主导极点，传递函数零极点与时域模态

鲸大鱼的自我修养

已于 2024-12-12 22:20:34 修改

阅读量1.3k

点赞数 30

文章标签：数学建模算法自动化 matlab

于 2024-12-12 22:18:37 首次发布

本文链接：https://blog.csdn.net/weixin_43467525/article/details/144383717

版权

运动模态

控制系统的数学建模，可以采用微分方程或传递函数，两者具有相同的特征方程。在数学上，微分方程的解由特解和通解组成，具体求解过程可以参考：微分方程求解的三种解析方法。

如果 $n$ 阶微分方程，具有 $n$ 个互不相等的单重特征根 $\lambda_1,\lambda_2,...,\lambda_n$ ，则称 ${e^{{\lambda _1}t}},{e^{{\lambda _2}t}},...,{e^{{\lambda _n}t}}$ 为该系统的模态，也叫振型。每一种模态表示一种类型的运动形态，微分方程的齐次解为它们的线性组合，即
$y\left( t \right) = {c_1}{e^{{\lambda _1}t}} + {c_2}{e^{{\lambda _2}t}} + ... + {c_n}{e^{{\lambda _n}t}}$

对于其它类型的特征根类型，所对应的齐次解或模态表达式，如下所示：
在这里插入图片描述

极点与模态类型

相同权重下，对比不同模态所对应的冲击响应，结果如下。取传递函数为 $\frac{1}{s+1}$ 、 $\frac{1}{s+10}$ 和 $\frac{1}{s+100}$ ，对应模态为 $e^{-t}$ 、 $e^{-10t}$ 和 $e^{-100t}$ 。所谓权重，指的是模态前的系数（这里均为1）。
在这里插入图片描述

clc;clear;close all;

sys1 = tf(1, [1 1]);   sys2 = tf(1, [1 10]);  sys3 = tf(1, [1 100]);  t = 0:0.01:10;
[y1, t1] = impulse(sys1, t);  [y2, t2] = impulse(sys2, t);  [y3, t3] = impulse(sys3, t);

figure;  hold on;
plot(t1, y1, 'b', 'LineWidth', 1.5); % 蓝色线表示1/(s+1)
plot(t2, y2, 'r', 'LineWidth', 1.5); % 红色线表示1/(s+10)
plot(t3, y3, 'g', 'LineWidth', 1.5); % 绿色线表示1/(s+100)

legend('1/(s+1)', '1/(s+10)', '1/(s+100)');
xlabel('Time (s)');ylabel('Impulse Response');grid on;

总结：同等权重情况下，负实部越远离零轴，模态衰减越快；负实部越靠近零轴，模态衰减越慢；

零点与模态权重

将两种模态（ $e^{-t}$ 和 $e^{-10t}$ ）进行等比例混合，结果如下：
$G\left( s \right) = \frac{{0.5}}{{s + 1}} + \frac{{0.5}}{{s + 10}} = \frac{{s + 5.5}}{{\left( {s + 1} \right)\left( {s + 10} \right)}}$
可以看到，混合的过程产生了一个特定的零点。也就是说，零点不引入新的模态，但却与各模态的相对权重有关。更一般地，假设零点为 $- z$ ，分析权重 $\alpha、\beta$ 随 $z$ 的变化规律，如下所示：
${G\left( s \right) = \frac{{s + z}}{{\left( {s + 1} \right)\left( {s + 10} \right)}} = \frac{\alpha }{{s + 1}} + \frac{\beta }{{s + 10}} = \frac{{\frac{1}{9}z - \frac{1}{9}}}{{s + 1}} + \frac{{\frac{{10}}{9} - \frac{1}{9}z}}{{s + 10}}}$
在这里插入图片描述

clc;clear;close all;
z = 0:0.5:11;  alpha = (1/9) * z - (1/9);  beta = (10/9) - (1/9) * z;

figure;  hold on; 
plot(z, alpha, '-', 'LineWidth', 2, 'DisplayName', '\alpha');
plot(z, beta, '-', 'LineWidth', 2, 'DisplayName', '\beta');

title('Comparison of \alpha and \beta vs. z');  legend('\alpha', '\beta');  grid on;
xlabel('零点位置');  ylabel('相对权重');  xticks([0,1,5.5,10]);  yticks([0,0.5,1]);

总结：零点不引入模态，但却影响模态权重；当极点附近有零点时，对应模态权重明显下降，重叠时甚至会被对消；

输入与最终模态

最终响应模态不仅与系统固有传函有关，还与输入有关。假设系统传递函数为：
$G\left( s \right) = \frac{{C\left( s \right)}}{{R\left( s \right)}} = \frac{{6\left( {s + 3} \right)}}{{\left( {s + 1} \right)\left( {s + 2} \right)}}$
系统包含 $e^{-t}$ 、 $e^{-2t}$ 两个运动模态。当输入为 $r\left( t \right) = {R_1} + {R_2}{e^{ - 5t}}$ 时，系统最终零状态响应为：
$\left\{ \begin{aligned} c\left( t \right) &= {\mathcal{L}^{ - 1}}\left[ {C\left( s \right)} \right] = {\mathcal{L}^{ - 1}}\left[ {\frac{{6\left( {s + 3} \right)}}{{\left( {s + 1} \right)\left( {s + 2} \right)}}\left( {\frac{{{R_1}}}{s} + \frac{{{R_2}}}{{s + 5}}} \right)} \right] \\ &= 9{R_1} - {R_2}{e^{ - 5t}} + \left( {3{R_2} - 12{R_1}} \right){e^{ - t}} + \left( {3{R_1} - 2{R_2}} \right){e^{ - 2t}} \\ \end{aligned} \right.$