信号与系统(Python) 学习笔记 (7) 电路与系统函数

• 【总目录】
  • (1) 简介 Intro
  • (2) 傅里叶 Fourier
    • 常用函数的傅里叶变换汇总
  • (3) LTI 系统 与 滤波器
    • 二次抑制载波振幅调制接收系统 Python
  • (4) 取样 Sampling
  • (5) 离散傅里叶 Discrete Fourier
  • (6) 拉普拉斯变换 Laplace Transform
  • (7) 电路与系统函数
    

7. 电路与系统函数

---

7.1. 电路分析

• 电路求解 有两部分因素：

  1. 内部约束 – 元件的伏安关系 VAR
  2. 外部约束
     1. 节点 – KCL $\sum I_K=0$
     2. 回路 – 能量守恒 电压降代数和为零 KVL $\sum U_k=0$

• 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：

  1. 电阻:
     $$u(t)=R\cdot i(t)\to U(s)=R\cdot I(s)$$
     

  2. 电感:
     $$\begin{array}{rl}u(t)=L\frac{d{i}_L(t)}{dt}& \to U(s)=sL\cdot I_L(s)-L\cdot i_L(0_{-})\\ i_L(t)=i_L(0_{-})+\frac{1}{L}{\int }_{0_{-}}^t{u}_L(\tau )d\tau & \to I_L(s)=\frac{1}{sL}{U}_L(s)+\frac{i_L(0_{-})}{s}\end{array}$$
     

     • 电流源并联阻抗和电压源串联阻抗的相互转换：
       1. 阻抗数值不变
       2. 源的数值满足欧姆定律的关系 电压$=$电流$\times$阻抗
       3. 产生的电流方向一致

  3. 电容:
     $$\begin{array}{rl}i(t)=C\frac{d{u}_C(t)}{dt}& \to I(s)=C\cdot U_C(s)-C\cdot u_C(0_{-})\\ u_C(t)=u_C(0_{-})+\frac{1}{C}{\int }_{0_{-}}^t{i}_C(\tau )d\tau & \to U_C(s)=\frac{1}{sC}I(s)+\frac{u_C(0_{-})}{s}\end{array}$$
     

     • 电流源并联阻抗和电压源串联阻抗的相互转换：
       1. 阻抗数值不变
       2. 源的数值满足欧姆定律的关系 电压$=$电流$\times$阻抗
       3. 产生的电流方向一致

  4. 电源
     $$\begin{array}{r}{i}_s(t)\to I_s(s)\\ u_s(t)\to U_s(s)\end{array}$$

外部约束的s域模型

1. 节点 – KCL $\sum i(t)=0\to \sum I(s)=0$
2. 回路 – KVL $\sum u(t)=0\to \sum U(s)=0$

7.1.2. 电路系统的 s 域分析方法

• 思路：
  1. 时域电路 $\to$ s域模型
     • $i_k(t),u_k(t)\to I_k(s),U_k(s)$
  2. s域电路 使用分析方法
     • 线性叠加原理、节点法、网孔法。。。
     • 求出 $I_K(s),U_k(s)$
  3. 取拉普拉斯反变换
     • 求 $i_k(t),u_k(t)$

---

7.2. 系统函数

7.2.1. 复频域分析

• 时域分析

$$f(t)\to \boxed{h(t)}\to y(t)=f(t)\star h(t)$$

• 复频域分析

$$F(s)\to \boxed{H(s)}\to Y(s)=F(s)\cdot H(s)$$

7.2.2. 微分方程的变换解

• $n$ 阶系统的微分方程:
  $$\sum _{i=0}^n{\alpha }_i{y}^{(i)}(t)=\sum _{j=0}^m{\beta }_j{f}^{(j)}(t)$$

  • 系统初始状态为 $y(0_{-},y^{(1)}(0_{-}),\cdots ,y^{(n-1)}(0_{-})$

• 使用拉普拉斯变换微分特性:
  $$\begin{array}{rlrl}{y}^{(i)}& ⟷& s^{i}Y(s)-& \sum _{p=0}^{i-1}{s}^{i-1-p}{y}^{(p)}(0_{-})\\ \sum _{i=0}^n{\alpha }_i{y}^{(i)}(t)& ⟷& \left[\sum _{i=0}^n{a}_i{s}^i\right]Y(s)-& \sum _{i=0}^n{a}_i[\sum _{p=0}^{i-1}{s}^{i-1-p}{y}^{(p)}(0_{-})]\end{array}$$

• 若 $f(t)$ 在 $t=0$ 时接入系统，则
  $$\begin{array}{rl}{f}^{(n)}(t)& ⟷s^{n}F(s)\\ \sum _{j=0}^m{\beta }_j{f}^{(j)}(t)& ⟷\left[\sum _{j=0}^m{b}_j{s}^j\right]F(s)\end{array}$$

• 求得:
  $$\left[\sum _{i=0}^n{a}_i{s}^i\right]Y(s)-\sum _{i=0}^n{a}_i[\sum _{p=0}^{i-1}{s}^{i-1-p}{y}^{(p)}(0_{-})]=\left[\sum _{j=0}^m{b}_j{s}^j\right]F(s)$$

  $$\begin{array}{rl}Y(s)& =\stackrel{Y_{zi}(s)}{\frac{\sum _{i=0}^n{a}_i[\sum _{p=0}^{i-1}{s}^{i-1-p}{y}^{(p)}(0_{-})]}{\sum _{i=0}^n{a}_i{s}^i}}+\stackrel{Y_{zs}(s)}{\frac{\sum _{j=0}^m{b}_j{s}^j}{\sum _{i=0}^n{a}_i{s}^i}F(s)}\\ & =\frac{M(s)}{A(s)}+\frac{B(s)}{A(s)}F(s)\end{array}$$

  $$Y_{zi}(s)+Y_{zs}(s)=Y(s)\to y(t)=y_{zi}(t)+y_{zs}(t)$$

• 步骤 :

  1. 方程式两边取 $\mathfrak{L}$
  2. 解出 $Y(s)=Y_{zi}(s)+Y_{zs}(s)$
  3. 取 ${\mathfrak{L}}^{-1}\to y(t)$

7.2.3. 连续系统函数 H

• 系统函数 $H(s)$ 定义:
  $$H(s)\stackrel{\text{def}}{=}\frac{Y_{zs}(s)}{F(s)}=\frac{B(s)}{A(s)}$$
  • 它只与系统的结构、元件参数有关，与激励、初始状态无关。

$$y_{zs}(t)=h(t)\star f(t)\to Y_{zs}(s)=\mathfrak{L}[h(t)]\cdot F(s)$$
$$H(s)=\mathfrak{L}[h(t)]$$

• 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：
    $$H(s)=\frac{B(s)}{A(s)}$$
  • $A(s)=0$ 的根 $p_1,p_2,\cdots ,p_n$ 称为系统函数 $H(s)$ 的极点；
  • $B(s)=0$ 的根 ${\zeta }_1,{\zeta }_2,\cdots ,{\zeta }_n$ 称为系统函数 $H(s)$ 的零点；
  • 将零极点画在复平面上 – 零极点分布图。
    

• 系统函数 $H(s)$ 与时域响应 $h(t)$

  • 以下讨论的系统均为连续因果系统中:
  • $H(s)$ 按其极点在 $s$ 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。

1. 极点在 左半开平面
   a. 若系统函数有负实单极点 $p=–\alpha (\alpha >0)$ ，则 $A(s)$ 中有因子 $(s+\alpha )$ ，其对应的响应函数为 $K{e}^{-\alpha t}\epsilon (t)$
   b. 若有一对共轭复极点 $p_{12}=-\alpha \pm j\beta$ ，则 $A(s)$ 中有因子
   $$[(s+\alpha {)}^2+{\beta }^2]\leftrightarrow K{e}^{-\alpha t}\cos (\beta t+\theta )\epsilon (t)$$
   c. 若有 $r$ 重极点, 则 $A(s)$ 中有因子 $(s+\alpha {)}^r$ 或 $[(s+\alpha {)}^2+{\beta }^2{]}^r$ ，其响应为
   KaTeX parse error: Got group of unknown type: 'internal'
   以上三种情况：当 $t\to \infty$ 时，响应均趋于 $0$ ，属暂态分量。

2. 极点在 虚轴上
   a. 单极点 $p=0$ 或 $p_{12}=\pm j\beta$，则响应为 $K\epsilon (t)$ 或 $K\cos (\beta t+\theta )\epsilon (t)$ — 稳态分量
   b. $r$ 重极点，相应 $A(s)$中有$s^r$ 或 $(s^2+{\beta }^2{)}^r$ ，其响应函数为 $t^i\epsilon (t)$ 或 KaTeX parse error: Got group of unknown type: 'internal' — 递增函数

3. 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 $h(t)$ 的函数形式由 $H(s)$ 的极点确定，零点影响 $h(t)$ 的幅度、相位。

  1. $H(s)$ 在左半平面的极点所对应的响应函数为衰减的。 即当 $t\to \infty$ 时，响应均趋于 $0$ 。
  2. $H(s)$ 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。
  3. $H(s)$ 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:
  $${\int }_{-\infty }^{\infty }|h(t)|dt\le M$$

  • 若 $H(s)$ 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:
  $${\int }_0^{\infty }|h(t)|dt\le M$$
  系统左半开平面的极点对应的响应为衰减函数，若 $H(s)$ 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:

  1. 绝对可积分
  2. 收敛域包含虚轴 --> 所有极点均在左半开平面
     • $\mathcal{R}e[s]>{\sigma }_0,({\sigma }_0<0)$

• 稳定系统的 s 域判别方法：

  1. 必要条件:
     $$H(s)=\frac{B(s)}{A(s)}$$
     $$A(s)=a_n{s}^n+a_{n-1}{s}^{n-1}+\cdots +a_{1}s+a_0$$
     若系统稳定，则 $a_i>0,i=0,1,2,3,\cdots ,n$
  2. 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 $n+1$ 行 ) 的符号相同 ( 全为 “+”号或全为 “-”号 )，则 $H(s)$ 的极点全部在左半平面，系统稳定。
     • 特例:
       1. 倒序排列
       2. 前面为零，引入无穷小量 $0\to \delta$
       3. 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

7.2.6. Python 绘制零极点图、判断稳定

• 利用 Python 画出系统
  $$H(s)=\frac{s^2+4s+3}{s^4+3s^3+4s^2+6s+4}$$
  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 $H(s)$ 与 $H(j\omega$

1. 设 $h(t)$ 为因果信号
   $$H(s)={\int }_{0_{-}}^{\infty }h(t)e^{-st}dt,\sigma >{\sigma }_0$$
   $$H(j\omega )={\int }_{-\infty }^{\infty }h(t)e^{-j\omega t}dt={\int }_{0_{-}}^{\infty }h(t)e^{-j\omega t}dt$$
   • 当 $\sigma >{\sigma }_0$ 且 ${\sigma }_0<0$ 时($H(s)$ 极点在左半平面)
     $$H(j\omega )=H(s){|}_{s=j\omega }$$
   • 这种情况下，h(t) 对应的系统称为因果稳定系统
2. $H(s)$ 零、极点与连续系统频率特性
   • 设
     $$H(s)=\frac{b_m(s-{\zeta }_1)\cdots (s-{\zeta }_m)}{(s-p_1)\cdots (s-p_n)}$$
   • 若 $H(s)$ 极点均在左半开平面，则
     $$H(j\omega )=H(s){|}_{s=j\omega }$$
     $H(j\omega )$ 又称为系统的频率响应
     $$\begin{array}{rl}H(s)& =\frac{b_m(j\omega -{\zeta }_1)\cdots (j\omega -{\zeta }_m)}{(j\omega -p_1)\cdots (j\omega -p_n)}\\ & =\frac{b_m\prod _{i=1}^m(j\omega -{\zeta }_i)}{\prod _{i=1}^n(j\omega -p_i)}\end{array}$$
     设
     $$\begin{array}{rl}j\omega -{\zeta }_i=B_i{e}^{j{\psi }_i},& i=1,2,3,\cdots ,m\\ j\omega -p_i=A_i{e}^{j{\theta }_i},& i=1,2,3,\cdots ,n\end{array}$$
     则
     $$\begin{array}{rl}H(s)& =\frac{b_m{B}_1{B}_2\cdots B_m{e}^{j({\psi }_1+{\psi }_2+\cdots +{\psi }_m)}}{A_1{A}_2\cdots A_n{e}^{j({\theta }_1+{\theta }_2+\cdots +{\theta }_m)}}\\ & =H(\omega )e^{j\varphi (\omega )}\end{array}$$
     $$H(\omega )=\frac{b_m{B}_1{B}_2\cdots B_m}{A_1{A}_2\cdots A_n}$$
     $$\varphi (\omega )=({\psi }_1+{\psi }_2+\cdots +{\psi }_m)-({\theta }_1+{\theta }_2+\cdots +{\theta }_m)$$

7.2.8. Python 求频率响应函数，判断稳定

• 已知系统函数
  $$H(s)=\frac{1}{s^3+2s^2+3s+1}$$
  画出其零极点分布，求系统的单位冲激响应 $h(t)$，和频率响应 $H(j\omega )$ ，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
  

To TOP 至目录