Příklady k přednášce 1. Úvod
Michael Šebek Automatické řízení 2016 Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
22-2-16
Kyvadlo řízené momentem Automatické řízení - Kybernetika a robotika
• Pohybová rovnice (2. Newtonův zákon pro rotaci) J = ml 2
J ϕ = ∑ M
= M c − Fg l sin ϕ = M c − mgl sin ϕ
y ϕ= ,u Mc • Nelineární IO model s = ml 2ϕ + mgl sin ϕ = Mc
Fg = mg
ml y + mgl sin y = u 2
• Nelineární stavový model s
m
x1= ϕ= y, x2= ϕ= y , u= M c
x1 = x2
1 g x2 = − sin x1 + 2 u l ml y = x1 Michael Šebek
ARI-Pr-01-2015
2
Jen pro zajímavost: Existuje přesné řešení? Automatické řízení - Kybernetika a robotika
0 • Při hledání řešení (Mathieuovy) rovnice ml 2ϕ + mgl sin ϕ = • „první integrál pohybu“ (výpočtem rychlosti z kinetické energie)
dϕ 2g = ( cos ϕ − cos ϕ0 ) dt • Dále bychom postupovali metodou separace proměnných dϕ dϕ = = dt → ∫ t + C1 2g 2g ( cos ϕ − cos ϕ0 ) ( cos ϕ − cos ϕ0 ) • To ale vede na eliptický integrál, který patří mezi tzv. neelementární (je dokázáno, že ho nelze sestavit z elementárních funkcí) • Přesné řešení rovnice (v uzavřeném tvaru) tedy neexistuje! Michael Šebek
ARI-Pr-01-2016
3
Fázový portrét Automatické řízení - Kybernetika a robotika
• Řešení nelineárních stavových rovnic ve „fázovém prostoru“ - pro 2. řád je 2D
x1 = x2 x2 = − sin x1
x2 = ϕ
x1 = ϕ • Složité křivky, nelze je popsat elementárními funkcemi • SW: http://www.bae.ncsu.edu/people/faculty/seaboch/phase/newphase.html Michael Šebek
ARI-Pr-01-2015
4
Kyvadlo - lineární aproximace v dolní poloze Automatické řízení - Kybernetika a robotika
• V dolní poloze ϕ p =0, ϕ p =0, M cp =0 → ϕp =0 • IO model ml 2ϕ + mgl sin ϕ = Mc ml 2 (ϕp + ∆ϕ) + mgl ( sin ϕ p + ∆ϕ cos ϕ= M cp + ∆M c p) ml (0 + ∆ϕ) + mgl ( sin 0 + ∆ϕ cos 0 ) = 0 + ∆M c ml 2 ∆ϕ + mgl ∆ϕ =∆M c ml 2 ∆ y + mgl ∆y =∆u 2
• stavový = x1 p 0,= x2 p 0,= M cp 0
g 1 − sin x1 + 2 u x1 = x2 , x2 = l ml 0 + ∆x1 = 0 + ∆x2 g 1 0 + ∆x2 = − cos 0 ∆x1 + 2 ( 0 + ∆u ) l ml
Michael Šebek
ARI-Pr-01-2015
ϕp = 0 ϕ = ∆ϕ
∆x1 =∆x2 g 1 ∆x2 =− ∆x1 + 2 ∆u l ml 5
Kyvadlo - lineární aproximace v horní poloze Automatické řízení - Kybernetika a robotika
• v horní poloze ϕ p =π , ϕ p =0, M cp =0 → ϕp =0 • model IO ml 2ϕ + mgl sin ϕ = Mc ml 2 (0 + ∆ϕ) + mgl ( sin π + ∆ϕ cos π ) = 0 + ∆M c ml 2 ∆ϕ − mgl ∆ϕ = 0 + ∆M c ml 2 ∆ϕ − mgl ∆ϕ =∆M c • model stavový = x1 p π= , x2 p 0,= M cp 0
ml 2 ∆ y − mgl ∆y =∆u
1 g x1 == x2 , x2 − sin x1 + 2 u l ml 0 + ∆x1 = 0 + ∆x2 g 1 0 + ∆x2 = − ( sin π + cos π ∆x1 ) + 2 ( 0 + ∆u ) l ml Michael Šebek
ARI-Pr-01-2015
∆ϕ
ϕ
ϕp = π
∆x1 =∆x2 g 1 ∆x2 = ∆x1 + 2 ∆u l ml 6
Kyvadlo - aproximace ve vodorovné poloze Automatické řízení - Kybernetika a robotika
• ve vodorovné poloze ϕ p = π 2, ϕ p = 0, M cp = mgl → ϕp = 0 • model IO ml 2ϕ + mgl sin ϕ = Mc π π ϕ ml 2 (0 + ∆ϕ) + mgl sin + ∆ϕ cos = mgl + ∆M c
• model stavový = x1 p
π = , x2 p 0,= M cp mgl 2
2
2 ml 2 ∆ϕ =∆M c ml 2 ∆y =∆u
1 g x1 = x2 , x2 = − sin x1 + 2 u l ml 0 + ∆x1 = 0 + ∆x2 g π π 1 0 + ∆x2 = − sin + cos ∆x1 + 2 ( mgl + ∆u ) l 2 2 ml
Michael Šebek
ARI-Pr-01-2015
∆ϕ
ϕp = π 2
∆x1 =∆x2 1 ∆x2= ∆u 2 ml
pro konstantní ∆u „volný pád“ 7
Kyvadlo - aproximace v obecné poloze Automatické řízení - Kybernetika a robotika
x1= ϕ= y, x2= ϕ= y , u= M c x1 x1 = ,u x1 = x2 x f= 2 x2 g 1 x2 = − sin x1 + 2 u x1 l ml = = h y y = x1 ,u x2 A
C
x2 f1 ( x1 , x2 , u ) 1 = g f 2 ( x1 , x2 , u ) − l sin x1 + ml 2 u h= ( x1 , x2 , u ) x1
∂f1 ∂x ∂f 1 = ∂x ( x p ,u p ) ∂f 2 ∂x1
∂f1 ∂f1 0 1 ∂u ∂x2 f ∂ 1 g , B = = = = − cos x1, p 0 ∂f 2 ∂u ( x p ,u p ) ∂f 2 l ∂x2 x x= p ∂u1 x x p
∂h ∂h = ∂x ( x p ,u p ) ∂x1
∂h = [1 0] , ∂x2 x=x p
u u= u up p
D =
u =u p
∆x1 =∆x2 g 1 ∆x2 =− cos x1, p ∆x1 + 2 ∆u (t ) l ml Michael Šebek
0 1 2 ml
ARI-Pr-01-2016
∂h ∂h =0 = ∂u ( x p ,u p ) ∂u ux==xu p p
∆y (t ) = ∆x1 8
Kyvadlo - aproximace v obecné poloze Automatické řízení - Kybernetika a robotika
x1= ϕ= y, x2= ϕ= y , u= M c
x1 = x2
∆x1 =∆x2
g 1 x2 = − sin x1 + 2 u l ml y = x1
g 1 ∆x2 =− cos x1, p ∆x1 + 2 ∆u (t ) l ml ∆y (t ) = ∆x1
Nelineární
Lineární
= x1,= y= ϕ p 0= x2,= y= ϕ= 0 → cos 0 1 p p p p p dole x1,= y= ϕ p = π x2,= y= ϕ= 0 → cos π = −1 nahoře p p p p p vodorovně x1,= y= ϕ p = π 2 x2,= y= ϕ p = 0 → cos π 2 = 0 p p p p
Michael Šebek
ARI-Pr-01-2016
9
Kyvadlo - aproximace IO v obecné poloze Automatické řízení - Kybernetika a robotika
ml 2 y + mgl sin y = u D( y (t ), y (t ), y (t )) = N(u (t )) ∂D ∂D ∂D ∂N 2 0,= ml = , 1 = mgl cos y= p, y p ∂y p ∂y p ∂ ∂u p
ml 2 ∆ y + mgl cos y p ∆y =∆u = x1,= y= ϕ p 0= x2,= y= ϕ= 0 → cos 0 1 p p p p p dole x1,= y= ϕ p = π x2,= y= ϕ= 0 → cos π = −1 nahoře p p p p p vodorovně x1,= y= ϕ p = π 2 x2,= y= ϕ p = 0 → cos π 2 = 0 p p p p
Michael Šebek
ARI-Pr-01-2016
10
Geometrická interpretace Automatické řízení - Kybernetika a robotika
• Linearizace ve fázovém portrétu x2 = ϕ
x1 = x2 x2 = − sin x1 hyperboly
∆x1 =∆x2 ∆x2 = ∆x1
x1 = ϕ
π = x1 p = , x2 p 0 2
= x1 0,= x2 0 ∆x1 =∆x2 ∆x2 = −∆x1 Michael Šebek
, x2 p 0 = x1 p π=
kružnice
ARI-Pr-01-2015
paraboly
∆x1 =∆x2 ∆x2 = −1 (∆u =−1) 11
Někdy lineární aproximace neexistuje Automatické řízení - Kybernetika a robotika
• Nehladká funkce: diody, tlumiče
• Různé funkce, přepínání, (event-driven) skákající míč
f ( x) xp
x
• Nespojitá funkce: relé, Coulombovo tření
• Není to funkce (v matematickém smyslu): hystereze (závislost na dráze)
f ( x) xp
x
f ( x) xp Michael Šebek
x
elektrická: feroelektrický materiál elastická: gumička termostat, Schmidtův spínač ARI-Pr-01-2015
12
Někdy lineární aproximace existuje, ale nepomůže Automatické řízení - Kybernetika a robotika
• Některé nelineární soustavy nepomůže lineárně aproximovat u = f (ψ ) • Příklad: kinematika auta v rovině u1 x2 x1 = u1 cos x3 x3 x2 = u1 sin x3 x3 = u2 x1 • Přibližná linearizace v okolí bodu (0,0,0) je x1 = u1 1 0 1 0 0 0 0 0 x2 = 0 není řiditelná A = 0 , B= 0 0 ⇒ Con= 0 0 0 0 0 0 0 1 0 1 0 0 0 0 x3 = u2 • Intuitivně známý fakt: autem nelze přímo pohnout „do strany“ • Můžeme popojíždět vpřed-vzad s střídavým natáčením kol, ale to už je nelineární řízení 0 • To plyne z tzv. ne-holonomického omezení x1 sin x3 − x2 cos x3 = které platí, pokud kola nekloužou do strany 2
3×3
Michael Šebek
ARI-Pr-01-2015
13
Aproximace pro nelinearity dané grafem Automatické řízení - Kybernetika a robotika
Magnetický levitátor s kuličkou (zjednodušené magnetické ložisko) = mx f m ( x, i ) − mg kde síla • rovnice pohybu kuličky elektromagnetu je teoreticky f m ( x, i) ≈ 1 x 2 , ale prakticky složitější • experimentálně změřené křivky (kulička d = 1cm, m = 8,4.10-3 kg)
mg = 0.084 mN
• ekvilibrium = magnetická síla vyruší gravitaci Michael Šebek
ARI-Pr-01-2015
14
pokračování Automatické řízení - Kybernetika a robotika
x p = mg , m = 0, i p = 600 mA, x p ≈ 3mm, ( x p , i-3p )kg= 8, 4.10−3 kg m =f m8,4.10 = mx f m ( x, i ) − mg m (= x ) fm ( xp , ip ) + 0 + ∆ = m∆ x
∂f m ∂x
xp ip
∆x +
určíme z grafu jako směrnici ∂f m ∂x
≅ 14 N m
∂f m ∂i
xp ip
∂f m ∂x
xp ip
∆x +
∂f m ∂i
xp ip
∆i − mg
∆i
odhadneme z grafu ∂f m ∂i
≅ x p ,i p
f ( x p , i1 ) − f ( x p , i3 ) i1 − i3
122 ×10−3 − 42 ×10−3 = = 0.4 N A −3 (700 − 500) ×10
x p ,i p
Lineární aproximace je
∆= x 1667 ∆x + 47, 6∆i
kde signály jsou v jednotkách SI ∆x[m], ∆i[ A] Michael Šebek
ARI-Pr-01-2015
15
Nelineární diskrétní systém Automatické řízení - Kybernetika a robotika
• Logistické zobrazení
x(k += 1) rx(k )(1 − x(k ))
• Demografický model - vystihuje 2 jevy: pro malé populace optimismus (míra růstu roste úměrně s velikostí populace), pro velké populace vyhladovění (míra růstu klesá úměrně rozdílu „úživnost prostředí“ minus velikost populace) • Chování silně závisí na parametru r řešení pavučinovým diagramem • bifurkace
Michael Šebek
ARI-Pr-01-2015
16
Nelineární diskrétní systém Automatické řízení - Kybernetika a robotika
Pavučinový diagram: Opakovaná řešení pro různá r (ekvilibria, oscilace s různou periodou, chaos) Michael Šebek
Simulace: Opakovaná řešení (vždy 100 kroků) pro různá r (od r = 0 (červená) do r= 4 (purpurová)
ARI-Pr-01-2015
17
Další čtení a hraní Automatické řízení - Kybernetika a robotika
• Různé nelineární modely v Simulinku http://www.hedengren.net/research/models.htm • Aplet kreslící fázové portréty
http://www.bae.ncsu.edu/people/faculty/seaboch/phase/newphase.html
• Kyvadlo na Wikipedii http://en.wikipedia.org/wiki/Pendulum_(mathematics) • Hezká a čtivá (odborná) kniha o nelineárních systémech a chaosu - na Amazonu • Složitější „matematické“ knihy, ale ty jsou spíš až pro magisterský kurz NES, nebo doktorské kurzy
Michael Šebek
ARI-Pr-01-2015
18