第3章控制系统的数学模型与转换.ppt

* * 3.6.2 离散系统辨识信号的生成 问题：什么样信号激励系统，辨识效果最好？ 有丰富频率信息的信号最好，如 PRBS 伪随机二进制序列 pseudo-random binary sequence 频率丰富 值为 可重复构建 MATLAB直接生成 * * 例3-35 生成63个点的PRBS信号 辨识效果 残差明显减小 * * 连续系统的辨识 可以考虑的方法 连续频率拟合方法，不惟一 离散方法，再转换成连续模型 例3-36 * * 正弦信号激励 辨识结果 问题原因：输入频率单一 * * 本章要点小结 线性连续系统可以用传递函数、状态方程和零极点形式描述，多变量系统可以由状态方程和传递函数矩阵来描述。在MATLAB下提供了tf( ) 函数、ss( )函数和 zpk( )函数来描述这些模型。带有时间延迟的系统模型也可以用这样的函数直接描述，需要设定 ioDelay 属性。传递函数模型还可以用数学表达式形式输入。 离散系统也可以用传递函数、传递函数矩阵和状态方程表示，也有对应的零极点模型，在 MATLAB下也可以用和连续系统相同的函数进行表示。 * * 具有三种基本连接结构(串联、并联和反馈)的系统模型及其在 MATLAB 下的求解方法，复杂结构的控制系统方框图化简的数值解法和解析解方法，引入了基于 MATLAB 的方框图化简的推导方法。对含有纯时间延迟的系统，还可以采用 Pad\e 近似的方法，获得整个系统的近似模型。 不同的系统数学模型可以进行相互转换，连续模型与离散模型直接可以通过 c2d( )和 d2c( )函数进行转换，转换成传递函数或传递函数矩阵需要用tf( ) 函数，转换成状态方程可以通 ss( ) 函数，零极点模型需要调用 zpk( ) 函数。 * * 如果系统模型的阶次过高，会使得系统分析与设计变得困难，本章介绍了基于 Pad\e 近似和基于Routh 表的模型降阶算法和各种基于状态空间的模型降阶方法，并介绍了时间延迟模型的次最优降阶算法，可以用低阶模型较好地近似高阶模型。降阶模型和原模型的时域、频域比较将在后面章节中给出。 通过实测的系统响应数据则可以重构出系统的数学模型，本书介绍了连续系统的辨识方法和离散模型的最小二乘辨识算法，并介绍了多变量系统辨识及 PRBS 辨识信号生成等主题的内容，还介绍了递推最小二乘辨识的算法，第 5 章中将介绍该算法的 Simulink 模型实现。 * * 本章的内容局限于线性系统模型的处理，更复杂的非线性系统模型的建模与处理，在 MATLAB 和 Simulink 下也可以容易地表示出来，这方面的内容请参见后续章节。 本章上机练习 习题3-8 3-11 3-12（1）3-13 习题3-10 习题3-15 习题3-18 习题3-20 习题3-21 习题3-22 3-23 * * * * 3.5 线性系统模型降阶 用低阶模型近似高阶模型 和最小实现不同 最早由Edward J. Davison提出(1966) 主要内容 与Routh算法 时间延迟模型的 近似 带有延迟的最优降阶算法 状态空间的降阶算法 * * 3.5.1 降阶算法 与 Routh 降阶算法 原始模型 寻求降阶模型 假设 * * 展开原模型 其中时间矩量 可以递推求出 若已知状态方程模型 * * 时间矩量的MATLAB求解 降阶思想：保留前 时间矩量 * * 对比系数，则 * * 这样可以得出 * * 降阶求解函数 * * 例3-25 原始模型 Padé 近似 结果 * * 例3-26 反例 零极点模型求取 稳定模型 * * Padé 近似 不稳定降阶模型 Padé 不能保证降阶模型的稳定性 不稳定降阶模型可能得出稳定降阶模型 * * Routh 降阶方法与实例 Routh算法（较烦琐，从略） * * Routh算法的最大特色：稳定系统降阶后能保证降阶模型稳定性 例3-23 仍考虑稳定模型 * * 3.5.3 时间延迟模型的 Padé 近似 纯延迟的Padé近似方法 近似函数 纯滞后逼近 * * 编写 MATLAB 函数 其中 r/m 任意选择 可以选择 0/m ，以避免非最小相位模型 * * 例3-24 纯延迟模型 MATLAB求解 拟合结果 * * 例3-29 已知带有延迟的线性模型 可以得出近似模型 * * *3.5.4 带有时间延迟系统的 次最优降阶算法 降阶模型的降阶效果 误差定义 ISE准则 * * 原模型