Chapter1.3：控制系统的仿真介绍

该系列博客主要讲述Matlab软件在自动控制方面的应用，如无自动控制理论基础，请先学习自动控制系列博文，该系列博客不再详细讲解自动控制理论知识。
自动控制理论基础相关链接：https://blog.csdn.net/qq_39032096/category_10287468.html?spm=1001.2014.3001.5482
博客参考书籍：《MATLAB/Simulink与控制系统仿真》。

---

---

3.控制系统的仿真介绍

3.1 控制系统仿真基本概念

1. 计算机仿真基本概念

   • 仿真的基本思想：利用物理的或数学的模型来类比模仿现实过程，以寻求对真实过程的认识，所遵循的基本原则是相似性原理；

   • 计算机仿真是基于所建立的系统仿真模型，利用计算机对系统进行分析、研究的技术与方法；

   • 模型

     模型是对现实系统有关结构信息和行为的某种形式的描述，是对系统特征与变化规律的一种定量抽象，是人们认识事物的一种手段或工具；

     模型分类：

     • 物理模型：指不以人的意志为转移的客观存在的实体，如：飞行器研制中的飞行模型、船舶制造中的船舶模型等；
     • 数学模型：指从一定的功能或结构上进行相似，用数学的方法来再现原型的功能或结构特征；
     • 仿真模型：指根据系统的数学模型，用仿真语言转化为计算机可以实现的模型；

   • 仿真分类

     • 按模型分类：
       • 物理仿真：采用物理模型，有实物介入，具有效果逼真、精度高等优点，但造价高或耗时长，大多在特殊场合下采用，具有实时、在线的特点；
       • 数学仿真：采用数学模型，在计算机上进行，具有非实时、离线的特点，经济、快速、实用；
     • 按计算机类型分类：
       • 模拟仿真：采用数学模型，在模拟计算机上进行的仿真实验；特点是描述连续物理系统的动态过程比较自然、逼真，具有仿真速度快、失真小、结果可靠的优点，但受元器件性能影响，仿真精度较低，对计算机控制系统的仿真较困难，自动化程度低；
       • 数字仿真：采用数学模型，在数字计算机上借助数值计算方法所进行的仿真实验，特点是计算与仿真的精度较高；
       • 混合仿真：结合了模拟仿真与数字仿真的技术与特点；
       • 现代计算机仿真：采用先进的微型计算机，基于专用的仿真软件、仿真语言来实现，其数值计算功能强大、易学易用；

   • 仿真应用

     • 航空与航天工业

       飞行器设计中的三级仿真体系，半实物仿真，实物仿真或模拟飞行实验，飞行员及宇航员训练用飞行仿真模拟器等；

     • 电力工业

       电力系统动态模型实验，电力系统负荷分配、瞬态稳定性，及最优潮流控制，电站操作人员培训模拟系统等；

     • 原子能工业

       模拟核反应堆，核电站仿真器，用来训练操作人员及研究异常故障的排除处理等；

     • 石油、化工及冶金工业

     • 非工程领域

       医学、社会学、宏观经济和商业策略的研究等；

   • 仿真技术应用意义

     • 经济：大型、复杂系统直接实验的费用十分昂贵；
     • 安全：某些系统，如：载人飞行器、核电装置等，直接实验往往会有很大危险，采用仿真实验可以有效降低危险程度，对系统的研究起到保障作用；
     • 快捷：提高设计效率，如：电路设计、服饰设计等；
     • 具有优化设计和预测的特殊功能：对一些真实系统进行结构和参数的优化设计是非常困难的，仿真可以发挥特殊的优化设计功能；

2. 控制系统仿真

   控制系统仿真是以控制系统模型为基础，采用数学模型代替实际控制系统，以计算机为工具，对控制系统进行实验、分析、评估及预测研究的一种技术与方法；

3. 控制系统计算机基本过程

4. 控制系统仿真包括：问题描述、模型建立、仿真实验、结果分析，流程图如下所示：

   

   • 建立数学模型。

     控制系统模型是指描述控制系统输入、输出变量及内部各变量间关系的数学表达式，分为静态模型和动态模型，静态模型描述的是控制系统变量之间的静态关系，动态模型描述的是控制系统变量之间的动态关系；

   • 建立仿真模型。

     由于计算机数值计算方法的限制，有些数学模型不能直接用于数值计算，原始的数学模型必须转换为能够进行系统仿真的数学模型；

   • 编写仿真程序。

     常用的数值仿真编程语言：C、FORTRAN等，还有MATLAB/Simulink；

   • 进行仿真实验并分析实验结果。

     通过对仿真结果的分析来对仿真模型与仿真程序进行检验和修改，如此反复，直到达到满意的实验效果为止；

3.2 MATLAB/Simulink下的控制系统仿真

1. 控制系统的MATLAB/Simulink仿真有两种途径
   1. 在MATLAB命令行窗口下，运行M文件，调用指令和各种用于系统仿真的函数，进行系统仿真；
   2. 直接在Simulink窗口上进行面向系统结构方框图的系统仿真；
2. MATLAB适合控制系统仿真的特点
   1. 强大的运算功能；
   2. 特殊功能的Toolbox工具箱；
   3. 高效的编程效率；
   4. 简单易学的编程语言；
   5. 方便友好的编程环境；
3. Simulink进行系统仿真的步骤：
   1. 启动Simulink，进入Simulink窗口；
   2. 在Simulink窗口下，借助Simulink模块库，创建系统框图模型并调整模块参数；
   3. 设置仿真参数后，启动仿真；
   4. 输出仿真结果；

3.3 MATLAB中控制相关的工具箱

MATLAB与控制相关的6个工具箱：控制系统工具箱(Control System Toolbox)、系统辨识工具箱(System Identification Toolbox)、模型预测控制工具箱(Model Predictive Control Toolbox)、鲁棒控制工具箱(Robust Control Toolbox)、神经网络工具箱(Neural Network Toolbox)、模糊逻辑工具箱(Fuzzy Logic Toolbox)；

1. 控制系统工具箱：控制系统工具箱可用于前馈和反馈控制系统建模、分析、设计，提供经典和现代的控制系统设计方法，包括：根轨迹、极点配置、LQG设计等；控制系统工具箱主要功能：
   1. 线性系统的传递函数、状态空间、零极点增益和频率响应模型；
   2. 线性模型的串联、并联、反馈连接和一般框图连接；
   3. 用于分析稳定性和性能指标的阶跃响应、奈奎斯特图等；
   4. 根轨迹图、波特图、LQR、LQG及其他经典工具和状态空间控制系统设计方法；
   5. 自动PID控制器调节；
   6. 模型表示方式转换、连续时间模型离散化和高阶系统的低阶近似；
   7. 针对精确度和性能而优化的LAPACK和SLICOT算法；
2. 系统辨识工具箱
   1. 控制系统设计；
   2. 信号处理；
   3. 时序分析；
   4. 振动分析；
3. 模型预测控制工具箱
   1. 模型预估计控制器的设计和仿真；
   2. 生成内置的线性对象模型；
   3. 模型预测控制器的设计和仿真；
4. 鲁棒控制工具箱
   1. LQG/LTR最佳化控制的合成；
   2. 多变量的频率响应；
   3. H2最佳化控制合成；
   4. 高阶模型的简化；
   5. 奇异值的模型简化；
   6. 可对频谱进行因式分解及建立模型；
5. 神经网络工具箱
   1. BP、Hopfield、Kohnen、自组织、径向基函数等网络；
   2. 竞争、线性、Sigmoidal等传递函数；
   3. 前馈、递归等网络结构；
   4. 性能分析；
6. 模糊逻辑工具箱
   1. 自适应神经–模糊学习；
   2. 模糊聚类；
   3. Sugeno推理。