动态误差(了解)

动态误差系数法

Φ e ( s ) = E ( s ) R ( s ) = ϕ e ( 0 ) + 1 1 ! Φ e ′ ( 0 ) s + 1 2 ! Φ e ′ ′ ( 0 ) s 2 + . . . + 1 i ! Φ e ( n ) ( 0 ) s i + . . . 在 s = 0 的泰勒展开 C i = 1 i ! Φ e ( n ) ( 0 ) = ∑ i = 0 ∞ C i s i E ( s ) = Φ e ( s ) ⋅ R ( s ) = C 0 R ( s ) + C 1 s R ( s ) + C 2 s 2 R ( s ) + . . . + C i s i R ( s ) + . . . . e s ( t ) = C 0 r ( t ) + C 1 r ˙ ( t ) + C 2 r ¨ ( t ) + . . . + C i r ( i ) ( t ) + . . . = ∑ i = 0 ∞ C i r ( i ) ( t ) \begin{aligned} \Phi_e(s)&=\frac{E(s)}{R(s)}=\phi_e(0)+\frac{1}{1!~}\Phi_e'(0)s+\frac{1}{2!}\Phi_e''(0)s^2+...+\frac{1}{i!}\Phi_e^{(n)}(0)s^i+...\quad 在s=0的泰勒展开\\ &C_i=\frac{1}{i!}\Phi_e^{(n)}(0)\\ &=\sum_{i=0}^\infty C_is^i\\ E(s)&=\Phi_e(s)·R(s)\\ &=C_0R(s)+C_1sR(s)+C_2s^2R(s)+...+C_is^iR(s)+....\\ e_s(t)&=C_0r(t)+C_1\dot r(t)+C_2\ddot r(t)+...+C_ir^{(i)}(t)+...=\sum_{i=0}^\infty C_ir^{(i)}(t)\\ \end{aligned} Φe​(s)E(s)es​(t)​=R(s)E(s)​=ϕe​(0)+1! 1​Φe′​(0)s+2!1​Φe′′​(0)s2+...+i!1​Φe(n)​(0)si+...在s=0的泰勒展开Ci​=i!1​Φe(n)​(0)=i=0∑∞​Ci​si=Φe​(s)⋅R(s)=C0​R(s)+C1​sR(s)+C2​s2R(s)+...+Ci​siR(s)+....=C0​r(t)+C1​r˙(t)+C2​r¨(t)+...+Ci​r(i)(t)+...=i=0∑∞​Ci​r(i)(t)​

  • e s ( t ) e_s(t) es​(t)是 e ( t ) e(t) e(t)中的稳态分量

动态误差系数的计算方法

  • 系数比较法
  • 长除法

例1 两系统如图所示,要求在4分钟内误差不超过6m,应选用哪个系统?已知 r ( t ) = 2 t + t 2 4 r(t)=2t+\frac{t^2}{4} r(t)=2t+4t2​

比较系数法

① r ′ ( t ) = 2 + t 2 r ′ ′ ( t ) = 1 2 r ′ ′ ′ ( t ) = 0 Φ a e ( s ) = E ( s ) R ( s ) = s ( s + 1 ) s 2 + s + 1 = C 0 + C 1 s + C 2 s 2 + C 3 s 3 + . . . 泰勒展开 s ( s + 1 ) = [ C 0 + C 1 s + C 2 s 2 + C 3 s 3 + . . . ] ( 1 + s + s 2 ) s 2 + s = C 0 + ( C 0 + C 1 ) s + ( C 0 + C 1 + C 2 ) s 2 + . . . C 0 = 0 C 1 = 1 C 2 = 0 C 3 = − 1 ∴ Φ a e ( s ) = s − s 3 + . . . e a s ( t ) = C 0 r + C 1 r ′ + C 2 r ′ ′ = 2 + t 2 e a s ( 4 ) = 4 < 6 , 该系统可以选用 \begin{aligned} ①\quad r'(t)&=2+\frac{t}{2}\\ r''(t)&=\frac{1}{2}\\ r'''(t)&=0\\ \Phi_{ae}(s)&=\frac{E(s)}{R(s)}=\frac{s(s+1)}{s^2+s+1}\\ &=C_0+C_1s+C_2s^2+C_3s^3+...\quad 泰勒展开\\ s(s+1)&=[C_0+C_1s+C_2s^2+C_3s^3+...](1+s+s^2)\\ s^2+s&=C_0+(C_0+C_1)s+(C_0+C_1+C_2)s^2+...\\ C_0&=0\quad C_1=1\quad C_2=0\quad C_3=-1\\ \therefore\quad\Phi_{ae}(s)&=s-s^3+...\\ e_{as}(t)&=C_0r+C_1r'+C_2r''=2+\frac{t}{2}\\ e_{as}(4)&=4<6,该系统可以选用 \end{aligned} ①r′(t)r′′(t)r′′′(t)Φae​(s)s(s+1)s2+sC0​∴Φae​(s)eas​(t)eas​(4)​=2+2t​=21​=0=R(s)E(s)​=s2+s+1s(s+1)​=C0​+C1​s+C2​s2+C3​s3+...泰勒展开=[C0​+C1​s+C2​s2+C3​s3+...](1+s+s2)=C0​+(C0​+C1​)s+(C0​+C1​+C2​)s2+...=0C1​=1C2​=0C3​=−1=s−s3+...=C0​r+C1​r′+C2​r′′=2+2t​=4<6,该系统可以选用​

长除法

说明: e s ( t ) e_s(t) es​(t)是 e ( t ) e(t) e(t)中的稳态分量

线性系统时域校正

校正的基本概率和类型

  • 采用适当方式,在系统中加入一些结构和参数可调整的装置(校正装置),用以改善系统性能,使系统满足指标要求

反馈校正

反馈的作用

  • 减小被包围环节的时间常数(但开环增益会减小,需要再加一个放大倍数)

  • 深度负反馈可以有效降低被包围环节的影响 Φ ( s ) = G ( s ) 1 + G ( s ) H ( s ) ≈ 1 H ( s ) \Phi(s)=\frac{G(s)}{1+G(s)H(s)}\approx\frac{1}{H(s)} Φ(s)=1+G(s)H(s)G(s)​≈H(s)1​

  • 局部正反馈可以提高环节增益(但时间常数会增大) Φ ( s ) = G ( s ) 1 − G ( s ) = K T s + 1 − K K h K ′ = K 1 − K K h T ′ = T 1 − K K h \Phi(s)=\frac{G(s)}{1-G(s)}=\frac{K}{Ts+1-KK_h}\quad K'=\frac{K}{1-KK_h}\quad T'=\frac{T}{1-KK_h} Φ(s)=1−G(s)G(s)​=Ts+1−KKh​K​K′=1−KKh​K​T′=1−KKh​T​

例题

例2 系统结构图如图所示

(1) K t = 0 K_t=0 Kt​=0时系统的性能

Φ ( s ) = 100 s 2 1 + 100 s 2 = 100 s 2 + 100 D ( s ) = s 2 + 100 = 0 缺少 s 的 1 次项,故系统不稳定 \begin{aligned} \Phi(s)&=\frac{\frac{100}{s^2}}{1+\frac{100}{s^2}}=\frac{100}{s^2+100}\\ D(s)&=s^2+100=0\\ 缺少s&的1次项,故系统不稳定\\ \end{aligned} Φ(s)D(s)缺少s​=1+s2100​s2100​​=s2+100100​=s2+100=0的1次项,故系统不稳定​

(2) K t ↑ K_t\uparrow Kt​↑时, σ % , t s \sigma\%,t_s σ%,ts​变化趋势? ξ = 0.707 \xi=0.707 ξ=0.707时, σ % , t s = ? \sigma\%,t_s=? σ%,ts​=?

G ( s ) = 10 ⋅ 10 s 2 1 + K t s 10 s 2 = 100 s 2 + 10 K t s Φ ( s ) = G ( s ) 1 + G ( s ) = 100 s 2 + 10 K t s + 100 w n = 10 K t = 2 ξ ξ = K t 2 0 < K t < 2 时, K t ↑ , ξ ↑ σ % ↓ t s ↓ K t ≥ 2 时 , K t ↑ , σ % 不变 t s ↓ ξ = 0.707 时 , σ % = e − ξ π 1 − ξ 2 = 4.3 % t s = 3.5 ξ w n = 0.495 \begin{aligned} G(s)&=10·\frac{\frac{10}{s^2}}{1+K_ts\frac{10}{s^2}}=\frac{100}{s^2+10K_ts}\\ \Phi(s)&=\frac{G(s)}{1+G(s)}=\frac{100}{s^2+10K_ts+100}\\ w_n&=10\quad K_t=2\xi\quad\xi=\frac{K_t}{2}\\ 0<&K_t<2时,K_t\uparrow,\quad\xi\uparrow\quad\sigma\%\downarrow\quad t_s\downarrow\\ K_t\geq& 2时,K_t\uparrow,\quad\sigma\%不变\quad t_s\downarrow\\ \xi&=0.707时,\quad\sigma\%=e^{-\frac{\xi\pi}{\sqrt{1-\xi^2}}}=4.3\%\quad t_s=\frac{3.5}{\xi w_n}=0.495\\ \end{aligned} G(s)Φ(s)wn​0<Kt​≥ξ​=10⋅1+Kt​ss210​s210​​=s2+10Kt​s100​=1+G(s)G(s)​=s2+10Kt​s+100100​=10Kt​=2ξξ=2Kt​​Kt​<2时,Kt​↑,ξ↑σ%↓ts​↓2时,Kt​↑,σ%不变ts​↓=0.707时,σ%=e−1−ξ2 ​ξπ​=4.3%ts​=ξwn​3.5​=0.495​

(3) K t , r ( t ) = t , e s s K_t,r(t)=t,e^{ss} Kt​,r(t)=t,ess变化趋势? ξ = 0.707 \xi=0.707 ξ=0.707时, e s s = ? e_{ss}=? ess​=?

G ( s ) = 100 s 2 + 10 K t s Φ e ( s ) = E ( s ) R ( s ) = 1 1 + G ( s ) = s 2 + 10 K t s s 2 + 10 K t s + 100 e s s = lim ⁡ s → 0 s ⋅ Φ e ( s ) R ( s ) = lim ⁡ s → 0 s + 10 K t s 2 + 10 K t s + 100 = K t 10 ∴ K t ↑ e s s ↑ ξ = 0.707 时 , K t = 2 ξ = 1.414 e s s = 0.1414 \begin{aligned} G(s)&=\frac{100}{s^2+10K_ts}\\ \Phi_e(s)&=\frac{E(s)}{R(s)}=\frac{1}{1+G(s)}=\frac{s^2+10K_ts}{s^2+10K_ts+100}\\ e_{ss}&=\lim_{s\rightarrow0}s·\Phi_e(s)R(s)=\lim_{s\rightarrow0}\frac{s+10K_t}{s^2+10K_ts+100}=\frac{K_t}{10}\\ \therefore\quad K_t\uparrow&\quad e_{ss}\uparrow\\ \xi&=0.707时,\quad K_t=2\xi=1.414\\ e_{ss}&=0.1414 \end{aligned} G(s)Φe​(s)ess​∴Kt​↑ξess​​=s2+10Kt​s100​=R(s)E(s)​=1+G(s)1​=s2+10Kt​s+100s2+10Kt​s​=s→0lim​s⋅Φe​(s)R(s)=s→0lim​s2+10Kt​s+100s+10Kt​​=10Kt​​ess​↑=0.707时,Kt​=2ξ=1.414=0.1414​

参考资料

【(新版!最清晰!去噪不炸耳!)自动控制原理 西北工业大学 卢京潮】

10_动态误差时域校正相关推荐

  1. 「自控原理」3.3 稳定性与稳态误差、时域校正

    本节介绍稳定性分析的原理以及代数稳定性判据(劳斯判据) 本节介绍系统稳态误差的定义及计算方法 本节介绍时域校正方法 文章目录 稳定性分析 稳定的充要条件与必要条件 劳斯判据-Routh 例题 两种特殊 ...

  2. 自动控制原理_卢京潮_线性系统的时域分析与校正_学习笔记

    总目录: 第一章自动控制的一般概念+第二章控制系统的数学模型学习笔记: https://blog.csdn.net/mahoon411/article/details/112555468 第三章线性系 ...

  3. 自动控制原理---时域

    "明月如霜,好风如水,清景无限 " 好了,开始新的专题了.带大家尽量的把自控这门课给串一遍. 最开始要有一个自控的大的框架.咱们的自控还是以研究线性问题为主,在线性里研究有三种方法 ...

  4. 计算机模拟人工录入,地震动输入及动力人工边界的数值模拟方法研究

    摘要: 在高层,高坝,核电站等重大复杂工程结构的动力相应分析中,波动能量向无限域地基的逸散影响是显著的.以往,由于此类问题的求解规模巨大,且包含多种介质的耦合,材料的非线性及接触面的高度非线性,需要高 ...

  5. 图像算法可以稳定处理视频了!港科大开源通用算法,解决视频处理时域不稳定问题|NeurIPS 2020...

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨雷晨阳.邢亚洲 编辑丨极市平台 导读 许多图像处理算法虽在单个图像处理中表现出色,但将其直接用于 ...

  6. matlab校正环节,基于MATLAB的控制系统校正环节优化设计

    基于 的控制系统校正环节优化设计 广东省江 门市五 邑大学 甘俊英 何国辉 [摘要 ] 术 文 结 合 优化设 计 方 法 中的 共耗梯度 法 , 借助 于 软件 , 提 出 了一 种 控 制 表统校 ...

  7. matlab rltool,基于Matlab工具箱Rltool的控制系统校正设计

    山西电子技术2018 年第 4 期 软件技术 收稿日期:2018 -04 -10 作者简介: 乔永凤( 1975-) ,女,山西左云人,讲师,硕士研究生,主要研究方向: 语音信号处理,自动控制原理及其 ...

  8. 滞后超前校正控制器的设计和matlab仿真 静态速度误差系数为10,自控实验六 基于频域的串联校正控制器设置 - GXUZF.COM - 林澈思的茶...

    广西大学电气工程学院 <自动控制理论>实验报告 广西大学电气工程学院 <自动控制理论>实验报告 成绩 教师签字 学生姓名 赵帆 学号 17021***** 专业班级 电自171 ...

  9. P8 控制系统校正与综合-《Matlab/Simulink与控制系统仿真》程序指令总结

    上一篇 回到目录 下一篇 <Matlab/Simulink与控制系统仿真>程序指令总结 Matlab_Simulink_BookExample 8. 控制系统校正与综合 8.1 Matla ...

最新文章

  1. C#图片灰度处理(位深度24→位深度8),用灰度数组byte[]新建一个8位灰度图像Bitmap 。...
  2. iOS学习笔记--01swift实现提示框第三方库:MBProgressHUD
  3. oracle数据库中insert,【Oracle】sql插入之 insert all、insert first
  4. GitHub---最简单的使用
  5. Head First Python学习笔记4——处理数据
  6. oracle DB死锁
  7. 七月二十一日!! NVIDIA DLI 深度学习入门课程——计算机视觉
  8. c#与获得文件夹路径,站点目录
  9. Android模块化之MicroModule(微信Pins工程) 1
  10. [转载] lstm时间序列预测_pytorch入门使用PyTorch进行LSTM时间序列预测
  11. pytorch中torch.max和F.softmax函数的维度解释
  12. 关于EL表达式中requestScope和param区别
  13. Java 面试——数据类型计算与拆箱装箱
  14. 分布式微服框架Dubbo视频教程分享,已更新。
  15. 甘特图中的依赖关系是什么?
  16. 传感器系列之4.12GPS定位传感器
  17. jsp怎么设置页面背景
  18. NB-loT中的Niubility技术
  19. 科研 | 国家自然科学基金委 | 资助项目简介
  20. Android studio报Error:Expected NDK STL shared object file at libgnustl_shared.so

热门文章

  1. 【用tk写小游戏系列】用tk自制小游戏【有奖问答】
  2. jwt实现一个帐号只能同时在一个设备(端)登录的思路
  3. JS实现读取Excel表数据(借鉴js-xlsx )
  4. Unity NGUI HUD text简单使用
  5. 如何批量制作srt字幕呢?
  6. MSP432E401Y学习笔记(一)
  7. DataGrip 使用技巧四
  8. 一道《有意思的题目》
  9. 华硕服务器 u盘安装系统,华硕品牌机如何设置u盘启动
  10. 第二证券|“20cm”涨停!盘中暴涨110%,又有港股暴力拉升