[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理

本文仅供学习使用
本文参考:
B站:DR_CAN

Dr. CAN学习笔记-Ch01自动控制原理

  • 1. 开环系统与闭环系统Open/Closed Loop System
    • 1.1 EG1: 烧水与控温水壶
    • 1.2 EG2: 蓄水与最终水位
    • 1.3 闭环控制系统
  • 2. 稳定性分析Stability
    • 2.1 序言
    • 2.2 稳定的分类
    • 2.3 稳定的对象
    • 2.4 稳定的系统
    • 2.5 系统稳定性的讨论
    • 2.6 补充内容——Transfer Function(传递函数) - nonzero Initial Condition(非零初始条件)
  • 3. 燃烧卡路里-系统分析实例
    • 3.1 数学模型
    • 3.2 比例控制 Proprotional Control
  • 4 终值定理和稳态误差Final Value Theorem & Steady State Error
  • 5 比例积分控制器Proportional-Intefral Controller
  • 6 根轨迹Root locus
    • 6.1 根的作用
    • 6.2 手绘技巧
    • 6.3 分离点/汇合点&根轨迹的几何性质
  • 7 Lead Compensator超前补偿器(调节根轨迹)
    • 7.1 Plot Rootlocus 绘制根轨迹
    • 7.2 System Performance 系统表现
    • 7.3 改善/加快收敛速度
    • 7.4 超前补偿器 Lead Comperastor
  • 8 Lag Compensator滞后补偿器
  • 9 PID控制器
  • 10 奈奎斯特稳定性判据-Nyquist Stability Criterion


1. 开环系统与闭环系统Open/Closed Loop System

1.1 EG1: 烧水与控温水壶

[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第1张图片

1.2 EG2: 蓄水与最终水位

在这里插入图片描述

h ˙ = q i n A − g h A R \dot{h}=\frac{q_{in}}{A}-\frac{gh}{AR} h˙=AqinARgh
A = 1 A=1 A=1. 目标: h = x → x d h=x\rightarrow x_d h=xxd —— 保持液面高度
x d = C R g , C = x d g R = u , G ( s ) = 1 S + g R x_d=\frac{CR}{g},C=\frac{x_dg}{R}=u,G\left( s \right) =\frac{1}{S+\frac{g}{R}} xd=gCR,C=Rxdg=u,G(s)=S+Rg1

1.3 闭环控制系统

在这里插入图片描述
X = D G 1 + H D G V X=\frac{DG}{1+HDG}V X=1+HDGDGV

2. 稳定性分析Stability

2.1 序言

在这里插入图片描述

2.2 稳定的分类

[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第2张图片

2.3 稳定的对象

明确分析对象
在这里插入图片描述
e = T a r g e t    −    θ e=Target\,\,-\,\,\theta e=Targetθ
Does the error converge to zero or not —— error dynamics stable or not

2.4 稳定的系统

Open loop 开环
在这里插入图片描述
Closed loop 闭环
在这里插入图片描述
EG1:
在这里插入图片描述
EG2:
在这里插入图片描述

2.5 系统稳定性的讨论

在这里插入图片描述
在这里插入图片描述

2.6 补充内容——Transfer Function(传递函数) - nonzero Initial Condition(非零初始条件)

在这里插入图片描述

3. 燃烧卡路里-系统分析实例

3.1 数学模型

[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第3张图片
[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第4张图片

3.2 比例控制 Proprotional Control

[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第5张图片
[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第6张图片

4 终值定理和稳态误差Final Value Theorem & Steady State Error

[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第7张图片
[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第8张图片
[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第9张图片
[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第10张图片

5 比例积分控制器Proportional-Intefral Controller

消除稳态误差——设计新的控制器
[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第11张图片

[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第12张图片

6 根轨迹Root locus

6.1 根的作用

G ( s ) = s + 3 s 2 + 2 s + 4 G\left( s \right) =\frac{s+3}{s^2+2s+4} G(s)=s2+2s+4s+3
Matlab可绘制 riocus(g)
掌握根的变化规律 , 设计控制器,补偿器 : Compentator Lead Lag…

根 —— 极点

  1. 一阶系统
    在这里插入图片描述
  2. 二阶系统
    在这里插入图片描述
    在这里插入图片描述
  3. 三阶系统
    在这里插入图片描述

在这里插入图片描述

6.2 手绘技巧

Matlab可以精确绘制——手绘——掌握根的变化规律——设计控制器

根轨迹的基本形式

[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第13张图片
根轨迹研究的是: 当 K K K从0到 + ∞ +\infty +时,闭环系统根(极点)位置的变化规律

1 + K G ( s ) = 0 , G ( s ) = N ( s ) D ( s ) = ( s − z 1 ) ( s − z 2 ) ⋯ ( s − z m ) ( s − p 1 ) ( s − p 2 ) ⋯ ( s − p n ) 1+KG\left( s \right) =0,G\left( s \right) =\frac{N\left( s \right)}{D\left( s \right)}=\frac{\left( s-z_1 \right) \left( s-z_2 \right) \cdots \left( s-z_{\mathrm{m}} \right)}{\left( s-p_1 \right) \left( s-p_2 \right) \cdots \left( s-p_{\mathrm{n}} \right)} 1+KG(s)=0,G(s)=D(s)N(s)=(sp1)(sp2)(spn)(sz1)(sz2)(szm)

其中, z 1 ⋯ z m z_1\cdots z_{\mathrm{m}} z1zm零点 Zeros ⊙ \odot p 1 ⋯ p n p_1\cdots p_{\mathrm{n}} p1pn极点 Poles × \times ×

规则1 :共有 n n n条根轨迹, 若 n > m n>m n>m;共有 m m m条根轨迹,若 m > n m>n m>n ⇐ max ⁡ { m , n } \Leftarrow \max \left\{ m,n \right\} max{m,n}
规则2 :若 m = n m=n m=n,随着 K K K 0 → ∞ 0\rightarrow \infty 0 , 根轨迹从 G ( s ) G\left( s \right) G(s)的极点向零点移动: 1 + K G ( s ) = 0 ⇒ D ( s ) + K N ( s ) = 0 1+KG\left( s \right) =0\Rightarrow D\left( s \right) +KN\left( s \right) =0 1+KG(s)=0D(s)+KN(s)=0 K → 0 K\rightarrow 0 K0 D ( s ) = 0 D\left( s \right) =0 D(s)=0(极点); K → ∞ K\rightarrow \infty K N ( s ) = 0 N\left( s \right) =0 N(s)=0 (零点)
规则3:实轴上的根轨迹存在于从右向左第奇数个极点/零点的左边
规则4:若附属跟存在,则一定是共轭的,所以根轨迹通过实轴对称
规则5:若 n > m n>m n>m , 则有 n − m n-m nm个极点指向无穷;若 m > n m>n m>n , 则有 m − n m-n mn条根轨迹从无穷指向零点
规则6:根轨迹延渐近线移动,渐近线与实轴的交点 σ = ∑ p − ∑ z n − m \sigma =\frac{\sum{p}-\sum{z}}{n-m} σ=nmpz渐近线与实轴的夹角 θ = 2 q + 1 n − m π , q = 0 , 1 , . . . , n − m − 1 / m − n − 1 \theta =\frac{2q+1}{n-m}\pi ,q=0,1,...,n-m-1/m-n-1 θ=nm2q+1π,q=0,1,...,nm1/mn1
在这里插入图片描述

6.3 分离点/汇合点&根轨迹的几何性质

以 2nd-order system 为例:
在这里插入图片描述
Properties of Root locus
在这里插入图片描述

7 Lead Compensator超前补偿器(调节根轨迹)

在这里插入图片描述

7.1 Plot Rootlocus 绘制根轨迹

G ( s ) = 1 s ( s + 2 ) G\left( s \right) =\frac{1}{s\left( s+2 \right)} G(s)=s(s+2)1
在这里插入图片描述

7.2 System Performance 系统表现

输入Input —— δ ( t ) \delta \left( t \right) δ(t) 单位冲激

  • K K K 较小时, p 1 , p 2 p_1,p_2 p1,p2 x ( t ) = c 1 e p 1 t + c 2 e p 2 t , p 1 < 0 , p 2 < 0 x\left( t \right) =c_1e^{p_1t}+c_2e^{p_2t},p_1<0,p_2<0 x(t)=c1ep1t+c2ep2t,p1<0,p2<0
    在这里插入图片描述
  • K K K 较大时,根在复平面: p 1 , p 2 p_1,p_2 p1,p2 x ( t ) = c e − t sin ⁡ ω n t x\left( t \right) =ce^{-t}\sin \omega _{\mathrm{n}}t x(t)=cetsinωnt - 无论如何改变 K K K值,都无法改变收敛速度
    -在这里插入图片描述

7.3 改善/加快收敛速度

——改变根轨迹,希望根在 − 2 + 2 3 -2+2\sqrt{3} 2+23
G ( s ) = 1 s ( s + 2 ) G\left( s \right) =\frac{1}{s\left( s+2 \right)} G(s)=s(s+2)1
在根轨迹上的点满足: ∠ K G ( s ) = − π \angle KG\left( s \right) =-\pi KG(s)=π (零点到根的夹角和 - 极点到根的夹角和)
在这里插入图片描述

7.4 超前补偿器 Lead Comperastor

H ( s ) = s − z s − p , ∥ z ∥ < ∥ p ∥ H\left( s \right) =\frac{s-z}{s-p},\left\| z \right\| <\left\| p \right\| H(s)=spsz,z<p
在这里插入图片描述

8 Lag Compensator滞后补偿器

稳态误差入手(steady state Error)
在这里插入图片描述
误差 Error E ( s ) = R ( s ) − X ( s ) = R ( s ) − E ( s ) ⋅ K G ( s ) ⇒ E ( s ) ( 1 + K G ( s ) ) = R ( s ) ⇒ E ( s ) = 1 1 + K G ( s ) R ( s ) = R ( s ) 1 1 + K N ( s ) D ( s ) = 1 s 1 1 + K N ( s ) D ( s ) E\left( s \right) =R\left( s \right) -X\left( s \right) =R\left( s \right) -E\left( s \right) \cdot KG\left( s \right) \Rightarrow E\left( s \right) \left( 1+KG\left( s \right) \right) =R\left( s \right) \Rightarrow E\left( s \right) =\frac{1}{1+KG\left( s \right)}R\left( s \right) =R\left( s \right) \frac{1}{1+K\frac{N\left( s \right)}{D\left( s \right)}}=\frac{1}{s}\frac{1}{1+K\frac{N\left( s \right)}{D\left( s \right)}} E(s)=R(s)X(s)=R(s)E(s)KG(s)E(s)(1+KG(s))=R(s)E(s)=1+KG(s)1R(s)=R(s)1+KD(s)N(s)1=s11+KD(s)N(s)1

单位阶跃unit step R ( s ) = 1 s R\left( s \right) =\frac{1}{s} R(s)=s1
稳态误差Steady State Error——FVT终值定理
e s s = lim ⁡ t → ∞ e ( t ) = lim ⁡ s → o s E ( s ) = lim ⁡ s → o s ⋅ 1 s 1 1 + K N ( s ) D ( s ) = 1 1 + K N ( 0 ) D ( 0 ) = D ( 0 ) D ( 0 ) + K N ( 0 ) ess=\underset{t\rightarrow \infty}{\lim}e\left( t \right) =\underset{s\rightarrow o}{\lim}sE\left( s \right) =\underset{s\rightarrow o}{\lim}s\cdot \frac{1}{s}\frac{1}{1+K\frac{N\left( s \right)}{D\left( s \right)}}=\frac{1}{1+K\frac{N\left( 0 \right)}{D\left( 0 \right)}}=\frac{D\left( 0 \right)}{D\left( 0 \right) +KN\left( 0 \right)} ess=tlime(t)=solimsE(s)=solimss11+KD(s)N(s)1=1+KD(0)N(0)1=D(0)+KN(0)D(0)

在这里插入图片描述
在这里插入图片描述

9 PID控制器

P —— Proportional
I —— Integral
D —— Derivative

  • 当前误差/过去误差/误差的变化趋势
    在这里插入图片描述
  1. K p ⋅ e K_{\mathrm{p}}\cdot e Kpe:比例增益——当前误差
  2. K I ⋅ ∫ e d t K_{\mathrm{I}}\cdot \int{e}dt KIedt:积分增益——过去误差-积累
  3. K D ⋅ d e d t K_{\mathrm{D}}\cdot \frac{\mathrm{d}e}{\mathrm{d}t} KDdtde :微分增益——变化趋势 (对噪音敏感)
    L [ u ] = L [ K P ⋅ e + K I ⋅ ∫ e d t + K D ⋅ d e d t ] ⇒ U ( s ) = ( K P + K I 1 s + K D s ) ⋅ E ( s ) \mathcal{L} \left[ u \right] =\mathcal{L} \left[ K_{\mathrm{P}}\cdot e+K_{\mathrm{I}}\cdot \int{e}\mathrm{d}t+K_{\mathrm{D}}\cdot \frac{\mathrm{d}e}{\mathrm{d}t} \right] \Rightarrow U\left( s \right) =\left( K_{\mathrm{P}}+K_{\mathrm{I}}\frac{1}{s}+K_{\mathrm{D}}s \right) \cdot E\left( s \right) L[u]=L[KPe+KIedt+KDdtde]U(s)=(KP+KIs1+KDs)E(s)

PID
PD控制:提高稳定性,改善瞬态
PI控制:改善稳态误差

10 奈奎斯特稳定性判据-Nyquist Stability Criterion

在这里插入图片描述

在这里插入图片描述
Cauchy’s Argument Priciple 柯西幅角原理
在这里插入图片描述

结论: s s s平面内顺时针画一条闭合曲线 A A A B B B曲线是 A A A通过 F ( s ) F(s) F(s)后在 F ( s ) F(s) F(s)平面上的映射, A A A曲线每包含一个 F ( s ) F(s) F(s)的零点(极点), B B B曲线就绕 ( 0 , 0 ) (0,0) (0,0)点顺时针(逆时针)一圈

[足式机器人]Part2 Dr. CAN学习笔记-Ch01自动控制原理_第14张图片

你可能感兴趣的:(控制算法,学习笔记)