自动控制原理（线性）

夜以冀北

已于 2023-07-21 10:18:30 修改

阅读量1k

点赞数 3

文章标签：学习控制

于 2023-07-20 12:38:32 首次发布

本文链接：https://blog.csdn.net/qq_43561934/article/details/131555295

版权

B站学习视频https://space.bilibili.com/230105574/channel/seriesdetail?sid=1569593

一.开环、闭环

简单来说，开环系统的输入和输出是无关的，闭环系统的输入是关于输出的函数，即反馈

二.系统稳定性——稳定、临界稳定和发散

一般书上写的就是研究系统本身的传递函数来分析稳定性（输入是冲激函数就可以得到）

而分析稳定性就是从极点入手，具体极点怎么对应输出的衰减和振荡

因此设计控制器来实现极点配置，使得系统极点都在左半平面，这就是经典控制的设计思路；而现代控制理论主要研究状态矩阵的特征值，这个特征值对应的就是传递函数的极点

三.案例建模——体重控制

比例控制器、进一步引入积分的比例积分控制器

补充：输出值和参考值存在差距，用终止定理（很重要，能在s域求极限得到时域的稳定值）求输出值之前要先判断系统的稳定性，然后再求输出值进而得到稳态误差

而通过下图上半部分的结果可知，问题误差表示为 $e_{ss}=r-\frac{k_{p}}{1+k_{p}}r=\frac{1}{1+k_{p}}r$ ，r是时域的参考值，显然只有当 $k_{p}\rightarrow \infty$ 时 $e_{ss}$ 才会趋向0，而 $k_{p}$ 是不可能设置成无穷大的，这就表明了稳态误差在仅使用比例控制器时是不可能消除的，即系统特性造成稳态误差

个人理解重点是令 $\lim_{s\rightarrow \infty }C(s)=0$ ，只不过最简单的C(s)就是 $\frac{1}{s}$ ，而这个 $\frac{1}{s}$ 就是对应积分，所以才引进积分，当然更复杂的C(s)也是可以的，而上面写到在 $\frac{1}{s}$ 基础上加个系数 $k_{I}$ ，代表积分增益，就像比例增益一样，我理解的比例增益原本的单位就是1，而 $k_{p}$ 就是系数（不同的系数对应不同的比例调节），这里的积分原本的单位就是 $\frac{1}{s}$ ， $k_{I}$ 就是系数，不同的系数就对应不同的积分调节（当然也可以直接改基本单位）

而引入 $\frac{1}{s}$ 就将一阶系统变成二阶系统，就会多很多特性；

四.根轨迹

二阶系统还是举例之前的弹簧系统

$ax^{2}+bx+c=0\Rightarrow x=\frac{-b\pm \sqrt{(b^{2}-4ac)}}{2a}$

研究对象和分析对象是不同的，前者是将闭环系统整理成"开环系统"（这只是一个等效形式，不要太纠结是不是真正的开环传递函数）的极点，而后者是开环系统的分母化为标准形式后的k对应的项的零极点分析（这里感觉表述不太对，可以对比一下后期补充的第4点）

在参数根轨迹的求解过程中，等效的开环传递函数的零点与原系统是无关的，can的解法就是传统的参数根轨迹解法，是不要求回推一致的。如果要讨论闭环零点对系统性能的影响，需要求出原闭环系统的零点。

注意这里的 $\frac{1}{s^{3}+3s^{2}+ks+1}$ 这个例子提到的反馈函数是1，所以看上去就是只分析了G(s)和k

注意汇合点不是上面那个计算的渐近线的交点，这里就不要求计算了，MATLAB可以直接画，这里学习的目的是理解根轨迹变化的趋势

五.根轨迹设计法

注：传递函数 $\frac{1}{s^{2}+2kw_{ns}+w_{n}^{2}}$ 和其一般式是不同的，而特征方程和根轨迹是相同的，即分析是一样的

复制评论区的部分内容（参考）：

1.补充一下为什么分离点在 $\frac{dk}{d\sigma }$ ，因为在到达分离点后，根轨迹都在实轴，并且在离开分离点后，K在增大(一条指向左边，一条指向右边)。把K- $\sigma$ 图画出来，大概长这样： \/，V的小尖尖就是分离点，也是极值点，所以 $\frac{dk}{d\sigma }$ = 0

2.根轨迹本质上是通过研究闭环传函的特征方程，研究系统的特性，通常情况下，我们可以把系统拆分成K ，G（s）的前向通道，有一条增益为1的负反馈通道，这样呢，我们的特征方程就变成了1+K*G(s)=0，负反馈上有D（s）也不要紧，形式就变成了，1+K*G(s)*D(s）=0，本质一样，可以看看梅森增益公式。我们研究K由0增加到正无穷，特征根的轨迹特性，实际上，极点在复平面坐左半平面是稳定的，如果到了右平面，那系统的输出就会发散。

根轨迹的规则如何来的呢？本质上是通过幅角特性，我们把特征方程稍微改变一下，K*G(s)=-1，这样左边的幅值应该是1，相角的和永远是180度。我们当然希望极点越往左越好，收敛的时间就会变短，虚轴决定的是震荡的频率，通过K的取值，在某种意义上，我们就完成了系统的极点配置，系统的性能会得到提升。

根轨迹的几何性质及利用

首先还是认识复数的性质：

$z_{1}=\sigma 1+jw_{1}=r_{1}e^{i\theta _{1}}, z_{2}=\sigma 2+jw_{2}=r_{2}e^{i\theta _{2}}$

$z_{1}z_{2}=r_{1}r_{2}e^{i(\theta _{1}+\theta_{2})}$

对于N(s)=s+3，s=2+2j，直接代进去就是5+2j，但其实可以换一个思路——令N(s)=0求出零点，然后在图上直接标出2+2j，从零点直接连2+2j得到的向量长度模长和角度和计算得到的5+2j是一样的，只不是是起始点不同，那么对于 $\frac{N(s)}{D(s)}$ 而言，

最终结果的模长为 $\frac{\Pi\, \, \, all \, \, \, zero\, \, \, length}{\Pi\, \, \, all \, \, \, pole\, \, \, length}$ ，相角为 $\Sigma \, \, zero \, \, Angle-\Sigma \, \, pole \, \, Angle$

为什么要学习上面这些呢？还记得以前的那个1+kG(s)=0的形式吗？

如果将式子表示成kG(s)=-1，就意味着左边的模值恒为1，相角为- $\pi$ ，则

$|kG(s)|=1=k\frac{\Pi\, \, \, all \, \, \, zero\, \, \, length}{\Pi\, \, \, all \, \, \, pole\, \, \, length}$

$\angle kG(s)=-\pi (2q+1),q=0,\pm 1,...$

这样就可以用上面的条件来判断一个根是否在根轨迹上

判断的方式就是将一个位置的根与现有的零极点进行连线，就可以得到多个向量，往上面的条件套就行了，在根轨迹上就是满足条件的

而调整根轨迹的方法也是这个角度，先找到一个位置的根，然后也是个现有的零极点进行连线得到向量，根据那个相角条件如果直接配置单个零点这种就是，对应到系统传递函数上就是添加了一个微分的拉氏变换，所以才叫PD控制，而PD控制的微分项对高频分量极其敏感，所以就可以考虑同时用一个更靠近0的零点（与根相连的向量的相角更大）和极点来共同配置，这就是超前补偿器

实际上需要尽量避免PD（比例微分）控制，一方面是微分器没有纯无源的（使用必然引入额外的能量消耗，到分析能量效率的时候就更复杂了），另一方面是微分器对高频分量很敏感（可以这么说，积分是缩小高频信号分量已达到滤除高频分量，而微分就是放大高频信号分量）

超前补偿器就是用一对零极点来调整，注意极点的角度要更小（即比零点更远离虚轴）

具体就是将s+8换成 $\frac{s+z}{s+p}$ ，|z|<|p|就是滞后补偿，|z|>|p|就是超前补偿，这里就是超前补偿

目标减小稳态误差：当p $\rightarrow$ 0时 $e_{ss}=\frac{D(0)}{D(0)+kN(0)\frac{z}{p}}\rightarrow 0$ ，此时补偿器就由 $\frac{s+z}{s+p}\Rightarrow \frac{s+z}{s}=1+\frac{z}{s}$ ，前一项就是比例项，后一项就是积分项，通过前面可知比例积分控制是可以减小稳态误差的

目标设计补偿器使 $e_{ss}=0.1$

六.奈奎斯特稳定性判断

首先看一个闭环的控制系统：

例如要控制的系统是 $\frac{1}{s^{2}+0.4s+1}$ ，用一个补偿器 $k\frac{s+0.1}{s+0.01}$ 和一个传感器 $\frac{1}{s+5}$ 来组成

令 $G(s)=\frac{N_{G}}{D_{G}},H(s)=\frac{N_{H}}{D_{H}}$ ，则 $G(s)H(s)=\frac{N_{G}N_{H}}{D_{G}D_{H}}$ ， $\frac{G(s)}{1+G(s)H(s)}=\frac{N_{G}D_{H}}{D_{G}D_{H}+N_{G}N_{H}}$ $1+G(s)H(s)=1+\frac{N_{G}N_{H}}{D_{G}D_{H}}=\frac{D_{G}D_{H}+N_{G}N_{H}}{D_{G}D_{H}}$ ，而1+G(s)H(s)则是连接上面两个传递函数的中间函数，中间函数的极点就是开环传递函数的极点，中间函数的零点就是闭环传递函数的极点，这个等价很重要，用于下面的推导替换

其次是柯西幅角原理

多个点就能形成一条线，在S平面内顺时针画出一条闭合曲线A，B曲线是A通过映射F(s)后在F(s)平面上的映射曲线

A曲线每包含一个F(s)的零点，B曲线就顺时针绕(0,0)一圈；A曲线每包含一个F(s)的极点，B曲线就逆时针绕(0,0)一圈；

最后推导奈奎斯特稳定性判据

在s域假设有一根直线，然后顺时针扫180度，理论上是扫出一个半圆，实际上是直线无穷大就扫过整个右半平面，这里就看成无穷半径的半圆，加上虚轴就构成一个封闭的曲线，封闭曲线会包括F(s)部分零极点（实际就是右半平面的零极点），用右半平面的极点数-右半平面的零点数=绕求逆时针圈数，而映射F(s)就选择1+G(s)H(s)