Sterowanie procesami ciągłymi

Slides:



Advertisements
Podobne prezentacje
Sterowanie – metody alokacji biegunów II
Advertisements

Obserwowalność System ciągły System dyskretny
Systemy stacjonarne i niestacjonarne (Time-invariant and Time-varing systems) Mówimy, że system jest stacjonarny, jeżeli dowolne przesunięcie czasu  dla.
Systemy liniowe stacjonarne – modele wejście – wyjście (splotowe)
Podstawy Automatyki 2009/2010 Projektowanie układów sterowania Mieczysław Brdyś, prof. dr hab. inż.; Kazimierz Duzinkiewicz, dr hab. inż. 1 Katedra Inżynierii.
Wykład no 11.
Systemy dynamiczne 2012/2013Odpowiedzi – modele stanu Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 System ciągły; model.
Systemy dynamiczneOdpowiedzi systemów – modele różniczkowe i różnicowe Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 Systemy.
Obserwowalność System ciągły System dyskretny u – wejścia y – wyjścia
Systemy dynamiczne 2010/2011Odpowiedzi – macierze tranzycji Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 System ciągły;
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów regulacji.
Teoria sterowania Wykład 3
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów, elementów i układów.
Dwie podstawowe klasy systemów, jakie interesują nas
Sterowalność i obserwowalność
Teoria sterowania 2012/2013Sterowanie – użycie obserwatorów pełnych II Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów Sterowania 1 Sterowanie.
Obserwatory zredukowane
Modelowanie – Analiza – Synteza
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.
Cechy modeli obiektów dynamicznych z przedstawionych przykładów:
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.
Sterowanie – użycie obserwatorów pełnych
Automatyka Wykład 26 Analiza układu regulacji cyfrowej z regulatorem PI i obiektem inercyjnym I-go rzędu.
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
Teoria sterowania Wykład 13 Modele dyskretne obiektów regulacji.
Obserwowalność i odtwarzalność
Sterowalność - osiągalność
Sterowanie – metody alokacji biegunów II
Modelowanie – Analiza – Synteza
SW – Algorytmy sterowania
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
Teoria sterowania SN 2014/2015Sterowalność, obserwowalność Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 Sterowalność -
Przykład 1: obiekt - czwórnik RC
Systemy dynamiczne 2014/2015Sterowalność - osiągalność  Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 Sterowalność i obserwowalność.
Systemy dynamiczne 2014/2015Odpowiedzi – systemy liniowe stacjonarne  Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 System.
Przykład 5: obiekt – silnik obcowzbudny prądu stałego
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
Warstwowe sieci jednokierunkowe – perceptrony wielowarstwowe
Metody Sztucznej Inteligencji – technologie rozmyte i neuronowe Wnioskowanie Mamdani’ego - rozwinięcia  Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii.
 Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Metody sztucznej inteligencji – Technologie rozmyte i neuronoweSystemy.
Podstawy automatyki I Wykład 1b /2016
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego II © Kazimierz Duzinkiewicz, dr hab.
O ODPORNOŚCI KONWENCJONALNEGO OBSERWATORA LUENBERGERA ZREDUKOWANEGO RZĘDU Ryszard Gessing Instytut Automatyki Politechnika Śląska.
Podstawy automatyki I Wykład /2016
Podstawy automatyki I Wykład 3b /2016
Modelowanie i podstawy identyfikacji
Teoria sterowania Wykład /2016
Podstawy automatyki I Wykład /2016
Sterowanie procesami ciągłymi
Sterowanie procesami ciągłymi
Sterowanie procesami ciągłymi
Teoria sterowania Materiał wykładowy /2017
Zapis prezentacji:

Sterowanie procesami ciągłymi - studia stacjonarne Mieczysław Brdyś, prof. dr hab.inż. Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów Sterowania Wykład 10 - 2015/2016 Modele dyskretne systemów ciągłych – część I

Impulsator, układ próbkujący Ogólna struktura komputerowego systemu sterowania Impulsator, układ próbkujący (sampler)

Komputerowy system sterowania - próbkowanie sygnału ciągłego

Komputerowy system sterowania - próbkowanie sygnału ciągłego Uchyb sterowania, będący sygnałem ciągłym jest próbkowany (sampled) w chwilach - okres próbkowania (sampling interval) Otrzymujemy sekwencję sygnału dyskretnego uchybu sterowania Zwykle dla uproszczenia zapisu: gdzie k staje się zmienną czasu dyskretnego

Komputerowy system sterowania – interpolacja zerowego rzędu sygnału dyskretnego u(k) u(t0 +T ) u(t)

Przykład sygnału sterującego Komputerowy system sterowania – interpolacja zerowego rzędu sygnału dyskretnego Spróbkowany sygnał uchybu sterowania (bądź inny) przetwarzany jest w sterowniku komputerowym, zgodnie z prawem sterowania w sekwencję sygnału dyskretnego sterowania Sekwencja związana z określanymi chwilami czasu powinna być podstawą do utworzenia ciągłego sygnału sterującego, który możnaby skierować do obiektu sterowanego Przykład sygnału sterującego czyli

Interpolator zerowego rzędu Komputerowy system sterowania – interpolacja zerowego rzędu sygnału dyskretnego Sekwencja sygnału dyskretnego jest przetwarzana w sygnał ciągły za pomocą interpolacji, która wyznacza wartości sygnału sterującego pomiędzy chwilami próbkowania oraz Interpolator zerowego rzędu dla Sygnał z interpolatora zerowego rzędu – sygnał stały

Komputerowy system sterowania – interpolacja zerowego rzędu sygnału dyskretnego Odpowiedź elementu inercyjnego rzędu pierwszego na wymusznie przedziałami stałe

Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu Zadanie Rozważamy system SISO o dynamice ciągłej pierwszego rzędu np. element inercyjny Poszukujemy modelu dyskretnego tego systemu takiego, że

Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu Rozwiązanie równania stanu systemu ciągłego (bez utraty ogólności wyniku przyjmiemy t0 = 0) Rozwiązanie: Składowa swobodna (odpowiedź zerowego wejścia) Składowa wymuszona (odpowiedź zerowego warunku początkowego)

Klasyczne podejście do rozwiązania: 1. Pomnożymy obydwie strony równania stanu przez lub Zauważamy: Zatem: 2. Scałkujemy obustronnie ostatnie równanie

3. I trochę przekształcimy: Ostatecznie wartości odpowiedzi stanu systemu ciągłego w chwilach t: Składowa swobodna Składowa wymuszona

4. Wartości odpowiedzi wyjścia systemu ciągłego w chwilach t:

Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu 1. Dla dwóch kolejnych chwil próbkowania odpowiedź stanu Skorzystamy z postaci: 2. Odpowiedź dla chwili pomnożymy przez

Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu 3. Odejmujemy ostatni wynik wynik od wyrażenia na :

Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu 4. Przyjmujemy, że u(t) jest stałe pomiędzy chwilami próbkowania 5. Zmieniamy zmienną całkowania Stałe (wartość, dla danego systemu, różna dla różnych Ts) Definiujemy współczynniki

Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu Możemy napisać równanie stanu modelu dyskretnego lub w postaci uproszczonej Równanie wyjścia, jako równanie algebraiczne „nie zmienia się” ; zatem równanie wyjścia przy czym

Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu Otrzymany model dyskretny jest modelem równoważnym modelowi ciągłemu dla wejść przedziałami stałych Ponieważ sygnał ciągły i gładki można dowolnie dokładnie aproksymować sygnałem przedziałami stałym, to model dyskretny (wyżej otrzymany dla modelu w przestrzeni stanu) może być dowolnie bliski modelowi ciągłemu dla okresu próbkowania wystarczająco małego Przedstawiona metoda nosi nazwę metody niezmienniczości skokowej

Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu Przypadek ogólniejszy: system SISO o dynamice ciągłej rzędu wyższego niż jeden Poszukujemy modelu dyskretnego tego systemu takiego, że

Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu Wynik bez wyprowadzania

Przybliżone wyznaczanie bD (dla małych wartości Ts ) Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu Przybliżone wyznaczanie bD (dla małych wartości Ts ) Jeżeli istnieje A-1 wówczas : Problem: Jak obliczyć Z definicji: Zatem:

Przybliżenie pierwszego rzędu: Komputerowy system sterowania – model dyskretny równoważny modelowi ciągłemu Ostatnie wyrażenie jest podstawą do przybliżonego obliczania bD Przybliżenie pierwszego rzędu: Przybliżenie drugiego rzędu:

Systemy próbowane – sampled-data systems Zakładając wystarczająco mały czas próbkowania Ts będziemy poszukiwali aproksymacji w czasie dyskretnym ciągłej w czasie relacji wejście – wyjście systemy próbkowanego Będzie to zależność pomiędzy wartościami próbek: Relacja ta będzie dokładna tzn. równa wartościom sygnałów ciągłych w chwilach próbkowania, dla sygnałów r(t) stałych pomiędzy chwilami próbkowania i dla dowolnego okresu próbkowania

Systemy próbowane – sampled-data systems Przykład 1. Dynamika obiektu czasu ciągłego dana jest transmitancją: Zakładając wystarczająco mały okres próbkowania Ts znaleźć aproksymację dyskretną tego opisu Zastosujemy metodę niezmienniczości skokowej, wykorzystując wcześniej metodę określenia zmiennych stanu z poprzedniego wykładu Model we-wy w dziedzinie s Model w przestrzeni stanu Model we-wy w dziedzinie t

Systemy próbowane – sampled-data systems Przykład 1. Wynik ostateczny: Jeżeli aproksymacja dyskretna jest dokładna

Systemy próbowane – sampled-data systems Przykład 1. Zależność wyniku aproksymacji od okresu próbkowania Dla dwóch okresów próbkowania oraz Dwa różne równania stanu, ale w chwilach próbkowania odpowiedzi będą dokładne

Systemy próbowane – sampled-data systems Przykład 1. Jaka byłaby dokładność obliczeń bD za pomocą wzorów przybliżonych? Przybliżenie 1. rzędu jest dokładne Potrzebne jest przybliżenie wyższego rzędu

Systemy próbowane – sampled-data systems Przykład 2. Dynamika obiektu czasu ciągłego dana jest transmitancją: Zakładając wystarczająco mały okres próbkowania Ts znaleźć aproksymację dyskretną tego opisu Zastosujemy metodę niezmienniczości skokowej, wykorzystując wcześniej metodę określenia zmiennych stanu z poprzedniego wykładu Model w przestrzeni stanu Macierze stanu, wejścia i wyjścia

Systemy próbowane – sampled-data systems Przykład 2. Macierz tranzycji stanu Macierz stanu modelu dyskretnego

Systemy próbowane – sampled-data systems Przykład 2. Macierz wejścia modelu dyskretnego

Systemy próbowane – sampled-data systems Przykład 2. Modele dyskretne dla dwóch okresów próbkowania oraz

– koniec materiału prezentowanego podczas wykładu Dziękuję za uwagę – koniec materiału prezentowanego podczas wykładu