Příklady k přednášce 2 - Spojité modely
Michael Šebek Automatické řízení 2015 Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
22-5-15
Řešení stavové rovnice v časové oblasti Automatické řízení - Kybernetika a robotika
0 1 0 1 − x (t ) = 1(t ) −8 −6 x(t ) + 1 u (t ), x(0 ) = 0 , u (t ) = • Při řešení v časové oblasti najdeme vlastní čísla
p ( s ) =det ( sI − A ) =s 2 + 6 s + 8 → s1 =−2, s2 =−4 • a předpokládáme stavovou matici přechodu ve tvaru K1e −2t + K 2 e −4t Φ(t ) = −2 t −4 t K 5e + K 6 e
K 3e −2t + K 4 e −4t K 7 e −2t + K8e −4t
• Konstanty najdeme ze známých vlastností matice Φ(0) =⇒ I K1 + K 2 = 1, K 3 + K 4 =0, K 5 + K 6 =0, K 7 + K8 = 1 (0) = Φ A ⇒ −2 K1 − 4 K 2 = 0, −2 K 3 − 4 K 4 = 1, − 2 K 5 − 4 K 6 = −8, −2 K 7 − 4 K8 = −6
• takže
Michael Šebek
−2t −4t 1 −2t 1 −4t 2e − e e − e Φ(t ) = 2 2 −2t −4 t −2 t −4 t − e + 2e −4e + 4e ARI-Pr-02-2015
2
Řešení stavové rovnice v časové oblasti Automatické řízení - Kybernetika a robotika
• a odezva na počáteční stav je • dále
2e −2t − e −4t Φ(t )x(0) = −2 t −4 t − + e e 4 4
1 −2(t −τ ) 1 −4(t −τ ) − e 2 e Φ(t − τ )B = 2 −2(t −τ ) −4( t −τ ) − + e e 2
a z toho
1 −4t t 4τ 1 −2t t 2τ − e e d e ∫ e dτ τ t ∫ 2 0 0 2 ( ) ( ) = − = t d Φ Bu τ τ τ ∫0 t t −2 t −4 t 2τ 4τ −e ∫0 e dτ + 2e ∫0 e dτ
1 1 −2t 1 −4t 8 − 4 e + 8 e − 1 e −2t − 1 e −4t 2 2
• Takže celková odezva je
1 7 −2t 7 −4t 8 + 4 e − 8 e t ) Φ(t )x(0) + ∫ Φ(t − τ )Bu (τ )dτ= x(t= 0 − 7 e−2t + 7 e −4t 2 2
Michael Šebek
ARI-Pr-02-2015
3
Řešení Laplaceovou transformací Automatické řízení - Kybernetika a robotika
0 1 0 1 − x (t ) = x t u t x + = ( ) ( ), (0 ) 1(t ) −8 −6 1 0 , u (t ) = s + 6 1 s + 6 1 −8 s 2 s −1 −1 s + 6s + 8 s 2 + 6s + 8 − A) ⇒ ( sI −= = A) ( sI= 2 8 6 8 s s + − 6 8 s s + + s 2 + 6s + 8 s 2 + 6s + 8
• Obraz odezvy je celkem
1 s + 6 s 2 + 6s + 1 ( s 2 + 6s + 8) s 2 ( s 2 + 6s + 8) s s + s + 6 8 −1 −1 + x( s ) = ( sI − A) Bu( s ) + ( sI − A) x 0 = = s −8 −7 s ( s 2 + 6 s + 8 ) s s 2 + 6 s + 8 ( s 2 + 6 s + 8 ) s
• a časový průběh odezvy je stejný jako v minulém = řešení Michael Šebek
s 2 + 6s + 1 s ( s + 2 )( s + 4 ) = −7 s s ( s + 2 )( s + 4 )
ARI-Pr-02-2015
7 7 1 + − 8s 4 ( s + 2 ) 8 ( s + 4 ) 7 − 7 + 2 ( s + 2 ) 2 ( s + 4 ) 4
Řešení Laplaceovou transformací Automatické řízení - Kybernetika a robotika
• Dále: z rozkladu na parciální zlomky 1 s+6 s 2 + 6s + 8 s 2 + 6s + 8 −1 ( sI − A ) = s 8 − s 2 + 6 s + 8 s 2 + 6 s + 8 1 1 1 2 − − s + 2 s + 4 2( s + 2) 2( s + 4) = 4 1 2 4 − + − + s + 2 s + 4 s + 2 s + 4
je zřejmé, že to je obraz stavové matice přechodu Michael Šebek
ARI-Pr-02-2015
>> Fis=inv([s 0;0 s]-A) Fis = 6 + s 1 -8 s -----------8 + 6s + s^2 >> x=Fis*([1;0]+[0;1/s]) x = 1 + 6s + s^2 -7s --------------8s + 6s^2 + s^3 >> x1=partial(x(1)) x1 = -7/8 7/4 1/8 ----------4 + s 2 + s s >> x2=partial(x(2)) x2 = 7/2 -7/2 ----- ----4 + s 2 + s >> Fi11=partial(Fis(1,1)) Fi11 = -1 2 ----- ----4 + s 2 + s 5
Příklad: Směrování satelitu Automatické řízení - Kybernetika a robotika
• IO model • Stavový model
J ϕ = FC d = ϕ ω= , ω
ϕ d = x = = u Fc , y ϕ , 0 1 0 ω J = x x + u 0 0 1
d Fc J
y = [1 0] x
• Charakteristický polynom 1 0 0 1 s −1 2 p= ( s ) det s − = = det s 0 1 0 0 0 s
• a řešení stavových rovnic L-transformací 1 = x( s ) s2 = y(s) Michael Šebek
1 1 s u ( s) + s 2
s 1 − x (0 ) 0 s
1 1 − + x u ( s ) s 1 (0 ) [ ] 2 2 s s ARI-Pr-02-2015
−1
s −1 1 s 1 0 s = s 2 0 s
6
Příklad: Směrování satelitu Automatické řízení - Kybernetika a robotika
• Stavová matice přechodu det( sI − A) = s2 l11 l12 k11 k12 Φ = (0) A = Φ (0) = I l = 21 l22 k21 k22 2 1 t −1 1 s 1 s Φ= (t ) = 0 1 0 1 s
k11 + l11t k12 + l12t Φ(t ) = k + l t k + l t 22 22 21 21
1 t − τ Φ (t − τ ) = 0 1
1 = x0 = , u (t ) 1(t ) 0
• Řešení v časové oblasti pro 1 (0) , Φ (t ) x= 0
Michael Šebek
t (t − τ )dτ t ∫ 0 t Bu d ( ) ( ) Φ − = = τ τ τ ∫0 t ∫0 dτ ARI-Pr-02-2015
t2 2 t
t2 1+ x(t ) = 2 t t2 y (t ) = 1 + 2 7
Příklad: Divný systém Automatické řízení - Kybernetika a robotika
• Blokově
u
x1
y
a rovnicemi
x1 =− x1 + u x2 = x2
u
x1
x1
y x2
x2
x2
• stavový model
−1 0 1 x = x + u , y = [1 1] x 0 1 0
• výpočet řešení (Laplace) −1
x( s )
Michael Šebek
−1
s + 1 0 1 s +1 0 − + ( ) (0 ) x u s 0 s − 1 0 s − 1 0 s − 1 s −1 0 1 1 − + ( ) (0 ) x u s s + 1 ( s + 1)( s − 1) 0 ( s + 1)( s − 1) 0 ARI-Pr-02-2015
8
Příklad: Divný systém Automatické řízení - Kybernetika a robotika
s −1 1 u (s) + [ s − 1 s + 1] x(0− ) ( s + 1)( s − 1) ( s + 1)( s − 1) 1 1 1 = u (s) + x1 (0− ) + x2 (0− ) ( s + 1) ( s + 1) ( s − 1)
• a výstup= je y ( s )
přenos
odezva na počáteční stav
• charakteristický polynom vs. jmenovatel přenosu:
p( s) = ( s + 1) ( s − 1)
d ( s= ) ( s + 1)
• Odezva na skok silně závisí na počátečním stavu nulový a nenulový počáteční stav − x1 (0 ) = 0 x2 (0− ) = 0 Michael Šebek
ARI-Pr-02-2015
x1 (0− ) = 0 x2 (0− ) = 0.1
9
Příklad: Jiný divný systém Automatické řízení - Kybernetika a robotika
Kaskáda (mód je odblokován vstupní nulou) • přenos je 1. řádu a stabilní
u
x1 v
x1 = 0
y x1 = 1
s −1 1 1 G ( s) = = s +1 s −1 s +1
• ale úplný stavový popis je 2. řádu: pro x1= y, x2= u − v x1 1 −1 x1 1 = x 0 −1 x + 2 u 2 2 x = y [1 0] 1 + [1] u x2
• charakteristický polynom je Michael Šebek
p ( s ) =det( sI − A) =( s + 1)( s − 1) ARI-Pr-02-2015
10
Příklad: Kanonické formy řiditelnosti Automatické řízení - Kybernetika a robotika
• Kanonická forma řiditelnosti (někdy také forma fázových proměnných) y(s) u (s)
2 + 7s + s2 2 + 7 s + 1s 2 = 24 + 26 s + 9 s 2 + s 3 24 + 26 s + 9 s 2 + 1s 3
1 0 0 0 x + 0 u x 0 0 1 −24 −26 −9 1 y = [ 2 7 1] x
u
1
1 7
1 − s
sx3
x3
1 − s
x2
1 − s
x1
2
y
−9 −26 −24
• jiná varianta kanonická formy řiditelnosti - Controller Canonical Form Y (s) 1s 2 + 7 s + 2 = 3 U ( s ) 1s + 9 s 2 + 26 s + 24
1 7 u
1
1 − s
sx1
x1
1 − s
−9 −26 −24 Michael Šebek
x2
1 − s
−9 x 1 = 0 y = [1 7 x3
2
y
ARI-Pr-02-2015
−26 −24 1 0 0 x + 0 u 0 1 0 2] x
11
Příklad: Kanonické formy pozorovatelnosti Automatické řízení - Kybernetika a robotika
• Kanonická forma pozorovatelnosti - Observer Canonical Form 1 7 2 + 2+ 3 Y (s) s s s = U ( s ) 1 + 9 + 26 + 24 s s2 s3
−9 x −26 −24 y = [1 0
1 7 u
1 0 1 0 1 x + 7 u 2 0 0 0] x 1
u
sx1
1 − s
sx3
1 − s
x3
1 − s
x2
1 − s −9
x1
1
y
−26 −24
7 2
2
x1
1 − s
x2
−26
0 1 = x 1 − s x 1 y 0 −9 y = [0 3
0 −24 2 0 −26 x + 7 u 1 1 −9 0 1] x
−24 Michael Šebek
ARI-Pr-02-2015
12
Příklad: Kaskádní realizace Automatické řízení - Kybernetika a robotika
• Přenos
y(s) 24 24 = F= (s) = u (s) 24 + 26 s + 9 s 2 + s 3 ( s + 2)( s + 3)( s + 4)
• Můžeme realizovat jako kaskádu (sérii) subsystémů 1. řádu
u (s)
u
24
24
sx3
1 − s −2
Michael Šebek
x3 ( s)
1 ( s + 2)
x3
1
sx2
1 − s −3
x2
1 ( s + 3)
1
sx1
x2 ( s)
1 − s
= 24
x1 ( s)
1 ( s + 4)
x1
−4
1
1 1 1 ( s + 2) ( s + 3) ( s + 4)
y(s)
y
−4 = x 0 0 y = [1 0 ARI-Pr-02-2015
1 0 0 −3 1 x + 0 u 24 0 −2 0] x 13
Příklad: Paralelní realizace Automatické řízení - Kybernetika a robotika
• Přenos
y(s) 24 24 = F= (s) = u (s) 24 + 26 s + 9 s 2 + s 3 ( s + 2)( s + 3)( s + 4)
• Můžeme realizovat jako paralelní spojení subsystémů 1. řádu sx1
12
u
1 − s
−24
12
sx2
sx3
−3
1 − s −4
•
12 24 12 − + ( s + 2) ( s + 3) ( s + 4) rozklad na parciální zlomky
x1
1
−2
1 − s
=
12 ( s + 2)
Xx11((ss) ) x (s)
x2
x3
1
y
1
24 ( s + 3)
X 22 (s)
−2 xX33(ss)) = x 0 0 y = [1 1
12 ( s + 4)
0 0 12 −3 0 x + −24 u 12 0 −4 1] x
jsou-li (faktory) póly násobnosti 1, je stavová matice diagonální (viz Jordanův kanonický tvar matice) Michael Šebek
ARI-Pr-02-2015
14
Příklad: Paralelní realizace - vícenásobné póly Automatické řízení - Kybernetika a robotika
• Přenos
y(s) ( s + 3) 2 1 1 =F ( s ) = = − + u (s) ( s + 1) 2 (s + 2) ( s + 1) 2 ( s + 1) ( s + 2)
• Můžeme realizovat jako paralelní spojení subsystémů max. 2. řádu sx2
1 − s
x2
1
sx1
−1
2
1
•
1 − s
1 − 2
1
1
2 ( s + 2) 2
y
1 ( s + 1)
1 ( s + 2)
−1 1 0 0 −2 x 0 −1 0 x + 2 u = 0 0 −2 1 jsou-li (faktory) póly násobnosti větší než 1, nemusí být stavová matice diagonální, ale y = [1 −1 2 1] x může být blokově diagonální Jordanův tvar matice může být složený z bloků větší velikosti než 1 sx3
•
x1
−1
u
•
1 − s
Michael Šebek
x3
ARI-Pr-02-2015
15
Výpočet transformační matice Automatické řízení - Kybernetika a robotika
• Někdy dány oba modely (ve starých a nových souřadnicích) a hledáme T • přímo z transformačních vztahů to vypočítat nejde ? 1 −1 = A new T−= A old T, B new T= B old , Cnew Cold T
• Transformujme tedy matici n −1 Cnew = B new A new B new A new B new n −1 = T−1B old ( T−1A old T ) T−1B old ( T−1A old T ) T−1B old −1 −1 n −1 T= B old A old B old A old B old T Cold
−1 a z toho je T = Cold Cnew
Ci CA • Obdobně ze vztahu (pokud inverze existuje) Oi = i i −1 T = Oold Onew n -1 Ci A i • Neboť platí Onew = Oold T kde obě matice jsou tvaru i = new, old Michael Šebek
pokud inverze existuje
ARI-02-2015
16
Odezva na vstup a počáteční podmínky Automatické řízení - Kybernetika a robotika
• Odezva na vstupní signál a počáteční stav je celkem
[C adj(sI − A)B + det( sI − A)D] y(s) = det( sI − A)
C adj( sI − A)x0 b( s ) nu ( s ) cx0 ( s ) u ( s) + = + det( sI − A) a( s) du ( s) a( s)
• kde a ( s ) je charakteristický polynom systému du ( s) je jmenovatel L-obrazu vstupního signálu • výstup můžeme rozložit na parciální zlomky / módy takto Složky příslušné kořenům a ( s )
y(s) =
přirozená odezva
Michael Šebek
Složky příslušné
+ kořenům d ( s) u
nucená odezva
ARI-02-2015
+
složky příslušné kořenům a ( s )
odezva na poč. stav
17
Použití parciálních zlomků při výpočtu odezvy Automatické řízení - Kybernetika a robotika
Ryzí racionální funkci n( s) d ( s) , kde d ( s) má kořeny reálné ai , m j-násobné reálné b j −σ k ± jωk a nl -násobné komplexní cl = −σ l ± jωl komplexní ck = • a tedy polynom d ( s ) má rozklad na kořenové činitele d ( s ) = ∏ ( s − ai )∏ ( s − b j )
mj
∏ ( ( s + σ k )2 + ωk2 ) )∏ ( ( s + σ l )2 + ωl2 ) )
nl
• nejprve rozložíme na parciální zlomky n( s ) = d (s)
βm j j β1 j β2 j + + + + ∑ (s − a ) ∑ (s − b ) (s − b )2 mj s b ( ) − j j i j ε nl l + ϕ nl l s ε1l + ϕ1l s γ k + δk s ε 2l + ϕ 2l s +∑ + + + + ∑ ( s + σ )2 + ω 2 (( s + σ )2 + ω 2 ))2 ( s + σ k ) 2 + ωk2 (( s + σ l ) 2 + ωl2 )) nl l l l l αi
• Při zpětné transformaci každý zlomek zpětně transformujeme zvlášť dle vzorců ωk 1 2ωk3 −σ t at −σ t → e sin ωk t , →e , → e ( sin ωk t − ωk t cos ωk t ) 2 2 2 2 2 ( ) s + + σ ω (( s + σ k ) + ωk ) ( s − ai ) k k 1 1 s +σ m j −1 bt 2ωk ( s + σ ) −σ t −σ t , t e → cos , e t → ω → te sin ωk t k mj 2 2 2 2 2 ( ) s + + σ ω (m j − 1)! (( s + σ k ) + ωk ) (s − b j ) k k
• Jednotlivým složkám se říká módy Michael Šebek
ARI-Pr-02-2015
18
Příklad: Odezva na vstup i počáteční stav Automatické řízení - Kybernetika a robotika
det( sI − A) =( s + 5)( s + 3) x1 −5 0 x1 1 = + u x 0 −3 x 0 2 2 x x (0−) 0 y= [ −3 1] 1 + [1] u, 1 = x2 x2 (0−) −1
• obecná odezva = y(s)
3 1 s+2 u (s) − x1 (0−) + x2 (0−) s+5 s+5 s+3
• odezva na jednotkový skok a počáteční stav u (s) =
1 s+21 1 y(s) − s =
s+5 s
s+3
přirozená
2 3 y (t ) =+ e −5t − e −3t 5 5 Michael Šebek
celková
x1 (0− ) = 0, x2 (0− ) = −1
nucená
25 35 1 y(s) = + − s s+5 s+3 nucená
na vstup
přirozená volný pád
volný pád t=0:.01:5; nuc=.4*ones(1,length(t)); pri=.6*exp(-5*t);vol=-exp(-3*t); plot(t,nuc,t,pri,t,vol,t,nuc+pri,...
ARI-Pr-02-2015
t,nuc+pri+vol)
19
Příklad -pokračování Automatické řízení - Kybernetika a robotika
U (s) =
1 s
G (s) s+2 s+5
x1 (0−) =0
det( sI − A) =( s + 5)( s + 3)
Im −2
−5 −3
Y (s)
1 s+3
1 s+5
x2 (0−) =−1
1 s+3
Re 0
s+2
• pól vstupního signálu generuje nucenou odezvu • pól přenosu generuje přirozenou odezvu 25 35 1 • pól charakteristického polynomu Y (s) = + − s s+5 s+3 generuje volnou odezvu • reálný pól -a generuje nucená přirozená exponenciální odezvu e-ta 2 3 −5t −3t ( ) y t = + e −e • nuly a póly kombinují vliv módů 5 5 Michael Šebek
ARI-Pr-02-2015
1 s
volný pád
20
Příklad: Odhad odezvy z polohy pólů Automatické řízení - Kybernetika a robotika
• Když nás např. zajímá odezva na skok systému
u (s) =
1 s
( s + 3) ( s + 2)( s + 4)( s + 5)
y(s)
• můžeme ji jednoduše odhadnout tak, že naznačíme rozklad na parciální zlomky K3 K K2 K4 y ( s ) =1 + + + s ( s + 2) ( s + 4) ( s + 5)
• zřejmě „vstupní pól“ generuje vynucenou skokovou odezvu a póly přenosu generují jednotlivé exponenciální složky přirozené odezvy • zpětnou L-transformací dostaneme
y (t ) =+ K1 K 2 e −2t + K 3e −4t + K 4 e −5t • přestože výpočet konstant není složitý, konstanty nás často nezajímají • mnohdy stačí vědět, které složky odezva obsahuje Michael Šebek
ARI-Pr-02-2015
21
Ještě k modelům: změna měřítka amplitudy Automatické řízení - Kybernetika a robotika
• Změna měřítka amplitudy (škálování) zjednodušuje analýzu i návrh • Odhadneme maximální očekávané/povolené hodnoty změn signálů v pracovním režimu ∆y = G∆ ∆u + Gd ∆ ∆d • Vyjdeme z odchylkového modelu (přenosu) vzniklého třeba lineární aproximací ∆u ∆d • a velikost každé veličinu „stlačíme pod 1“ vydělením = u = ,d ∆ max u ∆ max d maximální odhadnutou nebo povolenou odchylkou • ∆y musíme škálovat společně s ∆e, ∆r neboť mají stejné jednotky a jsou vázány ∆e = ∆r − ∆y ∆y ∆r ∆e = y = ,r = ,e • Můžeme použít ∆ max r nebo častěji ∆ max e : ∆ max e ∆ max e ∆ max e Postup formalizujeme použitím faktorů De = ∆ max e, Du = ∆ max u , Dd = ∆ max d , Dr = ∆ max r y= De−1G∆ Du u + De−1Gd ∆ D d d , e = y−r a dosazením dostaneme • Někdy k tomu ještě zavedeme škálovanou referenci.
r= ∆r ∆ max r= Dr−1∆r ⇒ r= De−1∆r= Dr De−1r • Pak je d (t ) ≤ 1, r (t ) ≤ 1 a pomocí u (t ) ≤ 1 usilujeme o Michael Šebek
ARI-Pr-02-2015
e(t ) ≤ 1 22
Příklad: Vytápění pokoje Automatické řízení - Kybernetika a robotika
• energetická rovnováha: změna energie v pokoji = přítoku energie (zanedbáváme akumulaci ve stěnách) změna přívod tepla uvnitř tepla
ztráty do okolí
d Q + α (TO − T ) ( CV T ) = dt
tepelná kapacita pokoje [J/K]
teplota pokoje [K]
TO [ K ]
α = 100 W K CV , p = 100 kJ K
přívod koeficient venkovní tepla přestupu teplota tepla [K] [W] [W/K]
CV [ J K ] T [K ]
α [W K ]
Q [W ]
• pracovní bod Q = 2 kW , Tp − T= 20 K p O,p
• odchylkový model
5 2 ∆T = T − Tˆ , • zavedeme = τ C= α = 10 10 1000s V d a uděláme LT pro nulovou pp. ∆T (0− ) = 0 CV + α ∆T =∆Q + α∆TO dt 1α 1 s) ∆T (= ∆Q + ∆TO τ s +1 τ s +1 0.01 1 T (s) ∆ = ∆Q + ∆TO 1000 s + 1 1000 s + 1 Michael Šebek
ARI-Pr-02-2015
23
Příklad: Vytápění pokoje Automatické řízení - Kybernetika a robotika
• Zavedeme relativní bezrozměrné proměnné ∆TO ( s ) ∆T ( s ) ∆Q ( s ) = = y(s) = ; u (s) ; d (s) ∆Tmax ∆Qmax ∆TO,max kde ze zadání ∆Tmax = 1 K ; ∆Qmax = 2 kW ; ∆TO,max = 10 K • operacemi ∆T ( s ) 1 1 1 ∆Qmax 1 1 ∆TO,max ∆Q + ∆TO ∆Tmax τ s + 1 α ∆Tmax ∆Qmax τ s + 1 ∆Tmax ∆TO,max • dostaneme 1 1 ∆Qmax 1 ∆TO,max y(s) u (s) + d (s) τ s + 1 α ∆Tmax τ s + 1 ∆Tmax
y(s)
20 10 u (s) + d (s) 1000 s + 1 1000 s + 1
Michael Šebek
ARI-Pr-02-2015
24
Ještě k modelům: změna časového měřítka Automatické řízení - Kybernetika a robotika
• Čas většinou měříme v sekundách, ale počítání s velmi rychlými nebo pomalými systémy může být špatně podmíněné a numerický výpočet může být chybný • Je proto užitečné umět změnit jednotku času. Například mezi časem t[s] a časem τ [ms] platí vztah τ = kt kde k = 1000 • Dopad na derivování je 2 dx dx dx d 2x d x 2 x = , = x k , = = k = 2 2 dt d (τ k ) dτ dt dτ • a tak se stavová rovnice transformuje na
1 1 x (t ) = Ax(t ) + Bu (t ) ⇒ x (τ ) = Ax(τ ) + Bu (τ ) k k
• Jí v „měřítku času τ“
g ( sτ ) =− ( sτ kI − A ) B ( sτ I Aτ ) Bτ =− ( sτ I A k ) B k = −1
−1
−1
• Tedy s = sτ k což odpovídá, neboť proměnná s v LT má rozměr „1/čas“ • Dále platí pro časové konstanty T = kT τ
Michael Šebek
ARI-Pr-02-2015
25
Příklad: změna časového měřítka Automatické řízení - Kybernetika a robotika
• Rychlý oscilátor s přirozenou frekvencíωn = 15.000 rad s (asi 2 kHz) s 106 u (t ) ϕ(t ) + 15.0002 ϕ (t ) = • Změníme-li jednotku času ze sekundy na milisekundu (τ = 1000t ) • Pak a „rovnice v milisekundách“ je 2 ϕ τ d ( ) 2 d ϕ (τ ) ϕ(t ) = 106 2 2 15 ϕ (τ ) = u (τ ) + dτ 2 dτ • Z první rovnice dostaneme přenos, ze druhé 6 1 10 y ( s ) = u (s) y(s) = 2 u ( s) τ 2 2 2 sτ + 15 s + 15.000 • Z porovnání je zřejmé, že s = 1000 sτ x1 ϕ= , x2 ϕ ) je • Změna ve stavovém modelu (pro= x1 (t ) x (t ) 2 x1 (τ ) x (τ ) 2 Michael Šebek
0 1 x1 (t ) 0 −152 × 10002 0 x (t ) + 106 u (t ) 2 0 0.001 x1 (τ ) 0 + 3 u (τ ) −152 × 1000 0 x2 (τ ) 10 ARI-Pr-02-2015
106 g (s) = 2 s + 15.0002 1 g ( sτ ) = 2 sτ + 152 26
Spojité modely v Matlabu – objekty a funkce Automatické řízení - Kybernetika a robotika
CSTbx: • (lti) ss, tf, zpk • step, impulse, initial, … PolTbx: • sdf, (ldf, rdf, mdf), abcd, pol • num, den SymbMathTbx: • symbolické výpočty • laplace, ilaplace
Michael Šebek
ARI-Pr-02-2015
27