section - 3 - p - 2 Проектирование система автоматического управления и регулирования

СЕКЦИЯ 3.
Проектирование систем автоматического

управления и регулирования
Часть 2.
Председатель:
д. ф.-м. н., профессор Е. И. Веремей
Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»
Оглавление
Кошелев П. А., Парамонов С. В., Пшенкин С. Н.

АВТОМАТИЗИРОВАННОЕ ОПТИМАЛЬНОЕ ПРОЕКТИРОВАНИЕ
СИСТЕМЫ УПРАВЛЕНИЯ ИСТОЧНИКОМ ПИТАНИЯ ДЛЯ
ПЛАЗМЕННОЙ РЕЗКИ В ПРОГРАММАХ НА ЯЗЫКЕ MATLAB ......... 988
Крыжановская Ю. А.
СИНТЕЗ МОДАЛЬНОГО РЕГУЛЯТОРА ДЛЯ ДИСКРЕТНЫХ
СИСТЕМ УПРАВЛЕНИЯ ............................................................................ 1000
Куливец С. Г.
МОДЕЛИРОВАНИЕ ПРОБЛЕМЫ РЕГИОНАЛЬНОЙ ЭКОНОМИКИ
СРЕДСТВАМИ ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ .............................. 1006
Кучерюк В. И., Кузяков О. Н., Дубатовка У. В.
МОДЕЛИРОВАНИЕ ПРЕДЕЛЬНЫХ СОСТОЯНИЙ КОНСТРУКЦИЙ С
ИСПОЛЬЗОВАНИЕМ КОМБИНИРОВАНИЯ МЕТОДОВ ..................... 1013
Ледовский А. Д., Лобанов К. С., Лычагин Ю. В., Максютин М. М.,
Родин Б. П., Яковенко А. Н., Яковенко Н. Г.
СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ МОДЕЛИРОВАНИЯ
ДИНАМИЧЕСКОЙ СИСТЕМЫ УПРАВЛЕНИЯ С СУЩЕСТВЕННО
ПЕРЕМЕННЫМИ ПАРАМЕТРАМИ ......................................................... 1017
Ледовский А. Д., Лычагин Ю. В., Яковенко Н. Г.,
Нгуен Ван Лам, Полницкий Д. А.
ИСПОЛЬЗОВАНИЕ СРЕДЫ MATLAB ПРИ ЛОКАЛИЗАЦИИ
ИСТОЧНИКОВ СТОХАСТИЧНОСТИ В СТАЦИОНАРНЫХ
УРАВНЕНИЯХ ПРИ ВЫЧИСЛЕНИИ МОМЕНТОВ ПЕРЕМЕННЫХ
СОСТОЯНИЙ ................................................................................................ 1030
Миркин Е. Л.
АДАПТИВНОЕ УПРАВЛЕНИЕ НЕЛИНЕЙНЫМ ОБЪЕКТОМ С
ВХОДНЫМ ЗАПАЗДЫВАНИЕМ .............................................................. 1048
Мироновский Л. А.
КОНТУРНОЕ ПРЕДСТАВЛЕНИЕ ЛИНЕЙНЫХ СИСТЕМ
УПРАВЛЕНИЯ.............................................................................................. 1056
Михайлов А. Ю., Головных И. М., Лагерев Р. Ю.
РОБАСТНОЕ ВОССТАНОВЛЕНИЕМ МАТРИЦ
КОРРЕСПОНДЕНЦИЙ С ИСПОЛЬЗОВАНИЕМ БИБЛИОТЕКИ
OPTIMIZATION TOOLBOX ........................................................................ 1063
Пакшин П. В., Митрофанов И. Н.
ПРИМЕНЕНИЕ SEDUMI ИНТЕРФЕЙСА К РЕШЕНИЮ ЗАДАЧ
РОБАСТНОГО УПРАВЛЕНИЯ С ОБРАТНОЙ СВЯЗЬЮ ПО
ВЫХОДУ........................................................................................................ 1074
Пискунов А. Г., Bauer S. M.
РАЗРАБОТКА УПРАВЛЕНИЯ ДВС АВТОМОБИЛЯ СО СТРУКТУРОЙ
КРУТЯЩЕГО МОМЕНТА........................................................................... 1090
986
Секция 3. Проектирование систем автоматического управления и регулирования
Полницкий Д. А.
ОПРЕДЕЛЕНИЕ ДИСПЕРСИЙ СОБСТВЕННЫХ ЧИСЕЛ МАТРИЦЫ
СТОХАСТИЧЕСКИХ ЭЛЕМЕНТОВ С ПОМОЩЬЮ ПАКЕТА
MATLAB ........................................................................................................ 1104
Поляков К. Ю., Розенвассер Е. Н.
СИНТЕЗ ОПТИМАЛЬНЫХ ЦИФРОВЫХ СИСТЕМ УПРАВЛЕНИЯ С
ПОМОЩЬЮ ПАКЕТА DIRECTSDM......................................................... 1116
Федюков А. А.
СИНТЕЗ ОПТИМАЛЬНОГО ГАШЕНИЯ КОЛЕБАНИЙ
ДВУХМАССОВОЙ СИСТЕМЫ В ПАКЕТЕ MATLAB........................... 1146
Хлебалин Н. А.
РАЗРАБОТКА MATLAB-ВЕРСИИ КОМПЛЕКСА ПРОГРАММ
«АНАЛИЗ И СИНТЕЗ ИНТЕРВАЛЬНЫХ АВТОМАТИЧЕСКИХ
СИСТЕМ» ...................................................................................................... 1156
Чайковский М. М., Курдюков А. П., Тимин В. Н.
ПОСТРОЕНИЕ H∞ -СУБОПТИМАЛЬНОГО РЕГУЛЯТОРА ДЛЯ
УПРАВЛЕНИЯ САМОЛЕТОМ НА РЕЖИМЕ ПОСАДКИ С ПОМОЩЬЮ
ПАКЕТА LMI CONTROL TOOLBOX ....................................................... 1191
Честнов В. Н., Собчинский А. В., Алексеева Н. В.
ПАКЕТ ПРОГРАММ ДЛЯ СИНТЕЗА РЕГУЛЯТОРА,
ОБЕСПЕЧИВАЮЩЕГО ЗАДАННЫЙ РАДИУС ЗАПАСОВ
УСТОЙЧИВОСТИ ........................................................................................ 1207
Жуков Ю. А.
ПАКЕТ ПРОГРАММ СИНТЕЗА И АНАЛИЗА СИСТЕМ
УПРАВЛЕНИЯ.............................................................................................. 1216
987
УДК 62-50.001.8:519.68
АВТОМАТИЗИРОВАННОЕ ОПТИМАЛЬНОЕ
ПРОЕКТИРОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ
ИСТОЧНИКОМ ПИТАНИЯ ДЛЯ ПЛАЗМЕННОЙ РЕЗКИ В
ПРОГРАММАХ НА ЯЗЫКЕ MATLAB
Кошелев П. А., Парамонов С. В., Пшенкин С. Н.

Санкт-Петербургский государственный электротехнический университет-
СПбГЭТУ (ЛЭТИ), Санкт-Петербург,
e-mail:petr_k@lens.spb.ru
Требования к системе питания установки плазменной резки.
Наибольшей производительностью и экономичностью при резке и

прецизионном раскрое токопроводящих изделий обладает горелка на ос-
нове плавильного плазмотрона постоянного тока, в котором основная дуга
горит между активированным катодом и разрезаемым изделием (анодом).
Анодное пятно может смещаться к поверхности или в глубину под
действием температуры плазменного факела, зависящей от электрического
режима.
На распределение температуры существенно влияет состав газовой
смеси, интенсивность потока газа, материал изделия, геометрическая дли-
на дуги, скорость перемещения рабочего органа и т. п.
С одной стороны конфигурация реза зависит от многих факторов и
достоверно формализовать эту зависимость вряд ли возможно. С другой
стороны предоставляется большой выбор средств управления формой ре-
за, в частности, получения вертикальных кромок без образования наплав-
ленных валиков (облоя), требующих дополнительной механической обра-
ботки.
Для достижения высокой производительности и качества процесса,
хорошей его управляемости необходим источник питания с широкими
возможностями деформации статических характеристик.
К динамическим свойствам источника также предъявляются повы-
шенные требования.
Последнее обстоятельство связано с высокими скоростями истече-
ния плазменной струи, малыми временами ионизации и рекомбинации, не-
обходимостью модуляции тока при раскрое изделий сложной формы.
Исследования технологии показали, что система питания должна
иметь быстродействие, характеризующееся временами задержки реакции
на управляющий сигнал не более сотен мкс, и соответственно, полосой
пропускания около 10 кГц, обладать динамической устойчивостью, высо-
988
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.
Структура системы питания
Силовая часть современного ИП обычно включает последовательно

соединенные неуправляемый выпрямитель, питающийся от промышлен-
ной сети переменного тока, сетевой фильтр, автономный инвертор, высо-
кочастотный трансформатор, нагруженный на выходной выпрямитель, вы-
ходной фильтр и технологический узел.
Управляемым звеном силовой части является транзисторный инвер-
тор с широтно-импульсной модуляцией (ШИМ).
Основным звеном аналоговой части системы управления является
канал стабилизации тока дуги.
Рис. 1. Динамические звенья системы питания.
На рис. 1 представлена совокупность динамических звеньев, обра-

зующих замкнутую систему питания в режиме стабилизации технологиче-
ского тока.
Параметры элементов аналоговой части (без схемы коррекции) вы-
браны по результатам приближенных предварительных расчетов.
989
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
Анализ динамической системы стабилизации тока
Матрица частных передач графа G и вектор задающих передач J :

1 2 3 4 5
1 1 0 0 0 − a15
2 0 1 − a 23 0 0 1 2 3 4 5
G= J=
3 −K K 1 − a34 0 1 0 0 0 0
4 0 0 − a 43 1 − a 45
5 − a51 0 0 K 1
Под передачей понимается отношение операторной проводимости
между узлами к весу узла, к которому передача направлена; вес узла —
сумма проводимостей, подключенных к данному узлу.
R 0 = 1/ g 0; R1 = 1/ g1; R 2 = 1/ g 2; R3 = 1/ g 3; R 4 = 1/ g 4;
R5 = 1/ g 5; R 6 = 1/ g 6; R 7 = 1/ g 7; R8 = 1/ g 8.
Связь между активными сопротивлениями и проводимостями опре-
деляют соотношения:
990
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
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;
% Числитель ni1и знаменатель di1 ПФ

% Выражения не приводятся по причине громоздкости
_____________________________
% Передаточная функция канала прямой передачи W1(p)
ni1=[ni18,ni17,ni16,ni15,ni14,ni13,ni12,ni11,ni10];
di1=[di19,di18,di17,di16,di15,di14,di13,di12,di11,di10];
t=0:2e-5:2e-3; % Ось времени
% Коэффициент передачи ИВБ
Ld=3e-4; %Индуктивность дросселя фильтра, Гн
Rd=1.1; %Активное сопротивление нагрузки, Ом
% ПФ замыкающей цепи (датчик тока и нагрузка)
Uxx=200; % Напряжение х.х., В
Uupr=15; % Управляющий сигнал (макс. значение, В)
Rsh=75e-3/100; % Сопротивление шунта, Ом
Kbp=Uxx/Uupr*Rsh/(Rsh+Rd); % К-т передачи ИВБ
ni2=Kbp; % Числитель ПФ замыкающей цепи
di2=[Ld/Rd 1]; % знаменатель ПФ замыкающей цепи
% Общая ПФ We(p) замкнутой системы
nee=conv(ni1,di2); % числитель We(p)
de1=conv(di1,di2);
de2=conv(ni1,ni2);
de=sumpoly(de1,de2,0); % знаменатель We(p)
% Уставка в о.е. (максимальный ток 100 А)
% Воздействие в виде ступени
ns=0.5;
ds=[1 0];
dee=conv(ds,de);
nee=conv(nee,ns);
% Реакция на ступень (обратное преобразование Лапласа)
[ke,pe,re]=residue(nee,dee);
lpe=length(pe); n3=1; h3=0;
while n3<=lpe;
h33=ke(n3)*exp(pe(n3)*t);
h3=h3+h33;
n3=n3+1;
kt=1/Rd;
end
992
%График переходной характеристики
plot(t,kt*h3),grid,title('Id,A'),xlabel('t,c')
w=logspace(0,8,500); % Ось частоты
% АЧХ, ФЧХ
[ma,ph]=bode(nee,de,w);
subplot(211),semilogx(w,ma),grid
semilogx(w,ph),grid
% Конец программы
В программе использована функция sumpoly, не входящая в стан-
дартное математическое обеспечение системы MATLAB. Ее текст приво-
дится ниже.
function c=sumpoly(de1,de2,kl)
% Вычисление суммы полиномов произвольных размеров и форматов.

% Если de1, de2 - векторы (строки или столбцы) коэффициентов полино-
% мов,
% расположенных в порядке убывания показателя степени переменной,
% то с - поэлементная сумма коэффициентов (вектор-строка, если kl=0 или
% вектор-столбец, если kl=1). При несовпадении
% размеров недостающие старшие члены заменяются нулями.
% П.А. Кошелев. 2002 г.
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
Рис. 3. Переходные характеристики по току.
Для наглядности результаты анализа представлялись в матричной

форме путем организации соответствующих циклов на основе приведенно-
го выше блока программы в системе MATLAB, затем матрицы изобража-
лись в виде трехмерных графиков.
На рис. 3 изображена матрица, строки которой — векторы времени,
столбцы — значения переходных характеристик замкнутой системы при
изменении емкости конденсатора С4 по рис. 1 от 1000 до 9000 пФ.
На рис. 4 представлена переходная характеристика системы: про-
цесс установления тока на заданном уровне (50 А) и значении С4=5000 пФ.
На рис. 5 — АЧХ и ФЧХ для этого случая.
Рис. 4.
994
Рис. 5.
Коррекция динамики
Проведенные численные эксперименты не позволили получить

удовлетворительное качество переходного процесса. Отмечалось либо зна-
чительное перерегулирование, связанное с немонотонностью АЧХ, либо
низкое быстродействие системы питания.
Поскольку система содержит значительное количество динамиче-
ских звеньев, порядок ее ПФ высок (равен 11), принято целесообразным
применить для ее синтеза поисковый метод оптимизации.
С целью уменьшения колебательности в качестве схемы коррекции
(СК) в цепи прямой передачи (рис. 1) использован заградительный фильтр
в виде двойного Т- образного моста (рис. 6).
Рис. 6
995
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
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.
Рис. 8. Поверхность значений целевой функции.
997
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.
Оптимизация проводилась по 6 переменным.

Полученные оптимальные значения сопротивлений резисторов и ем-
костей конденсаторов скорректированы в соответствии со стандартами:
Rm=1800 Ом; Cm=6800 пФ; Ri=1000 Ом; Rb=10000 Ом; Rc=10000
Ом; C4=8200 пФ.
На рис. 9 показана переходная характеристика замкнутой системы с
СК.
Все динамические параметры удовлетворительны.
На рис. 10 — АЧХ и ФЧХ оптимизированной замкнутой системы
стабилизации тока.
Рис. 9. Переходная характеристика по току оптимизированной системы.
998
Рис. 10
Выводы
С помощью программного пакета MATLAB спроектирован источник

питания дуги плазмотрона с оптимальными динамическими характеристи-
ками.
В процессе подготовки данных применен символьный математиче-
ский пакет Maple.
ИП изготовлены и используются на практике в промышленных уста-
новках плазменного раскроя листового металла.
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
УДК 519.7
СИНТЕЗ МОДАЛЬНОГО РЕГУЛЯТОРА ДЛЯ

ДИСКРЕТНЫХ СИСТЕМ УПРАВЛЕНИЯ
Крыжановская Ю. А.
Воронежский Государственный Университет, Воронеж,
e-mail: jak@mail.ru
Введение
Широкое развитие цифровых управляющих устройств, обладающих

большими возможностями, требует разработки новых, более эффективных
алгоритмов дискретного управления технологическими объектами.
Метод синтеза линейных систем автоматического управления на ос-
нове метода пространства состояний уже получил широкое распростране-
ние и в теории автоматического управления, и при проектировании кон-
кретных систем регулирования [1].
В [2] задача нахождения передаточной функции регулятора, обеспе-
чивающего желаемое расположение корней характеристического уравне-
ния замкнутой системы, решается на основе хорошо разработанного в тео-
рии регулирования метода передаточных функций. Исходя из теоретиче-
ской базы [2], в [5] была решена задача разработки программного обеспе-
чения, реализующего синтез модальных регуляторов для непрерывных
систем управления, а также системы пользовательского интерфейса. В [3]
рассматривается применение метода из [2] к системам с запаздыванием.
В статье предлагается распространение разработанного в [2] метода
на дискретные системы управления.
Постановка задачи
Поставим задачу разработки методики расчета модального регулято-

ра, обеспечивающую получение таких параметров настройки регулятора,
которые дадут выбранное расположение корней характеристического
уравнения замкнутой системы.
Рассмотрим замкнутую дискретную систему автоматического управ-
ления (рис. 1), где Wobj(z) — передаточная функция объекта управления,
Wr(z) — передаточная функция регулятора. Зададим передаточную функ-
цию замкнутой системы Wsys(z) и определим передаточную функцию регу-
лятора, обеспечивающего желаемое расположение корней характери-
стического уравнения замкнутой системы следующим образом:
Пусть передаточная функция объекта задана отношением двух поли-
номов P1 (z) и P2(z):
1000
P1 ( z )
Wobj ( z ) = , (1)
P2 ( z )
где P1 (z) — полином m-й степени (m≤n), P2 (z) — полином n-й степени.
Передаточную функцию замкнутой системы зададим в виде отноше-
ния полиномов Q1(z) и Q2 (z):
Q ( z)
Wsys ( z ) = 1 , (2)
Q2 ( z )
где Q1(z) — полином степени l (l≤ k), Q2(z) — полином степени k (k≥2n).
Полином Q2(z) считается желаемым полиномом, т. е. таким полино-
мом, корни которого расположены желаемым образом на комплексной
плоскости.
Введем в рассмотрение полиномы N1(z), L1(z), Nost(z) и Lost(z), которые
представляют собой частное от деления полинома [Q2(z) - Q1(z)] на поли-
ном P2(z), полинома Q1(z) на полином P1(z) и соответствующие остатки от
деления, т. е.:
( Q2 ( z ) − Q1 ( z ) ) = N ( z ) + N ost ( z ) (3)
1
P2 ( z ) P2 ( z )
Q1 ( z ) L ( z)
= L1 ( z ) + ost (4)
P1 ( z ) P1 ( z )
u y
Wobj(z) Wsys(z)
Рис. 1.
Описание метода
Для дискретной системы управления будет справедливо следующее:

Если [Q2(p)- Q1(p)] и Q1(p) делятся на полиномы P2(p) и P1(p) без ос-
татка, то существует передаточная функция регулятора, обеспечивающая
желаемое расположение корней характеристического уравнения замкнутой
системы. При этом передаточная функция регулятора будет иметь вид:
L ( z)
Wr ( z ) = 1 . (5)
N1 ( z )
Рассмотрим полиномы Nost(z) и Lost(z). Полином Nost(z) является по-
линомом степени (n–1), а Lost(z) — полиномом степени (m–1), т. е.:
1001
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
Пример
Пусть передаточная функция объекта непрерывной системы управ-

ления (рис. 2.) задана в виде:
−p +1
Wobj ( p ) = .
p +1
Рис. 2.
Зададимся передаточной функцией замкнутой системы

d 0 p 2 + d1 p + d 2
Wsys ( p ) = .
( p + 2) 2
Полином Q2 ( p ) = ( p + 2) 2 = p 2 + 4 p + 4 — желаемый. Полином
Q1 ( p ) = d 0 p 2 + d1 p + d 2 . Тогда получим
Q2 − Q1 − d + d1 − d 0 + 1
= [(1 − d 0 ) + (− d1 + d 2 + 3) + 2 ]
P2 p +1
Q1 d + d1 + d 0
= (− d 0 p − d1 − d 0 ) + 2 ].
P1 −p +1
Из условия делимости полиномов Q1 и P1, ( Q2 -Q 1) и P2 находим со-
отношения для коэффициентов Q1: d2+d0=0.5,
d1 = –0.5.
Передаточная функция регулятора, при которой характеристический
полином замкнутой системы равен Q2 =(p+2)2, будет равна
− d 0 p + 0.5 − d 0
Wr ( p ) = .
(1 − d 0 ) p + (3.5 + d 0 )
Коэффициент d0 задается произвольно. Выберем, например, d0=0.3.
Тогда передаточная функция регулятора будет иметь вид:
−0.3 p + 0.2
Wr ( p ) =
0.7 p + 3.8
Для этой системы построим дискретный аналог (рис. 3.), используя
приближенное соотношение, введенное Тастином [4, 6]:
1003
2 z −1
p≈ * .
h z +1
Рис. 3.
Тогда для шага дискретизации h=0,1 передаточная функция объекта

будет иметь вид:
−1.9 z + 2.1
Wobj ( z ) = ,
2.1z + 1.9
а передаточная функция регулятора:
−0.29 z + 0.31
Wr ( z ) = .
0.89 z − 0.51
Для моделирования переходного процесса непрерывной системы и
ее дискретного аналога и сравнения результатов используем MATLAB 6.1.
Непрерывной системе соответствует переходный процесс, изобра-
женный на рис.4, дискретной — на рис. 5.
Рис. 4.
1004
Рис. 5.
Заключение
В настоящий момент произведена программная реализация метода

нахождения с помощью рассмотренного выше метода модальных регуля-
торов для дискретных систем управления, обеспечивающих желаемое рас-
положение корней характеристического полинома, и последующее ее
включение в программный комплекс [5]. Дальнейшее расширение про-
граммного комплекса будет связано с нахождением модальных регулято-
ров для многосвязных систем и систем с запаздыванием (с использованием
описанного в [3] метода). Кроме того, предложенный метод распространен
на многосвязные дискретные системы
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
УДК 519.6
МОДЕЛИРОВАНИЕ ПРОБЛЕМЫ РЕГИОНАЛЬНОЙ

ЭКОНОМИКИ СРЕДСТВАМИ ТЕОРИИ НЕЧЕТКИХ
МНОЖЕСТВ
Куливец С. Г.
Пермский государственный университет, Пермь,
e-mail: skulivec@yandex.ru
Занимаясь решением задач, построением математических моделей и

отысканием решений при определенных условиях, мы привыкли к тому,
что конечный ответ должен быть сформулирован четко, в форме числа,
определенной функции (закономерности), алгоритма и т. п. Но человече-
ский способ рассуждений, опирающийся на естественный язык, не может
быть описан в рамках традиционного математического формализма. Этому
формализму присуща однозначность интерпретации, а все, что связано с
естественным языком имеет многозначную интерпретацию. Человек спо-
собен к анализу данных, представленных нечетко (неформально) и приня-
тию на их основе верных решений. Основоположником «новой математи-
ки» стал Л. Заде, его программа состояла в построении новой математиче-
ской дисциплины, в основе которой лежала бы не классическая теория
множеств, а теория нечетких множеств. Последовательно проводя идею
нечеткости, по мнению Заде, можно построить нечеткие аналоги всех ос-
новных математических понятий и создать необходимый формальный ап-
парат для моделирования человеческих рассуждений и человеческого спо-
соба решения задач. Появляются многочисленные нечеткие математиче-
ские модели, которые применяются во многих гуманистических системах
(системах связанных с человеком).
Цель моей работы — осмысление концепций нечеткого подхода:
разбор теоретических аспектов теории нечетких множеств, нечеткой логи-
ки и др., рассмотрение примеров нечетких моделей гуманистических сис-
тем, изучение возможности применения информационных технологий на
примере вычислительного пакета MATLAB и встроенных в него возмож-
ностей для работы с нечеткими моделями (Fuzzy Logic Toolbox).
Рассматривается задача о разделении некоторого экономического ре-

гиона на торговые зоны. Формулировка проблемы основана на нечетком
подходе с использованием понятий нечеткого множества, отношения, вы-
пуклого подмножества. Предпочтение, отдаваемое потребителями продук-
1006
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.
Модель1 — разделение при линейной модели рынка.
В модели приняты допущения:

1) существование рынка отвечающего линейной модели;
2) произвольный характер распределения населения;
3) две конкурирующие фирмы F1 и F2 размещаются в заданных точках
α 1 и α 2 соответственно;
4) производится однородный товар одного типа;
5) цены одинаковые;
6) существует функция пространственного потребительского предпоч-
тения, которая измеряется обратно пропорционально трудности
преодоления пути до фирмы.
Примечание. Рассматривая сделанные предположения, стоит заме-
тить две ценные особенности:
• здесь отвергается допущение о регулярном распределении попу-
ляции;
• потребительское пространственное предпочтение вводится как
функция от трудности преодоления пути до фирмы, которая зави-
сит от пространственного распределения популяции.
На рис. 1 приведен пример пространственного распределения. Обо-
значим через U число потребителей. Пусть A1 и A2 нечеткие множества,
называемые предпочтением F1 и предпочтением F2 , представляют потре-
бительские пространственные предпочтения. Зададим их соотношениями:
(1 + k ⋅ ( x − α 1 ) 2 )−1 при k ≥ 1, x ≤ α 1 ,
µ A1 (x) =  − k ⋅( x −α1 )2 2
(1)
 (e ) при k ≥ 1, x ≥ α 1 ,
2
µ A2 (x) = e − k ⋅(x−α 2 ) при k ≥ 1 и любых x, (2)
1007
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.
Рис. 1. Функции предпочтения для двух фирм с фиксированным размещением ведущих

конкурентную борьбу за рынок сбыта, описываемый линейной моделью.
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
и α 2 , то их пересечение A1 ∩ A2 также ограничено выпуклым нечетким

1008
α 2 , то их пересечение A1 ∩ A2 также ограничено выпуклым нечетким
множеством, определяемым функцией принадлежности
 e − k ⋅(x −α 2 ) при k ≥ 1, x ≤ γ ,
2
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
M i = x µ Ai ( x) ≥ max min[µ A1 ( x), µ A2 ( x)] для всех x∈ M i .

x
Описанную здесь модель можно обобщить на рынок с m конкури-
рующими фирмами F1 , F2 ,..., Fm , расположенными в областях с плотно-
стью населения α 1 ,α 2 ,...,α m соответственно. Пусть A1 , A2 ,..., Am - ограни-
ченные выпуклые нечеткие множества, описывающие предпочтение F1 ,
предпочтение F2 , …, предпочтение Fm и определяемые функциями при-
надлежности µ A1 , µ A2 ,..., µ Am , которые заданы уравнениями, аналогичными
(1) и (2). Так как нечеткие множества A1 , A2 ,..., Am выпуклы и ограничены,
то нечеткие множества Ai ∩ A j i,j=1,…,m (по парное пересечение нечетких
множеств A1 , A2 ,..., Am ) будут также выпуклыми и ограниченными. Приме-
няя упомянутую теорему об отделимости, с помощью порога разделения
l < min max min[µ Ai ( x), µ A j ( x)]
ij x
можно определить торговые зоны M 1 , M 2 ,..., M m . При этом каждая из этих

зон представляет нечеткое множество уровня, которое определяется соот-
ношением
1009
M i =  x µ Ai ( x) ≥ min max min[µ Ai ( x), µ A j ( x)] для всех x∈ M i .

 ij x 
Пока единственным решающим фактором потребительского про-
странственного предпочтения была трудность преодоления пути до места
покупок. Цена, качество и выбор товаров, репутация фирмы, уровень об-
служивания и трудность пути — все это важные характеристики для вос-
приятия фирмы покупателем. Кроме того, при принятии решения у инди-
видуумов варьируются приоритеты этих характеристик. Все эти характе-
ристики нужно объединить в рамках более общей модели.
Модель2 — общая модель разделения торговой зоны
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
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
... ... ... ...


xn µ ( x , z ) µ ( x , z ) ... µ A ( xn , zm )

 A1 n 1 A2 n 2
m 
элементы которой определяются функцией принадлежности
∑ Ф R ( x , y ) ⋅ π S ( x, z i )
y
µ Ai ( x, z i ) = для всех x∈X, y∈Y, z∈Z. Сумма
∑Ф
y
R ( x, y )
∑Φ
y
R ( x, y ) равна степени нечеткого множества, указывающей число важ-
нейших признаков y, которое потребитель x использует для оценки фирмы,

а µ Ai ( x, z i ) - взвешенная степень предпочтения фирмы z i индивидуумом x.
Функция µ Ai ( x, z i ) удовлетворяет определению выпуклого нечеткого
множества:
µ Ai [λ ⋅ ( x1 , z i ) + ( 1 − λ ) ⋅ ( x 2 , z i )] ≥ min[µ Ai (x1 , z i ), µ Ai (x2 , z i )] ,
для всех x1 и x 2 , всех z i ∈ Z и всех λ ∈ [0,1] .
Поскольку все µ Ai ( x, z i ) выпуклые, их пересечения также выпуклые функ-
ции. Можно построить матрицу W:
 µ A1 ( x1 , z1 ) ∧ µ A2 ( x1 , z 2 ) ... µ Am −1 ( x1 , z m −1 ) ∧ µ Am ( x1 , z m ) 
 µ ( x , z ) ∧ µ ( x , z ) ... µ ( x , z ) ∧ µ ( x , z ) 
W = 1
A 2 1 A2 2 2 Am −1 2 m −1 Am 2 m 
 ... ... ... 

 
 µ A1 ( x n , z1 ) ∧ µ A2 ( x n , z 2 ) ... µ Am −1 ( x n , z m −1 ) ∧ µ Am ( x n , z m )
По тем же самым соображениям, которые были высказаны в линейной мо-
дели рынка, в данной модели порог разделения торговой зоны может быть
ограничен условием
l < min max min[ µ Ai ( x, z i ), µ A j ( x, z j )]
ij x
Если порог выбран, то торговая зона описывается нечетким множеством

1011
уровня
M i =  x µ Ai ( x) ≥ min max min[µ Ai ( x, z i ), µ A j ( x, z j )] для всех x∈ M i .
 ij x 
Решение модельных задач
Средствами пакета Fuzzy Logic, входящего в состав вычислительной

системы MATLAB, найдены решения для заданной матрицы степеней
предпочтений фирм.
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
УДК 531.708:620.1
МОДЕЛИРОВАНИЕ ПРЕДЕЛЬНЫХ СОСТОЯНИЙ

КОНСТРУКЦИЙ С ИСПОЛЬЗОВАНИЕМ
КОМБИНИРОВАНИЯ МЕТОДОВ
Кучерюк В. И., Кузяков О. Н., Дубатовка У. В.

Тюменский государственный нефтегазовый университет, Тюмень,
e-mail: kuzyakov@tsogu.tmn.ru, onkuzyakov@mail.ru, ulvik@yandex.ru
Рассматриваются составные тонкостенные конструкции (пластины,

оболочки, стержни) при действии сочетания статических нагрузок. Иссле-
дуются предельные равновесные состояния конструкции. Для исследова-
ния этого состояния составляется математическая модель, которая являет-
ся составной и включает отдельные блоки (рис. 1). Для каждого из блоков
используется аналитическое и имитационное моделирование.
Программная реализация модели осуществляется с помощью пакета
MATLAB.
Математическая модель состоит из следующих блоков: геометриче-
ского, нагрузки, материала, напряженно-деформированного состояния,
модели статической теоремы, модели кинематической теоремы, модели
предельного состояния — «механизм».
Для получения информации о перемещениях конструкции при со-
ставлении и исследовании последних четырех блоков математической мо-
дели осуществляется физическое моделирование [4]. Физическая модель
удовлетворяет функциональному подобию натуре, когда обеспечиваются
следующие условия моделирования:
- геометрическое подобие натуры и модели в серединной поверхно-
сти;
- габаритные размеры модели определяются нагрузочным устройст-
вом, выбранным экспериментальным методом, техническими воз-
можностями обеспечения контурных условий и изготовления мо-
дели;
- толщины пластин и оболочек соответствуют тонким;
- функциональное соотношение цилиндрических жесткостей элемен-
тов из пластин и оболочек и изгибной жесткости стержневых эле-
ментов;
- для композитных конструкций используются приведенные (экви-
валентные) цилиндрические жесткости;
- функциональное подобие нагрузки вида q = a æ(x, у), где a - чис-
ло.
1013
Хорошие результаты дают модели из пластмасс с использованием
клеевых соединений. Возможен также композитный вариант.
Математическое моделирование
Геометрическое Моделирование МATLAB

моделирование нагрузки обработка
результатов
эксперимента
Кинематический метод Статический метод
Минимизация
SIMULINKE MATLAB
предельной
Анализ Реализация
нагрузки
кинематических экспериментального
жестко- принципа
пластических
систем
Выбор
предельной
нагрузки
Рис. 1. Основные этапы математического моделирования.
Для определения прогибов и перемещений в срединных поверхно-

стях используются два варианта метода, моделирующего муаровый эф-
1014
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
нение характера нагрузки, геометрических размеров сечений, материала
просчитывается на каждом цикле.
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
УДК 519.7
СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ

МОДЕЛИРОВАНИЯ ДИНАМИЧЕСКОЙ СИСТЕМЫ
УПРАВЛЕНИЯ С СУЩЕСТВЕННО ПЕРЕМЕННЫМИ
ПАРАМЕТРАМИ
Ледовский А. Д., Лобанов К. С., Лычагин Ю. В., Максютин М. М.,
Родин Б. П., Яковенко А. Н., Яковенко Н. Г.
Балтийский государственный технический университет
«ВОЕНМЕХ» им. Д. Ф. Устинова, Санкт-Петербург,
e-mail:rivas@rivas.spb.su
Введение
В настоящем сообщении приводятся результаты исследования авто-

номного комплекса с динамической системой управления (ДСУ) объектом,
который существенно изменяет свои параметры в процессе функциониро-
вания. Рассматриваемый объект размещается на подвижном основании для
доставки его к месту функционирования. Само функционирование авто-
номного комплекса осуществляется в условиях средне пересеченной мест-
ности с непосредственно доставившего в данную точку неподвижного ос-
нования без предварительного горизонтирования. На подвижном основа-
нии 0 (рис. 1) размещена платформа 1, которая разворачивается и удержи-
вается в процессе функционирования в рабочем положении с помощью
специального управляемого привода. На платформе в цапфах находится
качающийся пакет 2, имеющий одну степень свободы по углу относитель-
но платформы. Разворот и удерживание пакета в процессе функциониро-
вания комплекса осуществляется с помощью второго управляемого приво-
да. Собственно функционирование комплекса заключается в упорядочен-
ном последовательном поступательном перемещении относительно пакета
N покидающих эту систему инерционных тел 3n (n=1 — N).
Целевой функцией рассматриваемой динамической системы управ-
ления является удержание заданного начального положения платформы и
качающегося пакета, с момента начала движения первого покидающего
систему инерционного тела и до выпадения из системы последнего.
При этом общее время работы системы, состоящее из N циклов (по
числу покидающих эту систему инерционных тел), ограничено. Продол-
жительность одного цикла может состоять из одинаковых для всех N тел
по времени периодов от начала движения до момента выпадения и доста-
точно произвольных промежутков времени, идущих на затухание возни-
кающих при этом колебаний объекта (рис. 2).
1017
Рис. 1. Структура моделируемого устройства: 0 — подвижное основание; 1 — вра-

щающаяся платформа с приводом Пр1; 2 — качающийся пакет с приводом Пр2; 3n
(n=1 — N) — подвижные инерционные тела, выпадающие из системы.
Рис.2. Временная диаграмма структуры циклов.
Таким образом, объект управления на всем промежутке функциони-

рования имеет значительные и изменяющиеся моменты неуравновешенно-
сти и переменный момент инерции относительно осей вращения платфор-
мы и качающегося пакета.
1018
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
Модель ДСУ объекта с использованием языка программирования

MATLAB
При разработке математической модели ДСУ объектом, пригодной

для расчета с использованием стандартного решателя систем линейных
дифференциальных уравнений (ЛДУ) ODE пакета MATLAB применялась
последовательность операций в виде:
1. На интервале функционирования системы были выделены уча-
стки (промежутки времени) с аналогичной структурой. Эти промежутки
времени сменяют друг друга циклически. Поэтому целесообразно описать
1019
систему в виде нескольких систем ЛДУ, каждая из которых соответствует
работе системы на некотором временном интервале. Переключение между
этими системами ЛДУ осуществляется по задаваемому определенному за-
кону. При этом начальными условиями для расчета очередной системы
ЛДУ являются результаты, полученные при расчете предыдущего участка,
скорректированные относительно изменения структуры системы. При пе-
реходе от расчета одной системы ЛДУ к другой предусмотрена возмож-
ность анализа результатов расчета и изменения алгоритма ODE, а также
возможность для уменьшения времени счета, повышения точности и т. д.
скорректировать параметры ODE
2. Моделируемая система имеет многозвенную структуру, при-
чем на различных интервалах функционирования количество звеньев мо-
жет равняться двум либо трем. Поэтому вначале работы программы рас-
считываются все статические характеристики (масса, центр масс, моменты
инерции относительно выбранных осей и т. д.) каждого звена системы в
связанных с этими звеньями системах координат на протяжении полного
цикла работы ДСУ.
3. Объект управления моделируемой ДСУ представляет собой
систему абсолютно твердых тел или звеньев. Функционирование ДСУ за-
ключается во взаимном перемещении входящих в нее звеньях, при этом
для любого из звеньев изменяется только одна координата (поступательно-
го или вращательного движения).
4. Для того чтобы объединить движения отдельных звеньев друг
относительно друга в единую систему, соответствующую работе всего
объекта управления, введено понятие вектора состояния системы q . Век-
тор состояния системы q описывает взаимные перемещения входящих в
объект управления звеньев в процессе функционирования моделируемой
ДСУ.
Таким образом, математическая модель объекта управления описы-
вающая движение многозвенной системы и разрешенное относительно
вторых производных вектора состояния q , представляет собой уравнение
Лагранжа:
q = − D −1 (H + C − τ ) , (1)
где D — обобщенная матрица инерции системы; H — вектор сил взаимо-
действия между звеньями системы; C — вектор потенциальных сил сис-
темы; τ — вектор обобщенных внешних сил.
Причем все коэффициенты уравнения (1) зависят от вектора состоя-
ния q .
Так как решатель ODE предназначен для интегрирования системы
линейных дифференциальных уравнений, разрешенной относительно пер-
вых производных, введены дополнительные переменные Y , представлен-
ные в виде
1020
q 
Y =  .
q 
Тогда
q 
Y =  .
q 
К уравнению (1), приведенному к виду системы ЛДУ в форме Коши,
(4-6 порядка), была добавлена модель ДСУ 4 порядка.
Эти уравнения связаны следующим образом: на вход модели ДСУ
подается вектор q , а управляющее воздействие на объект управления вхо-
дит в сумму внешних сил τ .
Такой подход позволил развязать модель ДСУ и модель объекта
управления и вносить поправки в каждую модель независимо.
Так, замена электропривода ДСУ на гидропривод не требует никаких
изменений в модели объекта управления.
− Для программирования задачи в среде MATLAB система ЛДУ
была преобразована применительно к каждому промежутку
интегрирования, и каждая специфическая система была пред-
ставлена в виде M-функции, удовлетворяющей условиям ре-
шателя ODE.
− Создана управляющая функция, переключающая расчет моде-
ли между различными функциями описания правых частей,
соответствующих отличающимся участкам интегрирования,
настройку параметров интегрирования ODE, а также осущест-
вляющая обработку результатов и их визуализацию.
Для оптимизации размера программы, а также, для уменьшения не-
обходимых вычислительных ресурсов, в модели предусмотрены статиче-
ская и динамическая части, а также вынесены в отдельные функции части
математического описания одинаковые для всех участков интегрирования.
Проблема управления видимостью констант, необходимых для рас-
чета модели на всех участках, и передачи некоторых начальных условий не
входящих в вектор состояния системы решена через использование меха-
низма глобальных переменных MATLAB.
При первых расчетах модели проведенных с помощью алгоритма
Рунге-Кутта 4–5 порядка выяснилось, что модель с параметрами прибли-
женными к параметрам реального объекта, колеблется с малой амплитудой
и высокой частотой, т. е. ведет себя как жесткая система. Эти колебания
вызваны несовершенством алгоритма выбора шага и коррекции ошибок в
алгоритме ODE45 (ODE45 — это MATLAB реализация алгоритма Рунге–
Кутта).
Реально такие колебания не могут иметь места из-за энергетических
соображений. Для решения этой проблемы были проведены специальные
вычисления, обеспечивающие выбор оптимального алгоритма ODE. В про-
1021
грамму были введены средства контроля над адекватностью рассчитывае-
мых результатов. В итоге наиболее оптимальным алгоритмом оказался
средне-жесткий алгоритм ODE23tb, так как использование более жестких
алгоритмов, например ODE113, приводило к быстрому накоплению по-
грешности.
Гибкость решателя ODE позволяет использовать для этого механизм
Event Location, т. е. механизм поиска характерных ситуаций прямо в про-
цессе расчета конкретного интервала работы системы. Этот механизм
можно использовать и для реализации алгоритма работы активной ДСУ.
Для удобства управления параметрами, как системы в целом, так и
каждым отдельным этапом расчета, был создан графический интерфейс
пользователя (GUI, Graphic User Interface) в системе MATLAB. Этот ин-
терфейс использует встроенное средство разработки пользовательского
интерфейса GUIDE, позволяющего скрыть от пользователя всю MATLAB -
программу и предоставить удобный доступ к переменным, которые необ-
ходимо изменять для исследования системы.
При дальнейшем уточнении модели возникла проблема введения не-
которых нелинейностей, связанных с работой ДСУ. Некоторые из них, та-
кие как ограничение максимальной величины давления в гидросистеме,
были введены достаточно легко, так как давление является переменной со-
стояния в использованной модели гидропривода. Однако другие вызвали
значительные затруднения, связанные с тем, что модель объекта управле-
ния линейна, и внесение ограничений по интегрируемым величинам, таким
как угловые скорости, требовало либо значительной переделки самой мо-
дели объекта управления, либо введения некоторых несуществующих спе-
циально рассчитываемых внешних сил, имитирующих влияние на объект
нелинейной ДСУ.
Некоторые физические величины представляющие интерес при ис-
следовании системы не могли быть получены как результат интегрирова-
ния системы ЛДУ и требовали либо отдельного расчета, либо введения в
m- функции описания правых частей специальных участков программы,
транслировавших эти значения в управляющую функцию для анализа и
визуализации результатов. Такой способ, во-первых, замедлял счет, а во-
вторых, усложнял программу и ее анализ.
Моделирование ДСУ объекта с использованием языка

программирования С++
Кроме моделирования с использованием MATLAB-средств, парал-

лельно для сравнения было проведено моделирование с применением
средств разработки программного обеспечения, не связанных с MATLAB.
При моделировании с использованием языка программирования С++
применялось то же математическое описание модели ДСУ объекта, что и
1022
при использовании пакета MATLAB. Уравнение Лагранжа вида (1) реша-
лось с использованием средств С++. Отличие заключалось в используемом
алгоритме решения ЛДУ. С++ не является языком программирования, спе-
циально ориентированным на выполнение математических операций, в
нем отсутствуют встроенные функции решения ЛДУ; поэтому такая функ-
ция была написана специально для решения данной задачи. В функции
был реализован алгоритм численного решения линейных дифференциаль-
ных уравнений методом Рунге–Кутты 2-го порядка. Согласно этому мето-
ду, решение уравнения
x = f ( x, t ),
при начальном условии x(t0 ) = x0 находится исходя из соотношения:
 h h
xk +1 = xk + hf  xk + f ( xk , tk ), tk +  ,
 2 2
где h — шаг интегрирования.
Выбор этого метода несколько уменьшил точность вычислений по
сравнению с применяемым в MATLAB-программе методом Рунге–Кутты
4-го порядка из-за пренебрежения членами ряда Тейлора старших поряд-
ков, но позволил существенно повысить скорость выполнения расчетов.
Поскольку результатом компоновки программы в среде С++ являет-
ся исполняемый файл, для его работы не требуется установки каких-либо
других компонентов. Следовательно, его можно легко копировать на раз-
ные вычислительные машины без необходимости в дорогостоящем лицен-
зировании пакета MATLAB. Кроме того, он на два порядка меньше по
размеру, чем программа в MATLAB вместе с самой средой MATLAB.
Исполняемый файл, работая напрямую с ресурсами компьютера без
использования исходной среды программирования, имеет большую ско-
рость вычислений, чем MATLAB-программа. Понижение времени расчета
всего периода моделирования до 60–70 секунд на компьютере уровня Pen-
tium-III дало принципиальную возможность говорить о моделировании в
реальном времени, что невозможно применительно к MATLAB-модели.
Несомненным недостатком выбранной среды разработки, в отличие
от MATLAB, является негибкость получаемой после компоновки про-
граммы. Любое изменение математической модели требует разработки но-
вой программы, что может быть проведено только в первоначальной среде
разработки и только при наличии исходных кодов программы. Кроме того,
разработанная заново программа требует повторения проведения полного
цикла отладки и тестирования.
1023
Построение модели ДСУ объекта с помощью графического
редактора Simulink
При моделировании различных задач в среде MATLAB с использо-

ванием графического редактора Simulink реализуется принцип визуального
программирования, в соответствии с которым на экране из библиотеки
стандартных блоков создается модель устройства.
Такой подход позволяет оценить общую структуру системы, выде-
лить отдельные структурные элементы и производить построение модели
«снизу-вверх» в соответствии с этим делением, начиная с наиболее про-
стых составных частей системы. При этом разработчику не обязательны
(хотя и желательны) глубокие знания языка MATLAB или иных средств
моделирования и программирования.
Последовательность создания модели посредством графического ре-
дактора Simulink можно представить следующим образом:
1. Анализ структуры моделируемого объекта, с целью выделения
наиболее существенных в рамках рассматриваемой задачи элементов бу-
дущей модели.
2. Построение моделей отдельных структурных элементов сис-
темы с необходимой точностью и их отладка.
3. Соединение и организация взаимодействия между отдельными
элементами модели, что приводит к построению полной модели системы.
При построении исследуемой модели были приняты следующие до-
пущения. Во-первых, рассматривались только два момента, действующие
на исполнительные механизмы ДСУ — момент силы тяжести и момент,
возникающий при движении выбрасываемой массы. Во-вторых, модели
приводов функционирования были приняты практически линейными (учи-
тывалась лишь небольшая и не самая существенная часть нелинейностей).
Построение модели по принципу «снизу-вверх» предполагает реше-
ние следующих проблем, встающих перед разработчиком:
− грамотное структурное деление исходной системы для облег-
чения построения моделей составляющих частей и уменьшения вероятно-
сти появления ошибок;
− корректное построение и проверка полученных моделей со-
ставных частей системы;
− обеспечение корректного взаимодействия составляющих час-
тей системы;
− не всегда простой и очевидный переход от уравнений, описы-
вающих объект, к передаточным функциям (или иным структурным эле-
ментам), особенно для нелинейного объекта (объекта, нелинейностями ко-
торого нельзя пренебречь).
Проблема структурного деления системы решалась посредством
анализа исходных данных и опыта разработчиков. Выделенные состав-
1024
ляющие должны быть независимыми (с учетом дальнейшего уточнения
или изменения модели) и достаточно простыми. Это позволяет эффективно
отрабатывать построенные модели и упрощает их общее восприятие. Не-
обходимо отметить, что эта особенность моделирования в графическом
редакторе Simulink предоставляет мощные средства построения моделей
сложных систем или устройств.
В соответствии с заявленным принципом в рассматриваемой системе
были выделены следующие структурные элементы (звенья):
− Подвижное основание 0.
− Вращающаяся платформа 1.
− Качающийся пакет 2.
− N подвижных инерционных тел, выпадающие из системы
(N=12 штук);
− Два привода функционирования.
Подобное деление представляется наиболее удобным. Подвижное
основание используется для задания абсолютного положения объекта в
пространстве (на поверхности Земли). Поэтому, несмотря на необязатель-
ность модели самого подвижного основания, при рассмотрении функцио-
нирования объекта в системе координат, связанной с Землей, необходимо
было учитывать состояние этого основания. Выделение вращающейся
платформы и качающегося пакета связано с наличием двух приводов
функционирования и того факта, что оценка качества стабилизации произ-
водится по угловому положению этих частей в соответствующих плоско-
стях относительно основания. Для более детального изучения вопросов,
оговоренных во введении, выпадающие из системы массы требуют от-
дельной модели. Более мелкое деление на данном этапе неэффективно, но
в то же время любую часть модели можно усложнить или дополнить без
внесения существенных изменений (следовательно, и возможных допол-
нительных ошибок) в уже построенные модели.
Особенность цикличного функционирования системы потребовала
представления модели каждой из 12 инерционных тел в виде комбинации
трех подсистем, описывающих одно из возможных состояний: покой, дви-
жение и отсутствие массы. Переключение между структурами производи-
лось с помощью блока управления (в соответствии с Рис. 2).
Проверка адекватности построенной модели является актуальной
проблемой для любого из методов математического моделирования. Оце-
нить правильность построения модели позволяют либо экспериментальные
данные (которые могут отсутствовать), либо опыт разработчика (величина
субъективная). Тем не менее, одним из существенных достоинств заявлен-
ного принципа структурного построения модели является возможность
проверки корректности каждой отдельной части системы независимо от
наличия и законченности построения моделей других частей.
1025
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
Рис. 3. Модель системы, построенная в графическом редакторе Simulink.
Дополнительной сложностью при построении моделей в графиче-

ском редакторе Simulink является трудность динамического управления
алгоритмом расчета. Так, например, изменение шага расчета или порядка
функционирования системы в зависимости от различных условий затруд-
нительны. Производить анализ необходимых условий (особенно, если их
количество велико) в рамках Simulink представляется нецелесообразным,
так как гораздо легче и удобнее написать подобную функцию на языке
MATLAB (или ином языке программирования, например, С). Возможность
подключения таких функций в графическом редакторе Simulink имеется
Выводы
Анализ проделанной работы позволяет выделить наиболее характер-

ные особенности и проблемы каждого из подходов. Четкое представление
о достоинствах и недостатках рассматриваемых методов позволяет обос-
1027
нованно и аргументировано выбирать способ построения математической
модели.
Графический редактор Simulink позволяет решать задачу, имея лишь
общее представление о системе, занимаясь уточнением ее структуры па-
раллельно с построением модели. Рассмотрение системы по частям делит
задачу на ряд подзадач, последовательное решение которых приводит к
созданию моделей составляющих. Их можно подвергнуть проверке по от-
дельности и лишь после этого перейти к построению модели системы в це-
лом. При таком подходе уточнение модели любого элемента не приводит к
необходимости изменения модели системы в целом. Следовательно, ис-
пользование графического редактора Simulink оправданно при необходи-
мости построения моделей, последовательно приближаемых к исследуе-
мому объекту. При этом структурное деление системы должно произво-
диться уже при построении модели первого приближения, причем его из-
менение может привести к замене всей модели.
При наличии математического описания, соответствующего иссле-
дуемому объекту с требуемой степенью точности и необходимости прове-
дения значительного количества численных экспериментов, проводимых с
помощью этой модели, целесообразно использовать модель, реализован-
ную в виде совокупности m - файлов. Необходимо отметить, что незначи-
тельное уточнение уже разработанной модели может потребовать значи-
тельной переработки всей модели. В то же время имеется возможность
создания удобного интерфейса с помощью встроенной среды разработки
графического интерфейса GUIDE.
Среда C++ наиболее предпочтительна для создания коммерческих
версий программного продукта, предназначенных для поставки конечному
пользователю. Созданные в ней программы отличаются доступным поль-
зовательским интерфейсом, закрытым исходным кодом и высоким быст-
родействием в сочетании с автономностью и нетребовательностью к ре-
сурсам компьютера. Распространение программного продукта не требует
затрат на лицензирование пакета MATLAB для компьютеров конечных
пользователей, что повышает конкурентоспособность продукта на рынке
компьютерных технологий. Среда С++ может быть рекомендована для ис-
пользования при разработке специализированного программного обеспе-
чения, предназначенного, например, для выполнения математических рас-
четов в промышленных ЭВМ, устанавливаемых в различных видах техни-
ки в процессе ее функционирования. Однако следует заметить, что при ис-
пользовании С++ сохраняются основные недостатки, присущие среде
MATLAB, а именно, необходимость коррекции всей модели при модифи-
кации одного из ее элементов.
Для использования возможностей языка MATLAB необходимо на-
личие полной и точной математической модели в виде системы дифферен-
циальных уравнений уже на первоначальном этапе создания программы.
1028
Построение такой модели является весьма трудоемким, что заставляет ид-
ти на определенные упрощения, создающие проблемы на этапе исследова-
ния. При этом внесение изменений (дополнений) в построенную модель
затруднительно. Особенно большие сложности возникают при необходи-
мости учета нелинейностей.
Таким образом, очевидно, что применение тех или иных средств мо-
делирования рассмотренных в данной работе правомерны и предпочтение
в этом выборе обычно связано с опытом и возможностями разработчика
программ.
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
УДК 519.7:62.506
ИСПОЛЬЗОВАНИЕ СРЕДЫ MATLAB ПРИ

ЛОКАЛИЗАЦИИ ИСТОЧНИКОВ СТОХАСТИЧНОСТИ В
СТАЦИОНАРНЫХ УРАВНЕНИЯХ ПРИ ВЫЧИСЛЕНИИ
МОМЕНТОВ ПЕРЕМЕННЫХ СОСТОЯНИЙ
Ледовский А. Д., Лычагин Ю. В., Яковенко Н. Г.,

Нгуен Ван Лам, Полницкий Д. А.
Балтийский государственный технический университет
«ВОЕНМЕХ» им. Д. Ф. Устинова, Санкт-Петербург,
e-mail:adlgvsh@mail.ru
При анализе качества сложных человеко-машинных динамических

систем управления зачастую необходимо учитывать влияние на их функ-
ционирование различных случайных факторов внутреннего и внешнего
характера [1], [6]. К случайным факторам внутреннего характера относят-
ся, например, параметрические шумы, представляющие случайные функ-
ции и случайные параметры, учитывающие неточность производства и
влияние процессов старения и износа при хранении и эксплуатации систем
и т. п. Что касается внешних источников стохастичности, то они зависят от
условий функционирования системы. Примером такого рода стохастиче-
ских воздействий могут быть ветро-волновые возмущения, действующие
на морские подвижные объекты [2].
Общий вид нелинейной математической модели, в которой учитыва-
ется влияние на функционирование выше отмеченных случайных факторов,
имеет следующий вид [1]:
 dx  
Φ  ,x,u,µ,t  = 0;x ( t0 ) = x0 ;
 dt   (1)
y = Ψ ( x,u,µ,t ) , 

dx
где x, ∈ R S — вектор-столбец фазовых координат (переменных состоя-
dt
ний) и вектор-столбец их производных, x0 ∈ R S — вектор-столбец началь-
ных значений этих координат; u ∈ R P — вектор-столбец внешних пере-
менных (управляющих и возмущающих воздействий), в том числе содер-
жащих случайные составляющие; µ ∈ R N — вектор-столбец случайных па-
раметров с произвольными законами распределения его составляющих;
Φ ∈ R S — столбец векторов-функций; t — аргумент (время) с начальным
значением t = t0 ; Ψ ∈ R Q — столбец векторов-функций; y — вектор-
столбец выходов.
1030
Для рассматриваемого класса систем управления всегда имеется
возможность разрешить уравнение (1) относительно производной:
dx 
= Θ ( x,u,µ,t ) ;x ( t0 ) = x0 ;
dt  (2)
y = Ψ ( x,u,µ,t ) , 

где Θ ∈ R S ,Ψ ∈ R Q — столбцы вектор-функций.
Эксплуатация систем управления всегда предполагает их использо-
вание в ограниченном числе основных режимов работы. Такие режимы ра-
боты характеризуются постоянством или малыми изменениями внешних
воздействий — u . С учетом этого обстоятельства, а также в силу сущест-
венной инерционности объектов управления (системы в целом) рассматри-
ваемый класс систем обычно обладает свойствами фильтра низких частот,
что позволяет успешно решать задачу линеаризации (2) и получения ли-
нейных (линеаризованных) уравнений состояния вида:
dx
= А ( µ) x + В ( µ) u , (3)
dt
где A ( µ) , B ( µ) — матрицы, элементы которых являются регулярными
функциями случайных µ - параметров. Отметим, что в результате выбора
законов управления, система (3) должна обладать свойством инвариантно-
сти (малой чувствительности) к параметрическим возмущениям [7].
Вероятностная оценка показателей качества функционирования сис-
тем управления, основанная на применении неравенства Чебышева-
Куриленко [1], предполагает определение векторов математического ожи-
дания и дисперсии переменных состояний стационарного стохастического
уравнения (3). Причем, если для собственного движения их вычисление
особых проблем не вызывает, то вынужденное движение для чистоты ре-
зультата требует разделения влияний стохастического оператора B ( µ) и
вектора u, который может содержать случайные составляющие. При этом
информацию о наличии случайных параметров в самой матрице B ( µ) не-
обходимо сохранить.
Целью данной работы является строгое доказательство возможности
такого разделения.
Рассмотрим вначале соответствующее (3) детерминированное урав-
нение состояния:
dx
= Аx + Вu (4)
dt
или его скалярное представление:
1031
 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
Добавим в (5) S − Q входов:

dx1
 dt = a11x1 + …+ a1S xS + b11u1 + …+ b1QuQ + b1Q+1uQ+1 + …+ b1SuS ;

dx2 = a x + …+ a x + b u + …+ b u + b u + …+ b u ;
21 1 2S S 21 1 2Q Q 2Q+1 Q+1 2S S
 dt (6)
.......................................................................................................;

dxS = a x + …+ a x + b u + …+ b u + b u + …+ b u .
 dt S1 1 SS S S1 1 SQ Q SQ+1 Q+1 SS S
Если в (6) при любых значениях коэффициентов bij ∀ j = Q + 1, S , ( )

( )
∀i = 1, S элементы вектора управления u j ∀j = ( Q + 1,S ) торжественно
равны нулю, то (6) сводится к виду (5).
Перепишем (6) в матричной форме:
dx
= A x + Bu (7)
dt
где B ∈ R S × S , т. е. квадратная матрица размерности (S × S ) ; u — век-
тор управления размерности (S ×1) , имеющий последние (S − Q + 1) эле-
менты, равные нулю.
Проблему выбора значений коэффициентов bij ∀j = (Q + 1, S ) ,∀i = (1, S )
рассмотрим позднее.
Матрица B должна быть невырожденной и иметь обратную матрицу
−1 −1
B . Тогда умножая (7) слева на матрицу B слева, получим:
−1 d x −1 −1
B = B A x + B Bu , (8)
dt
где первое слагаемое в правой части может быть заменено тождественным,
−1 −1 −1
равным ему слагаемым B A x = B ABB x.
−1 dz −1 d x
Тогда, произведя замену переменной z = B x и =B , полу-
dt dt
чим:
dz
= Az + Iu, (9)
dt
1032
−1 −1
где I = B B — единичная матрица и A = B AB .
При переходе к стохастическому виду, т. е. к уравнению (3), и про-
изводя аналогичные преобразования, можно получить:
dz
= A ( µ ) z + Iu , (10)
dt
−1
где A ( µ) = B ( µ) A ( µ) B ( µ) .
Таким образом, в уравнении (10) перед вектором внешних перемен-
ных u вместо стохастического оператора оказалась детерминированная
−1
единичная матрица I = B B . Причем, информация о стохастичности
вектора (матрицы) коэффициентов усиления B ( µ) уравнения (3) не поте-
ряна, так как вошла в матрицу свободного движения A ( µ) уравнения (10).
Выбор дополнительных элементов вектора (матрицы) B в (7) весьма
произволен. Однако при таком выборе необходимо соблюсти следующие
условия:
1. Все значения элементов вектора (матрицы) B должны и могут
быть детерминированными.
2. Матрица B должна быть невырожденной, т. е. должна сущест-
−1
вовать обратная матрица B .
3. Число обусловленности матрицы B ([3], [4], [7]) должно быть
минимальным (по крайней мере, равным числу обусловленности матрицы
B уравнения (4)).
4. В уравнении (3) при расширении матрицы B ( µ) до квадратной
матрицы B ( µ) следует использовать математические ожидания добавляе-
мых элементов этой матрицы.
Остановимся на последнем условии подробнее.
Известно [3], что число обусловленности характеризует меру близо-
сти матрицы B к вырожденной матрице.
Оно определяется выражением
cond ( B ) = B × B −1 ,
где B , B −1 — нормы соответствующих матриц.
Причем для любой матрицы, число обусловленности должно быть не
менее 1. Однако, если оно больше 10, то матрица становится плохо обу-
словленной.
Число обусловленности матрицы может быть рассчитано через син-
гулярные значения и соответствующие им унитарные векторы.
1033
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
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 
Если представить (15) и (16) в виде квадратных матриц B*0 и B1* , у

которых последние R и, соответственно, первые Q векторов-столбцов
нулевые:
 b11 … b1Q 0 … 0   0 … 0 b1,Q+1 … b1S 
… … … 0 … 0  0 … 0 0 … … 
*
B0 =   *
,B =  , (18)
 … … … … … … 1  0 … 0 … … … 
   
 bS 1 … bSQ 0 … 0   0 … 0 bS ,Q+1 … bSS 
тогда матрица (17) может быть записана следующим образом:
B* + B* = B ∈ R S×S .
0 1 (19)
Из (13) следует, что
S = U −1ВV . (20)
С учетом (19)
( ) ( ) ( )
S = U −1 В*0 + В*1 V = U −1 В*0 V + U −1 В*1 V = S*0 + S*1 . (21)
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
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
Пусть функционирование (продольное движение) пассажирского

судна на подводных крыльях описывается следующим линеаризованным
стационарным уравнением состояний [2]:
 dΨ 
 dt 
  0  Ψ   0
 d ωz  
0 1 0 0 
  ω  
 dt  a21 a22 a23 a24  z 
   b21 b2 2  δк .н. 
 =  
+  , (22)
dy
 g   a31 0 0 a34
 y g  0 0  δ
 к .к . 

 
    

 dt   a41 a42 a43 a44   α   b41 b42 
 dα 
 
 dt 
1036
dΨ d ωz
где Ψ , — угол дифферента (тангажа) и его производная; ωz , —
dt dt
d уg
угловая скорость килевой качки и ее производная; у g , — ордината
dt
dα
центра масс судна и ее производная; α , — угол атаки и его производ-
dt
ная; δк .н. δк .к . , — углы поворота носовых и кормовых крыльев (управляю-
( ) ( ) ( )
щие воздействия); aij ∀i, j = 1,4 , bij ∀i = 1,4 , j = 1,2 — коэффициенты, за-
висящие от конструкции судна.
Напомним, что эти коэффициенты являются регулярными функция-
ми от случайных µ - параметров и на практике рассчитываются и задаются
их математическими ожиданиями.
Так, например, для судна водоизмещением 60т матрицы М  A ( µ)  и
М  В ( µ)  имеют следующие значения своих элементов:
 0 1 0 0 
 −14,2 −12,2 −0,291 −0,236 
М  A ( µ)  =  ;
 17,5 0 0 −17,5 
 
 −5,12 −0,162 0,433 −6,41 
 0 0 
 −1,01 2,86 
М В ( µ)  =  .
 0 0 
 
 0,386 0,965 
В данном примере, исходная матрица М В ( µ)  = В0 имеет размер-
ность 4 × 2 .
Используя стандартную программу определения числа обуслов-
ленности в среде MATLAB [6], найдем это число обусловленности
С0 = 4,7344 , и диагональную матрицу сингулярных значений:
 3,1370 0 
 0 0,6626 
S0 =  . (23)
 0 0 
 
 0 0 
Выберем ненулевой элемент, который равен максимальному сингулярному
значению (в данном случае = 3,1370), и составим дополнительную матрицу
В1 размерностью 4 × 2 :
1037
 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
 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
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
[L ] = L,L  . Для интервальных собственных значений справедливы сле-

дующие выражения:
L = H −1 AH;
(29)
L = H −1 AH.
Если предположить, что случайные параметры элементов системы
имеют равномерное распределение в заданных границах (интервалах), то
при ее производстве и эксплуатации они «приводят» к усеченному нор-
мальному закону распределения показателей качества функционирования
[10], [1]. Тогда, с учетом (29) и «правила трех сигм» математические ожи-
дания и дисперсии собственных значений будут:
Lj + Lj 

M Lj  = ;
2 
( )
 ∀ j = 1,n . (30)
( )
2
Lj − Lj 
σ 2L j = 
36 
При математическом моделировании для рассмотренного в Прило-
жении 1 примера разбросы элементов фундаментальной матрицы A вы-
браны для двух варианта: err _ A = 2% и err _ A = 5% , а для элементов
матрицы B соответственно err _ B = 1% и err _ B = 5% .
В результате были получены следующие значения математических
ожиданий и дисперсий собственных значений (30):
1. При первом варианте err _ A = 2% и без учета разбросов эле-
ментов матрицы B :
M [ λ 1 ] = −10,8882; M λ 2,3  = −1,2280 ± j1,1933; M [λ 4 ] = −5,2659;
σλ21 = 0,0086; σλ2 2,3 = 0,0002; σλ2 4 = 0,0023 .
2. При втором варианте err _ A = 5% и без учета разброса эле-
ментов матрицы B :
M [ λ 1 ] = −10,8882; M λ 2,3  = −1,2280 ± j1,1933; M [λ 4 ] = −5,2659;
σλ21 = 0,0536; σλ2 2,3 = 0 ,0012; σλ2 4 = 0,0145.
3. При первом варианте err _ A = 2% и с учетом разброса элемен-
тов матрицы B т. к. err _ B = 1% :
M [ λ 1 ] = −10,9097; M λ 2,3  = −1,2301 ± j1,1953; M [λ 4 ] = −5,2742;
1040
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.
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
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.
Приложение 1: Текст MATLAB-программы вычисления граничных зна-

чений элементов матрицы A и математических ожиданий и диспер-
сий собственных чисел системы
%Данное Приложение написано Н.В.Ламом 04-03-04

clear all; clc;
% Матрица фундаментальная исходная
A=[0 1 0 0;
-14.2 -12.2 -0.291 -0.236;
17.5 0 0 -17.5;
-5.12 -0.162 0.433 -6.41];
err_A=0.02; % допуск 2%
%err_A=0.05;% допуск 5%
r=rank(A);
for i=1:r
for j=1:r
DA(i,j)=abs(A(i,j)*err_A);
Amax(i,j)=A(i,j)+DA(i,j);
Amin(i,j)=A(i,j)-DA(i,j);
end
end
B=[0 0; 1.01 2.86]; % Исходная матрица В со случайными элементами, равными:
[0 0; 0.386 0.965];
% err_B=0.01; % error=1%
err_B=0.05;% error=1% Система неустойчива
for i=1:r
for j=1:2
DB(i,j)=abs(B(i,j)*err_B);
Bmax(i,j)=B(i,j)+DB(i,j);
Bmin(i,j)=B(i,j)-DB(i,j);
end
end
B1=[3.1370 0; 0 0;0 3.1370;0 0]; % Дополнение матрицы В
B=[B B1];% Квадратная матрица В после дополнения
Bmax=[Bmax B1];% Матрица Bmax-верхняя граница
Bmin=[Bmin B1];% Матрица Bmin-низняя граница
% Процедура нахождения обратной матрицы inv(B)
1042
%1-Определение детерминанта (определителя) матрицы B
b11=[Bmin(1,1) Bmax(1,1)];b12=[Bmin(1,2) Bmax(1,2)];b13=[Bmin(1,3) Bmax(1,3)];b14=[Bmin(1,4)

Bmax(1,4)];
Bmax(2,4)];
Bmax(3,4)];
Bmax(4,4)];
c1=ia(ia(ia(b33,b44,'*'),b22,'*'),b11,'*'); % результат=0
c2=ia(ia(ia(b43,b34,'*'),b22,'*'),b11,'*');% результат=0
c11=ia(ia(ia(b34,b13,'*'),b42,'*'),b21,'*');% =c11
c21=ia(ia(ia(b34,b13,'*'),b22,'*'),b41,'*');% = c21
detB=ia(c21,c11,'-');
%2- Нахождение элементов обратной матрицы

%C(1,1)=(b22*b33*b44-b22*b34*b43-b32*b23*b44+b32*b24*b43+b42*b23*b34-b42*b24*b33);
cd1=ia3(b22,b33,b44);cd2=ia3(b22,b34,b43);cd3=ia3(b32,b23,b44);cd4=ia3(b32,b24,b43);cd5=ia3(b42,b23
,b34);cd6=ia3(b42,b24,b33);%=0
%C(2,1)=-(b21*b33*b44-b21*b34*b43-b31*b23*b44+b31*b24*b43+b41*b23*b34-b41*b24*b33);
ce1=ia3(b21,b33,b44);ce2=ia3(b21,b34,b43);ce3=ia3(b31,b23,b44);ce4=ia3(b31,b24,b43);ce5=ia3(b41,b23,b
34);ce6=ia3(b41,b24,b33);%=0
cf1=ia3(b21,b32,b44);cf2=ia3(b21,b34,b42);cf3=ia3(b31,b22,b44);cf4=ia3(b31,b24,b42);cf5=ia3(b41,b22,b3
4);cf6=ia3(b41,b24,b32);
C31=ia(cf5,cf2,'-');% Только эти элементы отличны от нуля
BB31=ia(C31,detB,'/');
cg1=ia3(b21,b32,b43);cg2=ia3(b21,b33,b42);cg3=ia3(b31,b22,b43);cg4=ia3(b31,b23,b42);cg5=ia3(b41,b22,
b33);cg6=ia3(b41,b23,b32);%=0
ci1=ia3(b12,b33,b44);ci2=ia3(b12,b34,b43);ci3=ia3(b32,b13,b44);ci4=ia3(b32,b14,b43);ci5=ia3(b42,b13,b3
4);ci6=ia3(b42,b14,b33);
C12=sort(-ci5);
ck1=ia3(b11,b33,b44);ck2=ia3(b11,b34,b43);ck3=ia3(b31,b13,b44);ck4=ia3(b31,b14,b43);ck5=ia3(b41,b13
,b34);ck6=ia3(b41,b14,b33);
C22=ck5;
1043
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
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
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
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
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
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);
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;
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);
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
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
% Нижняя и Верхняя границы обратной матрицы ВВ
BBmin=[0 BB12(1) 0 BB14(1);

0 BB22(1) 0 BB24(1);
BB31(1) 0 0 0 ;
0 0 BB43(1) 0;];
BBmax=[0 BB12(2) 0 BB14(2);
0 BB22(2) 0 BB24(2);
BB31(2) 0 0 0 ;
0 0 BB43(2) 0;];
% Нахождение интервальной матрицы [Anew]=[inv(B)]*[A]*[B]

% Результат - Нижняя и Верхняя граница новой фундаментальной матрицы
% Anewmin, Anewmax
[TGmin, TGmax]=matprod (BBmin, BBmax, Amin, Amax, '*');

[Anewmin, Anewmax]=matprod (TGmin, TGmax, Bmin, Bmax, '*');
% Имеем A=H*L*inv (H). Предполагаем [A]=H*[L]*inv (H)

% [L] при учете стохастичности элементов матрицы B и без такого учета
% 1 - Без учета
1044
[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)];
function [Cmin, Cmax] = matprod(Amin, Amax, Bmin, Bmax, z)

r =max(rank(Amin), rank(Bmin));
if z=='+'
for i=1:r
for j=1:r
A=[Amin(i,j) Amax(i,j)];
B=[Bmin(i,j) Bmax(i,j)];
1045
[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
function [cmin, cmax] = isym(a, b, z)

error (nargchk (3, 3, nargin));
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
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
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
УДК 62-50
АДАПТИВНОЕ УПРАВЛЕНИЕ НЕЛИНЕЙНЫМ

ОБЪЕКТОМ С ВХОДНЫМ ЗАПАЗДЫВАНИЕМ
Миркин Е. Л.
Международный университет Кыргызстана, Бишкек, Киргизия,
e-mail: eugene@iuk.kg
В последнее время интерес большинства исследователей концентри-

руется вокруг проблем, связанных с управлением системами с запаздыва-
нием в управлении, так как эффекты временного запаздывания оказывают
существенное влияние на устойчивость и качество процессов управления.
Об этом свидетельствует большой спектр работ, посвященных данной
проблематике. Однако только незначительная часть из них касается про-
блемы управления такими системами в условиях неопределенности, на-
пример [7–9]. Поскольку проблема управления такими системами сама по
себе является сложной и требует для своего решения явный или неявный
прогноз выхода системы на время запаздывания в канале управления, то
наличие неопределенности в модели системы ведет за собой еще большее
усложнение алгоритмов работы управляющих устройств, которые в неко-
торых случаях становятся громоздкими и непригодными для технической
реализации.
В данной работе новая схема управления с модельным упреждени-
ем [1–6] распространяется на класс нелинейных систем с запаздыванием в
управлении. При этом для разрешения проблемы неопределенности, пред-
лагается использовать схему прямой адаптации и вспомогательную дина-
мическую систему для реализации эффекта неявного упреждения.
Рассматривается объект управления, динамика которого описывается

нелинейным дифференциальным уравнением с запаздыванием в управле-
нии вида
x (t ) = Ax (t ) + Df [ x (t )] + Bu(t − τ ),
(1)
x ( t0 ) = x0 ,
где x ∈ ℜn — вектор состояния, u ∈ ℜm — управляющее воздействие,
f [ x ] ∈ ℜk — известная нелинейная функция, A ∈ ℜnxn , D ∈ ℜnxk , B ∈ ℜnxm —
неизвестные постоянные матрицы, τ > 0 — детерминированное запазды-
вание в канале управления.
Ставится задача нахождения такого закона управления u(t ) , который
обеспечивал бы выполнение следующей целевой функции:
1048
lim e(t ) = lim[ x (t ) − xm (t )] = 0, (2)
t →∞ t →∞
где xm ∈ ℜn — выход детерминированной устойчивой эталонной модели

вида
xm (t ) = Am xm (t ) + Bm um (t − τ ),
(3)
xm ( t0 ) = xm 0 ,
где xm ∈ ℜn —вектор состояния модели, um ∈ ℜm — задающее воздейст-
вие, Am ∈ ℜnxn , Bm ∈ ℜnxm — известные постоянные матрицы.
Положим для простоты изложения, что B = Bm и класс объектов (1)
ограничим следующими предположениями:
Предположение 1. Выполнены традиционные условия согласования
объекта (1) и модели (3):
A = Am + Bm ∆A,
(4)
D = Bm ∆D,
где Am ∈ ℜnxn , Bm ∈ ℜnxm — неизвестные постоянные матрицы.
Предположение 2. Объект управления (1) в случае u ≡ 0 абсолютно устой-
чив, а также абсолютно устойчива система вида:
e(t ) = Ae(t ) + Dφ [e(t ), t ],
(5)
e( t 0 ) = x 0 − x m 0 ,
где φ [e(t ), t ] = f [e(t ) + xm (t )] − f [ xm (t )] .
Замечание. Поскольку φ [0, t ] = 0 условия абсолютной устойчивости
системы (5) могут, например, заключаться в гурвицевости матрицы A и
попадании годографа линейной части системы в разрешенную область
(круговой критерий абсолютной устойчивости [11]).
Отметим хорошо известный факт, что если управление объектом (1)
ведется по принципу обратной связи, то для компенсации эффекта времен-
ного запаздывания в канале управления, необходимо получать точную уп-
реждающую оценку x(t + τ | t ) вектора x (t + τ )
x(t + τ | t ) = x(t + τ )
на ее основе формировать управление u (t ) как функцию x(t + τ | t ) .
Однако в нашем случае параметрической неопределенности (4), по-
лучить упреждающую оценку x(t + τ | t ) оказывается невозможным без
знания матриц A и D . Поэтому для синтеза системы управления в этих
условиях, будем использовать схему прямой адаптации с модельным уп-
реждением [1], где за счет введения вспомогательной динамической сис-
темы, сконструированной специальным образом, решается проблема неяв-
ного прогноза выхода объекта.
1049
Адаптивное управление с вспомогательной моделью
Структуру регулятора зададим уравнением

u (t ) = um (t ) + c(t ) x(t + τ | t ) + γ (t ) f [ x m (t + τ | t )], (6)
где c(t ) ∈ ℜ , γ (t ) ∈ ℜ — матрицы настраиваемых коэффициентов;
mxn mxk
x m (t + τ | t ) — упреждающая оценка вектора xm (t ) детерминированной

эталонной модели (3).
Модель упредителя, обеспечивающего выполнение условия
x m (t + τ | t ) = xm (t + τ )
определим, в соответствии с [10], следующей динамической системой
z (t ) = Am z (t ) + Bm um (t ),
(7)
z ( t0 ) = x m 0 .
x m (t + τ | t ) = z (t ) + e Amτ [ xm (t ) − z (t − τ )], (8)
где z ∈ ℜn — внутренний вектор состояния, x m (t + τ | t ) — вектор выхода
упредителя.
Зададим вспомогательную модель линейным дифференциальным
уравнением вида
xa (t ) = Am xa (t ) + Bm {c(t ) x (t ) − c(t − τ ) xm (t ) +
+ γ (t ) f [ x (t )] − γ (t − τ ) f [ xm (t )]}, (9)
x a ( t 0 ) = 0.
Сформируем новую ошибку ea (t ) , которую определим соотношением
ea (t ) = e(t ) + xa (t ) = x (t ) − xm (t ) + xa (t ) (10)
Очевидно, что требования к регулятору вида (2), теперь будут определять-
ся выражениями:
lim ea (t ) = 0, (11)
t →∞
lim xa (t ) = 0. (12)
t →∞
Уравнение возмущенного движения для ошибки ea (t ) в соответствии с
уравнениями (1,3,6,9) определится соотношением
ea (t ) = Am ea (t ) + Bm {[c(t ) + ∆A] x (t ) + [γ (t ) + ∆D ] f [ x (t )]},
(13)
ea (t0 ) = ea 0 .
Докажем следующую теорему:
Теорема. Если закон управления определить соотношением (6), за-
коны адаптации уравнениями
c(t ) = − H c BmT Pea (t ) x T (t ),
(14)
γ (t ) = − H γ BmT Pea (t ) f T [ x (t )],
где H c = H cT > 0, H γ = H γT > 0 — произвольные постоянные положительно
1050
определенные матрицы соответствующих размеров; P = P T > 0 — посто-
янная положительно определенная матрица, определяемая из следующего
уравнения Ляпунова
AmT P + PAm + Q = 0 (15)
где Q = Q > 0 — произвольная постоянная положительно определенная
T
матрица; тогда при допущении, что:

1) выполнено предположение 2,
2) входной сигнал um (t ) обладает богатым спектром (присутствует
≥ n гармоник),
2
все сигналы в системе ограничены, и ошибка слежения e(t ) стремится к
нулю при t → ∞ .
Доказательство. Рассмотрим положительно-определенную функ-
цию V как функцию Ляпунова
V = eaT Pea + tr{[c(t ) + ∆A]T H c−1[c(t ) + ∆A]} +
(16)
+ tr{[γ (t ) + ∆D ]T H γ−1[γ (t ) + ∆D ]},
где tr{⋅} — операция взятия следа матрицы.
Полная производная функции V по времени, вычисленная по отно-
шению к (13), с учетом (15) запишется следующим образом:
V = − eaT Qea + 2eaT PBm [c(t ) + ∆A] x (t ) +
+ 2tr{[c(t ) + ∆A]T H c−1c(t )} + 2eaT PBm [γ (t ) + ∆D ] f [ x (t )] + (17)
+ 2tr{[γ (t ) + ∆D ]T H γ−1γ (t )}.
Таким образом, если законы адаптации определить в виде (14), то выраже-
ние (17) можно записать как
V = − eaT Qea ≤ 0. (18)
Это означает, что сигналы ea (t ), c(t ), γ (t ) ограничены (то есть
ea (t ), c(t ), γ (t ) ∈ L∞ ). Покажем теперь ограниченность e(t ) и как следствие
ограниченность xa (t ) .
Запишем с учетом (1,3,6) уравнение для ошибки e(t ) = x (t ) − xm (t )
e(t ) = Ae(t ) + Dφ [e(t ), t ] +
(19)
+ Bm [c(t − τ ) + ∆A] xm (t ) + Bm [γ (t − τ ) + ∆D ] f [ xm (t )].
Что означает, так как сигналы c(t ), γ (t ), um , xm ограниченны, а матрица
A — гурвицева, ограниченность e(t ) и e(t ) , то есть e(t ), e(t ) ∈ L∞ . Из этого
следует (т. к. e = x − xm ), что x ∈ L∞ и в соответствии с (13) ea (t ) ∈ L∞ .
Учитывая, что V ≥ 0,V ≤ 0 и ea (t ) ∈ L∞ можно записать:
1) ошибка ea ∈ L2 ∩ L∞ , ⇒ ea → 0 при t → ∞ и c, c, γ , γ ∈ L∞ ,
2) c, γ ∈ L2 ∩ L∞ , ⇒ c, γ → 0 при t → ∞ ,
1051
что означает, в соответствии со стандартными положениями теории Ляпу-
нова, выполнение следующих условий:
lim ea (t ) = 0,
t →∞
lim c(t ) = c * = const , (20)

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).
Пример численного моделирования
Для иллюстрации эффективности предложенной схемы адаптивного

управления с модельным упреждением, рассмотрим случай управления ус-
тойчивым объектом (1) с эталонной моделью (3). Время запаздывания в
канале управления τ = 5 секунд.
При моделировании были выбраны следующие параметры объекта и
модели (n = 2, m = 1):
0 1  0 1  0  0
A=  , A =
 m  − 1 − 2 , B = B m = 1 , D == 2.
 − 5 − 10      
Нелинейная функция в математическом описании объекта имеет вид
f [ x (t )] = x1 sin 2 ( 2 x1 )
В соответствии с методикой, изложенной в предыдущем разделе парамет-
ры регулятора (6,14,15) были заданы в виде:
1052
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.
Рис. 1 Переходные процессы в адаптивной системе.
На рис. 1, a приведены кривые x (t ) и xm (t ) , показывающие динами-

ку адаптивного слежения неопределенного объекта за детерминированной
эталонной моделью. Как видно из рисунка процесс сходится за время
t ≈ 100 секунд.
Изменение во времени управления u(t ) , и задания на эталонную мо-
дель um (t ) иллюстрирует рис. 1, b.
На рис. 1, c представлена динамика изменения вспомогательного
сигнала xa (t ) . Динамику настройки коэффициентов c(t ), γ (t ) иллюстриру-
ет рис. 1, d.
1053
Заключение
Предложенная в данной статье структура адаптивного управления с

модельным упреждением для объектов с входным запаздыванием, являет-
ся одним из возможных приемов борьбы с эффектом временного запазды-
вания в канале управления. Использование для управления сигналов упре-
ждения выхода детерминированной эталонной модели x m (t + τ | t ) и выхо-
да специально введенной вспомогательной динамической системы xa (t ) ,
позволило избежать трудностей, связанных с прогнозированием выхода
параметрически неопределенного объекта управления. Требование нали-
чия в замкнутом контуре сигнала с богатым спектром (то есть идентифи-
цируемость параметра настройки), объясняется присутствием в структуре
управляющего устройства неявного прогноза выхода объекта управления,
без которого эффективно управлять им по принципу обратной связи не
представляется возможным.
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
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
УДК 519.6
КОНТУРНОЕ ПРЕДСТАВЛЕНИЕ ЛИНЕЙНЫХ СИСТЕМ

УПРАВЛЕНИЯ
Мироновский Л. А.
Университет аэрокосмического приборостроения, Санкт-Петербург,
e-mail: mir@aanet.ru
При исследовании систем управления важную роль играют канони-

ческие представления, обладающие различными свойствами. В данной ра-
боте вводится новое каноническое представление, полезное при исследо-
вании нулевых режимов систем управления. Это так называемое контур-
ное представление и связанная с ним контурная каноническая форма. В
них в явном виде выделяется подсистема, полюсы которой совпадают с
нулями исходной системы.
Рассмотрим скалярную линейную систему, заданную передаточной
функцией
an =1, bm =k≠ 0, m<n. (1)
Величина l = n–m>0, равная разности порядков числителя и знамена-
теля передаточной функции, называется относительным порядком системы
и характеризует ее инерционность. Наряду с описанием (1) будем исполь-
зовать описание в пространстве состояний
X = AX + b u , y = cX , (2)
где u и y — входной и выходной сигнал системы, Х — вектор состояния.
В рамках этого описания относительный порядок системы может
быть найден как номер первого ненулевого марковского параметра в по-
следовательности h0 = cb, h1 = cAb, h2 = cA 2 b, …. Числа m, n, l несут важную
информацию о структуре и особенностях системы — числе ее нулей, по-
люсов, времени запаздывания. Следующей леммой вводится полезная де-
композиция системы на две подсистемы порядков l и m.
Лемма (о контурном представлении передаточной функции).
Любую систему с передаточной функцией (1) можно единственным обра-
зом представить в виде встречно-параллельного соединения двух подсис-
тем с передаточными функциями (рис. 1)
1 B0 ( p )
Q0 ( p ) = , Q1 ( p) = ,
A0 ( p ) B( p )
(2)
где порядок полинома А0(р) равен относительному порядку системы l, по-
рядок полинома В(р) равен m, а порядок полинома В0(р) меньше m, так что
дробь Q1(p) — правильная.
1056
u y
Q0(p)
-1
Q1(p)
Рис. 1.
Указанное представление получается в результате выполнения

первого шага разложения Q(p) в цепную дробь по алгоритму Евклида. Оно
явно выделяет часть системы, отвечающую за запаздывание ее выходного
сигнала относительно входного. Характерная черта такого представле-
ния — наличие в сигнальном графе системы только одного прямого пути
от входа до выхода, причем этот путь проходит через l интеграторов.
В пространстве состояний контурному представлению (2) соответст-
вует контурная каноническая форма. В отличие от других канонических
~
форм — модальных, сопровождающих, цепных — матрица A контурного
представления содержит в себе информацию обо всех трех матрицах A, b, c
исходной системы, а не только о матрице А. Таким образом, в первую оче-
~
редь она характеризуется предельно простым видом матриц b , c~ , которые
содержат только по одному ненулевому элементу, и уже затем регулярной
~
структурой матрицы A , содержащей n + m + 1 варьируемых параметров
(все они расположены в двух столбцах).
Для получения контурного представления надо записать обратную
1 A( p)
передаточную функцию = , выделить в ней целую часть — поли-
Q( p) B( p)
ном А0(р) и остаток — полином В0(р). Это можно сделать всегда, и притом
единственным образом. В пакете MATLAB для этого удобно использовать
функцию deconv.
Более сложной является процедура получения контурного представ-
ления для систем, заданных описанием в пространстве состояний (2). Оче-
видный, но несколько громоздкий алгоритм состоит в следующем.
Алгоритм 1.
Шаг 1. Используя формулу Q(p) = c(pE–A)–1b или любой другой спо-
соб, вычислить передаточную функцию системы;
Шаг 2. Для найденной передаточной функции Q(p) = B(p)/A(p), найти
полиномы А0(р) и В0(р) ее контурного представления;
Шаг 3. Выполнить обратный переход от описания с помощью пере-
даточных функций к описанию в пространстве состояний.
Реализация алгоритма 1 на языке MATLAB имеет вид:
sys=ss(a,b,c,0);
1057
stf=tf(sys);
[N,D] = TFDATA(stf,'v');
k0=min(find(abs(N)>1e-9));
N0=N(k0:end);
[A0,B0]=deconv(D,N0);
k1=min(find(abs(B0)>1e-9));
B1=B0(k1:end);
Q0=tf(1,A0);
Q1=tf(B1,N);
A11=fliplr(rot90(compan(A0)));
A22=fliplr(rot90(compan(N0)));
A12=zeros(length(A11),length(A22));
A12(1,end)=-1;
A21=zeros(length(A22),length(A11));
A21(:,end)=rot90(B1);
a1=[A11 A12; A21 A22];
b1=zeros(length(a1),1);
b1(1)=N0(1);
c1=zeros(1,length(a1));
c1(length(A11))=1;
sys1=ss(a1,b1,c1,0); %Feedback Canonical Form
T=ctrb(sys)*(ctrb(sys1))^-1; % state transformation matrix T
Недостаток приведенного алгоритма состоит в трудности пересчета
начальных условий контурного представления в начальные условия ис-
ходной системы и обратно.
Поставим задачу отыскания алгоритма перехода от исходного опи-
сания системы (2) к ее описанию в пространстве состояний. Для этого
сформулируем требования к матричному описанию контурного представ-
ления. Обозначим матрицы подсистемы Q0 через A0, b0, c0, а матрицы под-
системы Q1 — через A1, b1, c1. Из леммы и схемы рис.1 вытекает, что c0 =
ek, b0 = e1Т= [1 0 … 0]T, где ei — i-й единичный орт. Кроме того, дифферен-
циальное уравнение для подсистемы Q0 не должно содержать производных
в правой части, т. е. первые l–1 марковских параметров этой подсистемы
должны быть равны нулю
h0 = cb = 0, h1 = cAb = 0, …, hl − 2 = cAl − 2b = 0. (3)
Тогда выходной сигнал y(t) и его производные можно принять за пе-
ременные состояния подсистемы Q0.
Обозначим через Z1 = [ y, y , , y ( l −1) ]T вектор состояния подсистемы
Q0, через Z2 — вектор состояния подсистемы Q1 с выходом v, а через
Z 
Z =  1  – вектор состояния контурного представления системы. Матричное
Z 2 
описание схемы с обратной связью, представленной на рис. 1, имеет вид:
Z1 = A11 Z1 + b0 u − b1v, y = c0 Z1;
Z 2 = A22 Z 2 + b1 y, v = c1 Z 2 .
Его можно переписать в форме

1058
~ ~
Z = A Z + b u, y = c~Z , (4)
~ ~
где матрицы A, b , c~ имеют блочную структуру.
~
Матрицы b , c~ имеют ровно по одному ненулевому элементу, а вне-
~
диагональные клетки матрицы A содержат одну ненулевую строку и один
ненулевой столбец. Клетки А11 и А22 имеют размеры lxl и (m-l)x(m-l) соот-
ветственно, а размеры внедиагональных клеток lx(m-l) и (m-k)xl, где l —
это относительный порядок передаточной функции системы.
~ ~
Указанная структура матриц A, b , c~ следует из равенств (3) для мар-
ковских параметров. Внутренняя структура матриц А0 и А1 в контурном
представлении принципиальной роли не играет и может быть взята, на-
пример, сопровождающей.
Системы (2) и (4) подобны, поэтому их матрицы должны быть связа-
ны преобразованием вида
~ ~
A = T −1 AT , b = T −1b, c~ = cT , X (0) = TZ (0), (6)
где Т — невырожденная матрица замены переменных X=TZ. Поэтому про-
блема преобразования исходной системы, заданной своим описанием в
пространстве состояний (2), к контурному представлению, сводится к оты-
сканию матрицы Т.
Один из способов отыскания матрицы Т опирается на процедуру,
описанную выше. Он состоит в том, чтобы сначала по исходному описа-
нию системы (2) найти ее передаточную функцию
Q( p ) = c( pE − A) b = B( p) / A( p ), далее, выполнив один шаг алгоритма Евкли-
−1
да, перейти к контурному представлению передаточной функции. Затем,

выписав для него матрицы A0, b0, c0, A1, b1, c1, сформировать по ним матри-
~ ~
цы A, b , c~ , после чего решить стандартную задачу отыскания матрицы за-
мены переменных Т, связывающей две известные эквивалентные реализа-
~ ~ ~
ции (A, b, c) и ( A, b , c~ ). Один из вариантов решения дает формула T = RR −1 ,
~
где R и R — матрицы управляемости систем (3) и (4).
Ясно, что это достаточно громоздкий способ, поэтому желательно
найти более простой алгоритм, не требующий перехода от описания в про-
странстве состояний к передаточным функциям.
Используем имеющуюся свободу в задании матрицы Т для приведе-
~
ния диагональных клеток матрицы A к фробениусовой форме вида
× 1 0 0 0
× 0 1 0 0 

 ,
 
× 0 0 0 1
 × 0 0 0 0 
где крестиками обозначены варьируемые элементы матрицы (коэффициен-
ты ее характеристического полинома с обратным знаком).
В этом случае матрицы (6) примут вид:
1059
 − α b −1 1 0 0 0 0 0 0 0 0 0
− α 0 1 0 0 0 0 0 0 0  0
 b−2  
   
   
 − α1 0 0 0 1 0 0 0 0 0 0
~  − α0 0 0 0 0 1 0 0 0 0 ~ l 
A = , b =  ,
 β m −1 0 0 0 0 − bm −1 1 0 0 0 0 (7)
β 0 0 0 0 − bm − 2 0 1 0 0 0
 m−2   
   
 β 0 0 0 0 − b1 0 0 0 1 0
 1   
 β 0 0 0 0 0 − b0 0 0 0 0   0 
c~ = [ 1 0 0 0 0 0 0 0 0 0 ].
Такому описанию отвечает структурная реализация контурного
представления, при которой подсистемы Q0 и Q1 реализованы в идентифи-
кационной канонической форме, а знак отрицательной обратной связи уч-
тен в коэффициентах β 0 , ..., β m −1.
~ ~
Число варьируемых параметров в матрицах A, b , c~ равно n+m+1,
т. е. совпадает с числом коэффициентов передаточной функции (1). Отсю-
да вытекает, что контурное представление с матрицами (7) единственно,
поэтому оно является канонической формой.
Матрицы контурной канонической формы имеют следующие харак-
терные черты:
~
– все столбцы матрицы A , кроме двух, имеют вид единичных ортов;
~
– матрица A имеет вид матрицы Хессенберга с единичной наддиагона-
лью a~k +1,k = β0;
~
– диагональные блоки А11 и А12 размеров lxl и (m-k)x(m-k) матрицы A
имеют фробениусову структуру с ненулевыми последними столбцами;
~
– все элементы блока А12 матрицы A равны нулю, за исключением еди-
ничного элемента в ее левом нижнем углу;
~
– все элементы блока А21 матрицы A1 , кроме первого столбца, равны ну-
лю;
~
– матрица-столбец b имеет вид единичного орта еk, домноженного на
значение первого ненулевого марковского параметра системы hl = k;
– матрица-строка c~ имеет вид единичного орта еlT.
В отличие от других канонических форм — модальных, сопровож-
~
дающих, цепных — матрица A контурной канонической формы содержит
в себе информацию о всех трех матрицах A, b, c исходной системы, а не
только о матрице А. В первую очередь она характеризуется предельно
~
простым видом матриц b , c~ , которые содержат только по одному ненуле-
~
вому элементу, и уже затем регулярной структурой матрицы A , содержа-
1060
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
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.
Работа выполнена при финансовой поддержке РФФИ (грант № 04-

01-00464) и Минобразования (грант № Т02-03.2-1113).
1062
УДК 711.7
РОБАСТНОЕ ВОССТАНОВЛЕНИЕМ МАТРИЦ

КОРРЕСПОНДЕНЦИЙ С ИСПОЛЬЗОВАНИЕМ
БИБЛИОТЕКИ OPTIMIZATION TOOLBOX
Михайлов А. Ю., Головных И. М., Лагерев Р. Ю.

Иркутский государственный технический университет, Иркутск,
e-mail:road@istu.irk.ru
В данной статье изложены результаты исследований возможностей

применения OPTIMIZATION TOOLBOX для решения одной из наиболее
актуальных задач оценки улично-дорожных сетей (УДС). В зарубежной
теории и практике проектирования транспортных систем уже с 70-х годов
уделялось большое внимание методам восстановления матриц корреспон-
денций в виде потоков транспортных средств (Estimation of Origin-
Destination Matrix from Traffic Counts). Методы восстановления сущест-
вующих матриц корреспонденций отнесены специалистами «Мировой до-
рожной ассоциации» (PIARC) к числу важнейших инструментов анализа
УДС. В американском руководстве Highway Capacity Manual 2000 восста-
новлению матриц корреспонденций уделено большое внимание (Глава 29
«Corridor analysis») и изложен метод такой оценки применительно к маги-
стральным дорогам. По данной тематике имеется обширнейшая библио-
графия, которую невозможно представить в рамках статьи.
В нашей стране в первую очередь получила развитие теория расче-
тов пассажиропотоков, в том числе, были предложены методы оценки су-
ществующих матриц корреспонденций на маршрутном пассажирском
транспорте [1]. Собственно методам восстановления матриц корреспон-
денций в виде потоков транспортных было посвящено лишь несколько ис-
следований [3,4], что объяснялось относительно меньшим интересом к
проблемам проектирования и реконструкции УДС.
Продолжающийся рост автомобильного парка и объемов движения в
российских городах требует совершенствования инструментария проекти-
рования и оценки УДС. Поэтому представляется интересным рассмотреть
возможности решения рассматриваемой задачи применительно к россий-
ским условиям, учитывая, в первую очередь применяющиеся методы об-
следований интенсивности движения. Как правило, такие обследования
проводятся в пиковые часы с подсчетом транспортных средств разных ти-
пов на всех направлениях движения на каждом из обследуемых перекрест-
ков. Поэтому формулируется задача регрессионной оценки матрицы кор-
респонденций для следующих условий:
1063
• 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
1 2 6 8 12 14 k-7 k-6 k-1 k
4 7 10 13 k-4 k-2
Рис. 1. Представление маршрута движения в виде ориентированного графа для опреде-

ления матрицы корреспонденций: 1,3,4,5,7,9,10,11,13, …, k-4, k-5, k-4, k-3, k-2, k - вер-
шины графа, в которых возникают и заканчиваются корреспонденции (O-D pairs).
1064
а) вершины матрицы корреспон-
денций транзитных потоков («за-
грузочные» вершины) центра Ир-
кутска и интенсивности движения
в вечерний час пик, физ.ед./ч
б) граф для оценки матрицы кор-

респонденций из вершины 1 в вер-
шины 1,2,3, �

Язык

section - 3 - p - 2 Проектирование система автоматического управления и регулирования

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

section - 3 - p - 2 Проектирование система автоматического управления и регулирования

Загружено:

Авторское право:

СЕКЦИЯ 3.

Проектирование систем автоматического

Кошелев П. А., Парамонов С. В., Пшенкин С. Н.

Кошелев П. А., Парамонов С. В., Пшенкин С. Н.

Требования к системе питания установки плазменной резки.

Наибольшей производительностью и экономичностью при резке и

Структура системы питания

Силовая часть современного ИП обычно включает последовательно

Рис. 1. Динамические звенья системы питания.

На рис. 1 представлена совокупность динамических звеньев, обра-

Анализ динамической системы стабилизации тока

Матрица частных передач графа G и вектор задающих передач J :

% Числитель ni1и знаменатель di1 ПФ

% Вычисление суммы полиномов произвольных размеров и форматов.

Рис. 3. Переходные характеристики по току.

Для наглядности результаты анализа представлялись в матричной

Проведенные численные эксперименты не позволили получить

Рис. 8. Поверхность значений целевой функции.

Оптимизация проводилась по 6 переменным.

Рис. 9. Переходная характеристика по току оптимизированной системы.

С помощью программного пакета MATLAB спроектирован источник

СИНТЕЗ МОДАЛЬНОГО РЕГУЛЯТОРА ДЛЯ

Широкое развитие цифровых управляющих устройств, обладающих

Поставим задачу разработки методики расчета модального регулято-

Для дискретной системы управления будет справедливо следующее:

Пусть передаточная функция объекта непрерывной системы управ-

Зададимся передаточной функцией замкнутой системы

Тогда для шага дискретизации h=0,1 передаточная функция объекта

В настоящий момент произведена программная реализация метода

МОДЕЛИРОВАНИЕ ПРОБЛЕМЫ РЕГИОНАЛЬНОЙ

Занимаясь решением задач, построением математических моделей и

Рассматривается задача о разделении некоторого экономического ре-

Модель1 — разделение при линейной модели рынка.

В модели приняты допущения:

Рис. 1. Функции предпочтения для двух фирм с фиксированным размещением ведущих

и α 2 , то их пересечение A1 ∩ A2 также ограничено выпуклым нечетким

M i = x µ Ai ( x) ≥ max min[µ A1 ( x), µ A2 ( x)] для всех x∈ M i .

можно определить торговые зоны M 1 , M 2 ,..., M m . При этом каждая из этих

M i =  x µ Ai ( x) ≥ min max min[µ Ai ( x), µ A j ( x)] для всех x∈ M i .

Модель2 — общая модель разделения торговой зоны

... ... ... ...

нейших признаков y, которое потребитель x использует для оценки фирмы,

 ... ... ... 

Если порог выбран, то торговая зона описывается нечетким множеством

Решение модельных задач

Средствами пакета Fuzzy Logic, входящего в состав вычислительной

МОДЕЛИРОВАНИЕ ПРЕДЕЛЬНЫХ СОСТОЯНИЙ

Кучерюк В. И., Кузяков О. Н., Дубатовка У. В.

Рассматриваются составные тонкостенные конструкции (пластины,

Геометрическое Моделирование МATLAB

Кинематический метод Статический метод

Рис. 1. Основные этапы математического моделирования.

Для определения прогибов и перемещений в срединных поверхно-

СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ

В настоящем сообщении приводятся результаты исследования авто-

Рис. 1. Структура моделируемого устройства: 0 — подвижное основание; 1 — вра-

Рис.2. Временная диаграмма структуры циклов.

Таким образом, объект управления на всем промежутке функциони-

Модель ДСУ объекта с использованием языка программирования

При разработке математической модели ДСУ объектом, пригодной

Моделирование ДСУ объекта с использованием языка

Кроме моделирования с использованием MATLAB-средств, парал-

При моделировании различных задач в среде MATLAB с использо-

Рис. 3. Модель системы, построенная в графическом редакторе Simulink.

Дополнительной сложностью при построении моделей в графиче-

Если представить (15) и (16) в виде квадратных матриц B0 и B1 , у

% Нахождение интервальной матрицы [Anew]=[inv(B)][A][B]

% Имеем A=HLinv (H). Предполагаем [A]=H[L]inv (H)