【自动控制原理】时域分析法:稳定性分析(稳)、误差分析和计算(准)

news2025/5/21 10:15:32

文章目录

  • 第3章 时域分析法
    • 3.1 基本概念
    • 3.2~4 一阶、二阶、高阶系统的时间响应及动态性能
      • 3.6 稳定性分析——==稳==
        • 3.6.1. 稳定性的定义
        • 3.6.2 稳定性的条件
        • 3.6.3 劳斯稳定判据
          • 首列出现0,但该行不全为0
          • 首列出现0,且该行全为0
    • 3.5 误差分析和计算——==准==
      • 3.5.1稳态误差的基本概念
      • 3.5.2稳态误差的计算
        • (1)判定系统的稳定性
        • (2)求误差传递函数
        • (3)用终值定理求稳态误差
      • 3.5.3稳态误差系数
      • 3.5.4扰动引起的稳态误差和系统总误差

第3章 时域分析法

  • 系统分析是指对系统的稳定性、误差和动态特性三方面的性能进行分析,即分析系统的稳定性、准确性和快速性
    • 稳定性:(基本要求)系统受扰动影响后能回到原来的平衡位置;
    • 准确性:(稳态要求)稳态输出与理想输出间的误差(稳态误差)要小;
    • 快速性:(动态要求)阶跃响应的过程要平稳、迅速。
  • 建立了控制系统的数学模型后,就可以采用不同的方法来分析和研究控制系统。本文讨论的时域分析法就是其中的重要方法之一。
    • 在时间域内,上述三方面的性能都可以通过求解描述控制系统的微分方程来获得,而微分方程的解则由控制系统的结构参数、初始条件以及输入信号所决定。
    • 时域分析是指在时间域内研究系统在一定输入信号的作用下,其输出信号随时间的变化情况。

3.1 基本概念

3.2~4 一阶、二阶、高阶系统的时间响应及动态性能

参照前文:【自动控制原理】时域分析法:一阶、二阶、高阶系统的时间响应及动态性能

3.6 稳定性分析——

3.6.1. 稳定性的定义
  • 若线性系统在任何初始扰动(或初始偏差)作用下,其动态过程随时间的推移逐渐衰减并趋于零,即恢复到原来平衡状态,则系统是稳定的,否则是不稳定的。
    在这里插入图片描述

  • 数学定义
    在这里插入图片描述

  • 稳定性是分析不存在外作用,仅在初始状态影响下系统的时间响应,也称为零输入响应

  • 稳定性是控制系统自身的固有特性,它取决于系统本身的结构和参数,而与输入无关

3.6.2 稳定性的条件

系统所有特征根的实部是负数;所有根都位于复平面左半平面
在这里插入图片描述

3.6.3 劳斯稳定判据

  线性定常系统稳定的充分必要条件是其特征根全部具有负实部。因此,判别系统的稳定性,就要解出系统特征方程的根,并检验这些特征根是否都具有负实部。但是,通过直接求解特征方程,并根据其特征根来分析系统稳定性的方法是不方便的。于是,就提出了这样的问题,是否可以不用直接求解特征方程的根,而是根据特征方程的根与系数的关系去判别系统的特征根是否全部具有负实部,并以此来分析系统的稳定性。回答是肯定的,而且为此形成了一系列的稳定性判据,其中最著名的一个判据是 1877 年由 E.J.Routh 提出的判据,称之为劳思稳定判据。这种判据是基于特征方程的根与系数的关系,通过特征方程的系数来直接判别系统的稳定性。

在这里插入图片描述
在这里插入图片描述

首列出现0,但该行不全为0

在这里插入图片描述
在这里插入图片描述

首列出现0,且该行全为0

在这里插入图片描述

在这里插入图片描述

3.5 误差分析和计算——

3.5.1稳态误差的基本概念

  • 控制系统性能
    • 动态性能:
      • 峰值时间tp:阶跃响应越过终值达到第一个峰值所需要的时间
      • 超调量𝝈%:峰值超出终值的百分比
      • 调节时间𝒕𝒔
    • 稳态性能:稳态误差

e s s = l i m t ∞ = e ( ∞ ) e_{ss} = lim_{t\infty} =e(\infty) ess=limt=e()

  • 系统的误差分为动态误差和稳态误差,动态误差是指误差随时间变化的过程值。而稳态误差是指误差的终值
  • 系统原理性稳态误差 :线性系统由于其结构、参数及输入信号形式不同所引起的稳态误差不同

3.5.2稳态误差的计算

  计算稳态误差的一般步骤:

(1)判定系统的稳定性

向上看:3.6 稳定性分析

(2)求误差传递函数

参考前文:2.5 控制系统传递函数
在这里插入图片描述

(3)用终值定理求稳态误差

在这里插入图片描述
在这里插入图片描述

3.5.3稳态误差系数

3.5.4扰动引起的稳态误差和系统总误差

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1190869.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

矢量图形编辑软件Boxy SVG mac中文版软件特点

Boxy SVG mac是一款基于Web的矢量图形编辑器,它提供了一系列强大的工具和功能,可帮助用户创建精美的矢量图形。Boxy SVG是一款好用的软件,并且可以在Windows、Mac和Linux系统上运行。 Boxy SVG mac软件特点 简单易用:Boxy SVG的用…

使用sizeof()和strlen()去计算【数组】和【指针】的大小

文章目录 一、知识回顾1、回顾sizeof()、strlen的作用:2、数组和指针3、数组名 二、sizeof()、strlen()的使用区别1、注意区别:2、一维数组与一级指针3、二维数组与二级指针 三、总结回顾 一、知识回顾 1、回顾sizeof()、strlen的作用: siz…

【18】c++11新特性 —>线程同步

线程同步&#xff1a;线程同步就是让多个线程按顺序访问临界区域&#xff0c;只有在当前线程访问临时区结束后&#xff0c;下一个线程才能继续访问。&#xff08;临界区加锁即可&#xff09; #include <iostream> #include <chrono> #include <thread> #inc…

【ZYNQ】裸机 PS + PL 双网口实现之 SDK 程序设计

涉及 lwip 库文件及 ZYNQ 配置相关可参考以下文章&#xff1a; 【ZYNQ】裸机 PS PL 双网口实现之 LWIP 库文件修改 【ZYNQ】裸机 PS PL 双网口实现之 ZYNQ 配置 工程配置 启动 SDK &#xff0c;创建模板工程&#xff0c;配置 BSP。 勾选 lwip141 库。 对 lwip 做如下配置…

Flink—— Data Source 介绍

Data Source 简介 Flink 做为一款流式计算框架&#xff0c;它可用来做批处理&#xff0c;即处理静态的数据集、历史的数据集&#xff1b;也可以用来做流处理&#xff0c;即实时的处理些实时数据流&#xff0c;实时的产生数据流结果&#xff0c;只要数据源源不断的过来&#xff…

在IDEA中配置Web开发环境

一、idea配置Web开发环境 第一步&#xff1a;下载并安装Tomcat服务器&#xff08;建议放根目录&#xff0c;完整路径中不要出现中文&#xff09; 第二步&#xff1a;打开IDEA&#xff0c;新建java项目 第三步&#xff1a;为项目添加Web应用 在项目上右键➡️选择“Add Framew…

算法通关村第七关-黄金挑战二叉树迭代遍历

大家好我是苏麟 , 今天带来二叉树的迭代遍历 . 二叉树的迭代遍历 前序编列 描述 : 给你二叉树的根节点 root &#xff0c;返回它节点值的 前序 遍历。 题目 : LeetCode 二叉树的前序遍历 : 144. 二叉树的前序遍历 分析 : 前序遍历是中左右&#xff0c;如果还有左子树就一…

交叉编译中常见错误解决方法

目录 程序运行基础知识 编译程序时去哪找头文件&#xff1f; 链接时去哪找库文件&#xff1f; 运行时去哪找库文件&#xff1f; 运行时不需要头文件&#xff0c;所以头文件不用放到板子上 常见错误的解决方法 头文件问题 库文件问题 运行问题 交叉编译程序的万能命令 …

YOLOv5-6.1源码详解之损失函数loss.py

目录 1 目标检测结果精确度的度量 2 YOLOv5-6.1损失函数 2.1 classification类别损失 2.2 confidence置信度损失 2.3 localization定位损失 3 YOLOv5-6.1损失函数loss.py代码解析 3.1 class ComputeLoss 3.1.1 __init__ 3.1.2 build_targets 3.1.3 _call__ 3.2 smo…

说说React diff的原理是什么?

一、是什么 跟Vue一致&#xff0c;React通过引入Virtual DOM的概念&#xff0c;极大地避免无效的Dom操作&#xff0c;使我们的页面的构建效率提到了极大的提升 而diff算法就是更高效地通过对比新旧Virtual DOM来找出真正的Dom变化之处 传统diff算法通过循环递归对节点进行依…

Semantic-Guided Zero-Shot Learning for Low-Light ImageVideo Enhancement

论文阅读之无监督低光照图像增强 Semantic-Guided Zero-Shot Learning for Low-Light Image/Video Enhancement 代码&#xff1a; https://github.com/ShenZheng2000/SemantiGuided-Low-Light-Image-Enhancement 在低光条件下增加亮度的一个可行方法是使用更高的ISO或更长时间…

AI:76-基于机器学习的智能城市交通管理

🚀 本文选自专栏:AI领域专栏 从基础到实践,深入了解算法、案例和最新趋势。无论你是初学者还是经验丰富的数据科学家,通过案例和项目实践,掌握核心概念和实用技能。每篇案例都包含代码实例,详细讲解供大家学习。 📌📌📌在这个漫长的过程,中途遇到了不少问题,但是…

leetcode:LCP 11. 期望个数统计(python3解法)

难度&#xff1a;简单 某互联网公司一年一度的春招开始了&#xff0c;一共有 n 名面试者入选。每名面试者都会提交一份简历&#xff0c;公司会根据提供的简历资料产生一个预估的能力值&#xff0c;数值越大代表越有可能通过面试。 小 A 和小 B 负责审核面试者&#xff0c;他们均…

计算机二级公共基础

知识点 1.树 树的最大层次&#xff08;最长路径的长度&#xff09;称为树的深度 二叉树的后件最多不超过两个 满二叉树&#xff1a;除最后一层每一层的所有节点都有两个子节点。&#xff08;满二叉树一定是完全二叉树&#xff09; 完全二叉树&#xff1a;所有节点均达到最大数…

显著提升!| (WOA)融合模拟退火和自适应变异的混沌鲸鱼优化算法应用于函数寻优

鲸鱼优化算法(whale optimization algorithm,WOA)是由Mirjalili和Lewis[1]于2016年提出的一种新型群体智能优化搜索方法,它源于对自然界中座头鲸群体狩猎行为的模拟&#xff0c;与其它群体智能优化算法相比&#xff0c;WOA算法结构新颖, 控制参数少&#xff0c;在许多数值优化和…

JavaScript使用Ajax

Ajax(Asynchronous JavaScript and XML)是使用JavaScript脚本&#xff0c;借助XMLHttpRequest插件&#xff0c;在客户端与服务器端之间实现异步通信的一种方法。2005年2月&#xff0c;Ajax第一次正式出现&#xff0c;从此以后Ajax成为JavaScript发起HTTP异步请求的代名词。2006…

【论文阅读】DALL·E: Zero-Shot Text-to-Image Generation

OpenAI第一代文本生成图片模型 paper&#xff1a;https://arxiv.org/abs/2102.12092 DALLE有120亿参数&#xff0c;基于自回归transformer&#xff0c;在2.5亿 图片-文本对上训练的。实现了高质量可控的text to image&#xff0c;同时也有zero-shot的能力。 DALL-E没有使用扩…

汽车螺丝扭力标准/汽车常见螺栓扭矩参照

汽车螺丝扭力标准参照表如下&#xff1a; 1、支座与车身螺栓(13MM)--25Nm&#xff1b; 2、支座与车身螺栓(18MM)--40Nm90度/50Nm&#xff1b; 3、支座与发动机支座螺栓(18Mm)--100Nm&#xff1b; 4、支座与车身螺栓(13MM)--25Nm&#xff1b; 5、支座与车身螺栓(18MM)--40N…

【Rust日报】2023-11-08 RustyVault -- 基于 rust 的现代秘密管理系统

RustyVault -- 基于 rust 的现代秘密管理系统 RustyVault 是一个用 Rust 编写的现代秘密管理系统。RustyVault 提供多种功能&#xff0c;支持多种场景&#xff0c;包括安全存储、云身份管理、秘密管理、Kubernetes 集成、PKI 基础设施、密码计算、传统密钥管理等。RustyVault 可…

面试10000次依然会问的【线程池】,你还不会?

线程池的基本概念 线程池是一种基于池化技术的线程使用方式&#xff0c;它允许我们有效地管理和复用线程&#xff0c;减少线程的创建和销毁的开销&#xff0c;从而提高系统的响应速度。在Java中&#xff0c;线程池的管理主要通过ThreadPoolExecutor类来实现。 线程池的定义与…