《现代控制系统》第四章——反馈控制系统特性 4.4 反馈控制系统里面的干扰信号

最新推荐文章于 2022-03-17 11:48:41 发布

Wo看见常威在打来福

最新推荐文章于 2022-03-17 11:48:41 发布

阅读量1.7k

点赞数 1

分类专栏：控制理论文章标签：控制理论

本文链接：https://blog.csdn.net/zhelijun/article/details/109337541

版权

控制理论专栏收录该内容

27 篇文章 105 订阅

订阅专栏

文章目录

0.前言
1. 消除干扰
2. 消除测量误差

0.前言

干扰信号会导致系统产生不准确的输出，干扰信号的来源有很多。反馈控制系统的另一个优势就是可以部分消除干扰信号带来的影响。

1. 消除干扰

根据4.2节里面的4.4式，我们知道当输入和测量误差为0时，误差为
$T_{d}(s)=-\frac{G(s)}{1+L(s)} T_{d}(s)$
假设受控对象与干扰不变的话，Loop gain $L (s)$ 越大，干扰带来的误差就越小。换句话说就是系统对干扰信号的敏感度就越小，因此我们可以说较大的Loop gain能带来较好的干扰抵抗能力。更准确一点就是，要想获得好的干扰抵抗能力的话，我们需要在我们感兴趣的干扰信号所对应的频率下面具有较大的 Loop gain。

实际应用中，干扰信号常常是低频的。因此我们只需要在低频区域确保设计一个 $G c (s)$ ，使得 $\frac{1}{1+L(s)}$ 足够小就行。

让我们考虑一个滚轴传送机构的例子，下图是一个滚轴传送机构，常常用来传送钢铁
在这里插入图片描述
滚轮常常受到大的干扰，当钢条接近滚轮的时候，滚轮上的幅值立即升高到一个很大的值。这个负载的快速变化可以看成是一个阶跃输入。滚轮的响应可以用一个传统直流电机的速度-扭力图来表示

为了研究干扰信号，我们直接给出一个开环直流电机的系统框图以及它的误差转换方程，省略了推导
在这里插入图片描述
$E(s)=-\omega(s)=\frac{1}{J s+b+K_{m} K_{b} / R_{a}} T_{d}(s)$
对于干扰信号 $T_{d}(s)=D / s,$ 我们用终值定理得到稳态误差 $\begin{aligned} \lim _{t \rightarrow \infty} E(t) &=\lim _{s \rightarrow 0} s E(s)=\lim _{s \rightarrow 0} s \frac{1}{J s+b+K_{m} K_{b} / R_{a}}\left(\frac{D}{s}\right) \\ &=\frac{D}{b+K_{m} K_{b} / R_{a}}=-\omega_{0}(\infty) \end{aligned}$
如果给他加一个放大器和负反馈，那么新的闭环系统的系统框图变为
在这里插入图片描述
整理一下得到

这里 $G_{1}(s)=K_{a} K_{m} / R_{a}, G_{2}(s)=1 /(J s+b),$ $H(s)=K_{t}+K_{b} / K_{a}$ ，对应的稳态误差
$E(s)=-\omega(s)=\frac{G_{2}(s)}{1+G_{1}(s) G_{2}(s) H(s)} T_{d}(s)$
因为是稳态误差，因此 $G_{1} G_{2} H(s)$ 远大于1，所以 $\approx \frac{1}{G_{1}(s) H(s)} T_{d}(s)$
然后同样利用终值定理得到稳态误差，接着我们对比发现带负反馈的系统稳态误差少了一两个数量级（省略了繁琐的计算）。因此我们得以知道反馈控制系统对干扰的消除能力。
新系统下电机的速度扭力图如下
在这里插入图片描述
可见电机速度的抗干扰能力变强

2. 消除测量误差

根据4.2节里面的4.4式，如果输入和干扰为0，即 $R(s)=T_{d}(s)=0,$ 那么系统误差为
$\mathrm{N}(s)=\frac{L(s)}{1+L(s)} N(s)$
此时Loop gain 越小误差越小，如果通设计 $G c (s)$ 使得 $L (s) < < 1$ ，那么
$\approx L(s)$
所以我们说小的环增益增加测量误差的抵抗能力。实际应用中测量误差信号的频率往往很高，所以我们希望环增益在高频处尽可能小。结合上面我们消除干扰时的要求，最终我们希望环增益在低频处大，在高频处小，很幸运这两者并不矛盾。但我们不排除干扰在高频，测量误差在低频的可能，这就需要控制工程师随机应变了。所以我们经常说的Loop shaping就是在不同频率上调整环增益的操作。结合4.2 节敏感度方程的讨论，因为
$S (s) + C (s) = 1$ 因此我们需要不断地权衡两个敏感度方程以使我们的系统满足设计要求。