控制系统仿真及MATLAB语言--第四章连续系统的离散化方法.ppt

第四章 连续系统的离散化方法 4.1 常微分方程的数值解法 欧拉法的特点：导出简单，几何意义明显，便于理解，能说明构造数值解法一般计算公式的基本思想。通常用它来说明有关的基本概念。 例 设系统方程为 用Euler法求其数值解（取步长 , ) 已知方程的解析解为 　　　 精确解和解析解作比较： 误差在 数量级，精度较差。 基本思想：取Taylor级数展开式前三项近似求解，并利用线性组合代替导数的求解。 既可避免计算高阶导数，又可提高数值积分的精度，这就是Runge-Kutta法的基本思想。 RK法的特点： 1 需要存储的数据少，占用的存储空间少； 2 只需知道初值，即可启动递推公式进行计 算，可自启动； 3 容易实现变步长运算。 4 每积分一步需要计算多次右函数，计算量 大。 基于龙格－库塔法，MATLAB提供了求常微分方程数值解 的函数，一般调用格式为： 4.2 数值算法的稳定性及求解原则 4.3 数值算法中的“病态”问题 h改变时，叠代过程重复求解，费时繁琐 不能对非线性环节单独考虑。 隐式吉尔法从理论上十分适应于病态系统 ，但需要解决好以下问题 (1) 自启动 r阶多步算式无法自启动，需要用单步法求出前r步值 (2) 预估迭代 迭代方法要求收敛性良好，否则在大步长时会造成数 值发散。 (3) 变步长 初始阶段采用小步长，随后可逐步放大步长。 对不同精度要求的系统仿真，要考虑变阶次问题，即为减小每一步计算的截断误差，以提高精度，应选用较高的阶次，而当精度较低时，为减少工作量，则应选取较低的阶次。仿真时应根据估计误差 与给定的误差精度相比较改变步长或阶次来重新计算。 4.4 连续系统状态方程的离散化 　上章所述的连续系统数学模型的离散化，是通过数值积分法实现的，尽管面向结构图的仿真方法是按环节给定参数，但是在计算时还是按整个系统进行离散化，这就不便于引进非线性环节以进行非线性系统的仿真。在本节，将介绍连续系统离散模型的建立和仿真。 数值积分法叠代求解 连续系统离散化 思想：用差分方程描述连续系统的状态方程模型 （因为差分方程的主要特点就是方程中各变量由各相邻时刻的变 化量制约，这相当于递推方程） 1、连续系统的离散化 设连续系统状态方程为 其中 为状态初始值. 则由现代控制理论基础知，状态变量X(t)的解为 而 t = ( k + 1 )T 时，可表示为 当系统输入u(t)给定时，可求出系统离散化状态方程的解。一般， u(t)未知，通常采用两种方法近似处理： (1)令u(kT+t)≈u(kT) (0﹤t﹤T)　　 相当在系统输入端加一个采样开关和零阶保持器． X((k+1)T) = GX(kT) + Hu(kT) G = e A T，为t = T 时的状态转移矩阵 离散后的状态空间表达式为： ２、Matlab表示 已知连续系统状态方程为 在采样周期T下离散后的状态空间表达可表示为： 在Matlab中，若已知连续系统状态方程各阵模型参数 (A、B、C、D) 以及采样周期T，则语句： [G，H] = c2d (A,B,T) 返回的矩阵G 、H 就是所要求的Φ( T ) 、Φm ( T ) 。 此外， Matlab还提供了功能更强的求取连续系统离散化矩阵函数c2dm(),他容许调用时选用离散化变换方式，并且得到的是标准的离散化状态方程。 [G,H,C,D]=c2dm (A,B,C,D,T,‘选项’) 一. 数值求解的基本概念 设微分方程为 则求解方程中函数x(t)问题的常微分方程初值问题 所谓数值求解就是要在时间区间[a, b]中取若干离散点 求出微分方程在这些时刻的近似值 取前两项近似： 这种方法的几何意义就是把f(t,x)在区间[tk,tk+1]内的曲边面积用矩形面积近似代替。计算简单，计算量小，而且可以自启动。当h很小时，造成的误差是允许的。该算法具有一阶精度。 取k=0,1,2,…N,从t0开始，逐点递推求解t1时的y1， t2时的y2…,直至tn时的yn，称之为欧拉递推公式。 矩形面积 1. 欧拉法 递推公式为 则 0.463 0.5 1.0 …… …… 0.752 0.769 0.3 0.9 0.909 0.1 0.647 0.659 0.819 1 数值解 0.625 0.66