- 博客(12)
- 收藏
- 关注
RSS订阅
1原创 线性离散系统的分析与校正
线性离散系统的分析与校正离散系统连续信号：在时间和幅值上均连续变化采样信号：在离散时间上取值，幅值连续变化数字信号：时间和幅值均离散，有量化单位q离散系统：系统中有一处或几处信号是脉冲串或数码的系统连续系统：系统中所有信号都是时间的连续函数的系统离散系统可以分为（1）采样系统：时间离散，数值连续，对来自传感器的连续信息在某些规定的时间瞬时上取值，而相邻两个脉冲之间没有信号值，等周期采样，系统中所有采样器同步工作一个采样控制系统的结构框图如下图所示：（在信号上带*的表示是离散量）采样过程
2021-12-27 18:25:09
1672
原创 非线性控制系统分析
非线性控制系统分析非线性控制系统概述理想的线性系统是不存在的。实际的物理系统组成元件或多或少地带有非线性因素。非线性系统是普遍存在的，线性模型是实际系统在特定条件下的近似描述。非线性特性：指系统中某些元件的输入、输出关系不是按线性规律变化非线性控制系统：当系统中含有一个或多个具有非线性特性的元件时，该系统称为非线性控制系统如果在工作范围内可以线性化为线性系统，则称为非本质非线性；如果无法线性化，则称为本质非线性非线性系统的特点如下：（1）非线性系统不满足叠加原理（2）非线性控制系统的稳定性：
2021-12-27 17:56:55
3393
原创 自动控制理论（3）：线性系统的根轨迹法
自动控制理论：根轨迹法根轨迹：系统某一参数由0→∞0→\infty0→∞变化时，闭环特征根λ\lambdaλ在s平面相应变化所描绘出来的轨迹一个系统的首1标准型如下G(s)=K∗∏j=1m(s−zj)∏i=1n(s−pi)G(s)=\frac{K^{*} \prod\limits_{j=1}^{m}\left(s-z_{j}\right)}{\prod\limits_{i=1}^{n}\left(s-p_{i}\right)}G(s)=i=1∏n(s−pi)K∗j=1∏m(s−zj)开
2021-12-27 17:44:12
872
原创 自动控制理论（2）：时域分析与校正
自动控制理论（2）：时域分析与校正时域分析法在时间域内研究系统在典型输入信号作用下，其输出响应随时间变化规律的方法。 典型输入信号：单位脉冲信号:δ(t)={0,t≠0∞,t=0∫−∞∞δ(t)dt=1\delta(t)=\left\{\begin{array}{l}0, t \neq 0 \\\\\infty, t=0\end{array} \quad\quad\quad \int_{-\infty}^{\infty} \delta(t) d t=1\right.δ(t)=⎩
2021-12-20 15:53:46
1623
原创 自动控制理论（1）：一般概念及数学模型
自动控制理论：一般概念及数学模型控制系统的组成自动控制：在无人直接参与的情况下，利用控制装置，使工作机械、或生产过程（被控对象）的某一个物理量（被控量）按预定的规律（给定量）运行。控制系统可以分为被控对象和控制装置控制装置可以分为：测量元件、比较元件、放大元件、执行机构、校正装置、给定元件其中测量元件、比较元件、执行机构是每一个控制系统所必须要有的比如一个水位控制系统，检测水池的水位，将该水位与给定量比较，如果高了就放水，低了就注水，从而使得水位始终与给定量保持一致，这就是一个自动控制的过程。该
2021-12-18 10:06:52
1897
原创 数学模型与python基础——稳定状态数学模型
数学模型与python基础（4）之前讲了如何利用微分方程建立的数学模型来描述一些量动态变化的过程，微分方程能够具体描绘出每一时刻的各个量的值，但是在一些情况下，我们并不需要知道一些量每时每刻的变化，只想知道其稳定状态的情况以及趋势性。这种情况下可以利用微分方程稳定性理论，而不需要对微分方程进行具体求解。微分方程稳定性理论自治如果一个常微分方程或方程组不含时间变量，即dxdt=F(x,t)=[f1(x,t)⋮fN(t)]=F(x)\frac{d x}{d t}=F(x, t)=\left[\beg
2021-12-16 18:04:27
817
原创 数学模型与python基础——微分方程数学模型（1）
数学模型与python基础（3.1）第一章讲了什么是数学模型，介绍了传染病学的sir模型。那么我们就趁热打铁从微分方程相关的数学模型以及相关的数学计算过程开始介绍。
2021-12-13 12:54:54
1522
原创 数学模型与Python基础——什么是数学模型
数学模型与python基础（1） 从今天开始码一个数学建模教程，尽管讲数学建模的课程和教材各有各的思路， 但是数学建模是利用数学工具分析实际问题，个人认为应当要从如何把一个实际问题变成数学问题开始讲起，所以第一部分先讲一讲数学模型是什么，有什么数学建模的方法，以及python的一些基础知识。什么是数学模型呢？就如上文所说，数学建模的问题本质就是把一个实际问题变成一个数学问题，然后用数学工具去解决它的过程。那么从实际问题中抽象出来的数学描述就是数学模型。不同的实际问题当然需要用不同类型的数学语言进行
2021-12-10 13:39:01
629
原创 有理函数多项式分解以及系数的留数法求解
部分分式展开以及系数的留数法求解有理真分式分解为部分分式当有一个次数小于n的多项式P(x)P(x)P(x)则其一定可以写为如下的形式P(x)=A1(x−a)n−1+A2(x−a)n−2+⋯+An−1(x−a)+AnP(x)=A_1(x-a)^{n-1}+A_2(x-a)^{n-2}+\dots+A_{n-1}(x-a)+A_nP(x)=A1(x−a)n−1+A2(x−a)n−2+⋯+An−1(x−a)+An因此两边同时除以(x−a)n(x-a)^n(x−a)n次后就可以得到P(x)(
2021-12-07 14:48:35
11092
原创 状态估计（2.1）——概率密度函数
状态估计（2.1）——概率论基础知识（1）一、随机事件和概率随机试验：满足可重复性，多结果性，不确定性的试验随机事件：一次随机试验中可能出现也可能不出现的结果不可能事件：试验中不可能出现的事件，记为ϕ\phiϕ必然事件：在试验中必然出现的事件，记为S或Ω\OmegaΩ样本点：随机试验的每个基本结果，记作e或ω\omegaω样本空间：全体样本点的集合，记作S或Ω\OmegaΩ随机事件是样本空间的子集，基本事件是单点集，复合事件是多点集，一个事件发生当且仅当该事件包含的一个样本点出现事件间的关
2021-12-02 18:59:34
709
原创 状态估计（1）——传感器及问题由来
状态估计笔记（1）——问题由来 我们需要状态估计，是因为我们在任何过程中都无法获取真实值。 我们在用传感器(sensor) 去测量各种物理量的时候，传感器的测量值并非真值，而具有一定的不确定性。传感器受限于它们所能感知的信息。量程，分辨率，噪声等等也会对传感器的测量过程造成干扰。 我们在用执行器(actuation)去输出一个物理量的时候也具有一定的不确定性。控制噪声，磨损，机械故障等等也会对其带来影响。 我们许多时候使用的模型(model)也具有一定的不确定性，有的时候只能近似地抽
2021-12-01 17:22:44
2419
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人