自动控制原理学习笔记（三）—— 一阶线性定常离散系统与稳态误差

DongFang_ZhiZhu

于 2024-09-15 12:03:22 发布

阅读量1k

点赞数 28

文章标签：学习笔记

本文链接：https://blog.csdn.net/DongFang_ZhiZhu/article/details/142206228

版权

前两节笔记详见：

自动控制原理学习笔记（一）—— 控制介绍，一阶离散系统-CSDN博客

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-CSDN博客

一、任意输入函数 x[n] 下的一阶离散系统：线性定常与叠加原理

在第二节笔记中，我们给出了一阶离散系统的方程：

$y=\lambda y[n-1]+bx[n-1]$

我们假设当 n ≥ 0 时输入信号 x[n] = 1 ，当 n < 0 时等于 0 。然而，这个条件十分局限，因为在现实生活中 x[n] 是任意的。如下图所示，假设我们可以求解左图输入信号对应的输出信号，那么右图更加复杂的输入信号对应的输出信号该如何求解呢？

接下来我们将引入线性一阶离散系统的两个性质：线性和定常。由于这两个性质比较直观，因此我们将不再对其证明。详细介绍请参考（奥本海姆《信号与系统第二版》P32~P36）。

线性：

如果输入 $x_{a}[n]$ 能够得到输出 $y_{a}[n]$ ，输入 $x_{b}[n]$ 能够得到输出 $y_{b}[n]$ ，则

$Ax_{a}[n]+Bx_{b}[n]\rightarrow Ay_{a}[n]+By_{b}[n]$

其中 A 和 B 是常数，符号 “ $\rightarrow$ ” 表示 “得到” 。

定常：

如果 $x[n]\rightarrow y[n]$ ，则 $x[n-n_{0}]\rightarrow y[n-n_{0}]$ 。

通过这两个性质可以引出叠加性质。回到之前右图的输入信号，我们将其拆分成两个经过偏移和拉伸的信号，如下图所示。

对于更复杂的输入信号，我们可以将其看成无数个不同输入信号的和，这就需要用到一种叫做卷积的工具了。卷积在形式上比较简单，但计算上需要一点数学技巧，在自动控制原理中我们将不会提及。关于卷积的详细介绍请参考（奥本海姆《信号与系统第二版》P48~P63）

二、开环控制

我们插入一段对开环控制的介绍。这里依然使用第一节笔记中3D打印机的例子，但是我们不再考虑传感器的反馈作用。被控对象的方程如下：

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

前馈控制器的方程为

$u[n]=K_{ff}T_{d}[n]$

其中 Kff 是我们选择的参数。上面两个方程合并，得

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

化简，得

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

该系统的固有频率为 1 ，系统不稳定。所以如果没有反馈，这个控制系统的性能会很差，在最后我们会详细解释。

三、例子：具有热耗散的3D打印喷头

在现实生活中，3D打印机的喷头会有热耗散。在第二节的笔记中，如果没有热耗散，系统的稳态误差为 0 。我们想知道在有热耗散的情况下，该控制器对系统造成的稳态误差有多大。

在前一节中被控对象的方程如下：

$T_{m}[n]=T_{m}[n-1]+\Delta T\gamma u[n-1]$

在没有热耗散的情况下，温度的变化量只取决于输入信号。在现实生活中，由于空气对流等原因会带走打印喷头一部分热量，因此我们在方程右侧增加一项：

$T_{m}[n]=T_{m}[n-1]+\Delta T\gamma u[n-1]+\Delta T\beta T_{m}[n-1]$

其中，参数 $\beta$ 为将前一时刻温度 $T_{m}[n-1]$ 与温度变化量联系起来的常数。

在第二节笔记中，使用的 P 控制器的方程为

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

变量代换，得

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

与先前的系统方程对比，这个方程新增项 $-\Delta T\beta T_{m}[n-1]$ 来描述热耗散。这一项会改变我们对 Kp 的选择，因为它会影响系统的稳定性、收敛速度和稳态误差。

稳定性：

$-1< \lambda <1$

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

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

Kp 必须在上述范围中才能使得系统稳定。

收敛速度：

我们希望系统尽快收敛并达到稳态（ $T_{m}[n]=T_{m}[n-1]$ ），那么要设置系统的固有频率为 0 ，即

$\lambda =(1-\gamma K_{p}\Delta T-\Delta T\beta)=0$

求解 $K_{p}$ ，于是

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

这个 $K_{p}$ 能使系统收敛最快。

稳态误差：

然而，收敛速度最快不一定最优，我们还要分析系统的稳态误差。定义稳态误差为

$e[n]=T_{d}[n]-T_{m}[n]$

于是我们把系统方程

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

化简为

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

当 n 趋近于无穷，方程化简为

$e[\infty ]=\lambda e[\infty ]+\Delta T\beta T_{d}[\infty ]$

于是

$e[\infty ]=\frac{\Delta T\beta T_{d}[\infty ]}{1-\lambda }$

$e[\infty ]$ 就是稳态误差，我们接下来要分析它。为了保持稳定， $\lambda$ 需要在 -1 到 1 之间，只要 $\beta \neq 0$ ，系统的稳态误差将一直存在。如果想让稳态误差最小，那么只能令 $\lambda =-1$ 。在许多情况下，我们找不到能够最优化系统每一个方面的解。因此我们需要权衡，在设计控制器时要考虑需要收敛速度更快还是稳态误差更小。