Курсовая работа: Автоматизация питающего бункера чесальной машины

В поле окна Data Format for Signals выбираем IDDATA object. В поле Iddata вводим название нашего файла dan (см. рисунок 2.1.3)

Рисунок 2.1.3 Окно параметров импорта

Запустим режим быстрого старта, для чего в падающем меню Operations выберем Quick Start (см. рисунок 2.1.4).

Рисунок 2.1.4 Импорт файла данных выполнен

Во время выполнения этого режима производится:

·  Удаление тренда из массива экспериментальных данных;

·  Формирование усеченных массивов данных с именами dande и dandv для построения моделей.

Рисунок 2.1.5 Завершен импорт и преобразование данных

После проведения предварительной обработки данных можно приступить к нахождению оценки модели.

В предложенном списке Estimate выбираем Parametric models (см. рисунок 2.1.6), данный выбор приведет к открытию диалогового окна задания структуры модели (см. рисунок 2.1.7).

Рисунок 2.1.6 Выбираем параметрические модели

Получим параметрические модели из предложенного списка (ARX, ARMAX, OE, BJ, State Space см. рисунок 2.1.7), оценка производится нажатием кнопки Estimate. Существует возможность изменить параметры модели в редакторе Order Editor. Воспользуемся значениями по умолчанию, за исключением ARX и State Space, у которых параметры выберем, нажав кнопку Order Selection.

Рисунок 2.1.7 Окно выбора структуры моделей

После того как были получены все 5 моделей объекта управления (см. рисунок 2.1.8), можно приступит к выбору одной из них, которая будет использоваться далее для получения передаточной функции ТОУ.

Рисунок 2.1.8 Получены 5 моделей ТОУ

Для выбора модели следует пользоваться средствами которые предоставляет System Identification Toolbox:

·  Transient resp (переходная характеристика);

·  Frequency resp (частотные характеристики);

·  Zeros and poles (графики нулей и полюсов);

·  Noise spectrum(графики спектров шумов).

Выбор отображаемых на этих графиках моделей осуществляется выделением соответствующих в окне списка моделей.

Для анализа модели ТОУ возьмем модель n4s3, для чего перетащим ее на иконку To Workspace, при этом модель n4s3 появится в рабочем пространстве MATLAB.

Полученная модель представлена в так называемом тета – формате и является дискретной. Для преобразования модели из тета - формата в вид удобный для дальнейшего использования в пакете System Identification Toolbox имеются специальные функции.

Преобразуем модель тета-формата многомерного объекта в вектор передаточных функций, связанных с выбранным входом:

>> [n,d]=th2tf(n4s3)

n = 0 -0.0113 0.0188 0.0580

d = 1.0000 -1.7658 1.0929 -0.2527

где n, d соответственно числитель и знаменатель дискретной передаточной функции.

Получим дискретную передаточную функцию:

>> zn4s=tf(n,d,ts)

Transfer function: -0.01133 z^2 + 0.01876 z + 0.05795

z^3 - 1.766 z^2 + 1.093 z - 0.2527

Sampling time: 2.5

Преобразуем дискретную модель в непрерывную и представим ее в виде передаточной функции:

>> sn4s=d2c(zn4s)

Transfer function:

0.01754 s^2 - 0.02422 s + 0.008271

--------------------------------------

s^3 + 0.5502 s^2 + 0.1395 s + 0.009408

Приведенные передаточные функции являются одной и той же моделью, записанной в разных формах и форматах.

Проанализируем динамические характеристики модели. Для чего построим переходную характеристику ТОУ для дискретной и непрерывной моделей и определим основные показатели переходного процесса.

На графиках переходных процессов ступенчатой линией представлен переходной процесс дискретной модели, а сплошной линией – непрерывной модели. Основные характеристики переходного процесса следующие:

·  Время нарастания переходного процесса (Rise time) составляет для дискретной модели 22.5, а для непрерывной – 22.2;

·  Время регулирования (Setting time) составляет для дискретной модели 37.5, а для непрерывной – 37.5;

·  Установившееся значение выходной величины (Final value) для дискретной модели и непрерывной – 0.879.

Для построения переходной характеристики воспользуемся командой:

>> step(zn4s,sn4s)

Рисунок 2.1.9 Переходные характеристики дискретной и непрерывной моделей

Для построения импульсной характеристики воспользуемся командой:

>> impulse(zn4s,sn4s)

Рисунок 2.1.10 Импульсные характеристики дискретной и непрерывной моделей

Основными характеристиками модели ТОУ при подаче на вход единичного импульсного воздействия являются (см. рисунок 2.1.10):

·  Пиковая амплитуда (Peak amplitude) составляет для дискретной модели 12.5, а для непрерывной – 11.1.

·  Время регулирования составляет для дискретной модели 45 с., а для непрерывной модели 42.3 с.

Определим частотные характеристики моделей с помощью команды:

>> bode(zn4s,sn4s)

Рисунок 2.1.11 Частотные характеристики дискретной и непрерывной моделей

На графиках частотных характеристик ЛАХ и ЛФХ указаны значения запасов устойчивости (см. рисунок 2.1.11):

·  по амплитуде (Gain Margin), которые для дискретной модели составляют 9.19 dB, а для непрерывной модели – 10.3 dB.

·  по фазе (Phase Margin), которые для дискретной и непрерывной модели равны бесконечности.

Анализ частотных характеристик показывает, что модели zn4s и sn4s являются устойчивыми с соответствующими запасами устойчивости по амплитуде. Запас устойчивости по фазе равен бесконечности.

Этот вывод подтверждается так же комплексной амплитудно-фазовой характеристикой АФХ, которая в зарубежной литературе называется диаграммой Найквиста, так как годограф АФХ не пересекает точку комплексной плоскости с координатами -1,j0.

Для построения АФХ необходимо воспользоваться командой:

>> nyquist(zn4s,sn4s)

Рисунок 2.1.12 Амплитудно фазовые характеристики дискретной и непрерывной моделей

Значения запасов устойчивости можно определить также и в режиме командной строки MATLAB с помощью команды

где Gm – запас устойчивости по амплитуде в натуральных величинах на частоте Wcg, Pm – запас устойчивости по фазе на частоте Wcp.

Как видно, определение запасов устойчивости последним способом позволяет значительно точнее вычислять эти значения, чем на графиках частотных характеристик.

Определим статический коэффициент усиления модели ТОУ с помощью команды:

>> k=dcgain(sn4s)

k=

0.8791

Для решения задач анализа и синтеза систем управления важно знать ответ на другой не менее важный вопрос, чем полученные временные, частотные и статистические характеристики: обладает ли объект свойством управляемости в смысле возможности его перевода из заданной начальной точки (или области) в заданную конечную точку (или область)? До второй половины девятнадцатого столетия проблема управляемости - проблема установления обладания объектом свойством управляемости решалась чисто интуитивно на основе инженерных знаний и опыта. В настоящее время, с развитием метода переменных состояния стало возможным строгое определение свойства управляемости и установление критерия управляемости.

Решение проблемы управляемости основано на анализе уравнений переменных состояния и формулируется следующим образом: объект называется вполне управляемым, если выбором управляющего воздействия u(t) на интервале времени [t0> tk;] можно перевести его из любого начального состояния y(to) в произвольное заранее заданное конечное состояние y(tk).

Страницы: 1, 2, 3, 4, 5