Zavod za robotiku i automatizaciju proizvodnih sustava

Katedra za strojarsku automatiku

Seminarski rad iz kolegija

NEIZRAZITO I DIGITALNO UPRAVLJANJE

Sinteza PI regulatora i estimatora varijabli stanja

elektromotornog pogona s elastičnim prijenosnim
mehanizmom

Kruno Kantoci
0035150299
5-MEHROB
Neizrazito i digitalno upravljanje Kruno Kantoci

SADRŽAJ

1. SAŽETAK.............................................................................................................................. 2
2. DINAMIČKI MODEL SUSTAVA ...................................................................................... 3
2.1. Vremenski kontinuirani model sustava ........................................................................... 4
2.2. Vremenski diskretni model sustava................................................................................. 7
3. SINTEZA REGULACIJSKOG SUSTAVA .......................................................................... 9
3.1. Optimum dvostrukog odnosa .......................................................................................... 9
3.2. Sinteza vremenski diskretnog regulatora stanja ............................................................ 11
3.3. Sinteza vremenski diskretnog estimatora stanja............................................................ 14
4. REZULTATI SIMULACIJA .............................................................................................. 18
4.1. Režim malih signala ...................................................................................................... 18
4.2. Režim velikih signala .................................................................................................... 20
5. ZAKLJUČAK ...................................................................................................................... 22
6. PRILOG ............................................................................................................................... 23
6.1. MATLAB skripte .......................................................................................................... 23
6.1.1. Prelazak s kontinuiranog na vremenski diskretni model procesa .......................... 23
6.1.2. Sinteza PI regulatora primjenom Ackermannove formule..................................... 24
6.1.3. Sinteza PI regulatora i estimatora stanja primjenom Ackermannove formule....... 26
6.2. Simulink modeli ............................................................................................................ 28
6.2.1. Model procesa ........................................................................................................ 28
6.2.2. Regulacijski krug s PI regulatorom varijabli stanja ............................................... 29
6.2.3. Regulacijski krug s PI regulatorom varijabli stanja i estimatorom varijabli stanja
punog reda ........................................................................................................................ 30
6.2.4. Model estimatora stanja punog reda....................................................................... 31
7. LITERATURA..................................................................................................................... 32

1
Neizrazito i digitalno upravljanje Kruno Kantoci

1. SAŽETAK
U ovom radu biti će opisano projektiranje PI regulatora varijabli stanja punog reda, tj.
regulatora stanja proširenog integrirajućim djelovanjem po signalu regulacijskog odstupanja,
elektromotornog pogona s elastičnom transmisijom, te prethodno realiziranim podređenim
regulacijskim krugom struje armature motora. Zbog pretpostavke da je uz struju armature
jedino dostupno mjerenje brzine vrtnje tereta, potrebno je realizirati estimator varijabli stanja
punog reda bez estimacije poremećajne veličine, tj. momenta tereta.
Podešavanje regulatora i estimatora varijabli stanja provedeno je primjenjujući
Ackermanovu formulu uz izbor karakterističnog polinoma prijenosne funkcije zatvorenog
kruga prema kriteriju optimuma dvostrukog odnosa za dva različita iznosa ekvivalentne
vremenske konstante regulacijskog kruga Te , dok je ekvivalentna vremenska konstanta

estimatora birana u rasponu Teo = Te / 6 − Te / 2 . Dobiveni regulator i estimator varijabli

stanja, čija je sinteza u potpunosti provedena u vremenski diskretnom području uz vrijeme

uzorkovanja T = 2ms , simulacijama su ispitani u programskim paketima MATLAB i
SIMULINK, s obzirom na skokovitu promjenu referentne vrijednosti brzine vrtnje za režim
malih i velikih signala, skokovitu promjenu momenta tereta, te šum mjerenja brzine vrtnje
motora uz amplitudu šuma mjerenja i kvantizacije signala pozicije od ± 1 impulsa.
Parametri dvomasenog mehaničkog sustava s elastičnom transmisijom te
inkrementalnog davača kao senzora brzine dani su kako slijedi:
K ei = 1 , Tei = 2ms , K m = 2 Nm / A , J 1 = J 2 = 0,02kgm 2

c = 150 Nm / rad , d = 0,1Nms / rad , N = 2048imp / okr

2
Neizrazito i digitalno upravljanje Kruno Kantoci

2. DINAMIČKI MODEL SUSTAVA

Dinamički model sustava elektromotornog pogona koji se sastoji od mehaničkog
sustava s dvije koncentrirane zamašne mase i elastične veze, te već prethodno realiziranog
podređenog regulacijskog kruga struje armature moguće je prikazati slikom 1. Radi
jednostavnosti sustava, uvode se sljedeće pretpostavke:
• Ostvarena je brza regulacijska petlja struje elektromotora upravljanog frekvencijskim
pretvaračem
• Sve mase sustava su koncentrirane u rotirajućim masama na strani motora i tereta s
momentima inercije J 1 i J 2
• Elementi prijenosnog mehanizma su bez mase i zračnosti te posjeduju elastičnost
određenu konstantama krutosti c i prigušenja d
• Sve promatrane veličine svedene su na osovinu motora

(a)

(b)
Slika 1. Elektromotorni pogon s elastičnim prijenosnim mehanizmom:
principijelna shema (a) i blokovski dijagram (b)

Dinamika elektromotora i frekvencijskog pretvarača može se pojednostavljeno opisati

prijenosnom funkcijom proporcionalnog člana prvog reda:

ia ( s ) K ei
Gei ( s ) = = (2.1)
iaR ( s ) 1 + Tei ( s )

3
Neizrazito i digitalno upravljanje Kruno Kantoci

Zbog postupka uzorkovanja te utjecaja ekstrapolatora nultog reda, ekvivalentnoj vremenskoj

konstanti motora potrebno je pridružiti dvije parazitske vremenske konstante od T / 2 . Kako
je K ei = 1 , dobivamo:

1 1
G∑ ( s ) = = (2.2)
1 + (Tei + T )s 1 + T∑ s

2.1. Vremenski kontinuirani model sustava

Linearan vremenski-invarijantan kontinuirani sustav (LTI sustav) moguće je prikazati
sljedećim blok-dijagramom:

Slika 2. Blok dijagram LTI sustava

Blok dijagram se može opisati matričnom formom kako prikazuju jednadžbe (2.3) i (2.4),
koje opisuju otvoreni sustav upravljanja.
x& (t ) = Ax(t ) + Bu(t ) x(0) = x0 (2.3)

y (t ) = Cx(t ) + Du(t ) (2.4)

…gdje je:
◊ x& (t ) - vektor derivacija stanja dimenzije n × 1
◊ x(t ) - vektor stanja dimenzije n × 1

◊ u(t ) - vektor ulaza dimenzije m × 1

◊ y (t ) - vektor izlaza dimenzije p × 1

◊ A(t ) - matrica koeficijenata dimenzije n × n

◊ B(t ) - matrica ulaza dimenzije n × m
◊ C(t ) - matrica izlaza dimenzije p × n

◊ D(t ) - matrica prijenosa dimenzije p × m

◊ n - broj varijabli stanja, m - broj ulaza, p - broj izlaza

4
Neizrazito i digitalno upravljanje Kruno Kantoci

Uz ia , ω1 , ∆α i ω 2 kao varijable stanja sustava (Slika 1), dobivamo matematički model u

prostoru stanja:
1 K
i&a = − + ei iaR (2.5)
TΣ TΣ
1
ω&1 = (m1 − m ) (2.6)
J1

∆α& = ω1 − ω 2 (2.7)
1
ω& 2 = (m − m2 ) (2.8)
J2
Ako u obzir uzmemo da je
m = c∆α + d (ω1 − ω 2 ) (2.9)
m1 = K m ia (2.10)

te uz zanemarenje djelovanja momenta tereta m2 koji predstavlja nemodelirani poremećaj,

dobivamo SISO sustav sa referencom struje ( iaR ) kao ulazom, te brzinom vrtnje na strani

tereta ( ω 2 ) kao izlazom:

1 K
i&a = − + ei iaR (2.11)
TΣ TΣ
Km d c d
ω&1 = − ω1 − ∆α + ω 2 (2.12)
J1 J1 J1 J2

∆α& = ω1 − ω 2 (2.13)
d c d
ω& 2 = ω1 + ∆α − ω 2 (2.14)
J2 J2 J2

Spomenuto zanemarenje ima smisla jer će u zatvorenom regulacijskom krugu regulator

kompenzirati utjecaj nemodeliranog momenta tereta m2 kao poremećajnu veličinu.

5
Neizrazito i digitalno upravljanje Kruno Kantoci

Dobiveni vremenski-kontinuirani model procesa može se zapisati u obliku sljedećih matričnih

jednadžbi:

 i&a   TΣ
1
0 0 0 i
 a   Tei 
− K

 &   Km − d − c   Σ
 ω1  =  J1
d
 ω   0 
J1  1 
J1 J1
 + iaR (2.15)
∆α&   0 1 0 − 1 ∆α   0 
   d    
ω& 2  0 Jd −   ω2 
c
1 23 1  444 2 J J 2 1 23 { 0 
x& 242 443 x B
&
A

 ia 
ω 
ω 2 = [0 0 0 1] 1  (2.16)
142 4 ∆α 
4 43
C
 
ω2 
123
x

Ako se u izraze (2.15) i (2.16) uvrste parametri sustava dani u prvom odlomku, dobivamo
sljedeće rezultate:

− 250 0 0 0 250
 100 − 5 − 7500 5   0 
A=   ; B=  ; C = [0 0 0 1] (2.17)
 0 1 0 − 1  0 
   
 0 5 7500 − 5  0 

MATLAB funkcijom eig.m dobivamo polove vremenski kontinuiranog modela sustava,

koji su ujedno i svojstvene vrijednosti matrice A

s1 = λ1 = 0
s 2 = λ2 = −5 + 122.37i
(2.18)
s3 = λ3 = −5 − 122.37i

s 4 = λ4 = −250

Dobiveni vremenski-kontinuirani model procesa potrebno je transformirati u ekvivalentni

vremenski-diskretni model.

6
Neizrazito i digitalno upravljanje Kruno Kantoci

2.2. Vremenski diskretni model sustava

Vremenski-invarijantan diskretni sustav moguće je prikazati sljedećim blok
dijagramom:

Slika 3. Blok dijagram vremenski diskretnog sustava

Blok dijagram vremenski diskretnog sustava prikazan na slici 3 moguće je opisati matričnim
izrazima (2.19) i (2.20):
x(k + 1) = Φx(k ) + Γu(k ) (2.19)
y (k ) = Cx(k ) + Du(k ) (2.20)

gdje su x(k) vektor stanja, y(k) vektor izlaza te u(k) vektor upravljanja. Matrice Φ i Γ ovisne
su o periodu uzorkovanja T, a dimenzije im odgovaraju dimenzijama matrica A i B.
Vrijednosti pojedinih parametara opisanog modela mogu se odrediti na sljedeći način:

Φ(T ) = e AT (2.21)

Γ(T ) = A −1 (e AT − I )B (2.22)

gdje je pretpostavljen ZOH na ulazu procesa. Rješenje izraza za sistemsku matricu Φ(T ) i
matricu ulaza Γ(T ) nije uvijek moguće pronaći u simboličkom obliku pa se one često
računaju numeričkim putem, npr. primjenom MATLAB funkcije expm.m, naredbe
[Phi,Gamma,Cd,Dd]=c2dm(A,B,C,D,T,'zoh') ili razvojem u Tylorov red
matrične eksponencijalne funkcije:

∞
A nT n A 2T 2 A 3T 3
Φ(T ) = e AT = ∑ = I + AT + + ⋅⋅⋅ (2.23)
n =0 n! 2! 3!

7
Neizrazito i digitalno upravljanje Kruno Kantoci

 ∞  A nT n    
( )
Γ(T ) = A −1 e AT − I B = A −1  ∑  −
 I  B = ⋅ ⋅ ⋅ ⋅ ⋅ = 
 I +
AT A 2T 2
+ + ⋅ ⋅ ⋅ BT (2.24)
 n =0  n!    2! 3! 

Uspoređujući dobivene vrijednosti za sva tri slučaja, uz odabir vremenske konstante

uzorkovanja T=2ms, vidljivo je da prva dva postupka daju isto rješenje, a da bi primjena
Tylorovog reda odgovarala istom tom rezultatu, bilo je potrebno primijeniti aproksimaciju 7.
reda.

0.6065 0 0 0   0,3935 
0.1557 0.9754 − 14.7029 0.0246   0,0424 
Φ=   ; Γ=  (2.25)
0.0002 0.0020 0.9703 − 0.0020  2,9309 ⋅ 10 −5 
   −4 
0.0017 0.0246 14.7029 0.9754  2,5932 ⋅ 10 

MATLAB funkcijom eig.m dobivamo polove vremenski diskretnog modela sustava, koji
su ujedno i svojstvene vrijednosti matrice Φ :

z1 = λ1 = 0
z 2 = λ 2 = 0,9605 + 0,2399i
(2.26)
z 3 = λ3 = 0,9605 − 0,2399i

z 4 = λ 4 = 0,6065

8
Neizrazito i digitalno upravljanje Kruno Kantoci

3. SINTEZA REGULACIJSKOG SUSTAVA

U ovom poglavlju biti razrađen postupak sinteze regulacijskog sustava temeljen na
optimumu dvostrukog odnosa. Postupkom sinteze određuju se struktura i parametri
regulatora te estimatora varijabli stanja kojima se ostvaruje što kvalitetnije vladanje slijednog
sustava s obzirom na referentnu i poremećajnu veličinu.

3.1. Optimum dvostrukog odnosa

Cilj optimuma dvostrukog odnosa je pronalaženje analitičke veze između koeficijenata
karakterističnog polinoma linearnog regulacijskog sustava proizvoljnog reda, takve da sustav
ima optimalno prigušenje koje odgovara prigušenju ζ = 2 / 2 oscilatorskog člana drugog
reda. Kao primjer za izvod biti će razmatran linearan, vremenski-invarijantan, zatvoreni
regulacijski SISO sustav. Opći oblik prijenosne funkcije takvog sustava opisan je izrazom
(3.1)
y (s ) 1 1
G (s ) = = = (3.1)
y R (s ) A(s ) a n s + a n −1 s + ⋅ ⋅ ⋅ + a1 s 1 + 1
n n −1

Struktura sustava opisanog prijenosnom funkcijom (3.1) može se prema slici 4 predočiti
blokovskom shemom s n kaskadno spregnutih integralnih članova. Koeficijenti prijenosne
funkcije (3.1) i uvedene vremenske konstante T1 ,..., Tn međusobno su povezani općim izrazom

i
ai = ∏ T j = T1T2 ⋅ ⋅ ⋅ Ti ; i = 1,..., n (3.2)
j =1

Slika 4. Blok shema kaskadne strukture linearnog regulacijskog sustava

9
Neizrazito i digitalno upravljanje Kruno Kantoci

Odnosom vremenskih konstanti susjednih integralnih članova definirani su bezdimenzionalni

karakteristični odnosi
Ti aa
Di = = i 2i − 2 ; i = 2,..., n (3.3)
Ti −1 ai −1

Prijenosne funkcije otvorenog i zatvorenog kruga i-te kaskade poprimaju redom oblike:

1
Goi (s ) ≈ ; i = 1,..., n − 1 (3.4)
Ti s (Ti +1 s + 1)

y (s ) Goi (s ) 1
Gci (s ) = = ≈ (3.5)
y Ri (s ) 1 + Goi (s ) Ti +1Ti s + Ti s + 1
2

Preuređenjem (3.6), uzimajući u obzir (3.3), te izjednačavanjem s najčešće korištenim

oblikom oscilacijskog člana 2. reda dobivamo

1 1
Gci (s ) = = (3.6)
Di +1Ti s + Ti s + 1
2 2
T s + 2ζ i +1Toi s + 1
2
oi
2

odakle slijedi veza karakterističnog odnosa Di i relativnog koeficijenta prigušenja ζ i :

1
Di (3.7)
4ζ i2

Kako je ranije spomenuto da je vrijednost koeficijenta prigušenja ζ i = 2 / 2 optimalno,

uvrštavanjem u (3.7) dobivamo da je
Di = 0.5 (3.8)

Vrijednost bezdimenzionalnog člana dana sa (3.8) daje kvaziperiodski oblik prijelazne

funkcije oscilacijskog člana.

10
Neizrazito i digitalno upravljanje Kruno Kantoci

Karakteristični polinom A(s ) sustava (3.1) može se primjenom (3.3) zapisati u obliku

A(s ) = TnTn −1 ⋅ ⋅ ⋅ T1 s n + Tn −1Tn − 2 ⋅ ⋅ ⋅ T1 s n −1 + ⋅ ⋅ ⋅ + T2T1 s 2 + T1 s + 1 =

(3.9)
n −1 n n − 2 n −1 n −1
= Dn D 2
n −1 ⋅ ⋅ ⋅ D T s + Dn −1 D
2 e
n 2
n−2 ⋅⋅⋅ D 2 T e s + ⋅ ⋅ ⋅ + D T s + Te s + 1
2 e
2 2

pri čemu Te označava vremensku konstantu sustava.

3.2. Sinteza vremenski diskretnog regulatora stanja

U ovom će poglavlju biti prikazano projektiranje regulatora stanja. Podešavanje
parametara regulatora provest će se postupkom izravnog podešavanja položaja polova
zatvorenog regulacijskog kruga primjenom Ackermannove formule uz izbor karakterističnog
polinoma prijenosne funkcije zatvorenog kruga primjenom optimuma dvostrukog odnosa.
Razmatrat će se linearni, vremenski-invarijantan, diskretni sustav čija je dinamika
zadana u obliku sljedeće matrične diferencijalne jednadžbe:

x(k + 1) = Φx(k ) + Γu(k ) (3.10)

Ako je vektor stanja u potpunosti mjerljiv, tada je moguće zatvoriti regulacijsku petlju po
vektoru stanja, tako da dobivamo izraz za upravljački signal, tj. izlaz regulatora stanja kako
slijedi:
u (k ) = −Kx(k ) + w (k ) (3.11)

gdje je K matrica konstantnih pojačanja a w(k) referentni vektor vođenja. Kombiniranjem

jednadžbi (3.10) i (3.11) dobivamo

x(k + 1) = [Φ − ΓK ]x(k ) + Γw (k ) (3.12)

Sinteza regulatora metodom podešavanja polova svodi se na određivanje matrice pojačanja K,

tako da bude zadovoljen izraz (3.13).

n
d (z ) = det[zI − Φ + ΓK ] = ∏( z − λi ) (3.13)
i =1

11
Neizrazito i digitalno upravljanje Kruno Kantoci

U jednadžbi (3.13) λi predstavljaju željene korijene sustava. Da bi dobili asimptotski stabilan

sustav, svojstvene vrijednosti se biraju takve da je zadovoljeno:

λi < 1, i = 1,..., n (3.14)

Regulator stanja definiran matricom K je proporcionalnog tipa. Njegov najveći nedostatak je

taj da sustav mora biti astatičan, te da ne smiju postojati nemodelirani poremećaji, ako želimo
osigurati statičku točnost. Da bi se odstranilo trajno regulacijsko odstupanje u stacionarnom
režimu rada, regulatoru se dodaje integrirajuće djelovanje. Slika 5. prikazuje sustav sa PI
regulatorom stanja elektromotornog pogona s elastičnom transmisijom.

Slika 5. Blok dijagram regulacijskog SISO sustava S PI regulatorom varijabli stanja

Iz blokovskog dijagrama na slici 5 slijedi da je:

ε (k ) = ω 2 R (k ) − ω 2 (k ) (3.15)
ω 2 (k ) = Cx(k ) (3.16)
u I (k + 1) = u I + ε (k ) (3.17)

Te konačno uvrštavanjem jednadžbi (3.15) i (3.16) u (3.17) dobivamo:

u I (k + 1) = u I (k ) + ω 2 R (k ) − Cx(k ) (3.18)

Varijabla stanja u I predstavlja numeričko integriranje signala regulacijske pogreške ε (k ) .

Ova varijabla stanja se kaskadira izvornom modelu procesa te se time dobije prošireni model
procesa u prostoru stanja, gdje je 0, nul matrica/vektor:

12
Neizrazito i digitalno upravljanje Kruno Kantoci

 x(k + 1)   Φ 0  x(k )  Γ  0 
u (k + 1) = − C 1 u (k ) +  0 u (k ) + 1ω 2 R (k ) (3.19)
 4
1 I
243 1  4243 1
 2
I
3 {  
x I ( k +1) ΦI (k ) x I (k ) ΓI

Upravljački signal, tj. izlaz regulatora stanja u tada glasi:

 x(k ) 
u (k ) = −Kx(k ) + K I u I = −[K − K I ] (3.20)
14243 u I (k )
K PI

Za modificirani sustav regulacije, pojačanja po varijablama stanja i pojačavanje integrirajućeg

elementa dobiju se na sljedeći način:

K PI = [K − K I ] = [0 ⋅ ⋅ ⋅ ⋅ 0 1] Γ I [ ΓIΦI ⋅⋅⋅⋅ ΓIΦI ]

n −1 −1
p(Φ I ) (3.21)

gdje je:
p(Φ I ) = a0 I + a1Φ I + a 2 Φ 2I + ⋅ ⋅ ⋅ + a n Φ nI (3.22)

Izraz (3.21) naziva se Ackermannova formula za sustav n-tog reda. Kako je opisani sustav 5.
reda, možemo zapisati da je:

K PI = [0 0 0 0 1] Γ I [ ΓIΦI Γ I Φ 2I Γ I Φ 3I Γ I Φ 4I ]−1
p(Φ I ) (3.23)

p(Φ I ) = a 0 I + a1Φ I + a 2 Φ 2I + a3 Φ 3I + a 4 Φ 4I + a5 Φ 5I (3.24)

Vrijednosti matrica Φ I i Γ I iz izraza (3.23) dobivene koristeći MATLAB su sljedeće:

0.6065 0 0 0 0  0.3935
0.1557 0.9754 − 14.7029 0.0246 0  0.0424
  
Φ I = 0.0002 0.0020 0.9703 − 0.0020 0 ; Γ I = 0.0000 (3.25)
   
0.0017 0.0246 14.7029 0.9754 0  0.0003
 0 0 0 − 1.000 1.000  0 

13
Neizrazito i digitalno upravljanje Kruno Kantoci

Koeficijente polinoma (3.24) a 0 ,..., a5 dobivamo optimumom dvostrukog odnosa. Kako je

karakteristični polinom A(s) u kontinuiranom području, koristeći MATLAB funkciju c2dm.m

prebačen je u diskretno uz vrijeme uzorkovanja T=2ms i vremensku konstantu Te = 30ms .
Dobivena matrica pojačanja primjenom Ackermannove formule tada je:

K PI = [1.0002 4.0106 290.0215 1.3342 − 0.3042] (3.26)

Važno je napomenuti da MATLAB funkcija acker.m nije numerički pouzdana za visoke

redove procesa, tj. regulacijskog sustava. U tom se slučaju može koristiti funkcija pole.m.
Polovi proširenog regulacijskog kruga , koji su ujedno i svojstvene vrijednosti matrice
Φ r = Φ I − Γ I K PI , dobiveni su kako slijedi:

λ1 = 0.6969 + 0.2523i
λ 2 = 0.6969 − 0.2523i
λ3 = 0.7659 (3.26)

λ 4 = 0.8978 + 0.1060i
λ5 = 0.8978 − 0.1060i

3.3. Sinteza vremenski diskretnog estimatora stanja

Estimator stanja punog reda predstavlja egzaktnu kopiju objekta upravljanja proširenu
povratnom vezom po izlazima. Njihova primjena vrlo je važna sa stanovišta regulacije zbog
toga što u većini slučajeva varijable stanja nisu mjerljive. Da bi se estimator mogao koristiti,
potrebno je poznavanje svih parametara procesa. Njegov dinamički model prikazan na slici 6.,
bez uključenja dinamike regulacijskog kruga estimatora (K), može se matrično izraziti na
sljedeći način:

xˆ (k + 1) = Φxˆ (k ) + Γu (k ) + K e ∆ε (k ) (3.27)

gdje je…
∆ε (k ) = y (k ) − yˆ (k ) (3.28)

14
Neizrazito i digitalno upravljanje Kruno Kantoci

Slika 6. Regulacijski SISO sustav s regulatorom varijabli stanja i estimatorom

Izraz za dinamičko vladanje estimatora dobivamo uvrštavajući y (k ) = Cx(k ) u jednadžbu

(3.27), pa je:
xˆ (k + 1) = (Φ − K e C)xˆ (k ) + Γu (k ) + k e Cx(k ) (3.29)

Da bi dobili izraz za dinamiku pogreške estimacije, koja pokazuje koji su uvjeti za točno
slijeđenje izlazne veličine, potrebno je usporediti stvarno i željeno ponašanje sustava:

x (k + 1) = x(k + 1) − xˆ (k + 1) = Φx(k ) + Γu (k ) − (Φ − K e C)xˆ (k )

~ (3.30)

Iz toga slijedi da je:

x (k + 1) = (Φ − K e C)~
~ x (k ) (3.31)

Jednadžba (3.31) pokazuje da pogreška estimacije mora težiti k nuli ako su moduli
svojstvenih vrijednosti matrice Φ − K e C manji od jedan, jednako kao i pri projektiranju
regulatora stanja. To je uvjet za stabilno ponašanje estimatora.

15
Neizrazito i digitalno upravljanje Kruno Kantoci

Postoji još jedno dobro svojstvo regulacijskog sustava s regulatorom varijabli stanja i
estimatorom. Naime, sinteza estimatora se može provesti potpuno neovisno od sinteze
regulacijskog kruga, zahvaljujući svojstvu separabilnosti. Promatrajući sliku 6 u potpunosti,
možemo zapisati:

x(k + 1)  Φ − ΓK  x(k )

=
xˆ (k + 1) K C Φ − ΓK − K C xˆ (k ) (3.32)
   e e  

te supstitucijom dinamike pogreške estimacije dobivamo:

 x(k + 1) Φ − ΓK ΓK 
= (3.33)
~ 
 x (k + 1)  0 Φ − K e C

  zI 0  Φ − ΓK 
d ( z ) = det   −  = det[zI − (Φ − ΓK )] ⋅ det[zI − (Φ − K e C)] (3.34)
 0 zI  K e C Φ − ΓK − K e C 


Uspoređujući izraze (3.13) i (3.34) jasno je vidljivo svojstvo separabilnosti. Važno je

spomenuti da se dinamika estimatora obično izabire da bude dva do šest puta brža od željene
dinamike zatvorenog kruga s regulatorom stanja, ovisno o zahtjevima na potiskivanje šuma.
Na slici 7. dan je blok dijagram regulacijskog SISO sustava s PI regulatorom varijabli
stanja i estimatorom punog reda. Projektiranje estimatora, koji je kako je već prije navedeno
egzaktna kopija objekta upravljanja, izvršava se na sličan način kao i projektiranje regulatora
stanja.

Slika 7. Regulacijski SISO sustav s PI regulatorom varijabli stanja i estimatorom punog reda

16
Neizrazito i digitalno upravljanje Kruno Kantoci

Pri traženju karakterističnog polinoma optimumom dvostrukog odnosa, treba voditi računa o
tome da integrator nije dio procesa. Nakon pronađenog karakterističnog polinoma estimatora
MATLAB funkcijom c2dm.m uz vremensku konstantu estimatora Tee = 10ms , te koristeći

naredbu Ke=acker(Phi.',Cd.',Pe).', dobivamo pojačanje estimatora:

K e = [1.9425 2.1223 0.0269 1.0580] (3.35)

Svojstvene vrijednosti matrice Φ − K e C dobivene su kako slijedi:

λ1 = 0.6174 + 0.2610i
λ 2 = 0.6174 − 0.2610i
(3.36)
λ3 = 0.6174 + 0.2610i
λ 4 = 0.6174 − 0.2610i

17
Neizrazito i digitalno upravljanje Kruno Kantoci

4. REZULTATI SIMULACIJA
U ovom će odlomku biti prikazani rezultati projektiranih regulacijskih krugova. Najprije
će se prikazati dinamika projektiranog PI regulatora varijabli stanja elektromotornog pogona s
elastičnom transmisijom za režim malih i velikih signala, a nakon toga prošireni model sa
projektiranim estimatorom stanja punog reda. Skokovita promjena referentne vrijednosti
brzine vrtnje u režimu malih signala poprimat će vrijednost 100 min −1 , a za režim velikih
signala 800 min −1 . Također, vremenske konstante regulacijskog kruga poprimat će u oba
slučaja dvije vrijednosti, Te = 40ms i Te = 60ms . Ekvivalentna vremenska konstanta

estimatora je određena sa Tee = 10ms te se neće mijenjati. Modeli su ispitani s obzirom na

udarno opterećenje, uz šum mjerenja pozicije od ± 1 impuls.

4.1. Režim malih signala

Slika 8. Usporedni odziv brzina vrtnje, momenta tereta, struje armature te kuta uvijanja
osovine modela sa PI regulatorom varijabli stanja u režimu malih signala

18
Neizrazito i digitalno upravljanje Kruno Kantoci

Slika 9. Usporedni odziv brzina vrtnje, momenta tereta, struje armature te kuta uvijanja
osovine modela sa PI regulatorom varijabli stanja i estimatorom stanja u režimu malih
signala

Iz slika 8. i 9. vidljivo je da moguće izbjeći mjerenje brzine vrtnje na strani tereta.

Naravno, potreban je oprez pri biranju vremenske konstante estimatora. To najbolje pokazuje
slika 9. Ako želimo brži odziv regulacijskog kruga s estimatorom, riskiramo pojavu šuma, i
obrnuto. Odabir vremenske konstante regulatora od 40ms, davat će veliki šum, a ako se
odabere ispod 20ms (za vremensku konstantu estimatora od 10ms), signal će biti
neupotrebljiv.

19
Neizrazito i digitalno upravljanje Kruno Kantoci

4.2. Režim velikih signala

Slika 10. Usporedni odziv brzina vrtnje, momenta tereta, struje armature te kuta uvijanja
osovine modela sa PI regulatorom varijabli stanja u režimu velikih signala

20
Neizrazito i digitalno upravljanje Kruno Kantoci

Slika 11. Usporedni odziv brzina vrtnje, momenta tereta, struje armature te kuta uvijanja
osovine modela sa PI regulatorom varijabli stanja i estimatorom stanja u režimu malih
signala

Kao što je i očekivano, jednako dobar odziv regulacijskog kruga sa estimatorom stanja
dobiva se i pri režimu velikih signala. Ovdje je praćenje referentnog signala još i bolje.
Najbolje se to može vidjeti uspoređujući odzive brzina vrtnje.

21
Neizrazito i digitalno upravljanje Kruno Kantoci

5. ZAKLJUČAK
Projektirani regulacijski SISO sustav s PI regulatorom varijabli stanja i estimatorom
stanja punog reda, polučio je vrlo dobrim rezultatima u slučaju kada je jedino dostupno
mjerenje brzine vrtnje tereta, pri elektromotornom pogonu s elastičnom transmisijom.
Ackermannova formula pokazala se dobrom metodom pri izračunavanju pojačanja regulatora
i estimatora, s time da je trebalo voditi računa o redu procesa, jer metoda nije numerički
pouzdana za visoke redove regulacijskih sustava.
Primjenom estimatora varijabli stanja moguće je izbjeći mjerenje svih varijabli stanja,
odnosno za regulacijske svrhe mogu se koristiti samo one procesne varijable koje se
standardno mjere. Također, pokazalo se da nema nepovoljnog utjecaja na stabilnost
regulacijskog sustava, odnosno prigušenje odziva, što je vrlo dobra osobina principa
separabilnosti. Do izražaja je došao i odabir vremenske konstante estimatora. Pokazuje se da
se za razmjerno brzi odziv unosi relativno malo kašnjenje u odziv varijabli stanja u usporedbi
sa slučajem kada se regulator stanja zasniva na mjerenju svih varijabli.
Regulacija zasnovana na prikazanom estimatoru je statički točna zbog primjene
regulatora stanja proširenog integrirajućim djelovanjem.

22
Neizrazito i digitalno upravljanje Kruno Kantoci

6. PRILOG

6.1. MATLAB skripte

6.1.1. Prelazak s kontinuiranog na vremenski diskretni model procesa

close all
clear all
clc

%parametri objekta upravljanja

Kei=1; Tei=2e-3; Km=2; J1=0.02; J2=J1; c=150; d=0.1;

%vrijeme uzorkovanja
T=2e-3;

Tsig=Tei+T;

%kontinuirani proces u prostoru stanja

A=[-1/Tsig 0 0 0;Km/J1 -d/J1 -c/J1 d/J1;0 1 0 -1;0 d/J2 c/J2 -d/J2];
B=[Kei/Tsig;0;0;0];
C=[0 0 0 1];
D=0;
sys=ss(A,B,C,D);

%diskretizacija primjenom funkcije c2dm()

[Phi Gamma Cd Dd]=c2dm(A,B,C,D,T,'zoh');

I=eye(4,4);
Phi_Ty1=I+A.*T;
Phi_Ty2=I+A.*T+((A^2*T^2)/factorial(2));
Phi_Ty7=I+A.*T+((A^2*T^2)/factorial(2))+((A^3*T^3)/factorial(3))+...
((A^4*T^4)/factorial(4))+((A^5*T^5)/factorial(5))+((A^6*T^6)/...
factorial(6))+((A^7*T^7)/factorial(7));

phi_expm= expm(T*A);

Gamma_Ty1=(I+((A*T)/2))*B.*T;

Gamma_Ty2=(I+((A*T)/2)+((A^2*T^2)/(1*2*3)))*B.*T;

Gamma_Ty7=(I+((A*T)/2)+((A^2*T^2)/(1*2*3))+((A^3*T^3)/(1*2*3*4))+...
((A^4*T^4)/(1*2*3*4*5))+((A^5*T^5)/(1*2*3*4*5*6))+((A^6*T^6)/...
(1*2*3*4*5*6*7))+((A^7*T^7)/(1*2*3*4*5*6*7*8)))*B.*T;

23
Neizrazito i digitalno upravljanje Kruno Kantoci

6.1.2. Sinteza PI regulatora primjenom Ackermannove formule

% close all
% clear all
% clc

%parametri objekta upravljanja

Kei=1; Tei=2e-3; Km=2; J1=0.02; J2=J1; c=150; d=0.1;

%vrijeme uzorkovanja
T=2e-3;

Tsig=Tei+T;

%parametri simulacije
w0=800*pi/30;
Mt=5;
N=2048;
var_noise=0.01;
iaR_limit=10;

%kontinuirani proces u prostoru stanja

A=[-1/Tsig 0 0 0;Km/J1 -d/J1 -c/J1 d/J1;0 1 0 -1;0 d/J2 c/J2 -d/J2];
B=[Kei/Tsig;0;0;0];
C=[0 0 0 1];
D=0;
sys=ss(A,B,C,D);

%diskretizacija primjenom funkcije c2dm()

[Phi Gamma Cd Dd]=c2dm(A,B,C,D,T,'zoh');

%regulacijski sustav
Phi_I=[Phi zeros(length(Phi),1); -Cd 1];
Gamma_I=[Gamma;0];

%Te=40ms
Te=40e-3;

%dinamika zatvorenog kruga prema ODO

D2=0.5; D3=0.5; D4=0.5; D5=0.5;
num=1;
den=[D5*D4^2*D3^3*D2^4*Te^5 D4*D3^2*D2^3*Te^4 ...
D3*D2^2*Te^3 D2*Te^2 Te 1];
[numd,dend]=c2dm(num,den,T,'zoh');

%koeficijenti karakteristicnog polinoma

a_0=dend(6); a_1=dend(5); a_2=dend(4); a_3=dend(3);
a_4=dend(2); a_5=dend(1);

%karakteristicni polinom po matrici Phi_I

p=a_0*eye(5)+a_1*Phi_I+a_2*Phi_I^2+a_3*Phi_I^3+a_4*Phi_I^4+a_5*Phi_I^5;

%matrica upravljivosti
W=ctrb(Phi_I,Gamma_I);

%Ackermannova formula
K_PI=[0 0 0 0 1]*inv(W)*p;
Phi_r=Phi_I-Gamma_I*K_PI;
eig(Phi_r);

24
Neizrazito i digitalno upravljanje Kruno Kantoci

%zeljeni polovi zatvorenog regulacijskog sustava

P=roots(dend);

%Ackermannova formula (matlab)

Ka=acker(Phi_I,Gamma_I,P);
eig(Phi_I-Gamma_I*Ka);

%simulacija
sim('PI_reg_st')

figure(1); subplot(321); plot(t,nR,'--',t,n1,'r','LineWidth',2);

legend('Referenca','T_e = 40 ms',' T_e = 60 ms');
ylabel('n_1 [min^{-1}]'); xlabel('t [s]'); grid on; hold on
subplot(323); plot(t,n2,'r',t,nR,'--','LineWidth',2);
ylabel('n_2 [min^{-1}]'); xlabel('t [s]'); grid on; hold on
subplot(322); plot(t,mt,'--',t,m,'r','LineWidth',2);
ylabel('m_2, m [Nm]'); xlabel('t [s]'); grid on; hold on
subplot(324); plot(t,ia,'r','LineWidth',2);
ylabel('i_a [A]'); xlabel('t [s]'); grid on; hold on
subplot(326); plot(t,dalpha,'r','LineWidth',2);
ylabel('\Delta\alpha [°]'); xlabel('t [s]'); grid on; hold on

%Te=60ms
Te=60e-3;

%dinamika zatvorenog kruga prema ODO

D2=0.5; D3=0.5; D4=0.5; D5=0.5;
num=1;
den=[D5*D4^2*D3^3*D2^4*Te^5 D4*D3^2*D2^3*Te^4 ...
D3*D2^2*Te^3 D2*Te^2 Te 1];
[numd,dend]=c2dm(num,den,T,'zoh');

%koeficijenti karakteristicnog polinoma

a_0=dend(6); a_1=dend(5); a_2=dend(4); a_3=dend(3);
a_4=dend(2); a_5=dend(1);

%karakteristicni polinom po matrici Phi_I

p=a_0*eye(5)+a_1*Phi_I+a_2*Phi_I^2+a_3*Phi_I^3+a_4*Phi_I^4+a_5*Phi_I^5;

%matrica upravljivosti
W=ctrb(Phi_I,Gamma_I);

%Ackermannova formula
K_PI=[0 0 0 0 1]*inv(W)*p;
Phi_r=Phi_I-Gamma_I*K_PI;
eig(Phi_r);

%zeljeni polovi zatvorenog regulacijskog sustava

P=roots(dend);

%Ackermannova formula (matlab)

Ka=acker(Phi_I,Gamma_I,P);
eig(Phi_I-Gamma_I*Ka);

%simulacija
sim('PI_reg_st')

figure(1); subplot(321); plot(t,n1,'k','LineWidth',2); hold on

subplot(323); plot(t,n2,'k','LineWidth',2); hold on
subplot(322); plot(t,m,'k','LineWidth',2); hold on

25
Neizrazito i digitalno upravljanje Kruno Kantoci

subplot(324); plot(t,ia,'k','LineWidth',2); hold on

subplot(326); plot(t,dalpha,'k','LineWidth',2); hold on

6.1.3. Sinteza PI regulatora i estimatora stanja primjenom Ackermannove

formule
% close all
% clear all
% clc

%parametri objekta upravljanja

Kei=1; Tei=2e-3; Km=2; J1=0.02; J2=0.02; c=150; d=0.1;

%vrijeme uzorkovanja
T=2e-3;

Tsig=Tei+T;

%parametri simulacije
w0=800*pi/30;
Mt=5;
N=2048;
var_noise=0.01;
iaR_limit=10;

%kontinuirani proces u prostoru stanja

A=[-1/Tsig 0 0 0;Km/J1 -d/J1 -c/J1 d/J1;0 1 0 -1;0 d/J2 c/J2 -d/J2];
B=[Kei/Tsig;0;0;0];
C=[0 0 0 1];
D=0;
sys=ss(A,B,C,D);

%diskretizacija primjenom funkcije c2dm()

[Phi Gamma Cd Dd]=c2dm(A,B,C,D,T,'zoh');

%regulacijski sustav
Phi_I=[Phi zeros(length(Phi),1); -Cd 1];
Gamma_I=[Gamma;0]; Cd_I=[Cd 0];

%dinamika zatvorenog kruga prema ODO

D2=0.5; D3=0.5; D4=0.5; D5=0.5;

%PI regulator stanja Te=40ms

Te=40e-3;
num=1;
den=[D5*D4^2*D3^3*D2^4*Te^5 D4*D3^2*D2^3*Te^4 D3*D2^2*Te^3 D2*Te^2 Te 1];
[numd,dend]=c2dm(num,den,T,'zoh');
%zeljeni polovi zatvorenog regulacijskog sustava
P_I=roots(dend);
%Ackermannova formula (matlab)
K_PI=acker(Phi_I,Gamma_I,P_I);
eig(Phi_I-Gamma_I*K_PI);

%estimator stanja
Tee=10e-3;
nume=1;
dene=[D4*D3^2*D2^3*Tee^4 D3*D2^2*Tee^3 D2*Tee^2 Tee 1];
[numed,dened]=c2dm(nume,dene,T,'zoh');
%zeljeni polovi zatvorenog regulacijskog sustava

26
Neizrazito i digitalno upravljanje Kruno Kantoci

Pe=roots(dened);
%Ackermannova formula (matlab)
Ke=acker(Phi.',Cd.',Pe).';
eig(Phi-Ke*Cd);

%zapocni simulaciju
sim('PI_reg_estimator');
figure(1); subplot(321); plot(t,nR,'--',t,n1,'r','LineWidth',2);
legend('Referenca','T_e = 40 ms, T_e_e = 10 ms','T_e = 60 ms, T_e_e = 10
ms');
ylabel('n_1 [min^{-1}]'); xlabel('t [s]'); grid on; hold on
subplot(323); plot(t,n2,'r',t,nR,'--','LineWidth',2);
ylabel('n_2 [min^{-1}]'); xlabel('t [s]'); grid on; hold on
subplot(322); plot(t,mt,'--',t,m,'r','LineWidth',2);
ylabel('m_2, m [Nm]'); xlabel('t [s]'); grid on; hold on
subplot(324); plot(t,ia,'r','LineWidth',2);
ylabel('i_a [A]'); xlabel('t [s]'); grid on; hold on
subplot(326); plot(t,dalpha,'r','LineWidth',2);
ylabel('\Delta\alpha [°]'); xlabel('t [s]'); grid on; hold on

%PI regulator stanja Te=60ms

Te=60e-3;
num=1;
den=[D5*D4^2*D3^3*D2^4*Te^5 D4*D3^2*D2^3*Te^4 D3*D2^2*Te^3 D2*Te^2 Te 1];
[numd,dend]=c2dm(num,den,T,'zoh');
%zeljeni polovi zatvorenog regulacijskog sustava
P_I=roots(dend);
%Ackermannova formula (matlab)
K_PI=acker(Phi_I,Gamma_I,P_I);
eig(Phi_I-Gamma_I*K_PI);

%estimator stanja
Tee=10e-3;
nume=1;
dene=[D4*D3^2*D2^3*Tee^4 D3*D2^2*Tee^3 D2*Tee^2 Tee 1];
[numed,dened]=c2dm(nume,dene,T,'zoh');
%zeljeni polovi zatvorenog regulacijskog sustava
Pe=roots(dened);
%Ackermannova formula (matlab)
Ke=acker(Phi.',Cd.',Pe).';
eig(Phi-Ke*Cd);

%zapocni simulaciju
sim('PI_reg_estimator');
figure(1); subplot(321); plot(t,n1,'g','LineWidth',2); hold on
subplot(323); plot(t,n2,'g','LineWidth',2); hold on
subplot(322); plot(t,m,'g','LineWidth',2); hold on
subplot(324); plot(t,ia,'g','LineWidth',2); hold on
subplot(326); plot(t,dalpha,'g','LineWidth',2); hold on

27
Neizrazito i digitalno upravljanje Kruno Kantoci

6.2. Simulink modeli

6.2.1. Model procesa

28
Neizrazito i digitalno upravljanje Kruno Kantoci

6.2.2. Regulacijski krug s PI regulatorom varijabli stanja

29
Neizrazito i digitalno upravljanje Kruno Kantoci

6.2.3. Regulacijski krug s PI regulatorom varijabli stanja i estimatorom varijabli

stanja punog reda

30
Neizrazito i digitalno upravljanje Kruno Kantoci

6.2.4. Model estimatora stanja punog reda

31
Neizrazito i digitalno upravljanje Kruno Kantoci

7. LITERATURA

[1] J. Deur, Kompenzacija učinka elastičnosti i trenja u prijenosnim mehanizmima

slijednih sustava, Doktorska disertacija, Fakultet elektrotehnike i računarstva,
Sveučilište u Zagrebu, 1999.
[2] B. Novaković, Regulacijski sistemi, Sveučilišna naklada Liber, Zagreb, 1985.
[3] D. Pavković, Procjena varijabli stanja automobilskog pogona s primjenama u
regulaciji, Doktorski rad, Fakultet strojarstva i brodogradnje, Sveučilište u Zagrebu,
2007.
[4] G. F. Franklin, J. D. Poewell, and M. L. Workman, Digital Control of Dynamic
Systems, Addison-Wesley Longman Inc., Menelo Park, 1997.
[5] Bilješke s predavanja i vježbi

32