文章目录
7. 电路与系统函数
7.1. 电路分析
-
电路求解 有两部分因素:
- 内部约束 – 元件的伏安关系 VAR
- 外部约束
- 节点 – KCL ∑ I K = 0 \sum I_K = 0 ∑IK=0
- 回路 – 能量守恒 电压降代数和为零 KVL ∑ U k = 0 \sum U_k = 0 ∑Uk=0
-
知道 电路结构和参数,依据两种约束,求直流电流、电压。
7.1.1. 电路的s域模型
电路元件的s域模型
- 对时域电路取拉氏变换:
-
电阻:
u ( t ) = R ⋅ i ( t ) → U ( s ) = R ⋅ I ( s ) u(t) = R\cdot i(t) \to U(s) = R\cdot I(s) u(t)=R⋅i(t)→U(s)=R⋅I(s)
-
电感:
u ( t ) = L d i L ( t ) d t → U ( s ) = s L ⋅ I L ( s ) − L ⋅ i L ( 0 − ) i L ( t ) = i L ( 0 − ) + 1 L ∫ 0 − t u L ( τ ) d τ → I L ( s ) = 1 s L U L ( s ) + i L ( 0 − ) s \begin{aligned}\displaystyle u(t) = L\frac{di_L(t)}{dt} &\to \displaystyle U(s) = sL\cdot I_L(s)-L\cdot i_L(0_-) \\ i_L(t) = i_L(0_-)+\frac{1}{L} \int^{t}_{0_-}u_L(\tau)d\tau &\to I_L(s) =\displaystyle \frac{1}{sL}U_L(s)+\frac{i_L(0_-)}{s} \end{aligned} u(t)=LdtdiL(t)iL(t)=iL(0−)+L1∫0−tuL(τ)dτ→U(s)=sL⋅IL(s)−L⋅iL(0−)→IL(s)=sL1UL(s)+siL(0−)
- 电流源并联阻抗和电压源串联阻抗的相互转换:
- 阻抗数值不变
- 源的数值满足欧姆定律的关系 电压 = = =电流 × \times ×阻抗
- 产生的电流方向一致
- 电流源并联阻抗和电压源串联阻抗的相互转换:
-
电容:
i ( t ) = C d u C ( t ) d t → I ( s ) = C ⋅ U C ( s ) − C ⋅ u C ( 0 − ) u C ( t ) = u C ( 0 − ) + 1 C ∫ 0 − t i C ( τ ) d τ → U C ( s ) = 1 s C I ( s ) + u C ( 0 − ) s \begin{aligned}\displaystyle i(t) = C\frac{du_C(t)}{dt} &\to \displaystyle I(s) = C\cdot U_C(s) - C\cdot u_C(0_-) \\ u_C(t) = u_C(0_-)+\frac{1}{C} \int^{t}_{0_-} i_C(\tau)d\tau &\to U_C(s) =\displaystyle \frac{1}{sC}I(s)+\frac{u_C(0_-)}{s} \end{aligned} i(t)=CdtduC(t)uC(t)=uC(0−)+C1∫0−tiC(τ)dτ→I(s)=C⋅UC(s)−C⋅uC(0−)→UC(s)=sC1I(s)+suC(0−)
- 电流源并联阻抗和电压源串联阻抗的相互转换:
- 阻抗数值不变
- 源的数值满足欧姆定律的关系 电压 = = =电流 × \times ×阻抗
- 产生的电流方向一致
- 电流源并联阻抗和电压源串联阻抗的相互转换:
-
电源
i s ( t ) → I s ( s ) u s ( t ) → U s ( s ) \begin{aligned}\displaystyle i_s(t) \to I_s(s) \\ u_s(t) \to U_s(s) \end{aligned} is(t)→Is(s)us(t)→Us(s)
-
外部约束的s域模型
- 节点 – KCL ∑ i ( t ) = 0 → ∑ I ( s ) = 0 \sum i(t) = 0 \to \sum I(s) = 0 ∑i(t)=0→∑I(s)=0
- 回路 – KVL ∑ u ( t ) = 0 → ∑ U ( s ) = 0 \sum u(t) = 0 \to \sum U(s) = 0 ∑u(t)=0→∑U(s)=0
7.1.2. 电路系统的 s 域分析方法
- 思路:
- 时域电路
→
\to
→ s域模型
- i k ( t ) , u k ( t ) → I k ( s ) , U k ( s ) i_k(t), u_k(t) \to I_k(s), U_k(s) ik(t),uk(t)→Ik(s),Uk(s)
- s域电路 使用分析方法
- 线性叠加原理、节点法、网孔法。。。
- 求出 I K ( s ) , U k ( s ) I_K(s), U_k(s) IK(s),Uk(s)
- 取拉普拉斯反变换
- 求 i k ( t ) , u k ( t ) i_k(t), u_k(t) ik(t),uk(t)
- 时域电路
→
\to
→ s域模型
7.2. 系统函数
7.2.1. 复频域分析
- 时域分析
f ( t ) → h ( t ) → y ( t ) = f ( t ) ⋆ h ( t ) f(t) \to \boxed{h(t)} \to y(t)= f(t) \star h(t) f(t)→h(t)→y(t)=f(t)⋆h(t)
- 复频域分析
F ( s ) → H ( s ) → Y ( s ) = F ( s ) ⋅ H ( s ) F(s) \to \boxed{H(s)} \to Y(s)= F(s)\cdot H(s) F(s)→H(s)→Y(s)=F(s)⋅H(s)
7.2.2. 微分方程的变换解
-
n n n 阶系统的微分方程:
∑ i = 0 n α i y ( i ) ( t ) = ∑ j = 0 m β j f ( j ) ( t ) \sum^{n}_{i=0} \alpha_i y^{(i)} (t) = \sum^{m}_{j=0} \beta_j f^{(j)} (t) i=0∑nαiy(i)(t)=j=0∑mβjf(j)(t)- 系统初始状态为 y ( 0 − , y ( 1 ) ( 0 − ) , ⋯ , y ( n − 1 ) ( 0 − ) y(0_-, y^{(1)}(0_-), \cdots, y^{(n-1)}(0_-) y(0−,y(1)(0−),⋯,y(n−1)(0−)
-
使用拉普拉斯变换微分特性:
y ( i ) ⟷ s i Y ( s ) − ∑ p = 0 i − 1 s i − 1 − p y ( p ) ( 0 − ) ∑ i = 0 n α i y ( i ) ( t ) ⟷ [ ∑ i = 0 n a i s i ] Y ( s ) − ∑ i = 0 n a i [ ∑ p = 0 i − 1 s i − 1 − p y ( p ) ( 0 − ) ] \begin{aligned}y^{(i)} &\longleftrightarrow &s^i Y(s) - &\sum^{i-1}_{p=0} s^{i-1-p} y^{(p)} (0_-)\\ \sum^{n}_{i=0} \alpha_i y^{(i)} (t) &\longleftrightarrow &\big[\sum^{n}_{i=0}a_i s^i\big]Y(s) - &\sum^{n}_{i=0}a_i \big[\sum^{i-1}_{p=0}s^{i-1-p} y^{(p)}(0_-)\big]\end{aligned} y(i)i=0∑nαiy(i)(t)⟷⟷siY(s)−[i=0∑naisi]Y(s)−p=0∑i−1si−1−py(p)(0−)i=0∑nai[p=0∑i−1si−1−py(p)(0−)] -
若 f ( t ) f (t) f(t) 在 t = 0 t = 0 t=0 时接入系统,则
f ( n ) ( t ) ⟷ s n F ( s ) ∑ j = 0 m β j f ( j ) ( t ) ⟷ [ ∑ j = 0 m b j s j ] F ( s ) \begin{aligned}f^{(n)}(t) &\longleftrightarrow s^n F(s) \\ \sum^{m}_{j=0} \beta_j f^{(j)} (t) &\longleftrightarrow \big[\sum^{m}_{j=0}b_j s^j\big]F(s)\end{aligned} f(n)(t)j=0∑mβjf(j)(t)⟷snF(s)⟷[j=0∑mbjsj]F(s) -
求得:
[ ∑ i = 0 n a i s i ] Y ( s ) − ∑ i = 0 n a i [ ∑ p = 0 i − 1 s i − 1 − p y ( p ) ( 0 − ) ] = [ ∑ j = 0 m b j s j ] F ( s ) \big[\sum^{n}_{i=0}a_i s^i\big]Y(s) - \sum^{n}_{i=0}a_i \big[\sum^{i-1}_{p=0}s^{i-1-p} y^{(p)}(0_-)\big] = \big[\sum^{m}_{j=0}b_j s^j\big]F(s) [i=0∑naisi]Y(s)−i=0∑nai[p=0∑i−1si−1−py(p)(0−)]=[j=0∑mbjsj]F(s)Y ( s ) = ∑ i = 0 n a i [ ∑ p = 0 i − 1 s i − 1 − p y ( p ) ( 0 − ) ] ∑ i = 0 n a i s i Y z i ( s ) + ∑ j = 0 m b j s j ∑ i = 0 n a i s i F ( s ) Y z s ( s ) = M ( s ) A ( s ) + B ( s ) A ( s ) F ( s ) \begin{aligned}Y(s) & = \displaystyle \overset{{\color{blue}Y_{zi}(s)}}{\displaystyle\frac{\displaystyle\sum^{n}_{i=0}a_i \big[\displaystyle\sum^{i-1}_{p=0}s^{i-1-p} y^{(p)}(0_-)\big]}{\displaystyle\sum^{n}_{i=0}a_i s^i}} + \overset{{\color{blue}Y_{zs}(s)}}{\displaystyle\frac{\displaystyle\sum^{m}_{j=0}b_j s^j}{\displaystyle\sum^{n}_{i=0}a_i s^i}F(s)} \\ & = \displaystyle \frac{M(s)}{A(s)} + \frac{B(s)}{A(s)}F(s)\end{aligned} Y(s)=i=0∑naisii=0∑nai[p=0∑i−1si−1−py(p)(0−)]Yzi(s)+i=0∑naisij=0∑mbjsjF(s)Yzs(s)=A(s)M(s)+A(s)B(s)F(s)
Y z i ( s ) + Y z s ( s ) = Y ( s ) → y ( t ) = y z i ( t ) + y z s ( t ) {\color{blue} Y_{zi}(s) + Y_{zs}(s) = Y(s) \to y(t) = y_{zi}(t) + y_{zs} (t) } Yzi(s)+Yzs(s)=Y(s)→y(t)=yzi(t)+yzs(t)
-
步骤 :
- 方程式两边取 L \mathfrak{L} L
- 解出 Y ( s ) = Y z i ( s ) + Y z s ( s ) Y(s) = Y_{zi}(s)+ Y_{zs}(s) Y(s)=Yzi(s)+Yzs(s)
- 取 L − 1 → y ( t ) \mathfrak{L}^{-1} \to y(t) L−1→y(t)
7.2.3. 连续系统函数 H
- 系统函数
H
(
s
)
H(s)
H(s) 定义:
H ( s ) = def Y z s ( s ) F ( s ) = B ( s ) A ( s ) H(s) \overset{\text{def}}{=} \frac{Y_{zs}(s)}{F(s)} = \frac{B(s)}{A(s)} H(s)=defF(s)Yzs(s)=A(s)B(s)- 它只与系统的结构、元件参数有关,与激励、初始状态无关。
y
z
s
(
t
)
=
h
(
t
)
⋆
f
(
t
)
→
Y
z
s
(
s
)
=
L
[
h
(
t
)
]
⋅
F
(
s
)
y_{zs}(t) = h(t) \star f(t) \to Y_{zs}(s) = \mathfrak{L}\big[h(t)\big]\cdot F(s)
yzs(t)=h(t)⋆f(t)→Yzs(s)=L[h(t)]⋅F(s)
H
(
s
)
=
L
[
h
(
t
)
]
H(s) = \mathfrak{L}\big[h(t)\big]
H(s)=L[h(t)]
- 连续系统不同描述方法的关系
7.2.4. H 零极点分布与时域特性
-
系统函数的零点与极点
- TI连续系统的系统函数是复变量s的有理分式,即:
H ( s ) = B ( s ) A ( s ) H(s) = \frac{B(s)}{A(s)} H(s)=A(s)B(s) - A ( s ) = 0 A(s) = 0 A(s)=0 的根 p 1 , p 2 , ⋯ , p n p_1, p_2, \cdots, p_n p1,p2,⋯,pn 称为系统函数 H ( s ) H(s) H(s) 的极点;
- B ( s ) = 0 B(s) = 0 B(s)=0 的根 ζ 1 , ζ 2 , ⋯ , ζ n \zeta_1, \zeta_2, \cdots, \zeta_n ζ1,ζ2,⋯,ζn 称为系统函数 H ( s ) H(s) H(s) 的零点;
- 将零极点画在复平面上 – 零极点分布图。
- TI连续系统的系统函数是复变量s的有理分式,即:
-
系统函数 H ( s ) H(s) H(s) 与时域响应 h ( t ) h(t) h(t)
- 以下讨论的系统均为连续因果系统中:
- H ( s ) H(s) H(s) 按其极点在 s s s 平面上的位置可分为: 在 左半开平面、虚轴和右半开平面三类。
-
极点在 左半开平面
a. 若系统函数有负实单极点 p = – α ( α > 0 ) p= –\alpha(\alpha>0) p=–α(α>0) ,则 A ( s ) A(s) A(s) 中有因子 ( s + α ) (s+\alpha) (s+α) ,其对应的响应函数为 K e − α t ε ( t ) K e^{-\alpha t}\varepsilon(t) Ke−αtε(t)
b. 若有一对共轭复极点 p 12 = − α ± j β p_{12}= -\alpha\pm j\beta p12=−α±jβ ,则 A ( s ) A(s) A(s) 中有因子
[ ( s + α ) 2 + β 2 ] ↔ K e − α t cos ( β t + θ ) ε ( t ) [(s+\alpha)^2 + \beta^2] \leftrightarrow K e^{-\alpha t} \cos (\beta t + \theta) \varepsilon(t) [(s+α)2+β2]↔Ke−αtcos(βt+θ)ε(t)
c. 若有 r r r 重极点, 则 A ( s ) A(s) A(s) 中有因子 ( s + α ) r (s+\alpha)^r (s+α)r 或 [ ( s + α ) 2 + β 2 ] r [(s+\alpha)^2+\beta^2]^r [(s+α)2+β2]r ,其响应为
KaTeX parse error: Got group of unknown type: 'internal'
以上三种情况:当 t → ∞ t→\infty t→∞ 时,响应均趋于 0 0 0 ,属暂态分量。 -
极点在 虚轴上
a. 单极点 p = 0 p=0 p=0 或 p 12 = ± j β p_{12}=±j\beta p12=±jβ,则响应为 K ε ( t ) K\varepsilon(t) Kε(t) 或 K cos ( β t + θ ) ε ( t ) K\cos(\beta t+\theta)\varepsilon(t) Kcos(βt+θ)ε(t) — 稳态分量
b. r r r 重极点,相应 A ( s ) A(s) A(s)中有 s r s^r sr 或 ( s 2 + β 2 ) r (s^2+\beta^2)^r (s2+β2)r ,其响应函数为 t i ε ( t ) t^i\varepsilon(t) tiε(t) 或 KaTeX parse error: Got group of unknown type: 'internal' — 递增函数 -
在 右半开平面:
a. 均为递增函数。 (不稳定)
-
结论:LTI连续因果系统 h ( t ) h(t) h(t) 的函数形式由 H ( s ) H(s) H(s) 的极点确定,零点影响 h ( t ) h(t) h(t) 的幅度、相位。
- H ( s ) H(s) H(s) 在左半平面的极点所对应的响应函数为衰减的。 即当 t → ∞ t→\infty t→∞ 时,响应均趋于 0 0 0 。
- H ( s ) H(s) H(s) 在虚轴上的一阶极点所对应的响应函数为阶跃函数或者正弦函数。
- H ( s ) H(s) H(s) 在虚轴上的高阶极点或右半平面上的极点,其所对应的响应函数都是递增的。
-
单极点无零
-
单极点单零
-
双极点无零
-
双极点单零
-
双极点双零
-
双极点共轭无零
-
双极点共轭单零
-
双极点共轭双零
7.2.5 连续系统稳定性判别
-
连续系统稳定的充分必要条件是:
∫ − ∞ ∞ ∣ h ( t ) ∣ d t ≤ M \int^{\infty}_{-\infty} \lvert h(t) \rvert dt \leq M ∫−∞∞∣h(t)∣dt≤M- 若 H ( s ) H(s) H(s) 的收敛域包含虚轴,则该系统必是稳定系统。
-
连续因果系统稳定的充分必要条件是:
∫ 0 ∞ ∣ h ( t ) ∣ d t ≤ M \int^{\infty}_{0} \lvert h(t) \rvert dt \leq M ∫0∞∣h(t)∣dt≤M
系统左半开平面的极点对应的响应为衰减函数,若 H ( s ) H(s) H(s) 的极点均在左半开平面,则该系统必是稳定的因果系统。 -
系统稳定:
- 绝对可积分
- 收敛域包含虚轴 --> 所有极点均在左半开平面
- R e [ s ] > σ 0 , ( σ 0 < 0 ) \mathcal{Re} [s] > \sigma_0, \; (\sigma_0 < 0) Re[s]>σ0,(σ0<0)
-
稳定系统的 s 域判别方法:
- 必要条件:
H ( s ) = B ( s ) A ( s ) H(s) = \frac{B(s)}{A(s)} H(s)=A(s)B(s)
A ( s ) = a n s n + a n − 1 s n − 1 + ⋯ + a 1 s + a 0 A(s) = a_ns^n + a_{n-1}s^{n-1} + \cdots + a_1s + a_0 A(s)=ansn+an−1sn−1+⋯+a1s+a0
若系统稳定,则 a i > 0 , i = 0 , 1 , 2 , 3 , ⋯ , n a_i > 0,\; i =0,1,2,3,\cdots ,n ai>0,i=0,1,2,3,⋯,n - 充分必要条件:
- 霍尔维茨准则(罗斯阵列、 R—H排列) Routh Criterion
- 若罗斯阵列的第一列元素 ( 第一行至 n + 1 n+1 n+1 行 ) 的符号相同 ( 全为 “+”号或全为 “-”号 ),则 H ( s ) H(s) H(s) 的极点全部在左半平面,系统稳定。
- 特例:
- 倒序排列
- 前面为零,引入无穷小量 0 → δ 0\to \delta 0→δ
- 全零行,引入一个辅助多项式(幂求导)->虚轴有根
- 符号改变几次,右半平面就有几个根
- 必要条件:
7.2.6. Python 绘制零极点图、判断稳定
- 利用 Python 画出系统
H ( s ) = s 2 + 4 s + 3 s 4 + 3 s 3 + 4 s 2 + 6 s + 4 H(s) = \frac{s^2+4s +3}{s^4+3s^3+4s^2+6s +4} H(s)=s4+3s3+4s2+6s+4s2+4s+3
的零极点图,并判断系统的稳定性。
# 导入 需要的 library 库
import numpy as np # 科学计算
import matplotlib.pyplot as plt # 画图工具
import control
# 用 Python 表示
a, b = [1,3,4,6,4],[1,4,3] # 函数的分母 分子系数
sys = control.tf(b,a)
control.rlocus(sys,ylim=(-1.5,1.5));
- 系统的零极图,如图所示,可见系统有4个极点,2个零点,其中在虚轴上有一对共轭极点,故该系统是不稳定的。
7.2.7. 系统函数
- 系统函数 H ( s ) H(s) H(s) 与 H ( j ω H(j\omega H(jω
- 设
h
(
t
)
h(t)
h(t) 为因果信号
H ( s ) = ∫ 0 − ∞ h ( t ) e − s t d t , σ > σ 0 H(s) = \int^{\infty}_{0_-}h(t)e^{-st} dt, \; \sigma>\sigma_0 H(s)=∫0−∞h(t)e−stdt,σ>σ0
H ( j ω ) = ∫ − ∞ ∞ h ( t ) e − j ω t d t = ∫ 0 − ∞ h ( t ) e − j ω t d t H(j\omega) = \int^{\infty}_{-\infty} h(t) e^{-j\omega t} dt = \int^{\infty}_{0_-} h(t)e^{-j\omega t} dt H(jω)=∫−∞∞h(t)e−jωtdt=∫0−∞h(t)e−jωtdt- 当
σ
>
σ
0
\sigma>\sigma_0
σ>σ0 且
σ
0
<
0
\sigma_0<0
σ0<0 时(
H
(
s
)
H(s)
H(s) 极点在左半平面)
H ( j ω ) = H ( s ) ∣ s = j ω H(j\omega) = H (s)\big\vert_{s=j\omega} H(jω)=H(s) s=jω - 这种情况下,h(t) 对应的系统称为因果稳定系统
- 当
σ
>
σ
0
\sigma>\sigma_0
σ>σ0 且
σ
0
<
0
\sigma_0<0
σ0<0 时(
H
(
s
)
H(s)
H(s) 极点在左半平面)
-
H
(
s
)
H(s)
H(s) 零、极点与连续系统频率特性
- 设
H ( s ) = b m ( s − ζ 1 ) ⋯ ( s − ζ m ) ( s − p 1 ) ⋯ ( s − p n ) H(s) = \frac{b_m (s-\zeta_1)\cdots (s-\zeta_m)}{(s-p_1)\cdots (s-p_n)} H(s)=(s−p1)⋯(s−pn)bm(s−ζ1)⋯(s−ζm) - 若
H
(
s
)
H(s)
H(s) 极点均在左半开平面,则
H ( j ω ) = H ( s ) ∣ s = j ω H(j\omega) = H (s)\big\vert_{s=j\omega} H(jω)=H(s) s=jω
H ( j ω ) H(j\omega) H(jω) 又称为系统的频率响应
H ( s ) = b m ( j ω − ζ 1 ) ⋯ ( j ω − ζ m ) ( j ω − p 1 ) ⋯ ( j ω − p n ) = b m ∏ i = 1 m ( j ω − ζ i ) ∏ i = 1 n ( j ω − p i ) \begin{aligned}H(s) &= \frac{b_m (j\omega-\zeta_1)\cdots (j\omega-\zeta_m)}{(j\omega-p_1)\cdots (j\omega-p_n)}\\& = \displaystyle\frac{b_m \displaystyle\prod^{m}_{i=1}(j\omega - \zeta_i)}{\displaystyle\prod^{n}_{i=1}(j\omega-p_i)} \end{aligned} H(s)=(jω−p1)⋯(jω−pn)bm(jω−ζ1)⋯(jω−ζm)=i=1∏n(jω−pi)bmi=1∏m(jω−ζi)
设
j ω − ζ i = B i e j ψ i , i = 1 , 2 , 3 , ⋯ , m j ω − p i = A i e j θ i , i = 1 , 2 , 3 , ⋯ , n \begin{aligned}j\omega - \zeta_i = B_i e^{j\psi_i},\; &i =1,2,3,\cdots , m \\j\omega - p_i = A_i e^{j\theta_i},\; &i =1,2,3,\cdots , n \end{aligned} jω−ζi=Biejψi,jω−pi=Aiejθi,i=1,2,3,⋯,mi=1,2,3,⋯,n
则
H ( s ) = b m B 1 B 2 ⋯ B m e j ( ψ 1 + ψ 2 + ⋯ + ψ m ) A 1 A 2 ⋯ A n e j ( θ 1 + θ 2 + ⋯ + θ m ) = H ( ω ) e j ϕ ( ω ) \begin{aligned}H(s) &= \frac{b_mB_1B_2\cdots B_me^{j(\psi_1+\psi_2+\cdots+\psi_m)}}{A_1A_2\cdots A_ne^{j(\theta_1+\theta_2+\cdots+\theta_m)}} \\ & = H(\omega)e^{j\phi(\omega)}\end{aligned} H(s)=A1A2⋯Anej(θ1+θ2+⋯+θm)bmB1B2⋯Bmej(ψ1+ψ2+⋯+ψm)=H(ω)ejϕ(ω)
H ( ω ) = b m B 1 B 2 ⋯ B m A 1 A 2 ⋯ A n H(\omega) = \frac{b_mB_1B_2\cdots B_m}{A_1A_2\cdots A_n} H(ω)=A1A2⋯AnbmB1B2⋯Bm
ϕ ( ω ) = ( ψ 1 + ψ 2 + ⋯ + ψ m ) − ( θ 1 + θ 2 + ⋯ + θ m ) \phi(\omega) = (\psi_1+\psi_2+\cdots+\psi_m)-(\theta_1+\theta_2+\cdots+\theta_m) ϕ(ω)=(ψ1+ψ2+⋯+ψm)−(θ1+θ2+⋯+θm)
- 设
7.2.8. Python 求频率响应函数,判断稳定
-
已知系统函数
H ( s ) = 1 s 3 + 2 s 2 + 3 s + 1 H(s) = \frac{1}{s^3+2s^2+3s +1} H(s)=s3+2s2+3s+11
画出其零极点分布,求系统的单位冲激响应 h ( t ) h(t) h(t),和频率响应 H ( j ω ) H(j\omega) H(jω) ,并判断系统是否稳定。 -
零极点分布
a, b = [1,2,3,1],[1] # 分母 分子系数
sys = control.tf(b,a)
control.rlocus(sys,ylim=(-1.5,1.5),xlim=(-0.8,0),grid=False);
- 单位冲激响应
t = np.arange(0,10,0.02)
h = control.impulse_response(sys,t)
plt.plot(h[0],h[1])
plt.title('Impulse Respone')
plt.show()
freq = control.freqresp(sys,t)
plt.plot(freq[2],freq[0][0][0])
plt.title('Magnitude Respone')
plt.show()
- 频率响应