Matlab simulink上手控制仿真学习笔记3-常用模块S Function及使用案例

在这里插入图片描述
讲得真的十分细致!个人感觉看完前4节就差不多了。

今天记录的是S Function。
内容比较多,加个目录:

S Function

可以用Matlab Function轻松搭建方程,(长得下面这样子),具体看视频的

第3节:S-Function/S函数,一个实例带你直接上手(非线性反步法搭建)

第4节:S-Function/S函数补充,滑模控制器完整搭建

演示的是这个方程

在这里插入图片描述

前置工作

在工作目录下创建四个函数:

plant.m 描述物理方程
ctrl.m 描述控制律
parameter.m 描述常数
demo_plot.m 绘制图形

下面我们依次讲怎么写这些函数。

1.1 parameter.m

写入我们要的参数。

pa.k=8;
pa.m=1;
pa.k1=1;
pa.k2=1;
pa.A=5;%生成信号使用
pa.T=20;%生成信号使用

在这里插入图片描述
填写好以后运行一下,让pa在工作区中可以被调用。

1.2 plant.m

对应公式:

在这里插入图片描述

输入u,输出 x 1 x_1 x1 x 2 x_2 x2.
没有直接馈入。

在命令行输入edit sfuntmpl

调出S function的模板:

在这里插入图片描述
把模板里的内容复制到plant.m中,然后把sfuntmpl改成plant。注意我们调用parameter.m里的pa结构体参数,我们需要注意在用到pa的地方都加上pa。
在这里插入图片描述

在这里插入图片描述

function [sys,x0,str,ts,simStateCompliance] = plant(t,x,u,flag,pa)

function [sys,x0,str,ts,simStateCompliance] = plant(t,x,u,flag,pa)

switch flag,

  %%%%%%%%%%%%%%%%%%
  % Initialization %
  %%%%%%%%%%%%%%%%%%
  case 0,
    [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes;

  %%%%%%%%%%%%%%%
  % Derivatives %
  %%%%%%%%%%%%%%%
  case 1,
    sys=mdlDerivatives(t,x,u,pa);

  %%%%%%%%%%
  % Update %
  %%%%%%%%%%
  case 2,
    sys=mdlUpdate(t,x,u);%连续系统不用管

  %%%%%%%%%%%
  % Outputs %
  %%%%%%%%%%%
  case 3,
    sys=mdlOutputs(t,x,u);

  %%%%%%%%%%%%%%%%%%%%%%%
  % GetTimeOfNextVarHit %
  %%%%%%%%%%%%%%%%%%%%%%%
  case 4,
    sys=mdlGetTimeOfNextVarHit(t,x,u);

  %%%%%%%%%%%%%
  % Terminate %
  %%%%%%%%%%%%%
  case 9,
    sys=mdlTerminate(t,x,u);

  %%%%%%%%%%%%%%%%%%%%
  % Unexpected flags %
  %%%%%%%%%%%%%%%%%%%%
  otherwise
    DAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag));

end

function [sys,x0,str,ts]=mdlInitializeSizes

设置初始化。

如图输入不是直通的, x 1 x_1 x1 x 2 x_2 x2的表达式并没有 u u u x 2 x_2 x2的导数和 u u u有关系,但是 x 2 x_2 x2并没有直接和 u u u直接产生关系。
在这里插入图片描述
在这里插入图片描述

function [sys,x0,str,ts]=mdlInitializeSizes
sizes = simsizes;
sizes.NumContStates  = 2;%连续状态个数为2:x_1和x_2,因为采用连续采样周期仿真
sizes.NumDiscStates  = 0;%离散状态个数为0
sizes.NumOutputs     = 2;%输出量为2个:x_1和x_2
sizes.NumInputs      = 1;%输入量为1个,u
sizes.DirFeedthrough = 0;%方程中输入没有直馈于输出
sizes.NumSampleTimes = 1;%采样周期数是1,默认就不动
sys = simsizes(sizes);
x0=[0,0]:%初始化输出值x_1和x_2都是0
str=[]:%无其他说明
ts=[0 0]:%连续采样,第一个值为0(每隔0秒采样一次),没有偏移,第二个值也设为0

function sys=mdlDerivatives(t,x,u,pa)

设置微分方程。
在这里插入图片描述
输出是左边的导数项,输入是 x 1 x_1 x1 x 2 x_2 x2 u u u,然后 k k k m m m是常数从parameter结构体中获取。函数的输入项注意要加上pa。
在这里插入图片描述

function sys=mdlDerivatives(t,x,u,pa)
k=pa.k;
m=pa.m;

x1=x(1);
x2=x(2);

dx1=x(2);
dx2=-k/m*x1^3+1/m*u;
sys = [dx1;dx2];

function sys=mdlOutputs(t,x,u)

设置输出,我们输出的是x。

function sys=mdlOutputs(t,x,u)

sys = x;

1.3 ctrl.m

设置控制律。

在命令行输入edit sfuntmpl

调出S function的模板:

在这里插入图片描述
把模板里的内容复制到ctrl.m中,然后把sfuntmpl改成ctrl。注意我们调用parameter.m里的pa结构体参数,我们需要注意在用到pa的地方都加上pa。

在这里插入图片描述

在这里插入图片描述

function [sys,x0,str,ts,simStateCompliance] = ctrl(t,x,u,flag,pa)

function [sys,x0,str,ts,simStateCompliance] = ctrl(t,x,u,flag,pa)

switch flag,

  %%%%%%%%%%%%%%%%%%
  % Initialization %
  %%%%%%%%%%%%%%%%%%
  case 0,
    [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes;

  %%%%%%%%%%%%%%%
  % Derivatives %
  %%%%%%%%%%%%%%%
  case 1,
    sys=mdlDerivatives(t,x,u);

  %%%%%%%%%%
  % Update %
  %%%%%%%%%%
  case 2,
    sys=mdlUpdate(t,x,u);%连续系统不用管

  %%%%%%%%%%%
  % Outputs %
  %%%%%%%%%%%
  case 3,
    sys=mdlOutputs(t,x,u,pa);

  %%%%%%%%%%%%%%%%%%%%%%%
  % GetTimeOfNextVarHit %
  %%%%%%%%%%%%%%%%%%%%%%%
  case 4,
    sys=mdlGetTimeOfNextVarHit(t,x,u);

  %%%%%%%%%%%%%
  % Terminate %
  %%%%%%%%%%%%%
  case 9,
    sys=mdlTerminate(t,x,u);

  %%%%%%%%%%%%%%%%%%%%
  % Unexpected flags %
  %%%%%%%%%%%%%%%%%%%%
  otherwise
    DAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag));

end

function [sys,x0,str,ts]=mdlInitializeSizes

设置初始化。

对应公式:

在这里插入图片描述

输入 x 1 d x_{1d} x1d x ˙ 1 d \dot{x}_{1d} x˙1d x ¨ 1 d \ddot{x}_{1d} x¨1d x 1 x_1 x1 x 2 x_2 x2,共5个.输出 u u u,共1个。

是直接馈入。如图输入是直通的, u u u的输出直接和五个输入参数有关。
在这里插入图片描述
在这里插入图片描述

注意没有状态变量,连续状态和离散状态都是0。

function [sys,x0,str,ts]=mdlInitializeSizes
sizes = simsizes;
sizes.NumContStates  = 0;%连续状态个数为0,没有状态
sizes.NumDiscStates  = 0;%离散状态个数为0,没有状态
sizes.NumOutputs     = 1;%输出量为1个:u
sizes.NumInputs      = 5;%输入量为5个,$x_{1d}$、$\dot{x}_{1d}$、$\ddot{x}_{1d}$、$x_1$和$x_2$
sizes.DirFeedthrough = 1;%方程中输入有直馈于输出
sizes.NumSampleTimes = 1;%采样周期数是1,默认就不动
sys = simsizes(sizes);
x0=[]:%没有状态变量
str=[]:%无其他说明
ts=[0 0]:%连续采样,第一个值为0(每隔0秒采样一次),没有偏移,第二个值也设为0

function sys=mdlOutputs(t,x,u)

设置输出,用到了parameter的参数所以要在输入参数中添加pa,和前面是一样的。

在这里插入图片描述

function sys=mdlOutputs(t,x,u,pa)

k=pa.k;
m=pa.m;
k1=pa.k1;
k2=pa.k2;

x1d=u(1);
dx1d=u(2);
ddx1d=u(3);
x1=u(4);
x2=u(5);

e1=x1d-x1;
e2=dx1d+k1*e1-x2;

uc = m*e1+m*ddx1d+m*k1*(dx1d-x2)+k*x1^3+m*k2*e2;
sys = uc;

1.4 signal.m

function [sys,x0,str,ts,simStateCompliance] = plant(t,x,u,flag,pa)

用到了parameter参数中的pa,注意加上。

在这里插入图片描述
在这里插入图片描述

function [sys,x0,str,ts,simStateCompliance] = sfuntmpl(t,x,u,flag,pa)

switch flag,

  %%%%%%%%%%%%%%%%%%
  % Initialization %
  %%%%%%%%%%%%%%%%%%
  case 0,
    [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes;

  %%%%%%%%%%%%%%%
  % Derivatives %
  %%%%%%%%%%%%%%%
  case 1,
    sys=mdlDerivatives(t,x,u);

  %%%%%%%%%%
  % Update %
  %%%%%%%%%%
  case 2,
    sys=mdlUpdate(t,x,u);

  %%%%%%%%%%%
  % Outputs %
  %%%%%%%%%%%
  case 3,
    sys=mdlOutputs(t,x,u,pa);

  %%%%%%%%%%%%%%%%%%%%%%%
  % GetTimeOfNextVarHit %
  %%%%%%%%%%%%%%%%%%%%%%%
  case 4,
    sys=mdlGetTimeOfNextVarHit(t,x,u);

  %%%%%%%%%%%%%
  % Terminate %
  %%%%%%%%%%%%%
  case 9,
    sys=mdlTerminate(t,x,u);

  %%%%%%%%%%%%%%%%%%%%
  % Unexpected flags %
  %%%%%%%%%%%%%%%%%%%%
  otherwise
    DAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag));

end

function [sys,x0,str,ts]=mdlInitializeSizes

信号我们给的是一个正弦信号:
x 1 d = A sin ⁡ ( 2 π T t ) x ˙ 1 d = A 2 π T cos ⁡ ( 2 π T t ) x ¨ 1 d = − A ( 2 π T ) 2 sin ⁡ ( 2 π T t ) \begin{aligned}x_{1d}&=A\sin\left(\frac{2\pi}{T}t\right)\\ \dot{x}_{1d}&=A\frac{2\pi}{T}\cos\left(\frac{2\pi}{T}t\right)\\ \ddot{x}_{1d}&=-A\left(\frac{2\pi}{T}\right)^2\sin\left(\frac{2\pi}{T}t\right)\end{aligned} x1dx˙1dx¨1d=Asin(T2πt)=AT2πcos(T2πt)=A(T2π)2sin(T2πt)

三个输出,零个输入,没有反馈直通,无状态变量。信号的导数建议不要使用simulink自带的微分模块,容易出现突变导致仿真的失真。

function [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes

sizes = simsizes;
sizes.NumContStates  = 0;
sizes.NumDiscStates  = 0;
sizes.NumOutputs     = 3;%三个输出
sizes.NumInputs      = 0;
sizes.DirFeedthrough = 0;
sizes.NumSampleTimes = 1;   % at least one sample time is needed
sys = simsizes(sizes);

x0  = [];
str = [];
ts  = [0 0];

function sys=mdlOutputs(t,x,u)

设置输出,用到了parameter的参数所以要在输入参数中添加pa,和前面是一样的。

在这里插入图片描述

function sys=mdlOutputs(t,x,u,pa)

A=pa.A;
T=pa.T;

x1d=A*sin(2*pi/T*t);
dx1d=2*pi/T*A*cos(2*pi/T*t);
ddx1d=-(2*pi/T)^2*sin(2*pi/T*t);

sys = [x1d;dx1d;ddx1d];

1.5 simulink系统搭建

打开simulink,双击鼠标输入S function。
在这里插入图片描述

选择后然后双击。把Function名称改作我们刚刚设置的函数(下面是ctrl的设置)。注意参数加上pa(外部参数),如果有多个参数就用逗号隔开。外部参数就是上面说的除了模板里原有参数其他的参数。

在这里插入图片描述
在这里插入图片描述

变成这样

在这里插入图片描述

最后连线成这样。我保存为demo_sim.slx,其他名字也可以。
在这里插入图片描述
我们设置一下求解器

在这里插入图片描述
设置仿真为定步长,步长是0.001.定步长速度比变步长慢,但是精度更高,曲线更加平滑。

在这里插入图片描述
仿真时间设置为50s。
在这里插入图片描述

运行:

在这里插入图片描述
在scope我们看到仿真结果,可以看到较好地进行了跟踪。
在这里插入图片描述
选择视图->样式。

在这里插入图片描述
我们可以打开样式调整一下画面线型、线宽、画布颜色等。我设置了图窗、坐标区、各个线条属性。

在这里插入图片描述

在这里插入图片描述
还可以添加图例。
在这里插入图片描述

在这里插入图片描述

如果想把simulink的数据导出到matlab的工作区。需要添加 to workspace模块。

在这里插入图片描述
我们双击修改一下名字叫x.并以数组的形式输出。

在这里插入图片描述

在这里插入图片描述

我们看到前面有一个out.,默认是以结构体的形式输出到工作区的。我们可以再模型设置里设置不要以结构体输出:

在这里插入图片描述
在这里插入图片描述
就没有前面的out了。连接一下。
在这里插入图片描述

工作区就出现了时间tout和我们要的x。
在这里插入图片描述
我们双击看一下x。
第一列是x1d,第二列是x1。

现在工作区有了数据,我们可以自定义画图了!

1.6 demo_plot.m

新建一个画图的m文件demo_plot.m

figure;
plot(tout,x(:,1),'k',...
    tout,x(:,2),'r:','LineWidth',2);
legend('x1d','x1');
title('Position Tracking');
xlabel('t/s');
ylabel('Position/mm')

就可以自定义自己想要的图了!
在这里插入图片描述
上述文件可以在我的资源Matlab Simulink S函数使用实例(有讲解)中找到。

其他参考资料

  1. Matlab S-function 使用总结
  2. S-function入门及案例详解(1)——S-function基础介绍及基本案例
  3. S-function入门及案例详解(2)——S-function基本案例介绍
  4. S-function入门及案例详解(3)——S-function进阶案例
  5. S-function入门及案例详解(4)——S-function进阶案例之连续/离散状态空间表达式的S-function实现
  • 9
    点赞
  • 72
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
倒立摆是一个经典的控制工程问题,其数学模型可以用一组二阶非线性微分方程来描述。倒立摆的控制需要通过对摆的位置和角速度进行控制,使其保持平衡状态。 以下是倒立摆的数学模型: $$ \begin{cases} \ddot{\theta}=\frac{mg\sin{\theta}-f_c\dot{\theta}+u}{ml^2}\\ \ddot{x}=-\frac{f_c}{m}\dot{x}+\frac{u}{m} \end{cases} $$ 其中,$\theta$ 为摆的倾斜角度,$x$ 为小车的位置,$m$ 为小车和摆的总质量,$l$ 为摆杆的长度,$g$ 为重力加速度,$f_c$ 为摩擦系数,$u$ 为控制输入。 在 Matlab 中,可以通过编写程序来求解倒立摆的数学模型。以下是一个简单的 Matlab 程序: ```matlab clear all; m = 0.5; % 质量 l = 0.25; % 杆长 g = 9.81; % 重力加速度 fc = 0.1; % 摩擦系数 tspan = [0 10]; % 时间范围 y0 = [0.1 0 0 0]; % 初始状态 [t, y] = ode45(@(t, y)pendulum_ode(t, y, m, l, g, fc), tspan, y0); % 绘制摆的角度和小车的位置 figure; subplot(2, 1, 1); plot(t, y(:, 1)); xlabel('Time (s)'); ylabel('Angle (rad)'); title('Inverted Pendulum'); subplot(2, 1, 2); plot(t, y(:, 3)); xlabel('Time (s)'); ylabel('Position (m)'); title('Cart Position'); % 倒立摆的微分方程 function dydt = pendulum_ode(t, y, m, l, g, fc) dydt = zeros(4, 1); dydt(1) = y(2); dydt(2) = (m*g*sin(y(1)) - fc*y(2) + y(3))/(m*l^2); dydt(3) = y(4); dydt(4) = (y(3) - fc*y(4))/(m); end ``` 可以看到,通过求解微分方程,程序可以得到倒立摆的角度和小车的位置随时间的变化。可以通过绘图来观察倒立摆的行为。 在 Simulink 中,可以使用 S-Function 来建立倒立摆的模型,并进行仿真和实时控制。以下是一个基于 Simulink S-Function 的倒立摆仿真和实时控制的研究的示例文档: [基于SimulinkS-Function倒立摆仿真和实时控制研究(新).doc](https://download.csdn.net/download/weixin_39355366/10121554) 该文档介绍了倒立摆的数学模型、Simulink S-Function使用方法、实时控制的实现等内容,可以作为倒立摆控制的参考资料。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值