自动控制原理(一)数学模型

负反馈原理

将系统的输出信号引回输入端,与输入信号相比较,利用所得的偏差信号进行控制,达到减小偏差、消除偏差的目的。

ps:负反馈比较点处的“-”号,表示输出信号与输入信号相减,得到偏差。

建模过程

image

传递函数可以由微分方程转化而来,不过微分方程组消中间变量比较麻烦,所以我们通常直接列写传递函数。

线性定常系统微分方程

线性指满足叠加原理。

a_n \frac{\mathrm{d}^n c(t)}{\mathrm{d} t^n}+a_{n-1} \frac{\mathrm{d}^{n-1} c(t)}{\mathrm{d} t^{n-1}}+\ldots+a_1 \frac{\mathrm{d} c(t)}{\mathrm{d} t}+a_0 c(t)=b_m \frac{\mathrm{d}^m r(t)}{\mathrm{d} t^m}+b_{m-1} \frac{\mathrm{d}^{m-1} r(t)}{\mathrm{d} t^{m-1}}+\ldots+b_1 \frac{\mathrm{d} r(t)}{\mathrm{d} t}+b_0 r(t)

右边是输入及输入的导数,左边是输出及输出的导数。

传递函数

一般形式:

G(s)=\frac{b_m s^m+b_{m-1} s^{m-1}+\ldots+b_1 s+b_0}{a_n s^n+a_{n-1} s^{n-1}+\ldots+a_1 s+a_0}

将传递函数分子、分母最高次项系数均化为1,称为首1标准型

G(s)=\frac{K^{*}(s^m+\ldots)}{s^n+\ldots}

若将首1标准型分子、分母因式分解可写为:

G(s)=\frac{K^{*}\left(s-z_{1}\right)\left(s-z_{2}\right) \cdots\left(s-z_{m}\right)}{\left(s-p_{1}\right)\left(s-p_{2}\right) \cdots\left(s-p_{n}\right)}

此时 z_1,z_2,\cdots,z_m 称为零点, p_1,p_2,\cdots,p_m 称为极点。即传递函数分子的根称为零点,分母的根称为极点

将传递函数分子、分母最低次项系数均化为1,称为尾1标准型

G(s)=\frac{K(\ldots+1)}{\ldots+1}

这里,K称为增益

注意:最低次项不一定是常数项。所以尾1标准型可能是这样的:

G(s)=\frac{K(\ldots+s)}{\ldots+s^2}

典型环节及其传递函数

image

结构图等效

image

image

梅森增益公式

G(s)=\frac{1}{\Delta}\sum_{k=1}^{n} P_{k} \Delta_{k}

\Delta = 1-\sum L_{a}+\sum L_{b} L_{c}-\sum L_{d} L_{e} L_{f}+\cdots

\Delta - 特征式
\Delta_{k} - 去除与第 k 条前向通路接触的回路,剩余回路构成的特征式
n - 前向通路的条数
P_k - 第 k 条前向通路的总增益
\sum L_{\text {a }} - 所有不同回路的回路增益之和
\sum L_{b} L_{c} - 两两互不接触回路的回路增益之和
\sum L_{d} L_{e} L_{f} - 三个互不接触回路的回路增益之和

开环传递函数

image

对于上图的控制系统,常用的传递函数有这么几个:

\Phi(s)=\frac{C(s)}{R(s)}=\frac{G_{1}(s) G_{2}(s)}{1+G_{1}(s) G_{2}(s) H(s)}

\Phi_e(s)=\frac{E(s)}{R(s)}=\frac{1}{1+G_{1}(s) G_{2}(s) H(s)}

\Phi_n(s)=\frac{C(s)}{N(s)}=\frac{G_2(s)}{1+G_{1}(s) G_{2}(s) H(s)}

\Phi_{ne}(s)=\frac{E(s)}{N(s)}=\frac{-G_2(s)H(s)}{1+G_{1}(s) G_{2}(s) H(s)}

其中 G_{1}(s) G_{2}(s) H(s) ,可以看成“人为”地断开系统的主反馈通路,将前向通路与反馈通路上的传递函数乘在一起,所以称为系统的开环传递函数。开环传递函数对应的增益称为开环增益

posted @ 2022-08-12 17:18:03
评论加载中...
发表评论