TSIU61: Reglerteknik F¨ orel¨asning 11
— Tidsdiskret implementering
Gustaf Hendeby
gustaf.hendeby@liu.se
Inneh˚ all f¨ orel¨ asning 11
Sammanfattning av f¨orel¨asning 10
Lite mer om tillst˚ands˚aterkoppling
Datorimplementerade regulatorer
Sampling av insignaler
Samplingsteoremet
Tidsdiskret regleralgoritm
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 2 / 17
Sammanfattning fr˚ an f¨ orel¨ asning 10 (1/5)
Overf¨¨ oringsfunktion:
y(n)(t) + a1y(n−1)(t) + · · · + any(t) = bu(n−1)(t) + · · · + bnu(t) Tillst˚andsbeskriving (styrbar kanonisk form):
˙ x(t) =
−a1 −a2 . . . −an
1 0 . . . 0
0 1 . . . 0
... ... . .. ... ...
0 0 . . . 1 0
| {z }
A
x(t) +
1 0 0 ... 0
| {z }
B
u(t)
y(t) = b1 b2 . . . bn
| {z }
C
x(t)
D¨ar x(t) ¨ar tillst˚andsvektorn.
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 3 / 17
Sammanfattning fr˚ an f¨ orel¨ asning 10 (2/5)
Overf¨¨ oringsfunktion till tillst˚andsbeskrivning
Diagonalform (om polerna ¨ar reella)
Styrbar kanonisk form
Observerbar kanonisk form
Tillst˚andsbeskriving till ¨overf¨oringsfunktion
G(s) = C(sI − A)−1B + D = C(sI − A)∗B det(sI − A) + D Systemets poler ges av A-matrisens egenv¨arden, det(sI − A) = 0.
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 4 / 17
Sammanfattning fr˚ an f¨ orel¨ asning 10 (3/5)
Tillst˚ands˚aterkoppling Styrlag:
u(t) = −Lx(t) + ˜r(t) = −Lx(t) + l0t(t)
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 5 / 17
Sammanfattning fr˚ an f¨ orel¨ asning 10 (4/5)
Hur v¨aljer man regulatorn L?
Antag h¨ar att dim(A) = 2 och L = (`1, `2), och poler ¨onskas i p1 och p2. 1. Det ¨onskade karakteristiska polynomet blir
(s − p1)(s − p2) = s2+ (−p1− p2)s + p1p2= 0 (1) 2. ˚Aterkopplingens (A − BL) karakteristiska polynom ges av:
det sI − (A − BL) = 0 3. Skriv p˚a formen:
s2+ f1(`1, `2)s + f2(`1, `2) = 0 (2) 4. J¨amf¨or (1) och (2), kvationssystemet blir:
f1(`1, `2) = −(p1+ p2) f2(`1, `2) = p1p2
5. L¨os ut `1 och `2.
6. V¨alj `0f¨or att f˚a r¨att statisk f¨orst¨arkning.
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 6 / 17
Sammanfattning fr˚ an f¨ orel¨ asning 10 (5/5)
Var ska polerna placeras?
N˚agra faktorer som p˚averkar var polerna ska placeras:
Snabbhet
Sv¨angighet
Dominerande pol
Styrsignalstorlek
K¨anslighet f¨or m¨atbrus (observat¨or)
Tidsdiskret implementation
Fr˚ an f¨ orsta f¨ orel¨ asningen: Design av farth˚ allare Fr˚ an f¨ orsta f¨ orel¨ asningen: Vad ¨ ar en regulator?
Regulatorn ¨ar en dator i bilen, som m¨ater hastighet och ¨onskad fart, och skickar styrsignaler (¨onskat moment) till motorn.
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 10 / 17
Datorimplenterade regulatorer
Idag anv¨ands oftast datorer f¨or reglering ⇒ Samplad reglering:
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 11 / 17
Datorimplementerade regulatorer
Inmatning:
Avl¨asning vid samplings-
¨ogonblicken t = tk, k = 0, 1, . . .
Utmatning:
Styckvis konstant styrsignal:
u(t) = uk, tk≤ t < tk+1
Samplings- intervall:
T = tk+1− tk
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 12 / 17
Sampling av signaler
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 13 / 17
Aliaseffekten
Frekvenser som ¨ar snabbare ¨an halva samplingsfrekvensen, ωs, kan inte skiljas fr˚an en l˚angsammare frekvens som tillh¨or intervallet [0, ωs/2]
Alias eftersom de upptr¨ader under ”falskt namn”
Exempel (sampling sker i kameran)
https://youtu.be/UkotZy3lQqo https://youtu.be/jQDjJRYmeWg
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 14 / 17
Samplingsteoremet
Hur ska samplingsfrekvensen v¨aljas f¨or att inte n˚agon information ska g˚a f¨orlorad vid sampling?
Theorem (Samplingsteoremet)
En signal som inte inneh˚aller n˚agra signalkomponenter ¨over frekvensen ω0 kan exakt rekonstrueras fr˚an samplade v¨arden om samplingsfrekvensen ωs uppfyller olikheten ω0 ≤ 12ωs.
Frekvensen ωN = ωs/2 brukar kallas nyquistfrekvensen.
TSIU61 F¨orel¨asning 11 Gustaf Hendeby HT1 2017 15 / 17
Samplade regulatorer
I reglersystem brukar man anv¨anda tumregeln att
samplingsfrekvensen ωs ska vara 20 g˚anger snabbare ¨an den
¨onskade bandbredden ωB, dvs 20 g˚anger den snabbaste frekvens som man vill att det slutna systemet ska kunna f¨olja.
Det kan dock finnas signalkomponenter (t ex m¨atbrus) som kan leda till aliaseffekter om man inte l˚agpassfiltrerar (med ett antialiasfilter) f¨or samplingen.
Sammanfattning
N˚ agra begrepp som f˚ ar summera f¨ orel¨ asning 11
Samplingsintervall: Tidsintervallet mellan samplings¨ogonblicken:
T = tk+1− tk
Aliaseffekten: Frekvenser som ¨ar snabbare ¨an halva
samplingsfrekvensen (nyquistfrekvensen, ωN) kan uppfattas som en l˚angsammare frekvens.
Samplingsteoremet: En signal som inte inneh˚aller n˚agra
frekvensbidrag ¨over ω0 kan exakt rekonstrueras fr˚an samplade v¨arden om ωN ≥ ω0.
Euler bak˚at Enkel approximation av derivata.
Tustins approximationsformel: B¨attre approximation av derivata.