„Laboratórium 2 - 8. Mérés ellenőrző kérdései” változatai közötti eltérés
17. sor: | 17. sor: | ||
==4. Mi lesz állapot-visszacsatolás esetén a zárt rendszer karakterisztikus egyenlete? == | ==4. Mi lesz állapot-visszacsatolás esetén a zárt rendszer karakterisztikus egyenlete? == | ||
Folytonos időben a szakasz állapotegyenlete <math>\dot{x}=Ax + Bu</math>, a zárt rendszer állapotegyenlete, a zárt rendszer karakterisztikus egyenlete pedig | Folytonos időben a szakasz állapotegyenlete <math>\dot{x}=Ax + Bu</math>, a zárt rendszer állapotegyenlete <math>\dot{x}=(A-BK) \cdot x</math>, a zárt rendszer karakterisztikus egyenlete pedig <math>\varphi_c(s)=det(sI-(A-BK))</math>. Diszkrét időben a szakasz állapotegyenlete <math>x_{i+1}=\Phi \cdot x_i + \Gamma \cdot u_i</math>, a zárt rendszer állapotegyenlete <math>x_{i+1}=(\Phi-\Gamma K) \cdot x_i</math>, a zárt rendszer állapotegyenlete pedig <math>\varphi_c(z)=(zI-(\Phi - \GammaK))</math>. A pólusáthelyezési feladatban előírjuk a zárt rendszer karakterisztikus egyenletét (ami ekvivalens a zárt rendszer pólusainak, azaz a velük megegyező sajátértékeknek az előírásával), és keressük az ehhez szükséges állapot-visszacsatolást. Vegyük észre az algebrai hasonlóságot a folytonosidejű és diszkrétidejű feladat esetén. | ||
==5. Mik a fő problémák az egyszerű u=-Kx állapot-visszacsatolás esetén tipikus irányítási rendszerekben? == | ==5. Mik a fő problémák az egyszerű u=-Kx állapot-visszacsatolás esetén tipikus irányítási rendszerekben? == |
A lap 2014. február 6., 23:15-kori változata
1. Milyen identifikációs rendszermodelleket ismer?
AR, ARX, IV, ARMAX stb. Ezek a modellek a MATLAB System Identification (röviden IDENT) toolboxa segítségével identifikálhatók. ARX modell a klasszikus LS (least squares) becsléssel is identifikálható. A módszerek érzékenyek a jel és zaj korreláltságára, amelyen segédváltozók (IV) alkalmazásával lehet javítani. Az ARMAX modell már általánosabb zajstruktúrát alkalmaz, de identifikációja numerikusan bonyolultabb módszert igényel, nevezetesen a kvázi Newton-módszert. Lásd elméleti alapok.
2. Miért van szükség identifikációra?
Az identifikáció célja dinamikus modell nyerése az ismeretlen rendszerről, a szabályozástechnikában a szabályozott szakaszról. Dinamikus modell hiányában csak kísérletezéssel tudnánk egyszerű szabályozók paraméterbeállítását megkeresni. A dinamikus modell ismerete lehetővé teszi elméletileg megalapozott szabályozások tervezését, amely minimálissá teszi a reális folyamaton való kísérletezést. A modell jó, ha azonos bemenő jel mellett a kimenetén hasonlóan válaszol, mint az ismeretlen rendszer. A modellel szemben pótlólagos elvárásaink is lehetnek, mint például az, hogy az identifikációval kapott diszkrétidejű modellnek legyen folytonosidejű megfelelője. Ez a negatív valós pólusokkal áll kapcsolatban a z-tartományban.
3. Mit értünk állapot-visszacsatolás alatt?
Állapot-visszacsatolás alatt azt értjük, hogy a szabályozó kimenő jelét (a beavatkozó jelet) az állapotokból állítjuk elő. Lineáris állapot-visszacsatolás esetén folytonos időben , diszkrét időben pedig , vagy röviden , ahol T a mintavételi idő. Egyváltozós (SISO) rendszer esetén K sorvektor.
4. Mi lesz állapot-visszacsatolás esetén a zárt rendszer karakterisztikus egyenlete?
Folytonos időben a szakasz állapotegyenlete , a zárt rendszer állapotegyenlete , a zárt rendszer karakterisztikus egyenlete pedig . Diszkrét időben a szakasz állapotegyenlete , a zárt rendszer állapotegyenlete , a zárt rendszer állapotegyenlete pedig Értelmezés sikertelen (ismeretlen „\GammaK” függvény): {\displaystyle \varphi_c(z)=(zI-(\Phi - \GammaK))} . A pólusáthelyezési feladatban előírjuk a zárt rendszer karakterisztikus egyenletét (ami ekvivalens a zárt rendszer pólusainak, azaz a velük megegyező sajátértékeknek az előírásával), és keressük az ehhez szükséges állapot-visszacsatolást. Vegyük észre az algebrai hasonlóságot a folytonosidejű és diszkrétidejű feladat esetén.