自动控制原理学习笔记（二）—— 一阶离散系统的通解，稳定性和收敛性

DongFang_ZhiZhu

已于 2024-09-12 19:06:40 修改

阅读量1k

点赞数 22

文章标签：学习笔记

于 2024-09-12 19:06:05 首次发布

本文链接：https://blog.csdn.net/DongFang_ZhiZhu/article/details/142139726

版权

前一节笔记详见自动控制原理学习笔记（一）—— 控制介绍，一阶离散系统-CSDN博客

一、一阶离散系统的比例控制

我们在前一个笔记介绍过一阶离散（DT）系统和 P 控制器，控制器和一阶系统由如下方程组成：

P 控制器： $u[n]=K_{p}(T_{d}[n]-T_{m}[n])$

被控对象： $\frac{T_{m}[n]-T_{m}[n-1]}{\Delta T}=\gamma u[n-1]$

把第一个方程代入第二个方程，得

$\frac{T_{m}[n]-T_{m}[n-1]}{\Delta T}=\gamma K_{p}(T_{d}[n-1]-T_{m}[n-1])$

化简，得

$T_{m}[n]=(1-\gamma K_{p}\Delta T)T_{m}[n-1]+\gamma \Delta T K_{p} T_{d}[n-1]$

该方程具有一阶离散系统的形式：

$y[n]=\lambda y[n-1]+bx[n-1]$ （1）

其中 $y[n]$ 是我们需要求解的变量， $x[n]$ 是我们设置的输入函数， $\lambda$ 是固有频率（原因之后会讲到）， $b$ 是一个常数。在下一节，我们会研究这个系统的解以及方程（1）的性质。

二、一阶离散系统的解

我们对方程（1）进行分类讨论：

情形一：对于所有 n ，x[n] = 0（也称为零输入响应，ZIR）

方程可以化简为 $y[n]=\lambda y[n-1]$ 。

容易得到该方程的解为

$y[n]=\lambda^{n} y[0]$

这是最简单的情形，其中稳态解由 $\lambda$ 的值决定。

如果 $\left | \lambda \right |<1$ ，则 $y[\infty ]=0$ ；

如果 $\lambda =1$ ，则 $y[\infty ]=y[0]$ ；

如果 $\lambda =-1$ ，则 $y[n]=(-1)^{n}y[0]$ ，不收敛；

如果 $\left | \lambda \right | >1$ ，则 $\left | y[\infty ] \right |\rightarrow \infty$ ，不收敛。

情形二：对于所有 n ，x[n] = 1，且 y[n] = 0（也称为零状态响应，ZSR）

注意：在零状态响应中，x[n] 可以为任何函数，这里我们定义 x[n] = 1 。

方程可以化简为

$y[n]=\lambda y[n-1]+b$ （2）

假设解是收敛的，我们想知道 $y[\infty ]$ 。由于

$y[\infty ]=\lambda y[\infty ]+b$

$y[\infty ]=\frac{b}{1-\lambda }$

接下来我们想得到 $y[n]$ 。从 $y[0]$ 不断迭代，于是

$y[0]=0$

$y[1]=\lambda y[0]+b=b$

$y[2]=\lambda y[1]+b=\lambda b+b$

$y[3]=\lambda y[2]+b=\lambda^{2} b+\lambda b+b$

最终，我们得到

$y[n]=\sum_{m=0}^{n-1}\lambda ^{m}b$ 和 $y[\infty ]=\sum_{m=0}^{\infty }\lambda ^{m}b$

于是

$y[n]=y[\infty ]-\sum_{m=n}^{\infty }\lambda ^{m}b=y[\infty ]-\lambda ^{n}\sum_{m=0}^{\infty }\lambda ^{m}b=y[\infty ]-\lambda ^{n}y[\infty ]$

代入 $y[\infty ]$ 的值，我们得到

$y[n]=\frac{b}{1-\lambda }(1-\lambda ^{n})$ （3）

我们想知道解长什么样子，令 b = 1 ，分 6 种情况讨论：

$\lambda >1$ ，解发散；
$\lambda <-1$ ，解发散；
$\lambda =-1$ ，解发散；
$\lambda =1$ ，解发散；
$0<\lambda <1$ ，解收敛；
$-1<\lambda <0$ ，解收敛。

现在我们终于知道了如何求解一阶离散（DT）系统，然后我们再返回到之前3D打印机的例子。再强调一遍， $\lambda$ 决定了系统的解是否收敛，故选择合适的 $\lambda$ 是设计稳定系统的关键。

三、在一阶系统选择 Kp：稳定性，稳态误差和收敛性

返回到之前3D打印机的例子，该系统的系统方程为：

$T_{m}[n]=(1-\gamma K_{p}\Delta T)T_{m}[n-1]+\gamma \Delta T K_{p} T_{d}[n-1]$

那我们该如何选择 $K_{p}$ 来构建一个“合适的”控制器？

首先，由第二节中方程（2）对应找到 $\lambda$ 和 $b$ ，则

$\lambda =1-\gamma K_{p}\Delta T$

$b=\gamma \Delta T K_{p} T_{d}[n]$

这里我们假设目标温度 Td[n] 为一个常数。

接下来我们逐一分析该系统的性能指标：

（1）稳定性：

$-1<\lambda <1$

$-1<1-\gamma K_{p}\Delta T<1$

$\frac{2}{\gamma \Delta T}>K_{p}>0$

在这个控制问题中，Kp 必须在上述范围中才能使得系统稳定（即 $T_{m}[\infty ]$ 有界）。

（2）稳态误差：

我们可以使用稳态解来判断这个系统是否有稳态误差，于是

$T_{m}[\infty ]=y[\infty ]=\frac{b}{1-\lambda }=\frac{\gamma \Delta T K_{p} T_{d}[\infty ]}{1-(1-\gamma K_{p}\Delta T)}=T_{d}[\infty ]$

在这个系统中， $T_{m}[\infty ]=T_{d}[\infty ]$ 。只要这个系统稳定，则稳态误差为零。当然，在某些系统中，稳态误差不一定为零，这个系统只是一个特例，Kp 的值会影响稳态误差。

（3）收敛速度：

虽然我们得到了 Kp 的大致范围，但没有找到最优的 Kp ，且这个系统中有许多模块需要优化。在本例中，我们希望 $T_{m}[n]$ 能快速逼近 $T_{d}[n]$ 。在第二节中得到的函数（3）中，

$y[n]=\frac{b}{1-\lambda }(1-\lambda ^{n})$

我们随便令 $\lambda =0$ ，则

$y[1]=\frac{b}{1}(1)=b$

我们发现，这个系统只需一步就可以达到目标温度，收敛速度很快。在现实生活中，系统常常受外部噪声干扰，因此在设计控制器时需要考虑多方面的因素。

关于线性定常系统的介绍，详见下回分解。