Часть 2.
Председатель:
д. ф.-м. н., профессор Е. И. Веремей
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Оглавление
987
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 62-50.001.8:519.68
АВТОМАТИЗИРОВАННОЕ ОПТИМАЛЬНОЕ
ПРОЕКТИРОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ
ИСТОЧНИКОМ ПИТАНИЯ ДЛЯ ПЛАЗМЕННОЙ РЕЗКИ В
ПРОГРАММАХ НА ЯЗЫКЕ MATLAB
988
Секция 3. Проектирование систем автоматического управления и регулирования
кой стабильностью выбранного технологического тока, легкостью его на-
стройки, допустимым перерегулированием в переходных процессах.
Стабильный, управляемый и быстродействующий источник питания
(ИП) одновременно явился бы инструментом для экспериментального ис-
следования и оптимизации технологических режимов резки, включая им-
пульсное управление параметрами дуги. Проектирование современного
ИП и его системы управления осуществимо с применением математиче-
ских моделей (ММ).
Программный продукт MATLAB позволяет создавать такие ММ, что
подтверждено практическими разработками и их внедрением.
989
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
На рис. 1 DA1 — усилитель сигнала измерительного шунта, DA2 —
аналоговая схема сравнения сигнала, пропорционального току, с сигналом
задания (уставки), Ld — сглаживающая индуктивность, Rd — активная со-
ставляющая сопротивления нагрузки (дуги плазмотрона).
Напряжение рассогласования (потенциал узла 5 на рис.1) использу-
ется для формирования закона ШИМ.
Схема по рис. 1 и соответствующий направленный граф [1] (рис. 2)
содержат 5 узлов.
Предполагается линейность всех элементов.
Рис. 2
990
Секция 3. Проектирование систем автоматического управления и регулирования
Передаточная функция (ПФ) цепи прямой передачи W 1( p ) между
входом и узлом № 5 выведена в пакете MAPLE V6 в символьной форме.
В приведенном ниже фрагменте программы содержатся операторные
изображения выражений для коэффициентов передач между узлами —
элементов матрицы G .
В результате работы программы решения матричного уравнения
W = G −1 * J получен вектор ПФ от входа к остальным узлам схемы, в част-
ности, пятый элемент вектора W и есть искомая ПФ W 1( p ) .
> grc1:=p*C3/(1+p*C3*g6):
> grc2:=p*C2/(1+p*C2*g4):
> a15:=grc2/(grc2+g1+g8):
> a23:=(p*C1+g2)/(p*C1+g2+g0):
> a34:=(g3+grc1)/(g3+grc1+p*C1+g2):
> a43:=(g3+grc1)/(g3+grc1+g7+p*C4):
> a45:=(g7+p*C4)/(g7+p*C4+g3+grc1):
> a51:=grc2/(grc2+g7+p*C4):
Формат результирующих выражений согласован с синтаксисом па-
кета MATLAB, а именно, они представляют собой векторы коэффициентов
полиномов числителя и знаменателя W 1( p ) , расположенных в порядке
убывания степени оператора p Лапласа.
Привести эти выражения в тексте не представляется целесообразным
по причине их громоздкости (более 1000 символов).
Цепь обратной связи образована инверторно-выпрямительным бло-
ком (ИВБ) с ПФ W 2( p ) , включающим инвертор с ШИМ, трансформатор,
выходной выпрямитель, сглаживающий фильтр и нагрузку.
Эта цепь в общем случае может быть представлена последователь-
ным соединением звеньев постоянного запаздывания (ЗПЗ) на период дис-
кретности ШИМ и апериодического.
Аппроксимация ПФ ЗПЗ дробью Паде 1-го порядка
K bp (1 − p * T ) ni 2
W 2( p) = = ,
(1 + p * T )(1 + p * Ld / Rd ) di 2
где
U xx * Rsh
Kbp = ,
U upr ( Rsh + Rd )
U xx — напряжение холостого хода, Rsh — сопротивление измерительного
шунта, U upr — напряжение управления, T— время запаздывания, Ld — ин-
дуктивность фильтра.
В данном случае учитывать запаздывание нет необходимости по
причине существенного различия (на несколько порядков) значений Т и
эквивалентных постоянных времени элементов, осуществляющих фильт-
рацию сигналов.
991
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
В соответствии с правилом замыкания окончательное выражение ПФ
замкнутой системы без учета корректирующего звена:
nee ni1* di 2
We ( p ) = = .
de di1* di 2 + ni1* ni 2
Программа в среде MATLAB, реализующая анализ замкнутой систе-
мы, снабжена комментариями, поясняющими назначение основных опера-
торов.
% Начало программы
clg,clear,hold off
R0=1000; R2=1e4; R1=1000; R6=1000; R3=5000; R7=22e5; R8=1000;
R4=22e5; C1=1e-10; C4=5e-9; C3=1e-9; C2=1e-9;
nn=nargin;
error(nargchk(3,3,nn));
[r1,c1]=size(de1);
[r2,c2]=size(de2);
if r1>c1, de1=de1'; end
if r2>c1, de2=de2'; end
lde1=length(de1); lde2=length(de2);
ff=1; dd=lde1-lde2;
if dd>0,
while ff<=abs(dd); de2=[0,de2];
ff=ff+1;
end
end
if dd<0,
while ff<=abs(dd); de1=[0,de1];
ff=ff+1;
end
end
if kl==0; c=de1+de2; end
if kl==1; c=(de1+de2)'; end
if kl~=0 & kl~=1; disp('sintax error'); end
% Конец файла
993
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Рис. 4.
994
Секция 3. Проектирование систем автоматического управления и регулирования
Рис. 5.
Коррекция динамики
Рис. 6
995
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Матрица передач G, вектор задающих воздействий J для СК и их
элементы:
1 a12 a13 a14
a 21 1 0 a 24
G= J= 1 0 0 0
a31 0 1 a34
a 41 a 42 a 43 1
Веса узлов: M 1 = p * Cm + 1 / Rb + 1 /( 2 Rm ) + 1 / Ri ,
M 2 = 2 * p * Cm + 1 / Rm, M 3 = 1 / Rm + 2 * p * Cm,
M 4 = 1 / Rb + p * Cm + 1 /( 2 * Rm) + 1 / Rc.
Элементы матрицы G: a12 = − p * Cm / M 1, a13 = −1 /( 2 * Rm * M 1),
a14 = −1 /( Rb * M 1), a 21 = − p * Cm / M 2, a 24 = − p * Cm / M 2,
a34 = −1 /( 2 * Rm * M 3), a 41 = −1 /( Rb * M 4),
a 42 = − p * Cm / M 4, a 43 = −1 /( 2 * Rm * M 4).
ni1
Передаточная функция СК WФ ( p ) = :
di1
ni12=4*C^2*R^2*Rb*Rc;
ni11=8*C*R^2*Rc;
ni10=Rc*(4*R+Rb);
di12=4*C^2*R*Rb*(R*(Rc+Ri)+2*Rc*Ri);
di11=4*C*(2*R^2*(Rb+Rc+Ri)+2*R*(Rb*(Rc+Ri)+2*Rc*Ri)+Rb*Rc*Ri);
di10=(4*R*(Rb+Rc+Ri)+Rb*(Rc+Ri));
ni1=[ni12 ni11 ni10];
di1=[di12 di11 di10];
Рис. 7
996
Секция 3. Проектирование систем автоматического управления и регулирования
АЧХ и ФЧХ СК показаны на рис. 7. Значения емкостей и активных
сопротивлений определены предварительно на основе приближенных рас-
четов.
ni1
Передаточная функция СК WФ ( p ) = введена в общую передаточ-
di1
ную функцию замкнутой ССТ, после чего расчет параметров этой системы
проводился с использованием поискового метода оптимизации Нелдера —
Мида, реализуемый в системе MATLAB программой fmins минимизации
целевой функции (ЦФ) ряда переменных.
Критерием для построения ЦФ являлись минимальное перерегули-
рование и максимальное быстродействие ССТ, т. е. максимальная прямо-
угольность переходной характеристики, устанавливающейся при заданном
значении тока.
Принят наиболее простой и информативный вид ЦФ:
Yopt = (sum((abs( y ) − abs(Y 0))))2 ,
где y — вектор значений текущей переходной характеристики, Y0 — век-
тор того же размера постоянных значений, соответствующих заданному
току.
Выбор переменных начального плана, значения которых оптимизи-
руются, проведен на основе ряда обзоров рельефа ЦФ, что позволило вы-
явить существенно влияющие переменные и диапазон их вариаций.
В качестве примера на рис. 8 показана поверхность значений ЦФ в
зависимости от 2 переменных (координат): емкостей конденсаторов С4 по
рис. 1 и Сm по рис. 6.
997
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Выявлено, что существенное влияние на ЦФ оказывают значения
емкостей конденсаторов С4, Сm по рис. 1, сопротивлений резисторов Rm,
Ri, Rb, Rc по рис. 6.
Результаты оптимизации.
998
Секция 3. Проектирование систем автоматического управления и регулирования
Рис. 10
Выводы
Литература
1. Сигорский В. П. Матрицы и графы в электронике.— М.: Энергия,
1968.— 176 с.
2. Теория автоматического управления / Под ред. А. В. Нетушила.— М.:
Высшая школа, 1976.— 400 с.
999
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 519.7
Введение
Постановка задачи
u y
Wobj(z) Wsys(z)
Рис. 1.
Описание метода
1001
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
n −1 m −1
N ost ( z ) = ∑ ri z ( n −1)−i
, Lost ( z ) = ∑ ri z (
m −1)− j
, (6)
i =0 i =0
где коэффициенты ri и qj являются линейными комбинациями коэффици-
ентов Q2(p) и Q1(p) при заданных коэффициентах полиномов P2(p) и P1(p).
Равенства Nost(z)=0 и Lost(z)=0, обеспечивающие делимость полиномов
[Q2(p)- Q1(p)] и Q1(p) на полиномы P2(p) и P1(p), будут выполнены, если
выполнено:
ri = 0 (i=1,2, …n-1), qj = 0 (j=1,2, …m-1). (7)
Равенства (7) задают систему линейных алгебраических уравнений
относительно коэффициентов полиномов Q1(p) и Q2(p).
Представим систему регулирования, изображенную на рисунке, в
переменных состояния:
x ( k + 1) = Ax ( k ) + Bu ( k ) , (8)
y ( k ) = Cx ( k ) ,
где x(k) — n-мерный вектор состояния, y(k) — выход динамической систе-
мы, u(k) — вектор управления, A, B, C — матрицы, согласованные с этими
векторами.
Наряду с этой системой рассмотрим систему
x ( k + 1) = Ax ( k ) + B(u ( k ) + ϕ ( k ) , (9)
y ( k ) = Cx ( k ) ,
где ϕ(k) — внешнее возмущение, действующее на систему и удовлетво-
ряющее разностному уравнению порядка ν. Представим линейное разно-
стное уравнение в виде системы линейных уравнений:
θ ( k + 1) = M θ ( k ) . (10)
Присоединив ее к системе (9), получим систему
x ( k + 1) = Ax ( k ) + B(u ( k ) + ϕ ( k ) ,
ϕ ( k ) = Hθ ( k ) , (11)
θ ( k + 1) = M θ ( k ) ,
y ( k ) = Cx ( k ) ,
где H — матрица размерности (1xν),
H=(1, 0, …, 0).
Выберем число ν так, чтобы было выполнено:
2n+ν=k.
Можно показать, что если динамическая система (8) полностью
управляема, а динамическая система (11) полностью наблюдаема, то сис-
тема линейных алгебраических уравнений (7) разрешима, причем она име-
ет бесчисленное множество решений, а регулятор с передаточной функци-
ей (5) всегда реализуем.
1002
Секция 3. Проектирование систем автоматического управления и регулирования
Пример
Рис. 2.
1003
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
2 z −1
p≈ * .
h z +1
Рис. 3.
Рис. 4.
1004
Секция 3. Проектирование систем автоматического управления и регулирования
Рис. 5.
Заключение
Литература
1. Кузовков Н. П. Модальное управление и наблюдающие устройства.—
М.: Машиностроение, 1976.
2. Лозгачев Г.И Синтез модальных регуляторов по передаточной функции
замкнутой системы. // АиТ.— 1995.— №5.— С.49–55.
3. Лозгачев Г.И., Тучинский С.В. Построение модального регулятора для
объекта с запаздыванием по передаточной функции замкнутой системы.
Нелинейная динамика управления.— М.: Изд-во МГУ, 2000.— С.54–61.
4. Tustin A. Automatic and manual control.— London, Butterworth, 1952.
5. Крыжановская Ю. А. Программная реализация построения модальных
регуляторов по передаточной функции системы // Докл. Межд. науч.-
техн. конф. «Кибернетика и технологии XXI века» (октябрь 2001).—
Воронеж, 2001.— С.12–20.
6. Изерман Р. Цифровые системы управления: Пер. с англ.— М.: Мир,
1984.
1005
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 519.6
Куливец С. Г.
Пермский государственный университет, Пермь,
e-mail: skulivec@yandex.ru
Постановка задачи
1006
Секция 3. Проектирование систем автоматического управления и регулирования
ции той или иной фирме-производителю, представляется в виде выпуклого
нечеткого множества. Предусмотрена возможность перекрытия торговых
зон. Устанавливается порог разделения. Построены две модели и выполнен
анализ двух реальных ситуаций. Первая из рассмотренных моделей пред-
ставляет собой упрощение реальной системы и строится с целью разъясне-
ния подхода с точки зрения теории нечетких множеств в задаче о разделе-
нии торговой зоны. В этой модели предполагается, что расхождение в рас-
стоянии — единственный решающий фактор пространственного предпоч-
тения потребителя в условиях рынка. Во второй модели в качестве факто-
ров, дополнительно влияющих на принятие потребителем решения о вы-
боре, рассматриваются социально-психологические и экономические пе-
ременные. Рассмотрим по отдельности эти модели.
1007
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
где µ Ai : U → [0, 1] — функция принадлежности, принимающая свои зна-
чения в множестве принадлежности [0, 1]; µ Ai (x) описывает степень
предпочтения фирмы F i потребителем x из U.
Как можно видеть из рис. 1 и уравнений (1) и (2), при заданном рас-
стоянии изменение степени принадлежности функции предпочтения
больше внутри областей наивысшей плотности населения и меньше внутри
областей меньшей плотности. Эта формулировка согласуется с наблюде-
ниями: чем больше плотность населения — тем труднее путь потребителя
и тем короче расстояние, на которое он поедет. Таким образом, функция
принадлежности, описанная уравнениями (1) и (2), оказывается логичной
характеристикой этого типа решений потребителей о поездке. Другое важ-
ное свойство (1) и (2) состоит в том, что они описывают выпуклые нечет-
кие подмножества, удовлетворяющие условию:
µ Ai [λ ⋅ x1 + ( 1 − λ ) ⋅ x2 ] ≥ min[µ Ai (x1 ), µ Ai (x2 )] ,
для всех x1 и x 2 ∈ U и всех λ ∈ [0,1] .
Допущение выпуклости оправдано в том смысле, что при нем долж-
но предполагаться монотонное увеличение степени предпочтения с
уменьшением расстояния до фирмы.
Теперь построив точное представление нечеткого понятия —
предпочтения, можно определить способ, с помощью которого рынок
можно разделить между фирмами. Поскольку нечеткие множества A1 и A2
ограничены максимальными степенями sup µ A1 (x) и sup µ A2 (x) в точках α 1
x x
µ A1 A2 (x) = − k ⋅( x −α )2 2
∩ [e 1
] при k ≥ 1, x ≥ γ ,
принимающей максимальное значение sup µ A A (x) в γ. Применяя теорему
1∩ 2
x
об отделимости [2], получаем, что наивысшая степень разделения торговой
зоны, равная 1- sup µ A A (x) , достигается в точке γ. В классической модели
1∩ 2
x
фирма монополизирует рынок. Однако в [4] обосновывается, что модель
сбыта с доминированием более адекватна для описания торговых зон ре-
ального мира. Из этого можно заключить, что перекрытие торговых зон
скорее общий феномен, нежели исключение из правил. Для перекрытия
торговых зон фирм F1 и F2 можно использовать понятие порога раздели-
мости. В нашем случае порог разделения ограничен условием
l < max min[µ A1 ( x), µ A2 ( x)] = sup µ A A ( x) .
x 1∩ 2
x
Таким образом, для выбранного порога l торговая зона M i фирмы Fi
определяется нечетким множеством уровня l. Выбирая различные значения
l, можно получить различные торговые зоны. Общее правило состоит в
том, чтобы выбрать наибольшее возможное значение l, меньшее
max min[µ A1 ( x), µ A2 ( x)] :
{ }
x
1009
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Приняты допущения:
1) существование рынка;
2) произвольная схема расселения населения;
3) размещение n конкурирующих фирм в данных точках;
4) продукция одного качества;
5) фирмы характеризуются p признаками;
6) степени важности признаков при принятии решения о поездке варь-
ируются между индивидуумами;
7) одна фирма предпочитается другой, если ее признаки по своей важ-
ности более близки к оценке потребителя.
Пусть X={ x1 , x 2 ,..., x n }-множество n покупателей, Y={ y1 , y 2 ,..., y p }-
множество p признаков фирм и Z={ z1 , z 2 ,..., z m }- множество m фирм.
Пусть Φ R : X × Y → [0,1] есть функция принадлежности бинарного
отношения R. Φ R ( x, y ) – степень важности признака у по оценке индиви-
дуума х при определении им предпочтения фирмы. Аналогично
π : Y × Z → [0,1] есть функция принадлежности нечеткого бинарного отно-
шения S. π S ( y, z ) = степень принадлежности или совместимости фирмы z
с признаком y. Оба эти отношения можно представить в матричной форме
y1 y2 yp
x1 Φ R ( x1 , y1 ) Φ R ( x1 , y2 ) ... Φ R ( x1 , y p )
x Φ R ( x2 , y1 ) Φ R ( x2 , y2 ) ... Φ R ( x2 , y p )
R= 2
... ... ... ... ...
xn Φ R ( xn , y1 ) Φ R ( xn , y2 ) ... Φ R ( xn , y p )
1010
Секция 3. Проектирование систем автоматического управления и регулирования
z1 z2 zm
y1 π S ( y1 , z1 )
π S ( y1 , z2 ) ... π S ( y1 , zm )
y2 π S ( y2 , z1 ) π S ( y2 , z2 ) ... π S ( y2 , zm )
S=
... ... ... ... ...
y p π S ( y p , z1 ) π ( y p , z2 ) )
S ... π S ( y p , zm
Теперь можно получить матрицу T:
z1 z2 zm
µ ( x , z ) µ A ( x1 , z2 ) ... µ A ( x1 , zm )
x1 A1 1 1 2 m
x µ A1 ( x2 , z1 ) µ A2 ( x2 , z2 ) ... µ A ( x2 , zm )
T= 2
...
m
∑Φ
y
R ( x, y ) равна степени нечеткого множества, указывающей число важ-
Литература
1. Заде Л. Понятие лингвистической переменной и ее применение к при-
нятию приближенных решений.— М.: Мир, 1976.— 167 с.
2. Zadeh L. A. Fuzzy sets // Inf. & Control.— 1965.— 8.— P.338–353.
3. Нечеткие множества и теория возможностей. Последние достижения:
Пер. с англ. / Под ред. Р. Р. Ягера.— М.: Радио и связь, 1986.— 408 с.
4. Beckmann M. Market share, distance and potential // Regional & Urban Eco-
nomics.— 1971.— 1— P.1–18.
1012
Секция 3. Проектирование систем автоматического управления и регулирования
УДК 531.708:620.1
1013
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Хорошие результаты дают модели из пластмасс с использованием
клеевых соединений. Возможен также композитный вариант.
Математическое моделирование
Минимизация
SIMULINKE MATLAB
предельной
Анализ Реализация
нагрузки
кинематических экспериментального
жестко- принципа
пластических
систем
Выбор
предельной
нагрузки
1014
Секция 3. Проектирование систем автоматического управления и регулирования
фект: электронно-проекционный и метод нанесения сетки на поверхность
конструкции.
Сущность электронно-проекционного метода подробно описана в
работах [1–3, 5, 6] и заключается в следующем. На исследуемую поверх-
ность объекта видео-проектором проецируется линейчатая сетка, состоя-
щая из чередующихся темных и светлых линий одного и того же шага. Па-
раметры сетки можно программно менять. Изображение сетки, содержа-
щее информацию об изменяющейся топологии объекта под действием на-
грузки, сканируется цифровой видеосистемой и через блок сопряжения пе-
редается в компьютер, где происходит сложение эталонной сетки, задан-
ной по формуле, и принятой после проецирования. Проектор и видеока-
мера установлены так, чтобы их оптические центры и точка пересечения
главных оптических осей находились в одной плоскости. Видеоинформа-
ция поступает с камеры (цифровой видеокамеры или фотокамеры) в уст-
ройство ввода-вывода, на которое возложены функции кодирования.
Разработанное программное обеспечение позволяет осуществить
обработку картины муаровых полос с последующей визуализацией самой
картины перемещений и аналитического вида функций перемещений, ко-
торые затем используются в качестве аппроксимирующих при определе-
нии напряженно-деформированного состояния конструкции с помощью
аналитических методов — путем сочетания методов строительной механи-
ки и метода Бубнова–Галеркина.
Определение перемещений в серединной поверхности осуществля-
ется теми же аппаратными средствами, но используется нанесение сетки
на поверхность, а блок программы обработки муаровых картин учитывает
особенность данного метода.
Дальнейшее исследование топологической модели деформации про-
изводится средствами Simulink пакета MATLAB по технологии «drag —
and — drop».
Библиотека Simulink дополняется программными блоками НДС кон-
струкции.
С помощью «смотровых окон» и графического интерфейса строится
трехмерное изображение перемещений и распределения внутренних уси-
лий. Подключение блоков нагрузок позволяет следить за динамикой про-
цесса образования предельных состояний. Использование пластических
зон позволяет строить модель «механизма» конструкций.
Аналитическое решение, согласно моделям статической и кинемати-
ческой теорем, осуществляется в матричной форме, что позволяет эффек-
тивно использовать инструментальный пакет MATLAB.
«Вилка» решений с учетом этих теорем и определяет предельную
нагрузку.
Блоки нагрузки и материалов могут быть стохастическими. Исследо-
вание математической модели производится циклически. Например, изме-
1015
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
нение характера нагрузки, геометрических размеров сечений, материала
просчитывается на каждом цикле.
Литература
1. Кучерюк В. И., Лобанок И. В., Чурилов В. А. Метод муаровых полос в
исследовании прочности и устойчивости конструкций.— Тюмень, Тю-
менский индустриальный институт, 1978.— 64 с.
2. Кузяков О. Н., Кучерюк В. И. Устройство для измерения деформаций
поверхности объекта электронно-проекционным муаровым методом //
Известия вузов. Нефть и газ.— 2002.— №1.— С.69–75.
3. Кузяков О. Н., Кучерюк В. И. Методы и средства измерения топологии
поверхности, перемещений и деформаций.— Тюмень: ТюмГНГУ,
2002.— 172 с.
4. Сухарев И. П. Экспериментальные методы исследования деформаций и
прочности.— М.: Машиностроение, 1987.— 216 с.
5. Сухарев И. П., Ушаков Б. Н. Исследования деформаций и напряжений
методом муаровых полос.— М.: Машиностроение, 1969.— 208 с.
6. Дифференциальный электронно-проекционный способ измерения фор-
мы поверхности объекта / Патент на изобретение к А.с. RU 2216710 С2,
7G 01 В 21/30. Заявл.13.12.2001. Опубл. 20.11.2003, Бюл. № 32.— 5 с.
1016
Секция 3. Проектирование систем автоматического управления и регулирования
УДК 519.7
Введение
1017
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1018
Секция 3. Проектирование систем автоматического управления и регулирования
С учетом всего вышесказанного была разработана и исследовалась
математическая модель динамической системы управления (ДСУ), пред-
ставленная в настоящем сообщении.
Число циклов N, характерное для рассматриваемой системы, может
изменяться от 1 до 12, причем математическое описание работы системы
от цикла к циклу не меняется с точностью до статических характеристик
звеньев системы (массы, центра масс и т. д.). В свою очередь, цикл состоит
из трех временных промежутков. На одном из них модель установки со-
стоит из трех звеньев и описывается тремя координатами. На двух других
модель состоит из двух звеньев и описывается двумя координатами, соот-
ветственно. Исходя из этого система дифференциальных уравнений, опи-
сывающая функционирование автономного комплекса (модель) может
быть, как четвертого, так и шестого порядков.
При разработке и применении данной модели решались следующие
задачи:
1. Исследовать возможность максимально точного позициониро-
вания объекта в контрольных точках времени.
2. При соблюдении условия 1 минимизировать время функцио-
нирования системы.
3. Исследовать влияние возможного изменения времени (про-
должительности) некоторых циклов в ходе работы системы на качество ее
функционирования в целом.
4. Исследовать влияние порядка следования циклов при функ-
ционировании на точность работы системы.
5. Разработка и исследование различных алгоритмов управления.
Реализация и исследование математических моделей проводилось
параллельно тремя методами. Причем, в первом и втором случаях одина-
ковая математическая модель была реализована, как в виде MATLAB-
программы, так и C-программы, а в третьем случае в виде Simulink-
модели.
В заключение приведен сравнительный анализ трех использованных
методов моделирования
1023
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Построение модели ДСУ объекта с помощью графического
редактора Simulink
1025
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Так, модель привода можно оценить, подав какое-либо тестовое воз-
действие (например, единичное входное воздействие) и проанализировав
результаты. В случае выявления ошибки, обнаружение ее причины и уст-
ранение последствий упрощается вследствие анализа не модели системы в
целом, а лишь ее части.
Тестирование моделей на данном этапе позволяет в будущем быть
уверенным в приемлемой адекватности этих моделей и дает основание ду-
мать, что последующие ошибки являются проявлением некорректной сты-
ковки составляющих частей.
Проблема обеспечения взаимодействия составляющих модель частей
также важна. При соединении в систему отдельных частей, следует стре-
миться к минимизации числа связей между ними. Каждая связь должна от-
ражать реальное физическое взаимодействие. Наличие связей, неудовле-
творяющих этому условию, свидетельствует о неудачном структурном де-
лении системы. Необходимо правильно выделить наиболее существенные
взаимодействия, так как построенные ранее модели отдельных частей сис-
темы могут быть более сложными, чем того требует решаемая задача (если
использовались уже готовые модели или если они строились с учетом
дальнейшего использования). Например, в исследуемой модели выделены
всего два вида моментов сил и момент инерции. Этого вполне хватает на
данном этапе для описания системы в целом и взаимодействия ее частей.
Предоставляемая графическим редактором Simulink возможность практи-
чески неограниченного доступа к любому сигналу схемы, позволяет оце-
нить правильность взаимодействия не только по конечному результату
(изменение угла), но и по некоторым промежуточным величинам (напри-
мер, максимальные моменты неуравновешенности или максимальный рас-
ход в гидроприводе).
Построение сложных нелинейных систем и учет нелинейностей в
модели существенно усложняют задачу исследования. Может потребо-
ваться изменение (адаптация) построенной модели или построение ее за-
ново. Исходя из этого, возможность подобного шага желательно учесть за-
ранее, сохраняя линейность (и как следствие простоту) модели на этапе
отладки. Безусловным преимуществом графического редактора Simulink с
этой точки зрения является наличие в библиотеке уже готовых блоков наи-
более распространенных видов нелинейностей и легкость внесения этих
нелинейностей в модели.
1026
Секция 3. Проектирование систем автоматического управления и регулирования
Выводы
Литература
1. Попов Д. Н. Динамика и регулирование гидро- и пневмосистем: Учеб-
ник для вузов.— М. Машиностроение, 1987.— 464 с.
2. Загашвили Ю. В., Ледовский А. Д., Яковенко Н. Г., Лычагин Ю. В. Дина-
мическая система с исполнительным двигателем постоянного тока //
Пособие по курсовому и дипломному проектированию.— СПб.: Балт.
гос. техн. ун-т., 2001.— 48 с.
3. Никифоров В. О., Ушаков А. В. Управление в условиях неопределенно-
сти: чувствительность, адаптация, робастность.— СПб.: Изд-во
СПбГИТМО(ТУ), 2002.
4. Фрадков А. Л. Адаптивное управление в сложных системах.— М.: Нау-
ка, 1990.
5. Eslami M. Theory of Sensitivity in Dynamic Systems. An Introduction.—
Berlin.: Springer Verlag, 1994.
1029
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 519.7:62.506
1031
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
dx 1
dt = a11 x1 + a12 x2 … + a1S xS + b11u 1 + b11u 2 + … + b1Q uQ ;
dx2 = a x + a x … + a x + b u + b u + … + b u ;
21 1 22 2 2S S 21 1 21 2 2Q Q
dt (5)
....................................................................................
dxS = a x + a x … + a x + b u + b u + … + b u .
dt S1 1 S2 2 SS S S1 1 S2 2 SQ Q
1033
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Так, для прямоугольной матрицы B , сингулярным значением назы-
вается неотрицательная скалярная величина σ , удовлетворяющая услови-
ям:
Вv = σ u;
(11)
B T u = σ v,
где u и v соответствующая этому сингулярному значению пара векторов-
столбцов.
Если матрица B имеет несколько сингулярных значений, образую-
щих диагональную матрицу S , то матрицы U и V являются унитарными
(в случае, если матрица B вещественная, то ортогональными) и условия
(11) принимают вид:
ВV = US;
(12)
B T U = VS,
откуда следует, что:
В = USV -1 . (13)
В случае спектральной нормы число обусловленности матрицы B
равно отношению ее максимального сингулярного значения к минималь-
ному:
max ( S )
cond ( B ) = . (14)
min ( S )
Поэтому число обусловленности матрицы, имеющей одинаковые отличные
от нуля сингулярные значения всегда равно единице.
Покажем, что с помощью (14) с учетом (12) и (13) при выборе до-
полнительных элементов вектора (матрицы) B (7) можно решить задачу
минимизации числа обусловленности этой матицы (вектора B ).
Пусть имеется исходная прямоугольная матрица B 0 размерности
S × Q, Q < S , R = S − Q :
b11 … … b1Q
… … … …
B0 = . (15)
… … … …
bS 1 … … bSQ
Осуществим расширение размерности B0 до размерности (S × S ) до-
бавлением матрицы B1 с размерностью (S × R )
b1,Q -1 … … b1S
… … … …
B1 = . (16)
… … … …
b S , Q − 1 … … b SS
1034
Секция 3. Проектирование систем автоматического управления и регулирования
В результате получим расширенную квадратную матрицу B ∈ R S×S
вида:
b11 … … b1,Q b1,Q +1 … … b1,S
… … … … … … … …
… … … … … … … …
bs1 … bsQ bs ,Q +1 … … bsS
B= . (17)
bs +1,1 … … bs +1,Q bs +1,Q +1 … … bs +1,S
… … … … … … … …
… … … … … … … …
b … … b b … … b
S1 SQ S ,Q +1 SS
S*0 S*1
Отметим, что для пары векторов B1* (18) и В1 (16), а также для B*0
(18) и В 0 (17), значения ненулевых диагональных элементов матриц S*1 и
S1 ( S*0 и S 0 ), определяемых по (21) остаются неизменными.
Как правило, элементы диагональных матриц сингулярных значений
в (21) должны располагаться в нарастающем порядке. Поэтому выражение
S*0 + S1* следует понимать не как сумму матриц, а как добавление диаго-
нальных матриц друг к другу таким образом, чтобы элементы полученной
диагональной матрицы S также располагались в нарастающем порядке.
Таким образом, доказано следующее утверждение:
1035
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Утверждение. Число обусловленности матрицы не изменится, если
к ней добавить ограниченное число выбранных предложенным особым об-
разом ненулевых векторов-столбцов.
Если исходная прямоугольная матрица B0 имеет соответствующую
диагональную матрицу сингулярных значений S 0 и число обусловленно-
max ( S 0 )
сти С0 = cond ( B 0 ) = , то и матрица В1 имеет диагональную мат-
min ( S 0 )
max ( S1 )
рицу S1 и число обусловленности С1 = cond ( B1 ) = .
min ( S1 )
Из (21) видно, что расширенная матрица В имеет наименьшее число
обусловленности (возможно равное числу обусловленности матрицы С0 )
только тогда, когда max ( S1 ) ≤ max ( S 0 ) и min ( S1 ) ≥ min ( S 0 ) . Поэтому, для
того, чтобы число обусловленности расширенной матрицы В было равно
числу обусловленности исходной матрицы, необходимо выбрать элементы
матрицы В1 таким образом, чтобы ее сингулярные значения находились в
интервале max ( S 0 ) , min ( S 0 ) .
Рассмотрим частный случай, когда число обусловленности матрицы
В1 равно единице. Это означает, что она имеет одинаковые сингулярные
значения, например, min ( S1 ) = max ( S1 ) . Можно выбрать также и
min ( S1 ) = max ( S 0 ) или min ( S1 ) = min ( S 0 ) .
В любом случае, все элементы векторов-столбцов матрицы В1 , опре-
деляемой по (16) торжественны нулям, кроме одного, равного выбранному
сингулярному значению потому, что матрицы U и V в (21) являются уни-
тарными (при вещественных матрицах — ортогональными).
Пример
1037
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
3,1370 0
0 0
В1 = . (24)
0 3,1370
0 0
Тогда матрицы (18) принимают вид:
0 0 0 0 0 0 3,1370 0
−1, 01 2,86 0 0 0 0
0 0
В0 =
*
; В =
* . (25)
0 0 0 0 1 0 0 0 3,1370
0,386 0,965 0 0 0 0 0 0
Следует обратить внимание на то, что все элементы первой и
третьей строк исходных матриц (25) торжественно равны нулю, поэтому
элементы первой и третьей строк матрицы В1 (24) должны отличаться от
нуля. Иначе матрица B может оказаться вырожденной, и обратной ей мат-
рицы не будет существовать. При выполнении этого условия получим:
0 0 3,1370 0
−1, 01 2,86 0 0
В = В 0 + В1 =
* * . (26)
0 0 0 3,1370
0, 386 0, 965 0 0
Матрицы в (24), (25) и (26) имеют соответствующие матрицы сингу-
лярных значений:
3,1370 0 3,1370 0 0 0
0 3,1370 0 3,1370 0 0
S1 = , S =
*
0 0
1
0 0 0 0
0 0 0 0 0 0
3,1370 0 0 0 3,1370 0 0 0
0 0,6626 0 0 0 3,1370 0 0
S0 =
* ; S= (27)
0 0 0 0 0 0 3,1370 0
0 0 0 0 0 0 0 0,6626
Последнее выражение показывает, что число обусловленности рас-
ширенной матрицы В в соответствии с (14) остается тем же, равным ис-
ходному значению 4,7344. Соответствующая обратная ей матрица опреде-
лится в виде:
1038
Секция 3. Проектирование систем автоматического управления и регулирования
0 -0.4643 0 1.3759
0 0.1857 0 0.4859
В? =
−1 .
0.3188 0 0 0
0 0 0.3188 0
Осуществляя преобразования (8) и (9), получим новую матрицу
−1
A = B AB , элементы которой при переходе к стохастическому виду так-
же являются регулярными функциям от случайных µ - параметров:
a11 ( µ) a12 ( µ) a13 ( µ) a14 ( µ)
a 21 ( µ) a 22 ( µ) a 23 ( µ) a 24 ( µ)
A ( µ) = .
a 31 ( µ) a 32 ( µ) a 33 ( µ) a 34 ( µ)
a 41 ( µ ) a 42 ( µ ) a 43 ( µ ) a 44 ( µ )
В рассматриваемом примере, ее математическое ожидание имеет вид:
−8,8575 7,1560 −1,4189 2,2928
1,1485 −9,7525 −16,0765 0,4905
М A ( µ) = .
−0,3220 0,9117 0 0
−2,1533 −5,3833 17,5000 0
В результате чего (10) примет вид:
z1 a11 ( µ) a12 ( µ) a13 ( µ) a14 ( µ) z1 1 0 0 0 δK.H.
a µ a µ a µ a µ
z2 = 21 ( ) 22 ( ) 23 ( ) 24 ( ) z2 + 0 1 0 0 δK.H. .
z3 a31 ( µ) a32 ( µ) a33 ( µ) a34 ( µ) z3 0 0 1 0 0
z4 a41 ( µ) a42 ( µ) a43 ( µ) a44 ( µ) z4 0 0 0 1 0
Таким образом, исследование влияния случайных µ - параметров на
переменные состояния исходной системы, проведенное по уравнению (10),
несомненно, дает более достоверный и полный результат, так как состав-
ляющие матрицы A ( µ) содержат информации не только первоначальной
матрицы A ( µ) уравнения (3), но и матрицы B ( µ) .
Следующий шаг — применим интервальные вычисления [8] для оп-
ределения нижней и верхней границ собственных значений фундаменталь-
ной матрицы системы без учета (3) и при учете (10) стохастичности эле-
ментов исходной матрицы В .
Согласно [9], при малых вариациях элементов матрицу А можно
представить в виде интервальной матрицы [ A ] = A, A .
1039
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Следовательно, если пренебречь малыми изменениями собственных
( )
векторов H (считая hij = const , ∀i, j = 1, n ), то собственные значения ин-
тервальной матрицы [ A ] = A,A также будут интервальными, то есть
1040
Секция 3. Проектирование систем автоматического управления и регулирования
σλ21 = 0,0003; σλ2 2,3 = 0,0164; σλ2 4 = 0,4067 .
4. При втором варианте err _ A = 5% с учетом разброса элемен-
тов матрицы B т. к. err _ B = 5% :
M [ λ 1 ] = −11,2181; M λ 2,3 = −1,2678 ± j1,2319; M [ λ 4 ] = −5,4233;
σλ21 = 0,0049; σλ2 2,3 = 0,2963; σλ2 4 = 7,2298.
Таким образом, при больших разбросах величины математических
ожиданий собственных значений системы остаются неизмененными, а
дисперсии увеличиваются, следовательно, вероятностные оценки качества
функционирования системы при этом ухудшаются [1].
В то же время верхние границы величин собственных значений сис-
темы равны:
−11,4290
−2,7921 + j 0,6460
Lmax = ,
−2,7921 − j 0,6460
2,6432
а их нижние границы, соответственно:
−11,0071
0,2526 + j1,8179
Lmin = .
0,2526 − j1,8179
−13,4898
Наличие положительных вещественных частей у собственных значе-
ний подтверждает факт потери устойчивости исследуемой системы. Это
вполне логично, если на практике параметры системы имеют чрезмерно
большие пределы изменения.
Литература
1. Куриленко А. М., Ледовский А. Д. Качество судовых динамических сис-
тем управления.— Л.: Судостроение, 1994.— 176 с.
2. Лукомский Ю. А., Корчанов В. М. Управление морскими подвижными
объектами: Учебник.— СПб: Элмор, 1996.— 320 с.
3. Сушкова М. В. Приложения Жордановой нормальной формы матрицы //
Математика в ВУЗе. Интернет–журнал СПбГТУ.— 2003.
4. Фам Ки Ань. Числовой анализ.— Ханой: Издательство «Наука и техни-
ка», 1995.— 199 с.
5. Андреевский Б. Р., Фрадков А. Л. Элементы математического моделиро-
вания в программных средах MATLAB 5 и Scilab.— СПб.: Наука,
2001.— 286 с.
6. Евланов Л. Г., Константинов В. М. Системы со случайными парамет-
рами.— М.: Наука, 1976.— 568 с.
1041
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
7. Шароватов В. Т. Обеспечение стабильности показателей качества ав-
томатических систем.— Л.: Энергоатомиздат. Ленинградское отделе-
ние, 1987.— 176 с.
8. Алефельд Г., Херцбергер Ю. Введение в интервальные вычисления. Пер.
с англ.— М.: Мир, 1987.— 360 с.
9. Никифоров В. О., Ушаков А. В. Управления в условиях неопределенно-
сти: чувствительность, адаптация, робастность.— СПб ГИТМО (ТУ)
2002.— 232с.
10. Ледовский А. Д., Хохлова Е. В. О переходе от заданного равномерного
распределения случайных параметров элементов тренажерной системы
к усеченному нормальному закону распределения показателей качества
функционирования при ее эксплуатации // Сб. науч. тр. «Вооружение,
автоматика, правление». — Ковров: Ковровская гос. технологическая
академия 2001.— С.295–300.
1042
Секция 3. Проектирование систем автоматического управления и регулирования
%1-Определение детерминанта (определителя) матрицы B
1043
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
BB22=ia(C22,detB,'/');
%C(3,2)=-(b11*b32*b44-b11*b34*b42-b31*b12*b44+b31*b14*b42+b41*b12*b34-b41*b14*b32);
cl1=ia3(b11,b32,b44);cl2=ia3(b11,b34,b42);cl3=ia3(b31,b12,b44);cl4=ia3(b31,b14,b42);cl5=ia3(b41,b12,b3
4);cl6=ia3(b41,b14,b32);%=0
%C(4,2)=(b11*b32*b43-b11*b33*b42-b31*b12*b43+b31*b13*b42+b41*b12*b33-b41*b13*b32);
cm1=ia3(b11,b32,b43);cm2=ia3(b11,b33,b42);cm3=ia3(b31,b12,b43);cm4=ia3(b31,b13,b42);cm5=ia3(b41,
b12,b33);cm6=ia3(b41,b13,b32);%=0
%C(1,3)=(b12*b23*b44-b12*b24*b43-b22*b13*b44+b22*b14*b43+b42*b13*b24-b42*b14*b23);
cn1=ia3(b12,b23,b44);cn2=ia3(b12,b24,b43);cn3=ia3(b22,b13,b44);cn4=ia3(b22,b14,b43);cn5=ia3(b42,b13
,b24);cn6=ia3(b42,b14,b23);%=0
%C(2,3)=-(b11*b23*b44-b11*b24*b43-b21*b13*b44+b21*b14*b43+b41*b13*b24-b41*b14*b23);
co1=ia3(b11,b23,b44);co2=ia3(b11,b24,b43);co3=ia3(b21,b13,b44);co4=ia3(b21,b14,b43);co5=ia3(b41,b13,
b24);co6=ia3(b41,b14,b23);%=0
%C(3,3)=(b11*b22*b44-b11*b24*b42-b21*b12*b44+b21*b14*b42+b41*b12*b24-b41*b14*b22);
cp1=ia3(b11,b22,b44);cp2=ia3(b11,b24,b42);cp3=ia3(b21,b12,b44);cp4=ia3(b21,b14,b42);cp5=ia3(b41,b12
,b24);cp6=ia3(b41,b14,b22);%=0
%C(4,3)=-(b11*b22*b43-b11*b23*b42-b21*b12*b43+b21*b13*b42+b41*b12*b23-b41*b13*b22);
cq1=ia3(b11,b22,b43);cq2=ia3(b11,b23,b42);cq3=ia3(b21,b12,b43);cq4=ia3(b21,b13,b42);cq5=ia3(b41,b12
,b23);cq6=ia3(b41,b13,b22);
C43=ia(cq4,cq6,'-');
C43=sort(-C43);
BB43=ia(C43,detB,'/');
%C(1,4)=-(b12*b23*b34-b12*b24*b33-b22*b13*b34+b22*b14*b33+b32*b13*b24-b32*b14*b23);
cr1=ia3(b12,b23,b34);cr2=ia3(b12,b24,b33);cr3=ia3(b22,b13,b34);cr4=ia3(b22,b14,b33);cr5=ia3(b32,b13,b
24);cr6=ia3(b32,b14,b23);
C14=cr3;
BB14=ia(C14,detB,'/');
%C(2,4)=(b11*b23*b34-b11*b24*b33-b21*b13*b34+b21*b14*b33+b31*b13*b24-b31*b14*b23);
cs1=ia3(b11,b23,b34);cs2=ia3(b11,b24,b33);cs3=ia3(b21,b13,b34);cs4=ia3(b21,b14,b33);cs5=ia3(b31,b13,b
24);cs6=ia3(b31,b14,b23);
C24=sort(-cs3);
BB24=ia(C24,detB,'/');
%C(3,4)=-(b11*b22*b34-b11*b24*b32-b21*b12*b34+b21*b14*b32+b31*b12*b24-b31*b14*b22);
ct1=ia3(b11,b22,b34);ct2=ia3(b11,b24,b32);ct3=ia3(b21,b12,b34);ct4=ia3(b21,b14,b32);ct5=ia3(b31,b12,b2
4);ct6=ia3(b31,b14,b22);%=0
%C(4,4)=(b11*b22*b33-b11*b23*b32-b21*b12*b33+b21*b13*b32+b31*b12*b23-b31*b13*b22);
cu1=ia3(b11,b22,b33);cu2=ia3(b11,b23,b32);cu3=ia3(b21,b12,b33);cu4=ia3(b21,b13,b32);cu5=ia3(b31,b12
,b23);cu6=ia3(b31,b13,b22);%=0
1044
Секция 3. Проектирование систем автоматического управления и регулирования
[H, L]=eig (A);
Lmax = diag (inv (H)*Amax*H);
%L=diag (L);
Lmin =diag (inv (H)*Amin*H);
ML=(Lmax + Lmin)/2; % Математические ожидания без учета В
for i=1:4
RdeltaL (i)=(real (Lmax (i))-real (Lmin (i)))^2./36;
IdeltaL (i)=(imag (Lmax (i))-imag (Lmin (i)))^2./36;
DeltaL (i)= RdeltaL (i)+IdeltaL (i);
end
DeltaL ;% Дисперсии без учета В
% 2- при учете
Anew_tb=(Anewmax + Anewmin)/2;
[Hnew, Lnew]=eig (Anew_tb);
Lbmax =diag (inv (Hnew)*Anewmax*Hnew)
Lbmin =diag (inv (Hnew)*Anewmin*Hnew)
Mlnew = (Lbmax + LBmin)/2 % Математические ожидания c учетом В
for i=1:4
RDeltaL(i)=(real(LBmax(i))-real(LBmin(i)))^2./36;
IDeltaL(i)=(imag(LBmax(i))-imag(LBmin(i)))^2./36;
DeltaLB (i)= RDeltaL(i)+IDeltaL(i);
end
DeltaLB% Дисперсии с учетом В.
function c = ia(a, b, z)
if (a(2) >= a(1))&(b(2) >= b(1))
if z=='+'
c(1)=min([a(1)+b(1) a(1)+b(2) a(2)+b(1) a(2)+b(2)]);
c(2)=max([a(1)+b(1) a(1)+b(2) a(2)+b(1) a(2)+b(2)]);
end
if z=='-'
c(1)=min([a(1)-b(1) a(1)-b(2) a(2)-b(1) a(2)-b(2)]);
c(2)=max([a(1)-b(1) a(1)-b(2) a(2)-b(1) a(2)-b(2)]);
end
if z=='*'
c(1)=min([a(1)*b(1) a(1)*b(2) a(2)*b(1) a(2)*b(2)]);
c(2)=max([a(1)*b(1) a(1)*b(2) a(2)*b(1) a(2)*b(2)]);
end
if z=='/'
c(1)=min([a(1)/b(1) a(1)/b(2) a(2)/b(1) a(2)/b(2)]);
c(2)=max([a(1)/b(1) a(1)/b(2) a(2)/b(1) a(2)/b(2)]);
end
end
c = [c(1) c(2)];
function c = ia3(a, b, d)
t(1)=min([a(1)*b(1) a(1)*b(2) a(2)*b(1) a(2)*b(2)]);
t(2)=max([a(1)*b(1) a(1)*b(2) a(2)*b(1) a(2)*b(2)]);
c(1)=min([t(1)*d(1) t(1)*d(2) t(2)*d(1) t(2)*d(2)]);
c(2)=max([t(1)*d(1) t(1)*d(2) t(2)*d(1) t(2)*d(2)]);
c = [c(1) c(2)];
1045
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
[Cmin(i,j), Cmax(i,j)]=isym(A, B, '+');
end
end
end
if z=='-'
for i=1:r
for j=1:r
A=[Amin(i,j) Amax(i,j)];
B=[Bmin(i,j) Bmax(i,j)];
[Cmin(i,j), Cmax(i,j)]=isym(A,B,'-');
end
end
end
if z=='*'
for i=1:r
for j=1:r
C=[0 0];
for k=1:r
A=[Amin (i, k) Amax (i, k)];
B=[Bmin (k, j) Bmax (k, j)];
[Tmin, Tmax]=isym (A,B,'*');
T=[Tmin Tmax];
[Cmin(i,j),Cmax(i,j)]=isym(C,T,'+');
C=[Cmin(i,j),Cmax(i,j)];
end
end
end
end
cmin = c (1);
cmax = c (2);
syms b11 b12 b13 b14 b21 b22 b23 b24 b31 b32 b33 b34 b41 b42 b43 b44;
B=[b11 b12 b13 b14;b21 b22 b23 b24;b31 b32 b33 b34; b41 b42 b43 b44];
Det (B);
C=inv (B);
1046
Секция 3. Проектирование систем автоматического управления и регулирования
Приложение 2
В разделе / Приложения диска с трудами конференции представлены
следующие программы:
Conf2004.m — MATLAB-программа вычисления граничных значе-
ний элементов матрицы A и математических ожиданий и дисперсий собст-
венных чисел системы;
ia.m — вычисление интервальных матриц;
ia3.m — интервальная матрица A третьего ранга;
iinv.m — инверсия матрицы 4-го ранга;
isym.m — вычисление суммарной интервальной матрицы;
matprod.m — вычисление граничных значений матрицы A.
1047
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 62-50
Миркин Е. Л.
Международный университет Кыргызстана, Бишкек, Киргизия,
e-mail: eugene@iuk.kg
Постановка задачи
1049
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Адаптивное управление с вспомогательной моделью
1051
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
что означает, в соответствии со стандартными положениями теории Ляпу-
нова, выполнение следующих условий:
lim ea (t ) = 0,
t →∞
lim γ (t ) = γ * = const.
t →∞
Учитывая тот факт, что сигнал um (t ) обладает богатым спектром, т. е. в
замкнутой системе присутствует как минимум ≥ n гармоник, алгоритмы
2
адаптации (14) становятся идентифицирующими:
lim c(t ) = c * = − ∆A,
t →∞
(21)
lim γ (t ) = γ * = − ∆D.
t →∞
Заметим, что для доказательства выполнения основной цели (2) функцио-
нирования системы, необходимо показать выполнение условия (12).
В соответствии с (11,21) для достаточно большого t динамика вспо-
могательной модели (9) будет описываться следующим уравнением
xa (t ) = Axa (t ). (22)
В силу гурвицевости матрицы A , будет выполнено условие (12), что озна-
чает выполнение исходной цели функционирования (2) и доказывает тео-
рему.
Таким образом, использование схемы прямой адаптации совместно с
вспомогательной динамической моделью, за счет реализации эффекта не-
явного упреждения, позволило преодолеть трудности вызванные наличием
временного запаздывания в канале управления и выполнить основную
цель управления (2).
10 0 15 5
Q= ,P = , H c = H γ = 1.
0 − 10 5 5
Моделирование проводилось в системе MATLAB (использовался па-
кет Simulink), результаты моделирования адаптивной системы представле-
ны на рис. 1, a–d.
1053
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Заключение
Литература
1. Миркин Е. Л. Новая схема прямого адаптивного управления с модель-
ным упреждением для систем с запаздыванием в управлении // Сб. тру-
дов 6-го Санкт-Петербургского симпозиума по теории адаптивных сис-
тем.— СПб., 1999.— С.111–114.
2. Миркин Е. Л. Синтез адаптивного регулятора для систем с запаздывани-
ем в управлении // Вестник Международного Университета Кыргызстан
(Бишкек).— 1999.— №1(5).— С.19–23.
3. Миркин Е. Л. Адаптивное управление с идентификатором объектом
один вход один выход с запаздыванием в управлении // Сб. тр. между-
народной конф. «Идентификация систем и задачи управления»
(SICPRO'00).— М.: ИПУ РАН, 2000.— С.91–106.
4. Миркин Е. Л., Новая схема адаптивного управления неустойчивыми
объектами с входным запаздыванием // Сб. тр. международной конф.
«Идентификация систем и задачи управления» (SICPRO'03).— М.: ИПУ
РАН, 2003.— С.2512–2524.
5. Mirkin E. L. Combination of sliding mode and reference model prediction
methods for adaptive control of input-delay systems. // Proc. of the 7th Inter-
national Workshop on Variable Structure Systems. — Sarajevo, 17–19 July
2002.— P.153–162.
6. Миркин Е. Л. Адаптивное управление с модельным упреждением для
объектов, имеющих один вход один выход с запаздыванием в управле-
нии. // Вестник Международного Университета Кыргызстан (Биш-
кек).— 2000.— №1(9).— С.1–13.
7. Ortega R., Lozano R., Globally stable adaptive controller for systems with
delay // Int. J. Control.— 1988.— V.47.— N.1.— P.17–23.
1054
Секция 3. Проектирование систем автоматического управления и регулирования
8. Hasanul Basher A. M., Mukundan R., Model reference control of uncertain
systems with time delays in plant state and control // Int. J. Syst. Sci.—
1987.— V.18.— P.1609–1626.
9. Cheres E., Palmor Z., Gutman S., Min-Max Predictor control for uncertain
systems with input delays // IEEE Trans. Automat. Contr.— 1990.— V.35.—
P.210–214.
10. Миркин Е. Л. Синтез прогнозирующего устройства для объектов ней-
трального типа с запаздыванием // Системы управления и обработки
информации для подвижных объектов.— Фрунзе: ФПИ, 1988.— C.84–
88.
11. Попов Е. П., Прикладная теория процессов управления в нелинейных
системах.— М.: Наука, 1973.
1055
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 519.6
Мироновский Л. А.
Университет аэрокосмического приборостроения, Санкт-Петербург,
e-mail: mir@aanet.ru
1056
Секция 3. Проектирование систем автоматического управления и регулирования
u y
Q0(p)
-1
Q1(p)
Рис. 1.
1060
Секция 3. Проектирование систем автоматического управления и регулирования
щей n + m + 1 варьируемых параметров (все они расположены в двух
столбцах).
Процедуры построения по известным матрицам A, b, c сводится к
отысканию матрицы Т перехода от исходного базиса к каноническому.
Выпишем базовые соотношения, которым должны удовлетворять эти мат-
рицы:
~ ~ ~ ~
Tb = b, c~ = cT , TA = AT , TR = R, D = DT . (8)
~ ~
Здесь через R, R и D, D обозначены матрицы управляемости и на-
блюдаемости системы в исходном и каноническом базисах
c~
[ ]
R = b, Ab, ..., A n −1b ,
c
cA ~~
~ cA
D= , D= . (9)
[
~ ~ ~~ ~ ~
R = b , A b , ..., A n −1b ,] n −1
cA
~ ~ n −1
c A
~
Заметим, что первые l столбцов матрицы R пропорциональны еди-
ничным ортам: b~ = kel , A~ b~ = kel , ..., A~ l −1b~ = kek . Из равенства TA~ l −1b~ = Al −1b сразу
следует, что первый столбец Т1 матриц Т пропорционален вектору
~ ib~ = Aib, i = 1, 2, ..., l − 1 получаем: kТ = Al-2 b,
Al −1b : kT1 = Al −1b. Из равенств TA 2
l-3
kT3 = A b, …, kTb = b.
Тем самым оказываются определенными первые l столбцов матрицы
Т:
Ti = Al − i1b / k , i = 1, ..., l.
Последние ее столбцы связаны рекуррентными соотношениями
Tk + 2 = ATk +1 ,
Tk +3 = ATk + 2 , ..., Tn = ATn −1 , (10)
~
которые следуют из анализа равенства TA = AT с учетом простой структу-
~
ры столбцов матрицы A с номерами от k+1 до n–1 (они имеют вид единич-
ных ортов). Для того чтобы эти соотношения можно было использовать,
нужно сначала определить столбец Тk+1. Соотношение для его определения
имеет вид:
DTk +1 = −e n , Tk +1 = − D −1e n .
Тем самым искомый столбец Тk+1 равен последнему столбцу обратной мат-
рицы наблюдаемости, взятому со знаком минус.
Таким образом, алгоритм преобразования матриц исходной системы
(2) к контурной канонической форме (7), содержит следующие шаги.
Алгоритм 2.
Шаг 1. Вычислить матрицу управляемости R (9) и определить отно-
сительный порядок системы k как номер первого ненулевого элемента в
векторе-строке cR.
Шаг 2. Взять в качестве первых k столбцов матрицы Т первые k
столбцов матрицы управляемости R.
1061
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Шаг 3. Вычислить матрицу наблюдаемости D (9), обратную матрицу
-1
D и взять в качестве (k +1)-го столбца Тk+1 матрицы Т последний столбец
матрицы D-1 со знаком минус.
Шаг 4. Вычислить оставшиеся столбцы матрицы Т, используя ре-
куррентное соотношение (10) Ti+1 = ATi, i = k, …, n–1.
Шаг 5. Вычислить матрицы канонической формы по формулам
~ ~
A = T −1 AT , b = T −1b, c~ = cT .
Приведенный алгоритм содержит простые линейные операции и од-
ну операцию вычисления обратной матрицы (фактически нам нужна не вся
матрица D-1, а только ее последний столбец).
Реализация алгоритма 2 на языке MATLAB имеет вид:
sys=ss(a,b,c,0);
n=length(sys.a);
R=ctrb(sys);mp=sys.c*R; %marcovian parameters
k=min(find(abs(mp)>1e-9));
m=n-k;
D=obsv(sys);
invD=inv(D);
T0=R(:,1:k);
T1=-invD(:,n); % first part of matrix T
T2=zeros(n,m-1);
T2(:,1)=T1; % second part of matrix T
for I=1:m-1,
T2(:,I+1)=sys.a*T2(:,I);
end
T=[T0 T2];
sys1=ss2ss(sys,inv(T)); %Feedback Canonical Form
В заключение перечислим некоторые свойства контурной канониче-
ской формы.
Свойство 1. Нули системы (1) равны собственным числам диаго-
нальной клетки А22 матрицы A~ контурной канонической формы (5), т. е.
полюсам подсистемы Z 2 = A22 Z 2 .
Свойство 2. Контурная каноническая форма (5) наблюдаема при лю-
бых значениях ее параметров α i , β i , bi .
Свойство 3. Редукция контурной канонической формы, получаемая
вычеркиванием последних переменных состояния, сохраняет старшие ко-
эффициенты числителя и знаменателя передаточной функции, а также ее
марковские параметры.
1062
Секция 3. Проектирование систем автоматического управления и регулирования
УДК 711.7
1063
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
• исходными данными являются замеры интенсивности движения на от-
дельных участках улично-дорожной сети, выполняемые в определенное
время в будние дни (например, вечерний час пик 17.00—19.00);
• исходные данные об интенсивности движения содержат ошибки (см.
рис. 3), вызванные проведением замеров в разные дни и ошибками са-
мих подсчетов интенсивности движения.
Следует привести очень важную для понимания рассматриваемой
задачи цитату из HCM 2000 [6]: «Количество элементов матрицы коррес-
понденций всегда превосходит количество сегментов сети. Цель оценива-
ния состоит не в определении точной матрицы корреспонденций, а в на-
хождении такой, которая достаточно близка к ней и соответствует данным
интенсивности движения.» (глава 29 «Corridor analysis»с. 29-30). Следует
пояснить, что под сегментами в оригинальном тексте понимаются дуги
графа, которым представлено описание сети.
В последние годы восстановление матриц корреспонденций по заме-
рам на дугах сети применяется для информационных сетей (Y. Zhang и др.
[7], A. Medina и др. [8]). Также отмечается (A. Medina и др. [8]), что в рас-
сматриваемых задачах количество оцениваемых корреспонденций N (кор-
респонденции xi, i = 1,2,…, N) значительно превосходит количество дуг K,
на которых известны нагрузки, т. е. N>>K.
В отличии от HCM 2000 рассматривается не «транспортный кори-
дор», а участок УДС. С целью использования распределения потоков по
принципу «все или ничего» (all or nothing) УДС разделяется на отдельные
«маршруты», или (как в HCM 2000) «направления движения» (рис 1 — 2).
Таким образом, матрицы описывающая принадлежность корреспонденций
дугам графа будет состоять из 1 и 0 (наличие или отсутствие данной кор-
респонденции).
3 5 9 11 k-5 k-3
4 7 10 13 k-4 k-2
1064
Секция 3. Проектирование систем автоматического управления и регулирования
а) вершины матрицы корреспон-
денций транзитных потоков («за-
грузочные» вершины) центра Ир-
кутска и интенсивности движения
в вечерний час пик, физ.ед./ч
1066
Секция 3. Проектирование систем автоматического управления и регулирования
рицу A2 размером n × ( m + 2n ) , т. е. дополняется двумя диагональными
матрицами d1 и d2.
a11 a12 … a1m 1 0 0… 0 −1 0 …
a a 22 … a 2 m 0 1
0 0… 0 −1 …
A2 = 21
… … … … … … … … … … … 0
an1 a n 2 … a nm 0 0 0 1 0 0 … − 1
Вектор ошибок е i определяется учетом результатов оценки вектора
корреспонденций x i-1 на предыдущей итерации. В зависимости от знака
ошибки ei задаются элементы вектора x2, начиная с индекса m+1. Таким
образом, задача (3) формулируется в следующем виде
m+ 2n
min ∑ wi xi , (4)
i = m +1
при условии
A2 x2 = y; x ≥ 0 .
При проведении первой итерации для определения весовых коэффи-
циентов wi необходим оцененный каким-либо методом вектор x0, при этом
допускаются даже экспертные оценки [2]. Применительно к рассматривае-
мой задаче такой начальной оценкой x0 могут быть старая матрица, мат-
рица, полученная в результате предварительного расчета, в самом крайнем
случае — экспертная оценка. Начальные значения корреспонденций xij0 оп-
ределялись автором с использованием простой гравитационной модели
xij0 = ai b j Ai B j , (5)
где xij — количество транспортных средств, следующих из вершины i в
вершину j; ai — интенсивность движения из i; bj — интенсивность движе-
ния в j; Ai, Bj — коэффициенты балансировки по столбцам и строкам мат-
рицы.
Минимизация целевой функции (4), рассматривается задача линей-
ного программирования со смешанными ограничениями
min wT x , (6)
при линейных ограничениях, в которых матрица A2 получается на основе
матрицы инцидентности A
A2 x2 = y; (7)
и двухсторонних ограничениях
xlb ≤ x ≤ xub. (8)
Исходные данные включают:
A — матрицу инцидентности ранга n×m, задает принадлежность
корреспонденций дугам графа сети, ее элементы aij имеют значение 0 или
1. если корреспонденция j проходит по дуге i, то aij = 1, в противном слу-
1067
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
чае aij = 0, где i =1,2…n, n —количество дуг графа УДС, на которых задана
интенсивность движения, j =1,2…,m, m — количество корреспонденций .
y — вектор-столбец значений интенсивности движения на дугах се-
ти;
x0 — начальное приближение значений корреспонденций — исход-
ный вектор-столбец значений, который может быть задан: в виде старой
матрицы корреспонденций, преобразованной в вектор; значениями кор-
респонденций, полученными в результате экспертной оценки; в виде оцен-
ки матрицы корреспонденций, полученной с использованием гравитаци-
онной модели ;
lb — коэффициент, задающий нижние допустимые значения коррес-
понденций xlb=x lb;
ub — коэффициент, задающий верхние допустимые значения кор-
респонденций xub=x ub;
div — коэффициент, задающий верхние допустимые значения искус-
ственных переменных xubi = xi ⁄ div;
v−2
v — показатель степени весовых коэффициентов wi = ei .
В результате решения получаем векторы-столбцы:
x — восстановленные значения корреспонденций;
ŷ– теоретические значения интенсивности движения на дугах, рас-
считанные на основе восстановленных корреспонденций ŷ = A x;
e — остатки (ошибки) регрессии — разность между наблюдаемыми
и рассчитанными значениями интенсивности движения на дугах e = y−A x.
Оценка точности регрессии основана на парном сравнении замерен-
ных yi и оцененных y i значений потоков на дугах (т. е. анализ остатков
регрессии e = y − A*x) и использовании статистик:
• критерий Стьюдента для парного сравнения исходных и оцененных
значений потоков;
• средняя абсолютная разность пар замеренных и оцененных значений
потоков eabs = ∑ ei n ;
i
• отношение средней абсолютной ошибки к среднему значению интен-
сивности движения E = eabs y .
Для предварительной оценки качества исходных данных и наличия в
них грубых ошибок (рис. 3, а): предлагается рассматривать УДС в сле-
дующем виде (рис. 3, б):
входящие на перегон F(in)i и выходящие F(out)i с перегона потоки
образуют пары;
для оценки статистической однородности выборок значений интен-
сивности движения и выявления выбросов используются значения разно-
стей пар
1068
Секция 3. Проектирование систем автоматического управления и регулирования
di = V(out)i − V(in)i. (9)
а)
V3
V6
V(out)2 V(in)2
V2 V(in)1 V(out)1 V5
V1 V4
б)
1070
Секция 3. Проектирование систем автоматического управления и регулирования
100 100
90 90
80 80
70 70
60 60
50 50
40 40
остатки регрессии
остатки регресси
30 30
20 20
10 10
0 0
-10 -10
-20 -20
-30 -30
-40 -40
-50 -50
-60 -60
-70 -70
шаг 0 шаг 1 шаг 2 шаг 0 шаг 1 шаг 2
итерации итерации
а) б)
1072
Секция 3. Проектирование систем автоматического управления и регулирования
Литература
1. Артынов А. П., Скалецкий И. И. Автоматизация процессов планирова-
ния и управления транспортными системам.— М.: Транспорт, 1981.—
280 с
2. Демиденко У. З. Линейная и нелинейная регрессия.— М.: Финансы и
статистика, 1981.— 302 с.
3. Киселева О. Н., Сена С. Л., Федоров В. П. Определение матрицы суще-
ствующих грузовых корреспонденций на основе обследований на маги-
стральной сети // Социально-экономические проблемы развития транс-
портных систем городов. Тез. докл. второй обл. эконом. конф.—
Свердловск, 1988.— С.95–98.
4. Мягков В. Н., Пальчиков Н. С., Федоров В. П. Математическое обеспе-
чение градостроительного проектирования.— Л.: Наука, 1989. — 144 с.
5. Петрович М.Л. Регрессионный анализ и его математическое обеспече-
ние на ЕС ЭВМ: Практическое руководство.— М.: Финансы и стати-
стика, 1982. — 199 с.
6. Highway Capacity Manual — TRB, Washington, DC, 2000.— 1134 p.
7. Medina A., Taft N., Salamatian K, Bhattacharyya S., Diot C. Traffic Matrix
Estimation: Existing Techniques and New Directions // SIGCOMM’02.—
August 19–23, 2002. — 15 p. (Available: http://gaia.cs.umass.edu
/measurement/traffic_matrix_estimation pdf).
8. Yin Zhang, Roughan M., Duffield N., Greenberg A. Fast Accurate Computa-
tion of LargeScale IP Traffic Matrices from Link Loads // SIGMET-
RICS’03.— Jn.10–14,2003.— 12 p.(Available:http://www.research.att.com).
1073
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 517.977
1074
Секция 3. Проектирование систем автоматического управления и регулирования
помощью теоремы Шура, и т. п.) сделали данный инструмент анализа по-
пулярным инструментом исследования систем управления [1,2]. Здесь ин-
тересно отметить, что во всем мире признана ведущая роль российских
ученых в развитии теоретических основ LMI. Так, по мнению авторов наи-
более цитируемой монографии [1] Ляпунова следовало бы считать дедуш-
кой, а Якубовича — отцом рассматриваемого научного направления. В то
же время все программное обеспечение, в том числе и с участием россий-
ских авторов разработано за пределами России
%0 < P
[quiz ndx] = sdmlmi(quiz, N);
quiz = sdmineq(quiz,-ndx,P);
%A'P + PA < 0
[quiz ndx] = sdmlmi(quiz, N);
quiz = sdmineq(quiz,ndx,P,1,A);
1076
Секция 3. Проектирование систем автоматического управления и регулирования
Синтез робастного регулятора
≥ 0, j ≠ i, π ii = − ∑ j ≠ i π ij
ν
1077
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
ν
AiT H i + H i Ai − H i Bi Ri− 1 BiT H i + M i (δ ) + ∑π ij (δ )Φ ijT H jΦ ij = 0 , δ ∈ ∆0 (2)
j =1
и матрицы Li соответствующей размерности, удовлетворяющие системе
неравенств
ν
( Ai − Bi K i )
T
H i + H i ( Ai − Bi K i ) + ∑π ij (δ )Φ ijT H jΦ ij − SiT K i − K iT S < 0 , (3)
j =1
1079
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Особенности программной реализации алгоритма
% matrices A
A(:,:,1) = [0,1,0 ; -4.2,-1.5,4.2 ; 0.77,0,-0.77 ];
A(:,:,2) = [0,1,0 ; -7.1,-1.9,7.1 ; 1,0,-1 ];
A(:,:,3) = [0,1,0 ; -78,-4.1,78 ; 2.8,0,-2.8 ];
A(:,:,4) = [0,1,0 ; -4,-1.4,4 ; 0.62,0,-0.62 ];
A(:,:,5) = [0,1,0 ; -116,-2.36,116 ; 2.3,0,-2.3 ];
A(:,:,6) = [0,1,0 ; -7.9,-1.1,7.9 ; 0.56,0,-0.56 ];
A(:,:,7) = [0,1,0 ; -55,-0.66,55 ; 0.84,0,-0.84 ];
A(:,:,8) = [0,1,0 ; -14.5,-0.43,14.5; 0.33,0,-0.33 ];
A(:,:,9) = [0,1,0 ; -18,-0.31,18 ; 0.34,0,-0.34 ];
% matrices B
B(:,:,1) = [0;-7.4;0];
B(:,:,2) = [0;-12.7;0];
B(:,:,3) = [0;-57;0];
B(:,:,4) = [0;-7.5;0];
B(:,:,5) = [0;-42;0];
B(:,:,6) = [0;-13.8;0];
B(:,:,7) = [0;-22.5;0];
B(:,:,8) = [0;-8.6;0];
B(:,:,9) = [0;-10;0];
% matrices C
C(:,:,1) = [1,0,0; 0,1,0];
C(:,:,2) = [1,0,0; 0,1,0];
C(:,:,3) = [1,0,0; 0,1,0];
C(:,:,4) = [1,0,0; 0,1,0];
C(:,:,5) = [1,0,0; 0,1,0];
1080
Секция 3. Проектирование систем автоматического управления и регулирования
C(:,:,6) = [1,0,0; 0,1,0];
C(:,:,7) = [1,0,0; 0,1,0];
C(:,:,8) = [1,0,0; 0,1,0];
C(:,:,9) = [1,0,0; 0,1,0];
% matrices D
%D(:,:,1) = [0 0 0; -7.4 0 0; 0 0 0];
%D(:,:,2) = [0 0 0; -12.7 0 0; 0 0 0];
%D(:,:,3) = [0 0 0; -57 0 0; 0 0 0];
%D(:,:,4) = [0 0 0; -7.5 0 0; 0 0 0];
%D(:,:,5) = [0 0 0; -42 0 0; 0 0 0];
%D(:,:,6) = [0 0 0; -13.8 0 0; 0 0 0];
%D(:,:,7) = [0 0 0; -22.5 0 0; 0 0 0];
%D(:,:,8) = [0 0 0; -8.6 0 0; 0 0 0];
%D(:,:,9) = [0 0 0; -10 0 0; 0 0 0];
%matrices D and LL
for I = 1:NU,
D(:,:,I) = B(:,:,I); LL(:,:,I) = [1 0 0];
end;
for I = 1:NU,
H(:,:,I) = quiz(X_index(I));
K(:,:,I) = inv(R(:,:,I)) * B(:,:,I)' * H(:,:,I);
disp(sprintf('H%d =',I)); disp(H(:,:,I));
disp(sprintf('K%d =',I)); disp(K(:,:,I));
end;
Первый шаг алгоритма завершен. Теперь необходимо, используя
найденные значения H i и K i , проверить, существуют ли матрицы Li и Si ,
такие, что выполняются (3). Проверку системы LMI на совместность
(feasibility) можно совместить с решением какой-либо оптимизационной
задачи, в качестве которой выбрана максимизация параметра δ , характе-
ризующего неопределенность матрицы вероятностей Π в форме
Π (δ ) = Π 0 (1 ± δ ) .
Второй шаг алгоритма состоит из шести фрагментов кода.
1) Инициализация LMI-проблемы.
quiz = sdmpb('search for Li and Si'); disp('...Searching for Li and Si:');
2) Объявление LMI-переменных и задание ограничений на них.
% unknown variables Si and Li (not symmetric, not necessarily > 0)
for I = 1:NU,
[quiz S_index(I)] = sdmvar(quiz,size(K(:,:,I),1),N);
[quiz L_index(I)] = sdmvar(quiz,size(K(:,:,I),1),size(EI(:,:,I),1));
end;
1083
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
% two inequalities: for -DELTA and +DELTA
for I = 1:NU,
% for PP * (1-DELTA)
PP_local = PP * (1 - DELTA);
1084
Секция 3. Проектирование систем автоматического управления и регулирования
6) Выбор значения переменной δ в качестве критерия для максими-
зации.
%max Delta
quiz = sdmobj(quiz,Delta_index,1,1);
7) Запуск процедуры выпуклой оптимизации. На печать выводятся
значения матриц Li и искомых матриц обратной связи по выходу Gi .
pars.fid = 0;
quiz = sdmsol(quiz,pars); if (get(quiz,'feas') == 1), disp('feasible.');
else disp('infeasible.'); end;
for I = 1:NU,
L(:,:,I) = quiz(L_index(I));
G(:,:,I) = inv(R(:,:,I))*(B(:,:,I)'*H(:,:,I)+L(:,:,I))*pinv(C(:,:,I));
disp(sprintf('G%d =',I)); disp(G(:,:,I));
end;
disp(sprintf('Max Delta = %d',quiz(Delta_index)));
После решения задачи синтеза робастного регулятора происходит
построение графиков реакции системы в различных режимах работы на
единичный ступенчатый скачок. Графики (рис. 1) демонстрируют характер
переходного процесса в различных режимах.
figure(1);
clf;
for I = 1:NU,
step(A(:,:,I) -B(:,:,I)*G(:,:,I)*C(:,:,I),B(:,:,I)*G(:,:,I)*C(:,:,I),C(:,:,I),0,1);
hold on;
end;
После синтеза регулятора выполняются проверки на его робастность
по отношению к неопределенностям объекта управления. Модель объекта
управления (4) в отсутствие нелинейностей в управлении приобретает сле-
дующий вид:
x(t ) = [ Ai + Fi Ω (t )Ei ]x(t ) + Bi u (t )
y (t ) = Ci x(t ) , если r (t ) = i,
В рассматриваемой задаче матрицы Fi и Ei подбираются экспери-
ментально:
% 1. construct matrices F and E
for I = 1:NU,
F(:,:,I) = 0.01 * 0.5;
E(:,:,I) = 1 * eye(N);
end;
После чего, в соответствии с теоремой 2, выполняется проверка на
совместность следующей системы LMI
H i ( Ai − Bi Gi Ci ) + ( Ai − Bi Gi Ci ) H i +
T
ν
(8)
γ H i Fi F H i + M i + γEi Ei + + ∑ π ijΦ ijT H jΦ ij < 0 ,
−1 T T
j =1
% linear term
quiz = sdmineq(quiz,[ndx 1 1],Gamma_index,0.5,E(:,:,I)'*E(:,:,I));
% 4. minimization objective
quiz = sdmobj(quiz,Gamma_index,'tr',-1);
% 5. test for feasibility
pars.fid = 0; quiz = sdmsol(quiz,pars);
if (get(quiz,'feas') == 1), disp('feasible.'); else disp('infeasible.'); end;
% 6. get gamma
GAMMA = quiz(Gamma_index);
GAMMA = GAMMA(1,1);
disp(' '); disp(sprintf('gamma = %d',GAMMA));
1086
Секция 3. Проектирование систем автоматического управления и регулирования
Заключительным этапом анализа является проверка регулятора на
робастность по отношению как к неопределенностям объекта управления,
так и к нелинейностям регулятора.
Модель объекта управления с учетом неопределенностей и нелиней-
ностей имеет вид (4). Проверка регулятора на робастность выполняется в
соответствии с теоремой 2 путем проверки на совместность условий (5),
которые, согласно теореме Шура, преобразуются в следующую систему
LMI
H i ( Ai − Bi Gi Ci ) + ( Ai − Bi Gi Ci )T H i + γEiT Ei +
ν
M + γE T E + π Φ T H Φ + 1 LT ΓL H i Fi H i Di
i i i ∑j =1
ij ij j ij
4
i i
T
Fi H i γ 0 <0
DiT H i 0 −Γ
Одновременно с проверкой совместность выполняется минимизация
m
выражения γ + ∑ yl .
l =1
quiz = sdmpb('test for robustness'); disp(' ');
disp('...Robustness with nonlinearities:');
% constant terms
quiz=sdmineq(quiz,[ndx 1],0,H(:,:,I),(A(:,:,I)-B(:,:,I)*G(:,:,I)*C(:,:,I))+…
0.5*D(:,:,I)*LL(:,:,I));
quiz = sdmineq(quiz,[ndx 1 1],Gamma_index,0.5,E(:,:,I)'*E(:,:,I));
quiz = sdmineq(quiz,[ndx 1 1],Gammas_index,0.25 * 0.5 * LL(:,:,I)',LL(:,:,I));
% 4. maximization objective
quiz = sdmobj(quiz,Gamma_index,'tr',-1);
quiz = sdmobj(quiz,Gammas_index,'tr',-1);
% 5. optimization
pars.fid = 0;
quiz = sdmsol(quiz,pars); if (get(quiz,'feas') == 1), disp('feasible.');
else disp('infeasible.'); end;
Литература
1. Boyd S., El-Ghaoui L., Feron E., Balakrishnan V. Linear matrix inequalities
in system and control theory.— Philadelphia: SIAM, 1994.
2. Поляк Б. Т., Щербаков П.С., Робастная устойчивость и управление.—
М.: Наука, 2002.
3. Peaucelle D., Henrion D., Labit Y., Taitzidoroff K. User’s Guide for
SEDUMI INTERFACE 1.04 (www.laas.fr/~peaucell/SeDuMiInt.html).
4. Gahinet P., Nemirovski A., LaubA., Chilali M. LMI Control Toolbox For
Use with MATLAB (www.mathworks.com/access/helpdesk/help/pdf_doc
/lmi/).
5. Sturm J. Using SeDuMi 1.02, a MATLAB toolbox for optimization over
symmetric cones (http://fewcal.kub.nl/~sturm).
1088
Секция 3. Проектирование систем автоматического управления и регулирования
6. Ait-Rami M., El-Ghaoui L. LMI optiomization for nonstandard Riccati equa-
tions arising in stochastic control // IEEE Trans. Automatic Control.—
1996.— V.41.— P.1666–1667.
7. Johnson C. The unreachable poles defect in LQR theory: analysis and rem-
edy // Int. J. Control.— 1988.— V.47.— P.697–709.
8. Пакшин П. В., Ретинский Д. М. Робастное управление нелинейными
системами случайной структуры. // Известия РАН. Теория и системы
управления.— 2003.— №1.— С.29–34.
1089
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 629.113.5.014
Пискунов А. Г.,
OOO «НПП ЭЛКАР», Москва,
e-mail: piskunov@elcar.ru
Bauer S. M.
Siemens VDO Automotive AG, Regensburg, Germany,
e-mail: software@elcar.ru
1090
Секция 3. Проектирование систем автоматического управления и регулирования
1092
Секция 3. Проектирование систем автоматического управления и регулирования
Решить эту проблему позволяет переход от использования эффек-
тивного крутящего момента двигателя к индикаторному. Это тем более
возможно, так как при управлении автомобилем нас не интересует абсо-
лютное значение эффективного крутящего момента двигателя, а лишь из-
менение скорости автомобиля, вызванное изменением крутящего момента.
Это является следствием того, что двигатель оказывается последовательно
включенным во внешний контур управления скоростью автомобиля.
1095
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
При проектировании встраиваемой системы управления с использо-
ванием традиционных технологий эти противоречивые требования приво-
дят к очень высоким затратам на процесс разработки и сильно ограничи-
вают достижимую функциональность и надежность конечной системы.
Особенно если принять во внимание частую модификацию объектов
управления и периодическое возрастание требований к функциональности
(требований к токсичности выхлопа, безопасности, управляемости и т. д.).
1096
Секция 3. Проектирование систем автоматического управления и регулирования
pFREQM
—
pFREQTORQF —
Z -1
-1
Z
pDBFREQMOD1
cTIMSYN20ms x pDBFREQMOD2 x
:
+ pFREQDEV cvFREQOSC15
qHFILFREQDIF +
0.1591 [1] qCFILFREQDIF x
+
x
— 2 [1]
x
:
x —
-1 -1
Z Z
pDBFREQDIF2 pDBFREQDIF1
1099
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
yellow
pFREQM
qTORQOSCCOR
x
pTORQINDOSC
:
x magenta
1.0000 [1] —
460.00 [gm2] x
'Trq_1.txt'
Priority=1
Process list
File list
Event list
Generated
code
1102
Секция 3. Проектирование систем автоматического управления и регулирования
1103
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 519.6
Полницкий Д. А.
Балтийский государственный технический университет
«Военмех» им. Д. Ф. Устинова, Санкт-Петербург,
e-mail: polndima@yandex.ru
[ ]
∞ 0
σ = M (aij − M [aij ]) = ∫ a f (aij )daij , ∀i, j = 1,2,..., S
2 2 2
aij ij (2)
−∞
1104
Секция 3. Проектирование систем автоматического управления и регулирования
Для краткости записи операцию осреднения в (1) будем обозначать
M , таким образом
∞
M[X ] = ∫ X ⋅ f ( X )dX
−∞
(3)
ветственно.
Равенство (5) устанавливает взаимосвязь между элементами матри-
цы и ее собственными числами. По своей сути произведение hik hkj−1 имеет
смысл удельного веса коэффициента матрицы А в собственном числе мат-
рицы А.
В наших допущениях собственные числа матрицы А могут быть ве-
щественными и комплексно-сопряженными. Причем и в том и другом слу-
чае собственные числа являются многомерными случайными величинами.
Учитывая принятые допущения, сведем вещественное собственное число к
модели одномерной случайной величины, а комплексно-сопряженные соб-
ственные числа к двумерным случайным величинам. Поясним последнее
рисунком (см. рис. 1).
1105
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Im ( λ )
B C
0
λ M Im ( λi )
А D
M Re ( λi ) Re ( λ )
1106
Секция 3. Проектирование систем автоматического управления и регулирования
0 0
если M n
= M m = 0,
0 2 0 2
то M m = σ m , M n = σ n ,
2 2
(11)
M m⋅ n = ρ m, n = 0.
0 0 0 0
0 0
Здесь ρ m, n — корреляционный момент двух случайных величин. Он
характеризует влияние одной случайной величины на другую и тождест-
венно равен нулю для независимых случайных величин. Тогда
S S
σ λk = ∑∑ hik hkj−1σ a2ij .
2
(12)
i =1 j =1
k i =1 j =1 ij
2
. (14)
2 S S 2
σ βk = Im ∑∑ hik hkj σ aij
−1
i=1 j =1
Тогда дисперсию комплексного числа можно представить следующим об-
разом:
σ λ2k ,k +1 = σ α2k + jσ β2k , ∀k = 1,2,...S . (15)
Подобное представление дисперсии не означает, что для комплекс-
ного числа имеет место комплексная дисперсия, запись (15) удобно ис-
пользовать для представления результатов расчета дисперсий собственных
чисел, полученных с помощью ЭВМ.
1107
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Б. Элементы матрицы зависят от случайных параметров, т. е. в
общем случае зависимы между собой.
Рассмотрим случай Б параллельно с примером расчета дисперсии
собственных чисел матрицы состояния системы с двигателем постоянного
тока (см. рис. 2).
Для вектора случайных параметров можно определить математиче-
ское ожидание mµi ∈ R S и дисперсию σ µ2i ∈ R S , составляющие которых со-
ответственно равны:
∞
mµi = ∫ µi f (µi )dµi , ∀i = 1,2,..., S (16)
−∞
[ ]
∞ 0
σ µi = M (µi − M [ µi ]) = ∫ µi2 f (µi )dµi , ∀i = 1,2,..., S
2 2
(17)
−∞
U U
f7
k13
k6 k7 k9
k2 k3
T6 p + 1 p p
k8
k10
1109
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1 2
σ a211 = σT ;
T64 6
2 2 2
k k k k k k +k k k k
σ 2
a12 = 6 9 10 σ k23 + 3 9 10 8 σ k26 + 3 6 10 σ k29 +
T6 T6 T6
k (k k k + k )
2 2
k k k k
+ 3 6 9 σ k210 + 6 σ k28 + 6 3 9 210 8 σ T26 ;
T6 T6 T6
2 2 2 2
k k k k k k k k k
σ 2
a13 = 3 6 σ k22 + 2 6 σ k23 + 2 3 σ k26 + 2 32 6 σ T26 ; (23)
T6 T6 T6 T6
σ a221 = σ k27 ;
σ a222 = f 72σ k27 + k72σ 2f7 ;
σ a232 = σ k29 .
Некоторые ненулевые корреляционные моменты элементов матрицы
A( µ ) :
0
1 k6 ( k3 k9 k10 + k8 ) 2
ρ a11 , a12 =
0 0
2
σ T6 ;
T6 T62
1 kkk
ρ a11 , a13 = 2 2 32 6 σ T26
0 0
T6 T6
k6 k9 k10 k2 k6
2
ρ a12 , a13 = −
0 0
σ k3 − −
T6 T6
k k k + k8 k2 k3 2 k6 ( k3 k9 k10 + k8 ) k2 k3 k6 2
− 3 9 10 − σ k6 + σ T6 ; (24)
T6 T 6 T62 T6
2
k3 k6 k10 2
ρ a12 , a 32 = −
0 0
σ k9 ;
T6
0 0
ρ a 21 , a 22 = − f 7σ k27 .
Далее воспользуемся формулой (10), учитывая (24) и (23). Возведем
обе части (10) в квадрат и осредним, получим
S S S S
−1 0 0
σ λk = ∑∑ hik hkj ∑∑ hmk hkl−1 ρ a ij , a ml
2
(25)
i =1 j =1 m =1 l =1
или
1110
Секция 3. Проектирование систем автоматического управления и регулирования
2
( ) ( )
S S S S
0 0
α k ∑∑∑∑
σ ρ
−1 −1
= Re h h
ik kj Re h h
mk kl a ij , a ml
i =1 j =1 m=1 l =1
(26)
( ) ( )
S S S S
σ 2 = 0 0
βk ∑∑∑∑
Im hik hkj−1 Im hmk hkl−1 ρ a ij , a ml
i =1 j =1 m=1 l =1
0 0 0 0 0 0
где, ρ a ij , a ml = ρ a ml , a ij , ρ a ij , a ij = σ a2ij , ∀i, j = 1,2,..., S .
Очевидна громоздкость аналитических вычислений при подстановке
(22) в (26). Для автоматизации расчета в общем случае, когда известна за-
висимость коэффициентов матрицы А от случайных параметров системы,
т. е. aij = f (µ ) , можно случайные составляющие коэффициентов матрицы
0
представить векторами в пространстве случайных параметров µ , т. е.
0
a ij = [ f1 (µ1 ), f 2 (µ 2 ),..., f S (µ S )]T . (27)
Тогда операция нахождения корреляционного момента будет эквивалентна
операции нахождения скалярного произведения для векторов в декартовых
координатах:
0 0
ρ a ij , a ml = f1 ij (µ1 ) f1aml (µ1 )σ µ21 +
a
(28)
+ f 2 (µ 2 ) f 2 (µ 2 )σ µ22 + ... + f N ij (µ N ) f N ml (µ N )σ µ2N .
aij aml a a
1111
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
0 1
a11 (µ ) = 0 0 0 0 0 0 0 0 σ T ;
T62 6
0 kkk k k k +k k
a12 (µ ) = 0 − 6 9 10 σ k3 − 3 9 10 8 σ k6 0 − 6 σ k8 ...
T6 T6 T6
k3k6 k10 k3 k 6 k9 k6 (k3k9 k10 + k8 )
... σ k9 σ k10 0 σ T6 ;
T6 T6 T62
0 kk k 2 k6 k 2 k3 k 2 k3 k 6
a13 (µ ) = − 3 6 σ k2 − σ k3 − σ k6 0 0 0 0 0 2
σ T6 ; (30)
T6 T6 T6 T6
{ }
0
a 21 (µ ) = 0 0 0 σ k7 0 0 0 0 0;
(µ ) = {0 }
0
a 22 0 0 − f 7σ k7 0 0 0 − k7σ f7 0;
(µ ) = {0 }
0
a 32 0 0 0 0 σ k9 0 0 0.
Таким образом, можно использовать операцию скалярного произве-
дения для получения корреляционных моментов многомерных случайных
величин.
Учитывая алгоритм получения дисперсии собственного числа при
зависимых коэффициентах матрицы А, можно свести процесс вычисления
дисперсии собственных чисел при независимых коэффициентах к той же
последовательности действий.
В случае независимых коэффициентов нужно сформировать вектор
случайных параметров следующим образом:
a11
a
µ = 12 , (31)
...
aSS
Выбор последовательности коэффициентов в качестве координат
вектора случайных параметров принципиального значения не имеет. Важ-
но, что представленные таким образом случайные параметры, сохраняют
свою независимость в вычислениях. Можно пользоваться алгоритмом вы-
числения дисперсии, соответствующем формуле (26), если представить
случайные составляющие коэффициентов в векторном виде:
σ a11 0 0
0 0 0 σ 0 0
a 11 = , a 11 = 21 ,... a SS =
a
... ... ... . (32)
0 0 σ
SS
a
1112
Секция 3. Проектирование систем автоматического управления и регулирования
Это необходимо для общности подхода к решению данной задачи,
т. к. подобное универсальное представление данных поможет и пользова-
телю, и программисту, перенастраивающему алгоритм на другую структу-
ру, избежать дополнительных ошибок, а также сократит техническую до-
кументацию программы.
Формулы (32) можно получить с помощью более общей зависимости
(29). Действительно, при подстановке (31) в (29) получим:
∂aij (µ )
∂a σ a 11
ij 0
∂aij (µ )
∂a σ i 12
0
a
0 ij
...
a ij (µ ) = ... = , ∀i, j = 1,2,..., S . (33)
∂a
ij ( µ ) σ
SS
∂a σ aij ...
a
ij
... 0
∂aij (µ ) σ
∂µ S aSS
Таким образом, в обоих случаях разложение элементов матрицы в базисе
вектора случайных параметров можно производить по формуле (29).
Необходимо отметить, что предложенный алгоритм не определяет
закон распределения собственных чисел исследуемой матрицы. С учетом
принятых допущений, можно считать нормальным законом распределения
собственных чисел случай, когда случайные параметры имеют нормаль-
ный или различные законы распределения и равномерный закон — в слу-
чае равномерного закона распределения случайных параметров.
Следует учесть, что алгоритм решения поставленной задачи сложен
для аналитического решения, поэтому он будет реализован на ЭВМ в среде
MATLAB. Также нужно отметить, что большинство операций алгоритма
достаточно просты в реализации. Относительно сложной является опера-
ция символьного дифференцирования, необходимая для (29), поэтому она
вынесена за рамки предложенной методики. Код программы расчета дис-
персий собственных чисел матрицы со стохастическими элементами све-
ден в функцию, описание которой приведено в приложении 1.
Литература
1. Евланов Л. Г., Константинов В. М. Системы со случайными парамет-
рами.— М.: Наука, 1976.— 568 с.
2. Андриевский Б. Р. Анализ систем в пространстве состояний.— СПб.:
ИПМаш РАН, 1997.— 206 с.
3. Куриленко А. М., Ледовский А. Д. Качество судовых динамических сис-
тем управления.— Л.: Судостроение, 1994.— 176 с.
1113
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Приложение 1. Код программы. Файл dlambda.m
% function [sig,Mlam]=dlambda(A,dA,sigmaA)
% функция вычисляет дисперсию собственных чисел матрицы А.
% Ограничения, принимаемые при расчете:
% 1. Применение расчета обосновано при достаточно большом количестве случайных параметров
системы, малого влияния стохастической составляющей случайного коэффициента на его
абсолютную величину, а также малой чувствительности выходного результата к изменению
любого из них.
% 2. Собственные числа матрицы А могут быть вещественными и комплексно-сопряженными,
метод не распространяется на случай кратных собственных чисел.
% 3. Вещественные собственные числа сведены к модели одномерной случайной величины, а
комплексно-сопряженные - к двумерной, т. е. комплексная дисперсия, полученная в результате
расчета, будет характеризовать дисперсию мнимой части собственного числа.
% 4. закон распределения собственных чисел принимается нормальным, в случае нормального
закона распределения случайных параметров либо различных законов распределения и
равномерным, в случае их равномерного распределения.
function [sig,Mlam]=dlambda(A,dA,sigmaA)
n=size(A,1);
m=size(dA,1);
for i=1:n^2
dsigmaA(1:m,i)= sigmaAstr(1,i).*dA(1:m,i);
end
[H,sch]=eig(A);
iH=inv(H);
Mlam(1:n,1:n)=0;
VSig(1:m, 1:n)=0;
1114
Секция 3. Проектирование систем автоматического управления и регулирования
% Вычисление дисперсий собственных чисел
for k=1:n
for i=1:n
for j=1:n
for ii=1:n
for jj=1:n
VSig(1:m,k)=VSig(1:m,k)+Real(H(i,k)*iH(k,j))*Real(H(ii,k)*…
…iH(k,jj)).*dsigmaA(1:m,(i-1)*n+j).*dsigmaA(1:m,(ii-1)*n+jj);
VSig(1:m,k)=VSig(1:m,k)+Imag(H(i,k)*iH(k,j))*Imag(H(ii,k)*…
…iH(k,jj)).*dsigmaA(1:m,(i-1)*n+j).*dsigmaA(1:m,(ii-1)*n+jj)*sqrt(-1);
end
end
Mlam(k,k)=Mlam(k,k)+H(i,k)*iH(k,j)*A(j,i);
end
end
end
sig=diag(sum(VSig,1));
1115
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 519.977.55
1. Введение
1116
Секция 3. Проектирование систем автоматического управления и регулирования
денной и допускает множественность решений. Теоретической базой этих
алгоритмов являются результаты работ [15–18].
Для повышения надежности алгоритмов синтеза в настоящей статье
предлагается комбинированная процедура, позволяющая сочетать пре-
имущества частотного подхода, который дает возможность строить квад-
ратичные функционалы в частотной области для широкого класса систем,
и эффективность вычислительных алгоритмов, основанных на использова-
нии уравнений Риккати. Методика, описанная ниже и реализованная в па-
кете DIRECTSDM, позволяет строить эквивалентные дискретные модели в
пространстве состояний для всех задач оптимизации цифровых систем, ко-
торые сводятся к минимизации квадратичного функционала.
Пакет DIRECTSDM построен на основе объектно-ориентированных
технологий и предназначен для использования в среде MATLAB версии
6.0 и выше. Для его работы необходим пакет Control Systems Toolbox.
Пакет несовместим с коммерческим пакетом Polynomial Toolbox
(http://www.polyx.com), поскольку некоторые функции имеют одинаковые
имена.
2. Структуры данных
1119
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1120
Секция 3. Проектирование систем автоматического управления и регулирования
1
В настоящей версии в качестве экстраполятора могут использовать любые обобщен-
T
ные экстраполяторы с передаточной функцией вида µ( s ) = ∫0
CH e AH t BH dt , где AH ,
BH и C H — постоянные матрицы соответствующих размеров.
1121
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Поскольку система является периодически нестационарной [4], дис-
персии непрерывных сигналов зависят от времени, но являются периодич-
ными с периодом T . Поэтому для оценки качества системы естественно
использовать сумму средних (по непрерывному времени) дисперсий вы-
ходных сигналов
T
1
J = ∫ E{z y ' (t ) z y (t ) + zu ' (t ) zu (t )} dt → min , (1)
T0
где штрих означает транспонирование, а E{⋅} — математическое ожида-
ние.
Предполагается, что выполнены следующие допущения2:
1. матрицы V y FFw , QFFw , QFm и QFG — строго правильные3, а V y FG и
Vu — по меньшей мере правильные;
2. матрица QFG — несократимая;
3. матрицы Fw , Fm , V y и Vu не имеют неустойчивых полюсов;
4. матрицы G и Q не имеют полюсов на мнимой оси;
5. все передаточные матрицы — нормальные в смысле [4], то есть, для
них матрица A в минимальной реализации ( A, B, C , D) — цикличе-
ская [19];
6. период квантования T — непатологический.
Допущение 1 необходимо для того, чтобы задача оптимизации была
корректной. Допущения 2 и 6 обеспечивают несократимость дискретной
модели непрерывной части замкнутого контура и стабилизируемость сис-
темы. Допущение 3 не ограничивает общности, поскольку для любой спек-
тральной плотности, не имеющей полюсов на мнимой оси, можно постро-
ить устойчивый формирующий фильтр. При нарушении допущения 4
формальное применение процедуры оптимизации дает регулятор, который
не является стабилизирующим (выводит систему на границу устойчиво-
сти). Допущение 5 практически всегда выполняется в реальных задачах и
служит для упрощения некоторых вычислительных алгоритмов.
Таким образом, задача заключается в том, чтобы при известных не-
прерывных элементах, интервале квантования T и экстраполяторе µ(s )
найти передаточную матрицу регулятора C (z ) , обеспечивающего мини-
мум критерия (1).
2
Здесь и далее аргументы передаточных матриц опускаются, если это не вызывает пу-
таницы.
3
Рациональная матрица W (s ) называется правильной, если lim W ( s ) = K w ≠ ∞ и
s →∞
1122
Секция 3. Проектирование систем автоматического управления и регулирования
3.2. Функция sdh2
Пример 1.
В качестве примера рассмотрим задачу синтеза H 2 -оптимального
регулятора для системы стабилизации на курсе танкера «Казбек», упро-
щенная модель которого имеет вид [20]
0.051
1
F ( s ) = (25s + 1) s , G ( s ) = , Q( s) = 1 .
0 .051 s + 1
25s + 1
Примем T = 1 и
1 0
Fw ( s ) = 1, Fm ( s ) = 0, V y ( s ) = , Vu ( s ) = 1 .
0 1
В отличие от задачи, рассмотренной в [20], для управления используются
два сигнала обратной связи (угол рыскания и угловая скорость вращения),
то есть, регулятор имеет 2 входа и 1 выход.
В качестве экстраполятора применяется фиксатор нулевого порядка
с передаточной функцией
1 − e − sT
µ( s ) = .
s
Для описания системы, изображенной на рис. 1, используется струк-
тура языка MATLAB, содержащая поля с теми же именами, что и блоки
схемы. Для рассматриваемой системы
sys.F = tf({0.051; 0.051}, {[25 1 0];[25 1]} );
sys.G = tf(1, [1 1]);
sys.Fw = tf(1);
sys.Vu = tf(1);
sys.T = 1;
Обязательными полями структуры sys являются только sys.F , sys.G,
sys.Fw и sys.T. Если остальные поля не заданы, они принимают значения
по умолчанию:
sys.Fm = 0;
sys.Vy = eye(n);
sys.Vu = 0;
sys.Q = eye(n);
Здесь n обозначает количество выходов передаточной матрицы объекта
F (s ) , и eye(n) — единичная матрица соответствующего размера.
Результатом вызова функции
[C,P] = sdh2 ( sys )
является передаточная матрица оптимального регулятора C (z ) и полюса
замкнутой системы в плоскости z :
C: zero-pole-gain model 1 x 2
1123
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
! 0.98247 (z-0.3679) 17.4769 (z-0.3679) !
! —––––––––––––––––– —––––––––––––––––– !
! (z-0.3457) (z-0.3457) !
Sampling time: 1
P=
0.9627 + 0.0240i
0.9627 - 0.0240i
0.3679
0.3679
Поскольку все полюса находятся внутри единичного круга, опти-
мальная замкнутая система устойчива. Значение функции потерь (1) равно
0,0373 .
Полностью рассмотренный пример исследуется в демонстрационной
программе demoh2, входящей в состав пакета DIRECTSDM.
Пример 2.
Чтобы продемонстрировать использование пакета DIRECTSDM, рас-
смотрим следящую систему на рис. 2 при
1
0,5s + 1 1 0
F (s) = , G ( s ) = 1, Q( s ) = .
1 0 1
(0,5s + 1) s
1125
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
0 0
W y (s ) =
0 1 , Wu ( s ) = [0 0] ,
1
1 0
R( s ) = s , V y (s ) = , Vu ( s ) = 0, T = 1 .
1 0 1
s
Она задается в виде структуры языка MATLAB следующим образом:
sys.F = tf( {1; 1}, {[0.5 1];[0.5 1 0]} );
sys.R = tf( {1; 1}, {[1 0]; [1 0]} );
sys.Wy = tf( {0 0;0 1}, {1 1;1 1} );
sys.T = 1;
Обязательными полями структуры sys являются только sys.F, sys.R,
sys.Wy и sys.T . Если остальные поля не заданы, они принимают значения
по умолчанию:
sys.G = eye(m);
sys.Q = eye(n);
sys.Vy = eye(n);
sys.Wu = 0;
sys.Vu = 0;
Здесь n обозначает количество выходов объекта F (s ) , m — размерность
вектора входных сигналов r (t ) , и eye(.) — единичная матрица соответст-
вующего размера. В качестве экстраполятора используется фиксатор нуле-
вого порядка.
Результатом вызова функции
[C,P] = sdl2 ( sys )
является передаточная матрица оптимального регулятора C (z ) и полюса
замкнутой системы в плоскости z :
C: zero-pole-gain model 1 x 2
!-0.44824(z-0.1175)(z-1) 1.3504(z^2-0.3709z+0.03901)!
!----------------------- --------------------------- !
! (z-0.4299) (z+1.052) (z-0.4299) (z+1.052) !
Sampling time: 1
P=
0
0
0.3673
-0.2329
Поскольку все полюса находятся внутри единичного круга, опти-
мальная замкнутая система устойчива. Значение функции потерь (2) равно
1,235 .
Полностью рассмотренный пример исследуется в демонстрационной
программе demol2, входящей в состав пакета DIRECTSDM.
1126
Секция 3. Проектирование систем автоматического управления и регулирования
5. Эквивалентные дискретные модели в задачах оптимизации
стандартной цифровой системы
ε w
P11 P12
y u
P21 P22
ST −K H
1127
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
5.2. Эквивалентная дискретная система
εd wd
G11 G12
yd G21 G22 ud
−K
1128
Секция 3. Проектирование систем автоматического управления и регулирования
С другой стороны, в [4, 20] разработан частотный метод, позволяю-
щий решать широкий класс задач оптимизации цифровых систем, в том
числе и для систем с запаздыванием. Однако соответствующие вычисли-
тельные алгоритмы, основанные на полиномиальных методах, «привяза-
ны» к конкретной структуре системы.
В настоящей статье, по-видимому, впервые, излагается реализован-
ный в пакете DIRECTSDM метод построения эквивалентной (в смысле (3))
стандартной дискретной системы для задач H 2 и L2 -оптимизации стан-
дартной цифровой системы.
Известно, что алгоритмы оптимизации в частотной области не явля-
ются грубыми с вычислительной точки, и предпочтительнее использовать
операции в пространстве состояний. Полученный результат позволяет пе-
рейти к дискретной модели в пространстве состояний для любой задачи,
которая сводится к квадратичному функционалу, в том числе для задач оп-
тимизации цифровых систем с элементами запаздывания.
4
Предполагается, что эта величина конечна.
1129
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1/ 2
m 2
J 0 τ = ∑ ε iτ 2 , (5)
i=1
где ε iτ (t ) — выходной сигнал при воздействии единичного импульса на
i -ый вход в момент τ (0 ≤ τ < T ) . Поскольку момент τ точно неизвестен, в
качестве функции потерь естественно использовать усредненную (на ин-
тервале [0, T ] ) величину [3]
1/ 2
1 2
T
J 1 = ∫ J 0 τ dτ , (6)
T 0
которая получила название обобщенной H 2 -меры [24,25].
В [4, 15, 18] дана статистическая интерпретация функции потерь (6).
Поскольку цифровая система на рис. 3 — периодически нестационарная,
дисперсия ошибки зависит от времени, но является периодической с пе-
риодом T . Можно показать, что квадрат J1 совпадает с величиной средней
(по непрерывному времени) дисперсии ошибки при воздействии на вход
векторного белого шума с единичной матрицей спектральной плотно-
сти [4, 15]:
1/ 2
1
T
J1 = ∫ E{ε' (t ) ε(t )} dτ , (7)
T 0
где символ E{⋅} означает математическое ожидание. Поэтому величина J1
может быть названа H 2 -нормой цифровой системы.
Как показано в [4,15,18], задачи оптимизации цифровых систем отно-
сительно функций потерь (3)-(7) сводятся к минимизации функционала
вида
J=
1
∫
2πj Γ
[
tr M * A0 MA1 + BM + M * B* + R
dz
z
, (8) ]
на множестве допустимых регуляторов. Здесь j = − 1 , символ tr обозна-
чает след матрицы. Кроме того, A0 ( z ) = A0* ( z ) , A1 ( z ) = A1* ( z ) , B( z ) и
R( z ) — рациональные матрицы соответствующих размеров, и
M ( z ) = K [I − DK ] ,
−1
(9)
где D ( z ) — рациональная матрица, представляющая собой дискретную
модель приведенной непрерывной части контура управления. Верхний ин-
декс * обозначает эрмитово-сопряженную матрицу, которая для функций
переменной z вычисляется как F * ( z ) = F ' ( z −1 ) .
Непосредственная минимизация функционала (8) в частотной облас-
ти с использованием метода Винера-Хопфа сложна с вычислительной
точки зрения и приводит к значительным ошибкам, особенно для много-
мерных систем. Для того чтобы использовать методы синтеза в простран-
1130
Секция 3. Проектирование систем автоматического управления и регулирования
стве состояний, обладающие лучшей вычислительной устойчивостью, тре-
буется построить некоторую дискретную стандартную систему, которая
будет эквивалентна исходной цифровой системе в смысле условия (3). Ре-
шение этой задачи приводится далее.
2π j Γ z
(12)
1 dz
2π j Γ∫
+ *
tr G11G11 .
z
Таким образом, для решения поставленной задачи требуется постро-
ить матрицы Gik ( z ) (i, k = 1,2) стандартной дискретной системы так, что ре-
гулятор K обеспечивает устойчивость цифровой системы (рис. 3) и мини-
мум критерия (8) тогда и только тогда, когда он обеспечивает устойчи-
вость дискретной системы (рис. 4) и минимум критерия (12).
Заметим, что функции потерь (8) и (12) имеют одинаковую форму.
Кроме того, при выборе
G22 ( z ) = D( z ) (13)
получаем M d ( z ) = M ( z ) . В дальнейшем будем выбирать матрицу G22 ( z )
эквивалентной дискретной системы в соответствии с (13).
Известно, что оптимальный стабилизирующий регулятор, обеспечи-
вающий минимум функционала (8), определяется (если он существует)
1131
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
только матрицами A0 , A1 и B в (8). Поэтому достаточно выбрать матрицы
G11 , G12 и G21 так, чтобы обеспечить выполнение равенств
A0 ( z ) = G12* G12 , (14)
A1 ( z ) = G21G21 ,
*
(15)
B( z ) = G21G11G12 .
*
(16)
Далее будет показано, что выполнение равенства (16) не обязатель-
но. Поэтому будем различать следующие два типа эквивалентных дис-
кретных систем.
Определение 1. Эквивалентной дискретной системой полного по-
рядка будем называть модель вида (10), для которой выполняются равен-
ства (14)-(16).
Определение 2. Эквивалентной дискретной системой пониженного
порядка будем называть модель вида (10), для которой выполняется усло-
вие эквивалентности (3) и порядок минимальной реализации стандартной
системы меньше, чем для полной модели.
Отметим, что для системы пониженного порядка условие (16) может
нарушаться. Однако упрощение системы не должно изменять оптималь-
ный регулятор (модель должна быть эквивалентна исходной системе в
смысле (3)).
5
Унимодулярной называется полиномиальная матрица, определитель которой есть не-
нулевая постоянная, не зависящая от переменной z .
1132
Секция 3. Проектирование систем автоматического управления и регулирования
Очевидно, что равенства (14)–(15) выполняются при выборе
Q
G12 ( z ) = [Q0 0] U 0 , G21 ( z ) = U1 1 . (19)
0
В этом случае при выполнении допущения (18) выбор матрицы G11 опре-
деляется из условия (16), которое дает
~
B 0 Q1 * Q1G11* Q0 0
= G11 [Q0 0] =
−1 −1
U1 BU 0 = , (20)
0 0 0 0 0
откуда следует
[ ~
]
G11 ( z ) = Q1−1 B Q0−1 * . (21)
Заметим, что если матрицы A0 ( z ) и/или A1 ( z ) имеют неполный ранг,
то полученная эквивалентная H 2 -задача является вырожденной и для ее
решения необходимо использовать специальные алгоритмы, учитывающие
эту особенность. В пакете DIRECTSDM реализован алгоритм, предложен-
ный в [27].
Для использования стандартных методов синтеза в пространстве со-
стояний требуется, чтобы все матрицы дискретной модели были правиль-
ными, то есть,
lim Gik = const ≠ ∞, (i, k = 1,2) .
z →∞
Матрицы D( z ) , A0 ( z ) и A1 ( z ) — правильные по построению во всех
рассматриваемых задачах [4,15], поэтому матрицы G12 , G21 и G22 — также
правильные. В то же время матрица G11 , найденная в соответствии с (21),
может оказаться неправильной. При этом
~
G11 ( z ) = G11 ( z ) + F11 ( z ) ,
~
где G11 ( z ) — правильная матрица, а F11 ( z ) — полиномиальная матрица,
такая, что F11 (0) = 0 . Представим передаточную матрицу замкнутой систе-
мы (10) в виде
~
Tεw ( z ) = Tεw ( z ) + F11 ( z ) ,
~
где рациональная матрица Tεw ( z ) — правильная по построению. Тогда
функцию потерь для эквивалентной дискретной системы можно выразить
как
1 dz
2πj ∫Γ
Jd = tr T *
T
εw εw =J d 1 + J d 2 + J d 3 + J d 4 ,
z
где
1 ~ ~ dz 1 ~ dz
J d1 =
2πj Γ∫ tr Tε*wTεw , J d 2 =
z 2πj Γ ∫ tr Tε*w F11 ,
z
1 ~ dz 1 dz
Jd3 =
2πj Γ∫ tr F11*Tεw , J d 4 =
z 2πj Γ ∫ tr F11* F11
z
.
1133
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Поскольку предполагается, что замкнутая система устойчива, все
полюса ее передаточной матрицы Tεw , а значит и все полюса передаточной
~
матрицы Tεw , находятся внутри единичного круга. Тогда все полюса мат-
~
рицы Tε*w расположены вне единичного круга. Отсюда, учитывая, что
F11 содержит множитель z , по теореме о вычетах получаем J d 2 = 0 . По-
скольку J d 3 = J d 2 = 0 , имеем
1 ~ * ~ dz 1 dz
2πj ∫Γ z 2πj ∫Γ
Jd = tr TεwT εw + tr F *
11 F11 .
z
Учитывая, что матрица F11 не зависит от выбора регулятора, прихо-
дим к выводу, что при построении оптимального регулятора можно игно-
рировать F11 и использовать стандартную дискретную систему с переда-
точной матрицей
~
G11 ( z ) G12 ( z )
G( z) = .
G
21 ( z ) G 22 ( z )
В качестве альтернативного варианта можно применить известное
свойство H 2 -нормы дискретной передаточной матрицы:
2
2 1
X ( z) 2 = m X ( z) ,
z 2
где m > 0 — целое число. Выберем достаточно большое m так, чтобы пе-
редаточная матрица G11 / z m была правильной. Тогда исходная задача оп-
тимизации цифровой системы эквивалентна задаче минимизации H 2 -
нормы передаточной матрицы дискретной стандартной системы, в которой
дискретный объект описывается передаточной матрицей
G11 ( z ) / z m G12 ( z ) / z m
G( z) = .
G21 ( z ) G22 ( z )
Этот способ несколько хуже предыдущего, поскольку в модели объ-
екта появляются дополнительные полюса в точке z = 0 .
1134
Секция 3. Проектирование систем автоматического управления и регулирования
Перейдем к переменной ζ = 1 / z в функционале (8) и во всех матри-
цах. Соответствующие передаточные матрицы от ζ будем обозначать чер-
той сверху. Построим пары лево- и право-взаимностых полиномиальных
матриц, {al (ζ ), bl (ζ )} и {ar (ζ ), br (ζ )} соответственно, реализующих непо-
нижаемые (irreducible) MFD [19] для матрицы
G22 (ζ ) = G22 ( z ) z =1 / ζ = al−1bl = br ar−1 . (22)
Тогда существуют полиномиальные матрицы X r 0 (ζ ) и Yr 0 (ζ ) , такие
что [19]
alYr 0 + bl X r 0 = I ,
где I — единичная матрица соответствующего размера. При этом множе-
ство всех стабилизирующих регуляторов K (ζ ) и множество соответст-
вующих допустимых матриц M (ζ ) параметризуется в виде [28,29,15]
K (ζ ) = ( X ro + ar Ψ )(Yr 0 − br Ψ ) −1 . (23)
M (ζ ) = ( X ro + ar Ψ ) al . (24)
где Ψ (ζ ) — произвольная устойчивая (не имеющая полюсов внутри и на
границе единичного круга) рациональная матрица. При использовании
подстановки (24) с учетом равенства tr AB = tr BA задача сводится к мини-
мизации функционала
~
J =
1
2πj ∫Γ
[tr Ψ *~
A0 Ψ
~ ~
A1 + B Ψ + Ψ * ~*
B + R]
~ dζ
ζ
, (25)
6
Здесь и далее используется обозначение F
−*
[
(ζ ) = F * (ζ ) ]
−1
.
1135
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
~
−1~ −1 B0 0
U BU 0 =
1 , (31)
0 0
~
где B0 ( z ) — рациональная матрица размером m × . Это условие обеспе-
чивает наличие минимума у вырожденного функционала (25) [27].
Подставляя (28) и (30) в (31), получаем
~
−1 ~ −1 −1 −1 B02 0
U1 B U 0 = U1 al B arU 0 + ,
0 0
~
где B02 (ζ ) — некоторая рациональная матрица размером m × .
Отсюда следует, что для выполнения (31) необходимо
~
−1 −1 B01 0
U1 al B arU 0 = , (32)
0 0
~
где B01 (ζ ) — некоторая рациональная матрица размером m × .
Обозначим
~
Ψ (ζ ) = U 0 Ψ U 1 . (33)
Поскольку полиномиальные матрицы U 0 и U1 — унимодулярные по
~
построению, устойчивость матрицы Ψ равносильна устойчивости Ψ . Ра-
~
зобьем матрицу Ψ на блоки, так что
~ Ψ Ψ1
Ψ (ζ ) = 0 , (34)
Ψ
2 Ψ 3
(35)
а устойчивые матрицы Ψi (i = 1,… ,3) могут быть выбраны произвольно и
не влияют на значение функционала качества (25). Отметим, что этот при-
ем обобщает результаты, полученные в [29,30] для вырожденных функ-
ционалов типа (25).
Будем предполагать, что матрицы Q0 и Q1 выбраны так, что все их
нули и полюса устойчивы (находятся вне единичного круга в плоскости
ζ ). Известно [28,29,15], что в этом случае оптимальная матрица Ψ0 , обес-
печивающая минимум функционала (35), может быть вычислена как
Ψ0opt (ζ ) = −Q0−1{L}+ Q1−1 ,
где
~
L(ζ ) = Q0−* B0Q1−*
1136
Секция 3. Проектирование систем автоматического управления и регулирования
и {⋅}+ обозначает устойчивую часть правильной сепарации [28,15]:
L(ζ ) = {L}+ + {L}−
где матрица {L}+ — устойчивая, а {L}− — строго неустойчивая и строго
правильная. Таким образом, матрица {L}− не влияет на оптимальный ре-
гулятор, и это дает некоторую свободу в выборе матриц эквивалентной
дискретной модели.
Учитывая (26), (27) и (30), для выполнения условий
A0 (ζ ) = G12* G12 , A1 (ζ ) = G21G21*
можно выбрать
Q
G12 (ζ ) = [Q0 0]U 0 ar−1 , G21 (ζ ) = al−1U1 1 .
0
По определению матрица G11 для модели полного порядка определя-
ется равенством
B (ζ ) = G21G11* G12 ,
откуда следует
~
Q1 * Q1G11* Q0 0 B01 0
U1 al B arU 0 = G11 [Q0 0] =
−1 −1
= . (36)
0 0 0 0 0
Тогда получаем
~ * −*
G11 (ζ ) = Q0−* B01Q1 . (37)
В этом случае имеем
~
L1 (ζ ) = Q0−* B01Q1−* = G11 .
откуда следует
{L1}+ = {G11}+ .
Это значит, что в качестве (1,1)-блока эквивалентной системы пониженно-
го порядка вместо (37) можно использовать
G11s (ζ ) = {G11}+ .
При этом оптимальная матрица Ψ0 не изменится, поэтому также не меня-
~
ется множество оптимальных матриц Ψ (при произвольном выборе устой-
чивых Ψi (i = 1,…,3) ) и, как следствие, соответствующее множество опти-
мальных регуляторов (23).
Необходимо учесть, что для того, чтобы использовать процедуру
синтеза оптимального регулятора в пространстве состояний, стандартная
система должна быть стабилизируема и детектируема. Можно показать,
что в случае, когда матрица G22 (в минимальной реализации) имеет неус-
тойчивые полюса, стандартная система с матрицей G11s в (1,1)-блоке имеет
неуправляемые и/или ненаблюдаемые неустойчивые моды. Для того чтобы
обеспечить управляемость/наблюдаемость этих мод, надо сохранить в
1137
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
(1,1)-блоке эквивалентной стандартной системы все слагаемые в сепарации
G11 , полюса которых совпадают с полюсами G22 .
Пусть справедливо разложение
{G11}− = G0 + Gu
где G0 (ζ) — строго правильная матрица, полюса которой совпадают с по-
люсами матрицы G22 , а Gu (ζ ) — строго правильная матрица, не имеющая
общих полюсов с G22 . Тогда в качестве (1,1)-блока эквивалентной стан-
дартной системы надо выбрать
G11r (ζ ) = G11s + G0 = {G11}+ + G0 . (38)
Передаточные матрицы эквивалентной стандартной модели вычис-
ляются путем подстановки ζ = 1 / z :
G (ζ ) G12 (ζ )
G ( z ) = 11r .
G
21 ( ζ ) G22 ( ζ ) ζ =1/ z
Пример 3.
Продемонстрируем эффективность предлагаемой методики на при-
мере синтеза оптимального регулятора в задаче H 2 -оптимизации цифро-
вой системы с запаздыванием (рис. 5), для которой неприменимы сущест-
вующие методы перехода к эквивалентной стандартной дискретной систе-
ме [1–3, 5].
1138
Секция 3. Проектирование систем автоматического управления и регулирования
вой регулятор K ( z ) с фиксатором нулевого порядка (с передаточной
функцией H ( s ) = (1 − e − sT ) / s ). Вычислительное запаздывание моделирует-
ся звеном e − sτ . Все непрерывные элементы, а также интервал квантования
T , предполагаются известными, передаточная функция регулятора K ( z )
подлежит определению. Далее принимаются значения
1 2
F ( s ) = , Fw ( s ) = , T = 1 , τ = 0,5 .
s s+2
Необходимо отметить, что эта задача не может быть решена с ис-
пользованием лифтинга и метода FR-оператора, поскольку система вклю-
чает звенья чистого запаздывания.
Стандартная цифровая система задается объектом с передаточной
матрицей
FFw Fe − sτ
P( s) = − sτ
.
− FFw − Fe
В системе MATLAB она может быть задана следующим образом:
F = tf(1, [1 0]);
Fw = tf(2, [1 2]);
T = 1;
G = tf(1);
G.iodelay = 0.5;
sys = [ F*Fw F*G
-F*Fw —F*G];
Для построения эквивалентных дискретных моделей для задачи H 2 -
оптимизации стандартной цифровой системы используется функция
sdh2dmod:
out2 = 1;
in2 = 1;
options.method = 'basic';
dsys = sdh2dmod ( sys, out2, in2, T, options );
Первый параметр этой функции — непрерывный обобщенный объект
стандартной системы, второй — число сигналов обратной связи, третий —
число сигналов управления, четвертый — период квантования. Поле
method структуры options, передаваемой как пятый параметр, позволяет
задать тип модели. В приведенном выше варианте строится модель полно-
го порядка (‘basic’), которая имеет размерность минимальной реализации
5. После приведения к канонической модальной форме эта модель имеет
вид
a=
x1 x2 x3 x4 x5
x1 1 0 0 0 0
x2 0 -0.2679 0 0 0
x3 0 0 -0.2187 0 0
x4 0 0 0 0.1353 0
x5 0 0 0 0 0
1139
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
b=
u1 u2
x1 -1.086 1.086
x2 0.3349 0
x3 -0.213 0
x4 1.826 0
x5 0 1.34
c=
x1 x2 x3 x4 x5
y1 -0.9211 -1.457 -1.468 -0.1 0
y2 -0.9211 0 0 -0.4626 0.3732
d=
u1 u2
y1 0.07331 -0.2113
y2 0 0
Для построения модели пониженного порядка применяется метод
‘reduced’(он используется по умолчанию):
options.method = 'reduced';
dsys = sdh2dmod ( sys, out2, in2, T, options );
Эта модель имеет размерность минимальной реализации 3, что существен-
но упрощает вычислительную сложность алгоритмов и повышает точность
вычислений:
a=
x1 x2 x3
x1 1 0 0
x2 0 0 0
x3 0 0 0.1353
b=
u1 u2
x1 0.9533 -0.9533
x2 0 -1.706
x3 1.195 0
c=
x1 x2 x3
y1 -1.049 0 0.02046
y2 1.049 -0.2932 -0.2432
d=
u1 u2
y1 -0.8213 0.7887
y2 0 0
Далее для синтеза оптимального регулятора остается вызвать функ-
цию h2reg:
K = h2reg ( dsys, out2, in2 )
1140
Секция 3. Проектирование систем автоматического управления и регулирования
которая возвращает реализацию оптимального цифрового регулятора в
пространстве состояний:
a=
x1 x2
x1 -0.7475 0
x2 0 0.1326
b=
u1
x1 -1.268
x2 0.03009
c=
x1 x2
y1 1.005 0.1648
d=
u1
y1 1.743
Если эквивалентная дискретная модель сама по себе не нужна, для
синтеза оптимального регулятора можно использовать функцию sdh2std:
[K,Poles] = sdh2std(sys, out2, in2, T, options)
Она строит эквивалентную дискретную модель (полного или пониженного
порядка, в зависимости от типа, указанного в структуре options) и вызыва-
ет функцию h2reg, реализующую процедуру синтеза оптимального регуля-
тора для дискретного объекта в пространстве состояний [27]. Результатом
последнего вызова являются оптимальный регулятор и полюса замкнутой
системы:
K: zero-pole-gain model 1 x 1
! 1.7434 z (z-0.1137) !
! --------------------- !
! (z-0.1326) (z+0.7475) !
Sampling time: 1
Poles =
0
0
-0.2679
-0.2187
Для вычисления критерия качества (в данном случае — H 2 -нормы
цифровой системы на рис. 3) с помощью пакета DIRECTSDM применим
функцию sdnorm:
J = sdnorm(sys, K, 'h2')^2;
Полученное значение J = 0.759 .
1141
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Пример 4.
Далее рассмотрим задачу синтеза L2 -оптимального регулятора для
системы, исследованной в примере 2. Соответствующая стандартная сис-
тема имеет передаточную матрицу
− V yW y R V y F
P ( s ) = − VuWu R Vu
GR − GQF
и может быть задана следующими командами MATLAB:
F = tf( {1; 1}, {[0.5 1]; [0.5 1 0]} );
G = eye(2);
Q = eye(2);
R = tf( {1; 1}, {[1 0]; [1 0]} );
Wy = tf( {0 0;0 1} , {1 1;1 1} );
Wu = 0;
Vy = eye(2);
Vu = 0;
sys = [ -Vy*Wy*R Vy*F
-Vu*Wu*R Vu
G*R -G*Q*F];
T = 1;
Последняя команда задает интервал квантования. Вызов функции
sdl2std пакета DIRECTSDM
out2 = 2;
in2 = 1;
options.method = 'reduced';
K = sdl2std ( sys, out2, in2, T, options )
позволяет рассчитать оптимальный регулятор:
K: zero-pole-gain model 1 x 2
! 0.45108(z-1)(z-0.153) 0.45108(z-0.1202)(z+1.273) !
! --------------------- --------------------------- !
! (z^2+0.3549z+0.5925) (z^2+0.3549z+0.5925) !
Как видим, этот регулятор отличается от регулятора, полученного в
примере 2. Однако можно непосредственно проверить, что соответствую-
щие этим двум регуляторам матрицы Ψ0 (ζ ) совпадают и равны
0.10937(ζ −1 + 0,3065)(ζ −1 − 0,5908)
Ψ0 (ζ ) = .
(ζ −1 + 0,2329)(ζ −1 − 0,3673)
Как следствие, оба регулятора обеспечивают одинаковые полюса
замкнутой системы и одинаковое значение критерия качества J = 1,235 ,
которое может быть найдено с помощью функции sdnorm:
J = sdnorm(sys, K, 'l2')^2;
Это иллюстрирует факт множественности решений многомерной задачи
L2 -оптимизации при известном входном сигнале.
1142
Секция 3. Проектирование систем автоматического управления и регулирования
6. Заключение
Литература
1. Hara S., Fujioka H., Kabamba P. T. A hybrid state-space approach to sam-
pled-data feedback control // Linear Algebra and Its Applications.— V.205–
206.— 1994.— P.675–712.
2. Yamamoto Y. A function space approach to sampled-data systems and track-
ing problems // IEEE Trans. Automat. Contr.— V.AC–39.— 1994.— №4.—
P.703–713.
3. Chen T., Francis B. A. Optimal Sampled-Data Control Systems.— Berlin
Heidelberg New York: Springer-Verlag.— 1995.
4. Розенвассер Е. Н. Линейная теория цифрового управления в непрерыв-
ном времени.— М.: Наука. 1994.
1143
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
5. Hagiwara T., Araki M. FR-operator approach to the H 2 -analysis and synthe-
sis of sampled-data systems // IEEE Trans. Automat. Contr.— V.AC–40.
1995.— №8.— P.1411–1421.
6. Khargonekar P., Yamamoto Y. Delayed signal reconstruction using sampled-
data control // Proc. 35th IEEE Conf. Decision Contr.— 1996.— P.1259–
1263.
7. Yamamoto Y., Hara S. Performance lower bound for a sampled-data signal
reconstruction // Open Problems in Mathematical Systems and Control The-
ory (V. Blondel, E. Sontag, M. Vidyasagar, J. Willems, eds.).— London:
Springer, 1998.— P.277–279.
8. Polyakov K., Rosenwasser E., Lampe B. DirectSD — a toolbox for direct de-
sign of sampled-data systems // Proc. IEEE Intern. Symp. CACSD'99.— Ko-
hala Coast, Island of Hawaii. Hawaii. USA, 1999.— P.357–362.
9. Поляков К. Ю., Розенвассер Е. Н. DirectSD 2.0 — пакет для анализа и
прямого синтеза цифровых систем управления // Тр. Всеросс. науч.
конф. «Проектирование научных и инженерных приложений в среде
MATLAB».— М.: ИПУ РАН, 2002.
10. Поляков К. Ю. Полиномиальный синтез цифровых систем управления.
I. Квадратичная оптимизация // Автоматика и телемеханика.— 1998.—
№10.— С.76–89.
11. Поляков К. Ю. Полиномиальный синтез цифровых систем управления.
II. Робастная оптимизация // Автоматика и телемеханика.— 1998.—
№1.— С.94–108.
12. Поляков К. Ю. Полиномиальный синтез оптимальных цифровых следя-
щих систем. I. Квадратичная оптимизация // Автоматика и телемехани-
ка.— 2001.— №2.— С.149–162.
13. Поляков К. Ю. Полиномиальный синтез оптимальных цифровых следя-
щих систем. II. Робастная оптимизация // Автоматика и телемеханика.—
2001.— №3.— С.94–107.
14. Поляков К. Ю. Синтез оптимальных цифровых систем с двумя степеня-
ми свободы // Автоматика и телемеханика.— 2001.— №6.— С.85–94.
15. Rosenwasser E., Lampe B. Algebraische Methoden zur Theorie der
Mehrgrößen-Abtastsysteme.— Rostock: Universität, 2000.
16. Поляков К. Ю. Полиномиальный синтез многомерных импульсных сис-
тем // Математическое моделирование информационных и технологиче-
ских систем. Сб. науч. тр. Вып. 5.— Воронеж. Воронежская государст-
венная технологическая академия (ВГТА), 2001.— С.204–207.
17. Поляков К. Ю., Розенвассер Е. Н. Полиномиальный метод H 2 -
оптимизации многомерных дискретных и импульсных систем // Меха-
троника, автоматизация, управление.— 2003.— №5.— С.3–15.
18. Rosenwasser E., Lampe B., Multivariable Computer Controlled Systems: a
transfer function approach. (готовится к печати).
19. Kailath T. Linear Systems. Englewood Cliffs.— NJ: Prentice Hall, 1980.
1144
Секция 3. Проектирование систем автоматического управления и регулирования
20. Rosenwasser E., Polyakov K., Lampe B. Entwurf optimaler Kursregler mit
Hilfe von Parametrischen Übertragungsfunktionen // Automatisierungs-
technik.— 1996.— V.44.— Bd.10.— S.487–495.
21. Rosenwasser E. N., Polyakov K. Y., Lampe B. P. Application of Laplace
transformation for digital redesign of continuous control systems // IEEE
Trans. Automat. Control.— 1999.— V.44.— N.4.— P.883–886.
22. Rosenwasser E. N., Polyakov K. Y., Lampe B. P Optimal discrete filtering for
time-delayed systems with respect to mean-square continuous-time error cri-
terion // Int. J. Adapt. Control Signal Process.— 1998.— N.12.— P.389–406.
23. Rosenwasser E. N., Polyakov K. Y., Lampe B. P. Frequency domain method
for H 2 -optimization of time-delayed sampled-data systems // Automatica.—
1997.— V.33.— N.7.— P.1387–1392.
24. Bamieh B. A., Pearson J. B. The H 2 -problem for sampled-data systems //
Syst. Contr. Lett.— 1992.— V.19.— N.1.— P.1–12.
25. Khargonekar P. T., Sivashankar N. H 2 -optimal control for sampled-data
systems // Syst. Contr. Lett.— 1992.— V.18.— P.627–631.
26. Попов В. М. Гиперустойчивость автоматических систем.— М.: Наука,
1970.
27. Поляков К. Ю. Вырожденные задачи H 2 -оптимизации дискретных сис-
тем // Автоматика и телемеханика (в печати).
28. Алиев Ф. А., Ларин В. Б., Науменко К. И., Сунцев В. И. Оптимизация ли-
нейных инвариантных во времени систем.— К.: Наукова Думка, 1978.
29. Фомин В. Н. Методы управления линейными дискретными объекта-
ми.— Л.: Изд. ЛГУ, 1985.
30. Пак В. Г., Фомин В. Н. Линейно-квадратичная задача оптимального
управления при известном возмущающем воздействии. I. Абстрактная
линейно-квадратичная задача с известным возмущающим элементом.—
СПб., 1997. (Деп. в ВИHИТИ от 24.06.97, № 2603-В97).
1145
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 62-50
Федюков А. А.
Нижегородский государственный университет
им. Н. И. Лобачевского, Нижний Новгород,
e-mail:TeleginSasha@yandex.ru
Введение
1. Предварительные результаты
RA + A0 R − γB2 B
T T
B1 FV RC1T RE T
0 2
B1T − γI 0 0 0
Φ 1 ( R, V ) = VF T 0 −V 0
0 ,
C1 R 0 0 − γI 0
ER 0 0 0 −V
SA0 + A0T S − γC 2T C 2 C1T E T W SB1 SF
C1 − γI 0 0 0
Φ 2 ( S ,W ) = WE 0 −W 0 0 ,
B1T S 0 0 − γI 0
FTS 0 0 0 −W
R I V I
Φ 3 ( R, S ) = , Φ 4 (V ,W ) = .
I S I W
F = ( F1 F2 ...Fn ) , E T = ( E1T E2T ...EnT ) ,
V = diag (α1 , α 2 ,...,α n ) , W = diag ( β1 , β 2 ,..., β n ) ,
где α k , β k , k = 1, 2,..., n — некоторые числа.
Основная сложность в решении рассматриваемой оптимизационной
задачи состоит в том, что минимизируемая функция не является выпуклой
и, следовательно, поиск ее глобального экстремума не может быть осуще-
ствлен методами выпуклой оптимизации. Алгоритм глобальной оптими-
зации этой функции, реализуемый посредством итерационной процедуры,
на каждом шаге которой находится минимум линейной функции при ли-
нейных матричных (выпуклых) ограничениях, состоит в следующем.
Вводится линейная по переменным α k и β k функция
V I n
ψ (V , W ; q) = q T q = ∑ (α k + q k2 β k + 2q k ) , (1.11)
I W k =1
где
q = col (1,...,1, q1 ,..., q n ) , (1.12)
а q k , k = 1,2,..., n — некоторые параметры. Фиксируется значение q = q ( 0) ,т. е.
q k = q k( 0) , k = 1,2,..., n и рассматривается следующая задача минимизации ли-
нейной функции (1.11) при q = q ( 0) :
min{ψ (V , W ; q ) : R > 0, S > 0,V > 0,W > 0,
(1.13)
Φ 1 ( R,V ) < 0, Φ 2 ( S ,W ) < 0, Φ 3 ( R, S ) > 0, Φ 4 (V ,W ) > 0}.
Минимум этой функции находится численно с помощью процедуры
mincx. Пусть он достигается при значениях V = V ( 0) = diag (a1( 0) ,..., a n( 0) ) ,
W = W ( 0 ) = diag ( β 1( 0 ) ,..., β n( 0) ) . Значения переменных q заменяются на
q k(1) = −1 / β k( 0 ) , k = 1,2,..., n и решается оптимизационная задача (1.13) при
q = q (1) . Пусть ее минимум достигается при W = W (1) = diag ( β 1(1) ,..., β n(1) ) ,
1149
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
V = V (1) = diag (a1(1) ,..., a n(1) ) . Выбирается q k( 2) = −1 / β k(1) , k = 1,2,..., n
и указанный
процесс продолжается. Остановка алгоритма происходит при выполнении
хотя бы одного из следующих двух условий:
η (V ( j ) ,W ( j ) ) < ε ,
либо
∆η ( j ) = η (V ( j +1) ,W ( j +1) ) − η (V ( j ) , W ( j ) ) < ε ,
в которых
n
η (V , W ) = tr (VW − I ) = ∑ (α k β k − 1)
k =1
F1 = (0 0 − f1α 0 ) , E1 = (0 0 1 0 ) ,
T
F2 = (0 0 − f 2α ) , E 2 = (0 0 − 1 1) ,
T
f 2α
F3 = (0 0 − f 1c 0) ,
T
E3 = ω 02( 0 0 0, )
F4 = (0 0 f 2c − f 2c ) ,
T
(
E4 = − ω 2
0 ω 2
0 0 0. )
Вектор функцию внешнего возмущения v = (v1 (t ), v 2 (t )) , будем считать
квадратично-интегрируемой функцией на интервале [0, ∞) , т. е. v(t ) ∈ L2 [0, ∞)
∞
или ∫ v 2 (t )dt < ∞ . Предполагаем, что система (2.3) имеет нулевые начальные
0
условия.
Введем вектор y = col ( y1 , y 2 ) .Тогда уравнение (2.2) примет вид
y = C 2 x + v2 , (2.5)
где
1 0 0 0
C 2 = .
− 1 1 0 0
Уравнения (2.3), (2.5) определяют динамику двух массовой управляемой
системы с параметрическим и внешним возмущением.
Управление системой (2.3), (2,4) будем осуществлять линейным ди-
намическим регулятором, синтезируемым по принципу обратной связи по
выходу y в виде
1151
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
x r = Ar x r + Br y (2.6)
u = −θx, x r (0) = 0 ,
где x r — состояние динамического регулятора. Введем управляемый вы-
ход системы как
z = C1 x + D12 u (2.7)
и в качестве матрицы C1 выберем матрицу, имеющую следующий вид
2ω 2 − ω 2 0 0
1/ 2
0 0
− ω 02 ω 02 0 0
C1 = 0 0 1 0 .
0 0 0 1
0 0 0 0
При таком выборе матрицы C1 квадратичная форма в подынтегральном
выражении z в (2.8) определяет полную механическую энергию двух
массовой системы при ее движении и затраты на управление. Задача опти-
мального гашения колебаний рассматриваемой системы заключается в по-
строении линейного динамического регулятора по выходу, который обес-
печивает выполнение неравенства
z < γ v , ∀v ∈ L2 , v ≠ 0, ∀Ω(t , x) ∈ Σ (2.8)
с минимально возможным значением γ и, таким образом, сводится к зада-
че оптимального робастного H ∞ –управления системой (2.3), (2.5), (2.7).
1152
Секция 3. Проектирование систем автоматического управления и регулирования
-10.8864 -19.3968 1.0000 0 30.2832 19.3968
-15.8212 -33.8588 0 1.0000 49.6800 33.8588
Ar = , L∞ = ,
-247.4504 -3.0033 -1.9944 1.0059 150.4615 103.0127
31.5950 -260.6285 0.7925 -3.4667 227.7599 157.0011
-2.3554
3.6369
θ =
t
.
0.2131
2.4726
На рис.1 приведены графики движений масс с этим регулятором в
случае, когда на систему действует внешнее возмущение
v = (10e −0.01 t sin(0.15t ), e −0.01 t sin(0.15t ), e −0.01 t sin(0.15t )) .
1153
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Литература
1. Габасов Р., Кириллова Ф. М., Ружицкая Е. А. Демпфирование и стаби-
лизация колебаний маятника при больших начальных возмущениях //
Изв. РАН. ТиСУ.— 2001.— №1.
2. Гурман В. И., Знаменская Л. Н. Управление колебаниями при ограни-
ченном ресурсе управления // Изв. РАН. ТиСУ.— 2002.— №1.
3. Голубев Ю. Ф., Дитковский А. Е. Управление вращением упругого
стержня в плоскости без возбуждения упругих колебаний // Изв. РАН.
ТиСУ.— 2001.— №1.
4. Zames G. Feedback and optimal sensitivity: model reference transformations,
multiplicative seminorms and approximate inverses // IEEE Trans. Automat.
Control. Apr.— 1981.— V.AC–26.— P.301–320.
5. Zames G., Francis B. A. Feedback, minimax sensitivity, and optimal robust-
ness // IEEE Trans. Automat. Control.— 1983.— V.AC–28.— P.585–601.
6. Doyle J.C., Glover K., Khargonekar P. P., Francis B. A. State-space solu-
tions to standard H 2 and H ∞ control problems // IEEE Transactions on
Automatic Control.— 1989.— V.34.— N.8.— C.831–847.
7. Kwakernaak H. Robust control and H ∞ –optimization // Automatica.—
1993.— V.29.— N.2.— P.255–273.
8. Позняк А. С., Себряков Г. Г., Семенов А. В., Федосов Е. А. H ∞ –теория
управления: феномен, достижения, перспективы, открытые пробле-
мы.— М.: Гос НИИАС, ИПУ, 1990.
9. Себряков Г. Г., Семенов А. В. Проектирование линейных стационарных
многомерных систем на основе вход-выходных отображений. Методы
H ∞ - теории управления ( обзор ) // Изв. АН CCCР. Техн. Кибернети-
ка.— 1989.— №2.— C.3–16.
10. Барабанов А. Е., Первозванский А. А. Оптимизация по равномерно-
частотным показателям (H –теория ) // Автоматика и телемеханика.—
1992.— N.9.— С.2–32.
11. Gahinet P., Nemirovski A., Laub A., Chilali M. LMI Control Toolbox. For
Use with MATLAB.— The MathWorks Inc., 1995.
12. Savkin A. V., Petersen I. R. A connection between H ∞ control and the abso-
lute stability of uncertain systems // System and Control Letters. 1994. Vol.
23. P. 197-203.
13. Коган М.М. Синтез робастных Н-субоптимальных регуляторов как ре-
шение дифференциальной игры в условиях неопределенности: прямая и
обратная задачи // А и Т. 2000. N7. C. 109-120.
14. Doyle J.C. Synthesis of robust controllers and filters with structured plant
uncertainty// Proc. IEEE Conf. Decision Control. 1983. San Antonio, TX.
15. Megretski A. Necessary and sufficient condition of stability: a multi-loop
generalization of the circle criterion// IEEE Trans. Automat. Control. 1993.
Vol. 38. P. 753-756.
1154
Секция 3. Проектирование систем автоматического управления и регулирования
16. Shamma J.C. Robust stability with time-varying structured uncertainty//
IEEE Trans. Automat. Control.— 1994.— V.39.— P.714–724.
17. Iwasaki T., Skelton R. E. All controllers for the general H ∞ control problem:
LMI existence conditions and state space formulas // Automatica.— 1994.—
V.30.— N.8.— P.1307–1317.
18. Gahinet P., Apkarian P. A linear matrix inequality approach to H ∞ control //
International Journal of Robust and Nonlinear Control.— 1994.— V.4.—
P.421–448.
19. Баландин Д. В., Коган М. М. Синтез оптимального робастного H ∞
управления методами выпуклой оптимизации // Автоматика и телеме-
ханика.— 2004.— №4.
1155
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 62-50
Хлебалин Н. А.
Электростальский политехнический институт (филиал)
Московского государственного института стали и сплавов, Электросталь,
e-mail:khleb@kodos.ru
1157
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
мент на интервальный и применив интервальную арифметику, мы получим
точный интервал значений.
В интервальной математике различают матрицы интервальные и то-
чечные (вещественные).
Определение. Интервальная матрица — это прямоугольная упорядо-
ченная совокупность вещественных или комплексных интервальных чи-
сел, состоящая из n строк и m столбцов:
[a1 , a 2 ]11 [a1 , a 2 ]12 [a1 , a 2 ]1m
[a , a ] [a1 , a 2 ] 22 [a1 , a 2 ] 2 m
[ A] = 1 2 21 .
[a1 , a 2 ] n1 [a1 , a 2 ] n 2 [a1 , a 2 ] nm
a k (ν ) = ∑a
ii = 0
i1 ν 1i …ν ni .
(k ) 1 n
1159
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Многие из этих задач решаются с помощью частотных характери-
стик АС. Одним из основных понятий теории автоматических систем явля-
ется передаточная функция:
B( s) b0 s m + b1 s m −1 + … + bm −1 s + bm
W (s) = = ,
A( s) a0 s n + a1 s n −1 + … + a n −1 s + a n
где s — комплексная переменная; а коэффициенты bi , ai — действитель-
ные числа. Если ввести равенство s = jω (j — мнимая единица), а вещест-
венную переменную назвать частотой, то комплексно — значную функ-
цию W ( jω ) от непрерывного аргумента ω называют [12] амплитудно —
фазовой частотной функцией (АФЧФ):
m
B ( jω )
∑ b ( jω )i
m −i
W ( jω ) = = i =0
.
A( jω ) n
∑ a ( jω )
k =0
k
m−k
X ( jω ) = Re A( jω ) = ∑θ ai =0
i n −i ωi ,
1160
Секция 3. Проектирование систем автоматического управления и регулирования
становится функционально-интервальной, поскольку в числитель и знаме-
натель в общем случае входят одни и те же [ν i ] . Задача состоит в том, что-
бы предложить аналитические подходы и эффективные компьютерные ал-
горитмы для построения ЧХ АСИНП. Какие существуют для этого мето-
ды?
Метод математического анализа. Это задача о наибольшем и наи-
меньшем значении функции (ННЗФ). Заключается в том, что необходимо
взять производные по неопределенным параметрам, записать систему
уравнений, решить ее (определить «подозрительные на экстремум точки»)
и так далее по известному алгоритму, в конце которого необходимо прове-
рить, нет ли экстремальных значений на границах области. Здесь дело ос-
ложняется тем, что ЧХ — функции частоты, т. е. нужно дискретизировать
задачу, найти при ωі ННЗФ, потом построить мажоранты и миноранты ин-
терполированием.
Метод интервального анализа. По специальным правилам подсчи-
тывается интервал значений (с гарантией включения истинного в подсчи-
танный). Включает в себя метод угловых элементов (см. ниже). Недоста-
ток — большая величина гарантированного интервала. Достоинство —
поддержка «интервальными» языками программирования (PASCAL-XSC
[10] и другие).
Метод угловых элементов (МУЭ, другие названия — метод ха-
рактерных точек или метод тестовых точек). Для углового сочетания
параметров строятся ЧХ, затем строятся мажоранты и миноранты. Выска-
занная впервые в [11] гипотеза о том, что все ЧХ отношения интервальных
полиномов ограничиваются угловыми функциями, к сожалению, в общем
случае, оказалась несправедливой. Это справедливо для узкого класса ПФ,
причем для АФЧХ требуются другие алгоритмы. Два алгоритма разрабо-
таны в [14], [15]. Для КП АСИАС разработан алгоритм на основе решения
в символьном виде задачи о наибольшем и наименьшем значении функции
(ННЗФ).
Если рассмотреть некоторую интервально — значную функцию
(ИЗФ) f (ω , [ν i ]) (ν i - параметр, изменяющийся в интервале [ν i ]), у которой
ω — независимая переменная, принимающая вещественные значения, то
при возможных значениях параметров в зависимости от ω мы будем
иметь график изменения интервала значений этой функции.
Следовательно, ИЗФ представима двумя граничными функциями —
мажорантой и минорантой [13], с. 384.
Если независимая переменная является комплексной величиной (в
частности, чисто мнимой jω), то значения функции будут комплексным ин-
тервалом. Они могут быть представлены в виде прямоугольных или круго-
вых комплексных интервалов. Именно так строят АФЧХ авторы [14], [15].
В КП АСИАС мажоранты и миноранты строятся, во-первых, для
случая чисто интервальных частотных функций (программа Х4Х1). Если
1161
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
B( jω , [bi ])
рассматривается W ( jω , [ai ], [bi ]) = и при этом коэффициенты друг
A( jω , [ai ])
от друга не зависят, тогда мажоранты и миноранты являются выпуклой
оболочкой элементов угловых ЧХ и экстремальных точек (кроме годогра-
фа).
Во-вторых, имеется возможность построения ЧХ функционально —
интервальных элементарных звеньев. Например, программа «PFreqChar»
может строить частотные характеристики вида: АЧХ, ЛАЧХ, ВЧХ, ВЧХ,
МЧХ, АФЧХ для колебательного звена с ПФ
k
W (s ) = ,
T ⋅ s + 2 ⋅ξ ⋅T ⋅ s +1
2 2
где k ∈ [k − ; k + ]; T ∈ [T − ; T + ]; ξ ∈ [ξ − ; ξ + ].
Основное внимание в докладе будет уделено программам КП
АСИАС, работающим с моделями АСИНП на основе параметрических по-
линомов. Рассмотрим типичные задачи, решаемые для таких моделей.
1162
Секция 3. Проектирование систем автоматического управления и регулирования
Заметим, в [9] показано, что два из этих четырех полиномов могут
быть заменены на два других — эквивалентных для задачи анализа устой-
чивости. Таким образом, полиномы из сильной теоремы Харитонова
неединственны.
Тестирующее множество [1]:
AT = {a + − , a + + , a − + , a − − } ,
a + − = {a 0+ , a1− , a 2− , a 3+ , a 4− } ,
a + + = {a0+ , a1+ , a 2− , a3− , a 4+ } ,
a − + = {a 0− , a1+ , a 2+ , a3− , a 4− } ,
a − − = {a 0− , a1− , a 2+ , a 3+ , a 4− } .
Для полиномов низких степеней:
n = 3; AT = {a + − };
n = 4; AT = {a + − , a + + };
n = 5; AT = {a + − , a + + , a − + };
n>5 AT имеет вид (3).
Для n = 1 и 2 необходимо и достаточно, чтобы a i > 0 .
Заметим опять, что впервые факт достаточности проверки на устой-
чивость для n=3 только одного полинома (по применяемым здесь обозна-
чениям p + − ( s) = a 0+ + a1− s + a 2− s 2 + a 3+ s 3 + a 4+ s 4 + ...... ) был установлен в [9].
Если модель задана в виде дискретной ПФ или системой разностных
уравнений в матричной форме, то ее ХП имеет вид
aN zN+ aN–1 zN–1 + . . . +а0 =0. (7)
Для получения условий устойчивости можно воспользоваться крите-
риями Рауса или Гурвица, если предварительно преобразовать его коэф-
фициенты так, чтобы внутренность единичного круга на плоскости z ото-
бразилась на левую полуплоскость другой комплексной переменной w.
(обычно — на всю полуплоскость). К получившемуся преобразованному
уравнению применяется любой из критериев устойчивости непрерывных
АС или D-разбиение. При работе с параметрами лучше иметь дело с ис-
ходным полиномом (7). В аналитическом виде условия устойчивости для
(7) первых четырех порядков выглядят следующим образом:
– полином первого порядка a1 z+a0=0;
a1+a0>0; a1-a0>0;
– полином второго порядка a2 z2+a1 z+a0=0;
a2+a1+a0>0; a2-a1+a0>0; a2-a0>0;
– полином третьего порядка a2 z3+a2 z2+a1 z+a0=0;
a3+a2+a1+a0>0; a3-a2+a1-a0>0; a3(a3-a1)-a0(a0-a2)>0; 3(a3+a0)-a2-a0>0;
– полином четвертого порядка a4 z4+a3 z3+a2 z2+a1 z+a0=0;
a4+a3+a2+a1+a0>0; a4-a3+a2-a1+a0>0;
(a4-a0)[a3(a1-a3)-(a2-a4-a0)(a4-a0)]+a4(a1-a3)2>0;
2(а4-a0)+(a1-a3)>0;
1163
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
2(а4-a0)+(a3-a1)>0.
В общем случае задача анализа устойчивости дискретных интер-
вальных полиномов до сих пор не решена. Поэтому в АСИАС имеется
программа для n = 1, 2, 3, 4, 5.
1. bi ∈ [α i , β i ] . Если α 0 = β 0 = 1 (монический полином) и n=2 или n=3,
то можно проверять устойчивость по слабой теореме.
2. Если α 0 < β 0 (n = 2, n = 3) , угловые полиномы должны быть устойчи-
вы, но этого не достаточно — приходится искать дополнительные сочета-
ния параметров. Для n=2, 3, 4, 5 эти сочетания указываются точно.
3. Если n=4 и α 0 = β 0 = 1 , то нужно для анализа устойчивости прове-
рить все угловые полиномы, а также полиномы с коэффициентами b1* ,
b3
bi ∈ [α i , β i ], (i = 2,4), т.е. (b1* , b2 , b3 , b4 ) , где b1* = (1 + b4 ) , причем должно быть
2b4
еще b4 < 0 , α 1 < b1* < β 1 .
4. n=5 α 0 = β 0 = 1 . Нужно проверить на устойчивость угловые поли-
номы и дополнительные полиномы, коэффициенты которых сформирова-
ны по довольно сложным формулам [16].
Если полиномы функционально — интервальные, то для анализа ус-
тойчивости применяются: в случае одного параметра — метод из [17]
(Хлебалин, 1985) или метод корневого годографа (корневой диаграммы), в
случае двух параметров — метод D-разбиения (Неймарк, 1949), в случае
большего числа параметров — реберная теорема (Bartlett, Hollot, Lin) —
при линейной зависимости; интервальный вариант критерия Михайлова
(принцип исключения нуля Дезоера) — при мультилинейной зависимости
коэффициентов от параметров.
1165
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
– если пересечения границы не наблюдается, то делается шаг в преды-
дущем направлении и так до тех пор, пока не произойдет пересече-
ния границы;
– если рабочая точка находится внутри области, то всегда делается по-
ворот по часовой стрелке (при длительном нахождении изменяется
шаг);
– при выходе за пределы области поворот выполняется против часовой
стрелки последовательно (увеличивая шаг) до тех пор, пока опять не
произойдет пересечения границы и вход в область.
1169
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
В учебной версии комплекса программ АСИАС решаются задачи
анализа и синтеза линейных непрерывных автоматических систем с интер-
вальной неопределенностью параметров (АСИНП). Другими словами, на-
чальные условия и возмущения считаются точно известными, а значения
параметров (коэффициентов математической модели автоматических сис-
тем) могут быть любыми в пределах заданных интервалов.
В учебной версии комплекса программ АСИАС размеры решаемых
задач ограничены 3-м порядком, число управлений не может быть больше
двух (исключением является программа XIMAUS1, размер решаемых за-
дач в которой равен 5).
Задача синтеза состоит в проверке условий существования регулято-
ра с постоянными (но также может быть неопределенными, лежащими в
некоторых допусках) коэффициентами по области параметрической неоп-
ределенности объекта и желаемой цели управления и в вычислении коэф-
фициентов регулятора (если это возможно). Целью управления считается
придание замкнутой системе устойчивости, а процессам, в ней протекаю-
щим — некоторых качественных показателей, определенных в виде функ-
ционалов или ограничений различного вида.
Синтез регуляторов осуществляется интервальными вариантами ме-
тодов модального управления, аналитического конструирования и имеется
программа XCHRIST1, в которой реализован частотный метод синтеза
компенсатора.
Решаемые комплексом АСИАС задачи относятся к робастному
управлению автоматическими системами с интервальной неопределенно-
стью параметров (АСИНП).
Математическими моделями АСИНП могут являться передаточные
функции или системы линейных дифференциальных уравнений первого
порядка. Неопределенные параметры рассматриваются в виде вектора, от
элементов которого функционально зависят коэффициенты модели
АСИНП. Функциональная зависимость может быть линейной или нели-
нейной (полилинейной, сигномиальной).
Под а н а л и з о м АСИНП понимается получение оценок основных
свойств АС при неопределенности параметров объекта и коэффициентов
регулятора. Решение задачи анализа обычно преследует цель улучшения
свойств системы, что предполагает изучение объекта для установления
корректности требований к его функционированию.
Одним из этапов анализа АСИНП является определение ее управ-
ляемости.
Следующим этапом анализа АСИНП является определение ее устой-
чивости. Если модель АСИНП задана в виде передаточной функции, то ус-
тойчивость оценивается по функционально — интервальному полиному ее
знаменателя. Если модель АСИНП задана дифференциальными уравне-
1170
Секция 3. Проектирование систем автоматического управления и регулирования
ниями, то используются критерии устойчивости функционально — интер-
вальных матриц.
Качество АСИНП можно оценивать по корневым, частотным и вре-
менным характеристикам. КП АСИАС позволяет строить одно — и много-
связные области локализации нулей и полюсов АСИНП, различные виды
ЧХ. Однако наиболее привлекательной является такая его возможность,
как построение трубок траекторий во временной области. Для построения
трубок используется мажорантно — минорантная аппроксимация различ-
ной степени точности всего множества решений дифференциального урав-
нения или переменных состояния.
1172
Секция 3. Проектирование систем автоматического управления и регулирования
— верхние границы коэффициентов знаменателя по возрастающим сте-
пеням s,
— начальное и конечное значения частоты,
— количество частот (не более 400),
— вид масштаба по частоте (1-линейный, 2-логарифмический),
— ширина индикатора неопределенности.
Выходные параметры программы ХЧХ1:
— контрольная печать входных параметров,
— графики мажорант и минорант вещественной, мнимой, амплитудной
и фазовой характеристик.
Анализ качественных показателей АСИНП может проводиться по
расположению корней ИХПЗС на комплексной плоскости, частотным ха-
рактеристикам, переходным процессам — реакциям на типовые входные
сигналы и ненулевые начальные условия.
Если АСИНП описывается передаточной функцией без нулей, то
расположение корней ИХПЗС (устойчивой АСИНП) в трапецеидальной
области левой комплексной полуплоскости можно получить с помощью
программы XTRAP1. Многосвязную область локализации корней ИХПЗС
(не обязательно устойчивого) строит программа XMSOLK1. В этом же
случае можно оценить качество АСИНП по собственным движениям —
реакциям на ненулевые начальные условия, в виде ограниченной мажоран-
той и минорантой области переходных процессов (программа XFELD1).
Начальное условие задается для выходной переменной и оно должно быть
положительным.
Если АСИНП имеет передаточную функцию с нулями, то качествен-
ные показатели можно оценить по частотным характеристикам (программа
X4X1). Строятся ограниченные мажорантами и минорантами области воз-
можных значений следующих частотных характеристик: амплитудной, фа-
зовой, вещественной, мнимой.
- XTRAP1 —
Назначение: построение трапецеидальной области расположения
корней устойчивого интервального полинома.
Входные параметры программы XTRAP1:
— степень полинома,
— нижние и верхние границы коэффициентов полинома.
Выходные параметры программы XTRAP1:
— график трапецеидальной области локализации корней полинома (в
случае его устойчивости),
— параметры этой области (eta, fi, ksi).
- XFELD1 —
Назначение: построение области переходных процессов АСИНП.
Входные параметры программы XFELD1:
— степень полинома,
1173
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
— нижние и верхние границы коэффициентов полинома (полином
должен быть моническим, то есть с единицей при старшей степени s).
— начальное условие по выходу (неотрицательное, остальные — нули).
Выходные параметры программы XFELD1:
— контрольная печать входных параметров,
— график области переходных процессов.
- XMSOLK1 —
Назначение: построение многосвязной области локализации корней
интервального полинома.
Входные параметры программы XMSOLK1:
— степень полинома,
— нижние и верхние границы коэффициентов полинома,
— ширина индикатора неопределенности,
— точность построения области.
Выходные параметры программы XMSOLK1:
— контрольная печать входных параметров,
— график многосвязной области локализации корней.
1174
Секция 3. Проектирование систем автоматического управления и регулирования
стейший случай требуемой функциональной зависимости — чисто-
интервальная (А и b — интервальные матрица и вектор).
Для описания функциональной зависимости коэффициентов от не-
определенных и определенных параметров пользователем должна быть со-
ставлена подпрограмма XUKAB. Если часть коэффициентов функцио-
нально зависит от определенных параметров, пользователь составляет
подпрограмму XOKAB. Для примера, описанного в xsmrcb1.chi, тексты
подпрограмм XOKAB и XUKAB можно просмотреть, вызвав файлы с их
именами. После составления собственных подпрограмм XOKAB и
XUKAB пользователь, имея MS-Fortran 5.0, для получения выполняемого
файла должен запустить файл xsmrcb_l.bat.
Входные параметры программы XSMRCB1:
— размерность системы,
— число неопределенных параметров,
— число определенных параметров,
— вектор определенных параметров,
— вектор нижних границ неопределенных параметров,
— вектор верхних границ неопределенных параметров,
— вектор нижних границ коэффициентов желаемого ИХПЗС (начи-
ная с n–1 степени s),
— вектор верхних границ коэффициентов желаемого ИХПЗС (начи-
ная с n–1 степени s).
Выходные параметры программы XSMRCB1:
— контрольная печать входных параметров,
— матрицы РН и РВ,
— коэффициенты характеристического полинома объекта,
— коэффициенты желаемого ИХПЗС,
— система центров (матрица и вектор),
— система длин (матрица и вектор),
— коэффициенты регулятора,
— проверка разрешимости задачи (длины левой части, запас по дли-
нам),
— допуск на каждый коэффициент регулятора,
— интервалы значений коэффициентов регулятора.
Описание контрольного примера приведено в файле xsmrcb1.chi,
данные контрольного примера — в файле xsmrcb1.dat.
- XSIPT1 —
Назначение: синтез желаемого устойчивого интервального полино-
ма.
Входные параметры программы XSIPT1:
— порядок полинома,
— угол сектора, в котором должны лежать корни синтезируемого по-
линома (0, 30, 45, 60, 90 градусов),
1175
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
— степень устойчивости,
— расстояние до максимально удаленного корня,
— верхняя граница коэффициента при n–1 степени s полинома,
— длины интервальных коэффициентов полинома,
— число циклов работы программы, в каждом цикле увеличивается
верхняя граница коэффициента при n–1 степени s,
— шаг изменения (увеличения) этой границы.
Выходные параметры программы XSIPT1:
— верхняя граница коэффициента при n–1 степени s ИХПЗС,
— нижние границы коэффициентов желаемого ИХПЗС,
— верхние границы коэффициентов желаемого ИХПЗС,
— нижние границы коэффициентов ЭТА-сдвинутого полинома В(s),
— верхние границы коэффициентов ЭТА-сдвинутого полинома В(s),
— верхние границы параметров ЛЯМБДА(i) критерия устойчивости,
— нижние границы коэффициентов КСИ-сдвинутого полинома D(s),
— верхние границы коэффициентов КСИ-сдвинутого полинома D(s),
— верхние границы параметров ЛЯМБДА(i) критерия устойчивости.
Выходные параметры печатаются в каждом цикле работы програм-
мы. В качестве синтезированного (желаемого) полинома можно брать лю-
бой, о котором выданы сообщения: ИХПЗС ИМЕЕТ ЖЕЛАЕМУЮ
СТЕПЕНЬ УСТОЙЧИВОСТИ, ИХПЗС ИМЕЕТ ЖЕЛАЕМОЕ КСИ.
Существует множество способов решения интервальной задачи
АКОР [21], [22], [23], [24]. В данной версии реализован способ, в котором
интервальной может являться матрица состояний объекта (программа
XMOKO1).
- XMOKO1 —
Назначение: решение интервальной задачи АКОР.
Входные параметры программы XMOKO1:
— размер матрицы А,
— нижние и верхние границы матрицы А,
— количество столбцов матрицы В,
— матрица В,
— матрица Q,
— матрица R,
— ширина индикатора неопределенности,
— матрица А0 номинального режима.
Выходные параметры программы XMOKO1:
— контрольная печать входных параметров,
— решение уравнения Риккати для номинального режима,
— вектор (матрица) К коэффициентов регулятора для номинального
режима,
— вектор (матрица) К коэффициентов робастного регулятора.
1176
Секция 3. Проектирование систем автоматического управления и регулирования
Синтез допусков на коэффициенты регулятора, входящего в
АСИНП, осуществляется двумя программами — XSMRCB1 и XIMAUS1
[25]. Первая программа находит допуски в процессе синтеза модального
регулятора. При этом допуски находятся как в процентах от номинальных
значений, так и в виде симметричных интервалов относительно них. Реа-
лизация любых значений коэффициентов регулятора из интервалов допус-
ка гарантирует не только устойчивость, но и расположение корней ИХПЗС
в желаемой трапеции левой комплексной полуплоскости. Вторая про-
грамма находит допуски, исходя из условий устойчивости АСИНП. Пред-
варительно пользователь оценивает с ее помощью чувствительность свой-
ства устойчивости к изменению каждого коэффициента регулятора и на-
значает шаги расширения — сужения допусков.
1179
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1180
Секция 3. Проектирование систем автоматического управления и регулирования
1181
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
s 2 + 2s + 1 s +1
Ww ( s ) = , W21 ( s) = 3 .
s + 4 s + 5s + 2
3 2
s + 4 s 2 + 5s + 2
Полиномы числителя и знаменателя передаточных функций содер-
жат верхние границы:
2s 2 + 2s + 1 − 2s 2 − 2s − 1
W11 ( s ) = , W 22 ( s ) = ,
4 s 3 + 8s 2 + 7 s + 2 4 s 3 + 8s 2 + 7 s + 2
2s 2 + 3s + 1 s +1
Ww ( s ) = 3 , W21 ( s) = 3 .
4 s + 8s + 7 s + 2
2
4 s + 8s 2 + 7 s + 2
Для исследования устойчивости воспользуемся программой XARIT.
Введите степень полинома: n=3
Введите нижние границы коэффициенты интервального полинома, начиная со
старшей степени: [gnN...gn2 gn1 gn0]=[1 4 5 2]
Введите верхние границы коэффициенты интервального полинома, начиная со
старшей степени: [gnN...gn2 gn1 gn0]=[4 8 7 2]
Коэффициенты полинома Харитонова
4 4 5 2
Коэффициенты полинома Харитонова
1 4 7 2
Коэффициенты полинома Харитонова
1 8 7 2
Коэффициенты полинома Харитонова
4 8 5 2
Интервальный полином устойчив
Далее построим области локализации корней интервальных поли-
номов передаточных функций двухмассовой упругой механической систе-
мы. Для построения данных областей воспользуемся программами
XTRAP, XVICIN. Интервальный характеристический полином двухмас-
совой упругой механической системы имеет вид:
∆( s ) = [1;4]s 3 + [4;8]s 2 + [5;7]s + [2;2] .
В результате работы программы получаем следующее:
Введите степень полинома : n=3
Введите нижние границы коэффициенты интервального полинома, начиная со
старшей степени : [gnN...gn2 gn1 gn0]=[1 4 5 2]
Введите верхние границы коэффициенты интервального полинома, начиная со
старшей степени : [gnN...gn2 gn1 gn0]=[4 8 7 2]
Угол сектора Фи=
75.5225
Cтепень устойчивости Эта=
0.2500
Расстояние до максимально удаленного корня Кси=
7.3574
1182
Секция 3. Проектирование систем автоматического управления и регулирования
Расстояние до максимально удаленного корня Кси=
7.3574
Максимальная мнимая часть корней Ym=
1.5469
Рис. 10. Область локализации корней и множество корней полинома при случайных
значениях коэффициентов интервального полинома.
Рис. 11. Область локализации корней и множество корней полинома при случайных
значениях коэффициентов интервального полинома.
1183
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Теперь исследуем временные характеристики интервального харак-
теристического полинома двухмассовой упругой механической системы,
для чего воспользуемся программой Xfeld.
В результате работы программы Xfeld получаем следующее:
Введите степень полинома: n=3
Введите нижние границы коэффициенты интервального полинома, начиная со
старшей степени: [gnN...gn2 gn1 gn0]=[1 4 5 2]
Введите верхние границы коэффициенты интервального полинома, начиная со
старшей степени: [gnN...gn2 gn1 gn0]=[1 8 7 2]
1184
Секция 3. Проектирование систем автоматического управления и регулирования
Параметры привода:
JД=0,015 Н⋅м⋅с2/рад — момент инерции, приведенный к двигателю;
Кмп=0,15 мм/рад — коэффициент механической передачи;
Lя=0,007 Гн — индуктивность якоря;
Rя=0,5 Ом — cопротивление якоря;
Се=0,25 В⋅с/рад , См=0,15 Н⋅м/рад — постоянные двигателя;
КТП=105 —коэффициент передачи преобразователя.
Параметры измерителей:
КТГ=0,22 В⋅с/рад—коэффициент передачи тахогенератора;
Кдп=7 В/мм—коэффициент передачи датчика перемещения.
Параметры регуляторов:
КРТ=3.8, ТРТ=0.014 c,
КРС=2.8, ТРС=0.024, c
КРП=3.
Возьмем интервальный параметр JД∈[0,015; 0,02] Н⋅м⋅с2/рад, после
вычислений в системе CLASSIC передаточные функции выглядят сле-
дующим образом:
2.53 ⋅ 10 −5 s 2 + 0.00287 s + 0.0754
Wн( s ) = ,
1.6 ⋅ 10 −9 s 6 + 4.28 ⋅ 10 −7 s 5 + 0.000227 s 4 + 0.026 s 3 + 1.45s 2 + 53.6 s + 528
2.53 ⋅ 10 −5 s 2 + 0.00287 s + 0.0754
Wв ( s ) = .
1.7 ⋅ 10 −9 s 6 + 5.64 ⋅ 10 −7 s 5 + 0.000299s 4 + 0.03s 3 + 1.45s 2 + 53.6 s + 528
Здесь Wн — передаточная функция при нижней границе интервального па-
раметра , Wв — передаточная функция при верхней границе интервального
параметра. Интервальным является только полином знаменателя, поэтому
достаточно исследовать его свойства.
Исследуем с помощью переведенных программ устойчивость сле-
дящего привода (программа Xarit), области локализации корней интер-
вального полинома знаменателя (программы Xtrap, Xvicin), временные
(программа Xfeld) характеристики интервального полинома.
Программа Xarit выдает сообщение
Интервальный полином устойчив
В результате работы программы Xtrap получаем следующее:
Угол сектора Фи=8.1095e+001
1185
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Cтепень устойчивости Эта=1.3447e+001
Расстояние до максимально удаленного корня Кси=1.2443e+002
В результате работы программы Xvicin получаем следующее:
Рис. 14. Область локализации корней и корни полинома при конкретных значениях
коэффициентов интервального полинома.
Рис. 15. Область локализации корней и множество корней полинома при случайных
значениях коэффициентов интервального полинома.
1186
Секция 3. Проектирование систем автоматического управления и регулирования
Рис. 16. Область локализации корней и корни полинома при конкретных значениях
коэффициентов интервального полинома.
Рис. 17. Область локализации корней и множество корней полинома при случайных
значениях коэффициентов интервального полинома.
1187
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1188
Секция 3. Проектирование систем автоматического управления и регулирования
Литература
1. Ackermann J. Robuste Regelung.— Springer–Verlag Berlin Heidelberg,
1993.
2. Moore R. E. Interval analysis.— N.Y.: Prentice Hall, 1966.
3. Шокин Ю. И. Интервальный анализ.— Новосибирск: Наука. Сиб. отде-
ление, 1981.— 112с.
4. Хлебалин Н. А. Анализ асимптотической устойчивости линейных систем
управления в условиях неопределенности параметров объекта.— Сара-
тов: Саратовский политехн. ин-т, 1980. (Деп. в
ЦНИИТЭИприборостроения 23.07.80, №1370).— 9 с.
5. Ludyk G. CAE von Dynamischen Systemen.— Springer Verlag Berlin
Heidelberg, 1990.— 335 p.
6. Алефельд Г., Херцбергер Ю. Введение в интервальные вычисления: Пер.
с англ.— М.: Мир, 1987.— 360 с.
7. Добронец Б. С., Шайдуров В. В. Двухсторонние численные методы.—
Новосибирск: Наука. Сиб. отделение, 1990.— 208 с.
8. Калмыков С. А., Шокин Ю. И., Юлдашев З. Х. Методы интервального
анализа.— Новосибирск: Наука. Сиб. отделение, 1986.— 224 с.
9. Хлебалин Н. А. Аналитический синтез регуляторов в условиях неопре-
деленности параметров объекта управления. Дисс…канд. техн. наук. —
Саратов, 1984.
10. Клатте Р., Кулиш У., Неага М.,Рац Д., Ульрих Х. PASCAL XSC: Руко-
водство по языку и учебный курс: Пер. с англ.— М.: Теневинф, 1997.—
336 с.
11. Хлебалин Н.А. Характеристики отношения двух интервальных полино-
мов как функции комплексного переменного // Материалы Всесоюзн.
конф. «Актуальные проблемы прикладной математики». Т.1. (Саратов,
20–22 мая 1991).— С.106–109.
12. Теория автоматического управления. Ч. 1. Теория линейных систем ав-
томатического управления. / Под ред. А.А. Воронова. Учеб. пособие для
вузов. — М.: Высшая школа, 1977. — 303 с.
13. Бронштейн И. Н., Семендяев К. А. Справочник по математике для ин-
женеров и учащихся ВУЗов.— М.: 1986.— 544 с.
14. Bailey F. N., Panzer D. и Gu. G. Two algorithms for frequency domain de-
sign of robust control systems // Int. J. Control.— 1988.— V.48.— N.5.—
P.1787–1806.
15. M. Fu. Computing the frequency response of linear systems with parametric
perturbation // Systems & Control Letters.— 15.— 1990.—P.45–52.
16. Kraus F. J., Anderson B. D., Juri E. I., Mansour M. On the Robustnes of
Low — Order Schur Polynomials // IEEE Trans. On Circuits and Systems.—
V.35.— N.5.— P.570–577.
17. Хлебалин Н. А. Анализ и обеспечение устойчивости систем с одним не-
определенным параметром // Аналитические методы синтеза регулято-
1189
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
ров: Межвуз. научн. сб.— Саратов: Саратовский политехн. ин-т,
1985.— С.70–72.
18. Хлебалин Н.А. Аналитический метод синтеза регуляторов в условиях
неопределенности параметров объекта // Аналитические методы синте-
за регуляторов: Межвуз. научн. сб. — Саратов: Саратовский политехн.
ин-т, 1981.— С.107–123.
19. Хлебалин Н. А., Шокин Ю. И. Интервальный вариант метода модального
управления // ДАН СССР.— 1991.— Т.316.— №4.— С.846–850.
20. Хлебалин Н. А. Построение интервальных полиномов с заданной обла-
стью расположения корней // Аналитические методы синтеза регулято-
ров: Межвуз. научн. сб.— Саратов: Саратовский политехн. ин-т,
1982.— С.92–98.
21. Александров А. Г., Хлебалин Н. А. Аналитический синтез регуляторов
при неполной информации о параметрах объекта управления // Анали-
тические методы синтеза регуляторов: Межвуз. научн. сб.— Саратов:
Саратовский политехн. ин-т, 1981.— С.138–147.
22. Хлебалин Н. А., Солдунов В. А. Некоторые подходы к синтезу регулято-
ров в условиях неопределенности // Создание и расчет электронных уст-
ройств и приборов.— Саратов: Изд-во Саратовского ун-та, 1982.—
С.52–55.
23. Хлебалин Н. А. Аналитическое конструирование регуляторов в условиях
интервальной неопределенности параметров // Материалы Всесоюзн.
конф. «Актуальные проблемы прикладной математики».Т.1. (Саратов,
20–22 мая 1991).— С.104–105.
24. Petersen I. R. A Riccati Equation Approach to the Design of Stabiliziing
Controllers and Observers for a Class of Uncertain Linear Systems // IEEE
Transactions on Automatic Control.— 1985.— V.AC-30.— N.9.— P.904–
907.
25. Хлебалин Н. А. Интервальный метод анализа устойчивости в условиях
неопределенности параметров и его программное обеспечение // Отчет
о НИР «САПР САУ ЛА с постоянными параметрами» (промежуточ-
ный). Научн. руков. А. Г. Александров, № Гос. регистрации 80017703,
инв. №02820058296.— Саратов: Саратовский политехн. ин-т, 1982.—
112 с.
1190
Секция 3. Проектирование систем автоматического управления и регулирования
УДК 681.5
Чайковский М. М.,
Калужский филиал МГТУ им. Н.Э. Баумана, Калуга,
Курдюков А. П.,
Институт проблем управления РАН им. В.А. Трапезникова, Москва,
Тимин В. Н.
ОКБ «Русская Авионика», Жуковский,
e-mail: milse@kaluga.ru, akurd@ipu.ru, timin@ra.transts.ru
Введение
1191
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1. Математическая модель продольного движения самолета
T
измерений n y = n y1 n y 2 записывается в виде
y = C y x + I y ny ,
1 0 0 0 0 0
где C y = — матрица измеряемых выходов; I y — еди-
0 0 0 0 1 0
ничная матрица соответствующей размерности.
Линейная математическая модель продольного движения самолета с
учетом внешних ветровых возмущений в пространстве состояний описы-
вается системой уравнений
x = Ax + B1n w + B2 nu ,
(1)
y = C y x + I y n y .
1192
Секция 3. Проектирование систем автоматического управления и регулирования
2. Постановка задачи синтеза H∞ -субоптимального регулятора.
z = C z x, (2)
1 0 0 0 0 0
Cz = .
0 0 0 0 1 0
В данной работе рассматривается система с расширенным вектором
управляемых выходов [5, 6]
z T
z = = ∆V ∆h ∆ϑcy ∆δt . (3)
u
Введем в рассмотрение расширенный вектор входных возмущений
w T
w = = wy wx wy n y1 n y 2 . (4)
n
y
Объединяя (1), (3) и (4), получим систему уравнений, описывающую
стандартный объект управления в пространстве состояний:
x = Ax + B1w + B2u ,
z = C1x + D11w + D12u , (5)
y = C x + D w + D u,
2 21 22
T
где B1 B1n 0n y , B2 B2 n , C1 C zT 0uT , C2 Cy , D11 0,
T
D12 0Tz I uT , D21 0 w I n , D22 0. Здесь 0n , 0u , 0 z и 0 w — нуле-
y y
1194
Секция 3. Проектирование систем автоматического управления и регулирования
ответственно.
Для численной устойчивости N R и N S выбираются ортонормиро-
ванными, множество решений (8)–(10) не зависит от выбора базисов N R и
N S [2].
Связь решения ( R, S ) задачи (8)–(10) с решением ( X , Y ) системы (7)
устанавливается соотношениями
X = γR −1, Y = γS −1. (11)
Задача вычисления наименьшего значения γ = γ opt при ограничениях
(8)–(10) является выпуклой, для ее решения используются алгоритмы
внутренней точки выпуклой оптимизации [2, 8].
Отметим, что на стандартный объект не накладывается ограничений,
как в условиях применения 2-Риккати подхода.
В [7] изложен алгоритм нахождения матриц основного H∞ -субопти-
мального регулятора полного порядка, построенного с помощью решения
линейных матричных неравенств (LMI-based central controller). Показано,
что при выполнении условий
T
D11 = 0, D12 [ D12 C1 ] = [ I 0], D22 D21T B1T = [ I 0] (12)
данный алгоритм приводит к формулам расчета матриц регулятора, анало-
гичным формулам 2-Риккати подхода.
Для данного объекта управления (5) условия (12) выполняются, что
дает основание в настоящей работе определить H∞ -субоптимальный регу-
лятор следующим образом:
xc = Ac xc + Bc y,
(13)
u = C x
c c ,
где
−2 −1 −2
Ac = A − B2 B2T X − I − γ opt YX YC2TC2 + γ opt B1B1T X ,
−2 −1
Bc = I − γ opt YX YC2T ,
Cc = − B2T X ,
X и Y определяются выражениями (11) [7].
1195
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
субоптимального регулятора (13) в соответствии с изложенным алгорит-
мом.
function [Ac,Bc,Cc,gam_opt] = …
LMI_gamma_min(A,B1,B2,C1,C2,D11,D12,D21,D22,gamma,epsl,rad)
%
% Hinf-suboptimal controller design: LMI-based approach, GAMMA minimizing
%
% [Ac,Bc,Cc,GAM_OPT] = …
% LMI_gamma_min(A,B1,B2,C1,C2,D11,D12,D21,D22,gamma,epsl,rad)
%
% INPUT: A,...,D22 - standard plant description
% gamma - given suboptimal value (set to zero to minimize)
% epsl - given accuracy for MINCX LMI-solver
% rad - feasibility radius (x'*x < R^2) for MINCX LMI-solver
%
% OUTPUT: Ac,...,Cc - Hinf-suboptimal controller description
% gam_opt - GAMMA suboptimal value
%
sinvtol = sqrt(mach_eps);
n = size(A,1);
N12 = lnull([B2;D12],0,sinvtol);
N21 = rnull([C2,D21],0,sinvtol);
% LMI forming.
setlmis([]);
LMIsys = getlmis;
[gam_opt,sol] = mincx(LMIsys,c,options,[],gamma);
Rs = dec2mat(LMIsys,sol,R);
Ss = dec2mat(LMIsys,sol,S);
X = gam_opt*inv(Rs);
Y = gam_opt*inv(Ss);
Ac = A+gam_opt^(-2)*B1*B1'*X-B2*B2'*X-inv(eye(size(Y*X))-…
gam_opt^(-2)*Y*X)*Y*C2'*C2;
Bc = inv(eye(size(Y*X))-gam_opt^(-2)*Y*X)*Y*C2';
Cc = -B2'*X;
5. Результаты
1197
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
0 −0,9989 0,0471 0 0 0 0
0 −0,0378 −0,8019 0 0 −0,1236 0
0 0 0 0 0 1,1804 0
B1 = , B2 = ,
0 0 0 0 0 0 0
1,0000 0 0 0 0 0 0
0 0 0 0 0 0 0, 4
1 0 0 0 0 0
0 1 0
, C2 =
0 0 0 1 0 0 0 0 0
C1 = 0 0 0 0 1 0 ,
0 0 0 0 0 0
0 0 0 0 0 0
0
0 0 0 0 0 0
0
0 0 0 0 0 0
D11 = , D12 = ,
0
0 0 0 0 1 0
0
0 0 0 0 0 1
0 0 0 1 0 0 0
D21 = , D22 = 0 0 .
0 0 0 0 1
Для системы (5) с приведенными значениями матриц A, …, D22 в
соответствии с описанным выше алгоритмом средствами пакета LMI Con-
trol Toolbox было выполнено построение H∞ -субоптимального регулятора.
В результате решения задачи синтеза были получены следующие значения
матриц регулятора Ac , Bc и Cc :
−10,3736 0,0940 0,0367 −0,0426 −4,4903 0,2616
−3,0920 −0,0761 0, 2981 1,0207 −2,4187 0,0770
−3,3647 −3,8254 −3,1462 −3,9814 −2,5711 −0, 4730
Ac = ,
−0,5977 0,0000 1,0000 0,0000 −0,5373 0,0000
−4,5377 1,3313 0,0233 0,0381 −4,9416 0,0282
−3,1375 −0,6777 −0,1253 −0,1406 −0,5184 −1,1389
11,0581 4,6216
3,7270 2,7106
0,4904 0,3224
Bc = ,
0,5977 0,5373
4,6216 5,0048
0,0019 0,0010
1198
Секция 3. Проектирование систем автоматического управления и регулирования
1199
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1200
Секция 3. Проектирование систем автоматического управления и регулирования
теме с H∞ -субоптимальным регулятором, пунктирная — системе с
H2 LQG -оптимальным регулятором.
На рис. 1 представлены графики горизонтальной и вертикальной со-
ставляющих скорости ветра для выбранной модели ветрового возмущения.
На рис. 2 изображены графики отклонений воздушной скорости ∆V и вы-
соты ∆h от заданных значений при воздействии данного ветрового возму-
щения без учета шумов измерений. Из анализа графиков можно заключить,
что по отклонениям высоты и воздушной скорости H∞ -субоптимальный
регулятор обеспечивает лучшее качество переходных процессов, чем
H2 LQG -регулятор. Так, максимальное отклонение воздушной скорости
для H∞ -субоптимального регулятора составляет около 4,2 м/с, а для
H2 LQG -регулятора — около 11,5 м/с. Максимальное отклонение высоты
для H∞ -субоптимального регулятора составляет около 32 м, в то время как
для H2 LQG -регулятора — около 45 м.
Вид управлений ∆ϑcy и ∆δt при реакции на данное ветровое возму-
щение без учета шумов измерений приводится на рис. 3. Из рассмотрения
графиков можем заключить, что значительно меньшие отклонения воз-
душной скорости ∆V и высоты полета ∆h для замкнутой системы с H∞ -
субоптимальным регулятором определяются значительно более интенсив-
ной работой двигателя (см. рис. 3, б). На рис. 4 представлены графики от-
клонений руля высоты ∆δe и силы тяги двигателя ∆T .
wx ( t ) ,м с wy ( t ) ,м с
H∞
H2 LQG H2 LQG
H∞
t ,с t ,с
а) б)
Рис. 1. Графики горизонтальной (а) и вертикальной (б) составляющих скорости ветра.
1201
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
∆V ( t ) ( z1 ( t ) ) ,м с ∆h ( t ) ( z2 ( t ) ) ,м
H∞
H∞
H2 LQG
H2 LQG
t ,с t ,с
а) б)
Рис. 2. Графики отклонений воздушной скорости ∆V (а) и высоты ∆h (б).
∆ϑcy ( t ) ( u1 ( t ) ) ∆δt ( t ) ( u2 ( t ) )
H∞ H2 LQG H∞
H2 LQG
t ,с t ,с
а) б)
Рис. 3. Графики управлений ∆ϑcy (а) и ∆δt (б).
∆δe ( t ) ,град ∆T ( t ) , H
H∞ H∞
H2 LQG
H2 LQG
t ,с t ,с
а) б)
Рис. 4. Графики отклонений руля высоты ∆δe (а) и тяги двигателя ∆T (б).
1202
Секция 3. Проектирование систем автоматического управления и регулирования
∆ϑcy ( t ) ( u1 ( t ) ) ∆δt ( t ) ( u2 ( t ) )
H∞ H∞
H2 LQG
H2 LQG
t ,с t ,с
а) б)
Рис. 5. Графики управлений ∆ϑcy (а) и ∆δt (б) в присутствии шумов измерений.
∆V ( t ) ( y1 ( t ) ) ,м с ∆h ( t ) ( y2 ( t ) ) ,м
H∞ H∞
H2 LQG H2 LQG
t ,с t ,с
а) б)
Рис. 6. Графики измеряемых выходов y1 (а) и y2 (б) в присутствии шумов измерений.
∆V ( t ) ( z1 ( t ) ) ,м с ∆h ( t ) ( z2 ( t ) ) ,м
H∞
H∞
H2 LQG
H2 LQG
t ,с t ,с
а) б)
Рис. 7. Графики отклонений воздушной скорости ∆V
(а)и высоты ∆h (б) в присутствии шумов измерений.
1203
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Графики переходных процессов замкнутых систем с H∞ -субопти-
мальным и H2 LQG -оптимальным регуляторами при воздействии ветро-
вых возмущений с учетом шумов измерений (гауссовский белый шум, ге-
нерированный функцией randn) приводятся на рис. 5–7.
Заключение
Литература
1. Doyle J. C., Glover K., Khargonekar P. P., Francis B. A. State-Space Solu-
tions to Standard H2 and H∞ Control Problems // IEEE Transactions on
Automatic Control.— V.AC–34.— N.8.— 1989.
2. Gahinet P., Apkarian P. A Linear Matrix Inequality Approach to H∞ Con-
trol // Int. J. Robust and Nonlinear Contr.— 4.— 1994.— P.421–448.
3. Iwasaki T., Skelton R. E. All Controllers for the General H∞ Control Prob-
lem: LMI Existence Conditions and State-Space Formulas // Automatica.—
30.— 1994.— P.1307–1317.
4. Gahinet P., Nemirovski A., Laub A.J., Ghilali M. LMI Control Toolbox.—
The Mathworks Inc., 1995.
5. Курдюков А. П., Тимин В. Н. Синтез робастной системы управления на
режиме посадки самолета в условиях сдвига ветра // Техническая ки-
бернетика.— №6.— 1993.
6. Курдюков А. П. и др. Методы классической и современной теории ав-
томатического управления: Учебник в 3-х т. Т.3: Методы современной
теории автоматического управления / Под ред. Н. Д. Егупова.— М.:
Изд-во МГТУ им. Н.Э. Баумана, 2000.— 748 с.
7. Gahinet P. «Explicit Controller Formulas for LMI-based H∞ Synthesis,»
submitted to Automatica // Proc. Amer. Contr. Conf.— 1994.— P.2396–
2400.
8. Ben-Tal A., Nemirovski A. Lectures on Modern Convex Optimization:
Analysis, Algorithms, Engineering Applications.— Technion, Minerva Op-
timization Center, 2000.
1204
Секция 3. Проектирование систем автоматического управления и регулирования
Приложение. Модель сдвига ветра в среде MATLAB
function [w_x_fun,w_y_fun,dw_xdx_fun,dw_ydx_fun,r0_fun] = …
wind_shear_model(GW_num,Rc_num,X_num,Z_num,H_num,R_num);
%
% WIND SHEAR MODEL DESCRIPTION: VORTEX RING
%
% [w_x w_y dw_x/dx dw_y/dx r0] = wind_shear_model(GW,Rc,X,Z,H,R)
%
% INPUT: wind shear model parameters
% GW - vortex ring circulation
% Rc - vortex ring core effective radius
% X - horizontal coordinate of vortex ring center
% Z - horizontal coordinate of vortex ring center
% H - vertical coordinate of vortex ring center
% R - vortex ring filament radius
%
% OUTPUT: inline functions
% w_x(x,h,r0) - wind shear velocity horizontal component
% w_y(x,h,r0) - wind shear velocity vertical component
% dw_x/dx(x,h,r0) - wind shear acceleration horizontal component
% dw_y/dx(x,h,r0) - wind shear acceleration vertical component
% r0(x,h) - service function
% where
% x - horizontal distance to the vortex ring center
% h - vertical distance to the vortex ring center
%
% Variables.
syms x h X r0 GW Rc H Z R
x1 = x-X-R;
x2 = x-X+R;
h_rho = h-H;
h_m = h+H;
r_1rho = x1^2+h_rho^2;
r_2rho = x2^2+h_rho^2;
r_1m = x1^2+h_m^2;
r_2m = x2^2+h_m^2;
rho = 1-exp(-r0/Rc);
1205
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
% Symbolic expressions definition.
w_x = subs(w_x,{'GW','Rc','X','H','Z','R'},{GW_num,Rc_num,…
X_num,H_num,Z_num,R_num});
w_y = subs(w_y,{'GW','Rc','X','H','Z','R'},{GW_num,Rc_num,…
X_num,H_num,Z_num,R_num});
dw_xdx = subs(dw_xdx,{'GW','Rc','X','H','Z','R'},{GW_num,Rc_num,…
X_num,H_num,Z_num,R_num});
dw_ydx = subs(dw_ydx,{'GW','Rc','X','H','Z','R'},{GW_num,Rc_num,…
X_num,H_num,Z_num,R_num});
r_1rho = subs(r_1rho,{'X','R','H'},{X_num,R_num,H_num});
r_2rho = subs(r_2rho,{'X','R','H'},{X_num,R_num,H_num});
% Functions definition.
w_x_fun = inline(vectorize(w_x),'x','h','r0');
w_y_fun = inline(vectorize(w_y),'x','h','r0');
dw_xdx_fun = inline(vectorize(dw_xdx),'x','h','r0');
dw_ydx_fun = inline(vectorize(dw_ydx),'x','h','r0');
r0_fun = inline(strcat('min(',char(vectorize(r_1rho)),',',…
char(vectorize(r_2rho)),')'),'x','h');
1206
Секция 3. Проектирование систем автоматического управления и регулирования
УДК 62.50
Честнов В. Н.,
Институт проблем управления им. В. А. Трапезникова РАН, Москва,
e-mail: vnchest@rambler.ru
Собчинский А. В.,
Московский государственный институт стали и сплавов, Москва,
e-mail: ac0@mail.ru
Алексеева Н. В.
Электростальский политехнический институт (филиал)
Московского государственного института стали и сплавов, Электросталь,
e-mail: ac0@mail.ru
Введение
1207
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1208
Секция 3. Проектирование систем автоматического управления и регулирования
лируемых переменных; w∈ R m — вектор реально действующих на объект
1
π
σ ′ = e − jwT , а ω ∈ [0, ] для дискретного случая, γ — заданное или миними-
T
зируемое число; r ( 0 < r ≤ 1 ) — заданное или максимизируемое число (ра-
диус запасов устойчивости); W y (δ ) = − W (δ ) K (δ ) — передаточная матри-
ца разомкнутой системы (1а), (2а) или (1б), (2б) по физическому выходу
объекта (здесь W (δ ) = C (δI − A) −1 B 2 — передаточная матрица объекта по
управлению; K (δ ) = C c (δI − Ac ) −1 Bc + Dc — передаточная матрица регуля-
тора: u = K (δ ) y , где δ — это символ преобразования Лапласа для непре-
рывного случая и символ Z-преобразования для дискретного). Здесь и да-
лее I — единичная матрица соответствующих размеров.
Задача 2. Найти стабилизирующий регулятор (2а или 2б) такой что-
бы выполнялось круговое частотное матричное неравенство [2]
[ I + W u (σ ′)]T [ I + W u (σ )] ≥ r 2 I , r = γ −1 (4)
где γ и r определены ранее; W u (δ ) = − K (δ ) W (δ ) — передаточная матри-
ца разомкнутой системы (1а), (2а) или (1б), (2б) по физическому входу
объекта.
Следует подчеркнуть, что обеспечение заданного радиуса запасов
устойчивости r , например, по выходу объекта, еще не означает, что удов-
летворительным будет радиус запасов устойчивости также на выходе объ-
екта и наоборот[3]. Поэтому, естественно сформулировать следующую за-
дачу.
Задача 3. Найти стабилизирующий регулятор (2а или 2б) , такой, что
одновременно выполнены круговые частотные неравенства (3), (4), где
0 < r ≤ 1 - заданный или максимизируемый радиус запасов устойчивости.
Физический смысл этого понятия описан в работе [2], там же приведены
неравенства для многомерных запасов устойчивости по фазе и коэффици-
енту усиления для известного радиуса r .
Задача 4. Найти стабилизирующий регулятор (2а или 2б) такой, вы-
полнялось круговое частотное неравенство
[I + W y (σ )]T [I + W y (σ )] ≥ R T (σ )R(σ ) , (5)
где R(σ ) = r (σ ) ⋅ I , а r (σ ) — заданная передаточная функция.
1209
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Задача 5. Найти стабилизирующий регулятор (2а или 2б) такой, вы-
полнялось круговое частотное неравенство
[I + W u (σ )]T [I + W u (σ )] ≥ R T (σ )R(σ ) , (6)
R(σ ) — определена выше.
По аналогии с задачей 3, естественно сформулировать следующую
задачу:
Задача 6. Найти стабилизирующий регулятор (2а или 2б), такой, что
одновременно выполнены круговые частотные неравенства (5), (6).
Следует отметить, что решение сформулированных задач 1–6, как
показывают численные эксперименты, может приводить к замкнутым сис-
темам с недопустимо большой длительностью переходных процессов. Это
приводит к следующей задаче:
Задача 7. Найти стабилизирующий регулятор (2а или 2б), такой, что
при решений любой из первых шести задач обеспечивал заданное время
регулирования.
1210
Секция 3. Проектирование систем автоматического управления и регулирования
Помимо всех перечисленных функций в пакет также включен
графический интерфейс, который позволяет упростить работу с данным
пакетом. Все сводится к заданию матриц объекта (1а или 1б) и выбора
способа расчета и типа рассчитываемого регулятора. Также имеется
возможность, используя окно настроек, выбрать данные, выводимые в
отчет, формируемый по итогам выполнения программы, а также,
соответствующий графический материал. Главное окно интерфейса
представлено на рис. 2
1211
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
0 16120 0
0 13702
0
0 0 1 0 0
B1 = 0 , B2 = 0 0 , C1 = C 2 = 0 0 0 1 0
0 0 0 0 0 0 0 1
− 0.0307 0 0
1212
Секция 3. Проектирование систем автоматического управления и регулирования
вводятся в соответствующие окна главного окна интерфейса. Задав тип и
способ расчета (по выходу и дискретный соответственно), а также введя
период дискретности в появившемся окне, нажимаем «выполнить» для за-
пуска программы расчета.
1213
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
а) б) в)
1214
Секция 3. Проектирование систем автоматического управления и регулирования
требуемых запасов устойчивости и времени регулирования). Для дискрет-
ных регуляторов существует ряд ограничений:
– функция задания желаемого времени регулирования имеет ряд ог-
раничений, которые не описаны в данном пакете.
– отсутствует возможность построения переходных процессов в сис-
теме непрерывный объект — дискретный регулятор.
В окончательной версии пакета все эти ограничения будут сняты, а
также будет добавлена возможность построения переходных процессов
при различных задающих воздействиях. Планирует также ввести возмож-
ность расчета регуляторов обеспечивающих заданные или минимизируе-
мые ошибки регулирования для определенного класса внешних возмуще-
ний.
Литература
1. Честнов В. Н. Синтез робастных регуляторов многомерных систем при
параметрической неопределенности на основе круговых частотных не-
равенств // Автоматика и телемеханика.— 1999.— №3.— C.229–238.
2. Честнов В. Н. Синтез регуляторов многомерных систем по заданному
радиусу запасов устойчивости на базе процедуры H∞-оптимизации //
Автоматика и телемеханика.— 1999.— №7.— C.101–109.
3. Chestnov V. N., Agafonov P. A. MIMO H-infinity controller design for simul-
taneous guaranted input and output stability margins // Proceedings 7th Euro-
pean Control Conference.— Cambridge, UK, 2003. (on CD-ROM. 4 P.).
4. The Control Handbook / Editor W.S.Levine.— IEEE Press, 1996.
5. Boyd S., Chaoui L. E., Feron E., Balakrishnan V. Linear matrix inequality in
system and control theoty.— SIAM. Philadelphia, 1994.
6. Gahinet P., Nemirovski A., Laub A. LMI Control Toolbox. User’s Guide.—
Natic. Mass.: Mathworks. 1995.
1215
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
УДК 621.6
Жуков Ю. А.
Балтийский государственный технический университет «ВОЕНМЕХ» им. Д. Ф. Усти-
нова, Санкт-Петербург
e-mail: zhkv@rambler.ru
1217
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Аналогичное окно выводится при запросе доступа к данным нагруз-
ки.
При выборе пункта «Данным модели» и «Данные коррекции», поль-
зователю предлагается определить вспомогательные переменные, пара-
метры моделирования и начальные данные коррекции системы.
Подменю «Характеристики двигателя», показанное на рис. 1.4, со-
держит команды вывода характеристик двигателя.
1218
Секция 3. Проектирование систем автоматического управления и регулирования
либо значения параметров обратных связей, либо предупреждение об не-
возможности использования данного метода.
При выборе пункта «Временной анализ» происходит расчет реакции
системы для принятых параметров модели с учетом полученных при син-
тезе значений параметров корректирующих устройств с возможностью
подбора параметров корректирующих звеньев и цепей обратных связей.
Переходный процесс рассчитывается исходя из того, какой тип задающего
воздействия был выбран в пункте «Дополнительные данные модели», а
также с учетом заданных там же значений времени расчета переходного
процесса и амплитуды задающего сигнала.
При выборе «Аналитическое решение» создается окно, в котором
выводятся значения коэффициентов характеристического уравнения сис-
темы с включенной в ее состав коррекцией, для которой в ходе синтеза
были получены значения ее параметров. Кроме того, там же выводятся
корни характеристического уравнения и рассчитанное по их значениям
аналитическое выражение переходного процесса.
Подменю «Синтез цифровых систем» содержит команды доступа к
функциям синтеза, как показано на рис. 1.6.
1219
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1220
Секция 3. Проектирование систем автоматического управления и регулирования
1221
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
3. Примеры использования пакета
1222
Секция 3. Проектирование систем автоматического управления и регулирования
1223
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1224
Секция 3. Проектирование систем автоматического управления и регулирования
1225
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1226
Секция 3. Проектирование систем автоматического управления и регулирования
Iя Мэ м
1 + 1
- Cm +
Uя Lya.s+Rya - 1/Jya 1/s 1
Су м.1 -
Цепь См
Integrator Wдв
якоря Су м.2 Gain
Ск орость
обьек та 2 2
Mну ftr Eдв
4
+ out_4
- hn
S2
Wдв диссипация
+ Фи
1 1/ip 1/s + +
- Cn + 1/Jn 1
in_1 Integr люфт 1/s 1/s
реду к тор S1 S5 -
у пру гость Integr1 Integr2 out_1
S4 инерция
2 1/ip 3
+ + S3
out_2 out_3
Упру гий fn
момент
Вяз к ое
трение
Ftr
Су хое Знак
трение
1227
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Для ввода паспортных данных проведем следующую цепочку дейст-
вий:
- в основном меню выберем закладку Тип модели и установим флажок
возле транспаранта двигатель постоянного тока;
- в меню данные выберем пункт данные модели.
В открывшемся окне доступа к базе данных введем соответствующие
паспортные данные искомого двигателя.
Заданы параметры нагрузки:
Момент инерции 0,001 кг*м*м
Коэффициент вязкого трения 0,0005 мсек/рад
Упругость трансмиссии 100 Нм/рад
Сухое трение 0 Нм
Коэффициент диссипации 1 мсек/рад
Люфт редуктора 0 рад
Передаточное число редуктора 500
Для ввода паспортных данных проведем следующую цепочку дейст-
вий:
в меню данные выберем пункт данные нагрузки.
Определены параметры модели и коррекции:
Ku=1000;Kum=10;Kce=1.
T1=T2=T3=T4=0;Kocc=0;Kocu=0.
а) Исследование влияния насыщения усилителя
При заданных коэффициентах модели система неустойчива, как вид-
но из графика (рис. 3.12.) расположения корней характеристического по-
линома.
1228
Секция 3. Проектирование систем автоматического управления и регулирования
Результаты моделирования показывают, что параметры зоны насы-
щения усилителя определяют амплитуду гармонических колебаний в уста-
новившемся режиме при реакции неустойчивой системы на единичный
скачок (рис. 3.13.).
1.2
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
Time (second)
1229
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
1.8
1.6
1.4
1.2
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Time (second)
1230
Секция 3. Проектирование систем автоматического управления и регулирования
1.8
1.6
1.4
1.2
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Time (second)
4. Заключение
Литература
1. Потемкин В. Г. Инструментальные средства MATLAB 5.х.— М.: Диа-
лог-МИФИ, 2000.— 336 с.
2. Медведев В. С., Потемкин В. Г. Control System Toolbox MATLAB 5 для
студентов.— М.: ДИАЛОГ-МИФИ, 1999.— 287 с.
3. Гультяев А. К. MATLAB 5.3 Имитационное моделирование в среде
Windows: Практическое пособие.— СПб.: КОРОНА-принт, 2001.—
400 с.
1231