет собой дискретное преобразование Лапласа, в котором выражение

X(z) = EMBED Equation.3 x(kT) z-k . (6.2.6)

называется z-преобразованием. Оно лежит в основе метода решения разностных уравнений. Дискретное преобразование Лапласа X(z) отличается от z-преобразования наличием нормирующего множителя Т. При анализе дискретных систем z-преобразование позволяет перейти от разностных уравнений к алгебраическим и существенно упростить анализ динамики дискретных систем.

В выражении (6.2.6) функция х(kТ) называется оригиналом решетчатой функции, a X(z) – ее изображением. Для обратного перехода от изображения к оригиналу (для нахождения исходной решетчатой функции по ее изображению) используется обратное z-преобразование:

x(kT) = (1/2πj) ∮ X(z) zk-1 dz.

Корни pi характеристического полинома непрерывной системы связаны с корнями zi характеристического полинома эквивалентной дискретной системы соотношением

zi = exp(Tpi). (6.2.7)

В общем случае, отображение (6.2.7) неоднозначно, и нескольким различным значениям pi может соответствовать одно и то же значение zi. Взаимно-однозначное соответствие корней непрерывной и эквивалентной дискретной систем выполняется только при интервале дискретизации, удовлетворяющем теореме Котельникова-Шеннона.

Преобразование непрерывного сигнала в цифровой код выполняется амплитудно-цифровыми преобразователями (АЦП) и включает три операции: квантование сигнала по времени, квантование по уровню и кодирование. Квантование по времени заключается в измерении непрерывной величины х(t) в дискретные моменты времени tk=kΔt, Δt=const, k=0, 1, 2,…, и осуществляется импульсным элементом — ИЭ. На выходе импульсного элемента получается решетчатая функция x(tk).

Рис. 6.2.1.

Процесс квантования решетчатой функции х(tk) по уровню можно представить как прохождение сигнала х(tk) через нелинейный элемент с многоступенчатой релейной характеристикой — квантователь по уровню КУ (рис. 6.2.1). В результате квантования по уровню точно измеренные значения сигнала х(tk) заменяются приближенными ближайшими дискретными значениями хk ≡ x(k) ≅ x(tk). Шаг квантования δk, характеризует точность преобразователя.

Учет квантования по уровню приводит к необходимости рассмотрения нелинейных цифровых систем. Анализ систем упрощается, если элемент с многоступенчатой релейной характеристикой представить в виде параллельного соединения линейного усилительного элемента с коэффициентом K = 1, характеристика которого изображена на рис.6.2.1 справа, и нелинейного элемента с характеристикой δ(k), равной разности между линейной и релейной характеристиками. В этом случае квантованный по уровню сигнал можно представить, как сумму точного сигнала х(tk) и добавочного сигнала δ(k), ограниченного по величине половиной ступени квантования:

Прежде чем сигнал х(k) поступает на цифровое вычислительное устройство (ЦВУ) системы, осуществляется его кодирование — преобразование в цифровой код хц(k). Если в ЦВУ используется двоичная система счисления, то с помощью кодирующего устройства К каждый импульс, поступающий с квантователя по уровню, преобразуется в двоичный цифровой код, соответствующий амплитуде этого импульса. Двоичные числа представляются в виде последовательности импульсов, разделенных интервалом времени τ. Каждому разряду двоичного числа отводится интервал времени τ’ на выставление кодов 0 или 1 (обычно отсутствие или наличие определенного уровня напряжения).

На ЦВУ числа могут поступать последовательным или параллельным кодом. В первом случае разряды числа идут последовательно друг за другом по одному каналу, как правило, начиная с младшего. Одно число от другого отделяется специальным маркерным импульсом. Минимальный интервал Т передачи числа равен nτ, где n — количество разрядов числа. При параллельном коде все разряды числа поступают одновременно по нескольким каналам, число которых равно числу разрядов. Так как при кодировании сигнала не происходит изменения информации, то передаточная функция кодирующего устройства равна единице.

Цифровое вычислительное устройство ЦВУ можно рассматривать как дискретный преобразователь, преобразующий входную последовательность чисел хц(k) в выходную yц(k) в соответствии с заложенной программой вычислений, представляющей собой алгоритм переработки информации. В дискретной линейной системе связь между входом и выходом (входной и выходной дискретными последовательностями значений сигнала – отсчетами), задается линейным оператором преобразования TL:

y(kΔt) = TL{x(kΔt)}.

Это выражение отображает краткую запись линейного разностного уравнения:

EMBED Equation.3 am y(kΔt-mΔt) = EMBED Equation.3 bn x(kΔt-nΔt), (6.2.8)

где am и bn — вещественные или, в общем случае, комплексные коэффициенты. Выполним нормировку уравнения (6.2.8) к a0 = 1, и, принимая в дальнейшем Δt = 1, приведем его к виду:

y(k) = EMBED Equation.3 bn x(k-n) – EMBED Equation.3 am y(k-m). (6.2.9)

Рис. 6.2.2. Рекурсивный ЦФ.

ЦВУ, которые описываются полным разностным уравнением (6.2.9), принято называть рекурсивными цифровыми фильтрами (РЦФ), так как в вычислении текущих выходных значений участвуют не только входные данные, но и значения выходных данных фильтрации, вычисленные в предшествующих циклах расчетов. С учетом последнего фактора рекурсивные фильтры называют также фильтрами с обратной связью, положительной или отрицательной в зависимости от знака суммы коэффициентов am. По существу, полное окно рекурсивного фильтра состоит из двух составляющих: нерекурсивной части bn, ограниченной в работе текущими и «прошлыми» значениями входного сигнала, и рекурсивной части am, которая работает только с «прошлыми» значениями выходного сигнала. Техника вычислений для РЦФ приведена на рис. 6.2.2.

Передаточные функции ЦВУ. Удобным методом решения разностных уравнений линейных систем является z-преобразование. Применяя z-преобразование к обеим частям равенства (6.2.8), c учетом сдвига функций (y(k-m)  z-m Y(z)), получаем:

Y(z) EMBED Equation.3 amz-m = X(z) EMBED Equation.3 bnz-n, (6.2.10)

где X(z),Y(z)- соответствующие z-образы входного и выходного сигнала. Отсюда, полагая ao = 1, получаем в общей форме функцию связи выхода фильтра с его входом — уравнение передаточной функции системы в z-области:

H(z) = Y(z)/X(z) = EMBED Equation.3 bnz-n EMBED Equation.3 (1+ EMBED Equation.3 amz-m). (6.2.11)

Для нерекурсивных ЦВУ, при нулевых коэффициентах am:

H(z) = EMBED Equation.3 bnz-n. (6.2.12)

При проектировании фильтров исходной, как правило, является частотная передаточная функция фильтра H(ω), по которой вычисляется ее Z-образ H(z) и обратным переходом в пространство сигналов определяется алгоритм обработки данных. В общей форме для выходных сигналов фильтра:

Y(z) = H(z)·X(z).

Y(z)·(1+ EMBED Equation.3 am z-m) = X(z)bn z-n

Y(z) = X(z)bn z-n – Y(z) EMBED Equation.3 am z-m. (6.2.13)

После обратного Z-преобразования выражения (6.2.13):

y(k) = EMBED Equation.3 bn x(k-n) – EMBED Equation.3 am y(k-m). (6.2.14)

При подаче на вход фильтра единичного импульса Кронекера δо, имеющего z-образ δ(z)=z-n = 1, сигнал на выходе фильтра будет представлять собой импульсную реакцию фильтра y(k) ≡ h(k), при этом:

H(z) = Y(z)/δ(z) = Y(z) = TZ[y(k)] = EMBED Equation.3 h(k) z-k, (6.2.15)

т.е. передаточная функция фильтра является z-образом ее импульсной реакции. При обратном z-преобразовании передаточной функции соответственно получаем импульсную характеристику фильтра:

h(k)  H(z). (6.2.16)

Если функция H(z) представлена конечным степенным полиномом, то обратное z-преобразование осуществляется элементарно идентификацией коэффициентов по степеням z. Передаточная функция также может быть представлена степенным полиномом прямым делением числителя на знаменатель правой части выражения (6.2.11), однако результат при этом может оказаться как конечным, так и бесконечным, т.е. система может иметь либо конечную, либо бесконечную импульсную характеристику. Практически используемые рекурсивные фильтры обычно имеют бесконечную импульсную характеристику (БИХ-фильтры) при конечном числе членов алгоритма фильтрации (6.2.14).

Система устойчива, если при любых начальных условиях ее реакция на любое ограниченное воздействие также ограничена. Критерием устойчивости является абсолютная сходимость отсчетов импульсного отклика системы:

EMBED Equation.3 |h(n)| < ∞. (6.2.17)

Анализ устойчивости может быть проведен по передаточной функции. В устойчивой системе передаточная функция не должна иметь особых точек (полюсов) на и вне единичного круга на z-плоскости. Отсюда необходимое и достаточное условие устойчивости импульсных систем — модули корней передаточной функции (6.2.11) должны быть меньше 1 (полюса передаточной функции системы внутри единичного круга на z-плоскости). Чем меньше значения модулей корней, тем больше запас устойчивости системы.

Частотные характеристики ЦВУ. От z-образов сигналов и передаточных функций подстановкой z = exp(jωΔt) можно перейти к Фурье-образам функций, т.е. к частотным спектрам сигналов и частотной характеристике цифровых систем, а точнее – к функциям их спектральных плотностей.

Передаточная частотная функция (частотная характеристика при ао=1):

H(ω) = A(ω)/B(ω) = EMBED Equation.3 bn exp(-jωnΔt) EMBED Equation.3 [1+ EMBED Equation.3 am exp(-jωmΔt)]. (6.2.18)

Частотная характеристика системы представляет собой Фурье-образ его импульсной реакции, и наоборот. При Δt = 1:

H(ω) = EMBED Equation.3 h(n) exp(-jωn), (6.2.19)

h(n) = (1/2π) EMBED Equation.3 H(ω) exp(jωn) dω. (6.2.20)

В общем случае H(ω) является комплексной функцией, модуль которой R(ω) называется амплитудно-частотной характеристикой (АЧХ), а аргумент ϕ(ω) – фазово-частотной характеристикой (ФЧХ).

A(ω) = |H(ω)| = EMBED Equation.3

ϕ(ω) = arctg(-Im H(ω)/Re H(ω)).

Выбор знака фазового угла ориентирован на каузальные системы с отрицательным временным запаздыванием сигналов. Допустим, что система осуществляет только сдвиг сигнала x(t) вправо по временной оси, т е. y(t) = x(t-τ). Для преобразования Фурье функции y(t) имеем:

Y(f) = EMBED Equation.3 y(t) exp(-j2πft) dt = EMBED Equation.3 x(t-τ) exp(-j2πft) dt =

= exp(-j2πfτ) EMBED Equation.3 x(t) exp(-j2πft) dt = exp(-j2πfτ) X(f).

Отсюда:

H(f) = Y(f)/X(f) = exp(-j2πft), |H(f)| = 1, ϕh(f) = -2πfτ.

Из последнего равенства следует, что фаза представляет собой прямую с отрицательным тангенсом угла наклона -2πfτ. Соответственно, для всех каузальных фильтров, осуществляющих преобразование с определенной задержкой сигнала на выходе, при выполнении операции над частотными составляющими сигнала имеет место:

Y(f) = H(f) X(f) = |H(f)| exp(jϕh(f)) |X(f)| exp(jϕx(f)) = |H(f)| |X(f)| exp{j [ϕh(f)+ϕx(f)]},

|Y(f)| = |H(f)| |X(f)|, ϕy(f) = ϕh(f)+ϕx(f).

C учетом отрицательного знака ϕh(f) фазовой характеристики каузальных фильтров это вызывает сдвиг в «минус» всех частотных составляющих сигнала и соответствующую задержку выходного сигнала относительно входного.

6.3. МОДЕЛИ СОСТОЯНИЯ ЛИНЕЙНОЙ ДИСКРЕТНОЙ СИСТЕМЫ [1, 2]

Математические модели дискретных систем управления описывают поведение этих систем только в квантованные моменты времени: tk, k = 0, 1, 2, … Дискретным представлением непрерывных сигналов u(t), y(t), х(t) являются последовательности:

{u(tk)}, {y(tk)}, {х(tk)}.

Математические модели дискретных систем устанавливают взаимосвязь между этими последовательностями.

Практически все объекты и процессы управления имеют непрерывный характер своего состояния и динамики развития во времени. Поэтому дискретные автоматические системы управления содержат в своей структуре как цифровую (дискретную), так и аналоговую (непрерывную) части. Для согласования этих частей в системе используются аналогово-цифровые и цифроаналоговые преобразователи (АЦП и ЦАП). АЦП ставит в соответствие непрерывной функции f(t), t ≥ t0 последовательность {f(tk)}=f(kΔt), Δt=const, k = 0, 1, 2,…. В свою очередь, ЦАП осуществляет преобразование последовательности {fk, k = 0, 1, 2, …} в некоторую непрерывную функцию, которая является аппроксимацией исходной функции f(t), t ≥ t0. Часто используют кусочно-постоянную аппроксимацию, поэтому такой преобразователь называют экстраполятором, или фиксатором нулевого порядка.

Построение дискретного представления непрерывной системы носит название процесса дискретизации, или квантования, непрерывной системы. Пусть непрерывная система представлена своей внешней моделью:

А0 y(n)(t) + А1 y(n-1)(t) + А2 y(n-2)(t) + … + Аn y(t) = u(t). (6.3.1)

При достаточно малом шаге квантования дискретизацию этой модели можно выполнить с необходимой точностью путем замены дифференциалов конечными разностями:

y'(t) = dy(tk)/dt = Δy(tk)/Δt = Δt-1 (y(tk+1) – y(tk)),

y»(t) = d2y(tk)/d2t = Δ2y(tk)/Δ2t = Δt-1 (Δy(tk+1) – Δy(tk)) = Δt-2 (y(tk+2) – 2y(tk+1) + y(tk)),

… и т.д.

После подстановки в (6.3.1) дискретная внешняя модель системы принимает конечно-разностный вид, который после алгебраических преобразований переводится в рекуррентную форму с постоянными коэффициентами модели ai:

a0 y(k+n) + a1 y(k+n-1) + a2 y(k+n-2) + … + an y(k) = u(k), (6.3.2)

В общем случае функция u(k) также может представлять собой полином:

a0 y(k+n) + a1 y(k+n-1) +…+ an y(k) = b1 u(k+n-1) +…+ bn u(k). (6.3.3)

Движение дискретной модели, представленной в разностном виде, складывается из двух движений: собственного и вынужденного под действием внешнего возмущения. Собственное движение — решение однородного разностного уравнения системы. Общий вид этого решения определяется как линейная форма от собственных чисел системы:

y(k) = C1 λ1k + C2 λ2k + … + Cn λnk, (6.3.4)

где Сi — коэффициенты линейной формы, которые вычисляются через начальные состояния системы; λi — простые действительные корни характеристического уравнения системы:

a0 λn + a1 λn-1 + a2 λn-2 + … + an = 0. (6.3.5)

Пример. Непрерывная система описывается дифференциальным уравнением:

y»(t) + 5у'(t) + 6у(t) = u(t); у(0) = 1 ; у'(0) = 0,5.

Выполним с шагом квантования Δt = 0,1 разностную дискретизацию уравнения:

100(у(k+2) – 2y(k+1) + y(k)) + 50(y(k+1) – y(k)) + 6y(k) = u(k).

После преобразований получим искомую дискретную модель в рекуррентном виде:

у(k+2) – 1.5 у(k+1) + 0,56 у(k) = 0,01 u(k).

Характеристическое уравнение системы:

λ2 − 1.5 λ + 0.56 = 0.

Корни уравнения: λ1 = 0.8, λ2 = 0.7. Соответственно, собственное движение модели:

у(k) = С0 0.8k + C1 0.7k.

Постоянные С0, С1 найдем, используя координаты начального состояния системы:

у(0) =С0 + С1 = 1; у(1) = C0 0.8 + C1 0.7.

Значение у(1) определим, используя первую разность:

у'(0) = 10 (y(1)-y(0)) = 0.5. y(1) = 1.05

Отсюда: С0 = 3.5, С1 = -2.5. y(k) = 3.5 0.8k – 2.5 0.7k.

Операторная форма модели (6.3.3) может быть получена введением в рассмотрение оператора сдвига z:

zi y(k) = y(k+i). (6.3.6)

При этом уравнение (6.3.3) легко преобразуется к виду

a(z) y(k) = b(z) u(k), (6.3.7)

a(z) = zn + a1zn-1 + … + an-1z + an, (6.3.8)

b(z) = b1zn-1 + … + bn-1z + bn. (6.3.9)

Оператор a(z) называется характеристическим полиномом системы (6.3.3), а комплексные числа zi, i = (1, n) — корни характеристического уравнения a(z)=0, называются полюсами системы. Корни алгебраического уравнения b(z) = 0 называются нулями системы.

Из выражения (6.3.7) следует операторное уравнение связи переменных y(k) и u(k) и оператор передаточной функции дискретной системы:

y(k) = W(z)u(k), (6.3.10)

W(z) = b(z)/a(z). (6.3.11)

Возмущающее воздействие f(k) влияния на объект управления внешней среды рассматривается как дополнительный входной сигнал, при этом линейная модель дискретной системы принимает вид:

a0 y(k+n) + a1 y(k+n-1) +…+ an y(k) =

= b1 u(k+n-1) +…+ bn u(k) + d1 f(k+n-1) +…+ dn f(k). (6.3.12)

где di — коэффициенты, определяющие влияние на процессы в системе возмущения f(k). После соответствующих преобразований получаем операторную форму модели (6.3.12):

a(z) y(k) = b(z) u(k) + d(z) f(k). (6.3.13)

d(z) = d1zn-1 + … + dn-1z + dn. (6.3.14)

y(k) = W(z)u(k) + Wf(z) f(k), (6.3.15)



Страницы: 1 | 2 | Весь текст