szakdolgozat - bme műszaki mechanikai tanszékmolnar/publication/2012_molnar_bsc_thesis.pdfsummary...
TRANSCRIPT
Budapesti Műszaki és Gazdaságtudományi Egyetem
Gépészmérnöki Kar
Műszaki Mechanika Tanszék
Késleltetett visszacsatolást tartalmazó instabil rendszerek
stabilizálása megoszló időkésést tartalmazó szabályozóval
Készítette: Molnár Tamás Gábor
Budapest, 2012
Konzulens: Dr. Insperger Tamás, egyetemi docens
Műszaki Mechanika Tanszék
Nyilatkozat
Alulírott Molnár Tamás Gábor, a Budapesti Műszaki és Gazdaságtudományi Egyetem
hallgatója kijelentem, hogy ezt a szakdolgozatot meg nem engedett segítség nélkül, saját
magam készítettem, és a szakdolgozatban csak a megadott forrásokat használtam fel. Minden
olyan részt, amelyet szó szerint vagy azonos értelemben, de átfogalmazva más forrásból
átvettem, egyértelműen a forrás megadásával megjelöltem.
..............................................
Molnár Tamás Gábor
Köszönetnyilvánítás
Szeretném megköszönni konzulensemnek, Dr. Insperger Tamás egyetemi docensnek a
szakmai kérdésekben nyújtott nélkülözhetetlen segítséget, valamint azt a rengeteg időt és
energiát, mellyel munkámat előrelendítette.
Köszönöm családomnak a türelmet, önzetlen segítséget és támogatást, mely nem csupán
munkám, hanem egész életem során végigkísért.
Köszönöm egyetemi évfolyamtársaimnak segítőkész hozzáállásukat és támogatásukat,
melyre egyetemi tanulmányaim során mindig számíthattam.
Summary
In this thesis we deal with an important subject of control theory, namely the problems
induced by the delay appearing in the control loop. We may see that this delay can cause loss
of stability of the closed loop system and, in case of an overly long delay, constructing a
stable control may not be possible. Besides one may notice that the control of time-delay
systems is an infinite dimensional problem. In order to solve the differential equation
describing the system the knowledge of infinitely many initial values is required and the
system possesses infinitely many characteristic exponents.
In order to find a solution for the delay problem, we study the finite spectrum assignment
control method. This procedure compensates the effect of the input delay through the use of a
control equation that contains a distributed delay term. We may notice that this method can
realize a closed loop system that operates with a predefined dynamic behavior in the ideal
case. It can be achieved by the means of prediction and negative feedback of the predicted
state. Thus finitely many poles of the original system - which had an infinite spectrum - can
be shifted to desired values and the other ones are automatically eliminated. Furthermore we
may get acquainted with the fact that the sensitivity with respect to the parameters used for
the prediction means the main difficulty of applying this control method. So as to attain an
effective control procedure it is necessary to approximate the system parameters and the value
of the time-delay exactly.
In addition we examine the problems appearing by the realization of the integral term that
contains the above mentioned distributed delay. We analyze the conditions of the stability of
the governing neutral functional differential equation and the effect of the difference part of
this equation on stability as well. We also study the discretization of the system using
different time steps and a numeric control procedure that uses piecewise constant input.
Moreover we ascertain the applicability of this method for stabilization of unstable
processes through the example of balancing an inverted pendulum. In this example we create
the stability charts of the closed loop system in the case of continuous and piecewise constant
inputs as well. Additionally we examine the realization of the fastest balancing, the control of
the stick position and the critical dimensionless system parameter value. On the basis of the
latter value we compare the finite spectrum assignment method with the academic PD
controller. We may note that for stabilization the former one is more effective and has more
prosperous properties.
Tartalomjegyzék
Bevezető ..................................................................................................................................... 1
1. fejezet: Lineáris differenciálegyenletek ................................................................................. 2
1.1 Autonóm egyenletek ......................................................................................................... 2
1.1.1 Autonóm lineáris közönséges differenciálegyenlet ................................................... 3
1.1.2 Autonóm lineáris késleltetett differenciálegyenlet .................................................... 3
1.2 Késleltetett elsőrendű skalár egyenletek ........................................................................... 6
1.2.1 Hayes-egyenlet ........................................................................................................... 6
1.2.2 Cushing-egyenlet ....................................................................................................... 8
1.3 Másodrendű skalár egyenletek ......................................................................................... 9
1.3.1 Késleltetés nélküli egyenlet ....................................................................................... 9
1.3.2 Csillapítás nélküli egyenlet ...................................................................................... 10
1.3.3 Csillapítással és késleltetéssel is rendelkező egyenlet ............................................. 11
1.3.4 PD szabályozó alkalmazása ..................................................................................... 12
2. fejezet: Az inverz inga stabilizálási problémái .................................................................... 15
2.1 Az inverz inga mozgásegyenlete .................................................................................... 15
2.2 Az inverz inga állapottér modellje .................................................................................. 17
2.3 Az inverz inga egyensúlyozása PD szabályozóval ......................................................... 17
2.4 A mozgásegyenlet dimenziótlanítása ............................................................................. 18
3. fejezet: Szabályozás véges spektrum hozzárendelés segítségével ....................................... 20
3.1 Szabályozás pólusáthelyezés segítségével ...................................................................... 20
3.2 Stabilizálás véges spektrum hozzárendelés segítségével ................................................ 21
3.3 A véges spektrum hozzárendelés megvalósítási problémái ........................................... 23
3.4 A véges spektrum hozzárendelés speciális esetei ........................................................... 27
3.5 A véges spektrum hozzárendeléses szabályozás hatásvázlata ........................................ 28
4. fejezet: Inverz inga szabályozása véges spektrum hozzárendelés alapján ........................... 30
4.1 Stabilitási térképek ......................................................................................................... 30
4.1.1 Minden szabályozási paraméter pontosan ismert .................................................... 32
4.1.2 Egyedül a visszacsatolás időkésése ismert pontosan ............................................... 33
4.1.3 Egyetlen paraméter sem ismert pontosan ................................................................ 34
4.1.4 Az egyenlet differencia részének stabilitása ............................................................ 35
4.2 Numerikus szimuláció .................................................................................................... 37
4.2.1 A rendszer és a szabályozó egyenletének diszkretizálása ........................................ 38
Tartalomjegyzék
ii
4.2.2 Állapot kiegészítés ................................................................................................... 40
4.2.3 Stabilitási térképek numerikus elkészítése ............................................................... 41
4.2.4 A mozgásegyenlet numerikus megoldása ................................................................ 46
4.3 Leggyorsabb beállás vizsgálata ...................................................................................... 47
4.4 Kritikus dimenziótlan rendszerparaméter ....................................................................... 50
4.5 Stabilizálás a vízszintes irányú mozgás figyelembe vételével ....................................... 53
4.5.1 Az állapottér modell bővítése .................................................................................. 54
4.5.2 Stabilitási térképek ................................................................................................... 56
4.6 Szabályozás hatásvázlat felhasználásával ...................................................................... 57
Összefoglalás ............................................................................................................................ 59
Irodalomjegyzék ....................................................................................................................... 60
A. függelék: A numerikus szimulációknál alkalmazott Matlab-kódok .................................... 61
A.1 Az inverz inga mozgásegyenletének numerikus megoldása ......................................... 61
A.2 Az inverz inga vízszintes irányú mozgásának szabályozása ......................................... 62
A.3 A stabilitási térkép és a szintvonalas ábra numerikus elkészítése ................................. 64
A.4 A szimuláció megvalósítása hatásvázlat alapján ........................................................... 68
Ábrajegyzék
1.1. ábra: A Hayes-egyenlet stabilitási térképe esetén. .................................................. 7
1.2. ábra: A Cushing-egyenlet stabilitási térképe és esetén. ......................... 9
1.3. ábra: A késleltetés nélküli másodrendű csillapított egyenlet stabilitási térképe. ............. 10
1.4. ábra: A késleltetett, csillapítással nem rendelkező másodrendű egyenlet stabilitási
térképe esetén. ............................................................................................................. 11
1.5. ábra: Az általános másodrendű, egyetlen diszkrét késleltetéssel bíró egyenlet stabilitási
térképe és esetén. .......................................................................................... 12
1.6. ábra: Az időkésés nélküli PD szabályozóval ellátott, csillapítás nélküli másodrendű
rendszer stabilitási térképe és esetén. .......................................................... 13
1.7. ábra: Az időkéséses PD szabályozóval ellátott rendszer stabilitási térképe és
esetén. .................................................................................................................... 14
2.1. ábra: Az inverz inga mechanikai modellje. ...................................................................... 15
3.1. ábra: A véges spektrum hozzárendeléses szabályozás hatásvázlata. ............................... 29
4.1. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozás stabilitási
térképe , , , esetén. ......................................................................... 33
4.2. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozás stabilitási
térképe , , , esetén. ................................................................... 34
4.3. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozás stabilitási
térképe , , , esetén. .............................................................. 35
4.4. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozás különböző
paraméter becslésekre kapott stabilitási térkép sorozata , esetén. .................... 36
4.5. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozási egyenlet
differencia részének stabilitási térképe , , , esetén. ............. 37
4.6. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozás stabilitási
térképe a differencia rész stabilitását is figyelembe véve , , ,
esetén. ....................................................................................................................................... 38
4.7. ábra: Numerikusan megvalósított véges spektrum hozzárendelést alkalmazó inverz inga
szabályozás stabilitási térképe. ................................................................................................. 42
4.8. ábra: Numerikusan megvalósított véges spektrum hozzárendelést alkalmazó inverz inga
szabályozás stabilitási térképének változása a különböző paraméter becslések mellett. ......... 43
Ábrajegyzék
iv
4.10. ábra: Numerikusan megvalósított véges spektrum hozzárendelést alkalmazó inverz inga
szabályozás stabilitási térképe a differencia rész stabilitásra gyakorolt hatását megmutatva. . 45
4.11. ábra: A numerikus szimuláció eredménye szögelfordulás és
szögsebesség kezdeti feltételekkel. .......................................................................................... 46
4.12. ábra: A numerikus szimuláció eredménye szögelfordulás és
szögsebesség kezdeti feltételekkel. .......................................................................................... 47
4.13. ábra: A numerikus szimuláció eredménye szögelfordulás és
szögsebesség kezdeti feltételekkel. .......................................................................................... 47
4.14. ábra: A maximális abszolút értékű karakterisztikus multiplikátorok szintvonalas
megjelenítése. ........................................................................................................................... 49
4.15. ábra: A leggyorsabb beállást mutató numerikus szimuláció eredménye
szögelfordulás és szögsebesség kezdeti feltételekkel. .................................... 49
4.16. ábra: A kritikus dimenziótlan rendszerparaméter értéke a paraméter becslések
hibájának függvényében különböző dimenziótlan szimulációs időlépések esetén. ................. 51
4.17. ábra: A kritikus dimenziótlan rendszerparaméter értéke a paraméter becslések
hibájának függvényében kis hibák esetén. ............................................................................... 52
4.18. ábra: A kritikus dimenziótlan rendszerparaméter értéke a paraméter becslések
hibájának függvényében nagy hibák esetén. ............................................................................ 52
4.19. ábra: A numerikus szimuláció eredménye szögelfordulás,
szögsebesség, pozíció és sebesség kezdeti feltételekkel. ................. 54
4.20. ábra: A vízszintes mozgás szabályozását is megvalósító numerikus szimuláció
eredménye , , és kezdeti feltételekkel. ..... 55
4.21. ábra: A vízszintes mozgást is stabilizáló, véges spektrum hozzárendelést alkalmazó
inverz inga szabályozás stabilitási térképei különböző szabályozó paraméterekre. ................ 57
4.22. ábra: A véges spektrum hozzárendelést alkalmazó inverz inga szabályozás hatásvázlat
általi megvalósításával kapott kimeneti jelalak. ....................................................................... 58
A.1. ábra: A szimulációt megvalósító SimuLink program blokk diagramja. ......................... 68
Bevezető
A szabályozástechnikában fontos problémát jelent a szabályozási körben fellépő időkésés
kezelése. Az időkésés abból ered, hogy a kimenet, illetve a rendszerállapotok méréséhez, a
jelek szabályozókörben való terjedéséhez és a beavatkozás meghatározásához időre van
szükség. Így egy adott rendszerállapothoz tartozó beavatkozás hatása valamekkora késleltetési
idővel később jut érvényre, mialatt a rendszerállapot megváltozik. Ezáltal a beavatkozás nem
fogja a tervezett rendszerállapotokat és kimenetet megvalósítani. Ezért az időkésés hatásával
már a tervezés során számolni kell. Továbbá az időkésés nehezíti a szabályozást, csökkenti a
zárt szabályozási kör stabilitását, és nem megfelelő szabályozó paraméterekkel
stabilitásvesztéshez vezethet. Túlzott mértékű időkésés esetén előfordulhat, hogy a rendszer
stabil szabályozása nem is lehetséges.
Az időkésés problémájának kezelésére megoldást jelent a véges spektrum hozzárendeléses
szabályozás (angolul finite spectrum assignment). Ez egy prediktív szabályozási eljárás,
melynek lényege, hogy megjósolja az időkésés után érvényes rendszerállapotokat és ezek
visszacsatolása alapján számítja a beavatkozást. Így a bemeneti késleltetés hatása
kiküszöbölhető. Mindez megoszló időkéséssel rendelkező szabályozóegyenlettel érhető el.
A véges spektrum hozzárendelés előnye, hogy ideális esetben megvalósítja az
állapotszabályozást időkéséses rendszerekre, így a szabályozás során előre tervezett
rendszerdinamika érhető el. Hátránya azonban, hogy a szabályozás érzékeny a szabályozási
kör paramétereire: a rendszer paramétereit és az időkésést nem pontosan ismerve a stabilitás
veszélybe kerülhet, a szabályozóval elérhető stabilitás és beállási gyorsaság mértéke csökken.
Jelen dolgozatban ismertetésre kerülnek a késleltetett differenciálegyenletek alaptípusai és
a legegyszerűbb skalár egyenletek stabilitásvizsgálata. Továbbá bemutatásra kerül a fent
említett megoszló időkéséses szabályozó egyenletet alkalmazó véges spektrum
hozzárendeléses szabályozási eljárás alapgondolata, módszere és megvalósítási problémái.
Az eljárás alkalmas instabil rendszerek stabilizálására is. Ez a tulajdonság egy inverz inga
kiegyensúlyozásának példáján lesz szemléltetve. Ehhez bemutatásra kerül az inga
mozgásegyenlete. Továbbá az inga példáján keresztül ismertetésre kerül a véges spektrum
hozzárendeléses szabályozás stabilitásvizsgálata, az eljárás numerikus implementálása
mintavételezéssel, a leggyorsabb beállás megvalósítása, és annak vizsgálata, hogy milyen
rendszerparaméter és időkésés értékek esetén lehetséges a stabilizálás.
1. fejezet:
Lineáris differenciálegyenletek
A dinamikai rendszerek leírása, matematikai modellezése differenciálegyenletek
segítségével történhet, melyek mutatják, hogy a rendszer állapotának pillanatnyi
megváltozása hogyan függ a pillanatnyi - vagy időkésés esetén éppen a korábbi -
rendszerállapottól. Időkésést tartalmazó rendszerek gyakran fordulnak elő a
szabályozástechnikában, ahol a késést a szabályzókörben végbemenő információ terjedés
véges sebessége okozhatja. Az emberi szervezet esetében ugyanez elmondható az ingerület
véges sebességű terjedése okozta időkésésre is.
Az egyenleteket, amelyekben az állapotváltozás mértéke különböző időpillanatokban
érvényes állapotoktól is függ, funkcionál-differenciálegyenleteknek (angolul functional
differential equation) nevezzük. Ezen egyenleteknek három típusa van: késleltetett, neutrális
és siettetett.
A késleltetett funkcionál-differenciálegyenletek általános alakja:
(1.1)
azaz az állapotváltozás a korábbi állapotoktól függ .
A neutrális funkcionál-differenciálegyenletnél a korábbi állapotváltozás is befolyásolja a
pillanatnyi állapotváltozást:
(1.2)
A siettetett funkcionál-differenciálegyenlet esetén az állapotváltozást az állapot magasabb
rendű deriváltjai is befolyásolják, például:
(1.3)
mely átalakításával olyan alak is létrehozható, melyben az állapotváltozás a későbbi állapottól
függ [1]. Mérnöki alkalmazásban ilyen egyenletek ritkán fordulnak elő, a továbbiakban csak
az első két típussal foglalkozunk.
1.1 Autonóm egyenletek
Autonóm egyenleteknek nevezzük azon differenciálegyenleteket, amelyekben az
állapotváltozás közvetlenül nem függ a idő változótól, így az egyenlet kezdeti értékeihez
tartozó kezdeti időpont tetszőlegesen megválasztható (az általánosság megszorítása nélkül pl.
nullának tekinthető). A következő két pontban ezen egyenletek késleltetés nélküli és
késleltetett típusai kerülnek bemutatásra.
3
1. fejezet:
Lineáris differenciálegyenletek
1.1.1 Autonóm lineáris közönséges differenciálegyenlet
Az autonóm lineáris közönséges differenciálegyenletek általános alakja:
(1.4)
ahol , -es mátrix és
Az kezdeti értékkel a fenti egyenlet megoldása:
(1.5)
A triviális megoldás stabilitását az mátrix sajátértékei, az ún.
karakterisztikus exponensek (más néven karakterisztikus gyökök, vagy pólusok) határozzák
meg. Ezen sajátértékeket a egyenlet megoldásával kapjuk. Az egyenlet bal
oldala egy -edfokú polinomja, amelyet karakterisztikus polinomnak nevezünk. Ha minden
a polinomnak egyszeres gyöke, a megoldás az alábbi alakban is felírható:
(1.6)
ahol . Ezen alakból már látszik, hogy a megoldás akkor lesz stabil, ha a
karakterisztikus exponensek valós része minden esetében negatív. Így a
stabilitás vizsgálat esetében nem kell kiszámolni az összes karakterisztikus exponenst, hanem
elegendő a kritikus - azaz a komplex számsíkon a leginkább jobb oldalt elhelyezkedő, vagyis
a legnagyobb valós résszel rendelkező - karakterisztikus exponens valós részének előjelét
meghatározni. Ezt pl. a Routh-Hurwitz-kritérium segítségével tehetjük meg, mely megadja az
aszimptotikus stabilitás szükséges és elégséges feltételét.
A stabilitásvesztés kétféleképp jöhet létre. Az első esetben csak egy kritikus
karakterisztikus exponens adott. Ekkor az exponens valós szám, azaz képzetes része zérus. A
stabilitásvesztés során ez az exponens válik pozitívvá. A másik esetben egyszerre két kritikus
exponens van, melyek komplex konjugált párok, és ezek a komplex számsík jobb oldalára
vándorolva válnak instabillá (valós részük pozitívvá válik). Az előbbi esetet nyereg csomó
bifurkációnak nevezzük, az utóbbit Hopf bifurkációnak.
1.1.2 Autonóm lineáris késleltetett differenciálegyenlet
Az autonóm lineáris késleltetett differenciálegyenletek általános alakja:
(1.7)
ahol folytonos lineáris funkcionál ( a folytonos függvények tere) és
(1.8)
az alábbi formában írható fel:
1. fejezet:
Lineáris differenciálegyenletek
4
(1.9)
ahol . A közönséges differenciálegyenletnél kapott megoldás alapján a
most vizsgált egyenlet megoldását alakban keressük . Ezt az alakot az
eredeti egyenletbe helyettesítve a következő egyenlethez jutunk:
(1.10)
Ezt karakterisztikus egyenletnek nevezzük, a bal oldalon álló kifejezés a karakterisztikus
függvény, melyet -val jelölünk. Ez tehát a késeltetett esetben már nem -edfokú
polinomja, hanem egy általános függvény. E függvény zérus helyeit továbbra is
karakterisztikus exponenseknek nevezzük, ám ezek száma már nem darab, mint az
időkésleltetés nélküli differenciálegyenletnél, hanem általános esetben végtelen sok exponens
is lehet a komplex síkon. Ám az továbbra is érvényes, hogy a stabilitásvizsgálat során
elegendő a kritikus karakterisztikus exponens(ek) valós részének előjelét megvizsgálni, és
nem szükséges az exponensek értékét pontosan kiszámítani. Ugyanis az aszimptotikus
stabilitás szükséges és elégséges feltétele az, hogy a karakterisztikus exponensek valós része
negatív legyen, továbbá létezzen olyan , melyre teljesül az alábbi kritérium:
(1.11)
ahol az mátrix elemei [2]. E kritérium azt jelenti, hogy a korábbi
rendszerállapotok hatása exponenciálisan csökken.
A stabilitásvizsgálat eredményeként egy ún. stabilitási térkép készíthető, amely a
differenciálegyenlet együtthatói mint paraméterek által kifeszített síkon mutatja meg, mely
paraméter értékeknél lesz a megoldás stabil, illetve instabil esetben hány darab instabil
karakterisztikus exponens létezik. Az instabil karakterisztikus exponensek számát nevezzük
instabilitási foknak. Ha rendszer legalább egy instabil karakterisztikus exponenssel
rendelkezik, akkor mindenképp instabil viselkedést mutat, függetlenül az instabilitási fokának
nagyságától.
A stabilitási térkép a D-helyettesítés módszerével (angolul D-subdivision method)
készíthető el. E módszer azon alapul, hogy a stabilitási térkép olyan tartományokra osztható,
amelyeken belül az instabil karakterisztikus exponensek száma állandó. Az eltérő instabilitási
fokú tartományokat az ún. D-görbék választják el egymástól. Ezen görbéket a
egyenlet segítségével kapjuk, helyettesítéssel (ahol i az imaginárius egység,
pedig a stabilitásvesztéssel fellépő rezgések körfrekvenciája). Azaz amikor megszerkesztjük
5
1. fejezet:
Lineáris differenciálegyenletek
ezeket a görbéket, a karakterisztikus exponens valós részét nullának feltételezzük, hiszen
amikor az instabilitási fok változik, exponensek vándorolnak át a komplex sík bal félsíkjáról a
jobb félsíkjára, így át kell haladniuk az imaginárius tengelyen, ahol a valós részük zérus.
Stabilitási határnak nevezzük azon D-görbéket, melyek a stabil - azaz zérus instabilitási fokú
- területet határolják. A paramétertér egyes tartományaiban az instabilitási fokot az ún.
karakterisztikus exponens váltási irány (angolul exponent crossing direction) módszer vagy a
Stépán-formulák segítségével kaphatjuk meg [3].
Időkésés esetén megkülönböztethetünk diszkrét és megoszló időkésést.
A diszkrét - vagy más néven pont - időkésést tartalmazó differenciálegyenletek az alábbi
alakban adhatók meg:
(1.12)
ahol és -es mátrixok, minden -re és pozitív egész szám.
A megoszló időkésést tartalmazó differenciálegyenletek a következő alakban írhatók fel:
(1.13)
ahol é , valamint mutatja a korábbi
időintervallumban fennálló állapotok jelen állapotváltozásra gyakorolt súlyát. Ha
konstans mátrixokkal megszorzott, időben eltolt Dirac-delta függvényeket tartalmaz,
azaz pl. alakú, akkor a diszkrét időkésés esetét kapjuk vissza. Így a
diszkrét és megoszló időkésés esete a alábbi alakra hozásával választható szét:
(1.14)
Az autonóm lineáris késleltetett differenciálegyenlet, mely megoszló és véges számú
diszkrét időkésést is tartalmaz, a következő alakban írható fel:
(1.15)
Ez a diszkrét és a megoszló időkésést tartalmazó tag szétválasztása után a következő:
(1.16)
A -es súlyfüggvény tehát az általános esetben leírt á xhoz hasonló, ám
csak véges számú konstanssal megszorzott és időben eltolt Dirac-delta függvényt
tartalmazhat.
1. fejezet:
Lineáris differenciálegyenletek
6
Tehát a pont időkésésnél csak diszkrét múltbéli időpontokban érvényes állapotok
befolyásolják a jelen pillanatbeli állapotváltozást. A megoszló időkésés esetén pedig múltbéli
időintervallumokban (és nem időpontokban) érvényes állapotok a meghatározóak. Továbbá
míg a közönséges differenciálegyenletnél elég véges számú kezdeti feltételt megadni,
időkésés esetén egy teljes időintervallumban kell ismerni a kezdeti feltételeket. Így végtelen
számú kezdeti értéket kell figyelembe venni, azaz a differenciálegyenlet megoldásának
problémája végtelen dimenzióssá válik.
1.2 Késleltetett elsőrendű skalár egyenletek
A következő pontokban a legegyszerűbb elsőrendű skalár, pont vagy megoszló időkésést
tartalmazó egyenletek stabilitásvizsgálatával ismerkedhetünk meg [3].
1.2.1 Hayes-egyenlet
A Hayes-egyenlet egyetlen pont időkésést tartalmazó elsőrendű, lineáris
differenciálegyenlet. Általános alakja a következő:
(1.17)
ahol az időkésés, és pedig skalár rendszerparaméterek.
Az alakban keresve a megoldást megkapjuk az egyenlet karakterisztikus
függvényét:
(1.18)
Az síkon a stabilitási tartomány a D-helyettesítés módszerével kereshető meg. A
egyenletbe kifejezést helyettesítve, az egyenletet valós és képzetes részre
bontva, az alábbi két egyenletet kapjuk:
(1.19)
(1.20)
Ebből -t és -t kifejezve -val paraméterezett görbéket kapunk. Az esetben kapott
D-görbénél , tehát a valós tengelyen egyetlen gyök halad át az instabil jobb félsíkra.
Vagyis az instabilitási fok eggyel változik az -hoz tartozó D-görbe átlépése esetén. Az
esetben komplex konjugált gyökpár válik instabillá, így az instabilitási fok kettővel
változik.
Az -hoz tartozó D-görbe:
(1.21)
Az -hoz tartozó D-görbe:
7
1. fejezet:
Lineáris differenciálegyenletek
(1.22)
(1.23)
Ha , akkor az eredeti (1.17) egyenletre alkalmazható a Routh-Hurwitz-kritérium,
melynek értelmében stabil a rendszer, ha . Így a , félegyenes biztosan a
stabil terület részét képezi az síkon.
A D-görbék és a stabil tartomány megtalálható az 1.1. ábrán. E fejezet ábrái Wolphram
Mathematica 8 szoftver segítségével készültek.
stabil terület
1.1. ábra: A Hayes-egyenlet stabilitási térképe esetén.
Ha a egyenletbe kifejezést helyettesítjük, a valós és képzetes
részeket szétválasztjuk, és a kapott két egyenletet az egyik rendszerparaméter szerint
lederiváljuk, megtudhatjuk, hogy milyen előjellel változik az instabilitási fok a D-görbék
átlépésével. Annyit kell csak tennünk, hogy deriváltjának előjelét vizsgáljuk meg: ha az
pozitív, a rendszerparaméter növelésével átlépett D-görbénél az instabilitási fok nő, ha
negatív, ugyanilyen átlépésnél az instabilitási fok csökken. Tehát például, ha a
kifejezés előjele pozitív, akkor növelésével a karakterisztikus exponensek valós része
növekszik. Így a határt átlépve az exponensek instabillá válnak, az instabilitási fok
növekszik. A határt pedig az előbb meghatározott D-görbék jelentik.
1. fejezet:
Lineáris differenciálegyenletek
8
Az előbbiek alapján a D-görbék megrajzolhatók, és eldönthető, hogy átlépésükkel az
instabilitási fok mennyivel (eggyel vagy kettővel) és milyen előjellel változik. Továbbá
ismert, hogy az , pontokban a rendszer stabil, vagyis az instabilitási fok zérus.
Így végezetül a teljes paramétersíkon meghatározható az egyes tartományok
instabilitási foka. Ám jelen esetben csak azt vizsgáljuk meg, hogy a rendszer stabil-e vagy
sem.
1.2.2 Cushing-egyenlet
A Cushing-egyenlet megoszló időkésést tartalmazó elsőrendű, lineáris
differenciálegyenlet. Általános alakja a következő:
(1.24)
Ha , , azaz az integrálban található súlyfüggvény egy időben
eltolt Dirac-delta függvény, akkor a Hayes-egyenletet kapjuk vissza. Most vizsgáljuk meg a
esetet. Ekkor az egyenlet karakterisztikus függvénye:
(1.25)
Ismét helyettesítsük be a kifejezést a egyenletbe, válasszuk szét a valós
és képzetes részeket, és fejezzük ki -t és -t függvényében. Így megkapjuk a D-görbéket.
Az esetnél a esetet vizsgáljuk.
Az -hoz tartozó D-görbe:
(1.26)
Az -hoz tartozó D-görbe:
(1.27)
(1.28)
Ismét megállapítható, hogy esetén közönséges differenciál egyenletet kapunk, mely
esetén stabil megoldással rendelkezik. Tehát most is a , félegyenes a stabil
tartományba esik.
A D-görbék és a stabil tartomány megtalálható az 1.2. ábrán.
9
1. fejezet:
Lineáris differenciálegyenletek
stabil terület
1.2. ábra: A Cushing-egyenlet stabilitási térképe és esetén.
1.3 Másodrendű skalár egyenletek
Ebben az alfejezetben másodrendű késleltetett skalár egyenletek stabilitásvizsgálatát
ismerhetjük meg [3]. A másodrendű egyenletek a mechanikában különösen fontosak, mivel a
Newton törvények vagy a Lagrange-módszer segítségével kapott mozgásegyenletek
másodrendűek. Ezért a mechanikai rendszerek szabályozásánál fontos ezen egyenlettípus
stabilitásvizsgálatát ismerni.
A másodrendű, egyetlen diszkrét késleltetéssel bíró, lineáris differenciálegyenletek
általános alakja a következő:
(1.29)
A továbbiakban ezt az egyenletet fogjuk vizsgálni, kitérve a speciális esetekre, amikor van
zérus együttható az egyenletben.
1.3.1 Késleltetés nélküli egyenlet
Ha az (1.29) általános másodrendű egyenletben , eltűnik a késleltetés, egyszerű
csillapított másodrendű rendszert kapunk:
(1.30)
Ennek karakterisztikus polinomja:
(1.31)
1. fejezet:
Lineáris differenciálegyenletek
10
A és egyenletekkel megkapjuk a D-görbéket.
Az -hoz tartozó D-görbe:
(1.32)
Az -hoz tartozó D-görbe:
(1.33)
A Routh-Hurwitz-kritérium értelmében a stabil terület az , negyed sík lesz.
A D-görbék és a stabil tartomány megtalálható az 1.3. ábrán.
stabil terület
1.3. ábra: A késleltetés nélküli másodrendű csillapított egyenlet stabilitási térképe.
Ezúttal véges számú eltérő instabilitási fokú területet kaptunk a paramétersíkon. A
késleltetést nélküli esetben nem végtelen dimenziójú a probléma, véges sok megoldása van a
karakterisztikus egyenletnek, a karakterisztikus gyökök száma is véges - jelen esetben kettő.
Így az félsíkhoz egy instabil gyök tartozik, az , negyed síkhoz kettő,
az , negyed síkhoz pedig nulla.
1.3.2 Csillapítás nélküli egyenlet
Az (1.29) általános egyenletből esetén eltűnik a csillapítást jelentő tag:
(1.34)
A kapott egyenlet karakterisztikus függvénye:
(1.35)
A helyettesítéssel felírt egyenlet valós és képzetes részre bontva:
(1.36)
(1.37)
11
1. fejezet:
Lineáris differenciálegyenletek
Így az -hoz tartozó D-görbe:
(1.38)
Az -hoz tartozó D-görbe:
(1.39)
(1.40)
ahol .
A késleltetési nélküli eset stabilitási térképe alapján tudjuk, hogy a ,
félegyenes pontjaihoz egy instabil karakterisztikus gyök tartozik.
Az ezek alapján elkészített stabilitási térkép az 1.4. ábrán látható.
stabil terület
1.4. ábra: A késleltetett, csillapítással nem rendelkező másodrendű egyenlet stabilitási
térképe esetén.
1.3.3 Csillapítással és késleltetéssel is rendelkező egyenlet
Térjünk vissza az általános esethez, amikor a korábban felírt (1.29) másodrendű egyenlet
egyik együtthatója sem zérus. Ennek az egyenletnek a stabilitása már három paramétertől
függ, a stabilitási térkép megrajzolása egy paramétersíkon csak az egyik paraméter
rögzítésével lehetséges.
Az egyenlet karakterisztikus függvénye:
(1.41)
A paramétersík eltérő instabilitási fokú tartományait elválasztó D-görbéket ismét a
egyenlet segítségével kapjuk, helyettesítéssel.
Az -hoz tartozó D-görbe:
(1.42)
Az -hoz tartozó D-görbe:
1. fejezet:
Lineáris differenciálegyenletek
12
(1.43)
(1.44)
Ha a stabilitási térképet meg akarjuk rajzolni, az egyik paramétert rögzíteni kell. Legyen
például egy megadott pozitív érték. Ekkor mellett alkalmazható a Routh-Hurwitz-
kritérium, melynek értelmében mellett a rendszer stabil. Tehát a ,
félegyenes a stabil tartomány részét képezi pozitív esetén.
A stabilitási térkép egy rögzített értékre az 1.5. ábrán látható.
stabil terület
1.5. ábra: Az általános másodrendű, egyetlen diszkrét késleltetéssel bíró egyenlet stabilitási
térképe és esetén.
1.3.4 PD szabályozó alkalmazása
Tekintsük egy csillapítással nem rendelkező másodrendű rendszer differenciálegyenletét
úgy, hogy a rendszert arányos-differenciáló, azaz PD szabályozóval látjuk el. A szabályozás
során fellépő időkésések hatását figyelembe véve a rendszer egyenlete:
(1.45)
ahol és a szabályozó paraméterek. Ha nem lenne időkésés - azaz esetén - a
csillapított, időkésés nélküli egyenletet kapnánk vissza és paraméterek helyett és
paraméterekkel. Így a síkon készített stabilitási térkép a fent említett eset térképétől
(ld. 1.3. ábra) csupán annyiban tér el, hogy az egyik határgörbe eltolódik értékkel. Az
eredmény az 1.6. ábrán látható.
13
1. fejezet:
Lineáris differenciálegyenletek
stabil terület
1.6. ábra: Az időkésés nélküli PD szabályozóval ellátott, csillapítás nélküli másodrendű
rendszer stabilitási térképe és esetén.
Ha az időkésés nem zérus értékű, a rendszer karakterisztikus egyenlete a következő lesz:
(1.46)
melybe helyettesítsük be a kifejezést a stabilitási tartomány meghatározása végett.
Az -hoz tartozó D-görbe:
(1.47)
Az -hoz tartozó D-görbe:
(1.48)
(1.49)
Egy rögzített érték esetén a sík pontjához egy instabil gyök tartozik.
Ilyenkor ugyanis olyan, mintha nem lenne szabályozás, és azt már korábban is láthattuk, hogy
az időkésleltetéses tag nélküli másodrendű rendszer zérus csillapítás és negatív esetén egy
instabil gyökkel bír. Ezt figyelembe véve és a D-görbéket megrajzolva megkapjuk a
jellegzetes spirál alakú határgörbét és banán alakú stabil területet a stabilitási térképen (ld.
1.7. ábra).
1. fejezet:
Lineáris differenciálegyenletek
14
stabil terület
1.7. ábra: Az időkéséses PD szabályozóval ellátott rendszer stabilitási térképe és
esetén. A jobb oldali ábrán kinagyítva látható a szürkével jelzett stabil terület.
Ha , akkor tehát önmagában instabil rendszerrel van dolgunk. Ha az paraméter
abszolút értékét egyre növeljük, egyre nehezebb stabilizálni a rendszert, a stabil terület egyre
jobban szűkül. Ez a stabilitási térképen úgy látszik, hogy a spirál alakú határgörbe egyre
meredekebb érintővel indul. Végül az értéknél a kezdeti érintő függőlegessé
válik, így a stabil terület eltűnik, a rendszer mindenképp instabil viselkedést fog mutatni [3].
A jelenséget úgy is felfoghatjuk, hogy ha egy rögzített paraméterrel rendelkező
instabil rendszert akarunk PD-szabályozóval stabilizálni, akkor a szabályozásnál fellépő
időkésés nem mehet a érték fölé.
2. fejezet:
Az inverz inga stabilizálási problémái
A stabilitásvizsgálat menetét célszerű egy konkrét mechanikai rendszer példáján keresztül
is megvizsgálni. Tipikus példa lehet egy inverz inga szabályozása. Az inverz inga önmagában
instabil rendszer: a függőleges pozíció instabil egyensúlyi helyzet, ha az inga abból kis
zavarás hatására kitér, később nem fog magától visszatérni. A függőleges pozíció zavarások,
külső behatások melletti megtartásához szabályozás szükséges.
Ma a szabályozástechnikában egyre nagyobb szerepet kap az instabil rendszerek
szabályozása, stabilizálása. Ennek oka, hogy a mozgások igen gyors elindítása, a gyors állapot
változtatások instabil helyzetből kiindulva hatékonyabban megvalósíthatók. Ezért az instabil
rendszerek stabilizálása egy aktuális, fontos probléma. Az inverz inga példáján ennek a
problémának a bemutatása is megtehető.
Az inverz inga stabilizálás tehát megfelelő példa a különböző szabályozási eljárások (PD
szabályozás, véges spektrum hozzárendelés) és az instabil rendszerek stabilizálási
módszereinek bemutatására.
2.1 Az inverz inga mozgásegyenlete
Az inverz inga mechanikai modellje a 2.1. ábrán látható.
2.1. ábra: Az inverz inga mechanikai modellje.
Az inga alsó pontja vízszintes irányban egy csúszkán mozgatható a szabályozó erő
segítségével. Ha -t minden pillanatban megfelelően állítjuk be, az inga függőleges
helyzetben tartható. Az inga hossza , tömege , a nehézségi gyorsulás értéke . Az inga
mozgásegyenletét a Lagrange-módszer segítségével vezethetjük le. A mozgás két
2. fejezet:
Az inverz inga stabilizálási problémái
16
szabadságfokú, általános koordinátáknak válasszuk az inga alsó pontjának vízszintes irányú
pozícióját és az inga függőlegessel bezárt szögét.
Az általános koordinátákkal felírt másodfajú Lagrange-egyenletek:
(2.1)
(2.2)
ahol a kinetikus energia, a potenciális energia, a Rayleigh-féle disszipációs függvény,
és általános erők.
Az előbbi mennyiségek kifejezése a súlyponti sebességgel és a súlypontra számított
tehetetlenségi nyomatékkal felírva:
(2.3)
(2.4)
(2.5)
(2.6)
A deriválásokat elvégezve, a deriváltakat a Lagrange-egyenletekbe visszaírva, és a kapott
két egyenletet mátrixos formába rendezve:
(2.7)
Az egyenletrendszerben ciklikus koordináta, vagyis kiejthető az egyenletekből. Ehhez
vonjuk ki a második egyenlet -szeresét az első egyenletből. Az kiejtésével kapott
egyenlet:
(2.8)
Célunk az inga instabil egyensúlyi helyzetbe hozása és ott megtartása,
egyensúlyozása. Így ha csak az egyensúlyi helyzet körüli kis szögelfordulásokat vizsgáljuk,
azaz , akkor a helyzet körül linearizált egyenlet jól leírja a rendszert. A
17
2. fejezet:
Az inverz inga stabilizálási problémái
linearizálás során a , közelítésekkel élünk, és a -es tagot
elhanyagoljuk.
Így a linearizált egyenlet:
(2.9)
ahol a linearizálás után kapott szabályozóerő kifejezés. Az egyenletet rendezve:
(2.10)
A súrlódás hatását ebben a modellben elhanyagoltuk. Ennek az oka az, hogy a
továbbiakban a legfőbb célunk a stabilitásvizsgálat lesz. Mivel a súrlódás disszipatív hatás,
azaz energiát von el a rendszerből, nem fog instabilitáshoz vezetni. Továbbá a viszkózus
súrlódás az egyenlet rendjén nem változtatna, a problémát nem nehezítené, csak a figyelembe
vett paraméterek száma nőne. Száraz súrlódás esetén pedig a súrlódási erő függvénynek
szakadása van a helyzetben, így itt a linearizáltja nem létezik.
2.2 Az inverz inga állapottér modellje
Hozzuk az inverz inga mozgásegyenletét a következő alakra:
(2.11)
ahol rendszerparaméter, a beavatkozás. Az inga
szöghelyzetének szabályozásánál fellépő időkésést jelöli.
Válasszuk állapotváltozóknak az inga szögelfordulását és szögsebességét. A rendszer
kimenetének a szögelfordulást tekintjük.
Ezekkel az állapottér egyenleteket felírva:
(2.12)
(2.13)
Vagyis az állapotváltozók vektora
, a rendszermátrix
, a
bemeneti vektor , a kimeneti vektor .
2.3 Az inverz inga egyensúlyozása PD szabályozóval
Ha a beavatkozást PD szabályozó segítségével végezzük, a szabályozó erő és a linearizált
szabályozó erő kifejezése a következő:
(2.14)
2. fejezet:
Az inverz inga stabilizálási problémái
18
Definiáljuk az beavatkozó jelet:
(2.15)
ahol , . Vezessük be az paramétert.
Ezzel a linearizált mozgásegyenlet:
(2.16)
mely egyenletnél az paraméterhez tartozó stabilitási tartomány a korábban megismert
banán alakú terület.
A rendszer kritikus időkésése:
(2.17)
Ha a szabályozási időkésés ezt az értéket meghaladja, az inga kiegyensúlyozása analóg PD
szabályozó segítségével nem lehetséges. Továbbá minél rövidebb az inga, a kritikus időkésés
értéke annál kisebb. Így rövid ingát nehezebb kiegyensúlyozni, a stabilizálás csak az időkésés
csökkentése mellett lehetséges. Vagyis ha az időkésést egy értékig tudjuk csak
lecsökkenteni, a rendszer csak egy kritikus paraméter értékig stabilizálható, mely a
következő:
(2.18)
A később ismertetett megoszló időkésést tartalmazó szabályozónál a PD szabályozó
referenciaként szolgál, ugyanis a PD szabályozó a megoszló időkésést tartalmazó szabályozó
egy speciális - az időkésést zérusnak feltételező, azt figyelembe nem vevő - esete lesz.
2.4 A mozgásegyenlet dimenziótlanítása
A mozgásegyenlet dimenziótlanításának segítségével csökkenthető a rendszer
vizsgálatánál figyelembe vett paraméterek száma. Jelen esetben látható, hogy az inga
stabilizálhatósága az és paraméterektől egyszerre függ, ezért célszerű bevezetni helyettük
egyetlen paramétert. Ezt a mozgásegyenlet idő szerinti dimenziótlanításával érhetjük el.
Vezessük be a dimenziótlan időt. Alkalmazzuk az alábbi jelöléseket az idő szerinti
és a dimenziótlan idő szerinti deriváltakra:
(2.19)
A deriváltak közt az alábbi kapcsolat áll fenn:
19
2. fejezet:
Az inverz inga stabilizálási problémái
(2.20)
A dimenziótlan idő segítségével a PD szabályozóval ellátott inverz inga (2.16)
mozgásegyenletét átírva:
(2.21)
melyből a dimenziótlan mozgásegyenlet:
(2.22)
ahol a dimenziótlan rendszerparaméter, és a dimenziótlan
szabályozó paraméterek. Tehát a rendszer paraméteréhez választjuk meg a szabályozó és
értékeit. A vizsgálandó paraméterek száma négyről háromra csökkent.
Az is látható, hogy az eredeti mozgásegyenletbe -et helyettesítve megkapjuk a
dimenziótlan egyenletet, azaz ekkor a dimenzióval rendelkező és dimenziótlan paraméterek
számértéke megegyezik. Legegyszerűbb tehát a rendszerre vonatkozó vizsgálatokat (pl. a
paraméter érzékenység vizsgálatot) egységnyi mellett elvégezni, és az így kapott
dimenziótlan paraméterekből kiszámolni a dimenzióval bíró jellemzőket nem egységnyi -ra.
Így például ha a kritikus rendszerparaméter értékre vagyunk kíváncsiak, meghatározzuk
dimenziótlan kritikus rendszerparaméter értékét, és ezt elosztjuk -tel. PD szabályozó
esetén .
A későbbi fejezetekben, ábrákon, diagramokon, ha egységnyi és nincsenek feltüntetve
mértékegységek, akkor a látható értékek mindenhol a dimenziótlan paraméter értékeket
jelentik.
3. fejezet:
Szabályozás véges spektrum hozzárendelés segítségével
A véges spektrum hozzárendelés alkalmazása egy prediktív szabályozási eljárást jelent. Az
eljárás lényege, hogy a rendszerre bocsátott beavatkozást a rendszer bizonyos módszer szerint
megjósolt későbbi állapota alapján határozzuk meg. Erre azért van szükség, mert a
szabályozókörben levő visszacsatolás mindenképp valamekkora időkéséssel rendelkezik, így
a kiszámított beavatkozás hatása késleltetve jelentkezik. Ezért célszerű a beavatkozást úgy
meghatározni, hogy a késleltetési idő elteltével kialakuló rendszerállapothoz illeszkedjen, így
kompenzáljuk a visszacsatolás időkésését. Vagyis szükséges megjósolni (prediktálni), hogy a
rendszer állapota milyen lesz az időkésésnyi idővel később.
A predikcióhoz a szabályozandó rendszert modellezzük, differenciálegyenlet segítésével
jellemezzük, mely egyenlet tartalmazza az általunk számított vagy mért modell
paramétereket. Az adott pillanatban érvényes rendszerállapotokat, az aktuális és korábbi
beavatkozásokat ismerve a modell egyenlet megoldásával meghatározhatjuk az időkésés utáni
rendszerállapotot. Vagyis a véges spektrum hozzárendelés során egy modell
differenciálegyenletének megoldásával kapott megjósolt rendszerállapotot használunk fel a
szabályozásnál. Ezt a rendszerállapotot visszacsatolva elérhető, hogy az időkésés miatt
végtelen spektrummal, végtelen sok karakterisztikus exponenssel rendelkező eredeti
rendszerből egy véges spektrummal bíró szabályozási kört hozzunk létre. Véges sok
karakterisztikus exponens pedig már hatékonyan kezelhető, a rendszer dinamikája, kimenete a
szabályozás segítségével beállítható, továbbá instabil rendszerek stabilizálása is lehetséges. A
későbbiekben ezt a szabályozási eljárást egy állandó értékű diszkrét időkéséssel bíró rendszer
szabályozására alkalmazzuk.
3.1 Szabályozás pólusáthelyezés segítségével
A pólusáthelyezés az időkésés nélküli esetben kialakuló véges sok karakterisztikus
exponens hatékony kezelésére alkalmas módszert jelent, így e módszer a véges spektrum
hozzárendeléses eljárások alapját jelenti.
Tekintsük egy időkésés nélküli lineáris rendszer állapottér modelljének főegyenletét:
(3.1)
ahol az állapotváltozók, a bemenetek vektora, -es
rendszermátrix, -es bemeneti mátrix.
Ezen egyenlet általános megoldása az kezdeti feltétellel:
21
3. fejezet:
Szabályozás véges spektrum hozzárendelés segítségével
(3.2)
A beavatkozás nélküli, esetet már az autonóm közönséges differenciálegyenleteknél
megvizsgáltuk (ld. 1.1.1 pont). Itt azt kaptuk, hogy a pólusok a egyenlet
megoldásai. A karakterisztikus egyenlet megoldásainak száma véges sok, így megfelelő
beavatkozás segítségével ezen gyökök a komplex számsíkon tetszőleges helyre
átmozgathatók, vagyis a rendszer a számunkra kedvező viselkedéssel fog működni. Erre
szolgál az állapot visszacsatolás vagy pólusáthelyezés módszere, melynek lényege, hogy a
beavatkozást az állapotváltozók visszacsatolásával határozzuk meg:
(3.3)
ahol az -es visszacsatoló mátrix. A gyakorlatban negatív visszacsatolást
alkalmazunk, elemei negatívok.
Pólusáthelyezést alkalmazva a rendszer egyenlete a következő lesz:
(3.4)
Így a pólusokat most már a egyenlet fogja meghatározni. Az
egyenlet megoldásai segítségével tetszőlegesre beállíthatók. Előre definiált pólusok esetén
meghatározása például az Ackermann-képlettel történhet.
A pólusáthelyezés alkalmazására példa lehet - a korábban már ismertetett - inverz inga
stabilizálás analóg PD szabályozó segítségével. PD szabályozó esetén a beavatkozást a
következő egyenlet adja:
(3.5)
ahol . Vagyis szabályozási időkésés esetén PD szabályozóval
megvalósul a pólusáthelyezés.
3.2 Stabilizálás véges spektrum hozzárendelés segítségével
Ha a pólusáthelyezésnél ismertetett rendszer szabályozókörében fellépő időkésést is
figyelembe vesszük, a rendszer (3.1) egyenlete az alábbi alakúra módosul:
(3.6)
ahol az időkésés mértéke. Látható, hogy ez a rendszer bemeneti időkésleltetéssel bír.
Időkésés esetén azonban a stabilizálási probléma végtelen dimenzióssá válik, a
karakterisztikus exponensek száma végtelen sok lesz, ahogy ezt már az autonóm késleltetett
egyenleteknél láthattuk (ld. 1.1.2 pont).
A végtelen dimenziós fázistér a funkcionál-differenciálegyenletek mindhárom típusára
igaz, ám a végtelen sok exponens elhelyezkedése eltér. Késleltetett egyenletek esetén mindig
3. fejezet:
Szabályozás véges spektrum hozzárendelés segítségével
22
véges sok azon gyökök száma, melyek valós része egy meghatározott számnál nagyobb. Azaz
a komplex számsíkon egy tetszőleges helyen meghúzott függőleges egyenestől jobbra mindig
véges sok exponens található. Így az instabil gyökök száma is csak véges lehet, a funkcionál-
differenciálegyenletekkel leírt rendszerek közül ezeknek a stabilizálása a legkönnyebben
kivitelezhető. Neutrális egyenleteknél három eset fordulhat elő: vagy véges sok gyök van egy
függőleges egyenestől jobbra, vagy egy függőleges egyenes mentén felsorakoznak a gyökök,
vagy végtelen sok gyök esik az egyenestől jobbra eső félsíkba. Siettetett egyenleteknél pedig
csak a végtelen sok jobb félsíkba eső gyök esete fordulhat elő. Ez utóbbi esetekben az
instabilitási fok végtelen, így analóg szabályozással a stabilizálás reménytelen.
A véges spektrum hozzárendelés alapgondolata az, hogy valósítsuk meg a pólusáthelyezést
időkésleltetett, végtelen dimenziós rendszerekre. Azaz határozzuk meg úgy a beavatkozást az
állapotváltozók visszacsatolásával, hogy a teljes zárt szabályozási kör pólusai az általunk
kijelölt helyekre essenek a komplex számsíkon. Ezt úgy érhetjük el, hogy nem az
állapotváltozók értékét csatoljuk vissza, hanem azok egy időkésésnyi idővel későbbi
megjósolt (prediktált) értékét. Azaz az időkésleltetett rendszerek stabilizálására a megoldást
egy prediktív szabályozó eljárás jelenti.
A prediktált érték meghatározása úgy történik, hogy a rendszer (3.6) főegyenletét
megoldjuk kezdeti feltétellel, majd a kapott megoldást formálisan egy
időkésésnyivel időben eltoljuk. Tehát az eredeti differenciálegyenlet megoldásával
kiszámoljuk, hogy milyen lenne a rendszer állapota idővel később.
Az időkéséssel bíró rendszer főegyenletének megoldása kezdeti feltétellel:
(3.7)
Bevezetve a változót:
(3.8)
Így a prediktált érték:
(3.9)
Az beavatkozás meghatározásánál ezt az értéket csatoljuk vissza és szorozzuk meg -
val, így a szabályozó egyenlete:
(3.10)
23
3. fejezet:
Szabályozás véges spektrum hozzárendelés segítségével
Látható, hogy a időpillanatban érvényes beavatkozás meghatározásához szükséges a
időintervallumban a beavatkozások ismerete. Vagyis egy beavatkozás függ a
korábbi beavatkozástól, ami pedig a még korábbitól, és így tovább. Azaz egy beavatkozás
hatása végigkíséri a rendszer teljes működését.
A (3.10) szabályozó egyenletből az is látszik, hogy a bemeneti időkésés kompenzálására
megoszló időkésést tartalmazó szabályozót alkalmazunk.
A pólusáthelyezés megvalósulásának igazolásához írjuk be a szabályozó (3.10) egyenletét
a rendszer (3.6) főegyenletébe:
(3.11)
Továbbá fejezzük ki az integrálban található függvényt a főegyenletből, és
írjuk be az előbbi egyenletbe:
(3.12)
A visszacsatolt rendszert leíró differenciálegyenlet ezen alakjából látható, hogy az
állapotváltozás korábbi állapotváltozásoktól is függ, azaz neutrális egyenlettel van dolgunk.
Azonban az egyenletben szereplő integrál kifejezés kiszámítható:
(3.13)
Vagyis visszakaptuk a pólusáthelyezésnél felírt főegyenletet, a neutrális egyenlet
közönséges differenciálegyenletté egyszerűsödik. Ismét a egyenletet
kapjuk a rendszer karakterisztikus egyenleteként, a visszacsatolt rendszernek darab pólusa
lesz, a többi pólus automatikusan eltűnik.
Tehát predikció és állapot-visszacsatolás révén az időkésés kompenzálható, a szabályozott
rendszernek véges sok pólusa lesz, ami tetszőlegesen megválasztható. Így a pólusok
tetszőlegesen nagy negatív valós részűre beállíthatók, ezáltal tetszőleges mértékű stabilitás,
tetszőlegesen gyors beállás érhető el. (Ez persze csak abban az esetben igaz, ha a mátrix
tagjainak, azaz a szabályozó paramétereknek nincs korlátozva az értéke). Ráadásul ez
tetszőleges mértékű időkésés esetén elérhető, az időkésés értéke közömbös. Így a
visszacsatolás időkésése okozta stabilitási problémákra a véges spektrum hozzárendeléses
szabályozás megoldást jelent.
3.3 A véges spektrum hozzárendelés megvalósítási problémái
A szabályozó eljárás fő megvalósítási nehézsége abban rejlik, hogy a valóságban a
rendszer és paramétereit és a időkésést nem ismerjük pontosan. Így a szabályozó (3.10)
3. fejezet:
Szabályozás véges spektrum hozzárendelés segítségével
24
egyenletében található integrál kifejezést nem tudjuk leegyszerűsíteni. Emiatt a szabályozó
egyenlete második típusú Volterra integrál egyenlet lesz, a rendszer egyenlete pedig marad
neutrális.
Jelöljük a prediktor által feltételezett mennyiségeket a következőképp: , , . Így a
rendszert leíró két egyenlet:
(3.14)
(3.15)
Ha a valós és feltételezett rendszerparaméterek közt - akár csupán infinitezimális mértékű -
eltérés jelenik meg, akkor a zárt szabályozási kör spektruma megszűnik véges lenni, végtelen
sok lesz a karakterisztikus exponensek száma. Ám ha az eltérések infinitezimálisak, akkor a
véges sok beállított pólus mellett megjelenő végtelen sok többlet pólus a rendszer stabilitását
nem befolyásolja (valós részük -hez tart) [4]. Nagy eltérések esetén azonban a stabilitás
veszélybe kerülhet. Emellett a paraméter eltérések esetében már nem lesz igaz, hogy
tetszőlegesen nagy értékű időkésés esetén is lehet stabil szabályozást elérni, és az sem, hogy
korlátlan szabályozó paraméterekkel tetszőlegesen gyors szabályozás érhető el.
Vezessük be a következő jelölést:
(3.16)
A szabályozó eljárás másik fő problémája a integrál kifejezés megvalósítása. Mivel a
kifejezés nem pontosan ismert rendszerparaméterek és időkésés esetén analitikusan nem
számítható ki, a megvalósítására két út áll rendelkezésre.
Az első megoldás deriválásával differenciálegyenlet létrehozása:
(3.17)
mivel .
Ez a megvalósítás azonban instabil rendszerek stabilizálására nem alkalmas. Ennek oka,
hogy instabil zérus-pólus kiejtéssel jár, azaz úgy stabilizálnánk a rendszert, hogy kiejtenénk
az instabil pólusait. Ez azonban csak akkor működik, ha a pólusokat pontosan ismerjük, ami a
valóságban nem áll fenn (ezért is nevezzük a módszert instabil zérus-pólus kiejtésnek, csak
ideális esetben lehetne végrehajtani) [5].
25
3. fejezet:
Szabályozás véges spektrum hozzárendelés segítségével
A gyakorlatban ezért ehelyett egy másik megvalósítási módszer terjedt el. Az eljárás a
integrál kifejezés numerikus közelítésén alapul. Az integrál numerikus közelítésével
megvalósított szabályozó esetén a rendszert neutrális differenciál-differencia egyenlet írja le.
A közelítésre egy lehetséges megoldás:
(3.18)
ahol jelöli azt, hogy a intervallumot hány részre osztottuk (azaz a közelítés
finomságát), és . Látható, hogy a megoszló időkéséses tagot diszkrét időkéséses
tagok összegével közelítettük.
A megvalósításra többféle numerikus séma létezik, melyek abban térnek el, hogy a fenti
összeg egyes tagjait különböző súllyal veszik figyelembe. Jelen esetben minden taghoz
tartozó súly egységnyi. Továbbá léteznek olyan formulák is, ahol az időlépés nem konstans,
azaz a függ -től. A rendszer stabilitását befolyásolhatja, hogy milyen numerikus sémát
alkalmazunk, illetve az egyes sémák érzékenyek lehetnek infinitezimális változásaira [6].
A numerikus megvalósítás esetén is jelentkeznek hátrányos, alkalmazást korlátozó
tulajdonságok. Ennél a megvalósítási formánál ugyanis nem csupán a zárt szabályozási kör
stabilitása szükséges, hanem megjelenik egy másik feltétel is, ami a stabil szabályozott
rendszer eléréséhez kell. A rendszert leíró neutrális egyenlet sajátossága, hogy az egyenlet
differencia része önmagában is stabil kell legyen. Ha ez nem teljesül, már tetszőlegesen kis
zavarásokra is instabil lesz a teljes neutrális egyenlet az előbbi numerikus közelítés
alkalmazásával. A differencia rész (angolul difference part) a (3.12) neutrális egyenlet
állapotváltozást (vagyis az kifejezést) tartalmazó tagjait jelenti [5], [6], [7].
Azaz a következő egyenlet stabilitása is szükséges:
(3.19)
Ez a feltétel egy bemenetű rendszer esetén - azaz amikor és vektorrá, skalár
függvénnyé egyszerűsödik - a következő formában is felírható:
(3.20)
Csak a fenti feltételek teljesülése és kellően pontos numerikus közelítés esetén érhető el stabil
működésű szabályozási kör [6].
Ezek okának feltárásához tegyük fel, hogy a differencia rész pólusai között van legalább
egy, ami a komplex számsík jobb felén található, azaz instabil. Ha a szabályozó eljárásban
3. fejezet:
Szabályozás véges spektrum hozzárendelés segítségével
26
szereplő integrál kifejezést numerikusan közelítjük, a differencia rész is numerikus
közelítéssel valósul meg. A numerikusan közelített differencia résznek pedig végtelen sok
pólusa lesz. Ezek a pólusok úgy helyezkednek el, hogy véges sok függőleges egyenes mentén
felsorakoznak. Azaz a differencia rész minden gyöke esetén a numerikusan közelített
differencia rész gyökei között meg fog jelenni egy gyöksorozat is
. Tehát a végtelen sok pólusnak véges sok különböző valós része lesz, de a
képzetes részük tetszőlegesen nagy értékű lehet. A gyökök képzetes részének abszolút értéke
esetén a numerikus közelítés finomításával ( ) tart a végtelenbe, esetén
változatlan marad. A valós részük pedig egyre jobban közelíti az ideális (numerikus közelítés
nélküli) differencia rész pólusainak valós részét. Vagyis a numerikusan közelített differencia
rész pólusai úgy helyezkednek el (megfelelően pontos közelítés esetén), mintha az ideális
differencia rész pólusait az imaginárius tengely mentén eltolva végtelenszer lemásolnánk
eltolásokkal.
Ezért ha az ideális esetben volt egy instabil gyök, a kellően finom numerikus közelítésnél
már végtelen sok instabil gyök lesz. Emellett a neutrális funkcionál-differenciálegyenletek
sajátossága, hogy ilyenkor a teljes neutrális egyenletnél is megjelennek pólusok, melyek valós
része közelíti a numerikusan közelített differencia rész pólusainak valós részét. Így hiába
állítjuk be a véges spektrum hozzárendelés mátrixával a visszacsatolt rendszer pólusait, a
numerikus közelítés miatt megjelenik végtelen sok további pólus, amelyek között instabilak is
találhatók, ha a differencia rész önmagában instabil [7]. Tehát a zárt szabályozási kör instabil
lesz, és ez tetszőlegesen nagy pontosságú numerikus közelítés esetén is így marad.
Továbbá a megjelenő többlet pólusok miatt nem lehet tetszőlegesen nagy időkésések
esetén is stabilizálni, a szabályozás csak egy kritikus időkésés eléréséig működik stabilan.
Valamint nem érhető el bármekkora mértékű stabilitás, akármilyen gyors beállás sem, mint az
időkésés nélküli pólusáthelyezésnél. Pólusáthelyezés esetén azt láttuk, hogy a beállított
pólusok elméletileg tetszőlegesen távol lehetnek az imaginárius tengelytől, csak értékét kell
jól megválasztani. Ez nem zérus időkésés esetén, a numerikus közelítéssel megvalósított
véges spektrum hozzárendelésnél már nem érhető el.
Emiatt tehát a differencia résznek önmagában is stabilnak kell lennie, ami egy megszorítást
jelent a szabályozó alkalmazhatóságára vonatkozóan. A megszorítás megszüntetésére két
lehetőség van: aluláteresztő szűrő vagy szakaszonként konstans beavatkozás alkalmazása.
Ha aluláteresztő szűrőt használunk, a neutrális egyenlet numerikus közelítés miatt
megjelenő gyökeinek valós része csökkenthető, a gyökök stabillá tehetők [6], [8]. Ugyanis
végtelen sok instabil gyök jelenik meg azonos valós résszel, a gyökök képzetes része pedig
27
3. fejezet:
Szabályozás véges spektrum hozzárendelés segítségével
tetszőlegesen nagy lehet. Ám a nagyobb képzetes rész, nagyobb stabilitásvesztéssel kialakuló
rezgési frekvenciát eredményez, a fent leírt instabilitás kialakulása alapvetően nagy
frekvenciás mechanizmus. A nagyfrekvenciás komponensek elnyomása pedig aluláteresztő
szűrővel hatékonyan megtehető.
Szakaszonként konstans beavatkozás esetén pedig a beavatkozás értékét csak
időközönként változtatjuk, a köztes időtartamban állandó értéken tartjuk. Így időközönként
a rendszer viselkedése egy diszkrét rendszeréhez lesz hasonló. Az így megvalósított
beavatkozás esetén ki sem alakulnak a problémát okozó tetszőlegesen nagy képzetes részű
gyökök és tetszőlegesen nagy frekvenciájú rezgések, a rendszerben kialakulni képes
legnagyobb frekvencia [6]. Digitális szabályozó alkalmazása esetén pedig éppen ez az eset áll
fenn, vagyis a beavatkozás szakaszonként konstans. Így a differencia rész instabilitása miatt
megjelenő problémáknak csak elméleti jelentősége van, a gyakorlatban nem fordulnak elő.
3.4 A véges spektrum hozzárendelés speciális esetei
A véges spektrum hozzárendelés során egyes ideális esetekben visszakaphatjuk a PD
szabályozásnál és a pólusáthelyezésnél látott szabályozási tulajdonságokat, stabilitási
térképeket.
Az egyik speciális eset az, ha a rendszer paramétereit (az és mátrixokat) pontosan
ismerjük. Ekkor megvalósul a pólusáthelyezés (ld. 3.2 alfejezetet). Ekkor tehát az időkésés
miatt kialakuló végtelen sok karakterisztikus exponensből darabot ( a rendszer rendje)
áthelyezünk a komplex sík általunk választott pontjaiba, a többi gyök automatikusan eltűnik.
Az inverz inga példáján már korábban beláttuk, hogy időkésés nélküli rendszer PD
szabályozóval történő irányítása pólusáthelyezést jelenthet. Tehát ha minden paramétert
pontosan ismerünk, ezt az esetet kapjuk vissza véges spektrum hozzárendelés alkalmazásával.
Ekkor és , így a síkon megrajzolt stabilitási térképen stabil
területként a PD szabályozónál látott negyed sík (ld. 1.6. ábra) origóra tükrözött képét kapjuk.
A , és , paraméterek közti összefüggés és a , paraméterek dimenziótlanítása
alapján a véges spektrum hozzárendeléses szabályozás dimenziótlan szabályozó paraméterei:
(3.21)
A véges spektrum hozzárendelés másik speciális esete az, ha a teljes szabályozási kör
időkésését nullának feltételezzük ( ). Ebben az esetben a (3.10) szabályozó egyenletben
levő integrál kifejezés integrálási határai megegyeznek, ezért ez a tag kiesik.
Így a szabályozó egyenlete az alábbi kifejezéssé egyszerűsödik egy bemenet esetén:
3. fejezet:
Szabályozás véges spektrum hozzárendelés segítségével
28
(3.22)
Ebben az esetben tehát szintén a PD szabályozó esetét kapjuk vissza. Ugyanúgy a
és összefüggések érvényesek. Ekkor azonban a szabályozási körnek van időkésése,
így a stabilitási térképen, a síkon a stabil tartomány a PD szabályozónál látott banán
alakú terület (ld. 1.7. ábra) origóra tükrözött képe lesz.
Ez a két speciális eset általában nem fordul elő - valamekkora időkésés mindig van. Ám a
számítások, szimulációk elvégzésénél ez a két eset referenciát, ellenőrzési lehetőséget biztosít.
3.5 A véges spektrum hozzárendeléses szabályozás hatásvázlata
A véges spektrum hozzárendeléses szabályozási eljárást frekvencia tartományban is
vizsgálhatjuk. Frekvencia tartományban a szabályozási kör hatásvázlata könnyen elkészíthető,
mely által a rendszer szimulációja megvalósítható. A frekvencia tartományba való áttérést a
rendszer és a szabályozó egyenletének Laplace-transzformációja segítségével tehetjük meg.
Az Laplace-operátor segítségével a (3.14) rendszeregyenlet Laplace-transzformáltját
felírva és átalakítva:
(3.23)
(3.24)
ahol az állapotváltozók kezdeti értékeit tartalmazó vektor, pedig -es (vagyis
méretével egyező méretű) egységmátrix.
Ugyanezt a (3.15) szabályozó egyenletre elvégezve:
(3.25)
(3.26)
Kihasználhatjuk, hogy
(3.27)
Ez utóbbi egyenlet teljesülése belátható, ha mindkét oldalát -val balról megszorozzuk
és a jobb oldalon az és összefüggéseket kihasználjuk.
A (3.27) egyenlet alapján a beavatkozójel kifejezése az alábbi alakra hozható:
(3.28)
A (3.24) és (3.28) egyenletek segítségével a zárt szabályozási kör hatásvázlata
felrajzolható, ezt láthatjuk a 3.1. ábrán. A hatásvázlat az megkívánt állapotot
hivatott megvalósítani.
29
3. fejezet:
Szabályozás véges spektrum hozzárendelés segítségével
3.1. ábra: A véges spektrum hozzárendeléses szabályozás hatásvázlata.
A 3.1. ábrán megfigyelhető, hogy kiszámításra kerülnek a rendszer és a becsült
paraméterekkel felírt rendszermodell állapotváltozói. Továbbá az nélküli ág
mutatja a predikció megvalósulását, és látható a mátrixszal történő visszacsatolás is.
E hatásvázlat a Smith-prediktort alkalmazó szabályozások hatásvázlatától csupán az
tagban tér el. Smith-prediktor esetén az ágában nincs szorzótényező, illetve helyett
szerepel [9]. Ennek oka, hogy a véges spektrum hozzárendelés a idővel korábbi állapotot
tekinti kezdeti értéknek a predikció során, míg a Smith-prediktor minden időpillanatban az
kezdeti érték alapján végzi a predikciót.
Ha előállításához a (3.15), (3.16) és (3.17) egyenleteket egyaránt felhasználjuk a
Laplace-transzformációval az alábbi két egyenletet kapjuk:
(3.29)
(3.30)
Az utóbbi egyenletben kihasználtuk, hogy , ami akkor teljesül, ha a időpontig
nincs beavatkozás. A (3.30) egyenletből a változót kifejezve és a (3.29) egyenletbe
beírva visszakapjuk a (3.28) egyenletet. Tehát összességében elmondhatjuk, hogy a fenti
hatásvázlat valójában a integrálkifejezés differenciálegyenletté alakításával valósítja meg
a véges spektrum hozzárendelést. A 3.3 alfejezetben pedig már láthattuk, hogy ez instabil
zérus pólus kiejtéssel jár, vagyis instabil rendszerek stabilizálására nem alkalmas. Ezért
célszerűbb az integrál numerikus közelítésén alapuló megvalósítási formáknál maradni.
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
Ebben a fejezetben a véges spektrum hozzárendeléses szabályozás alkalmazását láthatjuk
egy konkrét mechanikai példán, mely egy inverz inga stabilizálásának problémája.
Bemutatásra kerül, hogy a 3. fejezetben leírt szabályozási eljárás hogyan illeszthető a 2.
fejezetben ismertetett rendszerhez. A fejezet egyúttal azt is igazolja, hogy a véges spektrum
hozzárendeléses szabályozás alkalmas instabil rendszerek stabilizálására. Így a központi
kérdés a stabilitásvizsgálat lesz, de más fontos szabályozási szempontok figyelembe vételére
is láthatunk majd megoldást. Például megismerhetjük, hogyan lehet a szabályozási
paraméterek behangolásával a leggyorsabb stabilizálást elérni.
4.1 Stabilitási térképek
Véges spektrum hozzárendeléses szabályozás esetén a stabilitási térkép
megszerkesztésénél a (3.14) és a (3.15) egyenletekből indulunk ki.
Az egyenletekbe az inga állapottér modelljénél (ld. 2.2 alfejezet) ismertetett ,
paramétereket és állapotvektort írjuk be. Emellett tudjuk, hogy , és
legyen . Továbbá
, ahol az kifejezés, az
kifejezés feltételezett értéke.
Az mátrix exponenciális értéke az paramétert bevezetve szimbolikus algebrai
program segítségével kiszámítva a következő:
(4.1)
ahol sh és ch a sinh és a cosh függvényeket jelöli.
Mindezt a (3.15) szabályozó egyenletébe beírva:
(4.2)
Ez az egyenlet a (2.12) állapottér főegyenlettel egészül ki.
Keressük az egyenletek megoldását exponenciális alakban:
31
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
(4.3)
Ezeket a (2.12) főegyenletbe és a (4.2) szabályozó egyenletbe helyettesítve, a deriválásokat
elvégezve és a szabályozó egyenletet egyszerűsítve:
(4.4)
(4.5)
(4.6)
Az integrálást elvégezve, az egyenleteket átrendezve és -vel leosztva az alábbi alakú
egyenletrendszert kapjuk:
(4.7)
(4.8)
(4.9)
Az előbbi egyenlet és értékétől függetlenül teljesül, ha .
Helyettesítsük a karakterisztikus egyenletbe a kifejezést. A
kapott egyenletet egyszerűsítve, majd valós és képzetes részre bontva:
(4.10)
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
32
(4.11)
A két egyenlet -re és -re lineáris egyenletrendszert jelent. Az egyenletrendszert
és esetekre megoldva megkapjuk a zárt szabályozási kör D-görbéit, melyek a
síkon ábrázolhatók. Továbbá tudjuk, hogy a zárt szabályozási kör és esetén -
amikor nincs szabályozás - egy instabil gyökkel rendelkezik, mely alapján a stabil terület
holléte kikövetkeztethető.
Az alfejezetben található összes ábra esetén a megjelölt stabil terület zérus instabilitási
fokát a Stépán-formulák [2] segítségével is ellenőriztem. A Stépán-formulák megadják a
paramétersík egy adott pontjában a rendszer instabilitási fokát. Ez egyben az egész D-
görbék által határolt, a pontot magába foglaló tartomány instabilitási fokát fogja jelenteni.
Egy -edrendű rendszerre paritásától függően írhatjuk fel a formulákat. Az inverz inga
esetén , vagyis a páros esettel kell számolni. A formulák felírásához szükség van az
és függvényekre, melyet a (4.10), (4.11) egyenletek bal
oldala fog megadni.
Ha páros, azaz ,
ahol pozitív valós gyökei.
Ha páratlan, azaz
ahol nemnegatív valós gyökei.
4.1.1 Minden szabályozási paraméter pontosan ismert
Ha , , azaz ha minden szabályozást befolyásoló paraméter ismert, a D-görbéket
megadó (4.10), (4.11) egyenletek az alábbi formára egyszerűsödnek:
(4.12)
(4.13)
33
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
Az -hoz tartozó D-görbe:
(4.14)
Az -hoz tartozó D-görbe:
(4.15)
A kiszámított görbék valóban visszaadják az időkésés nélküli PD szabályozónál kapott
stabilitási térképen (ld. 1.6.ábra) megismert határok origóra tükrözött képét (ld. 4.1. ábra).
stabil terület
4.1. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozás stabilitási
térképe , , , esetén.
4.1.2 Egyedül a visszacsatolás időkésése ismert pontosan
Ha , , a D-görbék (4.10), (4.11) egyenletei a következő alakra egyszerűsödnek:
(4.16)
(4.17)
Az eset az alábbi egyenes egyenletét adja:
(4.18)
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
34
Az esetben a határgörbét a (4.16), (4.17) egyenletből álló lineáris egyenletrendszer
megoldásával határozhatjuk meg, a -re és -re kapott kifejezések egy -val paraméterezett
görbét jelentenek. Ezt a számítást és a görbék ábrázolását szimbolikus algebrai programmal
végeztem. A görbéket egy adott paraméter-kombinációra ábrázolva a stabilitási térkép a 4.2.
ábrán látható.
stabil terület
4.2. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozás stabilitási
térképe , , , esetén. A jobb oldali ábrán kinagyítva, a két tengely
mentén azonos osztással látható a stabil terület.
4.1.3 Egyetlen paraméter sem ismert pontosan
Ha , , a D-görbék (4.10), (4.11) egyenletein nem tudunk tovább egyszerűsíteni.
Az eset az előző esetnél látotthoz hasonló egyenest eredményez paraméterrel:
(4.19)
Az esetben a határgörbét most is az egyenletrendszer megoldásával kapjuk, melyet
szimbolikus algebrai programmal elvégezhetünk.
Egy lehetséges paraméter érték sorozatra a stabilitási térkép a 4.3. ábrán látható. A
stabilitási térkép különböző és paraméter becslések mellett is megrajzolható. Így adott
és paraméterek mellett különböző és értékek feltételezésével térképsorozat készíthető. E
térképsorozatra mutat példát a 4.4. ábra.
35
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
stabil terület
4.3. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozás stabilitási
térképe , , , esetén. A jobb oldali ábrán kinagyítva látható a
stabil terület.
4.1.4 Az egyenlet differencia részének stabilitása
Ha a (4.2) szabályozó egyenletbe az és kifejezéseket helyettesítjük,
az egyenletet átrendezzük, és -vel leosztjuk, a differencia részre vonatkozó
karakterisztikus egyenletet kapjuk [7]:
(4.20)
ahol az kifejezést a (4.9) egyenlet adja meg. A (4.20) egyenlet tetszőleges -ra
esetén teljesül. Ez esetén megadja a differencia részhez tartozó D-görbéket.
A behelyettesítést elvégezve, a valós és képzetes részeket szétválasztva, és az egyenleteket
egyszerűsítve az alábbi két egyenletet kapjuk:
(4.21)
(4.22)
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
36
stabil terület
4.4. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozás különböző
paraméter becslésekre kapott stabilitási térkép sorozata , esetén.
Az eset az alábbi egyenes egyenletét adja:
(4.23)
Az az alábbi -val paraméterezett görbét eredményezi:
(4.24)
(4.25)
37
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
A görbék alapján a stabilitási térkép megrajzolható. A , pontban a
differencia rész stabil, mert ilyenkor , tehát ez a pont a stabil terület részét képezi.
Az előző alfejezetben vizsgált paraméter értékek mellett a stabilitási térkép a 4.5. ábrán
megtalálható.
4.5. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozási egyenlet
differencia részének stabilitási térképe , , , esetén.
A teljes egyenlet és a differencia rész térképét egymásra vetíthetjük. A teljes rendszer
stabil területe végül a két stabil tartomány metszete lesz (ld. 4.6. ábra). Az ábrán jelölt piros
tartományon belül az ideálisan megvalósított rendszer stabil, de a differencia rész instabil, így
itt a zárt rendszer instabil tetszőlegesen kicsi megvalósítási hiba esetén is.
Numerikus közelítéssel megvalósított, szakaszonként állandó beavatkozást alkalmazó
szabályozó esetén azonban a differencia rész stabilitásának nincs szerepe, határgörbéit nem
kell figyelembe venni [6]. Így stabil területnek megmarad az eredeti stabil tartomány (ld. 4.3.
ábra), nem kell a stabil területek metszetét képezni.
4.2 Numerikus szimuláció
Minden szabályozókör beállításához, behangolásához segítséget nyújt a kör működésének
számítógépes szimulációja. Így ellenőrizhető, hogy a szabályozás megfelelően működik-e,
megfigyelhetjük a kimeneti jelalakot, melyről további fontos szabályozási paraméterek
(szabályozási idő, túllendülés) is megállapíthatók.
stabil terület
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
38
zárt szabályozási kör: ,
differencia rész: , stabil terület:
4.6. ábra: Véges spektrum hozzárendelést alkalmazó inverz inga szabályozás stabilitási
térképe a differencia rész stabilitását is figyelembe véve , , ,
esetén.
Továbbá célszerű a stabilitásvizsgálatot numerikusan, számítógép segítségével is
elvégezni. Ez az időben folytonos folyamatok diszkretizálását vonja maga után. Így a
stabilitásvizsgálat is egy adott, időben diszkrét esetre fog vonatkozni. Ám a gyakorlatban
gyakran digitális szabályozót alkalmaznak a beavatkozó jel meghatározásához, így a
diszkretizálás a szabályozónál is mindenképp végbemegy. Ezért a numerikusan elkészített
stabilitási térkép jól fog illeszkedni a valós szabályozáshoz, nem szükséges mindenképp az
analitikus stabilitási határokat kiszámítani.
4.2.1 A rendszer és a szabályozó egyenletének diszkretizálása
A véges spektrum hozzárendelés módszerének gyakorlati megvalósításához egy lehetséges
megoldás a digitális szabályozó alkalmazása. A digitális szabályozót jelentheti maga a
számítógép is. A számítógép által felhasznált adatok (a rendszerállapotok és beavatkozások
korábbi értékei) csak bizonyos időpontokban állnak rendelkezésre, ezek az ún. szimulációs
lépések. A szabályozáshoz szükséges beavatkozás meghatározása is csak ezekben az
időpontokban történik. Legyen a szimulációs lépések közt eltelt idő . A beavatkozást tehát
időközönként számítjuk ki, a köztes időpillanatban tartjuk az értékét. Tehát szakaszonként
konstans beavatkozási függvény valósul meg.
Így a korábban megismert (3.15) szabályozó egyenlet most már csak a diszkrét
időpillanatokban érvényes, csak a szimulációs lépésekben adja meg a kapcsolatot a
39
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
kiszámításra kerülő beavatkozás érték és a rendelkezésre álló rendszerállapot és korábbi
beavatkozás adatok közt.
Írjuk fel a szabályozó egyenletet az alábbi formában:
(4.26)
ahol .
Legyenek a szimulációs lépések a időpontokban ( ). Alkalmazzuk az
alábbi jelöléseket:
Alkalmazzunk szakaszonként konstans beavatkozó jelet, valamint közelítsük a szabályozó
egyenletben megtalálható integrál kifejezést numerikus kvadratúrával (ld. 3.3 alfejezet). Az
így megvalósított beavatkozás a időintervallumon:
(4.27)
ahol és .
A rendszert leíró differenciálegyenlet (állapottér főegyenlet) továbbra is minden
időpillanatban érvényes, nem csupán a szimulációs lépéseknél. Használjuk fel a
differenciálegyenletet a következő szimulációs lépésben megvalósuló állapot meghatározására
úgy, hogy az aktuális állapotot ismertnek tekintjük.
Írjuk fel az állapottér főegyenletet szakaszonként konstans beavatkozás esetén a következő
alakban:
(4.28)
ahol . Az egyenletet kezdeti feltétellel megoldva:
(4.29)
A korábbi rövid jelöléseket alkalmazva a következő szimulációs lépésben érvényes állapot
kifejezése:
(4.30)
ahol és
.
Az , , , mátrixok egy adott szabályozási körre és szimulációs időlépésre előre
meghatározhatók, nem függnek -től. Így a következő egyenletek segítségével minden
szimulációs lépés alkalmával a beavatkozás és a következő szimulációs lépésnél érvényes
állapot meghatározható az aktuális állapot és a korábbi beavatkozások alapján. Így a
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
40
rendszerre érvényes kezdeti feltételek és a beavatkozás x intervallumon felvett
kezdeti - például zérus - értékeit ismerve a szabályozási kör numerikus szimulációja
elvégezhető. Az ehhez szükséges két egyenlet tehát:
(4.31)
(4.32)
4.2.2 Állapot kiegészítés
Tegyük fel, hogy a szabályozási kör időkésését pontosan ismerjük, vagyis , azaz
.
Vegyük fel az állapotvektorba az , , ,…, értékeket. Ezt nevezzük állapot
kiegészítésnek (angolul state augmentation). Az állapot kiegészítés előnye, hogy adott
szimulációs lépés bővített állapotvektora egyszerűen kiszámítható, csupán az előző
szimulációs lépés bővített állapotvektorát meg kell szorozni egy mátrixszal. A numerikus
szimulációt leíró (4.31), (4.32) egyenletek alapján ez a mátrix-szorzásos összefüggés
felépíthető:
(4.33)
ahol az -es egységmátrix, az -es nullmátrix ( a bemenetek száma).
Vagyis a szimulációt meghatározó egyenlet az alábbi egyszerű alakú:
(4.34)
ahol a bővített állapotvektor . szimulációs lépésben felvett értéke, pedig a szimulációs
paramétereket és rendszerjellemzőket tartalmazó mátrix. Ez az egyenlet egy szemi-
diszkretizált rendszert jelenít meg, hiszen az eredeti folytonos rendszert mintavételessel
közelítettük és az időkésést részre bontottuk. A mátrix időtől független jellemző, a
szimuláció során előre meghatározható. A kezdeti értéket ismerve pedig a teljes numerikus
szimuláció során lépésről lépésre kiszámítható aktuális értéke.
Ha az időkésést nem ismerjük pontosan és felépítése kétféle lehet. és méretét
mindig a x érték határozza meg.
41
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
Ha ,
(4.35)
Ha ,
(4.36)
Ha állapotváltozó és bemenet van, akkor mérete tehát ( x )
( x ), mérete pedig ( x ) 1. Ebből jól látható, hogy ahogy
egyre finomítjuk a numerikus közelítést, azaz ahogy és , , úgy válik a
mátrix mérete végtelen naggyá, vagyis a probléma végtelen dimenziós természete
megmutatkozik.
4.2.3 Stabilitási térképek numerikus elkészítése
Az állapot kiegészítés alkalmazásának másik fő előnye, hogy a zárt szabályozási kör
stabilitási térképe könnyen elkészíthető. A rendszer stabilitását ugyanis sajátértékei fogják
megszabni. Ezeket a sajátértékeket karakterisztikus multiplikátoroknak nevezzük.
A karakterisztikus multiplikátorok stabilitást meghatározó szerepének belátásához
tekintsük az egyenletet. Ez minden elemére egy-egy mértani sorozatot jelent.
Ha -t a sajátvektorainak koordináta rendszerébe transzformáljuk, akkor diagonális mátrixszá
válik, főátlójában a sajátértékei állnak, minden más eleme zérus. Így az ebben a koordináta
rendszerben felírt egyenlet alakú skalár egyenletekre bomlik (
az vektor . eleme a sajátvektorok által meghatározott koordináta rendszerben, pedig .
sajátértéke, azaz a . karakterisztikus multiplikátor, x ). Ezen
skalár egyenletekből pedig látszik, hogy mindegyik elemére egy-egy mértani sorozatot
kapunk. A rendszer csak akkor lehet stabil, ha e mértani sorozatok konvergensek. A
konvergencia feltétele pedig, hogy a sorozatok kvóciensének abszolút értéke egynél nem lehet
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
42
nagyobb. Ha a stabilitási határt is kizárjuk, kritikus stabilitást nem engedünk meg, akkor a
kvóciens abszolút értéke egynél kisebb kell legyen minden egyes mértani sorozatra.
Tehát az aszimptotikus stabilitás feltétele:
x (4.37)
Mivel a numerikus szimulációt eleve számítógéppel végezzük, számítógéppel ezt a
vizsgálatot is gyorsan elvégezhetjük, a rendszer stabilitása ellenőrizhető. A karakterisztikus
multiplikátorok értékei függnek a , szabályozó paraméterektől. Így a sajátértékeket
különböző , értékpárokra kiszámíthatjuk, és eldönthetjük, a szabályozás stabil rendszert
eredményez-e. Ezáltal a síkon a stabilitási térkép pontról pontra megrajzolható. Tehát
a stabilitási térképet bizonyos felbontással, diszkrét és értékek mellett elkészíthetjük.
A 4.3. ábrán bemutatott térkép numerikusan készített változata a 4.7. ábrán látható. A
térképen megtalálhatók a folytonos szabályozáshoz tartozó analitikus görbék is. Látható, hogy
a differencia rész stabilitási tartománya nem befolyásolja a numerikusan megvalósított
szabályozás stabilitását (ld. 4.1.4 pont). A numerikus módszerrel készített stabilitási
térképeket, numerikus szimulációk eredményeit mutató ábrákat Matlab R2011b szoftverrel
hoztam létre.
4.7. ábra: Numerikusan megvalósított véges spektrum hozzárendelést alkalmazó inverz inga
szabályozás stabilitási térképe.
A B
C
43
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
A 4.4. ábrán látottakhoz hasonlóan a numerikus stabilitásvizsgálat többszöri futtatásával
megvizsgálható, hogy milyen hatással van a stabilitásra a rendszerparaméterek
megbecslésének pontatlansága. Például a 4.8. ábrán megfigyelhető, hogyan változik a stabil
terület, ha rögzített és paraméterek mellett a becsléseket -20%, 0% és +20% hibával
végezzük. A középső térkép mutatja az ideális esetet.
4.8. ábra: Numerikusan megvalósított véges spektrum hozzárendelést alkalmazó inverz inga
szabályozás stabilitási térképének változása a különböző paraméter becslések mellett.
A 4.6. ábrán látható stabilitási térkép numerikus közelítéssel készített változata is
létrehozható. E térkép megmutatja, miként csökken a teljes zárt szabályozási körre vonatkozó
stabil tartomány instabil differencia rész esetén. A differencia rész instabilitása két - általunk
már megvizsgált - esetben nem befolyásolja a zárt kör stabilitását. E két eset a
integrálkifejezés folytonos, átalakítás nélküli megvalósítása (elméleti, ideális eset) és a
numerikus közelítéssel történő megvalósítás szakaszonként konstans beavatkozás
alkalmazásával. Azonban folytonos rendszer és időkésés esetén a integrálkifejezés
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
44
numerikus közelítésével a differencia rész stabilitása is szükséges a stabil zárt szabályozási
kör megvalósításához. Ilyenkor a beavatkozás szakaszonként konstans, ám a rendszer
folytonos, nem diszkretizálunk.
A stabilitási térkép numerikus módszerrel történő elkészítése esetén azonban szükséges
valamekkora szimulációs időlépés alkalmazásával a folytonos rendszert diszkrét rendszerrel
közelíteni. Ezért e térkép numerikus elkészítéséhez két különböző mértékű időlépést
alkalmazunk: a folytonos rendszer közelítésére egy igen kicsiny időlépést, a
szakaszonként konstans beavatkozás megvalósításához a korábbi -nek megfelelő mértékű
időlépést, Alkalmazzuk az alábbi jelöléseket:
A rendszerállapotok következő - időtartammal későbbi - időlépésben érvényes értékét
az alábbi egyenlet szerint a (4.30) egyenlethez hasonlóan számíthatjuk:
(4.38)
ahol és
.
A beavatkozás értékeket - mely csak időtartamonként változik - a -nek megfelelő
szimulációs lépésekben az alábbi egyenlet adja meg:
(4.39)
ahol és .
A (4.38) és (4.39) egyenletek alapján ismét felépíthető egy alakú, állapot
kiegészítéssel létrehozott egyenlet.
Ha , a fent említett egyenlet
(4.40)
45
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
Ha ,
(4.41)
Ha állapotváltozó és bemenet van, akkor mérete ( x )
( x ), mérete pedig ( x ) 1.
A stabilitási térképek elkészítésének menete a szakaszonként konstans beavatkozás
eseténél leírtakkal azonos - sajátértékeinek vizsgálata szükséges. A 4.6. ábrán bemutatott
térkép numerikusan készített változata a 4.9. ábrán látható. A térképen megtalálhatók a zárt
szabályozási kör és a differencia rész folytonos szabályozáshoz tartozó analitikus határgörbéi.
4.9. ábra: Numerikusan megvalósított véges spektrum hozzárendelést alkalmazó inverz inga
szabályozás stabilitási térképe a differencia rész stabilitásra gyakorolt hatását megmutatva.
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
46
4.2.4 A mozgásegyenlet numerikus megoldása
Az egyenlet alapján a mozgásegyenlet megoldása az kezdeti érték
ismeretében a numerikus szimuláció során lépésről lépésre meghatározható. Így a
rendszerállapotok és a szabályozási kör kimenete a szimulációs lépéseknek megfelelő
időpontokban kiszámíthatók, az inga szöghelyzetének időbeli lefutása ábrázolható. Az
vektor tartalmazza az inga kezdeti szöghelyzetét és szögsebességét, valamint a beavatkozás
x időintervallumon érvényes értékeit. Utóbbira az feltételt írhatjuk
fel, ha azt az esetet tekintjük, hogy a időpillanatban lép működésbe a szabályzókör - a
későbbi példákon és ábrákon ez az eset jelenik meg.
A 4.10. ábrán egy lehetséges stabil szabályozás, a 4.11. ábrán egy instabil gyökkel
rendelkező szabályozás, a 4.12. ábrán két instabil gyökkel rendelkező szabályozás kimeneti
időfüggvénye látható. E példákban megjelenő rendszer stabilitási térképe megtalálható a 4.7.
ábrán, mely A, B és C pontjaihoz tartoznak a fent említett időfüggvények. Megfigyelhető,
hogy ha a stabil területről az határgörbén keresztül lépünk ki, a rendszer kimenete
exponenciálisan „száll el”, míg az határgörbét átlépve ez oszcillálva történik (előbbi
esetben egy, utóbbi esetben két instabil pólus keletkezik). Instabil esetben persze kilépünk a
kis szögelfordulások tartományából, és az ingára felírt mozgásegyenlet nem lesz érvényes, de
a kapott görbék jellegükben tükrözik az instabil rendszerben lezajló folyamatokat.
4.10. ábra: A numerikus szimuláció eredménye szögelfordulás és
szögsebesség kezdeti feltételekkel.
A
47
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
4.11. ábra: A numerikus szimuláció eredménye szögelfordulás és
szögsebesség kezdeti feltételekkel.
4.12. ábra: A numerikus szimuláció eredménye szögelfordulás és
szögsebesség kezdeti feltételekkel.
4.3 Leggyorsabb beállás vizsgálata
A rendszer karakterisztikus egyenletét ismerve meg lehet vizsgálni azt is, hogy a kitérített
inverz inga milyen szabályozó paraméterekkel stabilizálható leggyorsabban, legrövidebb idő
B
C
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
48
alatt. A leggyorsabb beállás akkor valósul meg, ha a karakterisztikus exponensek valós
részeinek maximuma a lehető legkisebb értéket veszi fel. Azaz a kimenet lecsengésének
gyorsasága a karakterisztikus exponensek valós részének nagyságától függ.
A leggyorsabb lecsengéshez tartozó szabályozó paraméterek meghatározásához a
karakterisztikus egyenletbe kifejezést kell helyettesíteni, és a határgörbéket a
paraméterrel együtt meghatározni. Ekkor ezek a görbék már nem a stabilitási határt, hanem az
adott értékhez tartozó határokat jelölik. Ezen határgörbék átlépése azt jelenti, hogy egy
valós pólus vagy két komplex pólus valós része átlépi a értéket. Ezért meg kell vizsgálni,
melyik az a legkisebb érték, melynél még marad olyan terület, ahol minden pólus valós
része alatt van ( esetén ez volt a stabil terület). Ez a legkisebb érték fogja
meghatározni a leggyorsabb beállás szabályozási idejét, és a hozzá tartozó szabályozó
paraméterek segítségével érhető el a legkisebb beállási idő.
A szabályozó paraméterek meghatározása azonban analitikusan meglehetősen bonyolult
lenne, ezért célszerű numerikus vizsgálatot végezni. Az állapot kiegészítésnél kiszámított
karakterisztikus multiplikátorok értéke ugyanis szintén felhasználható annak eldöntésére,
hogy a sík mely pontjához tartozik a leggyorsabb beállás. Ebben az esetben azt a
pontot kell keresnünk, ahol a karakterisztikus multiplikátorok abszolút értékének maximuma
a legkisebb. Korábban már láthattuk, hogy az állapot kiegészítésnél megvalósított
egyenlet skalár mértani sorozatokat takar, melyek kvóciensei a karakterisztikus
multiplikátorok. A karakterisztikus multiplikátorok közül a legnagyobb abszolút értékű fogja
a leglassabban konvergáló (instabil esetben a leggyorsabban divergáló) mértani sorozatot
eredményezni. Így ha a rendszer stabil, a leggyorsabb lecsengést ezen karakterisztikus
multiplikátor legkisebb értéke mellett kapjuk.
Tehát a leggyorsabb beállás meghatározásához azt a pontot keressük a síkon, ahol
x minimális. A x értékeket már a stabilitás vizsgálatnál pontról pontra
előállítottuk. Ezáltal lehetséges akár ezek szintvonalas ábrázolása is: minél „mélyebb” szinten
van egy pont, annál gyorsabb lesz a beállás. Továbbá ezek a szintvonalak fogják közelíteni az
adott értékhez tartozó határgörbéket. A stabilitási határt pedig az a szintvonal jelöli,
amelyen a x egységnyi.
A 4.7. ábrához tartozó szintvonalas térkép a 4.13. ábrán látható.
49
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
4.13. ábra: A maximális abszolút értékű karakterisztikus multiplikátorok szintvonalas
megjelenítése. A leggyorsabb beállás és szabályozó paraméter értékek
mellett valósul meg, ekkor x .
Az előző példánál a leggyorsabb beállást eredményező szabályozás kimeneti jelalakját a
4.14. ábra mutatja.
4.14. ábra: A leggyorsabb beállást mutató numerikus szimuláció eredménye
szögelfordulás és szögsebesség kezdeti feltételekkel.
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
50
A leggyorsabb beállású pont maximális abszolút értékű karakterisztikus multiplikátora
alapján ún. fajlagos csökkenési arány (angolul decay ratio) számítható az alábbi összefüggés
szerint:
x
(4.42)
A fajlagos csökkenési arány tehát azt mutatja meg, hogy közelítőleg hányad részére
csökken a kimenet értéke idő alatt (azaz a dimenziótlan vizsgálatok esetén 1 [s] alatt). Ez az
érték a jelen példánál .
A kialakuló lengések több komponensből tevődnek össze, több mértani sorozat alapján
alakulnak ki. Így a fajlagos csökkenési arány valóban csak egy közelítést fog jelenteni.
Továbbá a lecsengés gyorsaságánál nemcsak a legnagyobb abszolút értékű karakterisztikus
multiplikátor számít, hanem az összes többi is, ám mindenképp a legnagyobb(ak) értéke a
domináns a szabályozás gyorsaságának szempontjából. Ha különböző szabályozó
paramétereknél közel egyezőek a multiplikátor értékek, előfordulhat, hogy nem pontosan
abban a pontban lesz a leggyorsabb a beállás, ahol a x minimális, hanem egy kicsit
nagyobb, ám majdnem megegyező x értékű pontban. Ám ezek a pontok egymáshoz
közel esnek, így a szintvonalas térképek mindenképpen jól használhatóak a leggyorsabb
lecsengést biztosító szabályozó paraméterek megtalálásához, a szabályozó behangolásához.
4.4 Kritikus dimenziótlan rendszerparaméter
PD szabályozó esetén már láthattuk, hogy a szabályozás nem alkalmas tetszőlegesen nagy
időkésés vagy tetszőlegesen rövid inga kiegyensúlyozására (ld. 2.3 alfejezet). Ez véges
spektrum hozzárendelést alkalmazó szabályozás esetén sincs másképp, ha az időkésést és a
rendszerparamétert nem teljesen pontosan ismerjük. Így egységnyi időkésést feltételezve
meghatározható az az kritikus dimenziótlan rendszerparaméter, melynél az inga még
éppen stabilizálható.
Az értéke függ a paraméter becslések pontosságától ( és értékétől) és a numerikus
megvalósítás esetén a lépésköztől is. Az sem közömbös, hogy az időkésést és a
rendszerparamétert túl- vagy alábecsüljük. Így egy adott abszolút értékű becslési hiba esetén a
4.8. ábrához hasonló stabilitási térkép sorozatot kell készíteni, és meg kell figyelni, hogy az
paraméter növelésével melyik térképen (milyen becslési hiba előjelek mellett) tűnik el a stabil
terület. Az értéket így több különböző esetre meghatározhatjuk, az eredményeket
rögzíthetjük. Ennek segítségével később egy konkrét rendszernél csak dimenziótlanítani kell a
rendszerparamétert, meg kell becsülni, mekkora hibával tudjuk és értékét meghatározni,
51
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
és a értékének megfelelő paramétert elő kell keresni. Ezáltal el tudjuk dönteni, hogy
egyáltalán van-e remény a stabilizálásra véges spektrum hozzárendelés segítségével.
Tehát az jól jellemzi a szabályozó alkalmazhatóságát, általa a különböző szabályozási
eljárások összehasonlíthatók a stabilizálás képességének szempontjából. PD szabályozó
esetén már láthattuk, hogy . Véges spektrum hozzárendelés esetén ha és értékét
50%-nál kisebb hibával becsüljük, akkor általában értéke meghaladja a kettőt, pontosabb
becslések esetén lényegesen nagyobb kritikus rendszerparaméter értékek érhetők el. Ideális
esetben pedig, amikor minden paraméter pontosan ismert, . Tehát látható, hogy
késleltetett visszacsatolás esetén a véges spektrum hozzárendeléses szabályozás alapvetően
jobb stabilizálási tulajdonsággal bír, mint a PD szabályozó.
A kritikus dimenziótlan rendszerparaméter értékek meghatározását számos esetre
elvégeztem, a 4.15. ábrán megfigyelhető diagram összefoglalja az eredményeket. A diagram
két felét kinagyítva mutatják a 4.16. és a 4.17. ábrák.
4.15. ábra: A kritikus dimenziótlan rendszerparaméter értéke a paraméter becslések
hibájának függvényében különböző dimenziótlan szimulációs időlépések esetén.
0,00
2,00
4,00
6,00
8,00
10,00
12,00
0 10 20 30 40 50 60 70 80 90
ak
rit [-
]
|hiba| [%]
Kritikus dimenziótlan rendszerparaméter
Δt=0 - analitikus Δt=0,005 Δt=0,01 Δt=0,05 Δt=0,1
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
52
4.16. ábra: A kritikus dimenziótlan rendszerparaméter értéke a paraméter becslések
hibájának függvényében kis hibák esetén.
4.17. ábra: A kritikus dimenziótlan rendszerparaméter értéke a paraméter becslések
hibájának függvényében nagy hibák esetén.
0,00
2,00
4,00
6,00
8,00
10,00
12,00
0 2 4 6 8 10
ak
rit [-
]
|hiba| [%]
Kritikus dimenziótlan rendszerparaméter
Δt=0 - analitikus Δt=0,005 Δt=0,01 Δt=0,05 Δt=0,1
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
10 20 30 40 50 60 70 80 90
ak
rit [-
]
|hiba| [%]
Kritikus dimenziótlan rendszerparaméter
Δt=0 - analitikus Δt=0,005 Δt=0,01 Δt=0,05 Δt=0,1
53
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
Megfigyelhető, hogy az esetek többségében akkor érhető el a legnagyobb érték, ha
alacsony hibával becslünk és kis szimulációs lépésközt alkalmazunk. Nagyobb szimulációs
lépésköz, pl. esetén értéke bizonytalanná válhat, hol meghaladja az
analitikusan kapott értéket, hol lényegesen alatta marad. Alacsony szimulációs időlépés
alkalmazása igen jól közelíti az analitikus esetet. Általában dimenziótlan
szimulációs lépésköz választása a stabilizálás szempontjából elegendő.
Továbbá meg kell említeni, hogy a diagramon csak azok az esetek jelennek meg, amikor
és értékét azonos mértékű hibával becsüljük. Emellett a hiba előjele sincs ezen az ábrákon
feltüntetve. Általában 50% alatti hibáknál a stabilitásvesztés azokban esetekben fordul elő,
amikor az időkésést alá, a rendszerparamétert pedig fölé becsültük, azaz a valósnál kisebb
késést és rövidebb ingát feltételeztünk. 50% feletti hibáknál pedig fordított hiba előjelek
mellett, valósnál nagyobb késés és hosszabb inga feltételezésével történt meg a
stabilitásvesztés.
Valamint azt is meg kell jegyezni, hogy értéke mellett a stabil terület már igen szűk,
nehéz a szabályozó paraméterek beállításával eltalálni a stabil pontot. A fenti eredményeket
úgy határoztam meg, hogy ha és értékét 0.01 pontossággal be tudjuk állítani, akkor
esetén még éppen van stabil terület, értékét 0.01-dal növelve már nincs. A szabályozó
paramétereket pedig ilyen pontosan nem mindig lehet beállítani, ezért célszerű néhány
százalékkal értéke alatt maradni.
4.5 Stabilizálás a vízszintes irányú mozgás figyelembe vételével
A mozgásegyenlet felírása során az inga alsó pontjának vízszintes irányú mozgását leíró
koordinátát kiejtettük (ld. 2.1 alfejezet), azaz csupán az inga szöghelyzete érdekelt minket, az
inga helyével, sebességével nem foglalkoztunk. Valós rendszer esetén azonban az
függvény értékét is korlátok közt kell tartani, értéke nem divergálhat, a mozgást akármekkora
pályán nem tudjuk biztosítani.
Célszerű megvizsgálni, hogy az eddig megvalósított szabályozás milyen függvényt
eredményez. Ehhez írjuk fel a 2.1 alfejezetben az ciklikus koordináta kiejtése előtt kapott
két egyenletből álló (2.7) mozgásegyenlet-rendszer egyik egyenletét:
(4.43)
Linearizáljuk az egyenletet és írjuk be helyére a kifejezést. A
kapott egyenletet -ra rendezve:
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
54
(4.44)
Ha az ingát stabilizáltuk, az egyenlet jobb oldala zérus lesz, így a vízszintes irányú mozgás
gyorsulása zérus lesz, ám egyenes vonalú egyenletes mozgás még kialakulhat. Ekkor azonban
lineáris függvény szerint növekszik, így nem marad korlátok között.
Az előbbi egyenlet alapján az függvényt kirajzolva a 4.18. ábra igazolja az egyenes
vonalú egyenletes mozgás kialakulását. A paramétereket úgy állítottam be, hogy -val
dimenziótlanított értékük megegyezzen a 4.10. ábra esetén látható dimenziótlan
paraméterekkel.
4.5.1 Az állapottér modell bővítése
A vízszintes irányú mozgás stabilitási problémáira megoldást jelenthet az és
jellemzők állapotvektorba való felvétele. Így a gyorsulásra felírt (4.44) egyenlet segítségével
az új állapottér főegyenlet felírható:
(4.45)
4.18. ábra: A numerikus szimuláció eredménye szögelfordulás,
szögsebesség, pozíció és sebesség kezdeti feltételekkel.
55
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
vagyis az új állapotvektor , az új rendszermátrix és
bementi vektor pedig:
(4.46)
Ezekkel az új paraméterekkel ugyanaz az állapot kiegészítéssel megvalósított szimuláció
létrehozható, mint a korábbi esetekben (ld. 4.2 alfejezet), csak és mérete és tagjai
változnak meg, a szimulációt megvalósító programon más módosítást nem kell eszközölni.
Eltérést jelent azonban, hogy most már becslése miatt . (Az paraméter
becslésének hibáját becslésénél vegyük figyelembe, értékét tekintsük pontosnak).
Valamint ebben az esetben már négy szabályozó paraméterrel kell számolnunk:
(4.47)
További eltérést jelent, hogy a -val való dimenziótlanítás után még maradhatnak [m] és
[1/m] dimenziójú paraméterek.
Az állapotvektor bővítését elvégezve, a szimulációt megfelelő szabályozó paraméterek
mellett futtatva stabil szabályozás érhető el, erre mutat példát a 4.19. ábra.
4.19. ábra: A vízszintes mozgás szabályozását is megvalósító numerikus szimuláció
eredménye , , és kezdeti feltételekkel.
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
56
4.5.2 Stabilitási térképek
Mivel a szabályozó paraméterek száma kettővel növekedett, közülük kettőt rögzíteni kell,
hogy két dimenziós stabilitási térképeket készíthessünk. Így például és rögzítésével a
síkon elkészíthető a stabilitási térkép. Különböző és értékek mellett pedig a
4.8. ábrán látotthoz hasonló térkép sorozat készíthető. Azonban a paraméterek megnövekedett
száma miatt a becslési hibák és minden szabályozó paraméter változtatásának hatása
egyszerre nem vizsgálható a térkép sorozaton. Itt már szükséges, hogy a becslési hibákat is
adottnak tekintsük.
A stabilitási határgörbék analitikus meghatározása a korábbiakhoz hasonlóan történhet.
Először be kell helyettesíteni az állapottér főegyenlet skalár egyenleteibe és a szabályozó
egyenletbe a ,
, ,
és
kifejezéseket. Majd a kapott egyenletrendszert átrendezve és -vel leosztva az alábbi alakra
kell hozni:
(4.48)
Ennek az egyenletnek mellett létezik nem triviális megoldása. Így
a rendszer karakterisztikus egyenlete a egyenlet lesz, melybe kifejezést
helyettesítve megkapjuk a D-görbéket.
Ám a számítás analitikus elvégzése meglehetősen hosszadalmas lenne, így ismét
alkalmazhatjuk a numerikus stabilitásvizsgálatot. A rendszer stabilitását továbbra is
sajátértékei döntik el, az aszimptotikus stabilitás feltétele x marad, csupán
mérete és értékei változnak meg. Azonban a szabályozatlan vízszintes irányú mozgás
esetében - amikor és - tudjuk, hogy a rendszer két zérus karakterisztikus
exponenssel rendelkezik, hiszen a vízszintes irányú mozgás időfüggvénye lineáris. Ezekhez a
pólusokhoz tartozó karakterisztikus multiplikátorok értéke egy. Ahhoz, hogy jobban
megfigyelhessük a két új szabályozó paraméter stabilitásra gyakorolt hatását, a stabilitási
térképek rajzolásánál módosítsuk a vizsgálati feltételt a x összefüggésre.
Így és esetén is megfigyelhető az új szabályozó paraméterek hatása, nem
kapunk a teljes paramétersíkon instabil területet. Egyéb esetekben pedig közelítően a
tényleges stabil területet kapjuk vissza. Ám arról nem szabad megfeledkeznünk, hogy a két új
szabályozó paraméterre mindenképp szükség van, ha stabil vízszintes irányú mozgást
szeretnénk elérni.
A stabilitási térképek tehát meghatározott , , , , és paraméterek mellett különböző
és értékek választásával a síkon elkészíthetők. Erre mutat példát a 4.20. ábra.
57
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
4.20. ábra: A vízszintes mozgást is stabilizáló, véges spektrum hozzárendelést alkalmazó
inverz inga szabályozás stabilitási térképei különböző szabályozó paraméterekre.
4.6 Szabályozás hatásvázlat felhasználásával
A véges spektrum hozzárendeléses szabályozás 3.1. ábrán látható hatásvázlatát Simulink
R2011b programban megépítettem. A 4.14. ábra paramétereit beállítva, a szimulációt állandó
lépésközű, ode3 megoldóval és 0.001 dimenziótlan szimulációs időlépéssel lefuttatva a 4.21.
ábrán látható eredményt kaptam. Az ábrán látható, hogy a kimenet először jól követi a 4.14.
ábrán megfigyelhető jelalakot, majd a zárt szabályozási kör instabillá válik. Ennek oka az,
hogy a hatásvázlattal történő megvalósítás instabil zérus-pólus kiejtéssel jár együtt (ld. 3.5
alfejezet).
4. fejezet:
Inverz inga szabályozása véges spektrum hozzárendelés alapján
58
4.21. ábra: A véges spektrum hozzárendelést alkalmazó inverz inga szabályozás hatásvázlat
általi megvalósításával kapott kimeneti jelalak.
Tehát e példa is azt bizonyította, hogy a szabályozás 3.5 alfejezetben bemutatott
hatásvázlat általi megvalósítását instabil rendszerekre alkalmazva nem érünk el stabil
szabályozási kört, a kimenet divergálni fog. Ha a szimulációs időlépést csökkentjük, akkor a
kimeneti függvény egyre hosszabb idő után „száll el”, ám ez a jelenség előbb-utóbb
mindenképp végbemegy. Ezért célszerűbb a 4.2 alfejezetben bemutatott diszkretizálással járó,
numerikus megvalósítási formánál maradni.
Összefoglalás
A szakdolgozat során a szabályozástechnika egy fontos témájával, a szabályozási körben
fellépő időkésés okozta problémákkal foglalkoztunk. Láthattuk, hogy az időkésés a zárt
szabályozási kör stabilitásvesztését okozhatja, illetve túlzott mértékű időkésés esetén nem
hozható létre stabil szabályozás. Továbbá azt is megfigyelhettük, hogy az időkéséssel bíró
rendszerek szabályozása végtelen dimenziós probléma: a rendszeregyenlet megoldásához
végtelen sok kezdeti értékre van szükség, illetve a rendszer végtelen sok karakterisztikus
exponenssel bír.
Az időkésés problémájára megoldásul a véges spektrum hozzárendeléses szabályozási
eljárás lehetőségét vizsgáltuk. Ezen eljárás a bemeneti időkésés hatását megoszló időkéséses
tagot tartalmazó szabályozó egyenlet segítségével kompenzálja. Láthattuk, hogy az eljárás
predikció és a megjósolt állapotok visszacsatolása révén ideális esetben előre megtervezett
dinamikával működő rendszert képes létrehozni. Azaz az időkésés miatt eredetileg végtelen
spektrummal rendelkező rendszer pólusaiból véges sokat előre tervezett értékre állít be, a
többit automatikusan megszünteti. Valamint azt is megismerhettük, hogy az eljárás
alkalmazhatóságánál a fő nehézséget a paraméterekre való érzékenység jelenti. Ahhoz, hogy
az eljárás hatékonyan működjön, szükséges, hogy a predikciónál felhasznált mért vagy
becsült rendszerparaméter és időkésés értékek a valós értékeket pontosan közelítsék.
Továbbá megvizsgáltuk, hogy a szabályozó egyenlet megoszló időkésést tartalmazó
integrálkifejezésének megvalósítása milyen problémákba ütközik. Illetve vizsgáltuk azt is,
hogy a rendszert leíró neutrális funkcionál-differenciálegyenlet stabilitásának milyen feltételei
vannak, azaz az egyenlet differencia része miként befolyásolja a rendszer stabilitását.
Valamint kitértünk a diszkretizálással kapott, szakaszonként konstans beavatkozást
megvalósító numerikus szabályozási eljárás alkalmazására is.
Emellett a szabályozási eljárás instabil rendszerek stabilizálására való alkalmazhatóságáról
is meggyőződtünk az inverz inga szabályozásának példáján keresztül. E példában részletesen
ismertetésre került a szabályozóegyenlethez tartozó stabilitási térképek elkészítése folytonos
esetben és különböző időlépések melletti numerikus közelítés esetén. Továbbá megvizsgáltuk
az inga leggyorsabb kiegyensúlyozásának megvalósítását, vízszintes irányú mozgásának
szabályozását és kritikus dimenziótlan rendszerparaméterének értékét. Utóbbi alapján az
eljárást a hagyományos PD szabályozóval is összehasonlítottuk, és beláttuk, hogy időkéséssel
bíró rendszerek stabilizálása esetén a véges spektrum hozzárendeléses szabályozás
hatékonyabb, stabilizálás szempontjából kedvezőbb tulajdonságokkal rendelkezik.
Irodalomjegyzék
[1] T. Insperger, G. Stépán and J. Turi, "Delayed feedback of sampled higher derivates,"
Philosophical Transactions of the Royal Society A, vol. 368, pp. 469-482, 2010.
[2] G. Stépán, Retarded Dynamical Systems, Longman, Harlow, 1989.
[3] T. Insperger and G. Stépán, Semi-Discretization for Time Delay Systems - Stability and
Engineering Applications, Springer, 2011.
[4] A. Z. Manitius and A. W. Olbrot, "Finite Spectrum Assignment Problem for Systems
with Delays," IEEE Transactions on Automatic Control, Vols. AC-24, no. 4, pp. 541-
553, 1979.
[5] S. Mondié, M. Dambrine and O. Santos, "Approximation of Control Laws with
Distributed Delays: a Necessary Condition for Stability," Kybernetika, vol. 38, no. 5, pp.
541-551, 2002.
[6] W. Michiels és S.-I. Niculescu, Stability and Stabilization of Time Delay Systems - An
Eigenvalue Based Approach, SIAM, 2007.
[7] K. Engelborghs, M. Dambrine and D. Roose, "Limitations of a Class of Stabilization
Methods for Delay Systems," IEEE Transactions on Automatic Control, vol. 46, no. 2,
pp. 336-339, 2001.
[8] S. Mondié and W. Michiels, "Finite Spectrum Assignment of Unstable Time-Delay
Systems With a Safe Implementation," IEEE Transactions on Automatic Control, vol.
48, no. 12, pp. 2207-2212, 2003.
[9] Z. J. Palmor, Time-delay compensation-Smith predictor and its modifications. in The
Control Handbook, Chapter 10, pages 224-237, CRC and IEEE Press, New York, 1996.
[10] D. L. Kleinman, "Optimal Control of Linear Systems with Time-Delay and Observation
Noise," IEEE Transactions on Automatic Control, vol. 14, no. 5, pp. 524-527, 1969.
[11] Dr. Stépán Gábor: Robotok mechanikája előadás jegyzet, Budapest, 2011/12 tavaszi
félév.
[12] Dr. Stépán Gábor: Rezgéstan előadás jegyzet, Budapest, 2010/11 tavaszi félév.
[13] Kovács Jenő: Számítógépes irányításelmélet jegyzet, Oulu, 2009.
A. függelék:
A numerikus szimulációknál alkalmazott Matlab-kódok
A 4.2, 4.3, 4.5 és 4.6 alfejezetek ábrái a Matlab R2011b program segítségével készültek. E
függelék tartalmazza a numerikus szimulációk megvalósításához és az ábrák létrehozásához
szükséges forráskódokat.
A.1 Az inverz inga mozgásegyenletének numerikus megoldása
Az alábbi sorok tartalmazzák a 4.10., 4.11., 4.12. és 4.14. ábra létrehozásához szükséges
forráskódot.
clear all close all clc
a=1.5; fi0=2/180*pi; %kezdeti szoghelyzet om0=0; %kezdeti szogsebesseg h=1; %idokeses errh=1.2; h2=errh*h; %feltetelezett idokeses err=1.2; %hiba merteke - ennyiszereset becsuljuk a valos a-nak
A=[0 1 a 0]; %rendszermatrix A2=[0 1 err*a 0]; %feltetelezett rendszermatrix b=[0 1]; %bemeneti vektor
k1=-1.2; k2=-0.4; K=[k1 k2]; %visszacsatolo vektor F=K*expm(A2*h2);
delt=0.005; %szimulacios idolepes r=round(h/delt); %idokeses idolepeseinek szama r2=round(h2/delt); %feltetelezett idokeses idolepeseinek szama
P=expm(A*delt); R=-A\b+A\expm(A*delt)*b;
if r2>0 %ha a feltetelezett idokeses nem 0, akkor leteznek a Qj skalarok Q=zeros(r2,1); %Qj skalarok eloallitasa for j=1:r2 Q(j)=F*expm(-A2*h2)*expm(A2*j*delt)*b*delt; end end
r0=max(r,r2); %max(r,r2) fogja meghatarozni FI es y meretet if r==0&&r2==0 %ha nincs keses es nem is feltetelezzuk FI=P+R*F; else FI=zeros(r0+2); %FI matrix eloallitasa: (r0+2)*(r0+2)-es if r==0 %ha nincs keses, FI oszlopai osszecsusznak, a tagok valtoznak FI(1:2,1:2)=P+R*F; for j=3:r2+2 FI(1:2,j)=R*Q(j-2); end else FI(1:2,1:2)=P; FI(1:2,r+2)=R; end
A. függelék:
A numerikus szimulációknál alkalmazott Matlab-kódok
62
FI(3,1:2)=F; if r2>0 %ha azt felteteleznenk, hogy nincs keses, nem lenne Qj for j=3:r2+2 FI(3,j)=Q(j-2); end end if r0+2>=4 %csak akkor lesznek egyesek FI-ben, ha r0>1 for i=4:r0+2 for j=3:r0+1 if i==j+1 FI(i,j)=1; %egyesek elhelyezese FI-ben %FI-ben a nullakat az elobbi zeros megadja end end end end end
N=4000; %idolepesek szama t0=0; %kezdeti idopont t=(t0:delt:(N-1)*delt); %idolepes felvetele
y=zeros(r0+2,N); %minden idopillanatban lesz egy r0+2 elemu oszlopvektor %elso eleme a fi(i), masodik omega(i) %a tobbi u(i-1),..., u(i-r) y(1,1)=fi0; y(2,1)=om0; %kezdeti ertekek %u-ra nem kell kulon kezdeti ertek, elobbi zeros megadja
for i=1:N-1 y(:,i+1)=FI*y(:,i); end
plot(t(1:N),y(1,1:N)*180/pi,'r','LineWidth',1.5),grid,shg; box on; title(['k_1=',num2str(k1),' k_2=',num2str(k2),10,'\Deltat=',num2str(delt),... 10,'a=',num2str(a),' h=',num2str(h),' a^~=',... num2str(err),'a h^~=',num2str(h2),'h']); xlabel('Idő'); ylabel('Az inga szögelfordulása [°]');
A.2 Az inverz inga vízszintes irányú mozgásának szabályozása
Az alábbi forráskód segítségével hozható létre a 4.19. ábra.
clear all close all clc
g=10; l=0.4; fi0=2/180*pi; %kezdeti szoghelyzet om0=0; %kezdeti szogsebesseg x0=0; %also pont kezdeti helyzete v0=0; %also pont kezdeti sebessege h=0.1; %idokeses errh=1.2; h2=errh*h; %feltetelezett idokeses err=1.2; %hiba merteke - ennyiszereset becsuljuk a valos l-nek a=6*g/l; A=[0 1 0 0 6*g/l 0 0 0 0 0 0 1 -3*g 0 0 0]; %rendszermatrix A2=[0 1 0 0 err*6*g/l 0 0 0 0 0 0 1 -3*g 0 0 0]; %feltetelezett rendszermatrix b=[0 1 0 -2*l/3]; %bemeneti vektor
63
A. függelék:
A numerikus szimulációknál alkalmazott Matlab-kódok
b2=[0 1 0 -2*l/3/err]; %feltetelezett bemeneti vektor
k1=-200; k2=-10; k3=-120; k4=-30; K=[k1 k2 k3 k4]; %visszacsatolo vektor F=K*expm(A2*h2);
delt=0.0005; %szimulacios idolepes r=round(h/delt); %idokeses idolepeseinek szama r2=round(h2/delt); %feltetelezett idokeses idolepeseinek szama
P=expm(A*delt); dth=delt/1000; R=[0 0 0 0]; %A nem invertalhato, az integralt numerikusan szamitom R-hez for j=0:delt/dth R=R+expm(A*(delt-j*dth))*b*dth; end
if r2>0 %ha a feltetelezett idokeses nem 0, akkor leteznek a Qj skalarok Q=zeros(r2,1); %Qj skalarok eloallitasa for j=1:r2 Q(j)=F*expm(-A2*h2)*expm(A2*j*delt)*b2*delt; end end
r0=max(r,r2); %max(r,r2) fogja meghatarozni FI es y meretet if r==0&&r2==0 %ha nincs keses es nem is feltetelezzuk FI=P+R*F; else FI=zeros(r0+4); %FI matrix eloallitasa: (r0+4)*(r0+4)-es if r==0 %ha nincs keses FI(1:4,1:4)=P+R*F; for j=5:r2+4 FI(1:4,j)=R*Q(j-4); end else FI(1:4,1:4)=P; FI(1:4,r+4)=R; end FI(5,1:4)=F; if r2>0 %ha azt felteteleznenk, hogy nincs keses, nem lenne Qj for j=5:r2+4 FI(5,j)=Q(j-4); end end if r0+4>=6 %csak akkor lesznek egyesek FI-ben, ha r0>1 for i=6:r0+4 for j=5:r0+3 if i==j+1 FI(i,j)=1; %egyesek elhelyezese FI-ben %nullakat az elobbi zeros megadja end end end end end
N=8000; %idolepesek szama t0=0; %kezdeti idopont t=(t0:delt:(N-1)*delt); %idolepes felvetele
y=zeros(r0+4,N); %minden idopillanatban lesz egy r0+4 elemu oszlopvektor %1. eleme fi(i), 2. omega(i), 3. x(i), 4. v(i) %a tobbi u(i-1),..., u(i-r) y(1,1)=fi0; y(2,1)=om0; y(3,1)=x0;
A. függelék:
A numerikus szimulációknál alkalmazott Matlab-kódok
64
y(4,1)=v0; %kezdeti ertekek %u-ra nem kell kulon kezdeti ertek, elobbi zeros megadja
for i=1:N-1 y(:,i+1)=FI*y(:,i); end
plot(t(1:N),y(1,1:N)*180/pi,'r','LineWidth',1.5),grid,shg; hold on; plot(t(1:N),y(3,1:N)*100,'b','LineWidth',1.5); box on; title(['k_1=',num2str(k1),' [1/s^2] k_2=',num2str(k2),' [1/s] k_3='... ,num2str(k3),' [1/ms^2] k_4=',num2str(k4),' [1/ms]',10,...
'\Deltat=',num2str(delt),' [s]',10,'l=',num2str(l),' [m] g=',...
num2str(g),' [m/s^2]',10,'a=',num2str(a),' [1/s^2]',' h=',...
num2str(h),' [s]',' a^~=',num2str(err),'a h^~=',...
num2str(errh),'h']);
xlabel('Idő [s]'); ylabel(['Az inga szögelfordulása [°]',10,... ' és vízszintes irányú pozíciója [cm]']); legend('\phi(t)','x(t)','Location','North');
A.3 A stabilitási térkép és a szintvonalas ábra numerikus elkészítése
Az alábbi programsorok felelnek a 4.7. és 4.13. ábra elkészítéséért.
clear all close all clc
a=1.5; h=1; %idokeses h2=1.2; %feltetelezett idokeses err=1.2; %hiba merteke - ennyiszereset becsuljuk a valos a-nak A=[0 1 a 0]; %rendszermatrix A2=[0 1 err*a 0]; %feltetelezett rendszermatrix b=[0 1]; %bemeneti vektor
delt=0.005; %szimulacios idolepes r=h/delt; %idokeses idolepeseinek szama r2=h2/delt; %feltetelezett idokeses idolepeseinek szama
P=expm(A*delt); R=-A\b+A\expm(A*delt)*b;
k1min=-3; k1max=1; k1osztas=0.2; k2min=-3; k2max=1; k2osztas=0.2;
k1=zeros((k1max-k1min)/k1osztas+1,1); k2=zeros((k2max-k2min)/k2osztas+1,1); ro=zeros(length(k1),length(k2));
for p=1:(k1max-k1min)/k1osztas+1 for q=1:(k2max-k2min)/k2osztas+1 k1(p)=k1min+(p-1)*k1osztas; k2(q)=k2min+(q-1)*k2osztas;
K=[k1(p) k2(q)]; %visszacsatolo vektor F=K*expm(A2*h2);
if r2>0 %ha a h2 nem 0, akkor leteznek a Qj skalarok Q=zeros(r2,1); %Qj skalarok eloallitasa for j=1:r2 Q(j)=F*expm(-A2*h2)*expm(A2*j*delt)*b*delt;
65
A. függelék:
A numerikus szimulációknál alkalmazott Matlab-kódok
end end if r==0&&r2==0 %ha nincs keses es nem is feltetelezzuk FI=P+R*F; else r0=max(r,r2); %max(r,r2) fogja meghatarozni FI meretet FI=zeros(r0+2); %FI matrix eloallitasa: (r0+2)*(r0+2)-es if r==0 %ha nincs keses FI(1:2,1:2)=P+R*F; for j=3:r2+2 FI(1:2,j)=R*Q(j-2); end else FI(1:2,1:2)=P; FI(1:2,r+2)=R; end FI(3,1:2)=F; if r2>0 %ha azt felteteleznenk, hogy nincs keses, nem lenne Qj for j=3:r2+2 FI(3,j)=Q(j-2); end end if r0+2>=4 %csak akkor lesznek egyesek FI-ben, ha r0>1 for i=4:r0+2 for j=3:r0+1 if i==j+1 FI(i,j)=1; %egyesek elhelyezese FI-ben %nullakat az elobbi zeros megadja end end end end end
ro(q,p)=max(abs(eig(FI))); hold on; if ro(q,p)<1 stable=plot(k1(p),k2(q),'g+');shg; else unstable=plot(k1(p),k2(q),'rx');shg; end end end
alpha=sqrt(a); alpha2=sqrt(err*a); omv=(0:0.001:30);
k1h=zeros(2); k2h=zeros(2);
hold on; for i=1:length(omv) %bonyolult gorbe rajzolasa om=omv(i);
if i==1 % elso pont szamitasa k1h(2)=-((alpha^2*alpha2^2*(alpha^2+(-alpha^2+alpha2^2)*... cosh(h2*alpha2)+alpha2*(h2*alpha^2-h*alpha2^2)*... sinh(h2*alpha2)))/(2*alpha^4-2*alpha^2*alpha2^2+alpha2^4-... 2*alpha^2*(alpha^2-alpha2^2)*cosh(h2*alpha2)+... alpha^2*alpha2*(h2*alpha^2-h*alpha2^2)*sinh(h2*alpha2))); k2h(2)=(alpha^2*alpha2*(alpha2*(h2*alpha^2-h*alpha2^2)*... cosh(h2*alpha2)+(-alpha^2+alpha2^2)*sinh(h2*alpha2)))/... (2*alpha^4-2*alpha^2*alpha2^2+alpha2^4-2*alpha^2*... (alpha^2-alpha2^2)*cosh(h2*alpha2)+alpha^2*alpha2*... (h2*alpha^2-h*alpha2^2)*sinh(h2*alpha2)); else % tobbi pontnal elozo pontbol es uj pontbol vonalszakaszt csinalok k1h(1)=k1h(2); %elozo pont a vektor elso eleme, uj pont a masodik k2h(1)=k2h(2); %ez utan jon uj pont szamitasa
if ((om*cosh(h2*alpha2)*((alpha2^2+om^2)*sin(h*om)-(alpha^2+om^2)*... sin(h2*om))+alpha2*((alpha2^2+om^2)*cos(h*om)-(alpha^2+om^2)*... cos(h2*om))*sinh(h2*alpha2))*(alpha2*cosh(h2*alpha2)*... ((alpha2^2+om^2)*sin(h*om)-(alpha^2+om^2)*sin(h2*om))+...
A. függelék:
A numerikus szimulációknál alkalmazott Matlab-kódok
66
om*(-(alpha2^2+om^2)*cos(h*om)+(alpha^2+om^2)*cos(h2*om))*... sinh(h2*alpha2))+(om*(alpha^2+om^2)+om*((alpha2^2+om^2)*... cos(h*om)-(alpha^2+om^2)*cos(h2*om))*cosh(h2*alpha2)-alpha2*... ((alpha2^2+om^2)*sin(h*om)-(alpha^2+om^2)*sin(h2*om))*... sinh(h2*alpha2))*(alpha2*(alpha^2+om^2)+alpha2*... ((alpha2^2+om^2)*cos(h*om)-(alpha^2+om^2)*cos(h2*om))*... cosh(h2*alpha2)+om*((alpha2^2+om^2)*sin(h*om)-(alpha^2+om^2)*... sin(h2*om))*sinh(h2*alpha2)))<0||... % nevezo ne legyen nulla ((om*cosh(h2*alpha2)*((alpha2^2+om^2)*sin(h*om)-... (alpha^2+om^2)*sin(h2*om))+alpha2*((alpha2^2+om^2)*cos(h*om)-... (alpha^2+om^2)*cos(h2*om))*sinh(h2*alpha2))*... (alpha2*cosh(h2*alpha2)*((alpha2^2+om^2)*sin(h*om)-... (alpha^2+om^2)*sin(h2*om))+om*(-(alpha2^2+om^2)*cos(h*om)+... (alpha^2+om^2)*cos(h2*om))*sinh(h2*alpha2))+... (om*(alpha^2+om^2)+om*((alpha2^2+om^2)*cos(h*om)-... (alpha^2+om^2)*cos(h2*om))*cosh(h2*alpha2)-alpha2*... ((alpha2^2+om^2)*sin(h*om)-(alpha^2+om^2)*sin(h2*om))*... sinh(h2*alpha2))*(alpha2*(alpha^2+om^2)+alpha2*... ((alpha2^2+om^2)*cos(h*om)-(alpha^2+om^2)*cos(h2*om))*... cosh(h2*alpha2)+om*((alpha2^2+om^2)*sin(h*om)-(alpha^2+om^2)*... sin(h2*om))*sinh(h2*alpha2)))>0 k1h(2)=(alpha2*(alpha^2+om^2)*(alpha2^2+om^2)*(-om*(alpha^2+om^2)+... (-om*(alpha2^2+om^2)*cos(h*om)+om*(alpha^2+om^2)*cos(h2*om))*... cosh(h2*alpha2)+alpha2*((alpha2^2+om^2)*sin(h*om)-... (alpha^2+om^2)*sin(h2*om))*sinh(h2*alpha2)))/... ((om*cosh(h2*alpha2)*((alpha2^2+om^2)*sin(h*om)-... (alpha^2+om^2)*sin(h2*om))+alpha2*((alpha2^2+om^2)*cos(h*om)-... (alpha^2+om^2)*cos(h2*om))*sinh(h2*alpha2))*... (alpha2*cosh(h2*alpha2)*((alpha2^2+om^2)*sin(h*om)-... (alpha^2+om^2)*sin(h2*om))+om*(-(alpha2^2+om^2)*cos(h*om)+... (alpha^2+om^2)*cos(h2*om))*sinh(h2*alpha2))+(om*... (alpha^2+om^2)+om*((alpha2^2+om^2)*cos(h*om)-(alpha^2+om^2)*... cos(h2*om))*cosh(h2*alpha2)-alpha2*((alpha2^2+om^2)*sin(h*om)-... (alpha^2+om^2)*sin(h2*om))*sinh(h2*alpha2))*(alpha2*... (alpha^2+om^2)+alpha2*((alpha2^2+om^2)*cos(h*om)-... (alpha^2+om^2)*cos(h2*om))*cosh(h2*alpha2)+om*... ((alpha2^2+om^2)*sin(h*om)-(alpha^2+om^2)*sin(h2*om))*... sinh(h2*alpha2))); k2h(2)=-((alpha^2+om^2)*(alpha2^2+om^2)*(alpha2*cosh(h2*alpha2)*... ((alpha2^2+om^2)*sin(h*om)-(alpha^2+om^2)*sin(h2*om))+om*... (-(alpha2^2+om^2)*cos(h*om)+(alpha^2+om^2)*cos(h2*om))*... sinh(h2*alpha2)))/((om*cosh(h2*alpha2)*((alpha2^2+om^2)*... sin(h*om)-(alpha^2+om^2)*sin(h2*om))+alpha2*((alpha2^2+om^2)*... cos(h*om)-(alpha^2+om^2)*cos(h2*om))*sinh(h2*alpha2))*... (alpha2*cosh(h2*alpha2)*((alpha2^2+om^2)*sin(h*om)-... (alpha^2+om^2)*sin(h2*om))+om*(-(alpha2^2+om^2)*cos(h*om)+... (alpha^2+om^2)*cos(h2*om))*sinh(h2*alpha2))+(om*... (alpha^2+om^2)+om*((alpha2^2+om^2)*cos(h*om)-(alpha^2+om^2)*... cos(h2*om))*cosh(h2*alpha2)-alpha2*((alpha2^2+om^2)*... sin(h*om)-(alpha^2+om^2)*sin(h2*om))*sinh(h2*alpha2))*... (alpha2*(alpha^2+om^2)+alpha2*((alpha2^2+om^2)*cos(h*om)-... (alpha^2+om^2)*cos(h2*om))*cosh(h2*alpha2)+om*... ((alpha2^2+om^2)*sin(h*om)-(alpha^2+om^2)*sin(h2*om))*... sinh(h2*alpha2))); end end if i==1 %elso pont kirajzolasa if k1min<=k1h(2)&&k1h(2)<=k1max&&k2min<=k2h(2)&&k2h(2)<=k2max Dcurve1=plot(k1h(2),k2h(2),'b'); end else %ha van elozo pont, vonalszakaszt rajzol if k1min<=k1h(1)&&k1h(1)<=k1max&&k2min<=k2h(1)&&k2h(1)<=k2max&&... k1min<=k1h(2)&&k1h(2)<=k1max&&k2min<=k2h(2)&&k2h(2)<=k2max plot(k1h,k2h,'b','LineWidth',1.5); end end end
hold on; for i=1:length(omv) %egyenes egyik felenek rajzolasa om=omv(i);
if i>1 %elozo pontbol es uj pontbol vonalszakaszt csinalok k1h(1)=k1h(2); %ha van elozo pont, akkor k2h(1)=k2h(2); %elozo pont a vektor elso eleme, uj pont a masodik end %ez utan jon uj pont szamitasa
67
A. függelék:
A numerikus szimulációknál alkalmazott Matlab-kódok
if err==1 %fuggoleges egyenes vegtelen meredeksege miatt kulon eset k1h(2)=-alpha^2; k2h(2)=om; else k1h(2)=om; k2h(2)=((alpha/alpha2)^2-((alpha/alpha2)^2-1)*cosh(alpha2*h2))/... (((alpha/alpha2)^2-1)*alpha2*sinh(alpha2*h2))*om+alpha^2/... (((alpha/alpha2)^2-1)*alpha2*sinh(alpha2*h2)); end if i==1 %elso pont kirajzolasa if k1min<=k1h(2)&&k1h(2)<=k1max&&k2min<=k2h(2)&&k2h(2)<=k2max Dcurve2=plot(k1h(2),k2h(2),'m'); end else %ha van elozo pont, vonalszakaszt rajzol if k1min<=k1h(1)&&k1h(1)<=k1max&&k2min<=k2h(1)&&... k2h(1)<=k2max&&k1min<=k1h(2)&&k1h(2)<=k1max&&... k2min<=k2h(2)&&k2h(2)<=k2max plot(k1h,k2h,'m','LineWidth',1.5); end end end
hold on; for i=1:length(omv) %egyenes masik felenek rajzolasa om=omv(i);
if i>1 %elozo pontbol es uj pontbol vonalszakaszt csinalok k1h(1)=k1h(2); %ha van elozo pont, akkor k2h(1)=k2h(2); %elozo pont a vektor elso eleme, uj pont a masodik end %ez utan jon uj pont szamitasa
if err==1 %fuggoleges egyenes vegtelen meredeksege miatt eset k1h(2)=-alpha^2; k2h(2)=-om; else k1h(2)=-om; k2h(2)=((alpha/alpha2)^2-((alpha/alpha2)^2-1)*cosh(alpha2*h2))/... (((alpha/alpha2)^2-1)*alpha2*sinh(alpha2*h2))*... (-om)+alpha^2/(((alpha/alpha2)^2-1)*alpha2*sinh(alpha2*h2)); end if i==1 %elso pont kirajzolasa if k1min<=k1h(2)&&k1h(2)<=k1max&&k2min<=k2h(2)&&k2h(2)<=k2max Dcurve2=plot(k1h(2),k2h(2),'m'); end else %ha van elozo pont, vonalszakaszt rajzol if k1min<=k1h(1)&&k1h(1)<=k1max&&k2min<=k2h(1)&&... k2h(1)<=k2max&&k1min<=k1h(2)&&k1h(2)<=k1max&&k2min<=k2h(2)&&... k2h(2)<=k2max plot(k1h,k2h,'m','LineWidth',1.5); end end end
leg1=[unstable,stable,Dcurve1,Dcurve2]; box on; title(['a=',num2str(a),' h=',num2str(h),' a^~=',num2str(err),... 'a h^~=',num2str(h2),'h \Deltat=0.005']); xlabel('k_1'); ylabel('k_2'); legend(leg1,'instabil vagy kritikusan stabil','aszimptotikusan stabil',... '\omega\neq0 határgörbe','\omega=0 határgörbe',... 'Location','NorthEastOutside'); hold on; plot([k1min k1max],[0 0],'k',[0 0],[k2min k2max],'k'); %tengelyek rajzolasa
[qmin,pmin] = find(ro==min(min(ro))); k1_ms=k1(pmin) %a leggyorsabb beallast biztosito kozelito k1, k2 ertekek k2_ms=k2(qmin) romin=min(min(ro)) %a leggyorsabb beallas max karakterisztikus multiplikatora
v=0.9:0.001:1.1; %a karakterisztikus multiplikatorok ertekenek kirajzolasa w=0.9:0.001:1.1; %az 1-es szintvonal jelzi a stabilitas hatarat figure; %a legkisebb erteku szintnel van a leggyorsabb beallas
A. függelék:
A numerikus szimulációknál alkalmazott Matlab-kódok
68
[C,H]=contour(k1,k2,ro,v,'b'); clabel(C,H,w,'Color','r','Rotation',0,'Label Spacing',500); box on; title(['a=',num2str(a),' h=',num2str(h),' a^~=',num2str(err),... 'a h^~=',num2str(h2),'h \Deltat=0.005']); xlabel('k_1'); ylabel('k_2'); grid on;
A.4 A szimuláció megvalósítása hatásvázlat alapján
A 4.21. ábra SimuLink segítségével készült. A szimulációhoz meg kell adni az , , , ,
, , , értékeket (pl. az A.1 függelékben leírt program beállításával és lefuttatásával),
be kell állítani az ode3 megoldót és a 0.001 dimenziótlan szimulációs időlépést, majd le kell
futtatni a A.1. ábrán látható blokk diagramot megvalósító SimuLink programot.
A.1. ábra: A szimulációt megvalósító SimuLink program blokk diagramja.