Санкт-Петербургский государственный электротехнический

университет «ЛЭТИ» им. В.И. Ульянова (Ленина)

_____________________________________________________
На правах рукописи

Казаков Владимир Петрович

РАЗРАБОТКА И СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ СЕМЕЙСТВА

АДАПТИВНЫХ СИСТЕМ УПРАВЛЕНИЯ ДВУХ- И
ТРЕХМАССОВЫМИ УПРУГИМИ ЭЛЕКТРОМЕХАНИЧЕСКИМИ
ОБЪЕКТАМИ

Специальность: 05.09.03 – Электротехнические комплексы и системы

ДИССЕРТАЦИЯ
на соискание ученой степени кандидата
технических наук

Научный руководитель – доктор технических наук, профессорПутов В. В.

Санкт-Петербург – 2011
1
Оглавление
ВВЕДЕНИЕ .............................................................................................................. 6

1. МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ МНОГОМАССОВЫХ

НЕЛИНЕЙНЫХ УПРУГИХ ЭЛЕКТРОМЕХАНИЧЕСКИХ ОБЪЕКТОВ ..... 13

1.1. Математическое описание многомассовых нелинейных упругих

механических объектов с учетом зазоров в упругих связях ......................... 13

1.1.1 Скоростная форма математического описания многомассовых

нелинейных упругих электромеханических объектов .............................. 13

1.1.2 Математическая модель многомассового упругого

электромеханического объекта с учетом зазоров в упругих связях ........ 17

1.2. Постановка задач подавления упругих деформаций в упругих

электромеханических объектах ....................................................................... 19

1.2.1 Задачи подавления упругих деформаций .......................................... 19

1.2.2 Задачи применения стационарных наблюдателей в реализации

систем управления не полностью измеримыми упругими объектами .... 22

1.3. Упругие электромеханические следящие системы с подчиненным

управлением ....................................................................................................... 23

1.3.1 Типовая промышленная система с подчиненным управлением

многомассовым упругим электромеханическим объектом ...................... 23

1.3.2. Расчетные формулы типовых настроек контурных П – регуляторов

в электромеханической системе подчиненного управления .................... 31

1.4. Расчет наблюдателя, модального управления и эталонной модели ..... 35

1.4.1 Расчет блока стационарного наблюдателя ........................................ 35

1.4.2 Расчет линейного (модального) управления и эталонной модели . 38

1.5. Аналитические адаптивные системы управления с алгоритмами

параметрической и сигнальной настроек ....................................................... 39

2
 1.5.1 Полные адаптивные системы с параметрической настройкой и
мажорирующими функциями ...................................................................... 40

1.5.2 Упрощенные адаптивные системы с параметрической настройкой и

мажорирующими функциями ...................................................................... 46

1.5.3 Полные адаптивные системы с сигнальной настройкой и

мажорирующими функциями ...................................................................... 48

1.5.4 Упрощенные адаптивные системы с сигнальной настройкой и

мажорирующими функциями старших степеней роста ............................ 51

1.6. Математическое описание асинхронного электродвигателя с

разомкнутой системой управления ................................................................. 53

1.7 Выводы к первой главе ............................................................................... 61

2. АДАПТИВНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ ДВУХ- И

ТРЕХМАССОВЫМИ УПРУГИМИ МЕХАНИЧЕСКИМИ И
ЭЛЕКТРОМЕХАНИЧЕСКИМИ ОБЪЕКТАМИ ............................................... 62

2.1. Двухмассовые упругие механические и электромеханические объекты

............................................................................................................................. 63

2.1.1. Исходные данные двухмассовых упругих механических и

электромеханических объектов и расчет подчиненного регулирования 63

2.1.2. Адаптивные системы управления скоростью .................................. 66

2.1.3 Адаптивные системы управления положением ................................ 90

2.2 Трехмассовые упругие механические и электромеханические объекты

........................................................................................................................... 109

2.2.1 Исходные данные трехмассового упругого механического и

электромеханического объектов и расчет подчиненного регулирования
....................................................................................................................... 109

2.2.2 Адаптивные системы управления скоростью ................................. 112

2.2.3 Адаптивные системы управления положением .............................. 135

3
 2.3 Выводы к второй главе ............................................................................. 158

3. НЕЙРОСЕТЕВЫЕ СИСТЕМЫ УПРАВЛЕНИЯ ДВУХ- и

ТРЕХМАССОВЫМИ УПРУГИМИ ЭЛЕКТРОМЕХАНИЧЕСКИМИ
ОБЪЕКТАМИ ...................................................................................................... 159

3.1 Основы искусственных нейронных сетей .............................................. 159

3.1.1 Модель нейрона .................................................................................. 159

3.1.2 Функции активации ........................................................................... 163

3.1.3 Обучение искусственных нейронных сетей .................................... 166

3.2 Адаптивные нейросетевые системы управления двух- и трехмассовыми

упругими электромеханическими объектами .............................................. 172

3.2.1 Особенности использования искусственных нейронных сетей в

системах управления................................................................................... 172

3.2.2 Разработка адаптивных нейросетевых систем управления

положением двухмассового упругого электромеханического объекта 176

3.2.3 Разработка адаптивных нейросетевых систем управления

положением трехмассового упругого механического объекта .............. 180

3.3 Выводы к третьей главе ........................................................................ 186

4. РАЗРАБОТКА ПРИКЛАДНОЙ ПРОГРАММЫ МОДЕЛИРОВАНИЯ И

НАСТРОЙКИ СИСТЕМ УПРАВЛЕНИЯ ДВУХ- И ТРЕХМАССОВЫМИ
ЭЛЕКТРОМЕХАНИЧЕСКИМИ ОБЪЕКТАМИ С УПРУГИМИ
ДЕФОРМАЦИЯМИ ............................................................................................ 187

4.1 Обзор программ моделирования и настройки систем управления ...... 187

4.1.1 Программные средства отладки и моделирования ......................... 187

4.1.2 Совмещение программных моделей и регуляторов с работающим

оборудованием............................................................................................. 190

4.1.3 Стенды для полунатурных испытаний ............................................ 195

4
 4.1.4 Настройка регуляторов в реальном времени (на примере TRM-151)
....................................................................................................................... 196

4.2 Проектирование и описание программы моделирования ..................... 197

4.2.1 Назначение .......................................................................................... 197

4.2.2 Назначение пунктов меню и работа с приложением ..................... 199

4.3 Пример моделирования адаптивной системы управления с

параметрической настройкой для управления положением трехмассового
упругого электромеханического объекта с учетом электромагнитной
постоянной тока якоря .................................................................................... 207

4.4 Выводы к четвертой главе ........................................................................ 212

ЗАКЛЮЧЕНИЕ ................................................................................................... 213

СПИСОК ЛИТЕРАТУРЫ................................................................................... 214

5
ВВЕДЕНИЕ
Актуальность работы. Развитие современной техники и технологий
невозможно представить без применения специальных мехатронных
комплексов, в состав которых входят электромеханические объекты с
протяженной геометрией и упругими деформациями. К таким мехатронным
комплексам как объектам управления относятся конструкции высокоточных
металлорежущих станков, экстремальных роботов-манипуляторов,
быстроходных наземных и морских подвижных объектов,
высокоманевренных летательных аппаратов, испытательных стендов,
мобильных установок аэродромного обслуживания и т. д. При этом в
условиях, когда возможности современного конструирования и применения
новейших материалов с целью достижения высокой точности и высокой
производительности сложных электромеханических объектов
исчерпываются, дальнейшее повышение их эффективностиможет быть
достигнуто применением сложных аналитических с параметрической и
сигнальной настройками или нейросетевых адаптивных систем управления.
Проектирование аналитических с параметрической и сигнальной
настройками и нейросетевых адаптивных систем управления
электромеханическими объектами с упругими деформациями связано с
решением задач снижения влияния различных факторов на качество
управления: отсутствие априорной информации о значениях
массоинерционных и упругих параметров; случайное изменение нагрузки;
взаимовлияние степеней подвижности объектов; варьирование параметров
объектов управления.

Упругие деформации звеньев механических конструкций и передач

являются одним из факторов, препятствующих повышению эффективности
управления электромеханическими объектами и подлежащих подавлению
средствами управления. Многостепенные упругие электромеханические
объекты с собственными частотами, лежащими в полосе пропускания
6
исполнительных приводов, определяемой их максимально возможным
быстродействием, характеризуются тем, что упругие колебания возбуждаются в
них при любой попытке реализовать предельное быстродействие, что приводит
к снижению качественных показателей объектов, их повышенному износу,
поломкам и авариям, тормозит рост их производительности[42].

В рамках метода подчиненного управления предельно возможное

быстродействие, отвечающее идеализированному представлению одной
степени подвижности объекта в виде жестко присоединенной к
исполнительному приводу нагрузки с неизменной инерционной
характеристикой, соответствует полосе пропускания следящей системы до
100–250 рад/с, т.е. 16–40 Гц [34, 40, 42]. Таким образом, при наличии упругих
деформаций с частотами, лежащими в пределах 2–15 Гц, реальное
быстродействие систем должно быть снижено многократно, что приводит к
значительному недоиспользованию потенциальных возможностей
современных исполнительных приводов. Очевидно также, что снижение
быстродействия систем не решает проблему устойчивости к возникновению
упругих колебаний, так как последние могут беспрепятственно возбуждаться
под действием ударной нагрузки.
Другой необходимой предпосылкой создания аналитических и
нейросетевых адаптивных систем автоматического управления
электромеханическими объектами с упругими деформациями является
переход от аналоговой элементной базы электронных блоков систем
управления к современной высокопроизводительной микроконтроллерной
технике промышленного и бортового применения.

Внедрение на предприятиях цифрового оборудования создает

предпосылки к разработке и использованию специализированных программ
по расчету, моделированию и настройке адаптивных систем управления и
аппаратных средств их реализации на базе промышленных контроллеров.
Однако такие программы требуют от настройщиков оборудования знаний

7
специализированного программного обеспечения (Matlab, LabView и др.), а
аппаратные средства недостаточно эффективны в условиях, когда параметры
системы точно не известны.

Таким образом, задачи, связанные с разработкой и настройкой

аналитических и нейросетевых адаптивных систем автоматического
управления электромеханическими объектами с упругими деформациями,
неполными измерениями, быстро и в широких пределах изменяющимися
параметрами, а также разработка комплекса программ расчета,
моделирования и настройки адаптивных систем управления такими
объектами являются актуальными и решаются в данной работе в рамках
аналитического (беспоискового) и интеллектуального адаптивных подходов,
получивших в последнее время значительное теоретическое и теоретико-
прикладное развитие в отечественной и зарубежной научно-технической
литературе [4, 25, 32, 49, 52, 62, 72, 73, 77].

Цель диссертационной работы – разработка и сравнительное

исследование аналитических с параметрической и сигнальной настройками и
нейросетевых адаптивных систем управления двух- и трехмассовыми
упругими электромеханическими объектами, а также разработка комплекса
программ для их расчета, моделирования и настройки.
В диссертационной работе ставятся и решаются следующие задачи:
1. Построить и исследовать аналитические адаптивные системы с
параметрической и сигнальной настройками для управления двух- и
трехмассовыми упругими электромеханическими объектами.
2. Построить и исследовать нейросетевые адаптивные системы
управления двух- и трехмассовыми упругими электромеханическими
объектами.
3. Провести сравнительное исследование разработанного семейства
аналитических и нейросетевых адаптивных систем управления двух- и
трехмассовыми упругими электромеханическими объектами.

8
 4. Разработать комплекс программ расчета, моделирования и настройки
семейства аналитических и нейросетевых адаптивных систем
управления двух- и трехмассовыми электромеханическими объектами
с упругими деформациями.
Методы исследования основаны на использовании теории управления,
теории матриц, теории адаптивного управления, теории нейронных сетей.
Проверка эффективности полученных теоретических результатов
производилась в среде моделирования Matlab – Simulink.
Научные результаты, выносимые на защиту:
1. Аналитические адаптивные системы с параметрической и сигнальной
настройками для управления двух- и трехмассовыми упругими
электромеханическими объектами и результаты их исследования.
2. Нейросетевые адаптивные системы управления двух- и
трехмассовыми упругими электромеханическими объектами и
результаты их исследования.
3. Результаты сравнительного исследования семейства аналитических и
нейросетевых адаптивных систем управления двух- и
трехмассовыми упругими электромеханическими объектами.
4. Комплекс программ расчета, моделирования и настройки семейства
аналитических и нейросетевых адаптивных систем управления двух-
и трехмассовыми упругими электромеханическими объектами.
Научная новизна работы состоит в следующем:
1. Разработаны и проанализированы аналитические адаптивные системы
с параметрической и сигнальной настройками для управления двух- и
трехмассовыми упругими электромеханическими объектами и
определены области их применения.
2. Построены и исследованы нейросетевые адаптивные системы
управления двух- и трехмассовыми упругими электромеханическими
объектами, в качестве обучающей выборки для которых

9
 использовались входные и выходные сигналы аналитических
адаптивных систем управления.
3. Получены новые результаты сравнительного исследования
аналитических и обученных по аналитическим алгоритмам
нейросетевых адаптивных систем управления двух- и трехмассовыми
упругими электромеханическими объектами.
4. Построенное и изученное семейство аналитических и нейросетвых
адаптивных систем используется в качестве библиотеки для
разработки комплекса программ их инженерного расчета,
моделирования и настройки.
Достоверность полученных результатов обеспечивается применением
современных программных средств моделирования (Matlab-Simulink) и
среды разработки приложений (MatlabGuide), а также подтверждается
результатами компьютерного моделирования построенных в работе
аналитических и нейросетевых адаптивных систем управления двух- и
трехмассовыми упругими электромеханическими объектами.
Значимость полученных результатов для теории и практики:
 Теоретическая значимость диссертационной работы состоит в том,
что обобщены известные аналитические методы и выдвинут новый подход к
обучению нейросетевых структур для построения семейства аналитических и
нейросетевых адаптивных систем управления двух- и трехмассовыми
упругими электромеханическими объектами, проведен сравнительный
анализ их достоинств и недостатков и определены области их
целесообразного использования.
 Практическая полезность результатов диссертационной работы
состоит в том, что полученные теоретические результаты по разработке и
исследованию семейства аналитических и интеллектуальных адаптивных
систем применены в разработке комплекса программ расчета, моделирования
и настройки адаптивных систем для конкретных инженерных приложений в
различных областях техники.
10
 Построенный в диссертации комплекс программ расчета,
моделирования и настройки открывает перспективы разработки нового
поколения аналитических и нейросетевых систем управления реальными
упругими электромеханическими объектами и их промышленной и бортовой
микроконтроллерной реализации.
Реализация результатов работы. Результаты диссертационной
работы использованы в 4 НИОКР:
 «Теоретические основы технологий безопасности движения
подвижных объектов» (2006 – 2007 г.г.). Шифр – ФИЕТ/САУ-77. Источник
финансирования – федеральный бюджет;
 «Создание автоматизированных методов синтеза и тестирования
интеллектуальных мехатронных модулей» (2006 – 2008 г.г.). № гос.
регистрации – 1.11.06 САУ-76. Источник финансирования – федеральный
бюджет;
 «Разработка новой технологии измерения коэффициента сцепления
аэродромных и автодорожных покрытий, основанной на
электромеханическом способе торможения измерительного колеса»
государственный контракт от 15 июня 2009 г. № 02.740.11.0010 (2009 – 2011
гг.);
 «Создание автоматически управляемых электромеханических систем
торможения колес воздушных и наземных транспортных средств»
государственный контракт № П 548 от 05 августа 2009 г.(2009 – 2011 гг.).
Результаты диссертационной работы использованы также в двух
дисциплинах профессионального цикла подготовки магистров по
направлению «Управление в технических системах».
Апробация работы. Основные теоретические и прикладные результаты
диссертационной работы докладывались и получили одобрение на 9
международных и всероссийских научно-технических конференциях: на XIV,
XV, XVI всероссийских научно-технических конференциях «Экстремальная
робототехника» (2003, 2004, 2005 годы, ЦНИИ РТК г. Санкт-Петербург); на
11
IX, XI, XII конференциях молодых ученых «Навигация и управление
движением» (2007, 2010, 2011 годы, «Электроприбор» г. Санкт-Петербург);
на Третьей международной научно-практической конференции «Дни науки –
2007» (2007 год, г. Днепропетровск); на международной научно-технической
конференции «Проблемы информационно-компьютерных технологий и
мехатроники» (2007г. Дивноморское); на XIV международной конференции
по интегрированным навигационным системам (2007); на внутривузовских
научно-технических конференциях в СПбГЭТУ «ЛЭТИ» в 2003 – 2011гг., а
также на научных семинарах кафедры систем автоматического управления
СПбГЭТУ «ЛЭТИ».
Публикации.Основные результаты диссертации опубликованы в 27
статьях и докладах, среди которых 5 статей включены в перечень изданий,
рекомендованных ВАК, 7 статей в других изданиях, 4 свидетельства на
программы ЭВМ, 11 работ в материалах международных и всероссийских
научно-технических конференций.
Структура и объем работы. Диссертация состоит из введения, 4 глав с
выводами и заключения. Основный материал диссертации изложен на 148
страницах машинописного текста, включает 133 рисунка, 9 таблиц и
содержит список литературы из 88 наименований, среди которых 62
отечественных и 26 иностранных авторов.

12
1. МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ МНОГО–
МАССОВЫХ НЕЛИНЕЙНЫХ УПРУГИХ ЭЛЕКТРО–
МЕХАНИЧЕСКИХ ОБЪЕКТОВ

1.1. Математическое описание многомассовых нелинейных

упругих механических объектов с учетом зазоров в упругих
связях

1.1.1 Скоростная форма математического описания многомассовых

нелинейных упругих электромеханических объектов
Будем рассматривать уравнения механических объектов с упругими
связями, исходя из следующих допущений [32, 40]:
1. Ограничиваясь рамками конечномерных объектов, будем
рассматривать конечное число точечных масс, соединенных упругими
связями, упругие связи считать лишенными массы, а сами упругие силы,
воздействующие на материальные точки, рассматривать как потенциальные,
относя потери при деформации к работе непотенциальных сил трения
(диссипативных сил).
2. В качестве обобщенных координат, характеризующих
потенциальную энергию упругих связей, будем выбирать упругие
деформации, определяющие отклонение конфигурации упругого
электромеханического объекта от его недеформированного положения.
3. Будем считать, что направления упругих сил (или упругих
моментов), возникающих при деформации растяжения (или скручивания),
совпадают с направлениями осей упругих связей, тем самым пренебрегая
возникающими при деформациях отклонениями осей упругих связей от их
положения в недеформированном положении.
4. Будем предполагать, что упругие деформации малы по сравнению с

13
геометрическими размерами объекта. Последнее часто имеет место в
практических задачах, когда рассматриваются упругие металлические
конструкции, деформации которых не допускают больших изменений
размеров и форм.
В этих условиях соответствующие модели легко интерпретируются
свойствами матриц линейных дифференциальных уравнений с постоянными
параметрами, записываемых в следующей векторно-матричной форме [34]:
  Rq  Cq  Qu ,
Aq (1.1)
где q – n-мерный вектор обобщенных координат (перемещений или
вращений точечных масс); A, R, C – (nn) – мерные постоянные
симметричные матрицы; матрица инерции A  0 ; матрица трения R  0 ;
матрица упругости C  0 ; Q u – вектор обобщенных управляющих сил.
Так как пространственные электромеханические со многими степенями
подвижности объекты самого различного назначения имеют в каждой
степени свой исполнительный привод (например, электропривод), через
посредство которого передаются на объект управляющие воздействия, то в
качестве объекта управления будем рассматривать многомассовый упругий
электромеханический объект, отнесенный к одной степени подвижности. Он
представляет собой однонаправленную (однолинейную) и в общем случае
разветвленную цепную модель (рисунок 1.1), описываемую уравнением (1.1).
p23 pk–1, k pk
m3 … mk
p12 pi–1, i pi,i+1
u1(t)
m1 m2 … mi … qk
q1 ui(t) pl
m4 … ml
p14 ul(t)

Рисунок 1.1– Однонаправленная разветвленная цепная модель многомассового упругого

механического объекта

Эта модель состоит из точечных масс mi и соединяющих их упругих

14
связей (пружин) с коэффициентами упругости pij i, j  1, , n, пружины с

коэффициентами упругости pk соединяют k-е массы с основанием,

скрепленным с инерциальной (неподвижной) системой координат. На
точечные массы действуют внешние, в частности, управляющие силы ui
(например, силы исполнительных приводов), силы трения не показаны. В
качестве обобщенных координат полагаем пространственные перемещения qi
точечных масс, отсчитываемые от их положений в недеформированном
электромеханическом объекте [42].
В диссертации рассматривается неразветвленная цепная модель
многомассового упругого электромеханического объекта [29], схема
которого представлена на рисунке 1.2, где ωi – скорости перемещений
точечных масс; δi – зазоры в упругих связях.
–i i –n–1 n–1

p1 pi–1 pi pn–1
u1
m1 m2 … mi … mn
myi–1 ui myi myn–1
qi , i  qi

Рисунок 1.2– Расчетная неразветвленная однолинейная цепная модель многомассового

упругого электромеханического объекта с зазорами

Полагая, что движение упругого электромеханического объекта всегда

носит выраженный колебательный характер (иначе постановка задачи
подавления упругих колебаний не имела бы смысла), будем пренебрегать
собственными потерями в механической конструкции (а также
электромагнитными потерями при описании исполнительных приводов),
считая их естественное демпфирующее влияние несущественным по
сравнению с принудительным демпфированием, вносимым средствами
управления, и потому примем матрицу трения R  0 (нулевая матрица).

15
 Считая матрицу инерции функциональной, будем учитывать то, что
параметры упругих электромеханических объектов степеней подвижности
нелинейны и нестационарны (зависят от темпов программного движения
общей взаимосвязанной конструкции). Учтем, в общем случае, также
нелинейности упругих связей, вносимых зазорами (рисунок 1.2),
оказывающими существенное дестабилизирующее влияние и значительно
затрудняющими решение задачи гашения упругих колебаний. Тогда
уравнение движения нелинейного нестационарного упругого
электромеханического объекта имеет вид
Aq, t q
  Cq, t q  Q u t  ,

или в нормальной форме

   A 1 (q, t ) [C(q, t )q  Q u (t )] ,
q  ω; ω (1.2)
где q, ω – n-мерные векторы обобщенных координат и обобщенных
скоростей соответственно.
Рассмотрим «скоростную»форму представления математических
моделей многомассовых упругихэлектромеханических объектов, удобную
для создания систем управления упругими деформациями [32].
В качестве переменных состояния используем n-мерный вектор
скоростей ω  q , (n–1) – мерныйвектор восстанавливающих сил (моментов)
упругих связей и ток якоряIЯ (считаем, что первой массой является
электродвигатель):

 
m y  my1my i my n1 т ; my i  pi qi  qi 1 , i  1, n  1 .

Тогда уравнения движения неразветвленного многомассового упругого

электромеханического объекта (см. рисунок 1.2) будут следующими (без
учета зазоров):

16
 RЯ k 
IЯ   I Я  e ω1  bu  t  ; 
LЯ LЯ

1 
ω1   km I Я  f у, 1  ; 
m1  (1.3)

ωi   my i  my i 1  , i  2, n;
1

mi 
my i  pi  ωi  ωi 1  , i  1, n  1, my 0  my n  0.

Система (1.3) описывает упругое движение, и из нее исключены явно

все обобщенные координаты (неявно их разности присутствуют в упругих
силах m y i ), следовательноисключено и жесткое движение, а содержатся явно

лишь обобщенные скорости  i . В дальнейшем для неразветвленных

многомассовых упругих электромеханических объектов будем использовать
именно это описание.

1.1.2 Математическая модель многомассового упругого

электромеханического объекта с учетом зазоров в упругих связях
Математические модели упругих объектов с зазорами, описываемыми,
как правило, идеализациями в виде переключаемых функций, относятся к
дифференциальным уравнениям с разрывными правыми частями [34]. В
отличие от линейной модели многомассового упругого
электромеханического объекта вида (1.1), представленной системой
уравнений (1.3), в нелинейной модели, учитывающей зазоры, будем полагать,
что в общем случае все массы упругого объекта разделены зазорами 2 i в упругих
связях, и рассмотрим модель однолинейного неразветвленного многомассового упругого
электромеханического объекта с зазорами, как это показано на рисунке 1.2.
Упругие или восстанавливающие силы (моменты), возникающие при
деформации qi  qi 1 упругой связи с зазором, соединяющей массы (диски)
m i и mi 1 , где qi , qi 1 – поступательные перемещения (углы поворота) масс

17
(дисков) (см. рисунок 1.2) описываются разрывными функциями f уi ,

i  1, 2, , n . Их можно представить следующими соотношениями:

 pi  qi  qi 1  δi  , если qi  qi 1  δi ;

f уi  0, если qi  qi 1  δi ; (1.4)

 pi  qi  qi 1  δi  , если qi  qi 1  δi ,
где i = 1, 2, , n; |  | – обозначение модуля.
Неравенства, фигурирующие в соотношениях (1.4), суть условия
разрывов («замыкания» (нестрогие неравенства) и «размыкания» (строгое
неравенство) зазора в i-й упругой связи), и если их умножить слева и справа
на число pi , то они не изменят своего смысла, так как pi  0 всегда. Но при
этом из соотношений (1.4) будут исключены переменные qi , qi 1 , и они
перепишутся в виде, содержащем лишь переменные mуi  pi qi  qi 1 ,

принятые при описании линейного упругого объекта в «скоростной» форме

(1.3). Такое представление нелинейной восстанавливающей силы (момента)
позволяет записать дифференциальные уравнения многомассового
неразветвленного упругого электромеханического объекта с зазорами в
упругих связях в виде дифференциальных уравнений (1.3) с учетом
соотношений (1.4) в виде
RЯ k 
IЯ   I Я  e ω1  bu  t  ; 
LЯ LЯ

1 
ω1   km I Я  f у, 1  ; 
m1

1  (1.5)
ωi   f у, i 1  f у, i  , i  2, n; 
mi 

mуi  pi  ωi  ωi 1  , i  1, n  1; 

mуi  pi δi , если mуi  pi δi ; 
 
f уi  0, если mуi  pi δi ;


mуi  pi δi , если mуi  pi δi ;

mуi  pi  qi  qi 1  , i  1, n  1. 

18
Здесь mi , pi , b – либо постоянные параметры, либо в общем случае гладкие
функции переменных состояния объекта и времени, глобально ограниченные
равномерно по t; q i  i .
Особенностью полученной системы нелинейных дифференциальных
уравнений движения упругого объекта с зазорами (1.5) является то, что
нелинейные восстанавливающие силы (моменты)
 
f уi  f уi mуi , t , i  1, 2, , n  1 , являются явными функциями переменных

m уi , которые сами приняты в качестве переменных состояния упругого

объекта с зазорами [32]. Это делает удобным выбор и реализацию

рассматриваемых далее адаптивных аналитических и нейросетевых систем
управления для подавления упругих деформаций в электромеханических
объектах.

1.2. Постановка задач подавления упругих деформаций в

упругих электромеханических объектах

1.2.1 Задачи подавления упругих деформаций

Следуя [40, 42], отметим, что упругие колебания с собственными
частотами, меньшими значения максимальной частоты полосы пропускания
исполнительных приводов, определяемой их предельно возможным
быстродействием, возбуждаются при любой попытке реализовать это
предельное быстродействие в управлении упругими электромеханическими
объектами, что приводит к снижению качественных показателей систем,
повышенному износу, поломкам и авариям промышленного оборудования,
тормозит рост его производительности.
Предельное быстродействие промышленных регулируемых
электроприводов с полупроводниковыми преобразователями соответствует
полосе равномерного пропускания частот до значений 15 – 40 Гц. У
подавляющего большинства исполнительных механизмов (роботов,
бортовых антенн, систем наведения легких установок и др.)низшие (первая и
19
вторая) собственные частоты лежат в этих же пределах (6 – 20 Гц), а в
крупных механизмах (поворотных устройствах наземных антенн,
испытательных стендов авиаагрегатов и трансмиссий, систем наведения
средних и тяжелых установок и др.) низшие собственные частоты имеют
значения 1–3 Гц. Естественно учитывать лишь ту часть спектра собственных
частот, которые заметно возбуждаются исполнительными приводами, при
этом граница учитываемых частот связана с полосой пропускания п [рад/с]
приводов практическим соотношением [34]
п  0.2  0.1 f у.м ,

где f у. м – максимальная (низшая) частота упругих колебаний, возбуждаемых

исполнительным приводом в многомассовом упругом электромеханическом

объекте, Гц.
Из приведенных соотношений значений низших собственных частот и
полосы пропускания исполнительных приводов очевидно, что предельное
быстродействие исполнительных приводов будет в значительной степени
недоиспользоваться, если потребовать, чтобы упругие колебания не
возбуждались. Такое искусственное разделение во времени на «быстрое»
упругое и «медленное» жесткое движения путем преднамеренного снижения
быстродействия исполнительных приводов нецелесообразно еще и потому,
что оно малоэффективно в случаях, когда упругие колебания возбуждаются
под влиянием быстродействующих возмущений со стороны нагрузки.
В то же время, как отмечено в [34], если упругие колебания
возбуждаются при попытке реализовать программное движение с
максимальным быстродействием, это означает, что приводы способны
развить ускорения механизмов степеней подвижности, сравнимые с
ускорениями, возникающими при упругих колебаниях. Очевидно, что такое
быстродействие приводов создает предпосылки для организации управления,
действующего не в «обход» упругих колебаний, а направленного на их
принудительное гашение (подавление), обеспечивая тем самым условия,
20
когда упругие колебания с частотами, лежащими в полосе пропускания п ,
не будут возбуждаться при любом реализуемом исполнительными
приводами быстродействии программных движений, а также при любом
характере действующих возмущений со стороны нагрузки.
Задачи управления упругими колебаниями электромеханических
объектов сформулируем так [40, 42]:
1) обеспечить средствами специально организованного управления по
всем степеням подвижности принудительное гашение (подавление) упругих
колебаний с одновременным расширением полосы пропускания
исполнительного привода, перекрывающей область резонансных частот,
возбуждаемых этим приводом, и ограниченной только предельным
быстродействием исполнительного привода по условиям его энергетических
ресурсов;
2) обеспечить эффективность задач подавления упругих колебаний в
условиях широкого изменения параметров (частоты и естественного
демпфирования) упругих колебаний, но при условии, что число резонансных
частот, находящихся в предельной полосе пропускания исполнительного
привода, не увеличивается при изменении параметров объектов (условие
несингулярности упругих объектов).
Очевидно, что первое условие означает, что упругие колебания
электромеханического объекта в замкнутой системе не должны
возбуждаться, а второе – что методы подавления упругих колебаний могут
быть как неадаптивными, так и адаптивными.
Под изменением параметров упругих колебаний будем понимать как
изменение параметров со временем при усталостном старении, при
изменении условий трения, при износе, переключении передач, замене
элементов конструкций и переносе средств управления с одного упругого
электромеханического объекта на другой, так и нелинейные параметрические
рассогласования, учитывающие изменение эквивалентных значений

21
параметров при текущем изменении геометрии в пространственном
движении упругого электромеханического объекта.
Таким образом, задачи разработки неадаптивных и адаптивных систем
управления, эффективных в задачах принудительного подавления многорезо-
нансных упругих колебаний электромеханических объектов, ставятся в
условиях, когда:
а) массоинерционные и упругие характеристики электромеханических
объектов неизвестны и/или нестабильны (но известно максимальное
количество подавляемыхрезонансных частот);
б) параметры и характеристики упругих электромеханических объектов
являются нелинейными функциями и изменяются в темпе, характеризующем
движение механических конструкций, составными частями которых эти
упругие электромеханические объекты являются;
в) существенное дестабилизирующее влияние оказывают зазоры в
упругих связях электромеханических объектов;
г) переменные, характеризующие упругие деформации, не поддаются
непосредственному измерению с помощью датчиков, и должны применяться
так называемые идентификаторы состояния(наблюдатели).

1.2.2 Задачи применения стационарных наблюдателей в реализации

систем управления не полностью измеримыми упругими объектами
Важной проблемой является проблема реализации систем управления в
характерных для реальных задач условиях, когда не все переменные
состояния электромеханических объектов доступны прямому измерению (в
силу технической неосуществимости), упругие деформации упругих связей и
обобщенные координаты (скорости) масс, назначаемые в моделях упругого
электромеханического объекта с известным произволом, в силу
неоднозначности задач их распределения по заданному спектру
экспериментально зафиксированных резонансных частот. Наиболее простым,
с точки зрения практической реализации, решением здесь будет дополнение

22
адаптивных систем управления стационарным наблюдателем, тем более что
вопрос о полной наблюдаемости линейных моделей многомассовых упругих
электромеханических объектов решен в [32, 34], а это уже является
основанием для применения наблюдателей.
Применение стационарных наблюдателейрассматривается только для
линейных стационарных объектов с точно известными параметрами, так как
в этих условиях в теории линейных систем доказывается асимптотическая
устойчивость процессов оценки переменных состояния, и работоспособность
наблюдателей в адаптивных системах управления остается под вопросом.
Однако здесь на помощь приходит предположение об ослаблении критерия
работоспособности адаптивных систем с наблюдателями и выдвижение в
качестве критерия их работоспособности – диссипативности адаптивных
систем с наблюдателями в ограниченной области или в целом. Вопросы
обоснования работоспособности (диссипативности) адаптивных систем с
наблюдателем решается в [32]с помощью метода векторных функций
Ляпунова.
Учитывая вышеизложенное, будем в следующих подразделах при
построении адаптивных систем управления обеспечивать их реализацию в
условиях неполностью измеримых многомассовых упругих
электромеханических объектов с помощью применения асимптотических
идентификаторов состояния (наблюдателей) полного порядка.

1.3. Упругие электромеханические следящие системы с

подчиненным управлением

1.3.1 Типовая промышленная система с подчиненным управлением

многомассовым упругим электромеханическим объектом
В подавляющем большинстве машин и механизмов промышленного и
специального назначения, представляющих в общем случае рассмотренные
многомассовые упругие пространственные электромеханические объекты с

23
поступательным и/или вращательным движением отдельных масс,
управляющие воздействия формируются с помощью сочлененных с ними
исполнительных электроприводов, которые осуществляют отдельные
координатные движения механических объектов. Это подсказывает
возможность выделения из взаимосвязанного упругого объекта локальных
однолинейных цепных упругих электромеханических подобъектов, каждый
из которых отвечает одной степени подвижности механизма и имеет один
исполнительный привод. Далее заметим, что если в колебаниях
многомассовых упругих электромеханических объектов преобладает низшая
собственная частота, а это происходит тогда, например, когда следующие за
ней собственные частоты различаются по кратности в 3 и более раз, то
подавление средствами управления влияния низшей частоты и расширение
полосы пропускания управляющих воздействий со стороны каждого
исполнительного привода вплоть до значения низшей или следующей за ней
собственной частоты уже позволяют значительно продвинуться в решении
задачи устойчивого и быстродействующего управления взаимосвязанной
упругой механической конструкцией. Таким образом, в ряде практических
задач оказывается достаточным ограничиться рассмотрением представления
многомассового упругого объекта в виде двухмассового (однорезонансного)
или, в крайнем случае, трехмассового (двухрезонансного) упругого
электромеханического объекта, отнесенного к одной степени подвижности
[34, 40, 42].
Поэтому рассмотрим в качестве исходного описания двухмассовый
упругий электромеханический объект с крутильными колебаниями, где в
качестве первого диска J1 принимается момент инерции исполнительного
электропривода с частью жестко соединенных с ним инерционных звеньев
механизма, а диск J 2 учитывает остальные инерционные части механической
конструкции объекта (нагрузки), приведенные к вращению исполнительного
привода. Считаем также, что диски J1 , J 2 соединены упругой связью с

24
коэффициентом упругости p , имеющей зазор (люфт) в сочленении, где  –
угловая величина, равная половине зазора (рисунок 1.3).
Стандартное построение систем управления вращательным движением
двух- или трехмассовогоупругого электромеханического объекта с
исполнительным электроприводом постоянного или переменного тока
осуществляется, как правило, в рамках широко и повсеместно
распространенной в технике электромеханической следящей системы с так
называемым подчиненным управлением (регулированием).
 
uя
uт  uу Mm ДС
J2 ДП
зад(t) uп uс Сеть p
J1 ДВ
РП РС РТ УМ 
   ДТ
1
Mн(t) 2
q2
kт q1
Iя
kс
kп

Рисунок 1.3– Трехконтурная следящая система с подчиненным управлением и

двухмассовым упругим нелинейным электромеханическим объектом

Принцип подчиненного регулирования (или управления) является

настолько всеобъемлющим и стандартизированным при разработке систем
регулирования скорости или положения всевозможных механизмов
общепромышленного и специального назначения, что построение более
сложных (линейных, нелинейных, адаптивных аналитических
илинейросетевых и т.п.) систем управления необходимо осуществлять,
включая в него систему подчиненного регулирования как базовую и
неизменную (с точностью до настроек) структуру, являющуюся
неотъемлемой частью объекта управления, рассматриваемого в виде
исходного описания при синтезе более сложных систем. Таким образом,
более сложное управление строится в рамках идеологии так называемого
составного управления [42]как дополнительное аддитивно действующее
управление, организованное в виде дополнительных (линейных, нелинейных,
адаптивных и т.п.) контуров, обеспечивающих «компенсацию»

25
дополнительной («вредной») динамики, вносимой различными
неидеальностями (нелинейностями, упругими свойствами, более высокой
размерностью описания и т.п.) электромеханического объекта, не
учитываемыми в рамках систем подчиненного управления.
Рассмотрим типовые формулы расчета стандартных (типовых) систем
подчиненного управления на примерах двух- и трехконтурных
электромеханических следящих систем[34]. Будем считать для
определенности, что управляющие воздействия в таких следящих системах
формируются с помощью сочлененного с первым диском исполнительного
электропривода постоянного тока с управляемым выпрямителем
(вентильным преобразователем). Отметим, что системы подчиненного
управления с электроприводами переменного тока (синхронными,
асинхронными, двойного питания и т. п.), управляемыми с помощью
транзисторных или тиристорных преобразователей частоты, рассчитываются
по тем же принципам и формульным соотношениям, что и системы с
электроприводами постоянного тока, хотя и имеют более сложное
математическое описание и схемное построение, чем последние.
Стандартное общепринятое в технике построение электромеханической
следящей системы с подчиненным управлением (см. рисунок 1.3) основано
на том, что угловая скорость 1  q1 первого диска электропривода и угловое
положение q 2 второго диска (нагрузки или объекта) доступны измерению с
помощью датчиков, например, датчика угловой скорости (ДС)
(тахогенератора), расположенного на оси исполнительного электропривода, и
потенциометрического датчика углового положения (ДП), расположенного
на оси механизма. Разумеется, возможны и другие варианты сочетания
измеряемых с помощью датчиков механических величин, т. е. такого
расположения датчиков угловой скорости и углового положения, когда
тахогенератор измеряет угловую скорость 2  q 2 второго диска и/или
потенциометрический датчик измеряет угловое положение q1 первого диска.

26
Важно то, что стандартное построение следящей системы опирается
принципиально на наличие только двух датчиков измерения механических
величин: угловой скорости и углового положения. Кроме того, зачастую
электропривод постоянного тока снабжается также датчиком тока (ДТ)
(электрическим калиброванным шунтом, датчиком Холла и т.д) для
измерения тока I я якорной обмотки двигателя.
При выводе формульных расчетных соотношений для
электромеханической системы с подчиненным управлением в теории и
отраслевых методиках [4, 34] исходят из идеализированного представления
механического объекта управления, не учитывая его упругие свойства, т. е.
заменяя упругую связь жесткой и считая, что   1   2 , q  q1  q 2 , а
момент инерции электропривода с сочлененным с ним механизмом
рассматривая как суммарный J   J1  J 2 (в случае трехмассового объекта
мы имеем   1  2  3 , q  q1  q2  q3 , J   J1  J 2  J 3 ), и здесь
временно примем электромеханический объект жестким. Настройка
требуемой динамики электромеханической следящей системы с
подчиненным управлением осуществляется посредством так называемых
контурных регуляторов тока I я (РТ), угловой скорости (частоты вращения)
 (РС) и углового положения q (РП), соединенных последовательно, а
выходной сигнал u т регулятора тока (РТ) воздействует на управляющий
вход uу управляемого электронного выпрямителя-усилителя мощности (УМ),

подключенного к якорной обмотке исполнительного привода постоянного

тока (см. рисунок 1.3).
Введем все необходимые формулы для расчета параметров контурных
регуляторов, рассматривая дифференциальные (и алгебраические) уравнения
электромеханической следящей системы с приводом постоянного тока и
подчиненным управлением (без учета упругой связи). Они имеют
следующий вид (все параметры считаются постоянными, а уравнения –
линейными):
27
 Lя I я  uя  eя  Rя I я ; J ω  M m  M н  t  ; 

eя  keω; uя  k yu y ; M m  km I я ; 
 (1.6)
u y  u т  β т  uc  k т I я  ; u c  β c  u п  k c ω  ; 
uп  β п  qзад  kп q  . 

Здесь, наряду с введенными ранее обозначениями, Lя , R я –
индуктивность и активное сопротивление цепи якорной обмотки двигателя
соответственно; k e , k m – постоянные коэффициенты (при неизменном потоке
намагничивания и пренебрежимо малой инерции якоря), определяемые
конструктивными данными электрической машины постоянного тока; k y –

коэффициент передачи усилителя мощности (УМ); e я – ЭДС якорной

обмотки двигателя; u я – напряжение УМ, подаваемое на якорную обмотку;
Mm– электромагнитный момент электропривода постоянного тока,
являющийся управляющим воздействием, приложенным к механическому
объекту и формируемым в рамках рассматриваемой электромеханической
следящей системы с подчиненным управлением; u т , u с , u п – выходные
(управляющие) напряжения контурных регуляторов РТ, РС и РП
соответственно, а  т ,  с и  п – их коэффициенты усиления (передачи),
значения которых называются настройками контурных регуляторов и
подлежат определению; k т , k c , k п – постоянные коэффициенты передачи
датчиков обратных связей по току (ДТ), скорости (ДС) и положению (ДП)
соответственно; qзад  qзад (t ) – программное (задающее) воздействие,
пропорциональное программному угловому положению (функции времени),
отрабатываемому следящей системой; M н t  – возмущающий момент
нагрузки (неизвестная функция времени).
Заметим [42], что такое упрощенное представление дифференциальным
уравнением первого порядка динамики электромагнитных цепей
электрической машины постоянного тока (да и любой другой
исполнительной машины), используемой в качестве управляемого
28
электромеханического преобразователя энергии, основано на том, что
динамические особенности собственно электропривода как исполнительного
органа управления должны играть незначительную роль в общем характере
динамических процессов приводимого им в движение механического
управляемого объекта. Поэтому независимо от рода тока исполнительного
привода его выбор должен обеспечивать преобразование энергии в заданном
проектировщиком спектре частот, и это требование будем считать всегда
выполненным, а трудности создания электропривода с заданными
динамическими свойствами – преодоленными при его проектировании. Это
позволяет пренебречь особенностями динамики, связанными со спецификой
его исполнения, ограничиваясь описанием (1.5), практически неизменными
для электропривода любого типа, рассматриваемого в линейной части его
характеристик.
Отметим, что принятые в уравнениях простейшие структуры
контурных регуляторов называются пропорциональными (П-регуляторами) и
являются весьма распространенными. В практике подчиненного управления
рассматриваются и более сложные структуры контурных регуляторов,
например, пропорционально-интегральные (ПИ) регуляторы, реже
рассматриваются пропорционально-интегрально-дифференциальные (ПИД)
регуляторы и т. п. В частности, реализация ПИ-регулятора эквивалентна
введению интегральной обратной связи и обеспечивает так называемый
астатизм первого порядка контура (приводящий к устранению
установившейся ошибки регулирования).
Выбор коэффициентов  т ,  с ,  п (настройка, или «оптимизация»,
подчиненных контуров, согласно терминологии подчиненного управления)
основан на придании контурам свойств, удовлетворяющих некоторым
требованиям к «оптимальности» форм переходных характеристик.
Распространен, например, метод, основанный на выборе форм переходных
процессов замкнутых подчиненных контуров, регламентированных видом их
характеристических многочленов с тем или иным наперед заданным
29
стандартным распределением коэффициентов, а значит, и корней.
Инженерным представлениям об оптимальности могут удовлетворить,
например, многочлены с биномиальным распределением коэффициентов,
когда все корни равны по модулю ω 0 и являются отрицательными
вещественными, или так называемые многочлены Баттерворта [4, 34] с таким
распределением коэффициентов, когда все корни комплексно-сопряженные,
равны по модулю ω 0 и равномерно распределены по полуокружности,
имеющей радиус ω 0 и расположенной в левой комплексной полуплоскости с
центром в начале координат. Модуль ω0 характеризует быстродействие
контура, и для многочлена Баттерворта второго порядка замкнутый контур
характеризуется «равномерным» пропусканием частот в полосе,
приблизительно ограниченной значением 0 2 , поэтому число ω0
называют полосой пропускания. Настройка контуров в идеологии
подчиненного управления связана иерархией «подчинения» их друг другу по
принципу убывания быстродействия от «быстрых» (внутренних) контуров к
«медленным» (внешним). Так, рассматриваемая электромеханическая
система (и это характерно вообще для организации подчиненного
управления) объединяет три контура регулирования измеряемых
переменных: контур тока(или ускорения, так как ток I я пропорционален
M m и, следовательно, ускорению q , если принять M н t   0 ), контур
скорости и контур положения, связанных иерархией подчинения друг другу
по принципу убывания быстродействия. Такое подчинение отвечает
физической сущности протекающих в электромеханической следящей
системе процессов, что легко представить на примере переходных
характеристик при так называемом скачкообразном изменении программного
воздействия qзад  t  .
Благодаря такому разделению процессов в контурах во времени (если
оно возможно), которому должны способствовать и настройки контурных

30
регуляторов, оказывается допустимым рассматривать динамику каждого
контура относительно независимо от прочих, что составляет главное
достоинство подчиненного управления. При этом можно рекомендовать для
усиления динамической независимости («разделения» динамики) контуров
при настройке внутренних контуров отходить от «стандартных» настроек в
сторону настроек с бoльшим быстродействием, если даже при этом в них
возрастают колебательность и перерегулирование. Это соответствует общему
принципу подчиненного управления, согласно которому при переходе от
внутренних контуров к внешним требования, предъявляемые к точности
(форме переходных процессов), повышаются, а требования к
быстродействию снижаются.

1.3.2. Расчетные формулы типовых настроек контурных П–регуляторов

в электромеханической системе подчиненного управления
Применим методику построения систем с подчиненным управлением к
расчету сначала трехконтурной с внутренним контуром тока (при учете
динамики электромагнитных процессов), а затем к расчету двухконтурной
(без контура тока при пренебрежении электромагнитной инерцией)
электромеханической следящей системы. В обоих случаях приведем
расчетные формулы настроек для П-регуляторов.
Расчет трехконтурной электромеханической следящей системы.
Применяя методику, изложенную в [34], и минуя промежуточные выкладки,
получим следующие расчетные формулы для настроек трехконтурной
системы.
 Для подчиненного контура тока:
– для П-регулятора тока
Lяωот
βт  ; ωот  Т 1т ;
ky kт aт
(1.7)
где ωот – максимально достижимая полоса пропускания замкнутого контура;
а т – настроечный коэффициент, определяющий степень демпфирования
31
контура тока (обычно принимают а т  1 2 ); Т μ т – некомпенсируемая малая

постоянная времени контура тока; «т» – индекс, указывающий на

принадлежность контуру тока.
Так, например, для внутреннего контура тока электропривода
постоянного тока с реверсивным управляемым тиристорным выпрямителем,
выполненным по мостовой схеме с импульсно-фазовым управлением и
частотой питающей сети, равной 50 Гц, наименьшее значение
некомпенсируемой малой постоянной времени принимается в пределах
Т μ  0.002 0.005 с. (1.8)

В свою очередь, значение Т  определяет максимально допустимую

полосу пропускания 0 замкнутого контура, равную

0  Т 1
. (1.9)
 Для подчиненного контура скорости:
– для П-регулятора скорости
J  kт ωос
βс  ; ωос  Т μс1; Tс  aтTμт , (1.10)
km kc ac
где ос – максимально достижимая полоса пропускания замкнутого контура
скорости; ac – настроечный коэффициент, определяющий степень демпфи-
рования контура скорости (обычно принимают ac  1 2 ); Tс –

некомпенсируемая малая постоянная времени контура скорости; «c» –

индекс, указывающий на принадлежность контуру скорости.
 Для внешнего контура положения:
– для П-регулятора положения
ωоп kc
βп  ; ωоп  Т μп1 ; Tп  aсTμс , (1.11)
kп aп
где оп – максимально достижимая полоса пропускания
электромеханической следящей системы с подчиненным управлением; aп –
настроечный коэффициент, определяющий степень демпфирования контура
32
скорости (обычно принимают aп  1 2 ); Tп – некомпенсируемая малая

постоянная времени контура положения; «п» – индекс, указывающий на

принадлежность контуру положения.
Расчет двухконтурной электромеханической следящей системы.
Зачастую в системах управления с исполнительными электроприводами
постоянного тока пренебрегают динамикой (инерцией) электромагнитных
процессов и упрощают их структуру, исключая внутренний контур тока и
относя электромагнитную постоянную времени Тя к малой
некомпенсируемой постоянной контура скорости. Исследования показывают,
что можно прибегнуть к такому допущению, если Т эм  4Т я , где Т эм –
компенсируемая электромеханическая постоянная времени системы [42].
Рассмотрим расчет следящей системы в этом случае.
Очевидно, что при пренебрежении Т я считаем, что индуктивность
Lя  0 , тогда первое дифференциальное уравнение из (1.6-) «вырождается» в
алгебраическое
M m  Rя1  ke kmω  km k yu y  , (1.12)

а уравнение для управляющего воздействия u y , формируемое в рамках

двухконтурной системы, примет следующий вид (для случая П-регуляторов):

uy  uс   qзад  kп q  βп  kcω βс . (1.13)

Применяя методику, изложенную в [40],и минуя промежуточные

выкладки, получим следующие расчетные формулы для настроек
двухконтурной системы.
 Для подчиненного контура скорости:
– для П-регулятора скорости:
Т эмωос J  Rяωос
βс   , (1.14)
k kc ac km ky kc ac

где ос  Т с1 – максимально достижимая по условию помехозащищенности полоса

33
пропускания замкнутого контура скорости; ac – настроечный коэффициент,
определяющий степень демпфирования контура ( ac  1 2 ).
 Для внешнего контура положения в двухконтурной
электромеханической следящей системе формула настройки П–регулятора
совпадает с формулой (1.11) настройки контура положения в трехконтурной
электромеханической следящей системе.
Очевидно, что настройка контурных П-регуляторов βп , βс , β t не
реализуема, так как попытка достижения максимально возможного
быстродействия в рамках жесткой механической или электромеханической
следящей системы, определяемой полосой пропускания (1.10), (1.11), при
подчиненном управлении упругим объектом приводит к возбуждению
слабозатухающих упругих колебаний маховых масс нагрузки, и поэтому
необходимо снижать быстродействие (а значит, и добротность следящей
системы) в соответствии с рекомендациями, приведенными при постановке
задач управления упругими электромеханическими объектами в подразделе
1.2. Это приведет к соответствующему (многократному) снижению точности
отработки следящей системой входных воздействий qзад  t  и, что не менее
важно, к значительному ухудшению возможностей «парирования» следящей
системой возмущающих воздействий со стороны нагрузки.
Таким образом, рассматриваемые задачи разработки адаптивных
систем управления подавления упругих деформаций можно трактовать как
задачи значительного (многократного) повышения точности и
быстродействия следящей системы с упругим нелинейным нестационарным
электромеханическим объектом при одновременном подавлении в нем
упругих деформаций в диапазоне частот, «пересекающемся» с максимально
достижимой полосой пропускания частот следящей системы,
обеспечиваемой контурными настройками в структуре с подчиненным
управлением, рассчитываемых в предположении, что упругая связь объекта

34
заменена жесткой (недеформируемой), а все параметры
электромеханического объекта остаются постоянными (усредненными).
Cледящей системе с нелинейным и нестационарным упругим
электромеханическим объектом и подчиненным управлением необходимо
придать такое дополнительное аналитическое или нейросетевое адаптивное
управление, чтобы в ней можно было сохранить настройки ее штатных
контурных регуляторов, близкие к максимально возможным, реализующим
предельное быстродействие, и при этом ее динамическое поведение
оставалось бы близким к поведению типовой следящей системы с жестким
объектом, постоянными параметрами и подчиненным управлением[34, 42].
С целью достижения максимально возможного быстродействия
одновременно с улучшением переходных процессов в следящих системах,
задачи подавления упругих деформаций решаются в рамках внешнего
подчиненного контура положения. Поэтому для формирования адаптивных
систем управления дифференциальные уравнения исходных упругих
электромеханических объектов с подчиненным управлением записываются
вплоть до внешнего контура положения.

1.4. Расчет наблюдателя, модального управления и эталонной

модели

1.4.1 Расчет блока стационарного наблюдателя

Полагаем, что параметры объекта (1.5) неопределенны и/или
нестационарны, а все упругие связи содержат зазоры. Введем для
нелинейного нестационарного упругого электромеханического объекта (1.5)
некоторое линеаризованное описание с постоянными параметрами и
запишем линеаризованные уравнения в векторно-матричном виде [40]:

35
  RЯ k 
  e 0 
L LЯ
 IЯ   Я   IЯ 
   km  ω 
ω    m 0 M    b 0u  t  , (1.15)
m y   1  m y 
   0 
 Ω 0 
 
x  A 0 x  b 0u (t ),

где x – вектор переменных состояния объекта; A 0 – матрица объекта; b 0 –

вектор входов объекта; Ω – (n – 1)n-мерная, а M – n(n – 1)-мерная матрицы
динамики объекта имеют двухдиагональные структуры вида [34]
 1 
 m 0 0 
 1 
 1 1 
 m  0 
 2 m2 
 1 1 
 0  
M
m3 m3 ; (1.16)
 1 1 
  0 
 mn 2 mn 2 
 1 1 
 0  
 mn 1 mn 1 
 1 
 0 0 
 mn 

 p1  p1 0 
 
0 p2  p2 0 
Ω0 0 p3  p3 . (1.17)
 
 pn1  pn1 0 
 0 pn  pn 


Расчет блока стационарного наблюдателя для объекта (1.5) со скаляр-

ным выходом заключается в следующем:
а) выбираются параметры матриц структуры наблюдателя по любым
усредненным параметрам линеаризованных уравнений упругого объекта
(1.15), вычисленных на любом рабочем, желательно номинальном, режиме;

36
 б) для расчета коэффициентов обратной связи l т  l1 , l2 , , lm  наблю-
дателя составляется характеристический многочлен уравнения ошибки
наблюдения

 m 1
 0 M0  т
 набл. зам    det Em     lc   m
   н j l   j , (1.18)
 Ω 0 0   j 0

где коэффициенты н j l  являются функциями коэффициентов вектора l ;

c т  0, , 0, kc , 0, , 0 , где коэффициент k c стоит на k -м месте, если

y t   k c k t , т. е. измеряется k -я скорость упругого объекта;
в) составляется многочлен, определяющий желаемое размещение
полюсов наблюдателя в виде набора комплексно-сопряженных в общем
случае чисел, расположенных в левой полуплоскости симметрично
относительно вещественной оси:
m1
φж.н  λ   λ   α ж.н j λ j ,
m
(1.19)
j 0

коэффициенты которого определяют какой-либо стандартный вид много-

члена [34]

 ж. н j   j q0 m  j , j  0, m  1, (1.20)

где 0 – число (круговая частота), определяющее требуемое (предельное)

быстродействие (полосу пропускания) упругого объекта, замкнутого линей-
ным управлением u л ; q  1 – число, определяющее кратность быстро-
действия наблюдателя по отношению к объекту (обычно принимают
q = 13); j 0 – некоторый набор стандартных коэффициентов,

задаваемых проектировщиком;
г) приравниванием коэффициентов многочленов (1.18)–(1.20) при

одинаковых степенях  j получают систему алгебраических уравнений,

разрешимых относительно искомого вектора l в силу полной наблюдаемости
37
объекта (1.5) или (1.15) для любой матрицы-строки c т его уравнения
измерения:

 н j l    j q0 m  j , j  0, m  1; (1.21)

д) из системы (1.21) и рассчитываются искомые коэффициенты вектора

обратных связей l наблюдателя (1.20).

1.4.2 Расчет линейного (модального) управления и эталонной модели

Расчет линейного (модального)[2] управления для полностью
управляемого упругого объекта (1.5) или (1.15) с одним входом состоит в
расчете коэффициентов усилений обратных связей k т  k1 , k 2 , , k m  по
условию любого желаемого наперед заданного размещения полюсов
замкнутого линейным управлением усредненного объекта (1.15) с
быстродействием, определяемым числом 0 , следующим образом:
а) составляется характеристический многочлен замкнутого линейным
управлением объекта

 m 1
 0 M0  т
 сист. зам    det  Em     b 0 k    m   0j k   j ; (1.22)
  Ω0 0   j 0

б) назначается желаемый характеристический многочлен, который имеет

какой-либо стандартный вид [40]

m 1
сист. жел     
m
  j 0m  j  j , (1.23)
j 0

где  j  0 – некоторый набор стандартных коэффициентов, обычно тот же,

что в (1.18)–(1.20);

в) коэффициенты искомых обратных связей k т рассчитываются из

алгебраической системы, получаемой приравниванием коэффициентов при
одинаковых степенях многочленов (1.22) и (1.23) и разрешимой в силу
полной управляемости объекта (1.5) или (1.15):
38
  0j k    j 0m  j , j  0, m  1 ; (1.24)

г) из системы (1.24) рассчитываются искомые коэффициенты вектора k

модального управления:

 
т
uл  t   k т IˆЯ , ω
ˆ т, m
ˆ тy  k1IˆЯ  k2ω
ˆ1   k k ωk  k n ω
ˆn 
. (1.25)
 kn1mˆ y1   k2 n1mˆ y n1  k1IˆЯ  k 2тω
ˆ  k 3тm
ˆ y.

Эталонная модель для построения адаптивных систем управления с

параметрической и сигнальной настройками выбирается в виде
линеаризованной модели объекта (1.15) с построенным модальным
управлением [9, 42, 53]:
xм  Aм xм  bмu0 (t ) 

A М =A0 +b0k , (1.26)

b М =b0 
где x м – вектор переменных состояния эталонной модели; A М – матрица
эталонной модели; b М – вектор входов эталонной модели.

1.5.Аналитические адаптивные системы управления с

алгоритмами параметрической и сигнальной настроек
Рассмотрим методы построения адаптивных систем управления
многомассовыми нелинейными упругими электромеханическими объектами,
базирующиеся на приближенном описании неопределенных нелинейных
объектов с дифференциальными уравнениями с мажорирующими функциями
в правых частях. На основе предлагаемого подхода, названного методом
мажорирующих функций, теоретическому обоснованию и исследованию
которого посвящены работы [32, 33], построим полную и упрощенные
прямые адаптивные системы с параметрической и сигнальной настройкками
и мажорирующими функциями.

39
1.5.1 Полные адаптивные системы с параметрической настройкой и
мажорирующими функциями
Следуя [32, 33, 40], будем рассматривать нелинейный нестационарный
объект вида
x  Ax, t x  Bx, t ut , (1.27)

где x  [ x1  xn ]T – вектор состояния, x  R n – n-мерное нормированное

вещественное пространство; u  [u1 um ]T – вектор входных воздействий

(управлений), u  Rm , m  n ; t – время (вещественная переменная);

матричная функция Bx, t   bik x, t , i  1, n, k  1, m , непрерывна по x ,
кусочно-непрерывна по t в области
Гt  x, t : x  η; η  const( 0) или η  ; t  t0 , t0  R, (1.28)
 – векторная или матричная норма, и

sup bi , j  x, t   b , или sup B  x, t   b, b  0  const  ,

x , tΓt x , tΓt

т. е. по-прежнему глобально ограничена в области (1.28); матричная функция

 
A x, t   aij x, t  , i  1, n, j  1, n, непрерывна по x и кусочно-непрерывна по

t в области (1.28).
Пусть функции aij x, t  – элементы матрицы A x, t  – представлены в

виде двойной суммы:


 n  pr 
aij  x, t      aqr  x, t  f qr  xr    , i, j  1, n, (1.29)

 r 1  q 0 ij

где aqr x, t  – глобально ограниченные функции, а f qr


x, t  – функции,
возможно, глобально неограниченные и зависящие только от r-й компоненты
вектора состояния х. Индекс q в разложении (1.29) вводится для различения

функций f qr с разными скоростями роста при стремлении аргумента x r к

40
бесконечности x r   , а именно функции с большим индексом q растут
быстрее, т. е. имеет место соотношение

f q1, r  xr 
lim   , r  1, n, q  0, p . (1.30)
x r   
f qr  xr 
Скалярные функции aqr x, t  векторного аргумента х и времени t такие, что

sup aqr  x, t    (const) . (1.31)

x , tΓt

Нулевой индекс q = 0 в разложении (1.29) присваивается глобально

ограниченным слагаемым

sup ar 0  x, t  f rθ0  xr    , (1.32)

x , tΓt

причем функции a r 0 x, t  выбираются таким образом, что f r0 xr   1 . Число
p r в разложении (1.29) равно количеству различных функций роста по

компоненте x r .
Назовем (1.30) условиями ранжирования функций роста объекта и

будем говорить, что f r0 xr  имеет q-ю степень роста по переменной x r , θ –
постоянный верхний индекс. Для оценки скорости роста функций роста
объекта можно использовать соотношение со степенными функциями от

компонент вектора х. В этом случае степенью роста функции f r0 xr  по x r

назовем точную нижнюю грань вещественных чисел h таких, что

lim f qr  xr  xrh   , (1.33)

t 

причем числа h можно выбирать положительными и целыми.

Таким образом, выражение (1.29) представляет собой разложение ij -го

элемента функциональной матрицы A x, t  на суммы по всем степеням роста
от нулевой до p r -й степени по каждой скалярной компоненте x r вектора
состояния x с нелинейными нестационарными глобально ограниченными в
41
области (1.28) коэффициентами – скалярными функциями aqr x, t  . Число p –

наибольшую степень роста разложения (1.29) для всех элементов aij x, t 

матрицы A x, t  по всем компонентам x r – будем называть степенью роста

матричной функции A x, t  по аргументу x .

Отметим, что в частном случае, когда A x, t  глобально ограничена в

области (1.28), матрицы A x, t  и Bx, t  имеют нулевую степень роста p  0
по аргументу x(t ) (вся же правая часть имеет при этом первую степень роста
x(t ) ), а при произвольном p  0 правая часть объекта (1.27) имеет ( p  1) –ю
степень роста по аргументу x t  , первую степень роста по аргументу ut  и
нулевую степень роста по времени t . Объединяя разложения (1.29) по всем
индексам ij , можно записать представление матричной функции A x, t  в
виде

n  p 
A  x, t      qr A  x, t  f 
qr  x 
r , (1.34)
r 1  q  0 

где
A qr  x, t   aqrij  x, t  , i, j  1, n,
(1.35)
sup A qr  x, t   a, r  1, n, q  0, p,
x , tΓt , q , r

глобально ограниченные равномерно по t в области (1.28) матричные

функции.
Отметим, что в разложении (1.35) все матрицы с нулевым индексом
q  0 равны между собой и считаются одной матрицей

A r 0  x, t   A0  x, t  , r  1, n, (1.36)
а остальные матрицы в общем случае ненулевые и различные и наибольшее
число слагаемых в разложении (1.34) равно  pn  1 . В частности, так как не
все элементы матрицы A x, t  имеют максимальную степень роста, равную
p , а также не обязательно содержат в своих разложениях (1.29) функции
42
 
роста f qr  xr  со всеми степенями роста, то некоторые или многие элементы
матриц A qr x, t  могут оказаться равными нулю, а также некоторые или

многие матрицы A qr x, t  могут вовсе отсутствовать. Если в разложении

элементов (1.29) не окажется ограниченных функций, зависящих от вектора

переменных x , то матрицы A qr могут быть постоянными или зависящими

только от времени, и эти случаи будем выделять и рассматривать.


Используя введенные функции бесконечного роста f qr и считая их пока

известными, построим базовую структуру адаптивного управления

нелинейным нестационарным объектом (1.27) с глобально ограниченной
матрицей входов Bx, t  , матрицей динамики A x, t  вида (1.34) – (1.36), и с
управлением
u(t )  uа (t )  u0 (t ), (1.37)
где u 0 (t ) – программное задание; u a (t ) – адаптивный закон, подлежащий
определению. Пусть эталонная динамика адаптивной системы задается
уравнением эталонной модели вида
x м  A м xм  Bмu 0 (t ) , (1.38)
где A м , B м – n  n – и n  m –мерные постоянные матрицы, A м – гурвицева

пара матриц ( A м , B м ) – полностью управляема [2]; xм  [ xм1 xмn ]T – вектор

состояния эталонной модели. Нелинейный адаптивный закон имеет вид [32,
33]
pn
 n A 
ua  t     K qr  t  f qr  xr  x  K B  t  u0  t  , (1.39)
q 0  r 1 

qr , r  1, n, q  0, p – m  n -мерные матрицы (всего

где K A  p  1 n штук),
K B t  – m  m -мерная матрица настраиваемых параметров нелинейного
адаптивного закона (1.39). Алгоритмы настройки этих матриц определим
следующим образом:

43
 A
K qr  t    f qr  xr  ΓqrA BT  x, t  PexT  Λ qrA K qrA  t  ;

 (1.40)
K B  t   Γ BB  x, t  Peu 0  Λ BK B  t  , r  1, n, q  0, p , 
T T


где e  x  x м – вектор ошибок; Γ A A

qr , Λ qr , Γ B , Λ B – симметричные

положительно определенные (в частности, диагональные) m  m -мерные

произвольные матрицы постоянных коэффициентов усилений алгоритмов; P
– симметричная ( P  P T ) положительно определенная (Р > 0) матрица,
единственным образом определенная из уравнения Ляпунова

ATм P  PAм   G , (1.41)

G – любая симметричная положительно определенная матрица. Кроме того,

мы имеем

K 0Ar  t   K 0A  t  ; Γ0Ar  Γ0A ; Λ 0Ar  Λ 0A ; f 0r  xr   f 0  const , r  1, n , (1.42)

т.е. все матрицы и функции бесконечного роста с нулевым первым индексом

одинаковы и считаются за одну в структуре закона управления (1.39) и в
алгоритмах настройки (1.40).
Рассмотрим построение адаптивных систем с прямым управлением и
алгоритмами параметрической настройки в наиболее общей постановке [32].
В базовой адаптивной структуре (1.39)–(1.42) допускалось, что описывающие
объект функции бесконечного роста объекта точно известны. Теперь
откажемся от этого допущения, сужающего класс адаптивности нелинейных
нестационарных объектов, и модифицируем базовую адаптивную структуру
следующим образом.
Введем некоторый класс скалярных функций скалярных аргументов
f qr x  , ранжированных по первому индексу по степеням роста аналогично

функциям бесконечного роста объекта в соотношении (1.30):

f q1,r  xr 
lim  ; f0,r  xr   const, q  0, p, r  1, n , (1.43)
xr  f q ,r  xr 

44
и выберем их так, чтобы они соотносились с соответствующими функциями

бесконечного роста объекта 

f qr x r  , имея сравнимый с ними или
перекрывающий их рост по каждой переменной x r . При этом вне некоторого
n-мерного параллелепипеда, содержащего начало x  0 , выполняются
условия

f qr xr  f qr xr   a0 , xr  0 , q  0, p, r  1, n, (1.44)
где a0 , 0 – постоянные числа.
Назовем скалярные функции, удовлетворяющие соотношениям (1.43),
(1.44), мажорирующими функциями роста, а условия (1.44) – условиями
мажорирования и подчеркнем, чтов отличие от неизвестных в общем случае

функций роста f qr , характеризующих объект, мажорирующие функции

роста известны и могут быть выбраны с учетом соображений реализуемости.

Запишем нелинейный адаптивный закон (1.39) и алгоритмы
параметрической настройки (1.40) в полностью реализуемом виде, когда
неизвестные функции бесконечного роста заменены в них мажорирующими
функциями (1.43), (1.44):
 pr  n A 
uа  t      K qr  t  f qr  xr    x  K B  t  u0  t  ; (1.45)
 q0  r 1 
A
K qr  t    f qr  xr  Г qrA BTм PexT  Λ qrA K qrA  t  ; 


K B  t   Г BB м Peu 0  t   Λ B K B  t  , q  0, p, r  1, n , 
T T (1.46)

где все матрицы и мажорирующие функции с первым нулевым индексом
принимаются за одну в структуре (1.45), (1.46) и равны
K 0Ar  t   K 0A  t  ; Г0Ar  Г0A ; Λ0Ar  Λ0A ; f 0 r  xr   1; r  1, n; (1.47)
остальные обозначения такие же, как в уравнениях (1.39), (1.40).
Принципиальное отличие адаптивной структуры (1.45), (1.46) от базовой
структуры (1.39), (1.40) при полной идентичности их строения в том, что
последние построены на базе известных мажорирующих функций роста,

45
представляющих свойства неизвестных функций роста нелинейного
нестационарного объекта лишь в оценочном плане при самых общих и
необременительных предположениях об их структуре, позволяющих
проверять условия мажорирования (1.44).

1.5.2 Упрощенные адаптивные системы с параметрической настройкой

и мажорирующими функциями
Развивая гипотезу о работоспособности нелинейных законов и
алгоритмов настройки [33, 42], в которые преднамеренно вводятся
мажорирующие функции бесконечного роста всех степеней q  0, 1, 2, ..., p
по каждой из переменных xr , подавляющие влияние соответствующих
функций бесконечного роста тех же степеней, характеризующих объект,
можно предположить и большее, а именно: работоспособность нелинейных
законов и алгоритмов настройки сохранится и в том случае, если из них
исключить все члены с мажорирующими функциями бесконечного роста
всех степеней по каждой из переменных xr , кроме членов с
мажорирующими функциями бесконечного роста старших степеней по
каждой из переменных, которые являются мажорирующими для всего
ансамбля функций бесконечного роста всех степеней, характеризующих
объект. Реализация этого соображения приводит к значительному
упрощению структуры закона и алгоритмов настройки с мажорирующими
функциями, сокращая число настраиваемых параметров в ней. При этом
возможны два варианта построения упрощенных алгоритмов с
мажорирующими функциями. В первом варианте используется
дополнительная информация, когда считается известным значение
максимальной степени p r функций роста объекта по каждой из переменных
x r , r  1, 2, ..., n . Тогда в структуру адаптивного закона и алгоритмов
настройки вводятся мажорирующие функции роста f pr  x r 

соответствующих старших степеней p r по каждой из переменных x r так,

46
чтобы в каждое скалярное уравнение адаптивного закона вошли
мажорирующие функции роста старших степеней pr по каждой из
переменных, независимо от того, присутствуют ли в каждом скалярном
уравнении объекта соответствующие функции роста объекта или нет, лишь
бы они присутствовали хотя бы в одном из уравнений объекта. Иначе говоря,

наличие функции роста f p максимальной степени p r по переменной x r

r

хотя бы в одном из элементов функциональной матрицы A x, t  приводит к

необходимости вводить соответствующую мажорирующую функцию роста
f pr по этой переменной x r в каждую строку адаптивного закона u а t  , а

именно:

 
u а  t   K A  t  diag f pr  xr  x  K B  t  u 0  t  , (1.48)
n

где 
diag f pr xr  1n  diagf p1 x1 , f p2 x2 , ..., f pr xr , ..., f pn xn  –

диагональная функциональная матрица порядка n, составленная из

мажорирующих функций максимальных степеней pr по каждой из
переменных xr . Отметим, что умножение n -мерного вектора на
диагональную матрицу порядка n слева равносильно умножению каждой r –
й компоненты вектора на соответствующий r -й элемент диагональной
матрицы. В соответствии со структурой закона (1.48) дифференциальные
уравнения алгоритмов настройки принимают следующий вид:


K A  t   Г A B Tм PexTdiag f pr  xr   Λ A K A  t  ; r  1, n;
n

1
 (1.49)
K B  t   ГBB Tм Peu 0 T  Λ B K B  t  , 

где все обозначения те же, что в выражениях (1.40).
Во втором варианте [32] получаем наиболее общую и максимально
упрощенную адаптивную структуру, когда неизвестны значения
максимальных степеней функций роста объекта по каждой из переменных,
но известно, может быть, оценочно, значение наибольшей степени функций
роста по всем переменным, т. е. число
47
 p  max  pr , r 1, n . (1.50)
Тогда в закон и алгоритмы настройки вводятся мажорирующие функции
роста f p xr  одной наибольшей степени p по каждой из переменных x r :

uа  t   K A  t  diag  f p  xr  x  K B  t  u0  t  , (1.51)
n

K A  t   Г A B Tм Pex Tdiag  f p  xr   Λ A K A  t  ; r  1, n, 
n

1
 (1.52)
K B  t   Г BB м Peu 0  Λ B K B  t  .
T T



1.5.3 Полные адаптивныесистемы с сигнальной настройкой и

мажорирующими функциями
Исходная адаптивная система с эталонной моделью и сигнальной
настройкой. Сначала построим исходную прямую адаптивную систему с
сигнальной настройкой [42], имеющую такое же значение для дальнейшего
развития результатов этой главы в области прямых адаптивных систем, как
прямые адаптивные системы с параметрической настройкой. Причем здесь
сразу получим результат для полностью измеримых нелинейных
нестационарных объектов вида (1.27), но глобально ограниченными
функциональными матрицами правых частей по переменным x t , ut 
равномерно по времени t:
x  A x, t x  Bx, t  ut , (1.53)
где неизвестные функциональные матрицы удовлетворяют в области (1.28)
неравенствам
sup A  x, t   a; sup B  x, t   b; a, b  const , (1.54)
x , tГt x , tГt

ut   uа t   u0 t , u0 t  – программное задание, а u а t  – адаптивное

управление, подлежащее определению.

Имеем также эталонную модель вида (1.38)

x м  Aм xм  Bмu0 t , (1.55)

где A м , B м – управляемая пара постоянных матриц, A м – гурвицева

48
(устойчивая), а u0 t   m  const , так что все решения эталонной системы
(1.55) ограничены. Пусть целевой функционал задан в виде положительно
определенной квадратичной формы
Q(t )  0.5 eT (t )Pe(t ); e(t )  x(t )  xм (t ) , (1.56)

где постоянная матрица P  PT  0 удовлетворяет уравнению Ляпунова

ATм P  PAм  G; G  G T  0 , (1.57)
G – произвольная матрица (стесненная условиями симметричности и
положительной определенности). Если задать цель управления в виде
предельного соотношения
lim Q(t )  0 , (1.58)
t 

то ее выполнение эквивалентно асимптотической устойчивости тривиального

решения et   0 адаптивной системы в целом.
Итак, адаптивное управление имеет вид сигнальной
(релейной)функции


u а t   h sign B T x, t Pet  , 
(1.59)
где h – коэффициент усиления, характеризующий амплитуду (ограничение)
релейного управления, h  const  0 , а знаковая функция sign векторной

величины понимается покомпонентно, т. е. если f   f1 , ..., f n T , то

sign f  sign f1 , ..., sign f n T . (1.60)

Вообще говоря, адаптивная система с релейными (сигнальными)
алгоритмами является разрывной, поверхности разрыва определяются
уравнениями

BT  x, t  Pe  0, x, t  Гt , (1.61)

а ее адаптивные свойства достигаются на «идеальных» скользящих режимахв

силу непродолжимости решений через поверхности разрыва (1.61). Однако в
физических системах из-за неучтенных инерционностей происходят

49
незначительные вибрации около поверхностей интегральных кривых,
которые стягиваются к положению равновесия et   0 при t  
(«реальные» скользящие режимы). Cвойства устойчивости адаптивных
структур с релейными алгоритмами рассматриваются лишь с точки зрения
порождающих их функций Ляпунова, а характерные для скользящих
режимов вопросы их возникновения и существования не затрагиваются.
Использованная в законе (1.59) матрица Bx, t  либо неизвестна, либо
трудно воспроизводима, поэтому для обеспечения реализуемости алгоритмов
должна быть заменена известной матрицей B м :


u а t   h sign B Tм Pet  ,  (1.62)
сохраняется по-прежнему в смысле асимптотической устойчивости
тривиального решения e  0 по e t  , но теперь уже с другими оценками для
коэффициентов усилений h [33].
Полная адаптивная система с сигнальной настройкойи
мажорирующими функциями. Будем рассматривать нелинейный
нестационарный объект [32] наиболее общего вида (1.27) и пользоваться
представлением его матрицы Ax, t  в виде разложения (1.29) или (1.34)–

(1.37) по функциям бесконечного роста f qr x r  , удовлетворяющим условиям
ранжирования по степеням роста (1.40), а матрица, Bx, t , по-прежнему,
остается глобально ограниченной в области (1.28).
Пусть нелинейный нестационарный объект общего вида (1.27)
представлен в форме разложения по функциям бесконечного роста в виде

 p  n 
x    A qr  x, t  f qr  xr    x  B  x, t   u а  t   u 0  t   , (1.63)
 q0  r 1 

где функции роста f qr x r  – скалярные функции скалярного аргумента,
такие как в формуле (1.29).
Будем считать, что функции роста объекта в (1.63) также неизвестны, и

50
введем набор мажорирующих скалярных функций скалярных аргументов
f qr x r  , ранжированных по первому индексу, т. е. удовлетворяющих

соотношениям (1.43), а также имеющих сравнимый с ними или

перекрывающий их (начиная с некоторых значений x r   ) рост, а именно
(см. условия мажорирования (1.44):

f qr  xr  f qr  xr   M при xr    0 ,   0 , q  1, p, r  1, n, (1.64)

где M,  – постоянные числа; 0 – радиус допустимого компактного

множества начальных данных (при q  0 условие (1.64) удовлетворяется по
определению функций). Кроме того, должны выполняться естественные для
такой постановки условия бесконечного роста правых частей [37, 39].
Сигнальный адаптивный закон имеет следующий вид [37, 39]:

 p  n 
uа  t     hqr f qr  xr    sign BT  x, t  Pe  t   , (1.65)
 q0  r 1 
где p определяется соотношением (1.50).

1.5.4 Упрощенные адаптивные системы с сигнальной настройкой и

мажорирующими функциями старших степеней роста
Полученные полные адаптивные структуры с релейными алгоритмами,
включающими мажорирующие функции всех степеней роста от 1 до p ,
можно значительно упростить (так же, как это сделано для параметрических
алгоритмов) [32, 33, 42], если из них исключить составляющие с
мажорирующими функциями всех степеней роста, кроме старшей степени по
каждой из переменных x r . Реализация этого предположения позволяет
получить две упрощенные адаптивные структуры управления объектом
(1.63) с эталонной моделью (1.55), а именно:

51
 а) упрощеннаяадаптивная системас алгоритмом, включающим
мажорирующие функции старших степеней роста p r , различных по каждой
из переменных состояния x r , имеет релейное управление вида

 n

uа  t    h0   f pr  xr  hr  sign BT  x, t  Pe  t  , (1.66)
 r 1 
где p r – старшая степень мажорирующей функции роста по переменной x r ,
в то время как h0 , hr – коэффициенты усилений релейного алгоритма
(положительные числа).
б) упрощенная адаптивная системас алгоритмом, включающим
мажорирующие функции старшей степени роста p , одинаковой по всем
переменным x r , имеет релейное управление вида

 n

uа  t    h0   f p  xr  hr  sign BT  x, t  Pe  t  . (1.67)
 r 1 
Отметим [32, 40], что работоспособность (диссипативность)
упрощенных алгоритмов (1.66), (1.67) может быть сохранена, если в них
заменить неизвестную матрицу B(x, t) известной постоянной матрицей B м
при соблюдении условий замены. Тогда для структуры а) мы имеем:

 n

uа  t    h0   f pr  xr  hr  sign BмТ Pe  t  , (1.68)
 r 1 
а для структуры б) упрощенный алгоритм с сигнальной настройкой и
мажорирующими функциями имеет вид

 n

uа  t    h0   f p  xr  hr  sign BмТ Pe  t  . (1.69)
 r 1 
Используя полученные в первой главе адаптивные системы управления
с параметрической (1.51), (1.52) и сигнальной (1.68), (1.69) настройками,
перейдем к расчету и сравнительным исследованиям семейства адаптивных
систем управления двух- и трехмассовым упругими электромеханическими
объектами, представленным во второй главе.
52
1.6. Математическое описание асинхронного электродвигателя

Для построения систем управления многомассовыми упругими

механическими и электромеханическими объектами используются приводы
постоянного и переменного тока. В данном разделе идет описание
асинхронногоэлектродвигателя с векторным управлением и обоснование
перехода к рассмотрению двигателя постоянного тока при построении
аналитических и нейросетевых адаптивных систем.
Выражение для описания электромагнитных процессов в
пространственных векторах, вращающихся с синхронной скоростью вместе с
вращающейся системой координат[48]:
d1 
U1  R1I1   jω0эл 1; 
dt

d 2 
U 2  R2 I 2   jω p  2 ;  (1.70)
dt

1  L1I1  Lm I 2 ; 

 2  Lm I1  L2 I 2 , 
где U1 , U 2 - пространственные векторы напряжений, приложенные к
обмоткам статора и ротора соответственно; R1I1 , R2 I 2 - векторы падений

напряжения в активных сопротивлениях обмоток статора и ротора; ω0эл1 ,

d  1 d 2
ωp  2 - векторы ЭДС вращения; , - векторы трансформаторных
dt dt
ЭДС самоиндукции; L1 , L2 , Lm - индуктивности обмоток статора, ротора и
главная индуктивность.
Математическое описание электродвигателя с разомкнутой системой
управления выводится из системы уравнений (1.70) с учетом добавления к
ним уравнений механики привода и равенство, связывающее частоту
напряжения питания со скоростью двигателя и угловой скоростью роторной
ЭДС. Введем следующие допущения [48]:
– запишем дифференциальные уравнения в нормальной форме;
53
 – перейдем к изображениям переменных по Лапласу, оставив
d
неизменными их обозначения и произведя замену  p;
dt
– рассматривая двигатель с короткозамкнутым ротором, примем U 2  0 ;
– каждый вектор может быть представлен комплексным числом и
записан в виде:
U1  u1α  ju1β ;
1  ψ1α  jψ1β ;
 2  ψ 2α  jψ 2β ;
I1  i1α  ji1β ;
I 2  i2α  ji2β ;

– поочередно исключая в системе уравнения (1.70) из третьего равенства

ток I 2 и из четвертого ток I1 , выразим ток статора и ток ротора как
функции потокосцеплений.

Тогда исходные уравнения, описывающие электропривод с

асинхронным двигателем, будут представлены в виде:
p1  U1  R1I1  jω0эл1; (1.71)
p 2   R2 I 2  jωp  2 ; (1.72)

1
I1  (1  k2  2 ); (1.73)
σL1
1
I2  ( 2  k11 ); (1.74)
σL2
3
Mд  pn Lm Im[ I1I 2 ]; (1.75)
2
1
pω= ( M д  M c ); (1.76)
J
ωp  ω0эл  pnω, (1.77)

где J - момент инерции привода; M д - электромагнитный момент привода;

M c - момент нагрузки, включающий в себя момент нагрузки на валу и
54
момент потерь вращения двигателя; I 2  i2α  ji2β ; ω - угловая скорость

двигателя; ω p - угловая скорость роторной ЭДС; ω0эл - угловая частота

напряжения питания статора; pn - число пар полюсов обмотки статора; k1 и

Lm L
k 2 - безразмерные коэффициенты, k1  , k2  m ; σ - коэффициент
L1 L2

L2m
рассеяния машины, σ=1   1  k1k2 .
L1L2
Запишем уравнения асинхронного двигателя в виде проекций
пространственных векторов на оси α и β . Для этого в выражения (1.71) и
(1.72) подставим значения токов в виде формул (1.73) и (1.74), и, таким
образом, исключим из первых двух уравнений токи статора и ротора. Кроме
того, электромагнитный момент двигателя выразим через потокосцепления
статора и ротора. Тогда исходные выражения в пространственных векторах
будут иметь вид:
1 
p 1  U 1  (1  k2  2 )  jω0эл 1;
σT1 
1 
p 2   ( 2  k11 )  jωp  2 ; 
σT2 
1 
I1  (1  k2  2 );  (1.78)
σL1 
1 
I2  ( 2  k11 ); 
σL2 
3 k 
M д  pn 1 Im[1 2 ], 
2 σL2 
где T1 , T2 - постоянные времени обмоток статора и ротора соответственно,
L1 L
T1  и T2  2 .
R1 R2
Подставив в эти формулы выражения для пространственных векторов
через их проекции на оси координат и разделив вещественные и мнимые
части равенств, получим систему уравнений в виде [48]:
55
 1 k 
pψ1α  u1α  ψ1α  ω0эл ψ1β  2 ψ 2α ;
σT1 σT1

1 k 
pψ1β  u1β  ω0эл ψ1α  ψ1β  2 ψ 2β ; 
σT1 σT1

k 1 
pψ 2α  1 ψ1α  ψ 2α  ωp ψ 2β ; 
σT2 σT2

k1 1 
pψ 2β  ψ1β  ωp ψ 2α  ψ 2β ; 
σT2 σT2

1 
i1α  (ψ1α  k2 ψ 2α ); 
σL1 
1 
i1β  (ψ1β  k2 ψ 2β ); 
σL1 
1 
i2α  (ψ 2α  k1ψ1α ); 
σL2 
1 
i2β  (ψ 2β  k1ψ1β ); 
σL2 
3 k 
M д  pn 1 (ψ 2α ψ1β  ψ1α ψ 2β );  (1.79)
2 σL2 
1 
pω= ( M д  M c ); 
J 
ωp  ω0эл  pnω. 


Если ориентировать ось α по вектору потокосцепления ротора, то
можно значительно упростить систему уравнений (1.79). Для этого в системе
уравнений (1.70) исключим векторы потокосцепления статора и тока ротора.
Ток ротора из четвертого уравнения системы, определенный как
1
I2  ( 2  Lm I1 ),
L2
подставим в третье уравнение системы (1.70), определив потокосцепление
статора:
Lm
1  L1I1  ( 2  Lm I1 )  σL1  k2 2 .
L2

56
 Подставляя I 2 и 1 в два первых уравнения исходной системы
уравнений, получим
U1  R1I1  ( p  jω0эл )(σL1I1  k2  2 );
R2
0 ( 2  Lm I1 )  ( p  jωp ) 2 .
L2
Сгруппировав члены получим результат в виде:
U1  R1[(σT1 p  1)  jω0элσT1 ]I1  ( p  jω0эл )k2 2 ;
0   L2k2 I1  [(T2 p  1)  jωpT2 ) 2 .

При переходе к представлению пространственных векторов в виде

комплексных чисел эти равенства могут быть переписаны:
u1α  ju1β  R1[(σT1 p  1)  jω0элσT1 ](i1α  ji1β )  ( p  jω0эл )k2 2 ;
0   L2k2 (i1α  ji1β )  [(T2 p  1)  jωpT2 ) 2 ,

откуда получается выражение для составляющих тока статора,

потокосцепления ротора и формула, связывающая частоту роторной ЭДС с
составляющей тока i1β :

1
R1
i1α  (u1α  R1i1α  ω0элσT1R1i1β  k2 p 2 ); (1.80)
σT1 p
1
R1
i1β  (u1β  R1i1β  ω0элσT1R1i1α  k2ω0эл  2 ); (1.81)
σT1 p
1
2  ( Lmi1α   2 ); (1.82)
T2 p
k2 R2i2β
ωp  ; (1.83)
2
3
Mд  pn k2 2i1β ; (1.84)
2
1
pω= ( M д  M c ) . (1.85)
J

57
 В уравнениях (1.80) – (1.85) присутствует влияние перекрестных связей
по проекциям вектора тока статора i1α и i1β (см. рисунок 1.4) Если свести к

минимуму влияние этих перекрестных связей, то, задавая значение u1α

можно независимо устанавливать потокосцепление ротора  2 .При данном
значении  2 сигнал задания составляющей напряжения u1β будет задавать

значение электромагнитного момента и скорости двигателя (см. рисунок 1.5).

Таким образом, задачи управления потокосцеплением ротора и
электромагнитным моментом двигателя будут разделены подобно тому, как
это имеет место в двигателе постоянного тока независимого возбуждения
(см. рисунок 1.6). Видно, что составляющая тока статора i1α асинхронного
двигателя, играет ту же роль, что ток возбуждения, постоянная времени
ротора Т2 эквивалентна постоянной времени возбуждения, а коэффициент
3
pn k2 соответствует машинной постоянной двигателя постоянного тока[48].
2

Рисунок 1.4 – Структурная схема асинхронного электродвигателя при ориентации

вращающейся системы координат по вектору потокосцепления

58
 i1α 1 2
 T2 p

Mc
i1β 3 Mд  1 ω
pn k 2
2 Jp

Рисунок 1.5. – Структурная схема асинхронного электродвигателя при ориентации

вращающейся системы координат по вектору потокосцепления с исключенным
взаимовлиянием проекций тока статора

iв 1
kф
 Tв p

Mc

iЯ Mд  1 ω
cд
Jp

Рисунок 1.6. – Структурная схема двигателя постоянного тока независимого возбуждения

Наиболее эффективным способом исключения влияния перекрестных

связей является непосредственное управление током статора. При этом
видно, что установившееся значение потокосцепления ротора однозначно
определяется составляющей тока статора по прямой оси i1α . В переходном
режиме замедление потокосцепления по отношению к току i1α

характеризуется постоянной времени ротора T2 . Электромагнитный момент

двигателя при постоянном потокосцепления ротора определяется только
значением составляющей тока статора по оси i1β и без замедления следует за

ее изменениями, т. е. момент изменяется так быстро, как быстро изменяется

составляющая тока статора по оси i1β . Это способствует обеспечению

высокого быстродействия электропривода с асинхронным двигателем [48].

59
 Система управления электроприводом выполняется во вращающейся
системе координат и построена по принципам подчиненного регулирования.
Внешним по отношению к контуру тока по оси , является контур
регулирования потокосцепления ротора с регулятором потока. Выходной
сигнал регулятора потока представляет собой сигнал задания составляющей
тока статора по вещественной оси i1α . На входе регулятора сравниваются
сигналы задания и истинного значения потокосцепления ротора,
определенное в наблюдателе. Внешним по отношению к контуру
регулирования тока i1, является контур регулирования момента со своим
регулятором. На его входе сравниваются выходной сигнал регулятора
скорости, который задает значение электромагнитного момента, и сигнал
обратной связи по моменту, вычисленной в наблюдателе. Контур
регулирования скорости с регулятором замкнут по сигналу ω на входе
датчика скорости.
При рассмотрении уравнений асинхронного двигателя с исключенными
перекрестными связями, описанного выше, можно перейти к эквивалентной
схеме управления двигателем постоянного тока. Так как эти схемы имеют
одинаковое управление по потокосцеплению и моменту, то во второй главе
будут рассматриваться только адаптивные системы управления упругими
механическими и электромеханическими объектами, в которых используется
электропривод постоянного тока.

60
1.7 Выводы к первой главе
В первойглаве диссертации решены следующие задачи:
1. Рассмотрено математическое описание многомассовых упругих
электромеханических объектов в переменных скоростях перемещений
точечных масс и переменных упругих (восстанавливающих) силах связей,
причем такая «скоростная» форма описания позволяет удобно учесть
нелинейные характеристики упругих связей.
2. Сформулированы задачи управления многомассовыми упругими
электромеханическими объектами в терминах принудительного подавления
средствами управления упругих свойств объектов в условиях неопределенности
их параметров и действия зазоров в упругих связях и внешних возмущений.
Обосновано применение стационарных наблюдателей в реализации
адаптивных систем в условиях неполной измеримости, характерных для
многомассовых упругих объектов.
3. Рассмотрена методика расчета механических и электромеханических
следящих систем с подчиненным управлением.
4. Построены классы аналитических (беспоисковых) адаптивных
систем с параметрической и сигнальной настройками для управления
многомассовыми нелинейными упругими электромеханическими объектами.
5. Рассмотрено математическое описание асинхронного
электродвигателя и обоснован переход к рассмотрению эквивалентной схемы
двигателя постоянного токадля построения адаптивных систем управления.

61
2. АДАПТИВНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ ДВУХ- И
ТРЕХМАССОВЫМИ УПРУГИМИ МЕХАНИ–
ЧЕСКИМИ И ЭЛЕКТРОМЕХАНИЧЕСКИМИ
ОБЪЕКТАМИ
В этой главе производится расчет и исследование шестнадцати
аналитических адаптивных систем управления с параметрической или
сигнальной настройкой для управления скоростью или положением двух-
или трехмассовых механических или электромеханических (с учетом
электромагнитной инерции) объектов. Достоинство предлагаемых
адаптивных систем состоит в возможности их применения в условиях
изменения параметров объекта управления. Для исследования
разрабатываемых систем будем использовать пакет Matlab – Simulink[7, 8, 12,
55].
Реализация адаптивных систем управления с параметрической или
сигнальной настройкой требует знания всех переменных состояния объекта,
а так как переменные ω 2 и m y – для двухмассовых и ω3 , my 2 , ω2 , my1 – для

трехмассовых упругихмеханических и электромеханических объектов. Если

переменные состояния недоступны измерению с помощью датчиков, то для
их определения необходимо использовать асимптотические оценки этих
переменных, вырабатываемые идентификатором состояния (наблюдателем).
В качестве эталонной модели двух- и трехмассовых
упругихмеханических и электромеханических объектов выбираем замкнутую
систему, состоящую из линеаризованного объекта и модального управления
[9, 42, 53].
Глава написана с использованием результатов изложенных в [9, 13, 17,
18, 21, 34, 38, 39, 53], где линейный анализ систем с подчиненным и
модальным управлением проведен согласно [12].

62
2.1. Двухмассовые упругие механические и
электромеханические объекты

2.1.1. Исходные данные двухмассовых упругих механических и

электромеханических объектов и расчет подчиненного регулирования
Примем в качестве исходных для разработки систем управления
двухмассовые упругиемеханический и электромеханический объекты [9, 42,
53] с двух- и трехконтурным подчиненным управлением по току якоря,
первой скорости и положению нагрузки (из главы 1). В качестве приводного
двигателя используется двигатель постоянного тока типа 5МТ мощностью
7.4 кВт . Рассматриваемые объекты имеют следующие исходные параметры:
J 01  0.05 кг  м 2 ; J 02  0.1 кг  м 2 ; p0  25 Н  м/рад ; Lя  0.01 Гн; Rя  2 Ом; ke  1 В∙с;

km  1В∙с; k у  22 ; kt  0.0095 В/рад, kс  0.0095 В∙с/рад; kп  0.0095 В/рад.

Предположим, что упругая связь в рассматриваемых объектах заменена

жесткой. Тогда суммарный момент инерции электропривода с сочлененным с
ним механизмом равен:

J   J 01  J 02  0.15 кг  м 2 .

Расчет трехконтурной электромеханической следящей системы.

Применение двухконтурной системы управления возможно тогда, когда
электромагнитная постоянная якорной цепи более чем в четыре раза меньше
электромеханической постоянной. Если это соотношение меньше, то при
расчете систем управления нельзя пренебрегать электромагнитной
постоянной и не учитывать контур тока. Рассмотрим расчет трехконтурной
системы подчиненного регулирования с П-регуляторами тока, скорости и
положения. Принимая Т  т  0.005 с ; ат  2 и используя исходные параметры
объекта, указанные выше, рассчитаем коэффициент передачи подчиненного
контура тока по формулам (1.7):

63
 Lя ωот
βт   4.8;
k y k т aт
ωот  Т 1т  200 рад/с;
где ωот – максимально достижимая полоса пропускания замкнутого контура
тока; ат – настроечный коэффициент, определяющий степень
демпфирования контура тока (обычно принимают а т  1 2 ); Тμ т –

некомпенсируемая малая постоянная времени контура тока.

Для подчиненного контура скорости в соответствии с (1.10):
J  kт ωос
βс   7.5;
km kc ac
ωос  Т с1  (aтT т ) 1  100рад/с;

где ос – максимально достижимая полоса пропускания замкнутого контура

скорости; ac  2 – настроечный коэффициент, определяющие степень демп-
фирования контура скорости; Tс – некомпенсируемая малая постоянная

времени контура скорости; «c» – индекс, указывающий на принадлежность

контуру скорости.
Для внешнего контура положения в соответствии с (1.11):
ωоп kc
βп   25;
kп aп
ωоп  Т μп1  (aсTμс ) 1  50рад/с,
где оп – максимально достижимая полоса пропускания
электромеханической следящей системы с подчиненным управлением; ап  2
– настроечный коэффициент, определяющий степень демпфирования
замкнутой «оптимизированной» следящей системы; Tп – некомпенсируемая

малая постоянная времени контура положения; «п» – индекс, указывающий

на принадлежность контуру положения.

64
 Расчет двухконтурной механической следящей системы.Рассмотрим
расчет двухконтурной системы подчиненного регулирования с П-
регуляторами скорости и положения. Принимаем Т  т  0.005 с ; ат  2 , где Тμ т –

некомпенсируемая малая постоянная времени контура тока; ат –

настроечный коэффициент, определяющий степень демпфирования контура
тока (в данном рассматриваемом объекте пренебрегаем контуром тока за счет
малой электромагнитной по сравнению с электромеханической постоянной
времени объекта). Тогда максимально достижимая полоса пропускания
замкнутого контура скорости равна:

ос  Т с1  (aтTт ) 1  100 рад/с .

Принимая ac  2 , где ac – настроечный коэффициент, определяющий

степень демпфирования контура скорости, по формуле получим
коэффициент передачи П-регулятора скорости для двухконтурной
электромеханической следящей системы в соответствии с (1.14):

J  Rяωос
βс   71.9 .
kmky kcac

Максимально достижимая полоса пропускания замкнутого контура

положения равна:

ωоп  Т 1п  (aсTс )1  ωоc / aс  50 рад/с .

Взяв aп  2 , где aп – настроечный коэффициент, определяющий степень

демпфирования контура положения, по формуле (1.16) получим
коэффициент передачи П-регулятора положения для двухконтурной
электромеханической следящей системы в соответствии с (1.11):

ωоп kc
βп   25 .
kп aп

65
2.1.2. Адаптивные системы управления скоростью
2.1.2.1Адаптивные системы с параметрической или сигнальной настройкой
для управления скоростью двухмассового упругого механического объекта
Рассмотрим двухмассовый упругий механический объект, замкнутый по
скорости 1 с контурным П-регулятором.
Дифференциальные уравнения механического объекта имеют вид
ω2  J 21 ( f y  M сх ); my  p  ω1  ω2  ; 


ω1   J11 f y  J11M m ; M m  Rя1km  k yuc  keω1  ; (2.1)

uc  (u  kсω1 )βс ; u  u0  uа ; u0  ωзад . 

В уравнениях (2.1) обозначено: RЯ –активное сопротивление цепи якорной
обмотки двигателя; ke , km – постоянные коэффициенты, определяемые
конструктивными данными электрической машины; k y – коэффициент

передачи усилителя мощности (УМ); M m – электромагнитный момент

электропривода постоянного тока, являющийся управляющим воздействием,
приложенным к механическому объекту и формируемым в рамках
рассматриваемой электромеханической следящей системы с подчиненным
управлением; u c – выходное (управляющее) напряжение контурного
регулятора скорости (РС), βc – коэффициент усиления подлежащий
определению; k c – постоянный коэффициент передачи датчиков обратных
связей по скорости (ДС); u0 =ωзад – программное (задающее) воздействие,
пропорциональное угловой скорости, отрабатываемой следящей системой;
my – упругий момент, возникающий при деформации в упругой связи при

отсутствии зазора; f y – упругий момент, описываемый, при учете зазора 2 в

упругой связи, нелинейной функцией вида [34]

my  p , если my  p ;

f y  0, если my  p ; (2.2)

my  p , если my   p ;
66
J1 , J 2 – соответственно, момент инерции двигателя и момент инерции
механизма нагрузки с учетом его приведения к вращению двигателя; p –
коэффициент упругости (жесткости упругой связи); ω1 , ω2 – угловые скорости
первого и второго дисков соответственно; M cx – момент нелинейной
нагрузки в виде сухого трения [9, 53]:
M сх  M сх 0 sign ω2 , M сх 0  (0.1...0.3) M ном ; (2.3)
M ном – номинальный вращающий момент двигателя; sign () – знак функции
() ; u  – суммарный управляющий сигнал; uа – адаптивное управление,
подлежащее определению.
Считаем, что в общем случае моменты инерции, отнесенные к
двигателю и нагрузке, а также коэффициент жесткости являются
неизвестными и нестационарными (функциями времени) [40]:
J1  J1  t  ; J 2  J 2  t  ; p  p  t  , (2.4)
поэтому применение адаптивных систем управления в задаче подавления
упругих деформаций является актуальным.
В силу уравнений (2.2)– (2.4)исходная следящая система с
подчиненным управлением и двухмассовым упругим объектом является
нелинейной и нестационарной, поэтому рассмотрим ее линейное и
стационарное приближение с некоторыми усредненными постоянными
параметрами:
J1 t   J 01 ; J 2 t   J 02 ; pt   p0 . (2.5)
С учетом обозначений (2.5) запишем линейное стационарное
приближение уравнений (2.1)– (2.3) в виде
ω2  J 021 my ; my  p0  ω1  ω2  ; 

ω1   J 011 my  J 011 Rя1km  k yuс  keω1  ;  (2.6)

uc  [u  kс1 ] с ; u  u0  uа ; u0  ωзад .

Введем следующие обозначения:

67
 1
a1  J 02 ; a2  p0 ; a3   J 011 ;


a4   J 011Rя1km (ke  kс k уβ с );  (2.7)

b  J 011 Rя1km k yβ c . 

С учетом введенных обозначений перепишем линеаризованные уравнения
(2.6) с усредненными параметрами (2.7) в компактной форме:
ω2  a1my ; my  a2  ω1  ω2  ; ω1  a3my  a4ω1  bu (2.8)

и для удобства представим их в векторно-матричной записи:

x  A 0 x  b 0u ; y  c т x; 

 0 a1 0 0   ω2  
 (2.9)
A 0   a2 0 a2  ; b0  0  ; c   0 0 c ; x   m y  , 
     
 0 a3 a4  b   ω1  

где x – вектор состояния линеаризованного объекта; y  c т x – уравнение

измерения; c  kc (здесь доступной измерению с помощью датчика скорости
(ДС) считается первая скорость 1 ).
Модальный регулятор для линеаризованного объекта третьего порядка
имеет вид полной линейной обратной связи по состоянию [34]:
uл  kx  k1ω2  k2my  k3ω1 , (2.10)

где uл – линейное (модальное) управление; k  [k1 k2 k3 ] – вещественный

вектор коэффициентов обратных связей, рассчитывающихся из условия
обеспечения любого наперед заданного желаемого распределения всех
корней характеристического уравнения замкнутой системы (2.9).
Характеристический полином замкнутой системы (2.9) будет иметь вид

зам  λ   det  A  bk  λE  (2.11)

φсист

и с учетом конкретного вида матриц A , b в соответствии с выражением (2.9)

в развернутой форме запишется как

68
  λ a1 0 
φ сист
зам  λ   det  a2 λ a2


 bk  a3  bk2   a4  bk3  λ   (2.12)
 1
 λ 3   a4  bk3  λ 2  a2  a3  a1  bk2  λ  a1a2  a4  b  k1  k3   .

Желаемый характеристический полином замкнутой системы выберем в виде

жел      10    2 0   0 ,
сист 3 2 2 3
(2.13)
где 0 – желаемая полоса пропускания замкнутой системы, определяющая ее
быстродействие; α1 , α 2 – положительные числа, характеризующие форму
переходных процессов по управлению.
Расчет вектора k коэффициентов обратных связей производится в среде
моделирования Matlab при помощи команды [9, 53]
K=-place(A,B,pm),
где параметр «pm» определяет желаемое распределение корней
характеристического полинома.
Выбираем следующие значения параметра «pm»:
 Распределение корней по полиному Ньютона
pm=[-w0 -1.001*w0 -0.999*w0];
при котором все корни являются отрицательными вещественными числами и
равными друг другу λ1  λ 2  λ 3  ω0 ; ω0  ωoc – максимально достижимая
полоса пропускания контура скорости.
Такое распределение корней характеристического уравнения
(отсутствует мнимая часть у корней) полностью обеспечивает
подавление упругих колебаний, возникающих в электромеханической
следящей системе с упругим объектом и подчиненным управлением.
 Распределение корней по полиному Баттерворта
pm=[-w0 -(0.5-0.866i)*w0 -(0.5+0.866i)*w0];
где параметр«pm» соответствует такому распределению корней λ1 λ3
многочлена (2.13), при котором все корни являются отрицательными

69
 вещественными и комплексно-сопряженными числами


λ1  ω0 ; λ 2,3  0.5ω0 1 i 3 . 
Такое распределение корней характеристического уравнения
обеспечивает максимальное быстродействие системе, хотя при этом
наблюдается возникновение перерегулирования и колебаний.
Идентификатор (наблюдатель) по измерению первой скорости 1
расчетного объекта (2.9) имеет вид [34]
xˆ  A xˆ  lc т (xˆ  x)  bu , l  [l1 l2 l3 ]т , (2.14)
или в скалярной записи
ˆ 2  a1my  l1c εˆ ω ;
ω
mˆ y  a2  ω ˆ 2   l2c εˆ ω ; (2.15)
ˆ1  ω
ˆ 1  a3mˆ y  a4ω
ω ˆ 1  l3c εˆ ω  bu ,

ˆ 1 – оценки переменных состояния объекта (2.9); ˆ   

ˆ 2 , mˆ y , ω
где ω ˆ 1  1 –

ошибка наблюдения; l  [l1 l2 l3 ]т – вектор коэффициентов обратных связей

наблюдателя (2.14) по ошибке наблюдения ̂  измеряемой угловой скорости
1 ( c  kc ).
Для расчета коэффициентов обратных связей l1 , l2 , l3 составляем
характеристический многочлен системы дифференциальных уравнений
наблюдателя (2.14), замкнутого по ошибке наблюдения, в виде

набл 
зам    det A  lc  λE ,
т
 (2.16)
или с учетом уравнений объекта (2.9) и наблюдателя (2.15) получим:
  a1 l1c 
набл
зам    det  a2  a2  l2c    3  a4  l3c  2 
 0 a3 a4  l3c   
 a 2 a3  a3l 2 c  a1a 2    a 2 a1a 4  a1l3c  a3l1c  . (2.17)
Желаемый характеристический многочлен наблюдателя, замкнутого по
ошибке измерения ̂  , запишется в виде
70
 жел      1 q0    2 q0    q0  ,
2 3
набл 3 2
(2.18)
где число н  q0 характеризует желаемую полосу пропускания
наблюдателя, кратную желаемой полосе пропускания 0 двухмассового
упругого объекта (2.9), замкнутого модальным управлением (2.10); q –
коэффициент кратности, обеспечивающий повышение быстродействия
наблюдателя, q  1 (обычно принимают q  13 ); числа  1 ,  2 , как
правило, принимаются такими же, как в многочлене (2.13).
Расчет вектора l коэффициентов обратных связей наблюдателя
производится в среде моделирования Matlab при помощи команды
L=-place(A',C',piden),
где параметр «piden» определяет желаемое распределение корней
характеристического полинома.
Как правило, распределение корней характеристического полинома для
расчета наблюдателя совпадает с выбором корней характеристического
полинома для расчета модального управления, с той разницей, что полоса
пропускания наблюдателя в q больше полосы пропускания объекта
управления ( ωН  qω0 – максимально достижимая полоса пропускания
наблюдателя).
С учетом (2.10), (2.14) получим реализуемый линейный (модальный)
закон обратной связи по вектору оценки состояния x̂ линеаризованного
двухмассового упругого объекта (2.9), вырабатываемому наблюдателем в
виде
uл  kxˆ  k1ω
ˆ 2  k2 m
ˆ y  k3ω
ˆ 1. (2.19)

Поскольку мы выбрали в качестве эталонной модели двухмассового

упругого электромеханического объекта замкнутую систему, состоящую из
линеаризованного объекта (2.9) и модального управления (2.10), поэтому
система дифференциальных уравнений, описывающая эталонную модель,
имеет порядок, равный порядку объекта, и записывается в виде

71
 xм  Aм xм  bмu0 ; 

 0 a1 0  0  

Aм  A  bk   a2 0 a2

; b  b  0 ,  (2.20)
 м  
 bk1  a3  bk2   a4  bk3 
 b  

где xм  [ω2м , my1м , ω1м ] т – вектор состояния эталонной модели.

Принимая во внимание то, что порядок рассматриваемого объекта равен

3 и задающее воздействие u0 является скалярной величиной, запишем
адаптивную систему (1.51), (1.52) с параметрической настройкой,
наблюдателем состояния (2.14) и эталонной моделью (2.20) для управления
двухмассовым упругим механическим объектом следующим образом:
uа  t   k A  t  xˆ  kb  t  u0  t  (2.21)

k A  t    γ AbTм Pex
ˆ ˆ T  λ Ak A  t  ; 

 (2.22)
kb  t    γ bbм Peˆ u0  λ b kb  t  , 
T T

или в скалярной форе:

kA1  t   γ A δ(eˆ)ωˆ 2  λ A kA1  t  ; kA2  t   γ A δ(eˆ)mˆ y  λ A kA2  t  ; 

 (2.23)
kA3  t   γ A δ(eˆ)ωˆ 1  λ A kA3  t  ; kb  t   γ b δ(eˆ)u0T  λ b kb  t  , 

где k A t  – вектор-строка настраиваемых коэффициентов, kb  t  –

настраиваемый входной коэффициент адаптивного закона (2.21), (2.22);
γ A , λ A , γ b , λ b – положительные коэффициенты усилений настроек; eˆ  xˆ - xм
– вектор ошибок – разностей между переменными состояния наблюдателя и

эталонной модели (2.20); (eˆ )  bTмPeˆ ; P - симметричная( P  PT ),

положительно определенная ( P  0 ) матрица, единственным образом
определенная из уравнения Ляпунова (1.41).
Для подпрограммы адаптивного регулятора с параметрической
настройкой были выбраны или вычислены следующие исходные матрицы и
коэффициенты:
 симметричная положительно определенная матрица G в
уравнении Ляпунова (1.41) равна: G  diag  10, 10, 10 ;
72
  симметричная положительно определенная матрица P в
адаптивном алгоритме определена в Matlab специальной
функцией lyap для решения уравнения Ляпунова:
 2.2 0.36 -0.05
P  lyap(A ,G )   0.36 0.67 0.11  ;
Т
м  
-0.05 0.11 0.11 

 положительные коэффициенты усилений настроек в адаптивном

алгоритме равны: γ A  10; λ A  1; γ b  10; λ b  1 .
Адаптивная система с сигнальной настройкой (1.68), (1.69) имеет вид
ua  t   h0sign δ(eˆ) . (2.24)
Из-за мгновенного скачка в нулевой точке функции sign в уравнении
(2.24) программе моделирования Matlab невозможно определить шаг
интегрирования. Поэтому нужно заменить функцию sign ее приближенной
функцией, например, гиперболическим тангенсом, который от аргумента x
имеет вид:
tanh x  (e x  e x ) / (e x  e x ). (2.25)
Если вместо x вставить ax , где a – положительный коэффициент, то чем
больше a , тем функция tanh(ax) более асимптотична функции sign . Таким
образом, адаптивная система с сигнальной настройкой имеет вид
ua  t   h0 tanh  aδ(eˆ) (2.26)
Результаты моделированияадаптивных систем управления с
параметрической и сигнальной настройками для управления скоростью
двухмассового упругого механического объекта приведены в таблице 2.1.

Таблица 2.1

73
 Результаты моделирования модального и адаптивного управления скоростью
двухмассового механического объекта
Параметры Показатель Модальный регулятор Параметрическая Сигнальная адаптация
качества адаптация
Ньютон Баттерворт Ньютон Баттерворт Ньютон Баттерворт

1 tн, с 0,050 - 0,050 0,042 0,050 0,042

J2= J02
5 tp, с 0,301 - 0,278 0,344 0,278 0,344
σ, % 45,2 - 52,2 150 52,2 150

1 tн, с 0,057 0,047 0,057 0,047 0,057 0,047

J2= J02
4 tp, с 0,258 6,174 0,243 0,290 0,243 0,290
σ, % 36,8 83,2 42,9 130 42,9 130

1 tн, с 0,068 0,054 0,068 0,054 0,068 0,054

J2= J02
3 tp, с 0,216 0,866 0,272 0,306 0,272 0,306
σ, % 26,1 65,8 31,0 103 31,0 103

1 tн, с 0,093 0,067 0,091 0,066 0,091 0,066

J2= J02
2 tp, с 0,174 0,382 0,302 0,214 0,302 0,214
σ, % 12,5 42,2 15,3 65,3 15,3 65,3
tн, с 0,336 0,113 0,336 0,113 0,336 0,113
J2=J02 tp, с 0,188 0,178 0,188 0,178 0,188 0,178
σ, % 0 8,1 0 8,1 0 8,1
tн, с 1,292 0,640 0,750 1,615 0,750 1,615
J2=2J02 tp, с 0,462 0,297 0,408 0,666 0,408 0,666
σ, % 0 0 0 0 0 0
tн, с 1,635 1,075 1,315 2,605 1,315 2,605
J2=3J02 tp, с 0,727 0,486 0,631 1,102 0,631 1,102
σ, % 0 0 0 0 0 0
tн, с 2,248 1,505 1,902 3,583 1,902 3,583
J2=4J02 tp, с 0,990 0,672 0,866 1,530 0,866 1,530
σ, % 0 0 0 0 0 0
tн, с 2,857 1,927 2,448 4,555 2,448 4,555
J2=5J02 tp, с 1,253 0,861 1,104 1,955 1,104 1,955
σ, % 0 0 0 0 0 0

1 tн, с 0,274 0,245 0,281 0,227 0,281 0,227

p= p0
5 tp, с 1,081 1,773 1,448 0,668 1,448 0,668
σ, % 34,8 48,4 35,5 23,4 35,5 23,4

1 tн, с 0,252 0,221 0,259 0,201 0,259 0,201

p= p0
4
74
 tp, с 0,943 1,260 0,991 0,596 0,991 0,596
σ, % 29,8 43,8 30,3 19,5 30,3 19,5

1 tн, с 0,228 0,193 0,236 0,172 0,236 0,172

p= p0
3 tp, с 0,748 1,002 0,824 0,506 0,824 0,506
σ, % 23,2 37,5 23,4 14,4 23,4 14,4

1 tн, с 0,204 0,160 0,211 0,141 0,211 0,141

р= p0
2 tp, с 0,422 0,581 0,448 0,376 0,448 0,376
σ, % 13,7 27,6 13,7 9,5 13,7 9,5
tн, с 0,336 0,113 0,336 0,113 0,336 0,113
p=p0 tp, с 0,188 0,178 0,188 0,178 0,188 0,178
σ, % 0 8,1 0 8,1 0 8,1
tн, с 0,588 - 0,634 0,103 0,634 0,103
p=2p0 tp, с 0,258 - 0,278 0,136 0,278 0,136
σ, % 0 - 0 5,2 0 5,2
tн, с 0,589 - 0,551 0,103 0,551 0,103
p=3p0 tp, с 0,292 - 0,289 0,262 0,289 0,262
σ, % 0 - 0 3,9 0 3,9
tн, с 0,284 - 0,575 0,108 0,575 0,108
p=4p0 tp, с 0,344 - 0,294 0,254 0,294 0,254
σ, % 2,3 - 0 4,8 0 4,8
tн, с - - 0,588 - 0,588 -
p=5p0 tp, с - - 0,297 - 0,297 -
σ, % - - 0 - 0 -

Графики переходных процессов в адаптивных системах управления с

параметрической или сигнальной настройками для управления скоростью
двухмассового упругого механического объекта с меняющимися
параметрами представлены на рисунках 2.1 – 2.8.

75
 а б
Рисунок 2.1 – Переходные процессыв двухмассовом механическом объектес модальным
управлением скоростью при изменении момента инерции второй массы: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ2 в 2 раза; 3 –
уменьшениеJ2 в 3 раза; 4 – уменьшениеJ2 в 4 раза; 5 – уменьшение J2 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеJ2 в 2 раза; 3 –
уменьшение J2 в 3 раза; 4 – уменьшение J2 в 4 раза)

а б
Рисунок 2.2 – Переходные процессы в двухмассовом механическом объекте с модальным
управлением скоростью при изменении момента инерции второй массы: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 - увеличениеJ2 в 2 раза; 3 –
увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3 –
увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз)

а б
Рисунок 2.3 – Переходные процессы в двухмассовом механическом объекте с модальным
управлением скоростью при изменении коэффициента жесткости: а) настройки желаемого
ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер в 2 раза; 3 – уменьшение р в 3
раза; 4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз); б) настройки желаемого ХП по
полиному Баттерворта (1 – номинал; 2– уменьшение р в 2 раза; 3 – уменьшение р в 3 раза;
4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз)

76
 а б
Рисунок 2.4 – Переходные процессы в двухмассовом механическом объекте с модальным
управлением скоростью при изменении коэффициента жесткости: а) настройки желаемого
ХП по полиному Ньютона (1 – номинал; 2 – увеличениер в 2 раза; 3 – увеличениер в 3
раза; 4 – увеличениер в 4 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал)

а б
Рисунок 2.5 – Переходные процессы в двухмассовом механическом объекте с адаптивным
управлением скоростью при изменении момента инерции второй массы: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ2 в 2 раза; 3 –
уменьшение J2 в 3 раза; 4 – уменьшение J2 в 4 раза; 5 – уменьшениеJ2 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеJ2 в 2
раза; 3 – уменьшение J2 в 3 раза; 4 – уменьшение J2 в 4 раза; 5 – уменьшениеJ2 в 5 раз)

а б
Рисунок 2.6 – Переходные процессы в двухмассовом механическом объекте с адаптивным
управлением скоростью при изменении момента инерции второй массы: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3 –
увеличениеJ2 в 3 раза; 4 – увеличение J2 в 4 раза; 5 – увеличениеJ2 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3 –
увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз)

77
 а б
Рисунок 2.3 – Переходные процессы в двухмассовом механическом объекте с адаптивным
управлением скоростью при изменении коэффициента жесткости: а) настройки желаемого
ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер в 2 раза; 3 – уменьшение р в 3
раза; 4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз); б) настройки желаемого ХП по
полиному Баттерворта (1 – номинал; 2 – уменьшениер в 2 раза; 3 – уменьшение р в 3 раза;
4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз)

а б
Рисунок 2.4 – Переходные процессы в двухмассовом механическом объекте с адаптивным
управлением скоростью при изменении коэффициента жесткости: а) настройки желаемого
ХП по полиному Ньютона (1 – номинал; 2 – увеличениер в 2 раза; 3 – увеличениер в 3
раза; 4 – увеличениер в 4 раза; 5 – увеличениер в 5 раз); б) настройки желаемого ХП по
полиному Баттерворта (1 – номинал; 2 - увеличениер в 2 раза; 3 – увеличениер в 3 раза; 4 –
увеличениер в 4 раза)

2.1.2.2 Адаптивные системы с параметрической и сигнальной настройками

для управления скоростью двухмассового упругого электромеханического
объекта
Примем в качестве исходного двухмассовый упругий
электромеханический объект, замкнутый по току якоря I я и скорости 1 с
контурными П-регуляторами тока и скорости.
Дифференциальные уравнения объекта имеют вид

78
 ω2  J 21 ( f y  M сх ); my  p  ω1  ω2  ; 

ω1   J11 f y  J11M m ; Lя I я  uя  eя  Rя I я ; 
 (2.27)
eя  keω1 ; uя  k yuy ; M m  km I я ; u y  uт  β т  uc  k т I я  ; 

uc  β c  u  kcω  ; u  u0  uа ; u0  ωзад . 
В уравнениях (2.27) все обозначения аналогичны обозначениям объекта (2.1),
за исключением: β T – коэффициент усиления контура тока, подлежащий
определению; kT – постоянный коэффициент передачи датчиков обратных
связей по току (ДТ); I я – ток якоря; LЯ – индуктивность обмотки якоря.
Запишем линейное стационарное приближение уравнений (2.27) в виде
ω2  J 021 my ; my  p0  ω1  ω2  ; 

ω1   J 011 my  J 011 M m ; LЯ I Я  (u Я  RЯ I Я  eЯ ); 
 (2.28)
eя  keω1 ; uя  k yuy ; M m  km I я ; u y  uт  β т  uc  k т I я  ;

uc  [u  kсω1 ]β с ; u  u0  uа ; u0  ωзад . 
Введем следующие обозначения:
1
a1  J 02 ; a2  p0 ; a3   J 011 ; 


a4  km J 011 ; a5   Lя1 (k у kcβТ β с  ke );  (2.29)

a6   Lя1 (k уβ Т kT  RЯ ); b  k уβ Тβ c Lя1. 
С учетом введенных обозначений перепишем линеаризованные уравнения
(2.28) с усредненными параметрами (2.29) в компактной форме:
ω2  a1my ; my  a2  ω1  ω2  ;
ω1  a3my  a4 I Я ;
I Я  a6ω1  a7 I Я  bu (2.30)
и для удобства представим их в векторно-матричной записи:
x  Ax  bu ; y  c т x; 

 0 a1 0 0 0   ω2  
 a 0    m   (2.31)
0 a2
 ; b  0  ; 
A 2 c   0 0 c 0 ; x   y  , 
 0 a3 0 a4  0   ω1 
     
 0 0 a5 a6  b   I я  

79
где x – вектор состояния линеаризованного объекта (2.27), (2.28); y  c т x –
уравнение измерения; c  kc (считаем, что доступной измерению с помощью
датчика скорости ДС является первая скорость 1 ).
Модальный регулятор для линеаризованного объекта четвертого
порядка имеет вид полной линейной обратной связи по состоянию
uл  kx  k1ω2  k2my  k3ω1  k4 I Я , (2.32)

где uл – линейное (модальное) управление; k  [k1 k2 k3 k4 ] – вещественный

вектор коэффициентов обратных связей, рассчитывающихся из условия
обеспечения любого наперед заданного желаемого распределения всех
корней характеристического уравнения замкнутой системы (2.31).
Расчет вектора k коэффициентов обратных связей производится в среде
моделирования Matlab при помощи команды
K=-place(A,B,pm),
где параметр «pm» определяет желаемое распределение корней
характеристического полинома.
Выбираем следующие значения параметра «pm»:
 Распределение корней по полиному Ньютона
pm=[-w0 -0.99*w0 -1.01*w0 -0.999*w0];
при котором все корни являются отрицательными вещественными
числами и равными друг другу λ1  λ 2  λ3  λ 4  ω0 ; ω0  ωoc –
максимально достижимая полоса пропускания контура скорости.
Такое распределение корней характеристического уравнения
(отсутствует мнимая часть у корней) полностью обеспечивает
подавление упругих колебаний, возникающих в электромеханической
следящей системе с упругим объектом и подчиненным управлением.
 Распределение корней по полиному Баттерворта
pm=[-(0.3827+0.9239i)*w0 -(0.3827-0.9239i)*w0 -(0.9239+0.3827i)*w0…
-(0.9239-0.3827i)*w0],

80
 где параметр«pm» соответствует такому распределению
корнейхарактеристического полинома, при котором все корни являются
отрицательными вещественными и комплексно–сопряженными
числами:
λ1  ω0 (0.3827  0.9239i); λ 2  ω0 (0.3827  0.9239i);
λ3  ω0 (0.9239  0.3827i); λ 4  ω0 (0.9239  0.3827i) .

Такое распределение корней характеристического уравнения

обеспечивает максимальное быстродействие системе, хотя при этом
наблюдается возникновение перерегулирования и колебаний.
Идентификатор (наблюдатель) по измерению первой скорости 1
расчетного объекта (2.27) имеет вид
xˆ  A xˆ  lc т (xˆ  x)  bu , l  [l1 l2 l3 l4 ]т (2.33)
или в скалярной записи
ˆ 2  a1mˆ y  l1c εˆ ω ;
ω
mˆ y  a2ω
ˆ 2  a2ω
ˆ 1  l2c εˆ ω ;
ˆ 1  a3mˆ y  l3c εˆ ω  a4 IˆЯ ;
ω (2.34)

IˆЯ  a5ω
ˆ 1  l4c εˆ ω  a6 IˆЯ  ub ,

где ωˆ 2 , mˆ y , ωˆ 1, IˆЯ – оценки переменных состояния объекта (2.27);

ˆ   
ˆ 1  1 – ошибка наблюдения; l  [l1 l2 l3 l4 ]т – вектор коэффициентов

обратных связей наблюдателя (2.33) по ошибке наблюдения ̂  измеряемой

угловой скорости 1 ( c  kc ).
Расчет коэффициентов обратных связей l1 , l2 , l3 , l4 производится в
соответствии с методикой, изложенной в п. п. 2.1.2.1, но для исследований
расчеты производились в среде Matlab при помощи команды
L=-place(A',C',piden),
где параметр «piden» определяет желаемое распределение корней
характеристического полинома.

81
 С учетом (2.32), (2.33) получим реализуемый линейный (модальный)
закон обратной связи по вектору оценки состояния x̂ линеаризованного
двухмассового упругого объекта, вырабатываемому наблюдателем в виде

uл  kxˆ  k1ωˆ 2  k2mˆ y  k3ωˆ 1  k4 IˆЯ . (2.35)

Поскольку мы выбрали в качестве эталонной модели двухмассового

упругого электромеханического объекта замкнутую систему, состоящую из
линеаризованного объекта (2.27) и модального управления (2.32), (2.35),
поэтому система дифференциальных уравнений, описывающая эталонную
модель, имеет порядок, равный порядку объекта, и записывается в виде
x м  A м x м  b м u0 ; 

 0 a1 0 0  0 
 a 0  0   (2.36)
 ; b  b    ,
0 a2
A м  A  bk   2
 0 a3 0 a3  м 0 
   
 bk1 bk2 a4  bk3 a5  bk4  b  

где xм  [ω2м , my1м ,ω1м , I Я ] т – вектор состояния эталонной модели.

Принимая во внимание то, что порядок рассматриваемого объекта равен

4 и задающее воздействие u0 является скалярной величиной, перепишем
адаптивную систему (1.51), (1.52) с параметрической настройкой,
наблюдателем состояния (2.33), (2.34) и эталонной моделью (2.36) для
управления двухмассовым нелинейным упругим объектом следующим образом:
ua  t   k A  t  xˆ  kb  t  u0  t  , (2.37)

k A  t    γ Ab Tм Pex
ˆ ˆ T  λ Ak A  t  ; 

 (2.38)
kb  t    γ bbм Peˆ u0  λ b kb  t  , 
T T

или в скалярной форе:
kA1  t    γ A δ(eˆ)ˆ 2  λ A kA2  t  ; kA2  t    γ A δ(eˆ)mˆ y  λ A kA3  t  ; 

kA3  t    γ A δ(eˆ)ˆ1  λ A kA4  t  ; kA4  t    γ A δ(eˆ) IˆЯ  λ A kA5  t  ;  (2.39)

kb  t    γ b δ(eˆ)u0T  λ b kb  t  , 

где все обозначения аналогичны (2.21) – (2.23).

82
 Для подпрограммы адаптивного регулятора с параметрической
настройкой были выбраны или вычислены следующие исходные матрицы и
коэффициенты:
 симметричная положительно определенная матрица G в
уравнении Ляпунова (1.41) равна:
G  diag  10, 10, 10, 10 ;

 симметричная положительно определенная матрица P в

адаптивном алгоритме определена в Matlab специальной
функцией lyap для решения уравнения Ляпунова:
 27.7 4.52 1.23 0.65
 4.52 11.38 4.43 0.1 
P  lyap(A м ,G ) 
Т  ;
 1.23 4.43 10.68 1.05 
 
 0.65 0.1 1.05 0.81 
 положительные коэффициенты усилений настроек в адаптивном
алгоритме (2.38), (2.39) выбраны:
γ A  10; λ A  1; γ b  10; λ b  1 .
Адаптивная система с сигнальной настройкой строится аналогично
(2.24) и реализация ее в системе Matlab выглядит следующим образом:
ua  t   h0 tanh  aδ(eˆ) . (2.40)
Результаты моделированияадаптивных систем управления с
параметрической и сигнальной настройками для управления скоростью
двухмассового упругого электромеханического объекта приведены в таблице 2.2.
Таблица 2.2
Результаты моделирования модального и адаптивного управления скоростью
двухмассового электромеханического объекта
Параметры Показатель Модальный регулятор Параметрическая Сигнальная адаптация
качества адаптация
Ньютон Баттерворт Ньютон Баттерворт Ньютон Баттерворт

1 tн, с 0,081 0,062 0,081 0,062 0,081 0,062

J2= J02
5 tp, с 0,323 3,297 0,992 0,557 0,992 0,557
σ, % 16,6 94,7 45,1 97,5 45,1 97,5

83
 1 tн, с 0,090 0,067 0,091 0,067 0,091 0,067
J2= J02
4 tp, с 0,272 1,765 0,751 0,595 0,751 0,595
σ, % 13,7 85,3 35,9 88,5 35,9 88,5

1 tн, с 0,105 0,075 0,106 0,075 0,106 0,075

J2= J02
3 tp, с 0,232 0,934 0,490 0,513 0,490 0,513
σ, % 9,4 71,2 24,9 74,4 24,9 74,4

1 tн, с 0,139 0,088 0,143 0,088 0,143 0,088

J2= J02
2 tp, с 0,127 0,457 0,372 0,546 0,372 0,546
σ, % 3,6 49,0 13,0 51,6 13,0 51,6
tн, с 0,391 0,131 0,391 0,131 0,391 0,131
J2=J02 tp, с 0,232 0,204 0,232 0,204 0,232 0,204
σ, % 0 10,7 0 10,7 0 10,7
tн, с 0,965 1,500 1,814 4,000 1,814 4,000
J2=2J02 tp, с 0,466 0,359 0,715 1,005 0,715 1,005
σ, % 0 0 0 0 0 0
tн, с 1,535 2,502 2,645 4,813 2,645 4,813
J2=3J02 tp, с 0,708 0,584 1,102 1,600 1,102 1,600
σ, % 0 0 0 0 0 0
tн, с 2,095 3,021 3,485 5,000 3,485 5,000
J2=4J02 tp, с 0,950 0,801 1,476 2,155 1,476 2,155
σ, % 0 0 0 0 0 0
tн, с 2,665 3,215 4,310 5,312 4,310 5,312
J2=5J02 tp, с 1,195 1,018 1,835 2,700 1,835 2,700
σ, % 0 0 0 0 0 0

1 tн, с 0,307 0,262 0,291 0,238 0,291 0,238

p= p0
5 tp, с 1,409 1,449 0,958 1,122 0,958 1,122
σ, % 36,0 43,7 35,2 41,0 35,2 41,0

1 tн, с 0,285 0,239 0,271 0,218 0,271 0,218

p= p0
4 tp, с 0,982 1,234 0,820 0,770 0,820 0,770
σ, % 30,7 39,2 31,1 37,9 31,1 37,9

1 tн, с 0,261 0,212 0,249 0,194 0,249 0,194

p= p0
3 tp, с 0,806 0,802 0,661 0,651 0,661 0,651
σ, % 23,8 33,0 25,3 33,1 25,3 33,1

1 tн, с 0,239 0,179 0,227 0,166 0,227 0,166

p= p0
2 tp, с 0,453 0,573 0,398 0,505 0,398 0,505
σ, % 13,7 23,7 15,5 24,8 15,5 24,8
tн, с 0,391 0,131 0,391 0,131 0,391 0,131
p=p0 tp, с 0,232 0,204 0,232 0,204 0,232 0,204
σ, % 0 10,7 0 10,7 0 10,7

84
 tн, с 0,616 0,101 0,255 0,232 0,255 0,232
p=2p0 tp, с 0,298 0,702 0,343 0,210 0,343 0,210
σ, % 0 15,3 1,4 1,0 1,4 1,0
tн, с 0,378 0,091 0,317 0,177 0,317 0,177
p=3p0 tp, с 0,347 1,677 0,417 0,814 0,417 0,814
σ, % 1,0 21,8 4,1 9,9 4,1 9,9
tн, с - 0,087 0,280 - 0,280 -
p=4p0 tp, с - 2,145 0,691 - 0,691 -
σ, % - 22,3 7,1 - 7,1 -
tн, с - 0,195 0,256 - 0,256 -
p=5p0 tp, с - 1,662 1,678 - 1,678 -
σ, % - 19,5 11,2 - 11,2 -

1 tн, с 0,476 0,130 0,632 0,131 0,632 0,131

La= La0
5 tp, с 0,233 0,202 0,231 0,206 0,231 0,206
σ, % 0 10,7 0 10,8 0 10,8

1 tн, с 0,473 0,130 0,630 0,131 0,630 0,131

La= La0
4 tp, с 0,233 0,202 0,232 0,206 0,232 0,206
σ, % 0 10,7 0 10,8 0 10,8

1 tн, с 0,470 0,131 0,622 0,131 0,622 0,131

La = La 0
3 tp, с 0,233 0,204 0,231 0,206 0,231 0,206
σ, % 0 10,7 0 10,8 0 10,8

1 tн, с 0,461 0,131 0,447 0,131 0,447 0,131

La = La 0
2 tp, с 0,233 0,203 0,232 0,206 0,232 0,206
σ, % 0 10,7 0 10,8 0 10,8
tн, с 0,391 0,131 0,391 0,131 0,391 0,131
La = La 0 tp, с 0,232 0,204 0,232 0,204 0,232 0,204
σ, % 0 10,7 0 10,7 0 10,7
tн, с 0,293 0,133 0,299 0,131 0,299 0,131
La =2 La 0 tp, с 0,231 0,207 0,232 0,206 0,232 0,206
σ, % 0,9 10,6 0,9 10,8 0,9 10,8
tн, с 0,271 0,134 0,283 0,132 0,283 0,132
La =3 La 0 tp, с 0,234 0,211 0,235 0,198 0,235 0,198
σ, % 1,8 10,1 1,8 12,1 1,8 12,1
tн, с 0,266 0,135 0,278 0,134 0,278 0,134
La =4 La 0 tp, с 0,239 0,351 0,237 0,348 0,237 0,348
σ, % 3,6 9,5 3,0 13,1 3,0 13,1
tн, с 0,267 0,136 0,276 0,136 0,276 0,136
La =5 La 0 tp, с 0,336 0,368 0,240 0,365 0,240 0,365
σ, % 5,6 9,2 4,2 14,3 4,2 14,3

85
 Графики переходных процессов для управления скоростью
двухмассового упругого электромеханического с меняющимися параметрами
объекта представлены на рисунках 2.9 – 2.20.

а б
Рисунок 2.9 – Переходные процессы в двухмассовом электромеханическом объекте с
модальным управлением скоростью при изменении момента инерции второй массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ2 в 2 раза;
3 – уменьшение J2 в 3 раза; 4 – уменьшение J2 в 4 раза; 5 – уменьшение J2 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеJ2 в 2
раза; 3 – уменьшение J2 в 3 раза; 4 – уменьшение J2 в 4 раза; 5 – уменьшение J2 в 5 раз)

а б
Рисунок 2.10 – Переходные процессы в двухмассовом электромеханическом объекте с
модальным управлением скоростью при изменении момента инерции второй массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3
– увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3 –
увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз)

а б
Рисунок 2.11 – Переходные процессы в двухмассовом электромеханическом объекте с
модальным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер в 2 раза; 3
86
 – уменьшение р в 3 раза; 4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениер в 2
раза; 3 – уменьшение р в 3 раза; 4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз)

а б
Рисунок 2.12 – Переходные процессы в двухмассовом электромеханическом объекте с
модальным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер в 2 раза; 3
– увеличениер в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал; 2 – увеличениер в 2 раза; 3 – увеличениер в 3 раза; 4 - увеличениер в 4 раза; 5 –
увеличениер в 5 раз)

а б
Рисунок 2.13 – Переходные процессы в двухмассовом электромеханическом объекте с
модальным управлением скоростью при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеLa в 2 раза; 3 –
уменьшение La в 3 раза; 4 – уменьшение La в 4 раза; 5 – уменьшение La в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеLa в 2
раза; 3 – уменьшение La в 3 раза; 4 – уменьшение La в 4 раза; 5 – уменьшение La в 5 раз)

а б
Рисунок 2.14 – Переходные процессы в двухмассовом электромеханическом объекте с
модальным управлением скоростью при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеLa в 2 раза; 3 –
увеличениеLa в 3 раза; 4 – увеличениеLa в 4 раза; 5 – увеличениеLa в 5 раз); б) настройки

87
 желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеLa в 2 раза; 3 –
увеличениеLa в 3 раза; 4 - увеличениеLa в 4 раза; 5 – увеличениеLa в 5 раз)

а б
Рисунок 2.15 – Переходные процессы в двухмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении момента инерции второй массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ2 в 2 раза;
3 – уменьшение J2 в 3 раза; 4 – уменьшение J2 в 4 раза; 5 – уменьшение J2 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеJ2 в 2
раза; 3 – уменьшение J2 в 3 раза; 4 – уменьшение J2 в 4 раза; 5 – уменьшение J2 в 5 раз)

а б
Рисунок 2.16 – Переходные процессы в двухмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении момента инерции второй массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3
– увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3 –
увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз)

а б
Рисунок 2.17 – Переходные процессы в двухмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер в 2 раза; 3
– уменьшение р в 3 раза; 4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз); б)

88
 настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшение р в 2
раза; 3 – уменьшение р в 3 раза; 4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз)

а б
Рисунок 2.18 – Переходные процессы в двухмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер в 2 раза; 3
– увеличениер в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал; 2 – увеличениер в 2 раза; 3 – увеличениер в 3 раза)

а б
Рисунок 2.19 – Переходные процессы в двухмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеLa в 2 раза; 3 –
уменьшение La в 3 раза; 4 – уменьшение La в 4 раза; 5 – уменьшение La в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеLa в 2
раза; 3 – уменьшение La в 3 раза; 4 – уменьшение La в 4 раза; 5 – уменьшение La в 5 раз)

а б
Рисунок 2.20 – Переходные процессы в двухмассовом электромеханическом объекте с
модальным управлением скоростью при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеLa в 2 раза; 3 –
увеличение La в 3 раза; 4 - увеличениеLa в 4 раза; 5 – увеличениеLa в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеLa в 2 раза; 3 –
увеличениеLa в 3 раза; 4 - увеличениеLa в 4 раза; 5 – увеличениеLa в 5 раз)

89
2.1.3 Адаптивные системы управления положением
2.1.3.1 Адаптивные системы с параметрической и сигнальной настройками
для управления положением двухмассового упругого механического объекта
Рассмотрим двухмассовый упругий механический объект, замкнутый
по скорости 1 и положению q с контурными П-регуляторами скорости и
положения.
Дифференциальные уравнения объекта имеют вид
q  ω 2 ; ω2  J 21 ( f y  M сх ); my  p  ω1  ω2  ; 

ω1   J11 f y  J11M m ; M m  Rя1km  k yuc  keω1  ;  (2.41)

uc  [(u  kп q2 )βп  kсω1 ]βс ; u  u0  uа ; u0  qзад .

В уравнениях (2.41) обозначения аналогичны обозначениям объекта (1.6), (2.1).
В силу уравнений (2.2), (2.3), (2.41)исходная следящая система с
подчиненным управлением и двухмассовым упругим объектом является
нелинейной и нестационарной, поэтому рассмотрим ее линейное и
стационарное приближение с некоторыми усредненными постоянными
параметрами в виде
q  ω2 ; ω2  J 021 my ; my  p0  ω1  ω2  ; 

1   J 01 my  J 01 Rя km  k yuс  keω1  ;
1 1 1
 (2.42)

uc  [(u  kп q)βп  kсω1 ]βс ; u  u0  uа ; u0  qзад .

Введем следующие обозначения:
1
a1  J 02 ; a2  p0 ; a3   J 011Rя1km k у kпβсβп ;

a4   J 011 ; a5   J 011Rя1km (ke  kс k уβс );  (2.43)

b  J 011 Rя1km k yβ cβ п . 
С учетом введенных обозначений перепишем линеаризованные уравнения
(2.42) с усредненными параметрами (2.43) в компактной форме:
q  ω2 ; ω2  a1my ; my  a2  ω1  ω2  ;
ω1  a3q  a4my  a5ω1  bu (2.44)

и для удобства представим их в векторно-матричной записи:

90
 x  Ax  bu ; y  c т x; 

0 1 0 0  0 0 q  
0 0 a    0 ω  
0 0 
A ; b   ; c   ; x    ,  (2.45)
1 2

0  a2 0 a2  0 0  mу 
       
 a3 0 a4 a5  b  c  ω1  


где x – вектор состояния линеаризованного объекта (2.42); y  c т x –

уравнение измерения; c  kc (здесь доступной измерению с помощью датчика
скорости (ДС) считается первая скорость 1 ).
Модальный регулятор для линеаризованного объекта четвертого порядка
(2.44) имеет вид полной линейной обратной связи по состоянию:
uл  kx  k1q  k2ω2  k3my  k4ω1 , (2.46)

где uл – линейное (модальное) управление; k  [k1 k2 k3 k4 ] – вещественный

вектор коэффициентов обратных связей, рассчитывающихся из условия
обеспечения любого наперед заданного желаемого распределения всех
корней характеристического уравнения замкнутой системы (2.45).
Расчет вектора k коэффициентов обратных связей производится в среде
моделирования Matlab при помощи команды
K=-place(A,B,pm),
где параметр «pm» определяет желаемое распределение корней
характеристического полинома.
Выбираем следующие значения параметра «pm»:
 Распределение корней по полиному Ньютона
pm=[-w0 -0.99*w0 -1.01*w0 -0.999*w0];
при котором все корни являются отрицательными вещественными
числами и равными друг другу λ1  λ 2  λ3  λ 4  ω0 ; ω0  ωoп –
максимально достижимая полоса пропускания контура положения.
Такое распределение корней характеристического уравнения
(отсутствует мнимая часть у корней) полностью обеспечивает

91
 подавление упругих колебаний, возникающих в электромеханической
следящей системе с упругим объектом и подчиненным управлением.
 Распределение корней по полиному Баттерворта
pm=[-(0.3827+0.9239i)*w0 -(0.3827-0.9239i)*w0 -(0.9239+0.3827i)*w0…
-(0.9239-0.3827i)*w0];
где pm соответствует такому распределению корнейХП при котором
все корни являются отрицательными вещественными и комплексно
сопряженными числами
1  0 (0.3827  0.9239i); 2  0 (0.3827  0.9239i);
3  0 (0.9239  0.3827i); 4  0 (0.9239  0.3827i).
Такое распределение корней характеристического уравнения
обеспечивает максимальное быстродействие системе, хотя при этом
наблюдается возникновение перерегулирования и колебаний.
Идентификатор (наблюдатель) по измерению первой скорости 1
расчетного объекта (2.45) имеет вид

xˆ  A xˆ  lc т (xˆ  x)  bu , l  [l1 l2 l3 l4 ]т , (2.47)

или в скалярной записи
qˆ  ω
ˆ 2  l1c εˆ ω ;
ˆ 2  a1mˆ y  l2c εˆ ω ;
ω
(2.48)
mˆ y  a2ω
ˆ 2  a2ω
ˆ 1  l3c εˆ ω ;
ˆ 1  a3qˆ  a4 mˆ y  a5ω
ω ˆ 1  l4c εˆ ω  bu ,

где ˆ 2, m
qˆ , ω ˆ1
ˆ y, ω – оценки переменных состояния объекта (2.41);

ˆ 1  1 – ошибка наблюдения; l  [l1 l2 l3 l4 ]т – вектор коэффициентов

ˆ   
обратных связей наблюдателя (2.47) по ошибке наблюдения ̂  измеряемой
угловой скорости 1 ( c  kc ).
Расчет вектора l коэффициентов обратных связей наблюдателя
производится в среде моделирования Matlab при помощи команды
L=-place(A',C',piden),
92
где параметр «piden» определяет желаемое распределение корней
характеристического полинома.
Как правило, распределение корней характеристического полинома для
расчета наблюдателя совпадает с выбором корней характеристического
полинома для расчета модального управления, с той разницей, что полоса
пропускания наблюдателя в q больше полосы пропускания объекта
управления ( ωН  qω0 – максимально достижимая полоса пропускания
наблюдателя).
С учетом (2.46), (2.47) получим реализуемый линейный (модальный)
закон обратной связи по вектору оценки состояния x̂ линеаризованного
двухмассового упругого объекта (2.45), вырабатываемому наблюдателем в
виде
uл  kxˆ  k1ˆ  k2
ˆ 2  k3m
ˆ y  k4
ˆ1
. (2.49)
Поскольку мы выбрали в качестве эталонной модели двухмассового
упругого механического объекта замкнутую систему, состоящую из
линеаризованного объекта (2.45) и модального управления (2.46), поэтому
система дифференциальных уравнений, описывающая эталонную модель,
имеет порядок, равный порядку объекта, и записывается в виде
x м  A м x м  b м u0 ; 

 0 1 0 0  0  
 0 0   
 ; b  b  0  , 
0 a1
A м  A  bk   (2.50)
 0  a2 0 a2  м 0  
   
 a3  bk1 bk2 a4  bk3 a5  bk4  b  

где xм  [qм , ω2м , myм ,ω1м ] т – вектор состояния эталонной модели.

Принимая во внимание то, что порядок рассматриваемого объекта равен

4 и задающее воздействие u0 является скалярной величиной, перепишем
упрощенную прямую адаптивную структуру (1.51), (1.52) с параметрической
настройкой, наблюдателем состояния (2.47) и эталонной моделью (2.50) для
управления двухмассовым упругим механическим объектом следующим образом:
93
 ua  t   k A  t  xˆ  kb  t  u0  t  ; (2.51)

k A  t    γ AbTм Pex
ˆ ˆ T  λ Ak A  t  ; 

 (2.52)
kb  t    γ bbм Peˆ u0  λ b kb  t  , 
T T

или в скалярной форе:
kA1  t    γ A δ(eˆ)qˆ  λ A kA1  t  ; kA2  t    γ A δ(eˆ)ωˆ 2  λ A kA2  t  ; 

kA3  t    γ A δ(eˆ)mˆ y  λ A kA3  t  ; kA4  t    γ A δ(eˆ)ˆ1  λ A kA4  t  ; (2.53)

kb  t    γ b δ(eˆ)u0T  λ b kb  t  , 

где все обозначения аналогичны (2.21) – (2.23).

Для подпрограммы адаптивного регулятора с параметрической
настройкой были выбраны или вычислены следующие исходные матрицы и
коэффициенты:
 симметричная положительно определенная матрица G в
уравнении Ляпунова (1.41) равна:
G  diag  10, 10, 10, 10 ;

 симметричная положительно определенная матрица P в

адаптивном алгоритме определена в Matlab специальной
функцией lyap для решения уравнения Ляпунова:
 27.7 4.52 1.23 0.65
 4.52 11.38 4.43 0.1  ;
P  lyap(A Тм ,G )   
 1.23 4.43 10.68 1.05 
 
 0.65 0.1 1.05 0.81 

 положительные коэффициенты усилений настроек в адаптивном

алгоритме (2.51) – (2.53) выбраны:
γ A  10; λ A  1; γ b  10; λ b  1 .

Адаптивная система с сигнальной настройкой строится аналогично

(2.24), и реализация ее в системе Matlab выглядит следующим образом:
ua  t   h0 tanh  aδ(eˆ). (2.54)

94
 Результаты моделирования адаптивных систем управления с
параметрической и сигнальной настройками для управления скоростью
двухмассового упругого механического объекта приведены в таблице 2.3.
Таблица 2.3
Результаты моделирования модального и адаптивного управления положением
двухмассового механического объекта
Параметр Показатель Модальный регулятор Параметрическая Сигнальная адаптация
качества адаптация
Ньютон Баттерворт Ньютон Баттерворт Ньютон Баттерворт

1 tн, с - - - - - -
J2= J02
5 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - - - - -
J2= J02
4 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - 0,564 - 0,564 -

J2= J02
3 tp, с - - 0,409 - 0,409 -
σ, % - - 0,2 - 0,2 -

1 tн, с - - 0,741 0,376 0,741 0,376

J2= J02
2 tp, с - - 0,352 0,276 0,352 0,276
σ, % - - 0 0 0 0
tн, с 0,484 0,141 0,484 0,141 0,484 0,141
J2=J02 tp, с 0,249 0,219 0,249 0,219 0,249 0,219
σ, % 0 10,7 0 10,7 0 10,7
tн, с 0,223 0,161 0,278 0,180 0,278 0,180
J2=2J02 tp, с 1,035 3,010 0,573 0,420 0,573 0,420
σ, % 23,4 48,6 15,5 20 15,5 20
tн, с 0,239 - 0,311 0,214 0,311 0,214
J2=3J02 tp, с 4,566 - 1,051 0,800 1,051 0,800
σ, % 43,2 - 25,6 28,9 25,6 28,9
tн, с - - 0,344 0,242 0,344 0,242
J2=4J02 tp, с - - 1,274 0,964 1,274 0,964
σ, % - - 32,4 35,4 32,4 35,4
tн, с - - 0,373 0,267 0,373 0,267
J2=5J02 tp, с - - 1,869 1,423 1,869 1,423
σ, % - - 37,5 40 37,5 40

95
 1 tн, с - - 0,381 0,269 0,381 0,269
p= p0
5 tp, с - - 1,493 1,105 1,493 1,105
σ, % - - 36,2 35,7 36,2 35,7

1 tн, с - - 0,351 0,246 0,351 0,246

p= p0
4 tp, с - - 1,312 0,968 1,312 0,968
σ, % - - 31,3 31,1 31,3 31,1

1 tн, с 0,234 - 0,319 0,218 0,319 0,218

p= p0
3 tp, с 2,867 - 1,076 0,789 1,076 0,789
σ, % 37,6 - 24,6 25,2 24,6 25,2

1 tн, с 0,223 0,153 0,285 0,184 0,285 0,184

p= p0
2 tp, с 0,825 1,481 0,592 0,433 0,592 0,433
σ, % 19,4 39,7 15,1 16,4 15,1 16,4
tн, с 0,484 0,141 0,484 0,141 0,484 0,141
p=p0 tp, с 0,249 0,219 0,249 0,219 0,249 0,219
σ, % 0 10,7 0 10,7 0 10,7
tн, с 0,399 0,241 0,724 0,117 0,724 0,117
p=2p0 tp, с 0,272 0,453 0,319 0,279 0,319 0,279
σ, % 2,6 10,5 0 12,3 0 12,3
tн, с 0,382 - 0,446 0,109 0,446 0,109
p=3p0 tp, с 0,352 - 0,409 0,391 0,409 0,391
σ, % 4,7 - 0,7 13,4 0,7 13,4
tн, с - - 0,407 0,105 0,407 0,105
p=4p0 tp, с - - 0,532 0,667 0,532 0,667
σ, % - - 3,6 13,9 3,6 13,9
tн, с - - 0,257 - 0,257 -
p=5p0 tp, с - - 0,881 - 0,881 -
σ, % - - 7,6 - 7,6 -

Графики переходных процессов управления положением двухмассового

упругого механического с меняющимися параметрами объекта представлены
на рисунках 2.21 – 2.27.

96
 а б
Рисунок 2.21 – Переходные процессы в двухмассовом механическом объекте с модальным
управлением положением при изменении момента инерции второй массы: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3 –
увеличениеJ2 в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал; 2 – увеличениеJ2 в 2 раза)

а б
Рисунок 2.22 – Переходные процессы в двухмассовом механическом объекте с модальным
управлением положением при изменении коэффициента жесткости: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер в 2 раза; 3 –
уменьшение р в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал; 2 – уменьшениер в 2 раза)

а б
Рисунок 2.23 – Переходные процессы в двухмассовом механическом объекте с модальным
управлением положением при изменении коэффициента жесткости: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер в 2 раза; 3 –
увеличениер в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал; 2 – увеличениер в 2 раза)

97
 а б
Рисунок 2.24 – Переходные процессы в двухмассовом механическом объекте с
адаптивным управлением положением при изменении момента инерции второй массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ2 в 2 раза;
3 – уменьшение J2 в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал; 2 – уменьшениеJ2 в 2 раза)

а б
Рисунок 2.25 – Переходные процессы в двухмассовом механическом объекте с
адаптивным управлением положением при изменении момента инерции второй массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3
– увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3 –
увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз)

а б
Рисунок 2.26 – Переходные процессы в двухмассовом механическом объекте с
адаптивным управлением положением при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер в 2 раза; 3
– уменьшение р в 3 раза; 4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениер в 2
раза; 3 – уменьшение р в 3 раза; 4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз)

98
 а б
Рисунок 2.27 – Переходные процессы в двухмассовом механическом объекте с
адаптивным управлением положением при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер в 2 раза; 3
– увеличениер в 3 раза; 4 – увеличениер в 4 раза); б) настройки желаемого ХП по
полиному Баттерворта (1 – номинал; 2 – увеличениер в 2 раза; 3 – увеличениер в 3 раза; 4
– увеличениер в 4 раза)

2.1.3.2 Адаптивные системы с параметрической и сигнальной настройками

для управления положением двухмассового упругого электромеханического
объекта
Уравнения двухмассового упругого электромеханического объекта,
замкнутого по току I я , скорости 1 и положению q с контурными
П-регуляторами тока, скорости и положения, имеют вид
q  ω 2 ; ω2  J 21 ( f y  M сх ); my  p  ω1  ω2  ; 

ω1   J11 f y  J11M m ; Lя I я  uя  eя  Rя I я ; 

eя  keω1 ; uя  k yuy ; M m  km I я ; u y  uт  β т  uc  k т I я  ;  (2.55)

uc  β c  uп  kcω1  ; uп  β п  qзад  kп q  ; 
u  u0  uа ; u0  qзад . 

В уравнениях (2.55) обозначения аналогичны обозначениям в системе
уравнений (1.6), (2.27).
В силу уравнений (2.2) –(2.4) исходная следящая система с
подчиненным управлением и двухмассовым упругим объектом является
нелинейной и нестационарной, поэтому рассмотрим ее линейное и
стационарное приближение с некоторыми усредненными постоянными
параметрамив виде

99
 q  ω2 ; ω2  J 021 my ; my  p0  ω1  ω2  ; 

ω1   J 011 my  J 011 M m ; LЯ I Я  (u Я  RЯ I Я  eЯ ); 
 (2.56)
eя  keω1 ; uя  k yuy ; M m  km I я ; u y  uт  β т  uc  k т I я  ;

uc  [(u  kп q )β п  kсω1 ]β с ; u  u0  uа ; u0  qзад . 
Введем следующие обозначения:
1
a1  J 02 ; a2  p0 ; a3   J 011 ; 

a4  km J 011 ; a5   Lя1k у kпβ Тβ сβ п ; 
1 1  (2.57)
a6   Lя (k у kcβ Тβ с  ke ); a7   Lя (k уβ Т kT  RЯ ) 

b  k уβ Тβ cβ п Lя1. 
С учетом введенных обозначений перепишем линеаризованные уравнения
(2.56) с усредненными параметрами (2.57) в компактной форме:
q  ω2 ; ω2  a1my ; my  a2  ω1  ω2  ;
ω1  a3my  a4 I Я ; I Я  a5q  a6ω1  a7 I Я  bu (2.58)

и для удобства представим их в векторно-матричной записи:

x  Ax  bu ; y  c т x; 

0 1 0 0 0 0  0  q
0 a1 0 0  0  0  ω  

0
      2  
A   0 a 2 0 a 2 0  ; b  0  ; c  0  ; x   my  ,  (2.59)
       
0 0 a3 0 a 4  0  c   ω1  
 a5 0 0 a6 a7  b  0  I Я  

где x – вектор состояния линеаризованного объекта (2.56); y  c т x –

уравнение измерения; c  kc (здесь доступной измерению с помощью датчика
скорости (ДС) считается первая скорость 1 ).
Модальный регулятор для линеаризованного объекта пятого порядка
имеет вид полной линейной обратной связи по состоянию:
uл  kx  k1q  k2ω2  k3my  k4ω1  k5 I Я , (2.60)
где uл – линейное (модальное) управление; k  [k1 k2 k3 k4 k5 ] –
вещественный вектор коэффициентов обратных связей, рассчитывающихся

100
из условия обеспечения любого наперед заданного желаемого распределения
всех корней характеристического уравнения замкнутой системы (2.56),
(2.59).
Расчет вектора k коэффициентов обратных связей производится в среде
моделирования Matlab при помощи команды
K=-place(A,B,pm),
где параметр «pm» определяет желаемое распределение корней
характеристического полинома.
Выбираем следующие значения параметра «pm»:
 Распределение корней по полиному Ньютона
pm=[-w0 -1.01*w0 -0.99*w0 -0.999*w0 -1.001*w0];
при котором все корни являются отрицательными вещественными
числами и равными друг другу λ1  λ 2  λ 3  λ 4 =λ 5  ω0 ; ω0  ωoп –
максимально достижимая полоса пропускания контура положения.
Такое распределение корней характеристического уравнения
(отсутствует мнимая часть у корней) полностью обеспечивает
подавление упругих колебаний, возникающих в электромеханической
следящей системе с упругим объектом и подчиненным управлением.
 Распределение корней по полиному Баттерворта
pm=[-w0 -(0.809+0.588i)*w0 -(0.809-0.588i)*w0…
-(0.309+0.951i)*w0 -(0.309-0.951i)*w0];
где параметр «pm» соответствует такому распределению корней 1 5 ,
при котором все корни являются отрицательными вещественными и
комплексно–сопряженными числами:
λ1  ω0 (0.8092  0.5883i ); λ 2  ω0 (0.8092  0.5883i);
λ3  ω0 (0.3093  0.9508i ); λ 4  ω0 (0.3093  0.9508i);
λ 5   ω0 .

101
 Такое распределение корней характеристического уравнения
обеспечивает максимальное быстродействие системе, хотя при этом
наблюдается возникновение перерегулирования и колебаний.
Идентификатор (наблюдатель) по измерению первой скорости 1
расчетного объекта (2.56) имеет вид
xˆ  A xˆ  lc т (xˆ  x)  bu , l  [l1 l2 l3 l4 l5 ]т , (2.61)
или в скалярной записи

qˆ  ω
ˆ 2  l1c εˆ ω ;
ˆ 2  a1mˆ y  l2c εˆ ω ;
ω
mˆ y  a2ω
ˆ 2  a2ω
ˆ 1  l3c εˆ ω ; (2.62)
ˆ 1  a3mˆ y  l4c εˆ ω  a4 IˆЯ ;
ω

IˆЯ  a5qˆ  a6ω

ˆ 1  l5c εˆ ω  a7 IˆЯ  ub

ˆ 2 , mˆ y , ωˆ 1, IˆЯ – оценки переменных состояния объекта (2.56);

где qˆ, ω

ˆ   
ˆ 1  1 – ошибка наблюдения; l  [l1 l2 l3 l4 l5 ]т – вектор коэффициентов

обратных связей наблюдателя (2.60) по ошибке наблюдения ̂  измеряемой

угловой скорости 1 ( c  kc ).
Расчет вектора l коэффициентов обратных связей наблюдателя
производится в среде моделирования Matlab при помощи команды
L=-place(A',C',piden),
где параметр «piden» определяет желаемое распределение корней
характеристического полинома.
Как правило, распределение корней характеристического полинома для
расчета наблюдателя совпадает с выбором корней характеристического
полинома для расчета модального управления, с той разницей, что полоса
пропускания наблюдателя в q больше полосы пропускания объекта
управления ( ωН  qω0 – максимально достижимая полоса пропускания
наблюдателя).

102
 Получим реализуемый линейный (модальный) закон обратной связи по
вектору оценки состояния x̂ линеаризованного двухмассового упругого
объекта (2.56), вырабатываемому наблюдателем в виде
uл  kxˆ  k1qˆ  k2ω ˆ 1  k5 IˆЯ .
ˆ 2  k3mˆ y  k4ω (2.63)
В качестве эталонной модели двухмассового упругого
электромеханического объекта выбираем замкнутую систему, состоящую из
линеаризованного объекта (2.56) и модального управления (2.60), поэтому
система дифференциальных уравнений, описывающая эталонную модель,
имеет порядок, равный порядку объекта, и записывается в виде
xм  A м xм  b мu0 ; 

 0 1 0 0 0  0  
 0  0  
  
0 0 a1 0
 
A м  A  bk   0 a2 0 a2 0  ; b м  b  0  ,  (2.64)
   
 0 0 a3 0 a4  0  
 a5  bk1 bk2 bk3 a6  bk4 a7  bk5  b  

где xм  [qм , ω2м , myм ,ω1м , I Ям ] т – вектор состояния эталонной модели.

Принимая во внимание то, что порядок рассматриваемого объекта равен

пяти и задающее воздействие u0 является скалярной величиной, запишем
адаптивную систему (1.51), (1.52) с параметрической настройкой,
наблюдателем состояния (2.61) и эталонной моделью (2.64) для управления
двухмассовым упругим электромеханическим объектом следующим образом:
ua  t   k A  t  xˆ  kb  t  u0  t  (2.65)

k A  t    γ AbTм Pexˆ ˆ T  λ Ak A  t  ; 

 (2.66)
kb  t    γ bbTм Peˆ u0T  λ b kb  t  ,  
или в скалярной форе:
kA1  t    γ A δ(eˆ)qˆ  λ A kA1  t  ; kA2  t    γ A δ(eˆ)ˆ 2  λ A kA2  t  ; 

kA3  t    γ A δ(eˆ)mˆ y  λ A kA3  t  ; kA4  t    γ A δ(eˆ)ˆ1  λ A kA4  t  ; (2.67)

kA5  t    γ A δ(eˆ) IˆЯ  λ A kA5  t  ; kb  t    γ b δ(eˆ)u0T  λ b kb  t  , 

где все обозначения аналогичны (2.21) (2.23).

103
 Для адаптивной системы управления с параметрической настройкой
положением двухмассового упругого электромеханического объекта были
выбраны или вычислены следующие исходные матрицы и коэффициенты:
 симметричная положительно определенная матрица G в
уравнении Ляпунова (1.41) равна:
G  diag  10, 10, 10, 10, 10 ;

 симметричная положительно определенная матрица P в

адаптивном алгоритме определена в Matlab специальной
функцией lyap для решения уравнения Ляпунова:
3007.2 266.29 135.9 115.63 0.0086 
 266.29 46.83 13.98 9.27 0.0676
 
P  lyap(A Тм ,G )   135.9 13.98 16.58 8.39 0.0595  ;
 
115.63 9.27 8.39 13.3 0.5816 
 0.0086 0.0676 0.0595 0.5816 0.3961 

 положительные коэффициенты усилений настроек в адаптивном

алгоритме равны:
γ A  10; λ A  1; γ b  10; λ b  1 .
Адаптивная система с сигнальной настройкой строится аналогично
(2.24) и реализация ее в системе Matlab выглядит следующим образом:
ua  t   h0 tanh  aδ(eˆ). (2.68)
Результаты моделирования адаптивных систем управления с
параметрической и сигнальной настройками для управления скоростью
двухмассового упругого электромеханического объекта приведены в таблице 2.4.
Таблица 2.4
Результаты моделирования модального и адаптивного управления положением
двухмассового электромеханического объекта
Параметр Показатель Модальный регулятор Параметрическая Сигнальная адаптация
качества адаптация
Ньютон Баттерворт Ньютон Баттерворт Ньютон Баттерворт

1 tн, с - - - - - -
J2= J02
5 tp, с - - - - - -
σ, % - - - - - -

104
 1 tн, с - - - - - -
J2= J02
4 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - - - - -
J2= J02
3 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - 0,326 - 0,326 -

J2= J02
2 tp, с - - 0,659 - 0,659 -
σ, % - - 5,7 - 5,7 -
tн, с 0,478 0.163 0,478 0.163 0,478 0.163
J2=J02 tp, с 0,294 0.246 0,294 0.246 0,294 0.246
σ, % 0 12.8 0 12.8 0 12.8
tн, с 0,0,281 0.198 0,321 0.219 0,321 0.219
J2=2J02 tp, с 1,322 1.884 0,633 0.492 0,633 0.492
σ, % 26,1 45.7 16,3 23.5 16,3 23.5
tн, с 0,306 0.224 0,360 0.263 0,360 0.263
J2=3J02 tp, с 4,433 10.771 1,140 0.952 1,140 0.952
σ, % 44,8 62.8 26,1 32.9 26,1 32.9
tн, с 0,329 - 0,396 0.294 0,396 0.294
J2=4J02 tp, с 123 - 1,406 1.146 1,406 1.146
σ, % 60 - 32,6 38.9 32,6 38.9
tн, с - - 0,429 0.323 0,429 0.323
J2=5J02 tp, с - - 1,607 1.731 1,607 1.731
σ, % - - 37,5 43.3 37,5 43.3

1 tн, с - - 0,475 - 0,475 -

p= p0
5 tp, с - - 1,866 - 1,866 -
σ, % - - 36,6 - 36,6 -

1 tн, с - - 0,437 - 0,437 -

p= p0
4 tp, с - - 1,631 - 1,631 -
σ, % - - 31,8 - 31,8 -

1 tн, с - - 0,394 - 0,394 -

p= p0
3 tp, с - - 1,317 - 1,317 -
σ, % - - 25,4 - 25,4 -

1 tн, с - - 0,346 - 0,346 -

p= p0
2 tp, с - - 0,728 - 0,728 -
σ, % - - 16,2 - 16,2 -
tн, с 0,478 0.163 0,478 0.163 0,478 0.163
p=p0 tp, с 0,294 0.246 0,294 0.246 0,294 0.246
σ, % 0 12.8 0 12.8 0 12.8

105
 tн, с - - 0,392 - 0,392 -
p=2p0 tp, с - - 2,617 - 2,617 -
σ, % - - 12,1 - 12,1 -
tн, с - - - - - -
p=3p0 tp, с - - - - - -
σ, % - - - - - -
tн, с - - - - - -
p=4p0 tp, с - - - - - -
σ, % - - - - - -
tн, с - - - - - -
p=5p0 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - 0,591 - 0,591 -

La= La0
5 tp, с - - 0,292 - 0,292 -
σ, % - - 0 - 0 -

1 tн, с - - 0,588 - 0,588 -

La = La 0
4 tp, с - - 0,292 - 0,292 -
σ, % - - 0 - 0 -

1 tн, с - - 0,582 - 0,582 -

La = La 0
3 tp, с - - 0,292 - 0,292 -
σ, % - - 0 - 0 -

1 tн, с - - 0,567 - 0,567 -

La = La 0
2 tp, с - - 0,292 - 0,292 -
σ, % - - 0 - 0 -
tн, с 0,478 0.163 0,478 0.163 0,478 0.163
La = La 0 tp, с 0,294 0.246 0,294 0.246 0,294 0.246
σ, % 0 12.8 0 12.8 0 12.8
tн, с - - - - - -
La =2 La 0 tp, с - - - - - -
σ, % - - - - - -
tн, с - - - - - -
La =3 La 0 tp, с - - - - - -
σ, % - - - - - -
tн, с - - - - - -
La =4 La 0 tp, с - - - - - -
σ, % - - - - - -
tн, с - - - - - -
La =5 La 0 tp, с - - - - - -
σ, % - - - - - -

106
 Графики переходных процессов управления положением двухмассового
упругого электромеханического объекта с меняющимися параметрами
объекта представлены на рисунках 2.28 – 2.33.

а б
Рисунок 2.28 – Переходные процессы в двухмассовом электромеханическом объекте с
модальным управлением положением при изменении момента инерции второй массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3
– увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза); б) настройки желаемого ХП по
полиному Баттерворта (1 – номинал; 2 – увеличение J2 в 2 раза; 3 – увеличениеJ2 в 3 раза)

а б
Рисунок 2.29 – Переходные процессы в двухмассовом электромеханическом объекте с
адаптивным управлением положением при изменении момента инерции второй массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ2 в 2
раза;); б) настройки желаемого ХП по полиному Баттерворта (1 – номинал)

а б
Рисунок 2.30 – Переходные процессы в двухмассовом электромеханическом объекте с
адаптивным управлением положением при изменении момента инерции второй массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3
– увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз); б) настройки
107
 желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ2 в 2 раза; 3 –
увеличениеJ2 в 3 раза; 4 – увеличениеJ2 в 4 раза; 5 – увеличениеJ2 в 5 раз)

а б
Рисунок 2.31 – Переходные процессы в двухмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер в 2 раза; 3
– уменьшение р в 3 раза; 4 – уменьшение р в 4 раза; 5 – уменьшение р в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал)

а б
Рисунок 2.32 – Переходные процессы в двухмассовом электромеханическом объекте с
адаптивным управлением положением при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер в 2 раза);
б) настройки желаемого ХП по полиному Баттерворта (1 – номинале)

а б
Рисунок 2.33 – Переходные процессы в двухмассовом электромеханическом объекте с
адаптивным управлением положением при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеLa в 2 раза; 3 –
уменьшение La в 3 раза; 4 – уменьшение La в 4 раза; 5 – уменьшение La в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал).

108
2.2 Трехмассовые упругие механические и
электромеханические объекты

2.2.1 Исходные данные трехмассового упругого механического и

электромеханического объектов и расчет подчиненного регулирования
Примем в качестве исходного для разработки систем управления
трехмассовый упругий электромеханический объект с двух- и
трехконтурным подчиненным управлением по току якоря, первой скорости и
положению нагрузки. В качестве приводного двигателя используется
двигатель постоянного тока типа 5МТ мощностью 7.4кВт . Рассматриваемый

объект имеет следующие исходные параметры: J 01  0.05 кг  м2 ;

J 02  0.03 кг  м2 ; J 03  0.1 кг  м2 ; p01  30 Н  м/рад ; p02  25 Н  м/рад ;

остальные исходные параметры такие, как у двухмассового
электромеханического объекта, рассматриваемого в разделе 2.1.
Предположим, что упругие связи в рассматриваемом объекте заменены
жесткими. Тогда суммарный момент инерции электропривода с сочлененным
с ним механизмом равен [9, 42, 53]:
J   J 01  J 02  J 03  0.18 кг  м2 .
Расчет двухконтурной электромеханической следящей
системы.Рассмотрим расчет двухконтурной системы подчиненного
регулирования с П-регуляторами скорости и положения. Принимаем
Т  т  0.005 с ;, где Т μ т – некомпенсируемая малая постоянная времени

контура тока; ат  2 – настроечный коэффициент, определяющий степень

демпфирования контура тока (в данном рассматриваемом объекте
пренебрегаем контуром тока за счет малой электромагнитной по сравнению с
электромеханической постоянной времени объекта). Тогда максимально
достижимая полоса пропускания замкнутого контура скорости равна:
ос  Т с1  (aтTт ) 1  100 рад/с
.

109
 Принимая ac  2 , где ac – настроечный коэффициент, определяющий
степень демпфирования контура скорости, по формуле получим
коэффициент передачи П-регулятора скорости для двухконтурной
электромеханической следящей системы:
J  Rяωос
βс   86.12 .
km ky kc ac

Максимально достижимая полоса пропускания замкнутого контура

положения равна:
ωоп  Тμп1  (aсTμс )1  ωоc / aс  50 рад/с .

Взяв aп  2 , где aп – настроечный коэффициент, определяющий

степень демпфирования контура положения, получим коэффициент
передачи П-регулятора положения для двухконтурной электромеханической
следящей системы:
ωоп kc
βп   25 .
kп aп
Расчет трехконтурной электромеханической следящей системы.
Применение двухконтурной системы управления возможно тогда, когда
электромагнитная постоянная якорной цепи более чем в десять раз меньше
электромеханической постоянной. Если это соотношение меньше, то при
расчете систем управления нельзя пренебрегать электромагнитной
постоянной и не учитывать контур тока. Рассмотрим расчет трехконтурной
системы подчиненного регулирования с П-регуляторами тока, скорости и
положения. Принимая Т  т  0.005 с ; ат  2 и используя исходные параметры

объекта, указанные выше, рассчитаем коэффициент передачи подчиненного

контура тока:
Lя ωот
βт   4.8;
k y k т aт
ωот  Т 1т  200 рад/с;

110
где ωот – максимально достижимая полоса пропускания замкнутого контура
тока; ат – настроечный коэффициент, определяющий степень

демпфирования контура тока (обычно принимают а т  1 2 ); Тμ т –

некомпенсируемая малая постоянная времени контура тока.

Для подчиненного контура скорости:
J  kт ωос
βс   9;
km kc ac
ωос  Т с1  (aтT т ) 1  100 рад/с;

где ос – максимально достижимая полоса пропускания замкнутого контура

скорости; ac  2 – настроечный коэффициент, определяющий степень демп-
фирования контура скорости; Tс – некомпенсируемая малая постоянная

времени контура скорости; «c» – индекс, указывающий на принадлежность

контуру скорости.
Для внешнего контура положения:
ωоп kc
βп   25;
kп aп
ωоп  Т 1п  (aсTс ) 1  50 рад/с;
где оп – максимально достижимая полоса пропускания
электромеханической следящей системы с подчиненным управлением; ап  2
– настроечный коэффициент, определяющий степень демпфирования
замкнутой «оптимизированной» следящей системы; Tп – некомпенсируемая

малая постоянная времени контура положения; «п» – индекс, указывающий

на принадлежность контуру положения.

111
2.2.2 Адаптивные системы управления скоростью
2.2.2.1 Адаптивные системы с параметрической и сигнальной настройками
для управления скоростью трехмассового упругого механического объекта
Рассмотрим трехмассовый упругий механический объект, замкнутый
по первой скорости 1 с контурным П-регулятором скорости.
Запишем дифференциальные уравнения рассматриваемого
трехмассового упругого механического объекта следующим образом:
ω3  J 31 ( f y2  M сх ); my2  p2  ω2  ω3  ; 

ω2  J 21 ( f y1  f y2 ); my1  p1  ω1  ω2  ; ω1   J11 f y1  J11M m ;

M m  Rя1km  k yuc  keω1  ; uc  [u  kсω1 ]β с ;
(2.69)


u  u0  uа ; u0  ωзад . 
В уравнениях (2.69) обозначено: my1 – упругий момент, возникающий при

деформации в первой упругой связи при отсутствии зазора; f y1 – упругий

момент, описываемый при учете зазора 21 в первой упругой связи

нелинейной (недифференцируемой) функцией вида
my1  p1δ1 , если my1  p1δ1;


f y1  0, если my1  p1δ1; (2.70)

my1  p1δ1 , если my1   p1δ1;

my2 – упругий момент, возникающий при деформации во второй упругой

связи при отсутствии зазора; f y2 – упругий момент, описываемый при учете

зазора 2 2 во второй упругой связи нелинейной функцией вида:

my2  p2δ 2 , если my2  p2δ 2 ;



f y2  0, если my2  p2δ 2 ; (2.71)

my2  p2δ 2 , если my2   p2δ 2 ;

J1, J2, J3– соответственно, моменты инерции первого, второго и третьего
дисков с учетом их приведения к вращению двигателя; p1, p2–
соответственно, коэффициенты упругости (жесткости) первой и второй

112
упругих связей; 1 угловая скоростье нагрузки; 1 , 2 , 3 – соответственно,
угловые скорости первого, второго и третьего дисков; M сх – момент
нелинейной нагрузки в виде сухого трения:
M сх  M сх0 sign ω3 , M сх0  (0.1...0.3) M ном ; (2.72)
M m – вращающий момент двигателя; Rя – активное сопротивление якорной

цепи; I я –ток в якорной цепи; LЯ – индуктивность обмотки якоря; k e , km –

постоянные коэффициенты, определяемые конструктивными данными
электрической машины; k y – коэффициент передачи усилителя мощности; k c –

коэффициент передачи датчика обратной связи по скорости; βc – коэффициент

усиления регулятора скорости; u – суммарный управляющий сигнал;
u0  ωзад – программное задание скорости вращения нагрузки; uа –
адаптивное управление, подлежащее определению.
Считаем, что моменты инерции, отнесенные к дискам, а также
коэффициенты жесткости являются неизвестными и нестационарными
(функциями времени):
J1  J1t ; J 2  J 2 t ; J 3  J 3 t ; p1  p1t ; p2  p2 t  , (2.73)
поэтому применение адаптивных систем в задаче подавления упругих
деформаций представляется актуальным.
В силу уравнений (2.70)– (2.73) исходная следящая система с
подчиненным управлением и трехмассовым упругим объектом является
нелинейной и нестационарной, поэтому рассмотрим ее линейное и
стационарное приближение с некоторыми усредненными постоянными
параметрами:
J1t   J 01; J 2 t   J 02 ; J 3 t   J 03; p1t   p01; p2 t   p02 . (2.74)
С учетом обозначений (2.74) запишем линейное стационарное
приближение уравнений (2.70)–(2.73) в виде

113
 1
ω3  J 03 my2 ; my2  p02  ω2  ω3  ; ω2  J 021 (my1  my2 ); 


my1  p01  ω1  ω2  ; ω1   J 011 my1  J 011 Rя1km  k yuс  keω1  ; (2.75)

uc  [u  kсω1 ]βс ; u  u0  uа ; u0  ωзад . 

Введем следующие обозначения:
1
a1  J 03 ; a2  p02 ; a3  J 02 1
; a4  p01; 


a5   J 011 ; a6   J 011Rя1km (ke  kс k уβ с ); (2.76)

b  J 011 Rя1km k yβ c . 

С учетом введенных обозначений перепишем линеаризованное уравнение
(2.75) с усредненными параметрами (2.76) в компактной форме:
ω3  a1 my2 ; my2  a2 ω3  a2 ω2 ; ω2  a3 my2  a3 my1;

 (2.77)
my1  a4 ω2  a4 ω1 ; ω1  a6 mу1  a7 ω1  bu 

и для удобства представим их в векторно-матричной записи:
x  Ax  bu ; y  c т x; 

 0 a1 0 0 0 0  0  ω3  
 a    0 m  
 y 2  
0 a2 0 0 0
 2     
A 0 a3 0 a3 0  ; b  0  ; cT  0  ; x   ω2  ,  (2.78)
       
 0 0 a4 0 a4  0
  0  m y1 
 0 0 0 a5 a6  b   c   ω1  

где x – вектор состояния линеаризованного объекта (2.75); y  c т x –

уравнение измерения; c  kc (здесь доступной измерению с помощью датчика
скорости (ДС) считается первая скорость 1 ).
Модальный регулятор для управления по скорости линеаризованным
трехмассовым упругим механическимобъектом (2.75) имеет вид полной
линейной обратной связи по состоянию
uл  kx  k1ω3  k2my2  k3ω2  k4my1  k5ω1 , (2.79)
где uл – линейное (модальное) управление; k  [k1 k2 k3 k4 k5 ] –
вещественный вектор коэффициентов обратных связей, рассчитывающихся

114
из условия обеспечения любого наперед заданного желаемого распределения
всех корней характеристического уравнения замкнутой системы (2.79).
Расчет вектора k коэффициентов обратных связей производится в среде
моделирования Matlab при помощи команды
K=-place(A,B,pm),
где параметр «pm» определяет желаемое распределение корней
характеристического полинома.
Выбираем следующие значения параметра «pm»:
 Распределение корней по полиному Ньютона
pm=[-w0 -1.01*w0 -0.99*w0 -0.999*w0 -1.001*w0];
при котором все корни являются отрицательными вещественными
числами и равными друг другу λ1  λ 2  λ 3  λ 4 =λ 5  ω0 ; ω0  ωoп –
максимально достижимая полоса пропускания контура положения.
Такое распределение корней характеристического уравнения
(отсутствует мнимая часть у корней) полностью обеспечивает
подавление упругих колебаний, возникающих в электромеханической
следящей системе с упругим объектом и подчиненным управлением.
 Распределение корней по полиному Баттерворта
pm=[-w0 -(0.809+0.588i)*w0 -(0.809-0.588i)*w0…
-(0.309+0.951i)*w0 -(0.309-0.951i)*w0];
где параметр «pm» соответствует такому распределению корней λ1 λ5
многочлена (2.78), при котором все корни являются отрицательными
вещественными и комплексносопряженными числами:
λ1  ω0 (0.8092  0.5883i ); λ 2  ω0 (0.8092  0.5883i);
λ3  ω0 (0.3093  0.9508i ); λ 4  ω0 (0.3093  0.9508i);
λ 5   ω0
Такое распределение корней характеристического уравнения
обеспечивает максимальное быстродействие системе, хотя при этом
наблюдается возникновение перерегулирования и колебаний.

115
 Идентификатор (наблюдатель) по измерению первой скорости 1
трехмассового упругого объекта (2.75) имеет вид
xˆ  A xˆ  lc т (xˆ  x)  bu , l  [l1 l2 l3 l4 l5 ]т , (2.80)
или в скалярной записи
ˆ 3  a1mˆ y2  l1c εˆ ω ;
ω
mˆ y2  a2ω
ˆ 3  a2ω
ˆ 2  l2c εˆ ω ;
ˆ 2  a3mˆ y2  a3mˆ y1  l3c εˆ ω ;
ω (2.81)
mˆ y1  a4ω
ˆ 2  a4ω
ˆ 1  l4c εˆ ω ;
ˆ 1  a5mˆ y1  a6ω
ω ˆ 1  l5c εˆ ω  bu ,

ˆ 3, m
где ω ˆ 2, m
ˆ y2 , ω ˆ 1 – оценки переменных состояния объекта (2.75);
ˆ y1, ω

ˆ   
ˆ 1  1 – ошибка наблюдения; l  [l1 l2 l3 l4 l5 ]т – вектор коэффициентов

обратных связей наблюдателя (2.80) по ошибке наблюдения ̂  измеряемой

угловой скорости 1 ( c  kc ).
Расчет вектора l коэффициентов обратных связей наблюдателя
производится в среде моделирования Matlab при помощи команды
L=-place(A',C',piden),
где параметр «piden» определяет желаемое распределение корней
характеристического полинома.
Как правило, распределение корней характеристического полинома для
расчета наблюдателя совпадает с выбором корней характеристического
полинома для расчета модального управления, с той разницей, что полоса
пропускания наблюдателя в q больше полосы пропускания объекта
управления ( ωН  qω0 – максимально достижимая полоса пропускания
наблюдателя).
С учетом (2.79), (2.80) получим реализуемый линейный (модальный)
закон обратной связи по вектору оценки состояния x̂ линеаризованного
трехмассового упругого объекта, вырабатываемому наблюдателем в виде

116
 uл  kxˆ  k1ω
ˆ 3  k2 m
ˆ y2  k3ω
ˆ 2  k4 m
ˆ y1  k5ω
ˆ1
. (2.82)
Так как мы выбрали в качестве эталонной модели трехмассового
упругого механического объекта замкнутую систему, состоящую из
линеаризованного объекта (2.75) и модального управления (2.79), поэтому
система дифференциальных уравнений, описывающая эталонную модель,
имеет порядок, равный порядку трехмассового упругого механического
объекта, и записывается в виде
xм  A м xм  b мu0 ; 

 0 a1 0 0 0  0  
 a 0  0  
   (2.83)
0 a2 0
 2 
A м  A  bk   0 a3 0 a3 0  ; b м  b  0  , 
   
 0 0 a4 0 a4  0  
 bk1 bk2 bk3 a5  bk4 a6  bk5  b  

где xм  [ω3м , my2м , ω2м , my1м ,ω1м ] т – вектор состояния эталонной модели.

Принимая во внимание то, что порядок рассматриваемого объекта равен

пяти и задающее воздействие u0 является скалярной величиной, перепишем
адаптивную систему управления скоростью трехмассового упругого
механического объекта с параметрической настройкой (1.51), (1.52),
наблюдателем состояния (2.80) и эталонной моделью (2.83) следующим
образом:
ua  t   k A  t  xˆ  kb  t  u0  t  ; (2.84)

k A  t    γ AbTм Pex
ˆ ˆ T  λ Ak A  t  ; 

 (2.85)
kb  t    γ bbм Peˆ u0  λ b kb  t  , 
T T

или в скалярной форе:
kA1  t    γ A δ(eˆ)ωˆ 3  λ A kA1  t  ; kA2  t    γ A δ(eˆ)mˆ y 2  λ A kA2  t  ; 

kA3  t    γ A δ(eˆ)ˆ 2  λ A kA3  t  ; kA4  t    γ A δ(eˆ)mˆ y1  λ A kA4  t  ;  (2.86)

kA5  t    γ A δ(eˆ)ˆ1  λ A kA5  t  ; kb  t    γ b δ(eˆ)u0T  λ b kb  t  , 

где все обозначения аналогичны (2.21) – (2.23).

117
 Для адаптивной системы управления с параметрической настройкой
положением двухмассового упругого механического объекта были выбраны
или вычислены следующие исходные матрицы и коэффициенты:
 симметричная положительно определенная матрица G в
уравнении Ляпунова (1.41) равна:
G  diag  10, 10, 10, 10, 10 ;

 симметричная положительно определенная матрица P в

адаптивном алгоритме определена в Matlab специальной
функцией lyap для решения уравнения Ляпунова:
3007.2 266.29 135.9 115.63 0.0086 
 266.29 46.83 13.98 9.27 0.0676
 
P  lyap(A Тм ,G )   135.9 13.98 16.58 8.39 0.0595  ;
 
115.63 9.27 8.39 13.3 0.5816 
 0.0086 0.0676 0.0595 0.5816 0.3961 

 положительные коэффициенты усилений настроек в адаптивном

алгоритме равны: γ A  10; λ A  1; γ b  10; λ b  1 .
Адаптивная система с сигнальной настройкой строится аналогично
(2.24), и реализация ее в системе Matlab выглядит следующим образом:
ua  t   h0 tanh  aδ(eˆ). (2.87)
Результаты моделирования адаптивных систем управления с
параметрической и сигнальной настройками для управления скоростью
трехмассового упругого электромеханического объекта приведены в таблице 2.5.
Таблица 2.5
Результаты моделирования модального и адаптивного управления скоростью
трехмассового механического объекта
Параметр Показатель Модальный регулятор Параметрическая Сигнальная адаптация
качества адаптация
Ньютон Баттерворт Ньютон Баттерворт Ньютон Баттерворт

1 tн, с 0.125 0.086 0.125 0.086 0.125 0.086

J3= J03
5 tp, с 0.278 0.884 0.320 0.381 0.320 0.381
σ, % 8.1 93.4 6.6 96.7 6.6 96.7

118
 1 tн, с 0.134 0.091 0.135 0.091 0.135 0.091
J3= J03
4 tp, с 0.282 0.812 0.333 0.316 0.333 0.316
σ, % 9 86.9 7.2 90.1 7.2 90.1

1 tн, с 0.150 0.099 0.151 0.099 0.151 0.099

J3= J03
3 tp, с 0.280 0.752 0.351 0.326 0.351 0.326
σ, % 9.1 75.2 6.6 77.9 6.6 77.9

1 tн, с 0.184 0.114 0.187 0.114 0.187 0.114

J3= J03
2 tp, с 0.291 0.520 0.172 0.332 0.172 0.332
σ, % 6.7 53.9 3.5 56.1 3.5 56.1
tн, с 0.460 0.157 0.460 0.157 0.460 0.157
J3=J03 tp, с 0.284 0.238 0.284 0.238 0.284 0.238
σ, % 0 12.8 0 12.8 0 12.8
tн, с 1.336 0.990 0.814 1.100 0.814 1.100
J3=2J03 tp, с 0.627 0.447 0.502 0.546 0.502 0.546
σ, % 0 0 0 0 0 0
tн, с 2.800 1.616 1.425 1.895 1.425 1.895
J3=3J03 tp, с 0.949 0.716 0.730 0.850 0.730 0.850
σ, % 0 0 0 0 0 0
tн, с 2.807 2.226 2.029 2.314 2.029 2.314
J3=4J03 tp, с 1.268 0.975 0.971 1.164 0.971 1.164
σ, % 0 0 0 0 0 0
tн, с 3.551 2.852 2.612 3.405 2.612 3.405
J3=5J03 tp, с 1.585 1.237 1.219 1.478 1.219 1.478
σ, % 0 0 0 0 0 0

1 tн, с 0.338 0.285 0.349 0.269 0.349 0.269

p2= p02
5 tp, с 1.102 1.107 1.185 1.067 1.185 1.067
σ, % 27.8 37.7 31.9 30.9 31.9 30.9

1 tн, с 0.319 0.260 0.328 0.244 0.328 0.244

p2= p02
4 tp, с 0.681 0.973 1.051 0.882 1.051 0.882
σ, % 22.9 33.9 26.6 26.3 26.6 26.3

1 tн, с 0.299 0.229 0.307 0.216 0.307 0.216

p2= p02
3 tp, с 0.595 0.802 0.846 0.540 0.846 0.540
σ, % 16.7 27.8 19.7 20.1 19.7 20.1

1 tн, с 0.284 0.194 0.291 0.187 0.291 0.187

p2= p02
2 tp, с 0.468 0.442 0.513 0.426 0.513 0.426
σ, % 8.3 16.2 10.4 17.2 10.4 17.2
tн, с 0.460 0.157 0.460 0.157 0.460 0.157
p2=p02 tp, с 0.284 0.238 0.284 0.238 0.284 0.238
σ, % 0 12.8 0 12.8 0 12.8

119
 tн, с 1.130 0.144 0.602 0.155 0.602 0.155
p2=2p02 tp, с 0.328 0.321 0.356 0.307 0.356 0.307
σ, % 0 6.7 0 3.1 0 3.1
tн, с 0.754 0.147 0.621 0.164 0.621 0.164
p2=3p02 tp, с 0.344 0.316 0.357 0.327 0.357 0.327
σ, % 0 4.8 0 3 0 3
tн, с 0.800 - 0.560 - 0.560 -
p2=4p02 tp, с 0.361 - 0.384 - 0.384 -
σ, % 0 - 0.7 - 0.7 -
tн, с 0.664 - 0.518 - 0.518 -
p2=5p02 tp, с 0.356 - 0.417 - 0.417 -
σ, % 0.2 - 1.6 - 1.6 -

Графики переходных процессов управления скоростью трехмассового

упругого механического с меняющимися параметрами объекта представлены
на рисунках 2.34 – 2.41

а б
Рисунок 2.34 – Переходные процессы в трехмассовом механическом объекте с модальным
управлением скоростью при изменении момента инерции третьей массы: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ3 в 2 раза; 3 –
уменьшение J3 в 3 раза; 4 – уменьшение J3 в 4 раза; 5 – уменьшение J3 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеJ3 в 2
раза; 3 – уменьшение J3 в 3 раза; 4 – уменьшение J3 в 4 раза; 5 – уменьшение J3 в 5 раз)

а б
Рисунок 2.35 – Переходные процессы в трехмассовом механическом объекте с модальным
управлением скоростью при изменении момента инерции третьей массы: а) настройки
120
 желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3 –
увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3 –
увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз)

а б
Рисунок 2.36 – Переходные процессы в трехмассовом механическом объекте с модальным
управлением скоростью при изменении коэффициента жесткости: а) настройки желаемого
ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер2 в 2 раза; 3 – уменьшение р2 в 3
раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз); б) настройки желаемого ХП
по полиному Баттерворта (1 – номинал; 2 – уменьшениер2 в 2 раза; 3 – уменьшение р2 в 3
раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз)

а б
Рисунок 2.37 – Переходные процессы в трехмассовом механическом объекте с модальным
управлением скоростью при изменении коэффициента жесткости: а) настройки желаемого
ХП по полиному Ньютона (1 – номинал; 2 – увеличение р2 в 2 раза; 3 – увеличениер2 в 3
раза; 4 - увеличениер2 в 4 раза; 5 – увеличениер2 в 5 раз); б) настройки желаемого ХП по
полиному Баттерворта (1 – номинал; 2 – увеличениер2 в 2 раза; 3 – увеличениер2 в 3 раза)

а б
Рисунок 2.38 – Переходные процессы в трехмассовом механическом объекте с
адаптивным управлением скоростью при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ3 в 2 раза;
3 – уменьшение J3 в 3 раза; 4 – уменьшение J3 в 4 раза; 5 – уменьшение J3 в 5 раз); б)

121
 настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеJ3 в 2
раза; 3 – уменьшение J3 в 3 раза; 4 – уменьшение J3 в 4 раза; 5 – уменьшение J3 в 5 раз)

а б
Рисунок 2.39 – Переходные процессы в трехмассовом механическом объекте с
адаптивным управлением скоростью при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3
– увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3 –
увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз)

а б
Рисунок 2.40 – Переходные процессы в трехмассовом механическом объекте с
адаптивным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер2 в 2 раза;
3 – уменьшение р2 в 3 раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениер2 в 2
раза; 3 – уменьшение р2 в 3 раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз)

а б
Рисунок 2.41 – Переходные процессы в трехмассовом механическом объекте с
адаптивным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер2 в 2 раза; 3
– увеличениер2 в 3 раза; 4 - увеличениер2 в 4 раза; 5 – увеличение р2 в 5 раз); б) настройки

122
 желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениер2 в 2 раза; 3 –
увеличениер2 в 3 раза)

2.2.2.2 Адаптивные системы с параметрической и сигнальной настройками

для управления скоростью трехмассового упругого электромеханического
объекта
Рассмотрим трехмассовый упругий электромеханический объект,
замкнутый по току якоря I я и скорости 1 с контурными П-регуляторами
тока и скорости.
Запишем дифференциальные уравнения рассматриваемого
трехмассового упругого электромеханического объекта следующим образом:
ω3  J 31 ( f y2  M сх ); my2  p2  ω2  ω3  ; 

ω2  J 21 ( f y1  f y2 ); my1  p1  ω1  ω2  ; ω1   J11 f y1  J11M m ; 
 (2.88)
Lя I я  uя  eя  Rя I я ; eя  keω1 ; uя  k yu y ; M m  km I я ; 

uy  uт  β т  uc  kт I я  ; uc  βc  u  kcω1  ; u  u0  uа ; u0  ωзад . 

Запишем линейное стационарное приближение уравнений (2.88) в виде

1
ω3  J 03 my2 ; my2  p02  ω2  ω3  ; ω2  J 021 (my1  my2 ); 

my1  p01  ω1  ω2  ; ω1   J 011 my1  J 011M m ; 
 (2.89)
Lя I я  uя  eя  Rя I я ; eя  keω1 ; uя  k yu y ; M m  km I я ; 

uy  uт  β т  uc  kт I я  ; uc  βc  u  kcω1  ; u  u0  uа ; u0  ωзад .

Введем следующие обозначения:

1
a1  J 03 ; a2  p02 ; a3  J 021
; a4  p01; a5   J 011 ;


a6  km J 011 ; a7  (k у kcβTβс  ke ) LЯ1;  (2.90)

a8  (k у kTβT  RЯ ) LЯ1; b  k yβTβc LЯ1; c  kc . 

С учетом введенных обозначений перепишем линеаризованные уравнения
(2.89) с усредненными параметрами (2.90) в компактной форме:
ω3  a1 my2 ; my2  a2 ω3  a2 ω2 ; ω2  a3 my2  a3 my1;

my1  a4 ω2  a4 ω1 ; ω1  a5 mу1  a6 I Я ;  (2.91)

I Я  a7ω1  a8 I Я  bu , 

123
и для удобства представим их в векторно-матричной записи:
x  Ax  bu ; y  c т x; 

 0 a1 0 0 0 0 0  0  ω3  
 a 0 a2 0 0 0 0  0 m  
 2       y2  
 0 a3 0 a3 0 0  0  T 0 ω   (2.92)
A ; b   ; c   ; x   2  ,
 0 0 a4 0 a4 0 0  0  m y1  
 0 0 0 a5 0 a6  0  0  ω1  
       
 0 0 0 0 a7 a8  b  c   IЯ  

где x – вектор состояния линеаризованного объекта (2.89); y  c т x –

уравнение измерения; c  kc (здесь доступной измерению с помощью датчика
скорости (ДС) считается первая скорость 1 ).
Модальный регулятор для линеаризованного трехмассового упругого
электромеханического объекта (2.89) имеет вид полной линейной обратной
связи по состоянию
uл  kx  k1ω3  k2my2  k3ω2  k4my1  k5ω1  k6 I Я , (2.93)
где uл – линейное (модальное) управление; k  [k1 k2 k3 k4 k5 k6 ] –
вещественный вектор коэффициентов обратных связей, рассчитывающихся
из условия обеспечения любого наперед заданного желаемого распределения
всех корней характеристического уравнения замкнутой системы (2.89).
Расчет вектора k коэффициентов обратных связей производится в среде
моделирования Matlab при помощи команды
K=-place(A,B,pm),
где параметр «pm» определяет желаемое распределение корней
характеристического полинома.
Выбираем следующие значения параметра «pm»:
 Распределение корней по полиному Ньютона
pm=[-w0 -1.01*w0 -0.99*w0 -1.001*w0 -1.05*w0 -0.95*w0];

124
 при котором все корни являются отрицательными вещественными
числами и равными друг другу λ1  λ 2  λ3  λ 4  λ5  λ 6  ω0 ; ω0  ωoc
– максимально достижимая полоса пропускания контура скорости.
Такое распределение корней характеристического уравнения
(отсутствует мнимая часть у корней) полностью обеспечивает
подавление упругих колебаний, возникающих в электромеханической
следящей системе с упругим объектом и подчиненным управлением.
 Распределение корней по полиному Баттерворта
pm=[-(0.2588+0.9659i)*w0 -(0.2588-0.9659i)*w0…
-(0.7071+0.7071i)*w0 -(0.7071-0.7071i)*w0…
-(0.9659+0.2588i)*w0 -(0.9659-0.2588i)*w0];
где параметр «pm» соответствует такому распределению корней
λ1 λ6 , при котором все корни являются отрицательными
вещественными и комплексно–сопряженными числами:
λ1  ω0 (0.2588  0.9659i ); λ 2  ω0 (0.2588  0.9659i);
λ3 =  ω0 (0.7071  0.7071i); λ 4  ω0 (0.7071  0.7071i);
λ5  ω0 (0.9659  0.2588i ); λ 6  ω0 (0.9659  0.2588i).
Такое распределение корней характеристического уравнения
обеспечивает максимальное быстродействие системе, хотя при этом
наблюдается возникновение перерегулирования и колебаний.
Идентификатор (наблюдатель) по измерению первой скорости 1
трехмассового упругого объекта (2.90) имеет вид
xˆ  A xˆ  lc т (xˆ  x)  bu , l  [l1 l2 l3 l4 l5 l6 ]т , (2.94)
или в скалярной записи

125
 ˆ 3  a1mˆ y2  l1c εˆ ω ;
ω
mˆ y2  a2ω
ˆ 3  a2ω
ˆ 2  l2c εˆ ω ;
ˆ 2  a3mˆ y2  a3mˆ y1  l3c εˆ ω ;
ω
(2.95)
mˆ y1  a4ω
ˆ 2  a4ω
ˆ 1  l4c εˆ ω ;
ˆ 1  a5mˆ y1  l5c εˆ ω  a6 IˆЯ ;
ω

IˆЯ  a7ω
ˆ 1  l6c εˆ ω  a8 IˆЯ  bu ,

ˆ 3 , mˆ y2 , ωˆ 2 , mˆ y1, ωˆ 1, IˆЯ – оценки переменных состояния объекта (2.89);

где ω

ˆ   
ˆ 1  1 – ошибка наблюдения; l  [l1 l2 l3 l4 l5 l6 ]т – вектор
коэффициентов обратных связей наблюдателя (2.94) по ошибке наблюдения
̂  измеряемой угловой скорости 1 ( c  kc ).
Расчет вектора l коэффициентов обратных связей наблюдателя
производится в среде моделирования Matlab при помощи команды
L=-place(A',C',piden),
где параметр «piden» определяет желаемое распределение корней
характеристического полинома.
Как правило, распределение корней характеристического полинома для
расчета наблюдателя совпадает с выбором корней характеристического
полинома для расчета модального управления, с той разницей, что полоса
пропускания наблюдателя в q больше полосы пропускания объекта
управления ( ωН  qω0 – максимально достижимая полоса пропускания
наблюдателя).
С учетом (2.93) получим реализуемый линейный (модальный) закон
обратной связи по вектору оценки состояния x̂ линеаризованного
трехмассового упругого объекта (2.89), вырабатываемому наблюдателем в
виде
uл  kxˆ  k1ω
ˆ 3  k2mˆ y2  k3ω ˆ 1  k6 IˆЯ . (2.96)
ˆ 2  k4mˆ y1  k5ω

Так как мы выбрали в качестве эталонной модели трехмассового

упругого электромеханического объекта (2.86) замкнутую систему,
126
состоящую из линеаризованного объекта (2.89) и модального управления,
поэтому система дифференциальных уравнений, описывающая эталонную
модель, имеет порядок, равный порядку трехмассового упругого
электромеханического объекта, и записывается в виде
x м  A м x м  b м u0 ; 

 0 a1 0 0 0 0  0 
 a 0 a2 0 0 0  0 
 2   
 0 a3 0 a3 0 0  0  (2.97)
A м  A  bk    ; b  b    ,
 0 0 a4 0 a4 0  м 0 
 0 0 0 a5 0 a6  0 
   
 bk1 bk2 bk3 bk4 a7  bk5 a8  bk6  b  

где xм  [ω3м , my2м , ω2м , my1м ,ω1м , I Я ] т – вектор состояния эталонной модели.

Принимая во внимание то, что порядок рассматриваемого объекта (2.86),

(2.89) равен шести и задающее воздействие u0 является скалярной
величиной, запишем адаптивную систему управления с параметрической
настройкой (1.51), (1.52), наблюдателем состояния (2.94) и эталонной
моделью (2.97) для управления трехмассовым упругим электромеханическим
объектом (2.89) следующим образом:
ua  t   k A  t  xˆ  kb  t  u0  t  ; (2.98)

k A  t    γ AbTм Pex
ˆ ˆ T  λ Ak A  t  ; 

 (2.99)
kb  t    γ bbм Peˆ u0  λ b kb  t  , 
T T

или в скалярной форе:
kA1  t    γ A δ(eˆ)ωˆ 3  λ A kA1  t  ; kA2  t    γ A δ(eˆ)mˆ y 2  λ A kA2  t  ; 

kA3  t    γ A δ(eˆ)ωˆ 2  λ A kA3  t  ; kA4  t    γ A δ(eˆ)mˆ y 2  λ A kA4  t  ; 
 (2.100)
kA5  t    γ A δ(eˆ)ωˆ 1  λ A kA5  t  ; kA6  t    γ A δ(eˆ) IˆЯ  λ A kA6  t  ; 

kb  t    γ b δ(eˆ)u0 T  λ b kb  t  , 

где все обозначения аналогичны (2.21) – (2.23).

127
 Для адаптивной системы управления с параметрической настройкой
положением двухмассового упругого электромеханического объекта были
выбраны или вычислены следующие исходные матрицы и коэффициенты:
 симметричная положительно определенная матрица G в
уравнении Ляпунова (1.41) равна:
G  diag  10, 10, 10, 10, 10, 10 ;
симметричная положительно определенная матрица P в
адаптивном алгоритме определена в Matlab специальной
функцией lyap для решения уравнения Ляпунова:
 35.15 2.51 6.23 2.38 1.63 0.08 
 2.51 21.78 1.94 12.15 3.95 0.04 
 
 6.23 1.94 26.62 8.02 5.77 0.24  ;
P  lyap(A Тм ,G )   
 2.38 12.15 8.02 31.47 9.15 0.53
 1.63 3.95 5.77 9.15 14.09 0.5 
 
 0.08 0.04 0.24 0.53 0.5 0.31 

 положительные коэффициенты усилений настроек в адаптивном

алгоритме равны:
γ A  10; λ A  1; γ b  10; λ b  1 .
Адаптивная система с сигнальной настройкой строится аналогично
(2.24), и реализация ее в системе Matlab выглядит следующим образом:
ua  t   h0 tanh  aδ(eˆ). (2.101)
Результаты моделирования адаптивных систем управления с
параметрической и сигнальной настройками для управления скоростью
трехмассового упругого электромеханического объекта приведены в таблице 2.6.

128
 Таблица 2.6
Результаты моделирования модального и адаптивного управления скоростью
трехмассового электромеханического объекта
Параметр Показатель Модальный регулятор Параметрическая Сигнальная адаптация
качества адаптация
Ньютон Баттерворт Ньютон Баттерворт Ньютон Баттерворт

1 tн, с 0.182 0.106 0.176 0.106 0.176 0.106

J2= J02
5 tp, с 0.563 1.310 0.441 0.611 0.441 0.611
σ, % 8.1 90.5 10.3 90.5 10.3 90.5

1 tн, с 0.190 0.112 0.185 0.112 0.185 0.112

J3= J03
4 tp, с 0.567 1.115 0.451 0.628 0.451 0.628
σ, % 7.9 85.6 11.1 85.6 11.1 85.6

1 tн, с 0.207 0.120 0.201 0.121 0.201 0.121

J3= J03
3 tp, с 0.500 0.905 0.453 0.641 0.453 0.641
σ, % 7.5 75.4 11.8 75.5 11.8 75.5

1 tн, с 0.245 0.135 0.237 0.135 0.237 0.135

J3= J03
2 tp, с 0.520 0.579 0.440 0.477 0.440 0.477
σ, % 6.1 55.4 11.2 55.5 11.2 55.5
tн, с 0.358 0.178 0.358 0.178 0.358 0.178
J3=J03 tp, с 0.323 0.324 0.323 0.324 0.323 0.324
σ, % 0 14.2 0 14.2 0 14.2
tн, с 0.523 1.500 1.625 2.115 1.625 2.115
J3=2J03 tp, с 0.770 0.495 0.714 0.801 0.714 0.801
σ, % 5.4 0 0 0 0 0
tн, с 0.705 1.854 2.461 2.854 2.461 2.854
J3=3J03 tp, с 0.622 0.755 1.093 1.261 1.093 1.261
σ, % 4.2 0 0 0 0 0
tн, с 0.892 2.142 3.283 3.975 3.283 3.975
J3=4J03 tp, с 0.766 1.018 1.456 1.682 1.456 1.682
σ, % 2.8 0 0 0 0 0
tн, с 1.109 2.783 4.116 4.873 4.116 4.873
J3=5J03 tp, с 0.917 1.285 1.817 2.095 1.817 2.095
σ, % 1.7 0 0 0 0 0

1 tн, с 0.402 0.306 0.376 0.293 0.376 0.293

p2= p02
5 tp, с 1.708 1.129 1.106 1.022 1.106 1.022
σ, % 33.3 37.6 29.3 38.1 29.3 38.1

129
 1 tн, с 0.384 0.278 0.358 0.269 0.358 0.269
p2= p02
4 tp, с 1.212 0.994 0.718 0.906 0.718 0.906
σ, % 28.5 34.4 24.8 34.6 24.8 34.6

1 tн, с 0.366 0.245 0.341 0.241 0.341 0.241

p2= p02
3 tp, с 1.056 0.804 0.643 0.770 0.643 0.770
σ, % 22.4 27.8 19.1 27.7 19.1 27.7

1 tн, с 0.353 0.210 0.330 0.209 0.330 0.209

p2= p02
2 tp, с 0.643 0.469 0.552 0.448 0.552 0.448
σ, % 14.4 15.1 11.4 17.7 11.4 17.7
tн, с 0.358 0.178 0.358 0.178 0.358 0.178
p2=p02 tp, с 0.323 0.324 0.323 0.324 0.323 0.324
σ, % 0 14.2 0 14.2 0 14.2
tн, с 0.441 0.167 0.434 0.167 0.434 0.167
p2=2p02 tp, с 0.337 0.445 0.337 0.335 0.337 0.335
σ, % 1.0 8.4 0.5 7.1 0.5 7.1
tн, с 0.498 - 0.484 - 0.484 -
p2=3p02 tp, с 0.348 - 0.350 - 0.350 -
σ, % 0.5 - 0.5 - 0.5 -
tн, с - - - - - -
p2=4p02 tp, с - - - - - -
σ, % - - - - - -
tн, с - - - - - -
p2=5p02 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - 1.200 - 1.200 -

La = La 0
5 tp, с - - 0.327 - 0.327 -
σ, % - - 0 - 0 -

1 tн, с - - 1.100 - 1.100 -

La= La 0
4 tp, с - - 0.327 - 0.327 -
σ, % - - 0 - 0 -

1 tн, с - - 1.100 - 1.100 -

La = La 0
3 tp, с - - 0.327 - 0.327 -
σ, % - - 0 - 0 -

1 tн, с 0.700 0.178 1.100 0.178 1.100

La = La 0
2 tp, с 0.377 0.335 0.327 0.327 0.327
σ, % 0.3 13.9 0 13.7 0
tн, с 0.358 0.178 0.358 0.178 0.358 0.178
La = La 0 tp, с 0.323 0.324 0.323 0.324 0.323 0.324
σ, % 0 14.2 0 14.2 0 14.2

130
 tн, с 0.418 0.178 0.418 0.178 0.418 0.178
La =2 La 0 tp, с 0.329 0.337 0.329 0.343 0.329 0.343
σ, % 0.6 14.7 0.6 14.9 0.6 14.9
tн, с - - - - - -
La =3 La 0 tp, с - - - - - -
σ, % - - - - - -
tн, с - - - - - -
La =4 La 0 tp, с - - - - - -
σ, % - - - - - -
tн, с - - - - - -
La =5 La 0 tp, с - - - - - -
σ, % - - - - - -

Графики переходных процессов управления скоростью трехмассового

упругого электромеханического с меняющимися параметрами объекта
представлены на рисунках 2.42 – 2.53.

а б
Рисунок 2.42 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением скоростью при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ3 в 2 раза;
3 – уменьшение J3 в 3 раза; 4 – уменьшение J3 в 4 раза; 5 – уменьшение J3 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеJ3 в 2
раза; 3 – уменьшение J3 в 3 раза; 4 – уменьшение J3 в 4 раза; 5 – уменьшение J3 в 5 раз)

а б
Рисунок 2.43 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением скоростью при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3
131
– увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3 –
увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз)

а б
Рисунок 2.44 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер2 в 2 раза;
3 – уменьшение р2 в 3 раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениер2 в 2
раза; 3 – уменьшение р2 в 3 раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз)

а б
Рисунок 2.45 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер2 в 2 раза; 3
– увеличениер2 в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал; 2 – увеличениер2 в 2 раза)

а б
Рисунок 2.46 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением скоростью при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеLa в 2 раза); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеLa в 2
раза)

132
 а б
Рисунок 2.47 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением скоростью при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеLa в 2 раза); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеLa в 2
раза)

а б
Рисунок 2.48 – Переходные процессы в трехмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ3 в 2 раза;
3 – уменьшение J3 в 3 раза; 4 – уменьшение J3 в 4 раза; 5 – уменьшение J3 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеJ3в 2
раза; 3 – уменьшение J3 в 3 раза; 4 – уменьшение J3 в 4 раза; 5 – уменьшение J3 в 5 раз)

а б
Рисунок 2.49 – Переходные процессы в трехмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3
– увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3 –
увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличение J3 в 5 раз)

133
 а б
Рисунок 2.50 – Переходные процессы в трехмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер2 в 2 раза;
3 – уменьшение р2 в 3 раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениер2 в 2
раза; 3 – уменьшение р2 в 3 раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз)

а б
Рисунок 2.51 – Переходные процессы в трехмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер2 в 2 раза; 3
– увеличениер2 в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал; 2 – увеличениер2 в 2 раза)

а б
Рисунок 2.52 – Переходные процессы в трехмассовом электромеханическом объекте с
адаптивным управлением скоростью при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеLa в 2 раза; 3 –
уменьшение La в 3 раза; 4 – уменьшение La в 4 раза; 5 – уменьшение La в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениеLa в 2
раза)

134
 а б
Рисунок 2.53 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением скоростью при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеLa в 2 раза); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеLa в 2
раза)

2.2.3 Адаптивные системы управления положением

2.2.3.1 Адаптивные системы с параметрической и сигнальной настройками
для управления положением трехмассового упругого механического объекта
Рассмотрим трехмассовый упругий механический объект с зазорами в
упругих связях и возмущающим моментом нагрузки в виде сухого трения,
замкнутый по первой скорости 1 и положению q3 с контурными
П-регуляторами скорости и положения.
Дифференциальные уравнения трехмассового упругого механического
объекта, замкнутого по положению, записываются следующим образом:
q  ω 3 ; ω3  J 31 ( f y2  M сх ); my2  p2  ω2  ω3  ; 

ω2  J 21 ( f y1  f y2 ); my1  p1  ω1  ω2  ; ω1   J11 f y1  J11M m ;

M m  Rя1km  k yuc  keω1  ; uc  [(u  kп q3 )β п  kсω1 ]β с ; 
(2.102)

u  u0  uа ; u0  qзад . 
Запишем линейное стационарное приближение уравнений (2.102) в
виде:
1
q  ω3 ; ω3  J 03 my2 ; my2  p02  ω2  ω3  ; ω2  J 021 (my1  my2 );

my1  p01  ω1  ω2  ; ω1   J 011 my1  J 011 Rя1km  k yuс  keω1  ;  (2.103)

uc  [(u  kп q)βп  kсω1 ]βс ; u  u0  uа ; u0  qзад . 
Введем следующие обозначения:

135
 1
a1  J 03 1
; a2  p02 ; a3  J 02 ; a4  p01; 


a5   J 011Rя1km k у kпβ сβ п ; a6   J 011 ;  (2.104)

a7   J 011Rя1km (ke  kс k уβ с ); b  J 011 Rя1kmk yβ cβ п .

С учетом введенных обозначений перепишем линеаризованное уравнение
(2.103) с усредненными параметрами (2.104) в компактной форме:
q  ω3 ; ω3  a1 my2 ; my2  a2 ω3  a2 ω2 ; ω2  a3 my2  a3 my1;

 (2.105)
my1  a4 ω2  a4 ω1 ; ω1  a5 q  a6 mу1  a7 ω1  bu 

и для удобства представим их в векторно-матричной записи:
x  Ax  bu ; y  c т x; 

0 1 0 0 0 0 0  0 q  
0 0 a 0 0 ω  
0 0  0
 3 
 1     
0  a2 0 a2 0 0 0  0  mу2  
A (2.106)
; b   ; c   ; x    ,
0 0  a3 0 a3 0 0  0  ω2  
0 0 0  a4 0 a4  0  0 m  
       у1  
 a5 0 0 0 a6 a7   
b c  ω1  

где x – вектор состояния линеаризованного объекта (2.103); y  c т x –

уравнение измерения; c  kc (здесь доступной измерению с помощью датчика
скорости (ДС) считается первая скорость 1 ).
Модальный регулятор для линеаризованного трехмассового упругого
механического объекта (2.103) имеет вид полной линейной обратной связи
по состоянию:
uл  kx  k1q  k2ω3  k3my2  k4ω2  k5my1  k6ω1 , (2.107)

где uл – линейное (модальное) управление; k  [k1 k2 k3 k4 k5 k6 ] –

вещественный вектор коэффициентов обратных связей, рассчитывающихся
из условия обеспечения любого наперед заданного желаемого распределения
всех корней характеристического уравнения замкнутой системы (2.103),
(2.107).

136
 Расчет вектора k коэффициентов обратных связей производится в среде
моделирования Matlab при помощи команды
K=-place(A,B,pm),
где параметр «pm» определяет желаемое распределение корней
характеристического полинома.
Выбираем следующие значения параметра «pm»:
 Распределение корней по полиному Ньютона
pm=[-w0 -1.01*w0 -0.99*w0 -1.001*w0 -1.05*w0 -0.95*w0];
при котором все корни являются отрицательными вещественными
числами и равными друг другу λ1  λ 2  λ3  λ 4  λ5  λ 6  ω0 ; ω0 =ωoп –
максимально достижимая полоса пропускания контура положения.
Такое распределение корней характеристического уравнения
(отсутствует мнимая часть у корней) полностью обеспечивает
подавление упругих колебаний, возникающих в электромеханической
следящей системе с упругим объектом и подчиненным управлением.
 Распределение корней по полиному Баттерворта
pm=[-(0.2588+0.9659i)*w0 -(0.2588-0.9659i)*w0…
-(0.7071+0.7071i)*w0 -(0.7071-0.7071i)*w0…
-(0.9659+0.2588i)*w0 -(0.9659-0.2588i)*w0];
где параметр «pm» соответствует такому распределению корней
λ1 λ6 многочлена (2.13), при котором все корни являются
отрицательными вещественными и комплексно сопряженными
числами:
λ1  ω0 (0.2588  0.9659i ); λ 2  ω0 (0.2588  0.9659i);
λ3 =  ω0 (0.7071  0.7071i); λ 4  ω0 (0.7071  0.7071i);
λ5  ω0 (0.9659  0.2588i ); λ 6  ω0 (0.9659  0.2588i).
Такое распределение корней характеристического уравнения
обеспечивает максимальное быстродействие системе, хотя при этом
наблюдается возникновение перерегулирования и колебаний.

137
 Идентификатор (наблюдатель) по измерению первой скорости 1
трехмассового упругого электромеханического объекта (2.125) имеет вид

xˆ  A xˆ  lc т (xˆ  x)  bu , l  [l1 l2 l3 l4 l5 l6 ]т , (2.108)

или в скалярной записи:
qˆ  ω
ˆ 3  l1c εˆ ω ;
ˆ 3  a1mˆ y2  l2c εˆ ω ;
ω
mˆ y2  a2ω
ˆ 3  a2ω
ˆ 2  l3c εˆ ω ;
ˆ 2  a3mˆ y2  a3mˆ y1  l4c εˆ ω ; (2.109)
ω
mˆ y1  a4ω
ˆ 2  a4ω
ˆ 1  l5c εˆ ω ;
ˆ 1  a5qˆ  a6 mˆ y1  a7 ω
ω ˆ 1  l6c εˆ ω  bu ,

ˆ 3, m
где qˆ, ω ˆ 2, m
ˆ y2 , ω ˆ 1 – оценки переменных состояния объекта (2.102);
ˆ y1, ω

ˆ   
ˆ 1  1 – ошибка наблюдения; l  [l1 l2 l3 l4 l5 l6 ]т – вектор
коэффициентов обратных связей наблюдателя (2.108) по ошибке наблюдения
̂  измеряемой угловой скорости 1 ( c  kc ).
Расчет вектора l коэффициентов обратных связей наблюдателя
производится в среде моделирования Matlab при помощи команды
L=-place(A',C',piden),
где параметр «piden» определяет желаемое распределение корней
характеристического полинома.
Как правило, распределение корней характеристического полинома для
расчета наблюдателя совпадает с выбором корней характеристического
полинома для расчета модального управления, с той разницей, что полоса
пропускания наблюдателя в q больше полосы пропускания объекта
управления ( ωН  qω0 – максимально достижимая полоса пропускания
наблюдателя).
С учетом (2.107), (2.108) получим реализуемый линейный (модальный)
закон обратной связи по вектору оценки состояния x̂ линеаризованного
трехмассового упругого объекта, вырабатываемому наблюдателем в виде
138
 uл  kxˆ  k1qˆ  k2ω
ˆ 3  k3mˆ y2  k4ω
ˆ 2  k5mˆ y1  k6ω
ˆ 1. (2.110)

Поскольку мы выбрали в качестве эталонной модели трехмассового

упругого электромеханического объекта (2.102) замкнутую систему,
состоящую из линеаризованного объекта (2.103) и модального управления
(2.110), поэтому система дифференциальных уравнений, описывающая
эталонную модель, имеет порядок, равный порядку трехмассового упругого
электромеханическогообъекта, и записывается в виде
x м  A м x м  b м u0 ; 

 0 1 0 0 0 0  0  
 0 0 a1 0 0 0  0  
   
 0  a2 0 a2 0 0  0   (2.111)
A м  A  bk    ; bм  b    ,
 0 0  a3 0 a3 0  0  
 0 0 0  a4 0 a4  0  
   
 a5  bk1 bk2 bk3 bk4 a6  bk5 a7  bk6  b  

где xм  [qм , ω3м , my2м , ω2м , my1м ,ω1м ] т – вектор состояния эталонной модели.

Принимая во внимание то, что порядок рассматриваемого объекта равен

шести и задающее воздействие u0 является скалярной величиной,
перепишем упрощенную прямую адаптивную структуру (1.51), (1.52) с
параметрической настройкой, наблюдателем состояния (2.108) и эталонной
моделью (2.111) для управления двухмассовым упругим электромеханическим
объектом следующим образом:
ua  t   k A  t  xˆ  kb  t  u0  t ; (2.112)

k A  t    γ Ab Tм Pex
ˆ ˆ T  λ Ak A  t  ; 

 (2.113)
kb  t    γ bbм Peˆ u0  λ b kb  t  , 
T T

или в скалярной форе:
kA1  t    γ A δ(eˆ)qˆ  λ A kA1  t  ; kA2  t    γ A δ(eˆ)ωˆ 3  λ A kA2  t  ; 

kA3  t    γ A δ(eˆ)mˆ y 2  λ A kA3  t  ; kA4  t    γ A δ(eˆ)ωˆ 2  λ A kA4  t  ; 
 (2.114)
kA5  t    γ A δ(eˆ)mˆ y1  λ A kA5  t  ; kA6  t    γ A δ(eˆ)ωˆ 1  λ A kA6  t  ; 

kb  t    γ b δ(eˆ)u0T  λ b kb  t  , 

139
где все обозначения аналогичны (2.21) – (2.23).
Для адаптивной системы управления с параметрической настройкой
положением двухмассового упругого электромеханического объекта (2.102),
(2.103) без учета постоянной тока якоря были выбраны или вычислены
следующие исходные матрицы и коэффициенты:
 симметричная положительно определенная матрица G в
уравнении Ляпунова (1.41) равна:
G  diag  10, 10, 10, 10, 10, 10 ;

 симметричная положительно определенная матрица P в

адаптивном алгоритме определена в Matlab специальной
функцией lyap для решения уравнения Ляпунова:
 2292.3 218.63 82.71 56.23 48.5 0.011
 218.63 48.23 10.01 4.76 4.42 0.05 
 
 82.71 10.01 15.12 4.39 1.16 0.07 
P  lyap(A Тм ,G )   ;
 56.23 4.76 4.39 10.95 4.12 0.14 
 48.5 4.42 1.16 4.12 7.38 0.42 
 
 0.011 0.05 0.07 0.14 0.42 0.32 

 положительные коэффициенты усилений настроек в адаптивном

алгоритме равны:
γ A  10; λ A  1; γ b  10; λ b  1 .
Адаптивная система с сигнальной настройкой строится аналогично
(2.24) и реализация ее в системе Matlab выглядит следующим образом:
ua  t   h0 tanh  aδ(eˆ). (2.115)
Результаты моделирования адаптивных систем управления с
параметрической и сигнальной настройками для управления положением
трехмассового упругого механического объекта приведены в таблице 2.7.

140
 Таблица 2.7
Результаты моделирования модального и адаптивного управления положением
трехмассового механического объекта
Параметр Показатель Модальный регулятор Параметрическая Сигнальная адаптация
качества адаптация
Ньютон Баттерворт Ньютон Баттерворт Ньютон Баттерворт

1 tн, с - - - - - -
J3= J03
5 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - - - - -
J3= J03
4 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - - - - -
J3= J03
3 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - 0,415 - 0,415 -

J3= J03
2 tp, с - - 0,951 - 0,951 -
σ, % - - 7,6 - 7,6 -
tн, с 0,506 0,178 0,506 0,178 0,506 0,178
J3=J03 tp, с 0,327 0,339 0,327 0,339 0,327 0,339
σ, % 0 14,1 0 14,1 0 14,1
tн, с 0,335 0,228 0,399 0,295 0,399 0,295
J3=2J03 tp, с 2,538 6,126 0,849 0,679 0,849 0,679
σ, % 35,2 52,6 18,6 21,4 18,6 21,4
tн, с - - 0,454 0,343 0,454 0,343
J3=3J03 tp, с - - 1,587 1,330 1,587 1,330
σ, % - - 28,9 30,8 28,9 30,8
tн, с - - 0,505 0,388 0,505 0,388
J3=4J03 tp, с - - 1,905 1,600 1,905 1,600
σ, % - - 35,7 37,3 35,7 37,3
tн, с - - 0,550 0,430 0,550 0,430
J3=5J03 tp, с - - 2,869 2,415 2,869 2,415
σ, % - - 40,7 41,8 40,7 41,8

141
 1 tн, с - - 0,464 0,367 0,464 0,367
p2= p02
5 tp, с - - 1,661 1,692 1,661 1,692
σ, % - - 29,4 35,6 29,4 35,6

1 tн, с 0,355 - 0,434 0,351 0,434 0,351

p2= p02
4 tp, с 16,765 - 1,433 1,349 1,433 1,349
σ, % 49,1 - 25,8 30,2 25,8 30,2

1 tн, с 0,338 - 0,404 0,334 0,404 0,334

p2= p02
3 tp, с 3,290 - 0,882 1,138 0,882 1,138
σ, % 36,6 - 20,0 29,1 20,0 29,1

1 tн, с 0,324 - 0,375 0,216 0,375 0,216

p2= p02
2 tp, с 1,156 - 0,714 0,632 0,714 0,632
σ, % 20,6 - 11,2 21,4 11,2 21,4
tн, с 0,506 0,178 0,506 0,178 0,506 0,178
p2=p02 tp, с 0,327 0,339 0,327 0,339 0,327 0,339
σ, % 0 14,1 0 14,1 0 14,1
tн, с 0,473 - 0,981 - 0,981 -
p2=2p02 tp, с 0,434 - 0,485 - 0,485 -
σ, % 3,3 - 0 - 0 -
tн, с 0,458 - 1,088 - 1,088 -
p2=3p02 tp, с 0,432 - 0,480 - 0,480 -
σ, % 3,8 - 0 - 0 -
tн, с - - - - - -
p2=4p02 tp, с - - - - - -
σ, % - - - - - -
tн, с - - - - - -
p2=5p02 tp, с - - - - - -
σ, % - - - - - -

Графики переходных процессов управления положением трехмассового

упругого механического с меняющимися параметрами объекта представлены
на рисунках 2.54 – 2.60.

142
 а б
Рисунок 2.54 – Переходные процессы в трехмассовом механическом объекте с модальным
управлением положением при изменении момента инерции третьей массы: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ3 в 2 раза); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ3 в 2
раза)

а б
Рисунок 2.55 – Переходные процессы в трехмассовом механическом объекте с модальным
управлением положением при изменении коэффициента жесткости: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер2 в 2 раза; 3 –
уменьшение р2 в 3 раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал)

а б
Рисунок 2.56 – Переходные процессы в трехмассовом механическом объекте с модальным
управлением положением при изменении коэффициента жесткости: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер2 в 2 раза; 3 –
увеличениер2 в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал)

143
 а б
Рисунок 2.57 – Переходные процессы в трехмассовом механическом объекте с
адаптивным управлением положением при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ3 в2 раза);
б) настройки желаемого ХП по полиному Баттерворта (1 – номинал)

а б
Рисунок 2.58 – Переходные процессы в трехмассовом механическом объекте с
адаптивным управлением положением при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3
– увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3 –
увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз)

а б
Рисунок 2.59 – Переходные процессы в трехмассовом механическом объекте с
адаптивным управлением положением при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер2 в 2 раза;
3 – уменьшение р2 в 3 раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал; 2 – уменьшениер2 в 2
раза; 3 – уменьшение р2 в 3 раза; 4 – уменьшение р2 в 4 раза; 5 – уменьшение р2 в 5 раз)

144
 а б
Рисунок 2.60 – Переходные процессы в трехмассовом механическом объекте с
адаптивным управлением положением при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер2 в 2 раза; 3
– увеличениер2 в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал)

2.2.3.2 Адаптивные системы с параметрической и сигнальной настройками

для управления положением трехмассового упругого электромеханического
объекта
Уравнения двухмассового упругого электромеханического объекта,
замкнутого по току I я , скорости 1 и положению q с контурными
П-регуляторами тока, скорости и положения, имеют вид
q  ω 3 ; ω3  J 31 ( f y2  M сх ); my2  p2  ω2  ω3  ; 

ω2  J 21 ( f y1  f y2 ); my1  p1  ω1  ω2  ; ω1   J11 f y1  J11M m ; 

Lя I я  uя  eя  Rя I я ; eя  keω1 ; uя  k yu y ; M m  km I я ;  (2.116)

uy  uт  β т  uc  kт I я  ; uc  βc  uп  kcω1  ; uп  βп  qзад  kп q  ;
u  u0  uа ; u0  qзад . 

Запишем линейное стационарное приближение уравнений (2.116) в
виде
q  ω3 ; ω3  J 031
my2 ; my2  p02  ω2  ω3  ; ω2  J 021 (my1  my2 );

my1  p01  ω1  ω2  ; ω1   J 011 my1  J 011M m ; 

Lя I я  uя  eя  Rя I я ; eя  keω1 ; uя  k yu y ; M m  km I я ;  (2.117)

uy  uт  β т  uc  kт I я  ; uc  βc  uп  kcω1  ; uп  βп  qзад  kп q  ; 
u  u0  uа ; u0  qзад . 

Введем следующие обозначения:
145
 1
a1  J 03 1
; a2  p02 ; a3  J 02 ; a4  p01; a5   J 011 ; 


a6  km J 011 ; a7  k у kпβ Tβ сβ п LЯ1 ; a8  (k у kcβ Tβ с  ke ) LЯ1; (2.118)

a9  (k у kT βT  RЯ ) LЯ1; b  k yβ Tβ cβ п LЯ1; c  kc . 

С учетом введенных обозначений перепишем линеаризованные уравнения
(2.117) с усредненными параметрами (2.118) в компактной форме:
q  ω3 ; ω3  a1 my2 ; my2  a2 ω3  a2 ω2 ; ω2  a3 my2  a3 my1;

my1  a4 ω2  a4 ω1 ; ω1  a5 mу1  a6 I Я ;  (2.119)

I Я  a7 q  a8ω1  a9 I Я  bu , 
и для удобства представим их в векторно-матричной записи:
x  Ax  bu ; y  c т x; 

0 1 0 0 0 0 0 0  0   q 
0 0 a1 0 0 0 0 0  0  ω  
       3
 0 a 2 0 a2 0 0 0  0  0   my2  
       
A 0 0  a3 0 a3 0 0  ; b   0  ; c   0  ; x   ω2  ,  (2.120)
0 0 0 a 4 0 a 4 0  0  0   my1  
       
 0 0 0 0 a 5 0 a 6   
0 c   ω1 
 a 7 0 a8 a9  b  0  I 
0 0 0  Я 

где x – вектор состояния линеаризованного объекта (2.117); y  c т x –

уравнение измерения; c  kc (здесь доступной измерению с помощью датчика
скорости (ДС) считается первая скорость 1 ).
Модальный регулятор для линеаризованного трехмассового упругого
электромеханического объекта (2.117) имеет вид полной линейной обратной
связи по состоянию
uл  kx  k1q  k2ω3  k3my2  k4ω2  k5my1  k6ω1  k7 I Я , (2.121)

где uл – линейное (модальное) управление; k  [k1 k2 k3 k4 k5 k6 k7 ] –

вещественный вектор коэффициентов обратных связей, рассчитывающихся
из условия обеспечения любого наперед заданного желаемого распределения
всех корней характеристического уравнения замкнутой системы (2.117),
(2.121).
146
 Расчет вектора k коэффициентов обратных связей производится в среде
моделирования Matlab при помощи команды
K=-place(A,B,pm),
где параметр «pm» определяет желаемое распределение корней
характеристического полинома.
Выбираем следующие значения параметра «pm»:
 Распределение корней по полиному Ньютона
pm=[-w0 -1.05*w0 -0.95*w0 -1.1*w0 -0.9*w0 -1.001*w0 -0.999*w0];
при котором все корни характеристического полинома являются
отрицательными вещественными числами и равными друг другу
λ1  λ 2  λ3  λ 4  λ5  λ 6  λ 7  ω0 ; ω0  ωoп – максимально
достижимая полоса пропускания контура положения.
Такое распределение корней характеристического уравнения
(отсутствует мнимая часть у корней) полностью обеспечивает
подавление упругих колебаний, возникающих в электромеханической
следящей системе с упругим объектом и подчиненным управлением.
 Распределение корней по полиному Баттерворта
pm=[-w0 -(0.9010+0.4339i)*w0 -(0.9010-0.4339i)*w0 …
-(0.2235+0.9749i)*w0 -(0.2235-0.9749i)*w0 …
-(0.6235+0.7818i)*w0 -(0.6235-0.7818i)*w0];
где параметр «pm» соответствует такому распределению корней
характеристического полинома, при котором все они являются
отрицательными вещественными и комплексносопряженными
числами:
λ1  ω0 (0.9010  0.4339i); λ 2  ω0 (0.9010  0.4339i);
λ3  ω0 (0.2225  0.9749i); λ 4  ω0 (0.2225  0.9749i);
λ5  ω0 (0.6235  0.7818i); λ 6  ω0 (0.6235  0.7818i);
λ 7   ω0 .

147
 Такое распределение корней характеристического уравнения
обеспечивает максимальное быстродействие системе, хотя при этом
наблюдается возникновение перерегулирования и колебаний.
Идентификатор (наблюдатель) по измерению первой скорости 1
расчетного объекта (2.116) имеет вид
xˆ  A xˆ  lc т (xˆ  x)  bu , l  [l1 l2 l3 l4 l5 l6 l7 ]т , (2.122)
или в скалярной записи:
qˆ  ω
ˆ 3  l1c εˆ ω ;
ˆ 3  a1mˆ y2  l2c εˆ ω ;
ω
mˆ y2  a2ω
ˆ 3  a2ω
ˆ 2  l3c εˆ ω ;
ˆ 2  a3mˆ y2  a3mˆ y1  l4c εˆ ω ;
ω (2.123)
mˆ y1  a4ωˆ 2  a4ωˆ 1  l5c εˆ ω ;
ˆ 1  a5mˆ y1  l6c εˆ ω  a6 IˆЯ ;
ω

IˆЯ  a7 qˆ  a8ω
ˆ 1  l7c εˆ ω  a9 IˆЯ  bu ,

ˆ 3, m
где qˆ, ω ˆ 2, m
ˆ y2 , ω ˆ 1 , IˆЯ – оценки переменных состояния объекта
ˆ y1 , ω

(2.117); ˆ   
ˆ 1  1 – ошибка наблюдения; l  [l1 l2 l3 l4 l5 l6 l7 ]т – вектор

коэффициентов обратных связей наблюдателя по ошибке наблюдения ̂ 

измеряемой угловой скорости 1 ( c  kc ).
Расчет вектора l коэффициентов обратных связей наблюдателя
производится в среде моделирования Matlab при помощи команды
L=-place(A',C',piden),
где параметр «piden» определяет желаемое распределение корней
характеристического полинома.
Как правило, распределение корней характеристического полинома для
расчета наблюдателя совпадает с выбором корней характеристического
полинома для расчета модального управления, с той разницей, что полоса
пропускания наблюдателя в q больше полосы пропускания объекта

148
управления ( ωН  qω0 – максимально достижимая полоса пропускания
наблюдателя).
С учетом (2.122), (2.123) получим реализуемый линейный (модальный)
закон обратной связи по вектору оценки состояния x̂ линеаризованного
трехмассового упругого объекта, вырабатываемому наблюдателем в виде
uл  kxˆ  k1qˆ  k2ω
ˆ 3  k3mˆ y2  k4ω ˆ 1  k7 IˆЯ .(2.124)
ˆ 2  k5mˆ y1  k6ω

Так как мы выбрали в качестве эталонной модели трехмассового

упругого электромеханического объекта замкнутую систему, состоящую из
линеаризованного объекта (2.117) и модального управления (2.122), поэтому
система дифференциальных уравнений, описывающая эталонную модель,
имеет порядок, равный порядку трехмассового упругого
электромеханического объекта, и записывается в виде
x м  A м x м  b м u0 ; 

 λ 1 0 0 0 0 0  0  
 0 λ a 0 0 0 0  0  
 1
  
 0 a λ a 0 0 0  0  
 ; b  b  0  ,
2 2

A м  A  bk 
 0 a λ 0 0
 
0 a
 3 3
 м
 0 0 0 a λ a 0  0  
   
4 4

λ
 0 0 0 0 a 5
a
 0   6

 a  bk bk bk bk bk a  bk a  bk  λ 
7 1 2 3 4 5 8 6
b  
9 7

(2.125)где xм  [qм , ω3м , my2м , ω2м , my1м ,ω1м , I Я ] т – вектор состояния эталонной

модели.
Принимая во внимание то, что порядок рассматриваемого объекта равен
семи и задающее воздействие u0 является скалярной величиной, запишем
адаптивную систему (1.51), (1.52) с параметрической настройкой,
наблюдателем состояния (2.123) и эталонной моделью (2.125) для
управления положением трехмассового упругого электромеханического объекта
следующим образом:
ua  t   k A  t  xˆ  kb  t  u0  t  (2.126)

149
 k A  t    γ Ab Tм Pex
ˆ ˆ T  λ Ak A  t  ; 

 (2.127)
kb  t    γ bbTм Peˆ u0T  λ b kb  t  ,  
или в скалярной форе:
kA1  t    γ A δ(eˆ)qˆ  λ A kA1  t  ; kA2  t    γ A δ(eˆ)ωˆ 3  λ A kA2  t  ; 

kA3  t    γ A δ(eˆ)mˆ y2  λ A kA3  t  ; kA4  t    γ A δ(eˆ)ωˆ 2  λ A kA4  t  ; 
 (2.128)
kA5  t    γ A δ(eˆ)mˆ y1  λ A kA5  t  ; kA6  t    γ A δ(eˆ)ωˆ 1  λ A kA6  t  ; 

kA7  t    γ A δ(eˆ) IˆЯ  λ A kA7  t  ; kb  t    γ b δ(eˆ)u0T  λ b kb  t  , 

где все обозначения аналогичны (2.21) – (2.23).

Для адаптивной системы управления с параметрической настройкой
положением двухмассового упругого электромеханического объекта были
выбраны или вычислены следующие исходные матрицы и коэффициенты:
 симметричная положительно определенная матрица G в
уравнении Ляпунова (1.41) равна:
G  diag  10, 10, 10, 10, 10, 10, 10 ;

 симметричная положительно определенная матрица P в

адаптивном алгоритме определена в Matlab специальной
функцией lyap для решения уравнения Ляпунова:
 2469.7 247.66 68.26 45.55 105.67 92.96 0.007 
 247.66 59.32 8.7 0.06 10.46 11.19 0.11 
 
 68.26 8.7 23.07 4.83 7.17 1.19 0.13 
 
P  lyap(A Тм ,G )   45.55 0.06 4.83 23.31 4.62 4.6 0.21 ;
105.67 10.46 7.17 4.62 29.17 12.5 0.05
 
 92.96 11.19  1.19 4.6 12.5 17.56 0.44 
 0.007 0.11 0.13 0.21 0.05 0.44 0.26 

 положительные коэффициенты усилений настроек в адаптивном

алгоритме равны:
γ A  10; λ A  1; γ b  10; λ b  1 .
Адаптивная система с сигнальной настройкой строится аналогично
(2.24) и реализация ее в системе Matlab выглядит следующим образом:

150
 ua  t   h0 tanh  aδ(eˆ). (2.129)
Результаты моделирования адаптивных систем управления с
параметрической и сигнальной настройками для управления положением
трехмассового упругого электромеханического объекта приведены в таблице 2.8.
Таблица 2.8
Результаты моделирования модального и адаптивного управления попложением
трехмассового электромеханического объекта
Параметры Показатель Модальный регулятор Параметрическая Сигнальная адаптация
качества адаптация
Ньютон Баттерворт Ньютон Баттерворт Ньютон Баттерворт

1 tн, с - - - - - -
J2= J02
5 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - - - - -
J3= J03
4 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - 0,434 - 0,434 -

J3= J03
3 tp, с - - 2,256 - 2,256 -
σ, % - - 10,8 - 10,8 -

1 tн, с 0,451 - 0,497 0,172 0,497 0,172

J3= J03
2 tp, с 9,091 - 0,455 1,161 0,455 1,161
σ, % 13,2 - 1,3 33,7 1,3 33,7
tн, с 0,362 0,207 0,362 0,207 0,362 0,207
J3=J03 tp, с 0,335 0,542 0,335 0,542 0,335 0,542
σ, % 4,7 22,7 4,7 22,7 4,7 22,7
tн, с 0,394 - 0,455 0,365 0,455 0,365
J3=2J03 tp, с 6,138 - 0,976 1,353 0,976 1,353
σ, % 43,9 - 22,2 24,8 22,2 24,8
tн, с - - 0,516 0,418 0,516 0,418
J3=3J03 tp, с - - 1,804 1,723 1,804 1,723
σ, % - - 31,4 32,6 31,4 32,6
tн, с - - 0,571 0,484 0,571 0,484
J3=4J03 tp, с - - 2,134 2,010 2,134 2,010
σ, % - - 37,8 38,7 37,8 38,7
tн, с - - 0,619 0,530 0,619 0,530
J3=5J03 tp, с - - 3,184 3,833 3,184 3,833
σ, % - - 42,4 43,0 42,4 43,0

151
 1 tн, с - - - - - -
p2= p02
5 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - - - - -
p2= p02
4 tp, с - - - - - -
σ, % - - - - - -

1 tн, с - - 0,456 - 0,456 -

p2= p02
3 tp, с - - 1,373 - 1,373 -
σ, % - - 21,3 - 21,3 -

1 tн, с 0,376 - 0,429 0,392 0,429 0,392

p2= p02
2 tp, с 1,736 - 0,811 1,730 0,811 1,730
σ, % 27,9 - 13,4 30,7 13,4 30,7
tн, с 0,362 0,207 0,362 0,207 0,362 0,207
p2=p02 tp, с 0,335 0,542 0,335 0,542 0,335 0,542
σ, % 4,7 22,7 4,7 22,7 4,7 22,7
tн, с 0,397 - 0,466 0,222 0,466 0,222
p2=2p02 tp, с 0,350 - 0,357 0,294 0,357 0,294
σ, % 0,9 - 0,3 7,2 0,3 7,2
tн, с 0,641 - 0,720 - 0,720 -
p2=3p02 tp, с 0,356 - 0,353 - 0,353 -
σ, % 1,3 - 0,3 - 0,3 -
tн, с 0,632 - 0,692 - 0,692 -
p2=4p02 tp, с 0,366 - 0,350 - 0,350 -
σ, % 2,0 - 0 - 0 -
tн, с 0,623 - 0,683 - 0,683 -
p2=5p02 tp, с 0,376 - 0,349 - 0,349 -
σ, % 2,2 - 0 - 0 -

1 tн, с 0,367 - 0,404 - 0,404 -

La = La 0
5 tp, с 0,813 - 0,592 - 0,592 -
σ, % 9,8 - 6,0 - 6,0 -

1 tн, с 0,367 - 0,404 - 0,404 -

La = La 0
4 tp, с 0,813 - 0,592 - 0,592 -
σ, % 9,8 - 6,0 - 6,0 -

1 tн, с 0367 - 0,405 - 0,405 -

La = La 0
3 tp, с 0,815 - 0,592 - 0,592 -
σ, % 9,8 - 6,0 - 6,0 -

1 tн, с 0367 - 0,405 - 0,405 -

La = La 0
2 tp, с 0,815 - 0,592 - 0,592 -
σ, % 9,8 - 6,0 - 6,0 -

152
 tн, с 0,362 0,207 0,362 0,207 0,362 0,207
La = La 0 tp, с 0,335 0,542 0,335 0,542 0,335 0,542
σ, % 4,7 22,7 4,7 22,7 4,7 22,7
tн, с 0,367 - 0,404 - 0,404 -
La =2 La 0 tp, с 0,790 - 0,586 - 0,586 -
σ, % 9,8 - 5,7 - 5,7 -
tн, с 0,367 - 0,402 - 0,402 -
La =3 La 0 tp, с 0,569 - 0,585 - 0,585 -
σ, % 9,8 - 5,6 - 5,6 -
tн, с - - 0,401 - 0,401 -
La =4 La 0 tp, с - - 0,585 - 0,585 -
σ, % - - 5,5 - 5,5 -
tн, с - - 0,400 - 0,400 -
La =5 La 0 tp, с - - 0,585 - 0,585 -
σ, % - - 5,5 - 5,5 -

Графики переходных процессов управления положением трехмассового

упругого электромеханического с меняющимися параметрами объекта
представленына рисунках 2.61 – 2.72.

а б
Рисунок 2.61 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением положением при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениуJ3 в 2 раза);
б) настройки желаемого ХП по полиному Баттерворта (1 – номинал)

153
 а б
Рисунок 2.62 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением положением при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ3 в 2 раза);
б) настройки желаемого ХП по полиному Баттерворта (1 – номинал)

а б
Рисунок 2.63 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением положением при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениур2 в 2 раза);
б) настройки желаемого ХП по полиному Баттерворта (1 – номинал)

а б
Рисунок 2.64 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением положением при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер2 в 2 раза; 3
– увеличениер2 в 3 раза; 4 - увеличениер2 в 4 раза; 5 – увеличениер2 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал)

154
 а б
Рисунок 2.65 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением положением при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеLa в 2 раза; 3 –
уменьшение La в 3 раза; 4 – уменьшение La в 4 раза; 5 – уменьшение La в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал)

а б
Рисунок 2.66 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением скоростью при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеLa в 2 раза; 3 –
увеличениеLa в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал)

а б
Рисунок 2.67 – Переходные процессы в трехмассовом электромеханическом объекте с
адаптивным управлением положением при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеJ3 в 2 раза;
3 – уменьшение J3 в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал; 2 – уменьшениеJ3 в 2 раза)

155
 а б
Рисунок 2.68 – Переходные процессы в трехмассовом электромеханическом объекте с
адаптивным управлением положением при изменении момента инерции третьей массы: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3
– увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениеJ3 в 2 раза; 3 –
увеличениеJ3 в 3 раза; 4 – увеличениеJ3 в 4 раза; 5 – увеличениеJ3 в 5 раз)

а б
Рисунок 2.69 – Переходные процессы в трехмассовом электромеханическом объекте с
адаптивным управлением положением при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениер2 в 2 раза;
3 – уменьшение р2 в 3 раза); б) настройки желаемого ХП по полиному Баттерворта (1 –
номинал; 2 – уменьшениер2 в 2 раза)

а б
Рисунок 2.70 – Переходные процессы в трехмассовом электромеханическом объекте с
адаптивным управлением положением при изменении коэффициента жесткости: а)
настройки желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениер2 в 2 раза; 3
– увеличениер2 в 3 раза; 4 - увеличениер2 в 4 раза; 5 – увеличениер2 в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал; 2 – увеличениер2 в 2 раза)

156
 а б
Рисунок 2.71 – Переходные процессы в трехмассовом электромеханическом объекте с
адаптивным управлением положением при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – уменьшениеLa в 2 раза; 3 –
уменьшение La в 3 раза; 4 – уменьшение La в 4 раза; 5 – уменьшение La в 5 раз); б)
настройки желаемого ХП по полиному Баттерворта (1 – номинал)

а б
Рисунок 2.72 – Переходные процессы в трехмассовом электромеханическом объекте с
модальным управлением положением при изменении индуктивности якоря: а) настройки
желаемого ХП по полиному Ньютона (1 – номинал; 2 – увеличениеLa в 2 раза; 3 –
увеличениеLa в 3 раза; 4 - увеличениеLa в 4 раза; 5 – увеличениеLa в 5 раз); б) настройки
желаемого ХП по полиному Баттерворта (1 – номинал)

157
2.3 Выводы к второй главе
Во второй главе диссертации решены следующие задачи:
1. Рассчитано семейство адаптивных систем управления с
параметрической и сигнальной настройками для управления скоростью или
положением двух- или трехмассовых механических или
электромеханических объектов.
2. Проведены сравнительные исследования семейства адаптивных
систем управления с параметрической и сигнальной настройками для
управления скоростью или положением двух- или трехмассовых
механических или электромеханических объектов.
3. Построенные в Matlab–Simulink программы моделирования
семейства адаптивных систем управления с параметрической и сигнальной
настройками для управления скоростью или положением двух- или
трехмассовых механических или электромеханических объектов
подтверждают работоспособность адаптивных систем управления в задачах
подавления упругих колебаний, обеспечения повышения быстродействия и
точности управления в условиях параметрической и функциональной
неопределенности.
4. Полученные во второй главе адаптивные системы управления
положением с параметрической или сигнальной настройкой будут
использованы в главе 3 в качестве «учителей» при разработке нейросетевых
адаптивных регуляторов.

158
3. НЕЙРОСЕТЕВЫЕ СИСТЕМЫ УПРАВЛЕНИЯ
ДВУХ- И ТРЕХМАССОВЫМИ УПРУГИМИ
ЭЛЕКТРОМЕХАНИЧЕСКИМИ ОБЪЕКТАМИ

3.1 Основы искусственных нейронных сетей

3.1.1 Модель нейрона

Человеческий мозг работает более эффективно и принципиально другим
образом, чем любая вычислительная машина, созданная человеком. Именно
этот факт в течение стольких лет направляет работы ученых всего мира на
создание и исследование искусственных нейронных сетей (ИНС). К первым
попыткам раскрыть секрет высокой эффективности мозга можно отнести
работу Рамон-и-Кахаля начала XX века, в которой была высказана идея о
нейроне как структурной единице мозга. Однако нейрон имеет на 5—6
порядков меньшую скорость срабатывания, чем полупроводниковый
логический элемент. Как показали более поздние исследования, секрет
высокой производительности мозга заключается в огромном количестве
нейронов и массивных взаимосвязях между ними, около 1011 нейронов
участвуют в примерно 1015 передающих связях, имеющих длину метр и
более. Каждый нейрон обладает многими качествами, общими с другими
элементами тела, но его уникальной способностью является прием,
обработка и передача электрохимических сигналов по нервным путям,
которые образуют коммуникационную систему мозга [19, 20, 47, 51, 60, 63,
79, 80].
Принятые синапсом входные сигналы подводятся к телу нейрона. Здесь
они суммируются, причем одни входы стремятся возбудить нейрон, другие –
воспрепятствовать его возбуждению. Когда суммарное возбуждение в теле
нейрона превышает некоторый порог, нейрон возбуждается, посылая по
аксону сигнал другим нейронам, и большинство искусственных нейронных
сетей моделируют лишь эти простые свойства.
159
 Модель искусственного нейрона.Искусственный нейрон (или просто
нейрон) является элементарным функциональным модулем, из множества
которых строятся ИНС [49, 68]. Он представляет собой модель живого
нейрона, однако лишь в смысле осуществляемых им преобразований, а не
способа функционирования. Существуют логические, непрерывные и
импульсные [64] модели нейрона. Логические модели нейрона (в частности,
описываемый картой Вена формальный нейрон) активно исследовались в
60—70-х годах, но не получили дальнейшего развития. Импульсные модели
более близки к физической природе процессов, происходящих в нервной
клетке, однако их теория не так развита, как у непрерывных, и они все еще не
находят широкого применения [23]. Единицей нейронной сети является
нейрон [66  68] или базовый процессорный элемент (БПЭ) [49, 50], который
осуществляет отображение R n  R1 в соответствии с выражением для выхода
q (см. рисунок 3.1):
n n
q  f ( w j rj  w0r0 )  f ( w j rj ), (3.1)
j 1 j 0

q1( l 1)
wi(,l1)
wi(,l0)

q 2( l 1) s i(l ) qi(l )


(l ) (l )
w i,2 f (s )
i

…
( l 1)
q nl 1
wi(,ln)l

Рисунок 3.1 - Схема искусственного нейрона (БПЭ)

где r0 , r1 , ..., rn  входы БПЭ; w0 , w1 , ..., wn  весовые коэффициенты

синоптических связей БПЭ; f ()  функция активации (монотонная,

непрерывно дифференцируемая на интервале либо [1, 1], либо [0, 1]).

160
 Простейшая однослойная нейронная сеть состоит из K БПЭ и имеет K
выходов q1 ,..., qi ,..., qK и n+1 входов r0 , r1,..., rj ,..., rn и может быть описана

векторно-матричным соотношением
q  Wl(K)rl  w 0r0  W(K)r, (3.2)

где q  col(q1 ,..., qi ,..., qK ) вектор выхода; r  col(r0 , r1,..., rj ,..., rn ) - вектор входа;

W(K) - матрица весовых коэффициентов. Таким образом, однослойную

нейронную сеть (см. рисунок 3.2) можно представить в виде:

s1  q1 s2  q2 sK  qK
w1,0 , w1,1 ,..., w1,n w2, 0 , w2,1 ,..., w2,n … wn , 0 , wn ,1 ,..., wn ,n
r1
r2

rn
r0

Рисунок 3.2 - Схематическое представление однослойной линейной искусственной

нейронной сети

Структура статистической многослойной нейронной сети [70, 71] (МНС)

изображена на рисунке 3.3. В так называемых полносвязных гомогенных
многослойных нейросетях выходы базовых элементов каждого слоя
поступают на входы всех базовых элементов следующего слоя, а функция
активации f(s) принимается одинаковой для всех БПЭ. Выходной слой
многослойной сети выполняется в виде однослойной нейронной сети.
Входной слой является буферным для сигнала r. Связи между базовыми
элементами в слое отсутствуют. Выходы базовых элементов l-го слоя
поступают на входы базовых элементов только следующего (l+1)-го слоя.
Выход i-го элемента в l-м слое многослойной нейросети может быть
определен так же, как и для любого базового элемента, в виде
nl 1
qi (l )
 f ( wi , j (l ) qi (l 1)  wi ,0(l ) q0( l 1) )  f ( si( l ) ) . (3.4)
j 1

В векторной форме выход l-го слоя равен:

161
 q1(l)  f (W1(l)q1(l1)  w 0(l) q0(l 1) ) , (3.5)

где 0  col( w1,0 ,..., wnl ,0 ) 

w (l) вектор весовых коэффициентов сигнала
(l ) (l )

инициализации или смещения q0(l 1) в слое l, который для всех l=1,K

принимается равным +1; q1(l )  col(q1(l ) ,..., qn(ll ) ) , q1(l 1)  col(q1(l 1) ,..., qn(ll 11) ) -
векторы выходов базовых процессорных элементов слоя l и выходов
предыдущего (l1)-го слоя, поступающих на входы базовых элементов слоя l.

1-й слой (l1)-й слой l-й слой K-й слой

q1(1) q1(l ) q1( K )

  
r q (j1) q (l ) q (lj ) q (l ) q (j K ) q (K )
j
   (K )
q ni(1) qni(l ) q nK

Рисунок 3.3 - Структурная схема статической МНС

К основным задачам, решаемым многослойными нейронными сетями,

можно отнести [69, 86] следующие:
Аппроксимация функций. Предположим, что имеется обучающая
выборка (( x1 , y1 ),( x2 , y2 ),...,( xN , y N )) (пары данных вход-выход), которая
генерируется неизвестной функцией F (x) , искаженной шумом. Задача
аппроксимации состоит в нахождении оценки неизвестной функции F (x) .
Аппроксимация функций необходима при решении многочисленных
инженерных и научных задач моделирования.
Управление. Рассмотрим динамическую систему, заданную
совокупностью u(t ), y(t ), где u (t ) является входным управляющим
воздействием, a y (t ) — выходом системы в момент времени t. В системах
управления с эталонной моделью целью управления является расчет такого
входного воздействия u (t ) , при котором система следует по желаемой

162
траектории, диктуемой эталонной моделью. Примером является оптимальное
управление двигателем.

3.1.2 Функции активации

Существует множество видов активационных функций, но более всего
распространены следующие [23, 51, 70]:
1. Пороговая функция. На рисунке 3.4(а) приведен ее график:
1, если s  0;
φ( s )   (3.6)
0, если s  0.

Пороговая функция первая из введенных активационных функций, она

была описана в работе Мак-Каллока и Питтса [75]. В честь этого модель
нейрона с пороговой активационной функцией называется моделью Мак-
КаллокаПиттса.
2. Кусочно-линейная функция. Она изображена на рисунке 3.3(б) и
описывается следующей зависимостью:
1, если s  a;

φ( s)   s, если a  s  a; (3.7)
1, если s  a.

В данном случае a=1 и коэффициент наклона линейного участка выбран
единичным, а вся функция может интерпретироваться как аппроксимация
нелинейного усилителя. При бесконечно большом коэффициенте наклона
линейного участка функция вырождается в пороговую.
В большинстве типов ИНС используются нейроны с линейной
активационной функцией φ(s) , представляющей собой частный случай (3.7) с
неограниченным линейным участком.

163
 Рисунок 3.4 - Типы активационных функций: а, г — пороговая; б — линейная; в —
сигмоидальная; д — тангенциальная; е — радиально-базисная

3. Сигмоидальная функцияэто наиболее широко используемый тип

активационной функции. Она была введена по аналогии с пороговой
функцией, но везде является строго монотонно возрастающей, непрерывной
и дифференцируемой (см. рисунок 3.4(в)). Дифференцируемость является
важным свойством для анализа ИНС и некоторых методов их обучения.
В общем виде сигмоидальная активационная функция описывается
зависимостью
1
φ( s)  , (3.8)
1  e as
где a — параметр, определяющий наклон функции.
Варьированием его могут быть получены разные виды сигмоида.
Наиболее часто используется a=1. В случае бесконечно большого a
сигмоидальная функция вырождается в пороговую.

164
 Помимо перечисленных функций, изменяющихся в диапазоне [0,1],
вводятся также их аналоги с областью значений [–1,1]. Так, например (см.
рисунок 3.4(г)), пороговая функция может быть переопределена как
1, если s  0;

φ( s)   s, если s  0; . (3.9)
1, если s  0,

то есть
φ( s)  sign ( s) . (3.10)

Вместо сигмоидальной активационной функции широко применяется

гиперболический тангенс, обладающий аналогичными свойствами (см.
рисунок 3.4(д)):
e s  e s
φ( s)  . (3.11)
e s  e s
Нечетность этой функции делает ее удобной для решения задач
управления.
4. Во введенных Брумхеадом и Лоуе [65] РБФ-сетях в качестве
активационной применяется функция Гаусса (см. рисунок 3.4(е)):
s2

φ( s )  e σ2
, (3.12)

где аргумент рассчитывается по формуле

s  z c , (3.13)
где z — вектор входных сигналов нейрона; c — вектор координат центра
окна активационной функции; σ — ширина окна,норма ||.|| — евклидово
расстояние.
В теории ИНС активационные функции типа
φ( z )  φ z  c (3.14))

называются радиально-базисными функциями (РБФ), а основанные на них

сети — РБФ-сетями (RBF — radial basis function)[49, 50].

165
3.1.3 Обучение искусственных нейронных сетей
Обучение — это процесс, при котором свободные параметры нейронной
сети адаптируются в результате ее непрерывной стимуляции внешним
окружением. Тип обучения определяется тем способом, которым
производятся изменения параметров [23, 68].
Очевидно, что процесс функционирования ИНС, т.е. сущность действий,
которые она способна выполнять, зависит от величин синаптических
связей.Поэтому, задавшись определенной структурой ИНС, отвечающей
какой-либо задаче, разработчик сети должен найти оптимальные значения
всех переменных весовых коэффициентов.
Этот этап называется обучением ИНС, и от того, насколько качественно
он будет выполнен, зависит способность сети решать поставленные перед
ней проблемы во время функционирования. Существует два способа
обучения нейронной сети: с учителем и без учителя [49, 51, 79]. В своей
работе для обучения многослойных нейронных сетей я выбрал способ
обучения с «учителем».
Обучение с учителем. Важно отметить, что вся информация, которую
сеть имеет о задаче, содержится в наборе примеров. Поэтому качество
обучения сети напрямую зависит от количества примеров в обучающей
выборке, а также от того, насколько полно эти примеры описывают данную
задачу [49, 51]. Так, например, бессмысленно использовать сеть для
предсказания финансового кризиса, если в обучающей выборке кризисов не
представлено. Считается, что для полноценной тренировки требуется хотя бы
несколько десятков (а лучше сотен) примеров.

166
 База Сеть обучена
данных

Выбор Применение Расчет

пример нейросети ошии
а
Подстройка
весов сети
Рисунок 3.5 - Иллюстрация процесса обучения НС

Математически процесс обучения можно описать следующим образом.

В процессе функционирования нейронная сеть формирует выходной
сигнал Y в соответствии с входным сигналом X, реализуя некоторую
функцию Y  G ( X ) . Если архитектура сети задана, то вид функции G
определяется значениями синаптических весов и смещений сети.
Решением некоторой задачи является функция Y  F ( X ) , заданная
парами входных-выходных данных ( X 1,Y 1 ), ( X 2 ,Y 2 ), ..., ( X N ,Y N ) , для
которых Y k  F ( X k ) (k=1,2,…,N).Обучение состоит в поиске (синтезе)
функции G, близкой к F в смысле некоторой функции ошибки Е (см. рисунок
3.5).
Если выбраны множество обучающих примеров — пар ( X k ,Y k )
(гдеk=1,2,…,N) и способ вычисления функции ошибкиЕ, то обучение
нейронной сети превращается в задачу многомерной оптимизации, имеющую
очень большую размерность, при этом, поскольку функция Е может иметь
произвольный вид, обучение в общем случае — многоэкстремальная
невыпуклая задача оптимизации.
Для решения этой задачи могут быть использованы следующие
(итерационные) алгоритмы:

167
 • алгоритмы локальной оптимизации с вычислением частных
производных первого порядков;
• алгоритмы локальной оптимизации с вычислением частных
производных первого и второго порядка;
• стохастические алгоритмы оптимизации;
• алгоритмы глобальной оптимизации.
К первой группе относятся: градиентный алгоритм (метод скорейшего
спуска); методы с одномерной или двумерной оптимизацией целевой
функции в направлении антиградиента; метод сопряженных градиентов;
методы, учитывающие направление антиградиента на нескольких шагах
алгоритма.
Ко второй группе относятся: метод Ньютона, методы оптимизации с
разреженными матрицами Гессе, квази ньютоновские методы, метод
ГауссаНьютона, метод ЛевенбергаМарквардта и др.
Стохастическими методами являются: поиск в случайном направлении,
имитация отжига, метод Монте-Карло (численный метод статистических
испытаний).
Задачи глобальной оптимизации решаются с помощью перебора
значений переменных, от которых зависит целевая функция (функция
ошибки Е) [51].
Алгоритм обратного распространения.Рассмотрим идею одного из
самых распространенных алгоритмов обучения — алгоритм обратного
распространения ошибки (back propagation)[49, 50, 68]. Это итеративный
градиентный алгоритм обучения, который используется с целью
минимизации среднеквадратичного отклонения текущего выхода и
желаемого выхода многослойных нейронных сетей.
Алгоритм обратного распространения используется для обучения
многослойных нейронных сетей с последовательными связями вида (см.
рисунок 3.3). Как отмечено выше, нейроны в таких сетях делятся на группы с
общим входным сигналом — слои, при этом на каждый нейрон первого слоя
168
подаются все элементы внешнего входного сигнала, а все выходы нейронов
m-го слоя подаются на каждый нейрон слоя (q+1). Нейроны выполняют
взвешенное (с синаптическими весами) суммирование элементов входных
сигналов; к данной сумме прибавляется смещение нейрона иполученный
результат подается на функциюактивации. Значение функции активации есть
выход нейрона.
В многослойных сетях оптимальные выходные значения нейронов всех
слоев, кроме последнего, как правило, неизвестны, и трех- или более
слойный персептрон уже невозможно обучить, руководствуясь только
значениями ошибок на выходах НС. Наиболее приемлемым вариантом
обучения в таких условиях оказался градиентный метод поиска минимума
функции ошибки с рассмотрением сигналов ошибки от выходов НС к ее
входам, в направлении, обратном прямому распространению сигналов в
обычном режиме работы. Этот алгоритм обучения НС получил название
процедуры обратного распространения.
В данном алгоритме функция ошибки представляет собой сумму
квадратов рассогласования (ошибки) желаемого выхода сети и реального.
При вычислении элементов вектора-градиента использован своеобразный
вид производных функций активации сигмоидального типа. Алгоритм
действует циклически (итеративно), и его циклы принято называть эпохами.
На каждой эпохе на вход сети поочередно подаются все обучающие
наблюдения, выходные значения сети сравниваются с целевыми значениями
и вычисляется ошибка. Значение ошибки, а также градиента поверхности
ошибок используется для корректировки весов, после чего все действия
повторяются. Начальная конфигурация сети выбирается случайным образом,
и процесс обучения прекращается, либо когда пройдено определенное
количество эпох, либо когда ошибка достигнет некоторого определенного
уровня малости, либо когда ошибка перестанет уменьшаться (пользователь
может сам выбрать нужное условие остановки).
Приведем словесное описание алгоритма[49].
169
 Шаг 1. Весам сети присваиваются небольшие начальные значения.
Шаг 2. Выбирается очередная обучающая пара (X, Y) из обучающего
множества; вектор X подается на вход сети.
Шаг 3. Вычисляется выход сети.
Шаг 4. Вычисляется разность между требуемым (Y) и реальным
(вычисленным) выходом сети.
Шаг 5. Веса сети корректируются так, чтобы минимизировать ошибку.
Шаг 6. Шаги со 2-го по 5-й повторяются для каждой пары обучающего
множества до тех пор, пока ошибка на всем множестве не достигнет
приемлемогозначения.
Шаги 2 и 3 подобны тем, которые выполняются в уже обученной сети.
Вычисления в сети выполняются послойно. На шаге 3 каждый из
выходов сети вычитается из соответствующей компоненты целевого вектора
с целью получения ошибки. Эта ошибка используется на шаге 5 для
коррекции весов сети.
Шаги 2 и 3 можно рассматривать как «проход вперед», так как
сигнал распространяется по сети от входа к выходу. Шаги 4 и 5 составляют
«обратный проход», поскольку здесь вычисляемый сигнал ошибки
распространяется обратно по сети и используется для подстройки весов.
Дадим изложенному геометрическую интерпретацию [51, 79]. В
алгоритме обратного распространения вычисляется вектор градиента
поверхности ошибок. Этот вектор указывает направление кратчайшего
спуска по поверхности из данной точки, поэтому, если мы «немного»
продвинемся по нему, ошибка уменьшится. Последовательность таких шагов
(замедляющаяся по мереприближения ко дну) в конце концов приведет к
минимуму того или иного типа. Определенную трудность здесь представляет
вопрос о том, какую нужно брать длину шагов.
При большой длине шага сходимость будет более быстрой, но имеется
опасность перепрыгнуть через решение или (если поверхность ошибок имеет
особо вычурную форму) уйти в неправильном направлении. Классическим
170
примером такого явления при обучении нейронной сети является ситуация,
когда алгоритм очень медленно продвигается по узкому оврагу с крутыми
склонами, прыгая с одной его стороны на другую. Напротив, при маленьком
шаге, вероятно, будет схвачено верное направление, однако при этом
потребуется очень много итераций. На практике величина шага берется
пропорциональной крутизне склона (так что алгоритм замедляет ход вблизи
минимума) с некоторой константой, которая называется коэффициентом
скорости обучения. Правильный выбор скорости обучения зависит от
конкретной задачи и обычно осуществляется опытным путем; эта константа
может также зависеть от времени, уменьшаясь по мере продвижения
алгоритма.
Обычно этот алгоритм видоизменяется таким образом, чтобы включать
слагаемое импульса (или инерции). Этот член способствует продвижению в
фиксированном направлении, поэтому если было сделано несколько шагов в
одном и том же направлении, то алгоритм «увеличивает скорость», что
(иногда) позволяет избежать локального минимума, а также быстрее
проходить плоские участки.
Классический метод обратного распространения относится к
алгоритмам с линейной сходимостью, и известными недостатками его
являются: невысокая скорость сходимости (большое число требуемых
итераций для достижения минимума функции ошибки), возможность
сходиться не к глобальному решению, а к локальным решениям (локальным
минимумам отмеченной функции), возможность паралича сети (при котором
большинство нейронов функционирует при очень больших значениях
аргумента функции активации, т.е. на ее пологом участке; поскольку ошибка
пропорциональна производной, которая на данных участках мала, то процесс
обучения практически замирает).
Для устранения этих недостатков были предложены многочисленные
модификации алгоритма обратного распространения, которые связаны с

171
использованием различных функций ошибки, различных процедур
определения направления и величины шага и т. п.
Классический метод обратного распространения относится к
алгоритмам с линейной сходимостью. Для увеличения скорости сходимости
необходимо использовать матрицы вторых производных функции ошибки.

3.2 Адаптивные нейросетевые системы управления двух- и

трехмассовыми упругими электромеханическими объектами

3.2.1 Особенности использования искусственных нейронных сетей в

системах управления
В технической литературе [27, 49, 50] для управления динамическими
объектами, как правило, используются нейронные сети прямого
распространения. Если параметры объекта изменяются, то необходимо
изменять веса нейронной сети (переобучать сеть заново) или использовать
нейронные сети с настраиваемым базисом. Использование многослойных
нейронных сетей прямого распространения с настраиваемым базисом
усложняется подходящим выбором архитектуры сети – количества элементов
и настраиваемого базиса.
В историческом плане можно утверждать, что разработка систем
управления (СУ) всегда происходит поэтапно. В качестве таких этапов можно
выделить: этап разработки концепции построения СУ; этап моделирования СУ,
в соответствии с предлагаемой концепцией построения; этап анализа
получаемых результатов; этап доработки (модернизации) концепции
построения СУ. На протяжении всех этих этапов не прекращаются
теоретические исследования, которые позволяют выбирать основные
направления совершенствования первоначально сформулированной концепции
построения СУ и распространять ее основные идеи на ряд смежных областей.
По аналогичной схеме происходит развитие СУ, использующих искусственные

172
нейронные сети (НС). Однако следует заметить, что большое количество
разработанных аппаратных и программных моделей нейросетевых СУ часто
опережают теоретическое понимание происходящих при этом процессов и
имеющихся проблем [19, 76].
Необходимым этапом решения задач управления нелинейными дина-
мическими системами является получение их адекватных математических
моделей, базирующееся, как правило, на теоретическом и экспериментальном
анализе свойств этих систем. Теоретический анализ процессов, происходящих в
системе, позволяет получить математическое описание в виде, например,
дифференциальных уравнений. При экспериментальном анализе на основе
наблюдений входных и выходных сигналов системы получают либо ее
параметрическую, либо непараметрическую модель. Наиболее широкое
распространение получили параметрические модели, требующие решения задач
структурной и параметрической идентификации и использующие ограниченное
число параметров. Несмотря на огромное количество работ, многообразие
видов нелинейностей не позволяет создать единую теорию идентификации
нелинейных систем. Применяемый чаще всего классический подход основан на
аппроксимации нелинейностей, например рядами Вольтера, Гаммерштейна,
Винера, полиномами КолмогороваГабора и др. Однако область применения
таких моделей ограничена. Кроме того, дополнительные трудности получения
адекватного математического описания обусловлены наличием в реальных
сигналах помех.
Системы адаптивного управления, использующие эталонную модель,
проектируются таким образом, чтобы выходной сигнал управляемой модели в
конце концов соответствовал выходному сигналу эталонной модели, которая
имеет желаемые характеристики [9, 42, 52]. Такая система должна быть
асимптотически устойчивой по ошибке.
Системы управления, так или иначе использующие искусственные НС,
являются одной из возможных альтернатив классическим методам управления,
основанной на аналитических методах адаптации. Возможность использования
173
НС для решения задач управления во многом основывается на том, что НС,
состоящая из двух слоев и имеющая в скрытом слое произвольное большое
количество узлов, может аппроксимировать любую функцию действительных
чисел с заданной степенью точности. Таким образом, для решения задач
идентификации и управления могут быть использованы НС даже с одним
скрытым слоем [76].
В настоящее время достаточно хорошо разработан и широко использу-
ется целый ряд архитектур построения нейросетевых систем управления[61, 78,
8185]. Во всех из них назначением нейросетевого контроллера является
выработка адекватного управляющего сигнала для управления динамикой
состояний объекта управления от начального состояния до желаемого
итогового состояния. Организация контроля за состоянием объекта управления
и реализация нейросетевойсистемы управления в значительной степени зависят
от выбранного алгоритма обучения и используемой структуры управления.
Наиболее широко используемыми являются схема прямого
(непосредственного) управления и схема непрямого (идентификационного)
управления. При этом чаще всего в качестве алгоритма обучения используется
алгоритм обратного распространения ошибки [27, 49, 50].
В схеме прямого управления [49, 50] параметры нейросетевого
контроллера регулируются таким образом, чтобы уменьшить непосредственно
ошибку выхода еу (см. рисунок 3.6). В схеме непрямого[49, 50] управления
параметры объекта управления определяются в каждый момент времени и
затем используются для оценки параметров контроллера (см. рисунок 3.7).
Таким образом, имеет место явно выраженный процесс идентификации.
Недостатком такой схемы является то, что идентификация и управление
основываются исключительно на ошибке eu , и, следовательно, минимизацию
ошибки на выходе системы e y гарантировать нельзя.

174
 yd Нейросетевой u Объект y
контроллер управления

ey

Рисунок 3.6 -Схема прямого управления нейросетевого контроллера

yd Нейросетевой u Объект
y
контроллер управления

eu Нейросетевой
идентификатор

ey

Рисунок 3.7 -Схема непрямого управления нейросетевого контроллера

Одной из областей теоретических исследований, рассматривающих

проблемы использования НС в системах управления, является сравнение
таких методов управления с другими известными типами СУ, выявление
присущих нейросетевым методам особенностей и их анализ. Сравнивались
устойчивость, скорость сходимости, работа в условиях шумов, требуемый
объем памяти и др.
Нейросетевые СУ более гибко настраиваются на реальные условия,
образуя модели полностью адекватные поставленной задаче, не содержащие
ограничений, связанных с построением формальных систем. Кроме того,
нейросетевые СУ не только реализуют стандартные адаптивные методы
управления, но и предлагают свои алгоритмические подходы к ряду задач,
решение которых вызывает затруднение вследствие неформализованности.
Таким образом, напрашивается следующий вывод. Будущее
175
нейросетевогоуправления лежит в сочетании традиционного управления с
потенциальными возможностями и перспективами использования систем,
основанных на использовании искусственных НС [79].
В данной работе предлагается новый подход к применению нейронной
сети для создания нейросетевых систем управления многомассовыми
упругими механическими объектами, обученными на основе работы
адаптивных систем с сигнальной и параметрической настройками, на
примере двух- и трехмассовых упругих механических объектов [14, 16, 31,
41, 54]. При таком подходе входными данными для нейронной сети будут
сигналы, поступающие на входы адаптивных аналитических систем
управления ( xˆ , x м , u0 ), а выходными данными нейросетевой системы
управления будет выходной сигнал адаптивных систем с параметрической
или сигнальной настройкойua.

3.2.2 Разработка адаптивных нейросетевых систем управления

положением двухмассового упругого электромеханического объекта
На выбор структуры нейросетевой настройки оказывают влияние многие
факторы. Одним из самых главных факторов является время обучения для
достижения желаемых результатов. Время обучения нейронной сети зависит
от производительности компьютера и алгоритма обучения. В данной работе
процесс экспериментального исследования показывает, что структура
нейронной сети, состоящая из входного, одного скрытого и выходного слоев
достаточна для выполнения поставленной задачи.
В качестве объекта управления выбираем двухмасссовый упругий
механический объект (2.41), (2.42) саналитическимиадаптивными системами
управления (2.53) – (2.54). На основании числа входных и выходных
переменных в адаптивной системе с параметрической настройкой выберем
число нейронов во входном слое равным 9, в выходном равным 1,число
нейронов в скрытом слое было выбрано равным 9. Для нейронной сети,
обучаемой по адаптивной системе с сигнальной настройкой,выберем число
176
нейронов в входном слое равным 8, в выходном равным 1, число нейронов в
скрытом слое было выбрано равным 8. В обучении нейронных сетей был
применен алгоритм обратного распространения ошибки.
Структурынейронных сетей, обученных по работе адаптивных систем
управления с параметрической или сигнальной настройкой, представлены,
соответственно, на рисунках 3.8, 3.9.
Входы Входной слой Скрытый слой Выходной слой
xм
W 1 W 2 W 3
f1 () f 2 () f3 () u
x̂ a

u0 b 1 b 2 b 3

9 9 9 1
1
Рисунок 3.8 - Схема нейросетевой системы управления, обученной по адаптивной
системе с параметрической настройкой для управления двухмассовым упругим
механическим объектом

Входы Входной слой Скрытый слой Выходной слой

W 1 W 2 W 3

xм f1 () f 2 () f3 () u
a

x̂ b 1 b 2 b 3

8 8 8 1
Рисунок 3.9 - Схема нейросетевой системы управления, обученной по адаптивной системе
с сигнальной настройкой для управления двухмассовым упругим механическим объектом

Из схем (рисунки 3.8, 3.9) можно записать:

1 1
ua  f (W{3} f ()  b{3})  f (W{3} f (W{2} f ()  b{2})  b{3}) 
3 2 1 3 2 1 1
1 (3.15)
T
 f (W{3} f (W{2} f (W{1} x e u   b{1})  b{2})  b{3}) ,
3 2 1  0
1

где W{1} , W{2} , W{3} – весовые матрицы первого, второго и третьего слоев
соответственно; b{1} , b{2} , b{3} – пороги первого, второго и третьего

177
слоевсоответственно; f 3 (.) – линейная функция; f1 (.) , f 2 (.) – сигмоидально-
гиперболический тангенс (tansig) в виде
2
tansig x  . (3.16)
(1  e2 x )1
Можно переписать выражение (3.15) в виде
1
ua  Ab ( W{3}tansig( W{2}tansig( W{1}  x e u0   b{1})  b{2})  b{3}) ,
T

где Ab  1– линейный коэффициент.

Применяя инструменты создания и обучения нейронных сетей [8, 11,
24, 26, 27],создадим в Matlab–Simulinkнейронную сеть,для обучения
инастройки которой применяются данныеаналитических алгоритмов (2.52) –
(2.54) на входе [xˆ , x M ,u0 ] и на выходе [ua ] адаптивной системы управления
двухмассовым упругим электромеханическим объектом. На основе
полученных в Matlab–Simulinkнастроек была разработана программа
моделирования адаптивной нейросетевой системы управления с эталонной
моделью для управления положением двухмассового упругого
механического объекта.
Результаты моделирования при изменении параметров объекта.В
работе было проведено моделирование адаптивной нейросетевой системы
управления рассматриваемым двухмассовым упругим механическим
объектом с эталонной моделью, в котором все переменные состояния объекта
доступны измерению с помощью датчиков. Результаты моделирования
представлены на рисунках 3.10 – 3.14.

178
Рисунок 3.10–Переходные процессы в двухмассовом упругом механическом объекте при
номинальных параметрах 1 – нейронная сеть, обученная по сигнальной адаптации; 2 –
нейронная сеть, обученная по параметрической адаптации; 3 – аналитическое адаптивное
управление

Рисунок 3.11–Переходные процессы в двухмассовом упругом механическом объекте при

увеличении J2 в пять раз 1 – нейронная сеть, обученная по сигнальной адаптации; 2 –
нейронная сеть, обученная по параметрической адаптации; 3 – аналитическое адаптивное
управление

Рисунок 3.12–Переходные процессы в двухмассовом упругом механическом

объекте при увеличении рв пять раз 1 – нейронная сеть, обученная по сигнальной
адаптации; 2 – нейронная сеть, обученная по параметрической адаптации; 3 –
аналитическое адаптивное управление

179
 Рисунок 3.13–Переходные процессы в двухмассовом упругом механическом
объекте при уменьшении J2 в четыре раза 1 – нейронная сеть, обученная по сигнальной
адаптации; 2 – нейронная сеть, обученная по параметрической адаптации; 3 –
аналитическое адаптивное управление

Рисунок 3.14–Переходные процессы в двухмассовом упругом механическом

объекте при уменьшении pв пять раз 1 – нейронная сеть, обученная по сигнальной
адаптации; 2 – нейронная сеть, обученная по параметрической адаптации; 3 –
аналитическое адаптивное управление

3.2.3Разработка адаптивных нейросетевых систем управления

положением трехмассового упругого механического объекта
Рассматриваемый трехмассовый механический объект управления
(2.102), (2.103) имеет на две переменные состояния больше, чем
двухмассовый упругий электромеханический объект, и поэтому необходимо
выбрать следующие структуры (рисунки 3.15, 3.16).У нейросетевой
настройки четыре слоя, на основании числа входных и выходных
переменных выберем число нейронов в входном слое равным 13, в выходном
180
 равным 1. Число нейронов в первом скрытом слое было выбрано равным 13 и
число нейронов во втором скрытом слое было выбрано равным 13. В
обучении нейронной сети был применен алгоритм обратного
распространения ошибки: обучена нейросетевая настройка с данными
алгоритмов настройки (2.112) – (2.115) на входе [xˆ , x M ,u0 ] и на выходе [ua ]
адаптивных систем управления с параметрической и сигнальной
настройкамитрехмассовым упругим электромеханическим объектом. На
основе полученных нейросетевых настроек в MatlabSimulink построена
программа моделирования адаптивной нейросетевой системы с эталонной
моделью для управления трехмассовым упругим электромеханическим
объектом.

Входы Входной слой Скрытый слой Скрытый слой Выходной слой

xм
W 1 f1 () W 2 f 2 () W 3 f3 () W 4 f 4 ()
x̂ ua
u0 b 1 b 2 b 3 b 4

13 13 13 13 1
1
Рисунок 3.15 - Схема нейросетевой системы управления, обученной по адаптивной
системе с параметрической настройкой для управления трехмассовым упругим
механическим объектом

Входы Входной слой Скрытый слой Скрытый слой Выходной слой

xм W 1 f1 () W 2 f 2 () b 2 f3 () W 4 f 4 ()

ua
x̂ b 2 b 4
b 1 f 2 ()

12 12 12 12 1

Рисунок 3.16 - Схема нейросетевой системы управления, обученной по адаптивной

системе с сигнальной настройкой для управления трехмассовым упругим механическим
объектом

181
 Из схем (рисунки 3.15, 3.16) можно написать:
1
ua  f 4 ( W{4} f3 (.)  b{4}) 1 
 f 4 ( W{4} f3 ( W{3} f 2 ( W{2} f1 (.)  b{2})  b{3})  b{4}) 1
1
(3.17)
1
 f 4 ( W{4} f3 ( W{3} f 2 ( W{2} f1 ( W{1} x e u0   b{1})  b{2})  b{3})  b{4}) ,
T

где W{1} , W{2} , W{3} , W{4} – весовые матрицы первого, второго, третьего и
выходного слоевсоответственно; b{1} , b{2} , b{3} , b{4} – пороги первого,
второго, третьего и выходного слоев соответственно; f 4 (.) – линейная
функция; f1 (.) , f 2 (.) , f 3 (.) – сигмоидально-гиперболический тангенс (tansig) в
виде (3.16).
Результаты моделирования при изменении параметров объекта. В
работе проведено моделирование адаптивной нейросетевой системы
управления трехмассовым упругим электромеханическим объектом с
эталонной моделью, считаем, что все переменные состояния объекта
доступны измерению с помощью датчиков. Результаты моделирования
представлены на рисунках 3.17 – 3.20.

Рисунок 3.17– Переходный процесс при номинальных параметрах: 1) адаптивный

регулятор с параметрической (сигнальной) настройкой; 2) нейросетевой регулятор,
обученный по параметрической адаптации; 3) нейросетевой регулятор, обученный по
сигнальной адаптации

182
 Рисунок 3.18– Переходный процесс при увеличении момента инерции в 4 раза: 1)
адаптивный регулятор с параметрической (сигнальной) настройкой; 2) нейросетевой
регулятор, обученный по параметрической адаптации; 3) нейросетевой регулятор,
обученный по сигнальной адаптации

Рисунок 3.19– Переходный процесс при увеличении жесткости в 2 раза: 1)

адаптивный регулятор с параметрической (сигнальной) настройкой; 2) нейросетевой
регулятор, обученный по параметрической адаптации; 3) нейросетевой регулятор,
обученный по сигнальной адаптации

183
 Рисунок 3.20– Переходный процесс при уменьшении жесткости в 4 раза: 1)
адаптивный регулятор с параметрической (сигнальной) настройкой; 2) нейросетевой
регулятор, обученный по параметрической адаптации; 3) нейросетевой регулятор,
обученный по сигнальной адаптации

По результатам сравнительного исследования аналитических и

нейросетевых, обученных по аналитическим адаптивным системам
управления двух- и трехмассовых механических объектов, была составлена
таблица 3.1 «Сравнение эффективности аналитических и нейросетевых
адаптивных систем».

184
 Таблица 3.1
Сравнение эффективности аналитических и нейросетевых адаптивных систем
Адаптивная Показатели качества Простота Простота Энергопотребление
система Увеличение Ji Уменьшение Ji Увеличение рi Уменьшение рi микроконтроллерной аналоговой
реализации реализации

Параметрическая Чем больше Ji, тем Чем меньше Ji, тем Система устойчива, с Чем больше р, тем сложно реализовать сложно низкое
меньше быстрее время малым больше реализовать
настройка
перерегулирование и нарастания и больше перерегулированием перерегулирование и
больше время перерегулирования больше время
регулирования регулирования

Сигнальная Чем больше Ji, тем Чем меньше Ji, тем Система устойчива, с Чем больше р, тем просто реализовать сложно высокое из-за скользящих
меньше быстрее время малым больше реализовать режимов
настройка
перерегулирование и нарастания и больше перерегулированием перерегулирование и
больше время перерегулирования больше время
регулирования регулирования

Нейросеть, Работает быстрей Переходный процесс Система устойчива, с Чем больше р, тем просто реализовать сложно низкое
аналитической, но с без малым больше реализовать
обученная по
перерегулированием перерегулирования, но перерегулированием перерегулирование и
параметрической медленней чем в медленнее затухание
адаптации аналитических колебаний
адаптивных системах

Нейросеть, Работает быстрей Переходный процесс Чем больше р, тем Справляется с просто реализовать сложно высокое из-за повторения
аналитической, но с без больше большим диапазоном раелизовать скользящих режимов,
обученная по
перерегулированием перерегулирования, но перерегулирования и изменений без возникающих в
сигнальной медленней чем в меньше время перерегулирования аналитической системе
адаптации аналитических нарастания
адаптивных системах

185
3.3 Выводы к третьей главе
В третьем разделе диссертационной работы решены следующие задачи:
1.Выдвинут и обоснован новый подход к применению нейросетевых
систем в решении задач управления упругими механическими объектами.
2. Сформулирован новый метод обучения в режиме «off-line»
адаптивных нейросетевых систем управления, отличающийся тем, что
обучение осуществляется на основе адаптивных аналитических систем
управления двух- и трехмассовыми упругими механическими объектами.
3. Разработаны и обучены нейросетевые системы управления
положением двух- и трехмассовых упругих механических объектов в
условиях неопределенности параметров. Все исследования проводились в
специальной программе MatlabSimulink.

186
4. РАЗРАБОТКА ПРИКЛАДНОЙ ПРОГРАММЫ
МОДЕЛИРОВАНИЯ И НАСТРОЙКИ СИСТЕМ
УПРАВЛЕНИЯ ДВУХ- И ТРЕХМАССОВЫМИ
ЭЛЕКТРОМЕХАНИЧЕСКИМИ ОБЪЕКТАМИ С
УПРУГИМИ ДЕФОРМАЦИЯМИ

4.1 Обзор программ моделирования и настройки систем

управления
Тенденции к внедрению на предприятии цифрового оборудования
создают предпосылки к разработке и использованию: специализированных
программ по моделированию и настройке систем управления, а также
аппаратных средств на базе промышленных контроллеров для управления
электромеханическими объектами. Такие программы требуют от
настройщиков оборудования знаний теории управления и
специализированного программного обеспечения (Matlab, LabView), а
аппаратные средства недостаточно эффективны в условиях, когда параметры
системы точно не известны или меняются в некоторых пределах.

4.1.1 Программные средства отладки и моделирования

Программа Matlab. При использовании ее для описания сложных
моделей зачастую возникает необходимость привлекать средства
встроенного языка программирования, что требует от разработчика систем
управления специальных знаний в области программирования и
значительных затрат времени. Кроме того, данная программа требует
значительных ресурсов, так как включает в себя множество функций, не
относящихся непосредственно к решению задач моделирования. Это
связанно с тем, что Matlab является общематематическим средством для
расчетов и исследований, а система моделирования динамических систем
187
входит в него как одна из функций. Основным средством для разработки и
моделирования систем управления динамическими объектами является
ToolboxSimulink [55] (см. рисунок 4.1). Объект управления и регуляторы
собираются в виде комбинаций специальных блоков, при этом нужно хорошо
представлять саму структуру объекта и алгоритмов управления.
К достоинствам можно отнести: 1) возможность создания структурных
схем объектов любой степени сложности; 2) возможность создания
регуляторов любой степени сложности.
К недостаткам можно отнести сложности, возникающие при переносе
системы управления, настроенной в Matlab, на реальный объект.

Рисунок 4.1 – Окно MatlabSimulink

Программа LabView по своей организации очень напоминает Matlab,

обладает теми же достоинствами и недостатками. Однако главным отличием
можно считать возможность визуализации и симуляции процессов
управления в LabView, создав интерфейс панели управления
технологическим процессом (см. рисунки 4.2, 4.3).

Рисунок 4.2 – Окно создания математической модели объекта управления и регуляторов

188
 Рисунок 4.3 – Окно визуализации процесса управления

Программа «Моделирование в технических устройствах» (ПК

«МВТУ») (см. рисунки 4.4, 4.5) предназначена для исследования динамики и
проектирования самых разнообразных систем и устройств[87]. По своим
возможностям ПК «МВТУ» является альтернативой аналогичным
зарубежным программным продуктам Simulink, VisSim и др. Удобный
редактор структурных схем, обширная библиотека типовых блоков и
встроенный язык программирования позволяют реализовывать модели
практически любой степени сложности, обеспечивая при этом наглядность
их представления. ПК «МВТУ» успешно применяется для проектирования
систем автоматического управления, следящих приводов и роботов-
манипуляторов, ядерных и тепловых энергетических установок, а также для
решения нестационарных краевых задач (теплопроводность, гидродинамика
и др.)[87].

Рисунок 4.4 - Окно создания математической модели объекта управления и регуляторов

189
 Рисунок 4.5 - Панель управления.

Комплекс обладает всеми достоинствами и недостатками Matlab и

LabView.

4.1.2 Совмещение программных моделей и регуляторов с работающим

оборудованием
Примером такого комплекса может служить «Комплекс для разработкии
отладки проектов АСУ ТП» [22] (см. рисунок 4.6). Использование
представляемого комплекса для отладки проектов АСУ ТП, имеющего в
своем составе полный имитатор технологических процессов, позволяет:
 реализовывать в составе АСУ ТП высокоэффективные алгоритмы
управления (оптимальное управление, адаптивное управление,
диагностику состояния и т.д.);
 создавать высоконадежное ПО АСУ ТП;
 сокращать сроки внедрения.
Комплекс состоит из двух основных частей (см. рисунок 4.6):

190
 Рисунок 4.6 - Комплекс для разработки и отладки проектов АСУ ТП

1) системы управления (СУ), разработанной на основе SCADAсистемы;

2) полного имитатора ТП, реализованного на базе программно
аппаратных средств, функционирующих в режиме реального времени.
Аппаратная часть системы управления построена на основе IBM PC
совместимого компьютера с процессором Pentium и модульных
промышленных компьютеров MIC-2000 фирмы «Advantech». Обмен
информацией между ними производится по стандартному
последовательному интерфейсу RS-485. Выбор MIC-2000 во многом
предопределили модульная архитектура на базе пассивной объединительной
платы с магистралью типа ISA, обеспечивающая функциональную гибкость,
простоту модернизации и обслуживания комплекса, и прочный
пылезащитный корпус, соответствующий решаемым комплексом задачам из

191
области промышленной автоматизации. MIC-2000 укомплектован
следующим набором стандартных модулей:
 MIC-2718 — модуль аналогового ввода (8 дифференциальных или
16 однопроводных каналов 12битового АЦП, 100 кГц);
 MIC-2728 — модуль аналогового вывода (4 двуполярных
изолированных канала 12битового ЦАП с двойной
буферизацией);
 MIC-2730 — модуль дискретного ввода (два 8разрядных
оптоизолированных канала цифрового ввода со светодиодной
индикацией состояния линий);
 MIC-2750 — модуль дискретного вывода (два 8разрядных
оптоизолированных канала цифрового вывода со светодиодной
индикацией состояния линий).
Программная часть системы управления реализована с использованием
SCADAсистемы Genie 3.0. Имитатор ТП представлен набором цифровых и
физических моделей. Цифровые модели реализованы на базе IBM PC
совместимых ПЭВМ с использованием программных средств AutoCont [22].
Для связи с СУ используются платы ввода-вывода сигналов:
 универсальная плата сбора данных (8 дифференциальных или 16
однопроводных каналов 12битового АЦП, 100 кГц с
программируемым коэффициентом усиления, 2 однополярных
канала 12битового ЦАП с двойной буферизацией, по два
8разрядных канала цифрового ввода и вывода, три
таймерасчётчика);
 плата аналогового вывода (6 12битовых каналов с
индивидуальными микросхемами ЦАП с двойной буферизацией).
Пакет моделирования автоматических систем регулирования AutoCont
позволяет рассчитывать различные частотные характеристики, переходные
процессы, фазовые портреты и получать их графики. В состав пакета входит
192
редактор структурных схем, позволяющий создавать автоматические
системы управления различных типов, используя широкий набор элементов
и связей между ними. AutoCont поддерживает устройства связи с объектами
и применяется для создания систем управления внешним оборудованием.
AutoCont широко используется для решения исследовательских и
практических задач, а также в учебном процессе. Программные средства
AutoCont позволяют с помощью встроенного редактора структурных схем и
меню элементов легко формировать цифровую модель ТП практически
неограниченной сложности (рабочее поле редактора 80×80 элементов). Среди
элементов следует отметить следующие [22]:
 аналоговые линейные элементы, описываемые линейными
дифференциальными уравнениями до
20-го порядка;
 цифровые элементы, включая типовые П-, ПИ-, ПД-, ИД- и ПИД-
регуляторы;
 различные модификации типовых нелинейностей (идеальное реле,
реле с зоной нечувствительности, реле с зоной неоднозначности,
реальное реле, усиление с ограничением, люфт);
 элемент функциональной зависимости xвых=f(xвх), где f(xвх)
задается в виде входной строки длиной не более 255 символов,
среди которых могут присутствовать числа, знаки,
арифметические операции, скобки произвольной вложенности,
функции (ln, log, sin, cos, tg, ctg, exp, arctg, sign, abs, sqrt);
 элементы, реализующие различные виды входных сигналов,
включая как стандартные A.1(t–τ), A.sin(ωt+ϕ), так и функцию
x=f(t), где f(t) задается аналогично описанной f(xвх), за
исключением того, что аргументом является величина t;
 запаздывание, реализующее функцию xвых=xвх(t–τ);
 элементы: пересечение, размножитель, умножитель;

193
  элементы АЦП и ЦАП, служащие для связи с внешними
устройствами через соответствующие платы ввода-вывода при
моделировании в реальном времени.
Такой широкий набор элементов позволяет создавать полные имитаторы
работы технологического оборудования, включая датчики и исполнительные
механизмы, в реальном масштабе времени. Физические модели реализованы
на базе элементов, наиболее широко используемых в ТП, и обеспечивают
высокую наглядность функционирования отдельных узлов систем. Внешние
органы ручного задания параметров ТП (переключатели, потенциометры)
позволяют изменять установки в широком диапазоне. Так, например,
физическая модель электропривода позволяет имитировать соответствующие
процессы в диапазоне 80 Вт…300 кВт. Реализация временных характеристик
осуществлена с использованием операционных усилителей с
соответствующими обратными связями. В случае необходимости наложения
дополнительных помех или какойлибо обработки выходной сигнал
физической модели вводится в цифровую модель на базе IBM PC, откуда
поступает в СУ.
Связь между всеми элементами комплекса осуществляется по внешнему
физическому интерфейсу. Он выполнен неэкранированными проводами, по
которым осуществляется передача стандартных электрических аналоговых и
дискретных сигналов (±5 B, ±10 B, 0…20мA, 4…20 мА, ...), соответствующих
сигналам, используемым в реальном ТП, для которого тестируется ПО. Для
отладки и тестирования конкретного проекта АСУ ТП через коммутатор
производится подключение соответствующих входов и выходов системы
управления и полного имитатора. В случае использования сложных
цифровых моделей ТП и невозможности обеспечения жёсткого режима
реального времени одним компьютером имитатора может быть задействован
ряд таковых.
Рассматриваемый комплекс даёт возможность обеспечить тестирование
ПО АСУ ТП, имеющего в своём составе алгоритмы цифровой фильтрации,
194
идентификации, адаптивного управления, диагностики состояния как
отдельных агрегатов, так и всего ТП. Полная имитация ТП позволяет также
обеспечить тестирование ПО на корректность для случаев высокого уровня
электрических помех, отказов датчиков, исполнительных механизмов,
системы электропитания.
При отсутствии математического описания ТП, необходимого для
создания цифровой модели средствами AutoCont, используются специальные
средства идентификации объекта управления в реальном масштабе времени,
устанавливаемые на работающее оборудование. Они включают в себя
промышленный компьютер MIC-2000 с соответствующей платой ввода и
программные средства идентификации объектов в реальном времени IDN RT
[22].

4.1.3 Стенды для полунатурных испытаний

Нередко для отладки ТП используют стенды для полунатурных
испытаний. На рисунке 4.7 представлена функциональная схема стенда для
полунатурных испытаний. В качестве стенда выступает реальный объект
управления с АСУ ТП, но находящийся не в производственном цикле.
Достоинством такого подхода является возможность отработать все штатные
и нештатные ситуации ТП на реальном оборудовании без боязни
повреждения и остановки основного оборудования [1]. Недостатком такого
подхода является то, что для нового ТП с другим оборудование разработчику
АСУ ТП придется закупать (создавать, размещать у себя или на
предприятии) новый стенд для полунатурного моделирования ТП.

195
 Рисунок 4.7 – Функциональная схема стенда для полунатурных испытаний

Функциональная схема стенда для полунатурных испытаний (см.

рисунок 4.7) состоит из следующих блоков:
 Устройство управления пульты управления, терминалы и т.п;
 Датчики аппаратура различной природы, позволяющая
получить информацию об объекте, необходимую для
осуществления процесса управления;
 Исполнительные механизмы электрические двигатели,
электромагниты, пневматические, гидравлические устройства и
т.д.;
 Собственные механизмы и системы ОУ  реальный объект
управления, но находящийся не в производственном цикле;
 САУ – система автоматического управления;
 Внешняя среда – нагрузка, помехи и прочее [1].

4.1.4 Настройка регуляторов в реальном времени (на примере TRM-151)

Задачей автоматической настройки ПИД-регуляторов (АНР) является
определение приблизительных параметров настройки регулятора, которые
используются в последующем процессе регулирования.
Общие правила проведения автонастройки ПИД-регулятора [88]:

196
  процесс автонастройки проходит непосредственно на объекте,
поэтому для ее осуществления необходимо иметь
сконфигурированный прибор с подключенными к нему датчиками и
исполнительными механизмами;
 условия, в которых проводится автонастройка, должны быть
максимально приближены к реальным условиям эксплуатации
объекта;
 автонастройка ведется для каждого канала в отдельности;
 в случае если технические условия эксплуатации объекта не
допускают изменения регулирующего воздействия в широком
диапазоне и со значительными скоростями изменения, то
автонастройку следует выполнить в ручном режиме.
Все перечисленные группы программных продуктов, располагающих
средствами для исследования систем управления,обладают и достоинствами
(большие возможности в проектировании систем управления или простота
реализации, или наглядность реализации), и недостатками (сложность
цифровой реализации, недостаточная эффективность в условиях изменения
параметров объекта управления).

4.2 Проектирование и описание программы моделирования

4.2.1 Назначение
Специализированные программные средства должны предоставлять
разработчику информацию и набор готовых решений для конкретных
проблем, благодаря чему программа становится не только средством
исследования, но и источником информации о разработанных в данной
области решениях.
Для задач исследования систем управления важно иметь возможность
сравнительного анализа поведения системы при различных параметрах

197
системы и алгоритмах управления. Каждый раз при изменении параметров
системы разработчик запускает процесс моделирования, оценивает
результаты, меняет параметры системы, и процесс повторяется снова.
Программа позволяет выполнять исследования по заданному пользователем
плану, когда исследователь задает параметры системы, которые должны
меняться во время исследования, и значения, которые они будут принимать
на каждом этапе программы исследования. В результате моделирования
исследователь получает наглядное представление о поведении системы при
изменении параметров.
Программа моделирования и настройки систем управления двух- и
трехмассовыми упругими механическими и электромеханическими
объектами разработана в специальной среде GUI-приложений пакета Matlab
[3] и предназначена для исследования систем управления двух- и
трехмассовых упругих электромеханических объектов при изменении их
параметров: массы, коэффициента упругости между массами, индуктивности
якоря. Программа моделирования содержит в себе библиотеку двух- и
трехмассовых упругих механических и электромеханических объектов и
систем управления этими объектами: подчиненное регулирование, модальное
управление, адаптивное управление с параметрической и сигнальной
настройками.
Данная программа также может быть использованав учебном процессе
как пособие и программа выполнения самостоятельных работ по
дисциплинам:
 «Математические методы проектирования нелинейных и адаптивных

систем управления»;
 «Адаптивные системы управления динамическими объектами»;

 «Управление многостепенными механическими объектами».

198
4.2.2 Назначение пунктов меню и работа с приложением
Описываемые ниже пункты меню и приложения содержат в себе
информацию по работе с системами управления скоростью или положением
двух- или трехмассового упругого механического или электромеханического
объекта.Однако все восемь объектов управления, представленные во второй
главе (2.6), (2.28), (2.42), (2.56), (2.75), (2.89), (2.103), (2.117),имеют схожие
меню и описывать каждый пункт программы нецелесообразно.
Запуск программы осуществляется набором команды «startuprobj»,
после которой появится окно «ВЫБОР СИСТЕМЫ УПРАВЛЕНИЯ»
предлагающее выбрать одно из двух направлений исследования: 1) систему
управления положением; 2) систему управления скоростью (см. рисунок 4.8).

Рисунок 4.8 - «ВЫБОР СИСТЕМЫ УПРАВЛЕНИЯ» для моделирования двух и

трехмассовых упругих электромеханических объектов

После выбора системы управления появляется окно «МЕНЮ ВЫБОРА

РЕГУЛЯТОРОВ» (см. рисунок 4.9), где оператор делает выбор регулятора и
объекта управления:
 Подчиненное регулирование двухмассовым объектом.
 Модальный регулятор двухмассового объекта.
 Адаптивный регулятор двухмассового объекта.
 Адаптивно-модальный регулятор двухмассового объекта.
 Подчиненное регулирование трехмассовым объектом.
 Модальный регулятор трехмассового объекта.
 Адаптивный регулятор трехмассового объекта.
 Адаптивно-модальный регулятор трехмассового объекта.

199
 Рисунок 4.9 – «МЕНЮ ВЫБОРА РЕГУЛЯТОРОВ»

Рассмотрим вариант выбора «АДАПТИВНЫЙ РЕГУЛЯТОР

ДВУХМАССОВОГО ОБЪЕКТА». Сделав выбор, оператор попадает в
основное окно программы моделирования (см. рисунок 4.10), где
отображены следующие компоненты:
1) кнопка меню «ФАЙЛ»;
2) кнопка меню «АДАПТИВНОЕ УПРАВЛЕНИЕ»;
3) кнопка меню «РАСЧЕТНЫЕ ПАРАМЕТРЫ»;
4) кнопка меню «ИСХОДНЫЕ ПАРАМЕТРЫ»;
5) кнопка меню «ИЗМЕНЯЕМЫЕ ПАРАМЕТРЫ»;
6) кнопка меню «ПОМОЩЬ»;
7) кнопка меню «НАСТРОЙКИ В ЧИСЛЕННОМ ВИДЕ»
8) окно построения графиков;
9) кнопка построения графика «ПОСТРОИТЬ»;
10) кнопка очистки окна графика «ОЧИСТИТЬ»;
11) кнопка удержания графика(ов) в окне графиков «УДЕРЖАТЬ»;
12) справочное окно.

200
 Рисунок 4.10 – Окно проектирования и настройки адаптивной системы управления
положением двухмассового упругого электромеханического объекта (перед началом
работы)

При нажатии кнопки меню «ФАЙЛ» (см. рисунок 4.11) появляется меню
сохранения и открытия файлов расширения (см. рисунок 4.12). Нажав на
кнопку «СОХРАНИТЬ», мы можем записать текущий график(и) переходных
процессов на жесткий диск компьютера (см. рисунок 4.13). Если нам нужно
просмотреть уже записанный ранее график(и) переходных процессов, то
нажатием на кнопку «ОТКРЫТЬ», мы получаем доступ к сохраненным ранее
файлам (см. рисунок 4.13).

Рисунок 4.11 Кнопка меню «ФАЙЛ»

Рисунок 4.12Меню сохранения и открытия файлов

201
 а б
Рисунок 4.13 - Диалоговые окна меню: а)«Сохранить» и б)«Открыть»

Кнопка меню «АДАПТИВНОЕ УПРАВЛЕНИЕ» (см. рисунок 4.14)

позволяет выбрать одну из трех адаптивных систем управления: с
параметрической настройкой, с сигнальной настройкой, нейросетевую
систему управления.

Рисунок 4.14 - Кнопка меню «АДАПТИВНОЕ УПРАВЛЕНИЕ»

На рисунке 4.15 изображены пункты всплывающего меню

«ПАРАМЕТРИЧЕСКАЯ НАСТРОЙКА»,

Рисунок 4.15 – Пункты всплывающего меню «ПАРАМЕТРИЧЕСКАЯ НАСТРОЙКА»

где находятся следующие вкладки:

 «Без учета Lя»  настройка адаптивной системы управления
положением двухмассового упругого механического объекта;
 «С учетом Lя»  настройка адаптивной системы управления
положением двухмассового упругого электромеханического объекта;

202
  «ХП по Ньютону»  выбор желаемого характеристического полинома
(ХП) для настройки наблюдателя, модального управления и эталонной
модели. Распределение корней желаемого ХП по Ньютону;
 «ХП по Баттерворту»  выбор желаемого характеристического
полинома (ХП) для настройки наблюдателя, модального управления и
эталонной модели. Распределение корней желаемого ХП по
Баттерворту.

Аналогичным образом устроены вкладки всплывающих меню

«СИГНАЛЬНАЯ НАСТРОЙКА» и «НЕЙРОННАЯ СЕТЬ».
При выборе в «МЕНЮ ВЫБОРА РЕГУЛЯТОРОВ» «МОДАЛЬНЫЙ
РЕГУЛЯТОР» внешний вид всплывающего меню изменится. Останутся
вкладки: «Без учета La», «С учетом La», «ХП по Ньютону», «ХП по
Баттерворту», но исчезнет всплывающее меню выбора адаптивных систем
управления, останется только пункт меню «МОДАЛЬНОЕ УПРАВЛЕНИЕ».
При выборе в «МЕНЮ ВЫБОРА РЕГУЛЯТОРОВ» «ПОДЧИНЕННОЕ
РЕГУЛИРОВАНИЕ» пунктов меню «АДАПТИВНОЕ УПРАВЛЕНИЕ» и
«МОДАЛЬНОЕ УПРАВЛЕНИЕ» не будет.
Пункт меню «РАСЧЕТНЫЕ ПАРАМЕТРЫ» (см. рисунок 4.16)
используется для расчета неизвестных параметров объекта ( J 02 , p0 ) для
двухмассовых упругихмеханических иэлектромеханических объектов и (
J 02 , J 03 , p01 , p02 ) для трехмассовых упругих механических и
электромеханических объектов.

Рисунок 4.16 – Меню «РАСЧЕТНЫЕ ПАРАМЕТРЫ»

Пункт меню «ИСХОДНЫЕ ПАРАМЕТРЫ ОБЪЕКТА» (см. рисунок

4.17) предназначен для задания первоначальных (расчетных параметров)
двух- или трехмассовых упругих механических и электромеханических
объектов. При нажатии на кнопку «ИСХОДНЫЕ ПАРАМЕТРЫ ОБЪЕКТА»

203
появляется окно задания числовых данных параметров объекта и регуляторов
к объекту (см. рисунок 4.18),

Рисунок 4.17 - Пункт меню «ИСХОДНЫЕ ПАРАМЕТРЫ» объекта

Рисунок 4.18 - Меню задания исходных параметров двух- и трехмассовых уругих

электромеханических объектов.

где:
 ky коэффициент передачи усилителя мощности (УМ);
 La индуктивность якорной цепи двигателя;
 Ra активное сопротивление якорной цепи двигателя;
 km постоянный коэффициент (при неизменном потоке
намагничивания и пренебрежимо малой инерции якоря), определяемый
конструктивными данными электрической машины;

204
  ke постоянный коэффициент (при неизменном потоке
намагничивания и пренебрежимо малой инерции якоря), определяемый
конструктивными данными электрической машины;
 kc постоянный коэффициент передачи датчика обратной связи по
скорости (ДС);
 kn постоянный коэффициенты передачи датчика обратной связи по
положению (ДП);
 kt  постоянный коэффициент передачи датчика обратной связи по
току (ДТ);
 J1 – момент инерции первой массы (электродвигателя);
 р – коэффициент упругой связи между массами;
 J2 – момент инерции второй массы;
 р2 – коэффициент упругой связи между второй и третьей массами
(только для трехмассового упругого электромеханического объекта);
 J3 – момент инерции третьей массы (только для трехмассового
упругого электромеханического объекта).
Для предотвращения ошибок и сбоев в программе моделирования,
исходные параметры двух- и трехмассовых упругих механических и
электромеханических объектов имеют значения, установленные по
умолчанию.
В процессе исследований бывает необходимо поменять некоторые
параметры объекта или регулятора, для этого существует меню
«ИЗМЕНЯЕМЫЕ ПАРАМЕТРЫ» объекта (см. рисунок 4.19).

Рисунок 4.19 - Меню «ИЗМЕНЯЕМЫЕ ПАРАМЕТРЫ ОБЪЕКТА»

После открытия меню «ИЗМЕНЯЕМЫЕ ПАРАМЕТРЫ ОБЪЕКТА»

появляется окно задания изменяемых параметров системы и регуляторов
подчиненного управления (см. рисунок 4.20):
 La – индуктивность обмотки якоря;
205
  р – коэффициент упругой связи между массами;
 J2 – момент инерции второй массы;
 р2 – коэффициент упругой связи между второй и третьей массами;
 J3 – момент инерции третьей массы;
 GamaA, GamaB, LamdaA, LamdaB - положительные коэффициенты
усилений настроек адаптивной системы с параметрической
настройкой.

Рисунок 4.20 - Окно задания изменяемых параметров системы и регуляторов

подчиненного управления

Меню «ПОМОЩЬ» (см. рисунок 4.21) содержит подробное описание

объекта управления, систем управления и рекомендации по настройке
параметров систем управления.

Рисунок 4.21 – Меню «ПОМОЩЬ» с вкладками

Меню «ПОМОЩЬ» имеет следующие вкладки:

206
  Двухмассовый – выбор помощи по семейству двухмассовых
упругих механических или электромеханических объектов.
 Трехмассовый – выбор помощи по семейству трехмассовых
упругих электромеханических объектов.
 Управление положением – выбор помощи по системе управления
положением двух- или трехмассовых упругих механических или
электромеханических объектов.
 Управление скоростью – выбор помощи по системе управления
скоростью двух- или трехмассовых упругих механических или
электромеханических объектов.
 С учетом La– выбор помощи по системам управления
положением или скоростью двух- или трехмассовых упругих
механических или электромеханических объектов.
 Без учета La выбор помощи по системам управления
положением или скоростью двух- или трехмассовых упругих
механических или электромеханических объектов.

Центральное место главного окна приложения занимает область

построения графиков переходных процессов и окно справочной информации
с указанием типа применяемого регулятора и описанием его достоинств и
недостатков (см. рисунок 4.10).

4.3 Пример моделирования адаптивной системы управления с

параметрической настройкой для управления положением
трехмассового упругого электромеханического объекта с
учетом электромагнитной постоянной тока якоря
Задача: исследовать адаптивную систему с параметрической настройкой
для управления положением трехмассового упругого электромеханического
объекта при изменении параметров.
207
 Запускаем программу командой «startuprobj», набранной в основном
окне Matlab, после выбора которой появится окно «ВЫБОР СИСТЕМЫ
УПРАВЛЕНИЯ» (см. рисунок 4.8), предлагающее выбрать одно из двух
направлений исследования: 1) систему управления положением; 2) систему
управления скоростью.
Так как наш объект относится к системам управления положением, то
выбирается пункт меню «СИСТЕМА УПРАВЛЕНИЯ ПОЛОЖЕНИЕМ».
Появляется окно «МЕНЮ ВЫБОРА РЕГУЛЯТОРОВ» (см. рисунок 4.9), где
оператор выбирает регулятор и объект управления (в нашем случае это
«АДАПТИВНЫЙ РЕГУЛЯТОР ТРЕХМАССОВОГО ОБЪЕКТА»).
Открывается основное окно, содержащее строку меню, краткое
описание достоинств и недостатков адаптивной системы управления и
область вывода графиков переходных процессов (см. рисунок 4.22).

Рисунок 4.22 – Окно исследования систем управления трехмассового упругого

электромеханического объекта с учетом постоянной тока якоря

Допустим, что нам известны все параметры объекта, тогда введем

исходные параметры объекта, нажав на кнопку меню «ИСХОДНЫЕ

208
ПАРАМЕТРЫ» объекта. Открывается диалоговое окно (см. рисунок 4.17,
4.18), в котором мы можем задать необходимые нам параметры объекта.
Введя значения исходных параметров объекта, начинаем процесс
моделирования: в строке меню выбираем «АДАПТИВНОЕ
УПРАВЛЕНИЕ»→ «ПАРАМЕТРИЧЕСКАЯ НАСТРОЙКА» → «С УЧЕТОМ
Lа» → «ХП ПО НЬЮТОНУ». Затем под областью вывода графиков
нажимаем на кнопу «ПОСТРОИТЬ» и получаем график переходного
процесса (см. рисунок 4.22).
Проверим, как адаптивная система справляется с изменением
параметров трехмассового упругого электромеханического объекта. Для
этого, например, увеличим момент инерции третьей массы в пять раз и
построим график переходного процесса на одних осях с графиком при
номинальных параметрах (см. рисунок4.22).
Для изменения момента инерции третьей массы используем меню
«ИЗМЕНЯЕМЫЕ ПАРАМЕТРЫ» объекта, при выборе которого откроется
диалоговое окно (см. рисунки 4.19, 4.20), в котором мы изменяем
необходимые нам параметры системы.
Аналогично можно изменить любой другой параметр объекта и (или)
системы управления. Если полученные переходные процессы удовлетворяют
нашему требованию, то оператор может получить уравнения наблюдателя
(см. рисунок 4.23), настройки модального управления (см. рисунок 4.24),
уравнения эталонной модели (см. рисунок 4.25), уравнения адаптивной
системы с параметрической настройкой (см. рисунок 4.26) в числовом виде.

209
Рисунок 4.23 – Уравнения наблюдателя в числовом виде и вектор L настроек наблюдателя

Рисунок 4.24– Уравнения модального управления в числовом виде и вектор К модального

управления

Рисунок 4.25 – Уравнения эталонной модели в числовом виде

Рисунок 4.26 – Уравнения адаптивной системы с параметрической настройкой

210
 Аналогичные действия производятся при исследовании всех
шестнадцати упругих механических или электромеханических объектов
управления, указанных во второй главе. Приложение может быть
использовано в качестве обучающей программы для студентов по
дисциплинам «Математические методы проектирования нелинейных и
адаптивных систем управления», «Адаптивные системы управления
динамическими объектами» и «Управление многостепенными механическими
объектами».

211
4.4 Выводы к четвертой главе
1. Разработанный комплекс программ моделирования и настройки
систем управления двух- и трехмассовыми упругимимеханическими
и электромеханическими объектамиобладает встроенной
библиотекой, содержащей структуры типовых регуляторов, что
существенно упрощает процесс моделирования.
2. Разработанныйкомплекс программ моделирования и настройки
систем управления двух- и трехмассовыми упругимимеханическими
иэлектромеханическими объектами может быть усовершенствован
путем дополнения его новыми объектами управления,
нелинейностями и новыми системами управления (например,
нейронечеткие адаптивные системы управления).
3. Разработанныйкомплекс программ моделирования и настройки
систем управления двух- и трехмассовыми упругимимеханическими
и электромеханическими объектамиможет быть использован в
учебном процессе для выполнения самостоятельных работ по курсу
«Системы управления многомассовыми механическими объектами с
упругими деформациями».

212
ЗАКЛЮЧЕНИЕ
В соответствии с целью и задачами диссертации проведены
теоретические, вычислительные и экспериментальные работы. Основные
результаты исследований, выполненных автором:
1. Построены и исследованы аналитические адаптивные системы с
параметрической и сигнальной настройками для управления двух- и
трехмассовыми упругими электромеханическими объектами.
2. Построены и исследованы нейросетевые адаптивные системы
управления двух- и трехмассовыми упругими электромеханическими
объектами, в качестве обучающей выборки для которых используются
входные и выходные сигналы аналитических адаптивных систем
управления с сигнальной и параметрической настройками.
3. Проведено сравнительное исследование аналитических и
нейросетевых адаптивных систем управления двух- и трехмассовыми
упругими электромеханическими объектами.
4. Разработан комплекс программ расчета, моделирования и настройки
аналитических и нейросетевых адаптивных систем управления двух- и
трехмассовыми электромеханическими объектами с упругими
деформациями.
Полученные при написании диссертации результаты были использованы
в исследовательских и конструкторских разработках кафедры САУ
опубликованных в [15, 2830, 3537, 4346, 56  59], а также при создании
учебно-методических материалов [6, 10].

213
СПИСОК ЛИТЕРАТУРЫ
1. Абакумов А.В., Блескина Е.В., Шкаев А.Г. Полунатурное моделирование
внешней среды для отработки систем управления / Абакумов А.В. //
СГТУ - http://www.sciteclibrary.ru/rus/catalog/pages/3592.html
2. Андреев Ю. Н. Управление конечномерными линейными объектами /
Ю.Н. Андреев. – М.: Наука, 1976. – 424 с.
3. Ануфриев И.Е. Самоучитель Матлаб 5.3/6.х – СПб: БХВ – Санкт-
Петербург, 2002. – 736с.: ил.
4. Борцов, Ю.А. Электромеханические системы с адаптивным и модальным
управлением [Текст] / Ю.А. Борцов, Н.Д. Поляхов, В.В. Путов. – Л.:
Энергоатомиздат, 1984. – 216 с.
5. Второв В.Б., Филатов Д.М. Вопросы расчета параметров адаптивного
регулятора в системе с эталонной моделью и сигнальной адаптацией//
Известия СПбГЭТУ «ЛЭТИ», СПб., 2009. - №10 – с. 39-46
6. Голик С.Е., Вейнмейстер А.В., Друян Е.В., Казаков В.П., Путов А.В.
Микропроцессорные устройства: Метод. указания к лабораторным
работам. СПб.: СПбГЭТУ «ЛЭТИ». 2007. 88 с.
7. Дьяконов В.П. Математические пакеты расширения MATLAB: Спец.
справ. / В. П.Дьяконов, В.В. Круглов. – СПб.: Питер, 2001. – 480 с.
8. Дьяконов В.П., Круглов В.В. «Matlab 6/5 SP1/7/7 SP2 + Simulink 5/6/.
Инструменты искусственного интеллекта и биоинформатики». Серия
«Библиотека профессионала». – М.:СОЛОН-ПРЕСС, 2006. – 456с.: ил.
9. Зунг Ч. А. Разработка и исследование адаптивных систем управления
нелинейными электромеханическими объектами с упругими
деформациями / Дис….кан. техн. наук / СПб.: СПбГЭТУ, 2008. – 174 с.
10.Информационно-управляющие комплексы аэродромного обслуживания:
Методические указания к лабораторным работам/ Сост.: Путов В.В,
Путов А. В, Казаков В. П., Друян Е.В., Русяева Т.Л. Электронный
учебник. 2010. 115 с.

214
11.Интеллектуальные системы управления / Н.Д. Поляхов, И.А. Приходько,
В.Е. Кузнецов, О.Э. Якупов: учеб. пособие. СПб.: Изд-во СПбГЭТУ
«ЛЭТИ», 2010. 72с.
12.Исследование линейных систем в среде Matlab/Simulink: Методические
указания к лаборатрным работам по дисциплине «Теория управления»/
сост.: А.А. Бурмистров, В.Б. Второв, И.А. Приходько, О.Э. Якупов. СПб.:
изд-во СПбГЭТУ «ЛЭТИ», 2004. 24с.
13. Казаков В.П.. Расчет и сравнительный анализ прямого и
идентификационного подходов сигнальной адаптации // Доклад на 16
конференции «Экстремальная робототехника» ЦНИИ РТК. СПб.: 2005.
14.Казаков В.П., Путов А.В.. Построение нейросетевого, обученного по
аналитическому, алгоритма управления двухмассовым упругими
объектом // межд. науч.-техн. конф. «Проблемы информационно-
компьютерных технологий и мехатроники». 24-29 сентября 2007г. .
Дивноморское. 2007. Изд-во Таганрогского ИЮФУ. с. 220-225
15.Казаков В.П. Микропроцессорная электромеханическая система
подавления упругих колебаний, возникающих при управлении
механическими объектами на подвижном основании// межвузовская науч-
техн конф студентов, аспирантов и молодых ученых «Системы
управления и передачи информации». БГТУ «Военмех». 15 мая 2007
г.СПб.:2007. с. 46-47
16. Казаков В.П., Во Конг Фыонг, Пекаровский А.С., Нгуен Кьен Чьен
Разработка адаптивных аналитических и интеллектуальных систем
управления упругим электромеханическим объектом // XI конф. молодых
ученых «Навигация и управление движением». 15-18 марта 2010 г.
СПб.:2010
17. Казаков В.П., Пекаровский А.С., Во Конг Фыонг, Нгуен Кьен Чьен
Разработка систем управления двухкоординатным роботом-
манипулятором и механическим объектом в двухосном кардановом

215
 подвесе // XI конф. молодых ученых «Навигация и управление
движением». 15-18 марта 2010 г. СПб.:2010
18.Казаков В.П., Друян Е.В., Кокоулин А.Н. Адаптивные системы
автоматического управления электромеханическими объектами на базе
структур с эталонными и настраиваемыми моделями с параметрической и
сигнальной настройками и динамическими наблюдателями// сб. науч. тр.
«Поисковые научные исследования молодых ученых по техническим
наукам в научно-образовательных центрах СПбГЭТУ». СПб.: Изд-во
СПбГЭТУ. 2010. С. 84-90
19.Комашинский В. И., Смирнов Д. А. Нейронные сети и их применение в
системах управления и связи / М.: Горячая линия – Телеком, 2003. - 98с.
20.Круглов В. В., Борисов В.В. Искусственные нейронные сети. Теория и
практика / 2-е изд стереотип // М.: Горячая линия – Телеком, 2002. – 382с.
21.Лебедев В. В., Путов В.В., Шелудько В. Н., Казаков В.П., Зунг Ч.А.
Семейство адаптивных систем управления многомассовым нелинейным
упругим механическим объектом с неопределенными параметрами и
неполными измерениями// Известия «АиУ».СПб:СПбГЭТУ «ЛЭТИ».-
№1.-2006.- С
22.Маслов А.А., Висков А., «Комплекс для разработки и отладки проектов
АСУ ТП» [Текст] / Маслов А. А.// Современные технологии
автоматизации. – 2001. – №3. – С.68–76.
23. Махотило К.В. "Разработка методик эволюционного синтеза
нейросетевых компонентов систем управления", Диссертация на
соискание ученой степени кандидата технических наук по специальности
05.13.06 — автоматизированные системы управления и прогрессивные
информационные технологии, — Харьков, ХГПУ, —1998, — 189 с.

24. Медведев В.С., Потемкин В.Г. Нейронные сети. Matlab 6/ Под общ. ред.
к.т.н. В.Г. Потемкина. – М.: ДИАЛОГ-МИФИ, 2002. – 496с.

216
25. Поляхов Н.Д. Адаптация и идентификация автоматических систем: учеб.
пособие /Н.Д. Поляхов, В.В. Путов; ЛЭТИ. – Л., 1984. – 80с.

26. Поляхов Н.Д. Нечеткие системы управления.: учеб. пособие/ Н.Д.

Поляхов, И. А. Приходько, - СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2003. – 48с.

27.Поляхов Н. Д. Исследование нечетких и нейросетевых систем:

Методические указания к лабораторным работам по дисциплине
«Нечеткие и нейросетевые системы управления» / Сост.: Н. Д. Поляхов,
И. А. Приходько, В. Е. Кузнецов, Е. С. Анушина, А. А. Карачев. СПб.:
Изд-во СПбГЭТУ «ЛЭТИ», 2005. 28 с.
28.Путов А.В., Казаков В.П. Информационно-управляющая система
мобильной системы контроля ВПП*// Доклад на 14 конференции
«Экстремальная робототехника» ЦНИИ РТК. СПб.: 2003, с. 226-230
29.Путов А.В., Казаков В.П. Микроконтроллерная система обработки
информации и управления мобильной установкой контроля фрикционных
свойств взлетно-посадочной полосы //15-ая научно-техническая
конференция «Экстремальная робототехника». СПб.: 2004
30.Путов А.В., Казаков В.П.. Микропроцессорная электромеханическая
система подавления упругих колебаний, возникающих при управлении
механическими объектами на подвижном основании // IX конф. молодых
ученых «Навигация и управление движением». 13-15 марта 2007
г.СПб.:2007
31.Путов А.В., Казаков В.П. Сравнительный анализ аналитического и
нейросетевого (обученного по аналитическому) алгоритмов управления
двухмассовым упругим объектом// XIV межд. конф. по интегрированным
навигационным системам. 28-30 мая 2007. СПб.: 2007
32.Путов В. В. Методы построения адаптивных систем управления
нелинейными нестационарными динамическими объектами с
функционально-параметрической неопределенностью: Дис. … д-ра техн.
наук / СПб.: СПбГЭТУ, 1993. – 590 с.

217
33.Путов В.В. Адаптивное управление динамическими объектами:
беспоисковые системы с эталонными моделями: учеб. пособие. В.В.
Путов. – СПб.: Издательство СПбГЭТУ «ЛЭТИ», 2001. – 92с.
34.Путов В.В. Адаптивное и модальное управлеие механическими объектами
с упругими деформациями: учеб. пособие/ В.В. Путов – СПб.: Изд-во
СПбГЭТУ «ЛЭТИ», 2002. – 112с.
35.Путов В.В., Тимчук Н.А., Путов А.В., Казаков В.П., Ленц Р.В., Низовой
А.В., Козлов Ю.К. Электромеханический энергосберегающий
мобильный комплекс предпосадочного контроля состояния аэродромной
полосы в экстремальных погодных условиях// Сб. докл. «Управление и
информационные технологии». УИТ-2003.-СПб.: ИСПОСервис.-2003.-
С.246-251
36.Путов В.В., Низовой А.В., Дашаев Ш.А., Иванов А.А., Путов А.В.,
Казаков В.П. Электромеханическая мобильная установка аэродромного
обслуживания нового поколения для оперативного контроля взлетно-
посадочной полосы// Мехатроника, автоматизация и управление № 5.-
2003.-С. 32-39
37.Путов В.В., Низовой А.В., Тимчук Н.А., Путов А.В., Казаков В.П.
Электромеханическая мобильная установка нового поколения для
автоматизированного контроля взлетно-посадочной полосы// Известия
«АиУ».СПб:СПбГЭТУ «ЛЭТИ».- №1.-2003.-С.3-7
38. Путов В.В., Казаков В.П., Козлов Ю.К., Путов А.В.. Адаптивные
электромеханические системы наведения и стабилизации специальных
объектов и мобильных робототехнических комплексов [Текст]// Известия
государственного электротехнического университета. Серия
«Автоматизация и управление».СПб:СПбГЭТУ «ЛЭТИ».- №1.-2004, с. 3-8
39. Путов В.В., Казаков В.П., Лебедев В.В., Шелудько В.Н., Зунг Ч.А.
Семейство адаптивных систем управления многомассовым нелинейным
упругим механическим объектом с неопределенными параметрами и
неполными измерениями [Текст]// Известия государственного
218
 электротехнического университета. Серия «Автоматизация и
управление».СПб:СПбГЭТУ «ЛЭТИ».- №1. - 2006 г. С. 3-8.
40.Путов В.В. Адаптивные и модальные системы управления
многомассовыми нелинейными упругими механическими объектами / В.
В. Путов, В. Н. Шелудько. – СПб.: Изд-во «Элмор», 2007. – 243 с.
41. Путов В. В.,Казаков В.П, Шелудько В.Н, Лебедев В.В, Зунг Ч.А, Путов
А.В, Друян Е.В. Семейство аналитических и интеллектуальных
адаптивных систем управления нелинейными упругими
электромеханическими объектами [Текст]//Мехатроника, автоматизация и
управление № 10.-2007.- С. 16-25
42.Путов В.В., Шелудько В.Н. Системы управления многостепенными
механическими объектами с упругими деформациями: учеб. пособие.
СПб.: Издательство СПбГЭТУ «ЛЭТИ», 2009. 167с.
43. Путов В.В, Шелудько В. Н., Путов А. В., В. П. Казаков, Е.В. Друян, А. С.
Пекаровский, Н. А. Русяев, Н. А. Щербаков Инновационные проекты в
проектировании современных средств оценки тормозящих свойств
искусственных ВПП//VII межд. конф. «Материалы, оборудование и
технологии, применяемые для содержания аэродромов гражданской
авиации». 24-25 сенября 2009
44.Путов В.В, Шелудько В. Н., Путов А. В., Казаков В. П., Друян Е.В.,
Пекаровский А.С., Щербаков А.Н., Русяев Н. А.. Аэродромный
измеритель коэффициента сцепления нового поколения ИКС-1: сервис,
обучение, развитие // IX межд. конф. и выставка «Современные методики
контроля и восстановления искусственных покрытий аэродромов и
автомобильных дорог». 24-25 июня 2010.
45.Путов В.В, Путов А. В, Казаков В. П., Друян Е.В., Пекаровский А.С.,
Щербаков А.Н., Русяев Н. А.. Испытания буксируемых
электромеханических измерителей коэффициента сцепления в
лабораторных условиях// IX межд. конф. и выставка «Современные

219
 методики контроля и восстановления искусственных покрытий
аэродромов и автомобильных дорог». 24-25 июня 2010
46.Путов В.В., Шелудько В.Н., Путов А.В., Казаков В.П., Друян Е.В., Русяева
Т.Л., Щербаков А.Н. Программа контроллера системы
термостатирования тензометрического датчика усилия буксируемого
измерителя коэффициента сцепления// Свидетельство об официальной
регистрации программы для ЭВМ. № 2011615351. 08.06.2011
47.Руткофская Д., Пилиньский М., Руткофский Л. Нейронные сети,
генетические алгоритмы и нечеткие системы / М.: Горячая линия –
Телеком, 2006. – 452 с.
48.Соколовский Г.Г. Электроприводы переменного тока с частотным
регулированием / М.: АКАДЕМА, 2006. – 265 с.
49.Терехов В.М. Д. В. Ефимов, И.Ю. Тюкин «Нейросетевые системы
управления: Учеб. Пособие для вузов» - М.: Высш. Шк. 2002. – 183с.: ил
50.Тюкин И.Ю., Терехов В.А. Адаптация в нелинейных динамических
системах/ Синергетика: от прошлого к будущему. – М.: ЛКИ, 2008 – 384 с.
51.Хайкин Саймон, Нейронные сети: полный курс, 2e издание / Пер. с анrл //
М. Издательский дом "Вильямс", 2006 – 1104 с.
52.Фрадков А.Л. Адаптивное управление в сложных системах: беспоисковые
методы / М.: Наука, 1990, – 296 с.
53.Фыонг В.К. Разработка и исследование адаптивных систем с применением
нейронных сетей для управления нелинейными электромеханическими
объектами с упругими деформациями / Дис. кан. техн. наук / СПб.:
СПбГЭТУ, 2010. – 172 с.
54.Фыонг В.К., Казаков В.П., Нгуен Кьем Чьен, Шелудько В.Н. Разработка
прямых адаптивных систем с применением нейронных сетей для
управления трехмассовым упругим электромеханическим
объектом/.//Материалы конференции «Международная конференция по
мягким вычислениям и измерениям».//23-25 июня 2010 г., Санкт –
Петербург. С. 64-67
220
55.Черных И.В. «Simulink: Инструмент моделирования динамических
систем» / Черных И.В. // - 2003. – 252с. (Internet издание)
56.Шелудько В.Н., Казаков В.П., Пекаровский А. C., Русяев Н.А., Большаков
И.Е. «Разработка адаптивных интеллектуальных систем управления
промышленным роботом-манипулятором с применением искусственных
нейронных сетей различной структуры»//XII конф. молодых ученых
«Навигация и управление движением». 15-18 марта 2011 г. СПб.:2011
57.Шелудько В.Н., Путов А.В., Казаков В.П., Друян Е.В.. Программа
распознавания геометрических фигур на основе нейронной сети//
Свидетельство об официальной регистрации программы для ЭВМ. №
2011613278. 27.04.2011
58.Шелудько В.Н., Путов В.В., Казаков В.П., Друян Е.В.. Программа
контроллера электромеханического измерителя коэффициента сцепления
аэродромных и автодорожных покрытий. // Свидетельство об
официальной регистрации программы для ЭВМ. № 2011613150.
21.04.2011
59.Шелудько В.Н., Путов А.В., Казаков В.П., Друян Е.В., Щербаков А.Н.
Программа термостатирования тензометрического датчика усилия
динамометрического барабанного стенда для испытаний измерителей
коэффициента сцепления// Свидетельство об официальной регистрации
программы для ЭВМ. Заявка на регистрацию 10.05.2011
60.Alexander I. G. Neural Networks Theory / Springer Press, 2007. – 396 p.
61.Artificial intelligence research and development. / Breuker J., Dieng R.,
Guarino N., Kok J.N., J. Liu, R. Lopez de Mantaras, R. Mizoguchi, M. Musen
and N. Zhong // IOS Press, 2005. – 453 p.
62.Astrom K. J., Wittenmark B. Adaptive control / Reading MA: Addison Wesley,
1994 – 574 p.
63.Ben K., Patrick S. An introduction to neural networks / Eight edition, The
University of Amsterdam, 1996. – 135 p.

221
64. Bondarev V. N On System Identification Using Pulse-Frequency Modulated
Signal..: EUT Report / Eindhoven University of Technology, Netherlands. —
ISBN 90-6144-195-1. —88-E-195. — Eindhoven, 1988. — 84 p.
65. Broomhead D. S., Lowe D. Multivariable functional interpolation and adaptive
networks // Complex Systems. — 1988. — N 2. — P. 321—355.
66.Cirstea M. N., Dinu A., Khor J. G., Cormick M. M., Neural and Fuzzy Logic
Control of Drives and Power Systems. / Newnes Press, 2002. – 399 p.
67.Coolen A. C. C., Kohn R., Sollich P. Theory of Neural Information Processing
Systems / Oxford University Press, 2005. – 569 p.

68.Daniel G. Principles of artificial neural networks. / 2nd Edition World

Scientific Publishing Co. Pte. Ltd. 2007. – 303 p.
69.Dimitris V., Loannis P. V. Artificial Intelligence For Advanced Problem
Solving Techniques / Information Science Reference, 2008. – 370 p.
70. Freeman, James A. Neural networks: algorithms, applications, and
programming techniques. / Addison – Wesley Publishing Company, 1991. –
415 p.
71.Juan R. R., Julian D. Artificial neural networks in real-life applications / Idea
Group, Inc. 2006. – 375 p.
72.Kailath T. Adaptive control: Stability, convergence and robustness / N: Prentice
Hall, 1989. – 380 p.
73.Khalil H. K., Nonlinear System. Prentice Hall, New Jersey, 2002, – 750 р
74.Kasabov N. K. Foundations of neural networks, fuzzy systems, and knowledge
engineering. / Massachusetts Institute of Technology, 1998. – 549 p.
75. McCulloch W. S., Pitts W. A logical calculus of the ideas immanent in
nervous activity // Bulletin of Mathematical Biophysics. — 1943. — N 5. — P.
115—133.
76.Omid O., David L. E. Neural Systems for Control / Elsevier Science &
Technology Books, 1997. – 358 p.

222
77. Teshnehlab M. Intelligent Control Based on Flexible Neural Networks/ M.
Teshnehlab, K Watanabe. – Dordrecht: Kluwer Academic Publishers, 1999. –
235p.
78.Simon H. Kalman filtering and neural networks. / John Wiley & Sons, Inc.
2001. – 284 p.
79.Simon H., Neural Networks: A Comprehensive Foundation. / Second edition,
Pretice Hall International, Inc. 1999. – 842 p.
80.The Handbook of brain theory and neural networks / Machael A. A. Editor,
second edition // Massachusetts Institute of Technology, 2003. – 1290 p.
81.Tim M. J. Artificial Intelligence: A Systems Approach. / INFINITY SCIENCE
PRESS LLC, 2008. – 498 p.
82.Toshinori M., Fundamentals of the New Artificial Intelligence: Neural,
Evolutionary, Fuzzy and more/ Second edition, Springer Press, 2008. – 255 p.
83.Veelenturf L.P.J. Analysis and applications of artificial neural networks. /
Prentice Hall, Inc., 1995. – 259 p.
84.Witold J. Intelligent robotic systems: Design, planning, and control. / Kluwer
Academic Publishers, 2002. – 310 p.
85.Zurada J. M. Introduction to artificial neural systems. / West Publishing
Company, 1992. – 764 p.
86. http://evloevoleg.narod.ru/Neural/Par_2.pdf
87.http://model.exponenta.ru/
88.Универсальный программный ПИД-регулятор. Руководство по
эксплуатации ТRМ-151.

223