控制系统的数学模型
背景
数学模型就像是真实世界的写照,它就像一个虚拟的世界,我们可以通过建模的方式了解这个真实世界的运作规律。
这一点很像强化学习,强化学习需要一个供智能体探索、学习的环境,于是,我们通常会事先建立一个虚拟的仿真环境。举个例子,对于人类来说,可能需要经过不断地尝试,甚至是生命的代价,才知道遇到熊时,比起逃跑,装死才是明智的选择。而有了一个虚拟环境以后,我们可以让智能体在环境中随意尝试,因为在虚拟环境中发生的事并不会影响现实世界。
如果说的大一点,就好像火箭发射。火箭的制造成本是很高的,如果每次做实验都用真火箭发射,那么这个实验的成本是相当高的,因此,我们首先需要建立一个数学模型,先在数学模型上分析,再应用到实际中去。
建模方法
数学模型有两种建模方法:
- 分析法——根据物理规律和化学规律列出方程式
- 实验法(系统辨识)——施加信号,记录响应,用适当的数学模型进行逼近
在电学、力学等传统科学中,一般都有很多前人留下的理论,比如基尔霍夫定律、牛顿定律等,因此一般都采用分析法来建立数学模型
而在一些比较新兴的领域,比如深度学习里用到的神经网络,探究某一神经网络的输入与输出关系时,可以用到实验法。比如输入一个数,输出它的相反数,我们需要不断地记录网络实际输出与我们的期望输出,并对网络的权重做出调整,最后达到我们想要的效果。
常用的数学模型
- 时域模型——微分、差分、状态方程
- 复数域模型——传递函数、结构图
- 频域模型——频率特性
时域数学模型的建立
微分方程是描述控制系统最基本的数学工具,他是对物理系统输入/输出的描述。
当系统的输入量和输出量都是时间t的函数,如果微分方程是线性的,并且各项系数都为常数,则称之为线性定常系统的数学模型。
比如一个RLC电路:
根据基尔霍夫定律,可以得到:
质量-弹簧-阻尼系统:
又牛顿定律可以得到: