O ODPORNOŚCI KONWENCJONALNEGO OBSERWATORA LUENBERGERA ZREDUKOWANEGO RZĘDU Ryszard Gessing Instytut Automatyki Politechnika Śląska.

Slides:



Advertisements
Podobne prezentacje
Sterowanie – metody alokacji biegunów II
Advertisements

Metody badania stabilności Lapunowa
Obserwowalność System ciągły System dyskretny
Metoda simpleks Simpleks jest uniwersalną metodą rozwiązywania zadań programowania liniowego. Jest to metoda iteracyjnego poprawiania wstępnego rozwiązania.
Sprzężenie zwrotne Patryk Sobczyk.
Wykład III Fale materii Zasada nieoznaczoności Heisenberga
Systemy dynamiczneOdpowiedzi systemów – modele różniczkowe i różnicowe Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 Systemy.
Sterowalność i obserwowalność
Obserwowalność System ciągły System dyskretny u – wejścia y – wyjścia
Metoda simpleks opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź Simpleks jest uniwersalną.
PROF. DOMINIK SANKOWSKI
Fraktale i chaos w naukach o Ziemi
Stabilność Stabilność to jedna z najważniejszych właściwości systemów dynamicznych W większości przypadków, stabilność jest warunkiem koniecznym praktycznego.
Opis matematyczny elementów i układów liniowych
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów regulacji.
Teoria sterowania Wykład 3
Automatyka Wykład 4 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów regulacji (c.d.)
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów, elementów i układów.
Wykład 6 Charakterystyki czasowe obiektów regulacji
Podstawowe elementy liniowe
Sterowalność i obserwowalność
Metody Lapunowa badania stabilności
AUTOMATYKA i ROBOTYKA (wykład 6)
Podział dziedzin: Teoria systemów, teoria sterowania: badanie zachowania w czasie systemów korzystając z modeli systemów Analiza systemów, modelowanie:
Obserwatory zredukowane
Stabilność Stabilność to jedno z najważniejszych pojęć teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym praktycznego zastosowania.
Modelowanie – Analiza – Synteza
Modelowanie – Analiza – Synteza
Podstawy automatyki 2012/2013Transmitancja widmowa i charakterystyki częstotliwościowe Mieczysław Brdyś, prof. dr hab. inż.; Kazimierz Duzinkiewicz, dr.
Rozważaliśmy w dziedzinie czasu zachowanie się w przedziale czasu od t0 do t obiektu dynamicznego opisywanego równaniem różniczkowym Obiekt u(t) y(t) (1a)
Wykład 21 Regulacja dyskretna. Modele dyskretne obiektów.
Automatyka Wykład 27 Linie pierwiastkowe dla układów dyskretnych.
Sterowanie – użycie obserwatorów pełnych
Wykład 4 Modele matematyczne obiektów, elementów i układów regulacji.
Modelowanie i podstawy identyfikacji 2012/2013Modele fenomenologiczne - dyskretyzacja Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania1.
Teoria sterowania 2012/2013Sterowalność - osiągalność Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 Sterowalność - osiągalność
Teoria sterowania 2011/2012Stabilno ść Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Stabilność Stabilność to jedno.
Dekompozycja Kalmana systemów niesterowalnych i nieobserwowalnych
Teoria sterowania 2011/2012Sterowanie – metody alokacji biegunów III Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Sterowanie.
Sterowanie – metody alokacji biegunów
Wykład 22 Modele dyskretne obiektów.
Modele dyskretne obiektów liniowych
Wykład 23 Modele dyskretne obiektów
Sterowanie – działanie całkujące
Obserwowalność i odtwarzalność
Sterowalność - osiągalność
Sterowanie – metody alokacji biegunów II
Modelowanie – Analiza – Synteza
SW – Algorytmy sterowania
ISS – Synteza regulatora cyfrowego (minimalnoczasowego)
Stabilność Stabilność to jedno z najważniejszych pojęć dynamiki systemów i teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym.
Sterowanie – użycie obserwatorów pełnych
Sterowanie – metody alokacji biegunów
Sterowanie – metody alokacji biegunów III
Teoria sterowania 2013/2014Sterowanie – obserwatory zredukowane II  Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów Sterowania 1 Obserwatory.
Modele dyskretne – dyskretna aproksymacja modeli ciągłych lub
Sterowanie ze sprzężeniem od stanu – metoda alokacji biegunów
Systemy dynamiczne 2014/2015Obserwowalno ść i odtwarzalno ść  Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Obserwowalność.
Systemy liniowe stacjonarne – modele różniczkowe i różnicowe
ALG - wykład 3. LICZBY ZESPOLONE MACIERZE. Powtórzenie z = a+bi, z  C Re z = Re(a+bi) = a Im z = Im(a+bi) = b.
Treść dzisiejszego wykładu l Klasyfikacja zmiennych modelu wielorównaniowego l Klasyfikacja modeli wielorównaniowych l Postać strukturalna i zredukowana.
Modele nieliniowe sprowadzane do liniowych
Ryszard Gessing Instytut Automatyki Politechnika Śląska
Teoria sterowania Wykład /2016
Układ ciągły równoważny układowi ze sterowaniem poślizgowym
Podstawy automatyki I Wykład /2016
Sterowanie procesami ciągłymi
REALIZOWALNOŚĆ REGULACJI STAŁOWARTOŚCIOWEJ I CZĘŚCIOWE ODSPRZĘGANIE OBIEKTÓW WIELOWYMIAROWYCH Ryszard Gessing Instytut Automatyki, Politechnika Śląska.
Teoria sterowania Materiał wykładowy /2017
Sterowanie procesami ciągłymi
Zapis prezentacji:

O ODPORNOŚCI KONWENCJONALNEGO OBSERWATORA LUENBERGERA ZREDUKOWANEGO RZĘDU Ryszard Gessing Instytut Automatyki Politechnika Śląska

Plan prezentacji Wprowadzenie Przypadek obiektu o jednym wejściu i jednym wyjściu (SISO) Obserwator Luenbergera zredukowanego rzędu Własności obserwatora, przykład 1 Przypadek obiektu SISO z zerami, przykład 2 Uwagi końcowe

Wprowadzenie Obserwator Luenbergera – podejście deterministyczne; Filtr Kalmana – podejście stochastyczne; Są budowane w oparciu o model obiektu; W związku z tym są wrażliwe na zmiany parametrów obiektu. Wyznaczanie ocen współrzędnych stanu:

np. Filtr Kalmana W modelu obiektu występują szumy układowe i pomiarowe: są białymi szumami o znanych macierzach kowariancji odpowiednio, - nieosobliwa Filtr Kalmana: gdy przyjmuje postać:

Plan prezentacji Wprowadzenie Przypadek obiektu o jednym wejściu i jednym wyjściu (SISO) Obserwator Luenbergera zredukowanego rzędu Własności obserwatora, przykład 1 Przypadek obiektu SISO z zerami, przykład 2 Uwagi końcowe

Przypadek obiektu o jednym wejściu i jednym wyjściu (SISO) Rozważmy obiekt o transmitancji: Wprowadzamy współrzędne stanu:

Równania stanu obiektu:

lub w równoważnej postaci:

Plan prezentacji Wprowadzenie Przypadek obiektu o jednym wejściu i jednym wyjściu (SISO) Obserwator Luenbergera zredukowanego rzędu Własności obserwatora, przykład 1 Przypadek obiektu SISO z zerami, przykład 2 Uogólnienie wyników Uwagi końcowe

Obserwator Luenbergera zredukowanego rzędu -macierze o odpowiednim wymiarze ma wartości własnetakie że Istnieje macierzspełniająca równania; -macierz jednostkowa nxn

Uzasadnienie Oznaczając: i mnożąc równanie lewostronnie przez P otrzymujemy po przekształceniach: Jeżeli nie jest znane to ani ani nie jest znane ale

Plan prezentacji Wprowadzenie Przypadek obiektu o jednym wejściu i jednym wyjściu (SISO) Obserwator Luenbergera zredukowanego rzędu Własności obserwatora, przykład 1 Przypadek obiektu SISO z zerami, przykład 2 Uwagi końcowe

Własności obserwatora 1.Wybierz E i F tak że są duże ujemne; 2.Znajdź P z rozwiązania pierwszego równania; 3.Macierze W i V wynikają ze wzoru: Jeżeli i to nie zależy od parametrów obiektu

Przypadek obiektu SISO bez zer Jeżeli i to i obserwator jest mało wrażliwy na zmiany parametrów obiektu

Przykład 1 Obiekt: Równoważny opis w postaci równań stanu:

Przykład 1 Wolniejszy obserwator: Szybszy obserwator:

Wyniki symulacji

Pomiar z szumem, obiekt nominalny -wyjście filtru zasilanego białym szumem o wariancji 1 i próbkowaniu

Zastosowanie do obiektów nieliniowych Obiekt nieliniowy IObiekt nieliniowy II (ramię robota) Charakterystyka statyczna Dane do symulacji: I II

Wyniki symulacji (Obserwator szybszy zaprojektowany poprzednio dla obiektu liniowego)

Plan prezentacji Wprowadzenie Przypadek obiektu o jednym wejściu i jednym wyjściu (SISO) Obserwator Luenbergera zredukowanego rzędu Własności obserwatora, przykład 1 Przypadek obiektu SISO z zerami, przykład 2 Uwagi końcowe

Przypadek obiektu SISO z zerami Transmitancja obiektu Współrzędne stanu (m>0):

Równania stanu

Własności obserwatora 1.Wybierz E i F tak że są duże ujemne; 2.Znajdź P z rozwiązania pierwszego równania; 3.Macierze W i V wynikają ze wzoru: Jeżeli i to nie zależy od parametrów obiektu

Własności obserwatora 1) nie zależą od zmian wszystkich parametrów 2) Zależą od zmian parametrów: i nie zależą od zmian parametrów

Obiekt: Przykład 2 mamy: przyjmujemy:

z rozwiązania równań: otrzymujemy:

Wyniki symulacji dla danych:

Plan prezentacji Wprowadzenie Przypadek obiektu o jednym wejściu i jednym wyjściu (SISO) Obserwator Luenbergera zredukowanego rzędu Własności obserwatora, przykład 1 Przypadek obiektu SISO z zerami, przykład 2 Uwagi końcowe

Szybsze mody obserwatora są związane z mniejszą jego wrażliwością na zmiany parametrów obiektu; Dla obiektów bez zer obserwator z dostatecznie szybkimi modami jest prawie niewrażliwy na zmiany wszystkich parametrów obiektu; Im więcej zer transmitancji tym mniej parametrów obiektu na których zmianę obserwator jest prawie niewrażliwy; Parametry na których zmianę obserwator jest prawie niewrażliwy nie występują w stosowanych wzorach określających współrzędne stanu; Można przypuszczać, że obserwator Luenbergera pełnego rzędu ma podobne własności.