Documente Academic
Documente Profesional
Documente Cultură
18
domeniul frecvenţei etc. Cu privire la incertitudinea modelului se va
considera în continuare că dinamica unui proces este descrisă de o
familie Π de modele liniare invariante în timp şi nu de un singur model
liniar invariant aşa cum se procedează de obicei. Aceasta este o descriere
cumva primitivă a incertitudinii mai ales dacă se doreşte a reflecta efectul
neliniarităţilor, dar este singura abordare fezabilă în prezent.
Familia Π a modelelor procesului va fi definită în domeniul
frecvenţei. Să presupunem că amplitudinea şi faza funcţiei de transfer la
o anumită frecvenţă ω nu este definită printr-un punct şi este plasată într-
o regiune π (ω ) în planul Nyquist. În general această regiune poate avea
o formă foarte complexă. Să presupunem că răspunsul la frecvenţă
permite proiectantului să stabilească limitele superioare şi inferioare ale
amplitudinii G ( jω ) şi fazei arg G ( jω ) procesului real. La o frecvenţă
particulară aceste limite conduc la o regiune de tip sector π (ω ) (fig.
1.4.a).
π(ω) π(ω)
(a) (b)
Fig. 1.4. Regiunea incertitudinilor rezultate pentru limite ale amplificării
şi fazei (a) şi pentru limitări parametrice (b)
19
Dacă incertitudinile sunt considerate ca fiind nestructurate, adică
considerate cu efect global, nepreferenţial, acestea se evidenţiază din
punct de vedere al efectului printr-o modificare a funcţiei de transfer de
tipul:
G → G ' G ' ( jω ) = G ( jω ) + ΔG ( jω ) (1.13)
unde G '( jω ) este plasată într-o vecinătate a lui G(s). Regiunea în care
sunt plasate G '( jω ) pentru frecvenţe particulare ω vor fi aproximate prin
discuri cu raza la (ω) (fig. 1.5.b). Algebric, familia Π a proceselor
descrise de disc este definită astfel:
Π = {G : G ( jω ) − G '( jω ) ≤ la (ω )} (1.14)
G ( jω ) este procesul la parametri nominali sau modelul ce
defineşte centrele tuturor regiunilor sub formă de discuri.
la(jω)
(a) (b)
Fig. 1.5. „Bandă” de incertitudine (a). Disc de incertitudine pentru
incertitudini aditive.
21
101
10-1
22
trigonometric de un număr de ori egal cu numărul de poli instabili ai lui
Gd ( s ) atunci când parcurge intervalul (−∞, +∞) .
Conform ipotezei 1 referitoare la incertitudini, bucla perturbată,
adică Gd' = Gr G ' va fi stabilă dacă şi numai dacă hodograful
Γ( jω ) = 1 + Gd ( jω ) va înconjura originea în sens trigonometric exact de
acelaşi număr de ori ca şi hodograful nominal Γ( jω ) .
Presupunând că Γ( jω ) satisface condiţia enunţată mai sus Γ '( jω )
va satisface această condiţie dacă banda Nyquist care cuprinde toate
funcţiile G ∈ Π nu include punctul (-1,0). Argumentarea geometrică din
fig. 1.7 conduce la concluzia că acesta va fi cazul dacă şi numai dacă
distanţa 1 + GR ( jω )G ( jω ) este mai mare decât raza cercului
lm GR ( jω )G ( jω ) .
1 + GR G
1 + GR G '
pt.
lm GR G
G∈Π
1 + GR ( jω )G ( jω ) > GR ( jω )G ( jω ) lm (ω ) ∀ω ≥ 0 (1.23)
sau
GR ( jω )G ( jω )
lm (ω ) = η ( jω ) lm (ω ) < 1 ∀ω ≥ 0 (1.24)
1 + GR ( jω )G ( jω )
Teorema 1.1. (Stabilitatea robustă)
Presupunem că toate procesele G ale familiei Π
23
⎧ G ( jω ) − G '( jω ) ⎫
Π = ⎨G : ≤ lm (ω ) ⎬ (1.25)
⎩ G ( jω ) ⎭
au acelaşi număr de poli în Re s > 0 şi că un controler GR ( s ) stabilizează
procesul nominal G(s). Stabilitatea robustă a buclei este asigurată dacă şi
numai dacă funcţia de sensibilitate complementară η ( s) pentru modelul
nominal al procesului G(s) satisface
ηlm ∞ sup η lm (ω ) < 1 (1.26)
ω
Să clarificăm ce înseamnă că Th. 1.1 nu este numai suficientă ci şi
necesară. Dacă condiţia (1.26) este violată atunci în setul Π de modele
există un proces G a cărui buclă închisă cu controlerul GR este instabilă.
Necesitatea implică că cel puţin pentru restul (familia Π) definită de
(1.25) aceasta este condiţia de stabilitate robustă cea mai strânsă ce poate
fi obţinută.
Obs. Stabilitatea robustă implică o mărginire în ramura ∞ a funcţiei de
sensibilitate complementară η ponderată cu lm . Unul din motivele
principale pentru introducerea controlului optimal H∞ este că condiţia de
stabilitate robustă şi specificarea performanţelor sunt exprimate în
termenii aceleiaşi norme (norma ∞).
Să ne reamintim că la frecvenţe înalte zgomotul tinde să impună o
limitare pentru η. Totuşi în controlul automat constrângerile impuse de
incertitudinea modelului sunt dominante. La frecvenţe înalte, pentru care
GR G
GR ( jω )G ( jω ) este mic, rezultǎ η ≈ ≈ GR G pentru ω mare.
1 + GR G
Relaţia (1.26) impune pentru ω mare
1
GR G ' < pentru ω mare (1.27)
lm
Implicaţiile în proiectare constau în aceea că amplificarea
controlerului la frecvenţe înalte este limitată de incertitudine.
Amplificarea în buclă deschisă GR G trebuie să aibă o astfel de formă
−1
încât să cadă sub limita de incertitudine lm .
Ca observaţie generală, în controlul optimal H∞ se urmăreşte să se
∞ pentru performanţe şi η lm pentru stabilitate.
minimizeze ew
24
O contradicţie apare între performanţă şi robusteţe din faptul că ε
şi η nu sunt independente ci legate între ele prin relaţia
ε ( s) + η ( s) = 1 .
Această problemă este curentă în controlul automat şi nu poate fi
depăşită printr-o metodă de proiectare mai deosebită sau folosind vreun
artificiu. Obiectivul metodei de proiectare robustă a sistemelor este de a
obţine cel mai bun compromis între cele 2 obiective în conflict.
25
lm ( jω )Gd ( jω )
m p (ω ) ≤ 1 + (1 + lm ( jω ))Gd ( jω ) = 1 + Gd ( jω ) 1 + ≈
1 + Gd ( jω )
≈ Gd ( jω ) 1 + lm ( jω )
pentru ω astfel încât Gd ( jω ) 1 ; de unde rezultă
m p (ω )
Gd ( jω ) > pentru ω astfel încât Gd (ω ) 1 (1.29)
1 + lm ( jω )
Dar
m p (ω ) m p (ω ) m p (ω )
≥ ≥ (1.30)
1 + lm ( jω ) 1 + lm ( jω ) 1 + lm ( jω )
pentru ω astfel încât lm (ω ) < 1 se vede din compararea relaţiilor (1.29) şi
(1.30).
Impunând condiţia
m p (ω ) m p (ω )
Gd ( jω ) > ⇒ Gd ( jω ) >
1 + lm ( jω ) 1 + lm ( jω )
sau pe baza relaţiei (1.28) 1 + Gd ( jω ) ≥ m p (ω ) pentru ω astfel încât
Gd ( jω ) 1 şi lm (ω ) < 1 . Condiţia de performanţă robustă poate fi
exprimată şi în termenii normei 2 sau ∞.
Pentru un proces G aparţinând familiei de procese Π, se fixează
obiectivul de proiectare al controlerului astfel încât eroarea rezultată
pentru o mărime de intrare specifică v să fie minimizată pentru toate
procesele aparţinând familiei Π (deci şi pentru procesul cu comportarea
cea mai rea).
Intrări specifice
Vom nota prin v semnalele ce intră în sistemul automat, care pot fi
mărimi de referinţă sau perturbaţii. Pentru orice sistem de control
mărimile de intrare trebuie specificate. Intrările vor fi normalizate în
notarea convenţională. Se va presupune că o intrare v ce intră în bucla de
control este generată de trecerea unei intrări normalizate v’ printr-o
funcţie de transfer w(s) referită uneori ca ponderea intrării respective.
Există două modalităţi de specificare a intrărilor normalizate:
1) Impuls
v '( s ) = 1 (1.31)
26
Un set de intrări mărginite (toate intrările în norma 2 mărginite la
1):
⎧ ∞
⎫
γ ' = ⎨v ' : v ' 2 ∫ v '2 (t )dt ≤ 1⎬
2
(1.32)
⎩ 0 ⎭
Cel mai adesea, pentru sistemele de control automat, se cunoaşte
destul de bine tipul intrărilor ce pot fi furnizate din exterior. De exemplu
referinţele sunt furnizate sistemului sub formă de trepte sau rampe, iar
perturbaţiile pot fi adesea modelate, ca semnale treaptă. Dacă sistemul de
control automat trebuie să se acomodeze cu un semnal specific de intrare
v (cum ar fi modificarea treaptă a referinţei), atunci va fi specificată
ponderea w să fie un integrator (1/s).
2) Intrare specifică
v = wv ' = w (1.33)
Uneori sistemele în buclă închisă pot fi senzitive la alegerea tipului
intrării. Dacă tipul intrării ales prin proiectare nu este identic cu tipul
intrării întâlnit în practică performanţele se pot deteriora semnificativ.
Este deci mai normal să se considere un set de intrări conţinând toate
intrările întâlnite cel mai frecvent împreună cu alte intrări „similare”. Ca
şi în cazul (1.25) se va considera un set de întrări mărginite
⎧⎪ v
2
1
∞
v( jω )
2
⎫⎪
γ = ⎨v ' : v ' 2 = ∫ w( jω ) ω
2
= d ≤ 1⎬ (1.34)
⎪⎩ w 2 2π −∞ ⎪⎭
De remarcat că integrala în domeniul frecvenţei folosită în (1.34)
pentru norma 2 este egală cu integrala în domeniul timpului din (1.32)
prin teorema lui Parseval.
Expresia (1.34) poate fi interpretată în felul următor: dacă spectrul
intrării v este apropiat şi concentrat lângă ω*, atunci puterea intrării
(amplitudinea) este limitată la w(ω*) .
Să presupunem de exemplu că sunt de aşteptat intrări de tip treaptă.
Atunci putem defini o pondere w astfel încât treapta să se situeze în setul
ν.
De exemplu
s+β
w( s ) = β >0 (1.35)
s 2β
are următoarele caracteristici
27
s 2β
v '( s) = (1.36)
s+β
şi satisface
∞
1 2β
v' 2 = ∫ dω = 1
2
(1.37)
2π −∞ ω + β 2
2
28
1 ε
ε = ≤ ∀G ∈ Π (1.42)
1 + GR G 1 − η lm
unde am notat ε = (1 + GR G ') −1 . A se observa că prin condiţia de
stabilitate robustă numitorul funcţiei (1.39) este pozitiv. Ecuaţia poate fi
scrisă
2
∞
1 1
∫−∞ 1 − η lm εv d ω
2
min (1.43)
C 2π
29
ε w
< 1 ∀ω (1.47)
1 − η lm
sau
η lm + ε w < 1 ∀ω (1.48)
Teorema 2 (performanţă robustă)
Presupunând că toate procesele familiei
⎧⎪ G ( jω ) − G ( jω ) ⎪⎫
Π = ⎨G : ≤ lm (ω ) ⎬ (1.49)
⎪⎩ G ( jω ) ⎪⎭
au acelaşi număr de poli în Re s > 0 , atunci sistemul în buclă închisă va
îndeplini condiţiile de performanţă.
ε w ∞ = sup ε w < 1 (1.50)
ω
dacă şi numai dacă sistemul nominal în buclă închisă este stabil şi funcţia
de sensibilitate complementară η şi funcţia de sensibilitate ε satisfac
η lm + ε w < 1 ∀ω (1.51)
Să observăm că interdependenţa dintre ε şi η va conduce la un
compromis. Îmbunătăţind performanţele nominale (adică scăzând ε w )
se înrăutăţeşte robusteţea (creşte ηlm , ceea ce împinge sistemul în
apropierea zonei de instabilitate pentru un proces G ∈ Π).
Dacă lm (0) < 1 , atunci relaţia (1.46) poate fi satisfăcută la frecvenţe
joase făcând GR G ' mare. Dacă w < 1 pentru frecvenţe înalte, relaţia
(1.51) poate fi satisfăcută alegând GR G ' mic, vezi 1.27. Alegând forma
lui GR G = Gd astfel încât să fie mare la frecvenţe joase şi mică la
frecvenţe înalte pot fi satisfăcute specificaţiile pentru performanţe
robuste presupunând că acestea nu sunt prea restrictive (w mare) într-o
gamă de frecvenţă unde incertitudinea lm este mare.
Un controler care optimizează performanţa robustă rezolvă
min sup η lm + ε w (1.52)
C ω
Aşa cum se va vedea ulterior o măsură adecvată pentru
performanţa robustă este valoarea singulară structurală (SSV – Structued
Singular Value) ce va fi discutată în contextul proceselor multivariabile.
30
Din (1.46) se poate observa că se pot atinge performanţe robuste
satisfăcând condiţia de stabilitate robustă (1.27) şi condiţia de
performanţe nominale ε w < 1 cu o limitare: dacă η lm < α (ω ) şi
ε w < 1 − α (ω ) cu α < 1, ∀ω , ceea ce implică că este automat
îndeplinită condiţia de performanţă robustă. Deci, pentru sisteme SISO,
performanţa robustă nu este un criteriu deosebit de dificil de îndeplinit.
Această afirmaţie nu mai este valabilă în cazul sistemelor MIMO.
31
În acest capitol vor fi prezentate unele concepte elementare din
analiza funcţională.
Se doreşte o prezentare la nivel de informare a instrumentului
matematic cu care operează în prezent metodele frecvenţiale şi anume
abordările de tip H∞.
∫ x(t ) dt < ∞
2
−∞
35
2.3. Spaţii în domeniul frecvenţei
∫ x(ξ + jω ) d ω
2
sup
ξ < 0 −∞
37
⎧0 t<0
f (t ) = ⎨ Nt (2.1)
⎩ Me ξ t ≥ 0
unde M ∈ \ n×l , N ∈ \ l×l , ξ ∈ \l , cu l ≥ 1 , M, N arbitrare şi unde
valorile proprii ale lui N sunt toate în semiplanul Re λ < 0 , adică sunt
stabile.
2. RL2 (−∞, 0] mulţimea tuturor funcţiilor vectoriale f (t ) ∈ \ n de
tipul:
⎧ Me Ntξ t < 0
f (t ) = ⎨ (2.2)
⎩0 t≥0
unde l, M, N, ξ sunt arbitrare, dar toate valorile proprii ale lui N sunt în
semiplanul Re λ > 0 , adică sunt antistabile.
3. RL2 (−∞, +∞) mulţimea tuturor funcţiilor vectoriale f (t ) ∈ \ n
de forma f (t ) = f − (t ) + f + (t ) unde f − ∈ RL2 (−∞, 0] , iar f + ∈ RL2 [0, +∞) .
Tipologia funcţiilor RL2 [0, ∞), RL2 (−∞, 0] şi RL2 (−∞, ∞) la nivel de
componente, este ilustrată în figurile 2.1.a, b şi c.
f +i (t ) f −i (t ) f i (t )
t t t
a) b) c)
Fig. 2.1
Mulţimile din RL2 [0, ∞), RL2 (−∞, 0) , RL2 (−∞, ∞) se pot imediat
organiza ca R – spaţii liniare deoarece
⎡e N1t ⎤ ⎡ ξ1 ⎤
M 1e N1tξ1 + M 2 e N 2tξ 2 = [ M 1 M 2 ] ⎢ N 2t ⎥ ⎢ ⎥ = Me
Ntξ
⎣ e ξ
⎦⎣ 2⎦
unde
⎡N ⎤ ⎡ξ ⎤
M [ M1 M 2 ] , N = ⎢ 1 ⎥ , ξ ⎢ 1⎥.
⎣ N2 ⎦ ⎣ξ 2 ⎦
Deci avem suma directă
38
RL2 (−∞, +∞) = RL2 (−∞, 0] ⊕ RL2 [0, +∞) (2.3)
Introducând în RL2 (−∞, +∞)
- produsul scalar
+∞
f,g = ∫
−∞
f T (t ) g (t )dt (2.4)
şi norma
- norma ⋅ 2
+∞ +∞
f, f = ∫ f (t ) f (t )dt = ∫
2 T 2
f 2
f (t ) dt (2.5)
−∞ −∞
39
RL2 Lb RL2 (−∞, +∞)
RH 2− Lb RL2 (−∞, 0] (2.7)
RH 2+ Lb RL2 [0, +∞).
Deoarece Lb este un operator liniar injectiv, mulţimile
RL2 , RH 2− , RH 2+ se organizează ca spaţii \ - liniare având evident
proprietatea
RL2 = RH 2− ⊕ RH 2+ (2.8)
Datorită proprietăţilor transformatei Laplace bilaterale avem
pentru f ∈ RL2 (sau ∈ RH 2+ sau ∈ RH 2− )
⎡ f1 ( s ) ⎤
⎢ ⎥
f ( s ) = ⎢ # ⎥ (2.9)
⎢ f ( s ) ⎥
⎣ n ⎦
unde f ( s ) sunt toate funcţiile raţionale cu coeficienţi reali, strict proprii,
i
Recapitulând avem:
RL2 mulţimea funcţiilor vectoriale (de dimensiune n, unde n se
specifică de la caz la caz) de variabilă complexă s unde componentele
sunt toate funcţii raţionale cu coeficienţi reali, strict proprii şi fără poli pe
axa jω.
RH 2+ subspaţiul închis al spaţiului vectorial RL2 constând din
submulţimea funcţiilor din RL2 care sunt stabile.
40
RH 2− subspaţiul închis al spaţiului vectorial RL2 constând din
submulţimea funcţiilor din RL2 care sunt instabile.
Evident
RL2 (−∞, +∞) = L−b1 RL2
RL2 [0, +∞) = L−b1 RH 2+
RL2 (−∞, 0] = L−b1 RH 2− .
Pe RL2 sunt introduse
- produsul scalar
+∞
1
f , g ∫ f T (− jω ) g ( jω )dω (2.10)
2π −∞
- norma ⋅ 2
+∞
1
f f , f = f T (− jω ) f ( jω )dω
2
2 2π ∫
−∞
(2.11)
unde
f , g ∈ RL2 (−∞, ∞), f = Lb { f }, g = Lb {g} ∈ RL2
avem în consecinţă
f,g = f , g (2.12)
şi în particular
= f .
2 2
f (2.13)
Egalităţile (2.12) şi (2.13) justifică utilizarea aceloraşi notaţii
pentru produsele scalare şi normele introduse de (2.4), (2.5) şi (2.10),
(2.11).
41
Aşadar transformata Laplace bilaterală Lb şi deci şi transformarea
Fourier, realizează o izometrie între RL2 (−∞, +∞) şi RL2 . Avem evident
relaţia de ortogonalitate
RH 2+ ⊥ RH 2− (2.14)
şi de asemenea
f = f + f
2 2 2
− + (2.15)
2 2 2
pentru orice descompunere
f = f+ ⊕ f− , cu f ∈ RL2 , f+ ∈ RH 2+ , f− ∈ RH 2− .
Din (2.14) rezultă şi semnificaţia schimbării de notaţie făcută la
începutul secţiunii 2.3.
Teorema 2.2. Transformata Fourier este un izomorfism al spaţiului
Hilbert din L2 (−∞, +∞) în L2 . Ea mapează L2 [0, +∞) în H 2+ şi
L2 (−∞, 0] în H 2− .
Observaţie. Teorema este importantă deoarece pentru cazul
particular H 2+ , acesta este un set de transformate Laplace al semnalelor
din L2 [0, +∞) , adică a semnalelor definite pentru t > 0 şi energie finită.
Deci dacă f ∈ RL (0, ∞) atunci
2
f ( s ) = Lb { f (t )} = L{ f (t )} (2.16)
unde L este transformarea Laplace unilaterală, adică cea tradiţională
∞
f ( s ) = ∫ f (t )e − st dt .
0
42
3) Dacă f ∈ RL2 (−∞, +∞) se utilizează descompunerea
f = f + + f − , cu f + ∈ RL2 [0, ∞), f − ∈ RL2 (−∞, 0] şi se aplică
regulile 1 şi 2. Reciproc, adică f ∈ RL2 , atunci utilizând
descompunerea în fracţii simple se obţine descompunerea unică
f = f+ + f− , cu f+ ∈ RH 2+ şi f− ∈ RH 2− şi se aplică regulile 1
şi 2. Cititorul este invitat să demonstreze valabilitatea regulilor
menţionate (se porneşte de la faptul că RH 2+ şi RH 2− sunt
spaţii ortogonale şi închise).
Exemplul 2.1. Fie pentru u = 1
2s
f ( s ) = ∈ RL2 .
(1 + s )(1 − s )
Pentru descompunerea în fracţii simple
2s −1 1
= +
(1 + s )(1 − s ) 1 + s 1 − s
şi deci
−1 1
f+ ( s ) = ∈ RH 2+ şi f− ( s ) = ∈ RH 2− .
1+ s 1− s
Rezultă:
⎧ −1 ⎫ ⎧0 t<0
{ }
f + (t ) = L−1 f+ ( s ) = L−1 ⎨ ⎬ = ⎨ −t
⎩ s + 1 ⎭ ⎩ −e t≥0
⎧ 1 ⎫ ⎧0 t<0
{ }
f − (−t ) = L−1 f− (− s ) = L−1 ⎨ ⎬ = ⎨ −t
⎩1 + s ⎭ ⎩e t≥0
şi în consecinţă
⎧ et t<0
f − (t ) = ⎨
⎩0 t≥0
unde am operat compatibilizarea domeniilor de definiţie în acord cu (2.2)
rezultând:
⎧⎪et t<0
f (t ) = ⎨ − t ∈ RL2( −∞ ,+∞ )
⎪⎩−e t≥0
şi este reprezentată în fig. 2.2.
43
f(t) f+(t) f(t)
1 1
t t t
-1 -1
a) b) c)
Fig. 2.2
Procedura exemplificată în exemplul 2.1 este aplicabilă şi pentru u
> 1.
Fie două spaţii de funcţii RL2, primul de dimensiune u, iar cel de-al
doilea de dimensiune m. O aplicaţie liniară între cele două spaţii se va
explicita prin scrierea matriceală:
g ( s ) = F ( s ) f ( s ) (2.19)
unde f ( s ) ∈ RL g ( s ) ∈ RL şi unde F ( s ) va fi o matrice m × n de funcţii
2 2
F
∞
{
= sup Ff
2
f ∈ L2 si f 2
=1 = }
= sup { Ff
f ∈ H 2 si f 2
= 1} .
2
b) Dacă F ∈ H ∞ , atunci FH
⊂ H şi
2 2
F
∞
{
= sup Ff
2
f ∈ H 2 si f 2
=1 .}
În consecinţă, dacă se consideră două spaţii L2, în primul funcţiile
având n componente, iar în cel de al doilea m componente, împreună cu o
funcţie F ∈ L∞ aplicaţia
f → g , f ∈ L , g ∈ L , g Ff
2
2
44
- produsul matriceal uzual) această defineşte un operator liniar de la
( Ff
L2 în L2 (de componente diferite) numit operatorul Laurent.
45
3.1. Ideile de bază ale sintezei moderne în frecvenţă
Cazul SISO
Sinteza unui compensator K care să asigure robusteţea stabilităţii şi
a performanţelor în raport cu incertitudinile revine la asigurarea
stabilităţii buclei şi în plus
Ge ( jω ) = (1 + Gd ( jω )) −1 (3.1.)
şi
Gd ( jω )
G0 ( jω ) = (3.2)
1 + Gd ( jω )
să fie „cât mai mici” pentru o zonă de frecvenţă „cât mai largă”. Aceste
cerinţe au fost explicitate într-o manieră cantitativă în subcapitolul 1.2.
De asemenea, s-au evidenţiat limitele care apar în realizarea acestor
deziderate, limitări ce conduc inevitabil la unele compromisuri. Originea
acestor compromisuri este generată în fond de faptul că minimizarea
simultană a condiţiilor (3.1) şi (3.2) este constrânsă de rigiditatea relaţiei
de legătură
Ge ( jω ) + G0 ( jω ) = 1 (3.3)
relaţie ce arată că ambele cantităţi nu pot fi simultan „mici”.
49
Să observăm că mărimile Ge şi G0 ce intervin în (3.1), (3.2) se pot
scrie (pentru η = 0 ) pentru simplitate prin dependenţa:
⎡ Gd 1 ⎤
⎢
⎡ y ⎤ ⎢1 + Gd 1 + Gd ⎥ ⎡ r ⎤ ⎡G0 Ge ⎤ ⎡ r ⎤
⎢e⎥ = ⎢ 1 ⎥⎢ ⎥ = ⎢
⎥ ⎣ v ⎦ ⎣Ge −Ge ⎦⎥ ⎣⎢ v ⎦⎥
. (3.4)
⎣ ⎦ 1
⎢1 + G − 1 + G ⎥
⎣ d d ⎦
Se introduc vectorii:
⎡r ⎤ ⎡ y⎤
u1 ⎢ ⎥ şi y1 ⎢ ⎥ (3.5)
⎣v ⎦ ⎣e⎦
u1 fiind vectorul mărimilor externe, iar y1 vectorul mărimilor de calitate
sau reglate.
⇒ (3.4) se poate scrie cu (3.5) în forma:
y1 ( s) = Ty1u1 u1 ( s) (3.6)
unde
⎡ Gd 1 ⎤
⎢1 + G 1 + Gd ⎥
Ty1u1 = ⎢ d
⎥. (3.7)
⎢ 1 1 ⎥
⎢1 + G − 1 + G ⎥
⎣ d d ⎦
50
comparatorul K (notat G1 în (1.1.b), acesta din urmă producând
comanda dorită u2 .
⎡r ⎤
u1 ⎢ ⎥ ⎡ y⎤
⎣v ⎦ ⎢ e ⎥ y1
+ + ⎣ ⎦
_
G
u2 u y2 = e
Fig. 3.1.
51
U1 Y1
T11 T12
U2 Y2
T21 T22
Fig. 3.2
⎡0 1 # G ⎤⎡ R ⎤ ⎫
⎢ ⎥ ⎢ ⎥ ⎬ U1
⎡ Y1 ⎤ ⎢ 1 −1 # −G ⎥ ⎢ v ⎥ ⎭
⎢Y ⎥ = ⎢" " # " ⎥ ⎢ " ⎥ (3.10)
⎣ 2⎦
⎢ ⎥⎢ ⎥
⎣ 1 −1 # −G ⎦ ⎣U 2 ⎦
şi deci
⎡0 1 ⎤ ⎡ +G ⎤
T11 = ⎢ ⎥ T12 = ⎢ ⎥ T21 = [1 −1] T22 = [ −G ] .
⎣1 −1⎦ ⎣ −G ⎦
Introducând (3.9) în (3.8) rezultă
Y1 = ⎡⎣T11 + T12 K (1 − T22 K ) −1T21 ⎤⎦ u1 (3.11)
adică
Ty1u1 = T11 + T12 K (1 − T22 K ) −1T21 (3.11’)
Evaluând (3.11’) cu (3.10) se ajunge la
⎡0 1 ⎤ ⎡ G ⎤
Ty1u1 = ⎢ ⎥ + ⎢ ⎥ K (1 + KG ) −1 [1 −1] =
⎣1 −1⎦ ⎣ −G ⎦
⎡ Gd Gd ⎤
⎢ 1+ G 1− −1 ⎥
(1 + Gd )
=⎢ ⎥ ; G = KG
d
⎢ Gd ⎛ Gd ⎞ ⎥
d
⎢1 − − ⎜1 − ⎟⎥
⎣⎢ 1 + Gd ⎝ 1 + Gd ⎠ ⎦⎥
adică exact matricea de transfer.
Răspunsul la cea de a doua chestiune revine la evaluarea unor
norme pentru o funcţie de transfer proprie arbitrară G(s).
Se face de la început ipoteza: G(s) nu are poli pe axa imaginară.
Atunci o posibilitate de evaluare este:
G ∞ sup G ( jω ) (3.12)
ω
52
membrul drept fiind o cantitate finită bine definită datorită ipotezei
anterioare. Numărul real >0, G ∞ se numeşte norma în sens L∞ a
funcţiei de transfer G(s) şi este în fond distanţa maximă de la origine la
punctele locului de transfer g(jω) (care nu are ramuri la infinit datorită
ipotezei anterioare).
O a doua posibilitate de evaluare se face, dacă suplimentar ipotezei
că G(s) nu are poli pe axa imaginară, se introduce şi ipoteza G(s) este
strict realizabilă.
Cu cele două ipoteze
+∞ +∞
1 1
∫ ω ω ω = ∫ G ( jω ) dω
2 2
G2 G *
( j )G ( j )d (3.13)
2π −∞ 2π −∞
care se numeşte normă în sens L2 a funcţiei de transfer G(s). Condiţia
suplimentară a fost necesară pentru convergenţa integralei din (3.13).
Să vedem semnificaţia celor 2 norme introduse mai sus.
Pentru norma L∞ să considerăm pentru simplitate că G(s) este
stabilă, deci cu toţi polii în Re s < 0 . Considerăm o comandă u(t) –
funcţie original cu energie unitară
∞
Eu = ∫ u 2 (t )dt = 1 (3.14)
0
0
2π −∞ 2π −∞
+∞
(3.16)
1
≤ sup G ( jω ) ∫ u ( jω ) dω = G ∞ .
2 2 2
ω 2π −∞
Aşadar pentru orice intrare u, de energie Eu = 1 , energia mărimii de
ieşire E y este majorată conform cu (3.16) de pătratul mărimii L∞ al
funcţiei de transfer
53
Ey ≤ G
2
∞
∀u (⋅) cu Eu = 1 . (3.17)
O demonstraţie (care se omite) arată că există o comandă u (⋅) de
energie unitară astfel încât
Ey = G ∞ .
2
(3.18)
În concluzie, din (3.17) şi (3.18) rezultă că
G ∞ = sup E y cu Eu = 1
2
54
u1 Y1
T11 T12
u2 Y2
T21 T22
Fig. 3.3
În fig. 1.3 U1 U 2 , Y1 Y2 sunt vectori m1 , m2 , p1 , p2 dimensionali
respectiv, reprezentând, la fel, mărimile externe, de comandă, reglate şi
măsurate
⎡R⎤ ⎡Y ⎤
U1 = ⎢ ⎥ Y1 = ⎢ ⎥ U 2 = U Y2 = E (3.23)
⎣v⎦ ⎣E ⎦
⎡T T ⎤
TS ⎢ 11 12 ⎥ (3.24)
⎣T21 T22 ⎦
Se obţine
⎡0 I ⎤ ⎡T ⎤
T11 = ⎢ ⎥ T = ⎢ −T ⎥ T21 = [ I − I ] T22 = [ −T ] (3.25)
⎣I −I ⎦
12
⎣ ⎦
rezultând pentru (3.25) expresia
⎡0 I # T ⎤
⎢ I − I # −T ⎥
TS = ⎢ ⎥ (3.26)
⎢" " # " ⎥
⎢ ⎥
⎣ I −I # T ⎦
Din fig. 3.3 rezultă relaţiile de bază
⎡T11 # T12 ⎤
⎡ Y1 ⎤ ⎡U 1 ⎤ ⎢
⎢Y ⎥ = TS ⎢U ⎥ ; TS = ⎢ " # " ⎥⎥
⎣ 2⎦ ⎣ 2⎦ ⎢⎣T21 # T22 ⎥⎦
(3.27)
U 2 = KY2
Presupunând condiţia de regularitate îndeplinită
I − T22 K = I − KT22 ≠ 0 (3.28)
rezultă
Y1 = Ty1u1U1 3.29)
55
cu
Ty1u1 = T11 + T12 K ( I − T22 K ) −1T21 (3.30)
Funcţia
F (TS , K ) T11 + T12 K ( I − T22 K ) −1T21 (3.31)
se numeşte funcţia omografică a lui TS şi K, deci
Ty1u1 = F (TS , K ) (3.32)
0 0
2π 0
+∞
1
= ∫ tr[(T ( jω )u ( jω )u ( jω )]dω
*
2π −∞
şi dacă
+∞
1
u ( jω )u ( jω ) = 1 ⇒ E y = ∫ tr[(T ( jω )T ( jω )]dω =
* *
2π −∞
+∞
(3.37)
1
= ∫ tr[(T ( jω )T ( jω )]d ω.
*
2π −∞
57
⎡G0 ⎤ ⎡Gd (1 + Gd ) −1 ⎤
Ty1u1 = ⎢ ⎥ = ⎢ −1 ⎥
(3.39)
⎣Ge ⎦ ⎣ (1 + Gd ) ⎦
G0 şi Ge referindu-se la robusteţea performanţelor şi a stabilităţii
asigurată prin operaţia de minimizare a normei L∞ sau L2 a lui Ty1u1 .
Atunci rezultă
⎡0 # G ⎤
⎢ 1 # −G ⎥
TS = ⎢ ⎥ (3.40)
⎢" # " ⎥
⎢ ⎥
⎣ 1 # −G ⎦
În locul lui G0 se poate considera însă funcţia de transfer (vezi fig.
1.1) de la yr la u
Gu = GR (1 + Gd ) −1 = K (1 + Gd ) −1 (3.41)
care corespunde robusteţii stabilităţii la perturbaţii aditive (vezi (1.15) de
la 1.2) precum şi limitări ale amplitudinii comenzii, cerinţă tehnologică
naturală.
Atunci (3.39) devine
⎡GR (1 + Gd ) −1 ⎤
Ty1u1 = ⎢ −1 ⎥
(3.42)
⎣ (1 + Gd ) ⎦
iar (exerciţiu pentru cititor)
⎡0 # 1 ⎤
⎢ 1 # −G ⎥
TS = ⎢ ⎥ (3.43)
⎢" # " ⎥
⎢ ⎥
⎣ 1 # −G ⎦
O variantă hibridă este
⎡ Gd (1 + Gd ) −1 ⎤
⎢ ⎥
Ty1u1 = ⎢GR (1 + Gd ) −1 ⎥ , (3.44)
⎢ (1 + Gd ) −1 ⎥
⎣ ⎦
Considerentele de proiectare impunând structura matricei Ty1u1 .
ii) În formularea problemei nu apar explicit incertitudinile lm(ω )
şi în consecinţă nu rezultă în mod explicit limitările impuse de
localizarea zonei de medie frecvenţă, aşa după cum s-a discutat
58
anterior. Acestea se asigură de obicei prin introducerea unor
ponderi corespunzătoare în sensul modificării
T ' y1u1 ( s ) = We ( s )Ty1u1 ( s )Wi ( s ) (3.45)
unde Wi ( s ) şi We ( s ) sunt matrice pondere adecvat alese.
De exemplu (3.42) se
[ 1 ]dB [ 2 ]dB
W (ω ) W (ω ) poate modifica în forma
⎡W G (1 + Gd ) −1 ⎤
Ty1u1 = ⎢ 1 R −1 ⎥
⎣ W2 (1 + Gd ) ⎦
unde W1 ( s ) şi W2 ( s ) sunt
fracţii raţionale, selectate
din punctul de vedere al
ultimei precizări.
Caracteristicile uzuale
amplitudine – frecvenţă pentru W1 şi W2 sunt prezentate în fig. 3.4.
Înterpretarea alurii celor 2 caracteristici este imediată: W1 (ω ) are
un caracter limitativ, iar W2 (ω ) are alura unui integrator pentru a micşora
cât mai mult eroarea prin combinarea cu acţiunea unui filtru trece-jos. O
detaliere se va face în capitolele următoare.
iii) O tratare limită a problemei de sinteză este aşa numita sinteză
exactă în care toate performanţele sunt agregate într-un sistem
model etalon sau matrice de transfer dorită Td ( s) , compensatorul K
proiectându-se astfel încât să avem
Ty1u1 ( s ) = Td ( s ) (3.46)
sau, cu actualizarea Ty1u1 ← Ty1u1 − Td , (3.40) devine
Ty1u1 = 0 (3.47)
Asigurarea condiţiei (3.47) generează problema generală a reglării
sistemelor (PGRS).
Această problemă este eminamente structurală, iar rezolvarea
acesteia apelează la concepte geometrice.
În fond eficienţa şi predilecţia actuală pentru metodele în frecvenţă
au o dublă geneză: prima este de natură teoretică în sensul relaxării
condiţiei (3.47) la condiţia
min Ty1u1 (3.48)
∞
59
Iar a doua este de natură inginerească deoarece modul de gândire
frecvenţial a stat la originea reglării automate şi a primelor succese
practice ale acesteia în perioadele imediat postbelice.
De menţionat că în locul lui (3.48) se poate impune pretenţia
min Ty1u1 (3.49)
2
Arsenalul de metode care converg la soluţionarea dezideratului
(3.48) poartă numele de sinteză în sens H∞, iar cele pentru soluţionare
(3.48), sinteză în sens H2. În ceea ce priveşte sinteza H2 aceasta este de
obicei tratată prin particularizarea adecvată a metodelor H∞.
60
⎡ z1 ⎤ ⎡α β ⎤ ⎡s⎤
⎢ z ⎥ = ⎢γ δ ⎥⎦ ⎢⎣1⎥⎦
⎣ 2⎦ ⎣
w în funcţie de s rezultă
⎡ w1 ⎤ ⎡ a b ⎤ ⎡α β ⎤ ⎡ s ⎤
⎢ ⎥=⎢ ⎥⎢ ⎥⎢ ⎥.
⎣ w2 ⎦ ⎣ c d ⎦ ⎣ γ δ ⎦ ⎣1⎦
Rezultă că setul de LFT de tipul din (3.50) este închis sub operaţia
de compoziţie şi că compoziţia a 2 LFT poate fi construită din produsul
matricelor coeficienţilor.
4. Compoziţia LFT este asociativă din cauză că produsul
matricelor este asociativ.
5. Transformarea identică există şi în acest caz este matricea
unitate (I).
6. Transformarea inversă există dacă matricea coeficienţilor este
1 ⎡ d −b ⎤
nesingulară şi este dată de
ad − bc ⎢⎣ −c a ⎥⎦
care este inversa
matricei asociate.
7. Rezultă din punctele 3, 4, 5 şi 6 că LFT nesingulare formează
un grup sub operaţia de compoziţie. LFT dată în 3.50 are şi alte
reprezentări utile.
În cazul d ≠ 0
as + b
ξ= = bd −1 + (a + bd −1c) s (1 + d −1cs )d . (3.52)
cs + d
Aceasta este forma uzual folosită
w z a LFT deoarece corespunde diagramei
bloc intrare-ieşire a unui sistem.
T y
u Pentru a vedea acest lucru se consideră
structura cu reacţie din figura
alǎturatǎ, definită de ecuaţiile:
s
Eliminând u şi y se obţine
61
z
= T11 + T12 S (1 − T22 S ) −1T21 (3.54)
w
z
Comparând cu (3.52) se observă că funcţia ξ = din figura
w
anterioară este o transformare liniară fracţionară în variabila s.
Corespondenţa dintre a, b, c, d şi T este dată de
⎡bd −1 a − bd −1c ⎤
T = ⎢ −1 ⎥. (3.55)
⎣d − d −1c ⎦
Folosind notaţia
F (T , s ) = T11 + T12 s (1 − T22 s ) −1T21 (3.56)
pentru această a LFT.
O generalizare o constituie
F (T , K ) = T11 + T12 K (1 − T22 K ) −1T21 (3.57)
în care Tij şi K sunt matrice de transfer sau sisteme. În acest caz LFT este
bine definită dacă inversa ( I − T22 K ) −1 există, ceea ce presupune
I − T22 K ≠ 0 (condiţia de regularitate).
Unii autori (Mc Farlane şi Glover) mai numesc această LFT
transformarea liniar fracţionară inferioară (LLFT).
w z
u T y K
u y
K w T z
LLFT ULFT
Fig. 3.4
62
⎡ u11 # u12 ⎤ ⎡T12 − T11T21 T22 # T11T21 ⎤
−1 −1
⎢ ⎥
U = ⎢⎢ " # " ⎥⎥ = ⎢ """" # " ⎥ (3.59)
⎢⎣u21 # u22 ⎥⎦ ⎢⎣ −T21−1T22 # T21−1 ⎥⎦
cu
det(U 21 K + U 22 ) ≠ 0 .
Fig. 3.5
63
Se observă că FL ( K , F ) y şi că
z = FL (T , FL ( K , F )) = FL (C (T , K ), F ) − w .
De asemenea, avem
⎛ ⎡T11 0 # T12 0 ⎤ ⎞
⎜⎢ ⎥ ⎟
⎜ ⎢ 0 0 # 0 I ⎥ ⎡K K12 ⎤ ⎟
C (T , K ) = F ⎜ ⎢ " " # " "⎥ , ⎢ 11 ⎥⎟ . (3.62)
⎜⎢ ⎥ ⎣ K 21 K 22 ⎦ ⎟
⎜ ⎢T21 0 # T22 0 ⎥ ⎟
⎜⎢ 0 I # 0 0 ⎥ ⎟
⎝⎣ ⎦ ⎠
64
4.1. Valori singulare
65
matrice Q-1 în text, se presupune că matricea Q este pătratică şi că
inversa există.
66
Când Q este o matrice pătratică, σ (Q) > 0 dacă şi numai dacă Q
este nesingulară. În acest caz Q −1 = U ∑ −1 Y * şi valorile singulare ale lui
Q −1 sunt σ r−1 , σ r−−11 ,..., σ 1−1 . În particular
1
σ (Q −1 ) =
.
σ (Q)
Pentru a da SVD o interpretare teoretică operatorie, vom privi
matricea Q ca o mapare liniară a spaţiului vectorial ^ p în spaţiul
vectorial ^ m , definită prin
Q : ^ p → ^m
: u → Qu
Să presupunem că prin ui şi yi notăm coloanele matricelor unitare
U şi V în SVD (4.1). Atunci SVD poate fi rescrisă în forma
r
Q = ∑ σ i yi ui* .
i =1
67
Qu
σ (Q) = Q = max Qu = max . (4.9)
u =1 u ≠0 u
Se arată uşor că Q este într-adevăr o normă folosind proprietăţile
normei euclidiene pe ^ m şi ^ p .
1. Q ≥ 0 evident şi Q = 0 ∀u ⇔ Q = 0
2. Fie α ∈ ^ . Atunci α Q = max α Qu = max α Qu = α ⋅ Qu .
u =1 u =1
3. Q + R = max Qu + Ru = max ( Qu + Ru ) ≤ Q + R .
u =1 u =1
68
Mai rămâne de arătat că limita este atinsă pentru un R cu
σ ( R) = σ (Q) . Fie Q cu o SVD de tipul Q = Y ∑ U * şi setăm
R = −σ p y p u*p unde y p şi u p sunt ultimele coloane ale lui Y, respectiv U.
Evident σ ( R) = σ (Q) şi Q+R este singulară.
Rezumatul sintetic
1) σ (Q) şi σ (Q) sunt câştigul maxim şi minim al matricei Q.
2) Q = σ (Q) este norma operatorului Q indusă de norma
euclidiană. Normele induse au proprietatea submultiplicativă
QR ≤ Q + R .
3) Valoarea singulară maximă şi minimă a unei sume sau a unui
produs de matrice sunt mărginite superior şi inferior prin formele simple
ce conţin valorile singulare maxime şi minime ale matricelor individuale.
4) Valoarea minimă singulară a unei matrice pătratice este o
măsură a distanţei matricei respective de o matrice ce este singulară.
r y
GR G
Fig. 4.1
GGR ∂G0 G GR 1 + GR G 1
G0 = SGG0 = = = ,
1 − GR G ∂G G0 (1 − GR G ) 2
GR 1 − GR G
rezultat pe care l-am obţinut deja în cap. 2.
Pentru a generaliza această analiză la bucle multivariabile, să
considerăm schema din fig. 4.2.
r + y0
GR G
+
Gm
Fig. 4.2
71
Deci o reducere substanţială a sensibilităţii (adică w( jω ) 1 ) în
(4.25) necesită amplificări mari în bucla deschisă
( σ (Gm ( jω )GR ( jω )) 1 ). De asemenea,
72
Rămâne de discutat compararea controlerului suboptimal H∞ când
γ variază, în special când γ se apropie de norma infimală ce poate fi
atinsă, notată γ0. Deoarece teorema 5.3 dă condiţiile necesare şi suficiente
pentru existenţa unui controler admisibil astfel încât Tzw ∞ < γ , γ0 este
minimul peste toţi γ astfel încât condiţiile i) ÷ iii) sunt satisfăcute.
Teorema 5.3 nu dă o formulă explicită pentru γ0, dar ca şi în cazul
calculului normei H∞, aceasta poate fi calculată oricât de apropiat de γ0
folosind o tehnică de căutare. De obicei formulele de mai sus conduc
controlerul optimal H∞ când γ = γ 0 . Rezultate în acest sens au fost
furnizate de Limebeer şi Kasenally (1988) şi Doyle, Glover, Limebeer,
Kasenally (1990).
Dacă γ → ∞, H ∞ → H 2 , X ∞ → X 2 etc., şi deci K sub → K 2 .
Dacă γ 2 ≥ γ 1 > γ 0 atunci X ∞ (γ 1 ) ≥ X ∞ (γ 2 ) şi Y∞ (γ 1 ) ≥ Y∞ (γ 2 ) .
Deci X ∞ şi Y∞ sunt funcţii descrescătoare de γ, ca şi ρ ( X ∞Y∞ ) . La
γ = γ 0 orice din cele 3 condiţii ale teoremei 5.3 poate să nu aibă loc.
Teorema 5.4. Dacă condiţiile din teorema 5.3 sunt satisfăcute,
setul tuturor controlerelor admisibile astfel încât Tzw ∞ < γ echivalează
cu setul matricelor de transfer de la y la u în
⎡ Aˆ∞ # − Z ∞ L∞ Z ∞ B2 ⎤
u y ⎢ ⎥
" # " " ⎥
M∞ M ∞ (0) = ⎢
⎢F # 0 I ⎥
⎢ ∞ ⎥
Q ⎢⎣ −C2 # I 0 ⎥⎦
Unde Q ∈ \H ∞ , Q ∞
<γ .
Ca şi în cazul H2, controlerul suboptimal este parametrizat de o
transformare liniar fracţionară fixă cu un parametru liber Q. Dacă Q = 0
se obţine controlerul K sub ( s ) .
⎡ A # B1 B2 ⎤
⎢" # " " ⎥⎥
⎢
G ( s ) = ⎢ C1 # 0 D12 ⎥
⎢ ⎥
⎢⎡ I ⎤ ⎡0⎤ ⎡0⎤ ⎥
# ⎢ ⎥ ⎢ ⎥
⎢ ⎢⎣ 0 ⎥⎦ ⎣ I ⎦ ⎣ 0 ⎦ ⎥⎦
⎣
100
În această problemă controlerul este alimentat cu informaţii
⎡x⎤
complete deoarece y = ⎢ ⎥ . În cazul controlerului optimal H2 se
⎣ w⎦
utilizează doar x, cu w furnizând informaţie redendantă. Şi în cazul H∞
un controler H∞ suboptimal care există foloseşte doar x. Acesta este
cazul controlerului după stare, care este mai tradiţional, dar problema cu
informaţii complete rămâne una fundamentală.
Condiţiile relevante pentru problema FI care rezultă din problema
de control cu reacţie sunt:
i) ( A, B1 ) stabilizabilă şi (C1 , A) detectabilă;
ii) ( A, B2 ) stabilizabilă;
iii) D12' (C1 D12 ) = [ 0 I ] .
Pentru această problemă, stabilitatea internă nu este echivalentă cu
Tzw ∈ \H ∞ . Rezultatele pentru cazul cu informaţii complete sunt
următoarele:
= ( traceB1' X 2 B1 )
1/2
FI 1. min Tzw 2
= Gc B1 2
FI 2. K ( s ) = [ F2 0]
FI 3. K ( s ) = [ F2 Q( s ) ] unde Q( s ) ∈ \H 2 , Q 2 < γ 2 − Gc B1
2 2
2
5.5.2. Problema FC
101
⎡ A # B1 [ I 0]⎤
⎢ ⎥
⎢ " # " " ⎥
G ( s) =
⎢ C1 # 0 [ 0 I ]⎥
⎢ ⎥
⎣⎢C2 # D12 [ 0 0]⎦⎥
Problema este duală cu cea din cazul cu informaţii complete. G din
cazul cu informaţii complete este aceeaşi cu transpusa lui G din acest caz.
Termenul full control apare din cauză că în acest caz controlerul are
deplin acces la stări, cât şi la ieşirea z. Singura restricţie este aceea că
trebuie să funcţioneze cu măsurarea lui y. Condiţiile pentru problema FC
sunt şi ele duale cu cele impuse în cazul FI.
i) ( A, B1 ) este stabilizabilă şi (C1 , A) detectabilă;
ii) (C2 , A) este detectabilă;
⎡B ⎤ ⎡0⎤
iii) ⎢ 1 ⎥ D21' = ⎢ ⎥ .
⎣ D12 ⎦ ⎣I ⎦
Rezultatele din cazul FC sunt următoarele:
= ( traceC1Y2C1' )
1/2
FI 1. min Tzw 2
= C1G f
2
⎡L ⎤
FI 2. K ( s) = ⎢ 2 ⎥
⎣0⎦
⎡ L ⎤
FI 3. K ( s) = ⎢ 2 ⎥ cu Q( s) ∈ \H 2
⎣Q ( s ) ⎦
FI 4. J ∞ ∈ dom( Ric ), Ric ( J ∞ ) ≥ 0
⎡ L∞γ −1Y∞C1'Q( s ) ⎤
FI 5. K ( s ) = ⎢ ⎥ unde Q ∈ \H ∞ , Q ∞
<γ .
⎣ Q( s) ⎦
⎡A # B1 B2 ⎤
⎢" # " " ⎥⎥
G(s) = ⎢
⎢ C1 # 0 D12 ⎥
⎢ ⎥
⎣ C2 # I 0 ⎦
102
Această problemă are aceleaşi condiţii ca şi problema FI, dar
condiţia de stabilitate internă i) trebuie întărită prin ( A, B1 ) stabilizabilă
şi A − B1C2 stabilă. Cu aceste condiţii, stabilitatea internă este din nou
echivalentă cu Tzw ∈ \H ∞ .
Numele de disturbance feedforward este motivat de cazul special
C2 = 0 . În acest caz nu există feedback şi mărimea măsurată este exact
w. Feedbackul produs C2 ≠ 0 nu afectează norma obtenabilă atât timp cât
A − B1C2 este stabilă.
Ultima condiţia este echivalentǎ cu cea ca funcţia de transfer de la
w la y (G21 ) să nu aibă zerouri de transmisie în semiplanul drept şi nici
moduri instabile ascunse, astfel încât atât x cât şi w pot fi exprimate
funcţie de y (dacă u este cunoscut). Astfel problema DF este în esenţă
echivalentă cu FI, BF 1 şi DF 3 sunt acelaşi cu FI 1 şi FI 3, iar DF 2, DF
3 şi DF 5 pot fi obţinute din rezultatele corespunzătoare din problema FI.
Rezultatele problemei DF sunt:
⎡ A + B2 F2 − B1C2 # B1 ⎤
DF 2. K ( s ) = ⎢ """""" # "⎥ DF 1. min Tzw 2 = Gc B1 2
⎢ ⎥
⎢⎣ F2 # 0 ⎥⎦
DF 3. Setul tuturor matricelor de transfer de la y la u în
⎡ A + B2 F − B1C2 # B1 B2 ⎤
u y ⎢ " # " " ⎥⎥
M2 M 2 (s) = ⎢
⎢ F2 # 0 I ⎥
⎢ ⎥
Q ⎣ −C2 # I 0⎦
unde
Q ∈ \H 2 , Q 2 < γ 2 − Gc B1 2 .
2 2
⎡ A # B1 B2 ⎤
⎢" # " " ⎥
G ( s) = ⎢ ⎥
⎢ C1 # 0 I ⎥
⎢ ⎥
⎣C2 # D12 0 ⎦
Această problemă este duală problemei DF ca şi FC şi FI. Deci
discuţia despre problema Df este relevantă în acest caz, ţinând cont de
această dualitate. Pentru problema OE se presupune:
i) ( A, B1 ) este stabilizabilă şi A − B2C1 stabilă;
ii) (C2 , A) este detectabilă;
⎡ B ⎤ ' ⎡0 ⎤
iii) ⎢ 1 ⎥ D21 = ⎢ ⎥.
⎣ D21 ⎦ ⎣I ⎦
i) şi iii) implică faptul că stabilitatea internă este din nou
echivalentă cu Tzw ∈ \H ∞ , ca în cazul feedbackului după ieşire. Evident
ii) este necesară pentru existenţa controlerelor stabilizatoare interne, dar
nu este necesară pentru a demonstra această echivalenţă. Deoarece se
utilizează în demonstraţia problemei feedbackului după ieşire, vom
enunţa următoarea lemă:
Lema 7. Să presupunem că i) şi iii) au loc. Atunci pentru problema
OE, K este admisibil dacă Tzw ∈ \H ∞ .
Ne vom concentra asupra problemei estimării restricţionate
deoarece aceasta este cea ce apare în rezolvarea problemei feedbackului
după ieşire. O problemă de estimare mai convenţională ar fi cazul
special în care se renunţă la cerinţa de stabilitate internă şi B2 = 0 .
Atunci problema ar deveni cea a estimării ieşirii z atunci când se cunosc
ieşirile măsurate y. Acest caz special motivează şi denumirea „output
estimation” şi se poate obţine imediat din rezultatele prezentate în
continuare. Rezultatele problemei OE sunt:
OE 1. min Tzw 2 = C1G f
2
104
⎡ A + L2C2 − B2C1 # L2 ⎤
OE 2. K ( s ) = ⎢ """""" # " ⎥
⎢ ⎥
⎢⎣ C1 # 0 ⎥⎦
DF 3. Setul tuturor matricelor de transfer de la y la u în
⎡ A + L2C2 − B2C1 # L2 − B2 ⎤
u y ⎢ " # " " ⎥⎥
M2 M 2 (s) = ⎢
⎢ C1 # 0 I ⎥
⎢ ⎥
Q ⎣ C2 # I 0 ⎦
unde
2
Q ∈ \H ∞ , Q 2 < γ 2 − C1G f
2
.
2
u y
M∞ ⎡ A + L∞ C2 − B2C1 # L∞ − B2 − γ −1Y∞C1' ⎤
⎢ ⎥
" # " "
M ∞ (s) = ⎢ ⎥
Q ⎢ C1 # 0 I ⎥
⎢ ⎥
⎣⎢ C2 # I 0 ⎦⎥
unde
Q ∈ \H ∞ , Q ∞
<γ .
Este interesant de comparat H ∞ şi H 2 în contextul problemei OE,
deşi, prin dualitate, esenţa acestor remarci a fost făcută deja. Ambele
estimatoare optimale sunt deseori cu factorul de amplificare determinat
de Ric ( J ∞ ) şi Ric ( J 2 ) . Estimarea optimală a ieşirii H 2 constă în
multiplicarea stării optimale cu C1 . Deci estimarea optimală H 2 depinde
numai trivial de ieşirea z care este estimată şi estimarea stării este
principala problemă. Prin contrast, problema estimării H ∞ depinde
105
explicit şi hotărâtor de semnalul de ieşire estimat. Aceasta are implicaţii
asupra proprietăţilor de separare ale controlerului după feedback H ∞ .
106
7.1. Introducere
r + ε u y
Regulator Parte fixata
Fig. 7.1.
Efectele benefice ale reacţiei negative au fost menţionate în
subcapitolul 1.2 şi acestea, pe scurt, sunt: filtrarea perturbaţiilor, creşterea
preciziei, reducerea efectelor neliniaritǎţilor nesemnificative şi creşterea
benzii de frecvenţǎ în care sistemul automat se comportǎ satisfǎcǎtor.
În controlul automat clasic, proiectarea regulatoarelor se face pe
127
baza unei informaţii numită „modelul procesului”. Această informaţie,
cum am menţionat şi în capitolul 1, poate avea forma unui sistem de
ecuaţii diferenţiale cu derivate parţiale sau poate fi, pur şi simplu,
factorul de amplificare şi durata regimului tranzitoriu determinate de un
operator. Acurateţea acestei informaţii variază, dar nu este niciodată
perfectă. Mai mult, comportamentul instalaţiei se poate schimba în timp
(datorită modificării fluxurilor de alimentare cu energie, modificării
activităţii catalitice, îmbătrânirii unor componente, etc.) şi aceste
schimbări sunt rareori surprinse în modele. Acestui model i se atribuie
proprietǎţi generice ce constituie ipoteze fundamentale de funcţionare ale
sistemelor automate convenţionale: modelul dinamic al procesului reglat
este liniar pe întreaga plajǎ de variaţie a semnalelor de intrare şi ieşire şi
structura şi parametrii modelului asociat procesului sunt cunoscute şi
invariante în timp.
În majoritatea cazurilor acestor ipoteze nu sunt valide, performanţele
reale obţinute pentru sistemul automat proiectat pe baza modelului liniar
asociat procesului fiind inacceptabile. Principala cauză este neglijarea
unor caracteristici comportamentale reale ale sistemului condus cum
sunt: comportare neliniarǎ a procesului, caracteristici de transfer ce
variazǎ în timp ca urmare a modificǎrii solicitǎrilor tehnologice,
productivitǎţii instalaţiei, calitǎţii materiei prime, acţiunea aleatoare a
perturbaţiilor de tip factori de mediu, dinamicǎ nemodelatǎ (erori de
modelare structuralǎ), parametrii ai procesului necunoscuţi sau incorect
determinaţi. Un sistem de reglare convenţional va reduce efectul
perturbaţiilor ce acţioneazǎ asupra variabilelor controlate, dar
performanţele sale dinamice vor varia sub efectul perturbaţiilor
parametrice.
Alternative pentru rezolvarea problemei conducerii în situaţiile
anterior menţionate sunt: controlul neliniar, controlul robust şi controlul
adaptiv.
Tehnicile de conducere adaptivǎ pot fi folosite şi în cazul unor
sisteme complexe, în prezenţa unor modificǎri extreme în parametrii
sistemului şi ale semnalelor de intrare.
Inceputurile controlului adaptiv datează din anul 1951. Problema ce
se dorea rezolvată consta într-un sistem de control care să poată optimiza
performanţele unui motor cu ardere internǎ în prezenţa incertitudinilor în
caracteristicile de funcţionare. Acest tip de control, care cautǎ automat un
punct de funcţionare optim, este proiectat ca un control optimizat.
128
Termenul “adaptiv” a fost utilizat în literatura de specialitate în
1954. În 1955 Benner şi Drenick au prezentat un sistem de control cu
caracteristici “adaptive” [...].
Whitaker şi colectivul în 1958 [..] care au folosit un model de
referinţǎ pentru a obţine semnalul de eroare între comportarea realǎ şi cea
doritǎ. Acest semnal de eroare a fost utilizat de un mecanism de ajustare
destinat modificǎrii parametrilor regulatorului pentru atingerea
comportǎrii ideale descrisǎ de modelul de referinţǎ. Astfel de sisteme
sunt referite în prezent drept sisteme de control adaptiv cu model de
referinţǎ.
În 1960 Li şi van der Velde [..] au considerat un alt tip de sisteme de
control adaptiv, bazat pe compensarea automatǎ a incertitudinilor
parametrice, compensare introdusǎ de ciclul limitǎ în bucla de control
(sisteme adaptive autooscilante).
În 1963 Petrov şi colaboratorii prezintǎ o nouǎ abordare pentru
sistemele adaptive, structuri bazate pe invarianţa traiectoriei sistemului
în raport cu valorile parametrilor atunci când intrarea de control este
generatǎ de o funcţie de comutare şi un releu (sisteme cu structurǎ
variabilǎ).
În 1960-1961 Bellman în S.U.A şi Feldbaum în U.R.S.S. au publicat
unele lucrǎri cu privire la aplicarea conceptelor de programare dinamicǎ
în proiectarea regulatoarelor pentru sistemele cu incertitudini
probabilistice. Existenţa a două semnale de intrare, semnal de identificare
(estimare a parametrilor) şi semnal de comandǎ (control), conduce la
termenul de control dual.
Astrom şi Wittenmark (1973) [..] au conceput o altă formă de control
adaptiv, regulatoarele autoacordabile (self-tuning regulators - STR).
Lucrarea a condus la o creştere a interesului pentru dezvoltarea de noi
versiuni ale STR şi explorarea unei mari varietǎţi de aplicaţii, conducând
la regulatoarele autoacordabile produse industrial în prezent. În anii care
au urmat alţi cercetători au dezvoltat ideea precedentǎ pentru a
implementa o varietate mai mare de obiective de performanţǎ (Clarke şi
Gawthrop, 1975,1977, Grimble,1982, Peterka, 1984).
Primul controler adaptiv industrial a apǎrut pe piaţǎ în 1981 având
posibilitatea de optimizare continuǎ a constantelor unui regulator tipizat
PID. În 1987 aproximativ 15 companii ofereau deja controlere
autoacordabile sau adaptive pentru procese industriale. Deoarece
hardware-ul a devenit tot mai ieftin cercetǎtorii şi inginerii de control au
129
avut posibilitatea sǎ-şi dezvolte propriul software pentru controlerele
adaptive.
7.2. Clasificare
Fig. 7.2
Releau
Fig. 7.3.
130
mai mici decât cele ale ciclului limitǎ marginea de amplitudine sǎ fie
aproximativ 2. Amplitudinea oscilaţiilor poate fi modificatǎ prin
schimbarea amplitudinii caracteristicii releului, iar frecvenţa ciclului
limitǎ este influenţatǎ de filtrul de tip avans-întârziere. Efortul de calcul
pentru determinarea parametrilor optimi de setare rezultă suficient de
mare. Un regulator cu parametri constanţi poate funcţiona bine numai
într-o anumitǎ plajǎ a condiţiilor de operare. În afara acestei plaje
compensarea este necorespunzǎtoare şi deci performanţele se degradeazǎ
fiind necesara o nouă faza de autoacordare.
O altă soluţie o reprezintă reglarea cu câştig planificat, aceasta fiind
o soluţie de adaptare parametricǎ în circuit deschis bazatǎ pe
monitorizarea condiţiilor de operare ale procesului. În funcţie de acestea
este ales un set de valori ale parametrilor legii de reglare dintr-o bazǎ de
date. Tehnicǎ de reglare are un caracter ad-hoc şi conduce la structura
sistemului de reglare cu câştig planificat din Fig. 7.4.
Factori
de mediu
Perturbaþii
Parametrii
planificaþi
r y
+ u
Regulator Parte fixata
-
Fig. 7.4.
131
justificabile.
Existǎ diferite tipuri de scheme destinate asigurǎrii de performanţe
acceptabile când parametrii procesului sunt necunoscuţi sau varianţi în
timp, cum sunt cele prezentate anterior, dar numai acelea ce posedǎ o
buclǎ de reacţie asupra mǎsurii performanţei sunt scheme de reglare
adaptivǎ propriu-zise. De exemplu, sistemele ce utilizeazǎ regulatoare cu
câştig planificat, ilustrate în fig. 7.4, intră în categoria sistemelor de
comandǎ adaptive în buclǎ deschisǎ. Astfel de scheme pot să nu conducă
la succes şi performanţele se pot diminua semnificativ dacǎ relaţiile
dintre datele mǎsurate anterior şi parametrii procesului se modificǎ.
Reacţia negativǎ, utilizatǎ în sistemele de reglare convenţionale,
reduce efectul perturbaţiilor ce acţioneazǎ asupra mǎrimilor controlate.
Pentru aceasta sunt mǎsurate mărimile de calitate, sunt comparate cu
valorile impuse, iar diferenţele sunt apoi aplicate la intrarea regulatorului
care elaboreazǎ comanda. O abordare asemǎnǎtoare poate fi consideratǎ
pentru problema ce priveşte menţinerea performanţelor dorite ale unui
sistem de comandǎ în prezenţa perturbaţiilor parametrice.
Trebuie deci definit un indice de performanţǎ (I.P.) al sistemului care
este mǎsura performanţelor sale. Acest indice este apoi mǎsurat şi
comparat cu I.P. dorit, iar diferenţa celor cei doi indici, cel dorit şi cel
mǎsurat, este tratatǎ de un mecanism de adaptare. Ieşirea acestuia va
acţiona asupra parametrilor regulatorului sau asupra semnalului de
comandǎ pentru a modifica performanţele sistemului în sensul dorit. Ne
von ghida după următoarea definiţie pentru un sistem adaptiv:
Un sistem adaptiv mǎsoarǎ un anumit indice de performanţe (I.P.)
folosind intrǎrile, stǎrile şi ieşirile unui sistem ajustabil. Din compararea
valorilor IP-ului mǎsurat cu cele ale unui set dat, mecanismul de adaptare
modificǎ parametrii sistemului ajustabil sau genereazǎ o intrare auxiliarǎ
pentru a menţine valorile IP cât mai aproape de cele ale setului dat.
Schema bloc structurală corespunzătoare definiţiei este prezentată în
Fig. 7.5. Blocul Sistem ajustabil este un sistem ale cǎrui performanţe pot
fi modificate fie ajustând parametrii sǎi (de ex. structura sa internǎ) fie
modificând semnalele proprii de intrare. Blocul Mǎsurarea IP calculează
valoarea indicelui de performanţă. Indicele de performanţǎ poate fi static
(de ex. randamentul), parametric (ex.factor de amortizare), o funcţionalǎ
a variabilelor de intrare şi stare (de ex criteriul liniar pǎtratic) sau
dinamic (de ex. forma rǎspunsului în domeniul timp). Indicele de
performanţa poate fi evaluat şi indirect, de exemplu, prin identificarea
132
on-line a parametrilor dinamici ai sistemului. Blocul de comparare şi
decizie are rolul de a comparǎ setul IP dorit cu cel al IP-ului mǎsurat şi
apoi decide dacǎ valorile mǎsurate sunt în limite acceptabile. Dacă se
constată depăşirea acestor limite, prin acest bloc este comandat blocul
Mecanism de adaptare pentru a acţiona în sensul modificării
performanţelor sistemului, fie prin modificarea parametrilor sistemului
ajustabil, fie prin modificarea semnalului de intrare.
Perturbaþii Perturbaþii
necunoscute cunoscute
Intrãri
Sistem ajustabil
Mecanism Mãsurare
adaptare IP
134
parametrul să fie menţinut în interiorul unui interval.
f) Natura incertitudinilor:
- incertitudini parametrice,
- incertitudini structurale,
- incertitudini invariante în timp,
- incertitudini variante în timp.
Fig. 7.6 prezintă o altă clasificare, din punct de vedere al dualităţii
sistemelor adaptive.
Metodele de control adaptiv sunt astfel clasificate în douǎ mari
categorii, adaptive duale (active) şi adaptive neduale (pasive), după cum
informaţia disponibilǎ este utilizatǎ în procesul de calcul a semnalului de
control.
Din punct de vedere al instruirii asupra parametrilor variabili,
informaţia suplimentarǎ devine disponibilǎ accidental, prin acţiunile de
control anterioare, sau ca rezultat al experimentǎrii (cercetǎrii) active. Un
controler adaptiv activ (dual) utilizeazǎ, în plus faţǎ de informaţia
disponibilǎ în timp real, informaţia potrivit cǎreia viitoarele date vor
determina propria adaptare sau instruire. Aceasta se face printr-o
anticipare a modului în care estimaţiile viitoare vor fi benefice
controlului. Controlerele adaptive pasive (neduale) minimizeazǎ un
criteriu de performanţă ţinând cont numai valorile curente şi trecute ale
semnalelor din bucla de control, şi informaţia curentǎ despre proces.
Sisteme de control
adaptive
Fig.7.6.
135
Controlerele adaptive duale suboptimale optimizează numai criteriul
de performanţǎ. Incertitudinile estimaţiilor pot fi reduse prin adǎugarea
unei excitaţii suplimentare sub forma unui semnal de test ce se adǎugă la
semnalul de intrare al procesului. Aceasta duce la un proces de instruire
activǎ, dar conduce la o deteriorare a performanţelor de control pentru o
anumită durată de timp.
Clasa sistemelor adaptive cu model de referinţǎ (Model Reference
Adaptive Control - MRAC) conţine sistemele proiectate pentru obţinerea
unor performanţe ale rǎspunsului în buclǎ închisǎ cât mai apropiate de
cele date de modelul de referinţǎ (indicele de performanţǎ în acest caz).
Există trei abordări de bază în analiza şi sinteza MRAS: metode de
gradient, metode bazate pe funcţii Lyapunov (sau metode global stabile
(Isermann, 1991)) şi metode bazate pe teoria pasivităţii. Aceste sisteme
vor fi detaliate intr-un capitol următor şi au schema bloc structurală din
fig. 7.7.
Model de yM(t)
referinţă
Mecanism de e(t)
adaptare
θR
Fig. 7.7.
Se poate defini un criteriu de performanţă pentru minimizarea
semnalului de eroare, e(t), ce poate fi optimizat. Minimizarea, împreunǎ
cu considerarea posibilelor restricţii şi a cerinţelor suplimentare
genereazǎ algoritmul necesar de adaptare, rezultând astfel un sistem
adaptiv care este neliniar şi variant în timp. O caracteristicǎ comunǎ
acestor structuri o reprezintǎ viteza mare de adaptare la semnalele de
intrare definite precum şi tratarea problemei stabilitǎţii cu ajutorul teoriei
sistemelor neliniare. Atunci când se utilizeazǎ un model de referinţǎ sau
model etalon, cu parametri constanţi, sistemul de control adaptiv se va
comporta foarte asemǎnǎtor ca modelul de referinţǎ. Trebuie menţionat
136
că în astfel de sisteme bucla de adaptare lucreazǎ numai dacǎ existǎ
modificǎri în semnalul de referinţǎ şi incertitudinile de tip perturbaţii şi
zgomot pot afecta semnalul de ieşire.
O altă clasă, conform Fig. 7.6, o constituie controlerele adaptive cu
identificarea modelului (Model Identification Adaptive Systems –MIAC)
Acestea mai sunt numite controlere cu autooptimizare sau controlere cu
auto-acordare. Astfel de regulatoare asigurǎ trei funcţii de bazǎ: achiziţia
informaţiei despre proces, optimizarea criteriului de performanţă şi
modificarea parametrilor regulatorului. Şi această clasă de sisteme
adaptive va face obiectul unei tratări detaliate într-un capitol următor.
O structurǎ de control de tip MIAC este prezentatǎ în Fig.7.8 Achiziţia
informaţiilor despre proces presupune identificarea şi estimarea
modelului procesului (inclusiv estimarea stǎrilor cu ajutorul unor metode
deterministe sau stochastice), precum şi estimarea semnalelor
nemǎsurabile. Sistemele adaptive din această clasă pot fi proiectate în
diverse moduri, în funcţie de mecanismul de adaptare: metoda de
estimare şi metoda de proiectare a regulatorului. Parametrii regulatorului
sunt calculaţi folosindu-se estimaţiile modelului. Algoritmii utilizaţi
pentru identificare şi proiectare regulator sunt executaţi în buclǎ închisǎ ,
on-line. Blocul Proiectare regulator din Fig. 7.8 este blocul de proiectare
on-line pentru un sistem cu parametrii cunoscuţi. Structura de control
permite ca modelul procesului şi procedura de proiectare să fie
actualizate la fiecare perioadǎ de eşantionare a buclei externe.
Model proces
w(t) y(t)
Regulator Proces
- u(t)
Fig.7.8
Aceste structuri se bazeazǎ pe principiul invarianţei structurale.
Conform acestuia, „pentru toate valorile posibile ale parametrilor
137
procesului se presupune cǎ existǎ un regulator de structurǎ datǎ ce poate
asigura realizarea performanţelor dorite. Rolul buclei de adaptare este
limitat numai la gǎsirea valorilor parametrilor acestui regulator în fiecare
caz, adică alegerea regulatorului dintr-o clasǎ datǎ”.
Cele mai multe strategii de proiectare a acestor controlere adaptive se
bazeazǎ, de asemenea, şi pe principiul separabilitǎţii şi al echivalenţei
certe, ce vor fi expuse în continuare.
Metodologia de proiectare a unui controler adaptiv prudent foloseşte
principiul separabilitǎţii, însǎ procedura de proiectare a regulatorului ţine
cont de posibilele incertitudini ale estimaţiilor, adică nu se aplicǎ
principiul certei echivalenţei. Astfel, în cazul unor incertitudini de
estimare, controlerul elaboreazǎ o comandǎ spre proces sub forma unor
valori mai mici ale semnalului de intrare. Totuşi, valorile mai mici ale
semnalelor de intrare ale procesului pot conduce la estimaţii mai proaste
iar acestea produc valori şi mai mici ale variabilelor estimate. Aceastǎ
reacţie pozitivǎ conduce la posibilitatea de “anihilare” a buclei de
control.
Controlerele adaptive neparametrice se bazează pe o procedură de
identificare ce utilizează un model neparametric al procesului. Prin
reparametrizarea modelului procesului, este adus modelul identificat sǎ
poatǎ fi exprimat în termenii parametrilor regulatorului (Fig. 7.9).
w(t)
Regulator
Proces
- u(t) y(t)
Fig. 7.9
Fiind eliminate etapele solicitate de rutinele de proiectare a legii de
reglare, volumul de calcul se reduce considerabil, dar analiza
proprietǎţilor de convergenţǎ şi stabilitate a sistemului automat este mai
dificilǎ.
Schema de mai sus se numeşte structurǎ adaptivǎ autoacordabilǎ
directǎ (parametrii regulatorului sunt generaţi direct) sau structurǎ
138
adaptivǎ autoacordabilǎ implicitǎ (modelul procesului reparametrizat se
regǎseşte implicit în ecuaţiile de proiectare a regulatorului). Din aceleaşi
considerente schema prezentatǎ în Fig.7.8 se numeşte structurǎ adaptivǎ
autoacordabilǎ indirectǎ.
Deci în schemele de conducere adaptive directe parametrii
regulatorului sunt direct ajustaţi în timp real plecându-se de la mǎsura
erorii performanţelor, în timp ce în schemele de comandǎ adaptive
indirecte ajustarea parametrilor regulatorului se realizeazǎ în douǎ etape:
a. estimarea parametrilor modelului procesului;
b. calculul parametrilor regulatorului plecându-se de la parametrii
estimaţi ai procesului.
Domeniul de aplicare al schemelor de conducere adaptive directe
este mai restrâns decât al celui al sistemelor de conducere adaptivǎ
indirectǎ. Acesta datorită apariţiei unor restricţii ce sunt datorate unui
numǎr de proprietǎţi pe care modelele procesului trebuie sǎ le verifice
(faza minimǎ, cunoaşterea timpului mort).
Diferenţa dintre un sistem de control adaptiv şi un sistem de control
cu autoacordare constă în principal în faptul că sistemele de control
adaptiv sunt utilizate pentru conducerea unui proces variant în timp,
parametrii regulatorului fiind actualizaţi continuu, iar sistemele de
control cu autoacordare sunt utilizate pentru conducerea unui proces cu
parametri constanţi, dar iniţial necunoscuţi, parametrii regulatorului fiind
stabiliţi automat. Sistemele de control cu autoacordare folosesc aceleaşi
principii ca şi sistemele de control adaptiv. Sistemele de control cu
autoacordare sunt folosite pentru acordarea parametrilor regulatorului în
faza procedurii de pornire, dupǎ care bucla de control funcţioneazǎ cu un
regulator cu parametri constanţi.
Sistemele de tip MRAC pot fi utilizate atât pentru conducerea
proceselor continue cât şi pentru conducerea proceselor discrete, în timp
ce STR implicǎ numai sisteme discrete în timp. Sistemele MRAC sunt
cel mai adesea folosite în conducerea sistemelor deterministe (continue
sau discrete) în timp ce STR au fost fundamentate pentru domeniul
stohastic.
Un semnal de control are efect dual atunci când efectul sǎu asupra
139
stǎrii sistemului afecteazǎ şi incertitudinea stǎrii acestuia, ceea ce
însemnă că valorile comenzii curente pot afecta incertitudinea stǎrii
viitoare. Dacǎ această incertitudine nu poate fi afectată, se spune cǎ
sistemul este neutru (pasiv/nedual). Cu alte cuvinte, sistemul de control
^
este neutru dacǎ rata de reducere a incertitudinii asupra stǎrii x este
independentǎ de controlul u.
Într-un astfel de sistem este posibilǎ separarea pǎrţii de control a
sistemului de cea de estimare a procesului. În plus, controlerul depinde
numai de istoria trecutǎ a sistemului (adicǎ stǎrile şi comenzile trecute şi
nu de cele viitoare) şi este deci implementabil (cauzal).
Principiul separabilităţii
Elaborarea comenzii în cadrul buclei de reglare propriu-zise se face
fǎrǎ a lua în considerare acurateţea mecanismului de ajustare. Deci se
presupune cǎ algoritmul de reglare este optim acordat în orice moment
conform specificaţiilor de operare. Bucla de ajustare prelucreazǎ
variabilele de proces nefiind influenţatǎ de calitatea reglǎrii (adicǎ de
performanţele obţinute în bucla de reglare). Acest principiu conferă
independenţa funcţionalǎ acelor bucle şi dă posibilitatea analizei
calitative separate a celor două mecanisme, de reglare şi de ajustare.
În unele lucrări, această proprietate de separabilitate este numită
drept teorema separaţiei. Conform unei versiuni a teoremei separaţiei,
problema controlului stohastic este separabilǎ dacǎ informaţia necesarǎ a
fi transmisǎ este numai un punct estimat x al stǎrii curente, nefiind cerutǎ
vreo informaţie asupra preciziei.
Acest principiu al separabilitǎţii a determinat un numǎr de cercetǎtori
sǎ aproximeze soluţia unor probleme “neneutrale” generale cu ajutorul
teoremei separaţiei. Plecându-se de la acest principiul al separabilitǎţii,
pentru proiectarea legii de reglare sunt posibile douǎ abordǎri, prima
bazată pe principiul echivalenţei certe, iar ce-a de-a doua bazată pe
principiul controlului prudent.
Principiul certei echivalenţe
Pe parcursul procesului de adaptare se elaboreazǎ un model sintetic
liniar, ce reflectǎ local (temporal şi în planul condiţiilor de operare)
dinamica procesului. Altfel spus se porneşte de la premisa că parametrii
modelului estimat sunt parametrii adevăraţi ai sistemului.
Principiul echivalenţei certe are justificare teoretică dacă parametrii
procesului sunt cunoscuţi şi trebuie estimate variabilele de stare ale
140
procesului liniar. Pentru parametrii stohastici necunoscuţi (estimarea
perturbaţiilor nemǎsurabile) principiul echivalenţei certe este teoretic
încǎ valabil numai dacǎ parametrii sunt statistic independenţi. Pentru
controlul adaptiv stohastic acest principiu nu este satisfǎcut în general. El
este utilizat uneori ca un principiu de proiectare ad-hoc. În această
situaţie, semnalul de control, numit semnal neutru, ce reprezintă comanda
elaborată de sistemul adaptiv neutru, are o singură componentă, cea
elaborată de regulatorul proiectat pe principiul certei echivalenţe.
Principiul controlului prudent
Controlerul trebuie sǎ fie “prudent” În prezenţa incertitudinilor,
adică sǎ nu creascǎ efectul incertitudinilor pentru a nu micşora precizia
de estimare.
Prudenţa se manifestă printr-o componentǎ din semnalul de control
care ţine cont de faptul cǎ erorile în estimaţiile parametrilor pot cauza
deviaţii în semnalul de control. Aceastǎ componentǎ este o funcţie de
parametrii estimaţi şi precizia lor.
Fie u* mărimea de control optimal şi uc controlul echivalent cert şi
un control ipotetic un, numit control neutru. Ultimul reprezintǎ comanda
care va fi optimalǎ dacǎ toate interacţiunile dintre controlul curent şi
viitoarele incertitudini au fost ignorate. Se defineşte controlul prudent ca
diferenţǎ între controlul neutru şi controlul echivalent cert, adicǎ up=un-
uc.
Cercetare şi instruire activǎ
Pentru îmbunǎtaţirea estimaţiilor parametrilor incerţi injecta un
semnal optimal în proces (semnal de test). Acest semnal poate ajuta în
estimare prin descreşterea incertitudinii stǎrii când este prezent efectul
dual. Semnalul de control care ia în considerare observaţiile viitoare are
capacitatea de cercetare şi instruire activǎ. În funcţie de semnalul de
control neutru, semnalul de control optimal are expresia u*= un+ ut.
Ţinând cont că un= uc + up, rezultă că semnalul de control dual are
de fapt trei componente, controlul echivalent cert, controlul prudent şi
instruirea activă: u*=uc+up+ut.
Cele două concepte, prudenţa şi cercetarea, nu pot fi în general
evaluate pentru probleme neliniar-pǎtratice gaussiene.
Fie un proces discret neliniar reprezentat prin ecuaţiile:
x(k+1)=F1[k, x(k),u(k),v1(k)] (7.1)
yp(k)=F2[k, x(k),v2(k)] (7.2)
unde am notat cu x starea sistemului, cu u mărimea de comandă, cu y
141
ieşirea şi cu v1 perturbaţiile, şi indicele de performanţǎ ce trebuie
minimizat definit prin:
k2
J (k1 ) = ∑ H [k , x(k + 1), u (k )]
k = k1
(7.3)
143
reglare cauzal (neanticipativ). Implementarea practicǎ a structurii de
conducere adaptivǎ solicitǎ însǎ extinderea noţiunii de realizabilitate la
limitarea pe cât posibil a efortului de calcul implicat de mecanismul de
adaptare. Această necesitate apare din restricţiile computaţionale
temporale impuse de operarea în timp real. Restricţiile de implementare,
esenţial temporale, au devenit mai puţin severe în ultimii ani datorită
utilizării algoritmilor recursivi numerici şi dezvoltării tehnicii de calcul
digitale recente de tipul microcontrolere cu nucleu RISC, procesoare de
semnal şi FPGA.
144
8.1. Sisteme de conducere adaptivǎ cu identificarea modelului
discret al procesului
P ( s) V(s)
U ( s) B 1( s ) + B 2( s) + Y ( s)
e −τs
A 1( s ) + A 2( s) +
Fig. 8.1.
U * ( s)
( )
1 U(s) B(s) Y( s) Y * ( s)
1 − e − Ts e − sτ
T s A ( s) T
EOZ
D/A A/D
Fig.2
147
transferul cauzal comandǎ-ieşire, u*(t)→y*(t), rezultă de forma:
⎧⎪ ⎛ 1 − e − Ts − sτ B( s) ⎞ ⎫⎪
G ( z −1 ) = Z ⎨ L−1 ⎜⎜ e ⎟⎬ (8.5)
⎩⎪ ⎝ s A( s) ⎟⎠ ⎭⎪
Dacǎ timpul mort este un multiplu întreg al perioadei de eşantionare,
τ=dT, d∈N şi se utilizează schimbarea de variabilǎ z = e sT , funcţia de
transfer (8.5) devine:
−1
⎧ B ( s) ⎫ − d B( z )
G ( z −1 ) = (1 − z −1 ) z − d Z ⎨ ⎬= z (8.6)
⎩ sA( s) ⎭ A( z −1 )
148
ieşire;
d) Datele măsurate de la proces oferă un conţinut de informaţii complete
despre modelul procesului.
Transferul intrare-ieşire este determinist sau afectat doar de zgomot
alb. Unele generalizǎri ale metodei permit realizarea unei estimǎri
consistente a transferului determinist realizat de proces indiferent de
natura perturbaţiei. Dintre aceste metode, sunt utilizate frecvent cele
bazate pe algoritmul verosimilitǎţii maxime şi algoritmul celor mai mici
pǎtrate generalizate. Creşterea preciziei estimaţiei se poate obţine prin
utilizarea unor algoritmi evoluaţi de tipul minimizǎrii erorii de predicţie,
dar au dezavantajul creşterii complexităţii numerice a acestor metode,
Avantajele algoritmului CMMP se bazeazǎ în esenţǎ pe simplitatea
implementǎrii în condiţiile unor precizii de estimare şi rate de
convergenţǎ satisfăcătoare.
Pentru identificarea proceselor deterministe monovariabile se va
considera modelul discret obţinut din (8.6):
A( z −1 )Y ( z ) = z − d B( z −1 )U ( z ) (8.7)
unde cele două polinoame sunt de grad na, respectiv nb.
Modelul procesului poate fi rescris în forma:
y (k ) = ϕ T θ (8.8)
unde θ reprezintǎ vectorul parametrilor procesului, consideraţi invarianţi:
θ = [a1 a 2 ......... ana b 0 b1..........b nb ]
T
(8.9)
iar ϕ(kT) reprezintǎ vectorul datelor de intrare/ieşire mǎsurate de la
proces la momentele de timp anterioare lui t:
ϕ (k ) = [ − y (k − 1) -y(k-2) ........-y(k-na) u(k-d) u(k-d-1) .....u(k-d-nb) ]
T
^
În urma identificării se obţine o estimare θ a vectorului real θ al
parametrilor din ecuaţia liniară:
^
y (k ) = ϕ T (k ) θ + ε (k ) (8.10)
Cu ε(kT) au fost notate reziduurile modelului. Modelul determinist (8.7)
poate fi pus în forma perturbatǎ dată de ecuaţia
A( z −1 )Y ( z ) = z − d B( z −1 )U ( z ) + ε ( z ) (8.11)
unde ε(z) este o perturbaţie aleatoare.
Algoritmul de identificare trebuie sǎ acţioneze în sensul minimizǎrii
acestui reziduu, iar în cazul ideal va conduce la anularea valorii acestuia.
^
Determinarea lui θ presupune achiziţia a cel puţin N=na+nb+1 seturi
149
de date ϕ(k), k=1,2,...N deoarece relaţia (8.8) este o ecuaţie liniarǎ cu
^
(na+nb+1) necunoscute (componentele vectorului θ ). Momentul k=1
marcheazǎ începutul identificării. Implicit se presupune astfel cǎ valorile
u şi y la momentele anterioare momentului t=1 sunt cunoscute (na valori
pentru y şi nb valori pentru u). Rezultă că se poate forma un sistem de N
^
ecuaţii liniare cu N necunoscute vectorul parametrilor θ din ecuaţia (8.8)
poate fi unic determinat.
În cazurile practice, mǎsurǎtorile sunt afectate de zgomote (8.8) şi
este necesar sǎ se achiziţioneze un numǎr mai mare de date N*. Datele
colectate în cele N* mǎsurǎtori, N*≥N, rezultând un nou set de N* ecuaţii
cu N=na+nb+1 necunoscute. Acestea conduc la sistemul supradeterminat
[Horga], [Isermann], [Schonberger]:
⎧ ^
⎪ y (1) = ϕ (1) θ + ε (1)
T
⎪ ^
⎪ y ( 2) = ϕ T ( 2) θ + ε ( 2)
⎨ (8.12)
⎪
⎪ ^
⎪ y( N * ) = ϕ T ( N * ) θ + ε ( N * )
⎩
^
Determinarea vectorului θ se va face din sistemul da mai sus astfel
încât vectorul ε sǎ fie de valoare cât mai micǎ. Aceastǎ “valoare” poate fi
evaluatǎ folosind o normǎ în spaţiul RN*. Alegerea standard pentru
aceastǎ evaluare este un criteriu pǎtratic de forma:
N*
J (θ ) = ∑ε
1 T 1
ε ε= 2
(t ) (8.13)
2 2 t =1
Ţinând cont de (8.10) relaţia anterioară devine:
N*
J (θ ) = ∑ ( y(t ) − ϕ )
1 2
T
(t )θ (8.14)
2 t =1
^
Se doreşte gǎsirea vectorului θ astfel încât
N2
⎛ ^⎞
∑ε
^
J ⎜ θ ⎟ ≤ J (θ )
1
sau θ = arg min J = arg min 2
(t ) (8.15)
⎝ ⎠ θ θ 2 t =1
Rezultă o problemă de minimizare ce implică calcularea gradientului
şi a matricei hessian.
∂J ∂2J
= 0, >0 (8.16)
∂θ ∂θ 2
150
Prima ecuaţie din (8.16) este echivalentǎ cu:
⎡ ∂J ⎤
⎢ ∂θ ⎥
⎢ 1 ⎥
∂J
∂J ⎢ ⎥
= ⎢ ∂θ 2 ⎥=0 (8.17)
∂θ ⎢
..............⎥
⎢ ∂J ⎥
⎢ ⎥
⎢⎣ ∂θ na + nb +1 ⎥⎦
Se calculează deci vectorul gradient în raport cu vectorul θ .
Din cele N condiţii deduse din (8.17) se obţin cele N valori, θ i care
estimeazǎ cel mai bine parametrii modelului, din spaţiul parametrilor
care minimizeazǎ criteriul (8.14).
Se pot calcula derivatele criteriului J în raport cu componentele .
∂J ∂ ⎛1 ⎞ ∂ ⎛1 ⎞⎞
∑ ( y(t) − ϕ
N
) ∑ ⎜⎝⎛ y (t) + (ϕ
N
)
2 2
= ⎜ T
(t)θ ⎟= ⎜ 2 T
(t)θ − 2y(t)ϕ T (t)θ ⎟ ⎟ =
∂θi ∂θi ⎜⎝ 2 t =1
⎟ ∂θi ⎜ 2
⎠ ⎝ t =1 ⎠ ⎟⎠
∂ ⎛1 ⎞
N N N
∑ y (t) + 2 ∑ (ϕ ) ∑ 2y(t)ϕ
1 2 1
⎜ 2 T
(t)θ − T
(t)θ ⎟ = 0
∂θi ⎜⎝ 2 t =1 t =1
2 t =1
⎟
⎠
Dacă se înlocuieşte ϕ ( t )θ cu produsul intern al celor doi vectori N-
T
dimensionali
N
ϕ T (t )θ = ∑ (ϕ
j =1
j ( t )θ j ) (8.18)
rezultă:
⎛ ⎛ N* ⎞ 1
2
⎛ N* ⎞⎞
∂
N N N
⎜1
∑ ∑ ∑( ) ∑ ∑ (ϕ j (t)θ j ) ⎟ ⎟⎟ = 0 (8.19)
1 ⎜
⎜ y (t) +2
ϕ j (t)θ j ⎟ − 2y(t) ⎜
∂θi ⎜2 2 ⎜
t =1 ⎝
⎟ 2 ⎜ ⎟⎟
⎝
t =1 j=1 ⎠ t =1 ⎝ j=1 ⎠⎠
Se obsevă acum că primul termen al relaţiei anterioare este
independent de vectorul parametrilor [ θ i ].
Se efectuează calculele de derivare parţială:
⎛ N* ⎛ N ⎞
2
N* ⎛ N ⎞ ⎞⎟
∂ ⎜1
∑ ∑( ) ∑ ∑( )
⎜ 1
⎜2 ϕ j ( t )θ j ⎟ − 2 y( t ) ⎜ ϕ j ( t )θ j ⎟ ⎟ =
∂θ i ⎜ ⎜ ⎟ 2 ⎜ ⎟⎟
⎝ t =1 ⎝ j=1 ⎠ t =1 ⎝ j=1 ⎠⎠
(8.20)
2
∂ ⎛⎜ ⎞ ∂ ⎛⎜ ⎞
N* N N* N
∑ ∑( ) ∑ ∑( )
1 1
ϕ j ( t )θ j ⎟ − 2 y( t ) ϕ j ( t )θ j ⎟ = 0
2 t =1
∂θ i ⎜⎝ j= 1
⎟
⎠ 2 t =1
∂θ i ⎜⎝ j= 1
⎟
⎠
şi rezultă:
151
N* ⎛⎛ N ⎞ ⎞ N*
∑ ∑( ⎜⎜
⎜⎜
t =1 ⎝ ⎝
)⎟
ϕ j (t )θ j ⎟ ϕ i (t )⎟ −
⎠
⎟ ∑ ( y(t )ϕ (t )) = 0 ⇒
i (8.21)
j =1 ⎠ t =1
∑ ((ϕ ) ∑ ( y(t )ϕ (t ))
N* N*
T
)
( t )θ ϕ i (t ) = i (8.22)
t =1 t =1
Această ultimă relaţie poate fi rescrisă pentru cele N componente ale
vectorului θ:
⎧ N*
∑ (( ) ∑
N*
⎪
⎪ t =1
)
ϕ T (t )θ ϕ 1 (t ) = ( y(t )ϕ 1(t ))
t =1
⎪ *
∑ (( ) ∑
⎪N N*
⎪
⎨ t =1
T
)
ϕ (t )θ ϕ 2 (t ) = ( y(t )ϕ 2 (t )) (8.23)
t =1
⎪
⎪....................................................
⎪ N*
∑ (( ) ∑
N*
⎪
⎪ )
ϕ (t )θ ϕ N (t ) =
T
( y(t )ϕ N (t ))
⎩ t =1 t =1
sau
( 1 1 1) (
⎧ ϕT (1)ϕ (1) + ϕT (2)ϕ (2)+.....+ϕT ( N*)ϕ ( N*) θ = y(1)ϕ (1) + y(2)ϕ (2)+.....+ y( N*)ϕ ( N*)
⎪ 1 1 )1
⎨
(
⎪ T T *
) (
⎪ ϕ (1)ϕ2 (1) + ϕ (2)ϕ2 (2)+.....+ϕ ( N )ϕ2 ( N ) θ = y(1)ϕ2 (1) + y(2)ϕ2 (2)+.....+ y( N )ϕ2 ( N )
T * *
)*
⎪............................................................................................................................
⎪ T
( T *
) (
⎪⎩ ϕ (1)ϕ N (1) + ϕ (2)ϕ N (2)+.....+ϕ ( N )ϕ N ( N ) θ = y(1)ϕ N (1) + y(2)ϕ N (2)+.....+ y( N )ϕ N ( N )
T * * *
)
*
Sistemul(8.23) poate fi exprimat matriceal printr-o sumǎ de N
matrice pǎtrate de ordin N ( ϕ(i)ϕ T (i) ) şi o sumǎ de N* vectori ( y(i)ϕ(i) ) în
felul următor:
⎛ N* ⎞ ⎛ N* ⎞
⎜ ∑
⎝ t =1
⎟
⎠
⎜
⎝ t =1
∑
⎜ ϕ (t )ϕ T (t )⎟ θ = ⎜ ϕ ( t ) y ( t )⎟ ⇔ H θ
⎟
⎠
NxN Nx1 = RNx1 (8.24)
152
∂ ⎪⎧ ⎡ ∂ J ⎤ ⎪⎫
T
∂ 2 J (θ ) ∂ ⎧ ∂ J (θ ) ⎫ ∂J ∂J
:= ⎨ ⎬ = ⎨⎢ . ⎥⎬
∂θ 2 ∂θ ⎩ ∂θ ⎭ ∂θ ⎩⎪ ⎣ ∂θ 1 ∂θ 2 ∂θ na + nb +1 ⎦ ⎭⎪
T
⎧⎛ N* ⎞ ⎛ N* ⎞ ⎫⎪
∂ ⎪
=
∂θ
⎨⎜
⎪⎩ ⎜⎝
∑ ϕ ( t )ϕ T ( t ) ⎟ θ − ⎜
⎟ ⎜ ∑ ϕ (t ) y (t ) ⎟ ⎬ =
⎟⎪
(8.26)
t =1 ⎠ ⎝ t =1 ⎠⎭
⎧ ⎛ N* ⎞ ⎫⎪
T
N*
∂ ⎪ T
=
∂θ
⎨θ
⎪
⎜
⎜ ∑ ϕ ( t )ϕ T ( t ) ⎟ ⎬ =
⎟ ⎪ ∑ ϕ (t )ϕ T
(t )
⎩ ⎝ t =1 ⎠ ⎭ t =1
∑ ∑α ∑ [α ]
2
T⎢
α ϕ (t )ϕ (t ) ⎥α =T T
ϕ (t )ϕ (t )α =
T T
ϕ (t ) ≥0 (8.27)
⎢ t =1 ⎥
⎣ ⎦ t =1 t =1
∑
⎢ u(t −1)u(t − n)
⎢⎣ t=n
∑u(t −2)u(t −n)
t =n
......... ∑
t =n
u (t − n) ⎥
2
⎥⎦
154
Acum se poate stabili o legătură între componentele matricei H şi
funcţiile de autocovarianţă ale semnalului de intrare. Vom nota r funcţia
de autocovarianţă
N*
∑ u( k ) u( k − i )
1
ru (i ) = lim i = 0,.., n - 1 (8.32)
N →∞
*
N* k =1
Legatura între aceasta şi matricea H este dată de
⎡ ru ( 0) ru (1) ...... ru ( n − 1) ⎤
⎢ ⎥
....... ru ( n − 2) ⎥
H = lim
*
N →∞
1
N
( )
H N* =⎢ u
r (1)
⎢ .....
ru (0)
...... ....... ....... ⎥
(8.33)
⎢ ⎥
⎣ru ( n − 1) ru ( n − 2) ........ ru (0) ⎦
Semnalul de intrare u(t) este persistent de ordin n şi permite
determinarea modelului FIR de ordin n dacǎ şi numai dacă matricea H
este pozitiv definitǎ.
+ ξ( t )
Model ajustabil
-
^ ^ ^
y( t ) = ϕ ( t ) θ( t − 1)
T
y( t )
^ ^ ^
θ( t ) = θ( t − 1) + θ c ( t ) θ( t )
θ c (t)
Mecanism de
ajustare
Fig. 3. Estimator recursiv de tip CMMP – schema bloc
156
Pentru determinarea corectorului θ c ( t ) este necesară obţinerea unor
relaţii de calcul recursiv pentru matricele P(t) şi R(t). Aceste relaţii sunt
deduse in continuare.
Folosind relaţia (8.32), la momentul (t-1) matricele P(t-1) şi R(t-1)
rezultă ca fiind de forma [Sch]:
t −1
P −1 ( t − 1) = ∑ϕ ( k )ϕ
k =1
T
( k ) = ϕ (1)ϕ T (1) + ϕ (2)ϕ T (2) +...ϕ (t − 1)ϕ T (t − 1) (8.37)
t −1
R (t − 1) = ∑ y( k )ϕ ( k ) = ϕ (1) y(1) + ϕ (2) y(2)+...ϕ (t − 1) y(t − 1)
k =1
(8.38)
Cu matricele:
Φ T (t − 1) = [ϕ (1) ϕ (2) ϕ (3) ............ϕ (t − 1)] Nx ( t −1) (8.39)
Y (t − 1) = [ y (1) y(2) y(3) ............y(t − 1)] ( t −1) x1T
(8.40)
şi folosind matricele astfel definite relaţiile (8.37-8.38) P(t) şi R(t) devin:
P −1 (t − 1) = Φ T (t − 1) Φ(t − 1) (8.41)
R (t − 1) = Φ (t − 1)Y (t − 1)
T
(8.42)
Pentru momentul urmǎtor, t, se poate scrie:
t
P−1(t) = ∑ϕ(k)ϕ (k) = ϕ(1)ϕ (1) +ϕ(2)ϕ (2) +...ϕ(t −1)ϕ (t −1) +ϕ(t)ϕ (t)
k =1
T T T T T
(8.43)
⎡Φ(t-1)⎤ (8.42)
=[Φ (t −1) ϕ(t)] ⎢ T ⎥ = ΦT (t −1)Φ(t −1) +ϕ(t)ϕT (t) = P−1(t −1) +ϕ(t)ϕT (t)
T
⎣⎢ϕ (t) ⎦⎥
Tot astfel se poate dezvolta şi pentru R(t) o relaţie de calcul recursiv
[Sch]:
t
R(t) = ∑y(k)ϕ(k) = ϕ(1) y(1) +ϕ(2) y(2) +...ϕ(t −1) y(t −1) +ϕ(t) y(t) =
k =1
(8.44)
⎡Y (t −1)⎤ (8.43)
= ⎡Φ (t −1) ϕ(t)⎤ ⎢
T
= ΦT (t −1)Y (t −1) +ϕ(t) y(t) = R(t-1)+ϕ(t)y(t)
⎣ ⎦ y(t) ⎥
⎣ ⎦
Vectorul parametrilor identificaţi la momentul t este
^ (8.44)
θ (t ) = P(t ) R(t ) = P (t ) [ R(t − 1) + ϕ (t ) y (t )] = P(t ) R(t − 1) + P(t )ϕ (t ) y (t ) (8.45)
^
Substituind în ecuaţia (8.44) R ( t − 1) = P −1 ( t − 1) θ( t − 1) (conform (8.32))
rezultă [Iserm], [Scho]:
157
^ ⎧ ^ ⎫ (8.44) ⎧ ^ ⎫
θ (t) = P(t) ⎨P−1(t −1)θ (t −1)⎬ + P(t)ϕ(t)y(t) = P(t) ⎨⎡⎣P−1(t) −ϕ(t)ϕT (t)⎤⎦θ(t −1)⎬ + P(t)ϕ(t)y(t) =
⎩ ⎭ ⎩ ⎭
^ ^ (8.35)
=θ(t −1) − P(t)ϕ(t)ϕT (t)θ(t −1) + P(t)ϕ(t)y(t) =
^ ^ ⎧ ^ ⎫
= θ ( t − 1) − P (t )ϕ (t )ϕ T (t ) θ (t − 1) + P( t )ϕ (t ) ⎨ξ ( t ) + ϕ T (t ) θ (t − 1) ⎬ ⇒
⎩ ⎭
^ ^
θ (t ) = θ (t − 1) + P(t )ϕ (t )ξ (t ) (8.46)
Relaţia (8.43) furnizează relaţia de recursivitate a inversei matricei P.
Pentru stabilirea unei relaţii de recursivitate pentru exprimarea directǎ a
acestei matrice se foloseşte lema de in versiune matricială.
Ultima ecuaţie ne dă structura corectorului utilizat în estimarea
recursivǎ, care rezultă a fi dependent de eroarea de predicţie ξ( t ) .
Calculul on-line a inversei unei matrici este consumator de timp şi ar
trebui evitat dacă este posibil.
(P ) ) = (
−1 (14) −1
−1
(t − 1) + ϕ (t )ϕ T (t ) = P−1(t )
−1
= ( P (t − 1)) − ( P (t − 1)) ( ) ( )
−1
−1
−1
−1 ⎛ −1 ⎞ −1
ϕ (t )⎜ϕ T (t ) P−1(t − 1) ϕ (t ) + 1⎟ ϕ T (t ) P−1(t − 1) ⇔
⎝ ⎠
[ ]
−1
P (t ) = P (t − 1) − P (t − 1)ϕ (t ) 1 + ϕ T ( t ) P (t − 1)ϕ (t ) ϕ T (t ) P(t − 1) (8.49)
Termenul ϕ T ( t ) P( t − 1)ϕ( t ) este scalar şi rezultǎ cǎ algoritmul nu
presupune determinarea inverselor unei matrice:
⎡
[ ] ⎤
−1
P (t ) = P (t − 1) ⎢ I na + nb +1 − 1 + ϕ T ( t ) P( t − 1)ϕ (t ) ϕ ( t )ϕ T (t ) P( t − 1) ⎥ (8.50)
⎣ ⎦
Algoritmul CMMP recursiv constǎ, în concluzie, în efectuarea la
momentul t a urmǎtorului algoritm:
1. Se formeazǎ ϕ( t ) - relaţia (8.33)
2. Se calculeazǎ P(t) - relaţia (8.50)
3. Se calculeazǎ eroarea de predicţie ξ( t ) - relaţia (8.35)
^
4. Se corecteazǎ estimaţia θ( t ) - relaţia (8.46)
5. Aşteaptǎ urmǎtorul moment de eşantionare şi reia algoritmul.
⎥⎦
Aceasta din urmă va fi determinatǎ de evoluţia vectorului de date ϕ(i) ,
i=1...t; P(0), iar P(o) aleasǎ cu elemente de valoare mare, contribuie
neglijabil la valoarea P(t). Din acest motiv o alegere simplǎ şi utilizatǎ
frecvent pentru P(0) este: P(0)=αI
^
unde α=104...105 pentru o alegere θ(0) arbitrarǎ,
^
α=102...104 pentru o iniţializare corectǎ θ(0) ≈ θ
Valoarea parametrului α utilizat în iniţializarea matricei de covarianţǎ
are influenţă asupra ratei de convergenţei a algoritmului de identificare.
Un α este prea mic duce la o convergenţǎ lentǎ a parametrilor estimaţi
cǎtre valorile reale, iar un α este prea mare duce la oscilaţii ale
^
parametrilor estimaţi θ( t ) .
161
eşantionǎrii frecvenţa de sondare a valorilor unui sistem trebuie sǎ fie cel
puţin dublǎ faţǎ de banda de frecvenţe ocupatǎ de semnalul în cauzǎ.
Pentru a surprinde cu exactitate dinamica procesului modelat, perioada
de eşantionare trebuie corelată cu banda de frecvenţe a rǎspunsului la
impuls a sistemului. Se recomandă alegerea perioadei de eşantionare
egalǎ cu 15 ... 21 din constanta de timp dominantǎ. O altă alegere a
perioadei de eşantionare este în funcţie de timpul de creştere şi este
recomandată ca fiind 151 ... 15 din timpul de creştere.
Valoarea minimǎ a perioadei de eşantionare este determinatǎ timpul
de calcul, deci de procesorul pe care este implementat controlerul, şi
timpul de conversie al covertorului A/D. Valori foarte mici ale perioadei
de eşantionare pot conduce la instabilitatea numericǎ a algoritmului. În
cazul unei eşantionǎri de înaltǎ frecvenţǎ, polii şi zerourile modelului
discret se vor situa în planul Z într-o zonǎ situatǎ în apropierea cercului
de rază unitară. Rezultă necesitatea unei precizii ridicate în proiectarea
legii de reglare din cauza diferenţele mici între singularitǎţile modelului.
163
Se poate demonstra cǎ, prin ponderare, estimarea recursivǎ se face
1
luându-se în considerare aproximativ ultimele valori ale ieşirii şi
(1 − λ )
comenzii procesului; secvenţele de date mai vechi având ponderi extrem
de mici şi sunt practic ignorate în cadrul rutinei de identificare.
Utilizând metoda CMMP ponderatǎ cu factor de uitare λ, vectorul
^
parametrilor θ( N * ) rezultă:
∑( ) ∑(λ )
N* N*
∂J(θ)
⎜⎛ λN − jϕT ( j)θ ϕi ( j)⎟⎞ − N* − j
*
= y( j)ϕi ( j) = 0 ⇒ (8.55)
∂θi ⎝ ⎠
j =1 j =1
−1
⎡ N* ⎤ ⎡ N* ⎤
∑ ∑
^
θ ( N ) = ⎢ λ N − jϕ ( j )ϕ T ( j ) ⎥ ⎢ λ N − jϕ ( j ) y ( j ) ⎥
* *
* (8.56)
⎢ j =1 ⎥ ⎢ j =1 ⎥
⎣ ⎦ ⎣ ⎦
Expresia estimatorului rǎmâne nemodificată:
^ ^
θ (t ) = θ (t − 1) + P(t )ϕ (t )ξ (t ) (8.57)
Matricea de covarianţǎ P(t) este însă influenţată de factorul de
ponderare conform relaţiei:
P −1 (t ) = λP −1 ( t − 1) + ϕ ( t )ϕ T ( t ) (8.58)
sau:
1 ⎡ ϕ (t )ϕ T (t ) P(t − 1) ⎤
P (t ) = P (t − 1) ⎢ I na + nb +1 − ⎥ (8.59)
λ ⎢⎣ λ + ϕ T (t ) P(t − 1)ϕ (t ) ⎥⎦
Algoritmii de identificare recursivǎ de tipul CMMP cu factor de
ponderare constant prezintǎ o serie de dezavantaje. Estimarea cu λ<1 nu
va converge niciodatǎ exact Dacă parametrii procesului nu se modificǎ.
^
Parametrii estimaţi θ( t ) vor oscila în jurul valorilor reale θ( t ) , iar oscilaţia
va fi cu atât mai mare cu cât λ va fi mai mic. Mai mult, estimatorul poate
deveni instabil dacă pentru un set suficient de mare de mǎsurǎtori
(N*>1/(1-λ)) semnalul de intrare folosit în identificare nu este persistent.
Spre exemplu în situaţia în care procesul se gǎseşte într-un punct de
funcţionare, aportul de informaţie furnizat de valorile actualizate ale
datelor ϕ(t) este nesemnificativ iar matricea P(t) va lua valori succesive
determinate cu relaţia:
1
P( t ) ≅ P( t − 1). (8.60)
λ
Matricea P(t) va lua valori crescătoare şi va produce corecţii eronate
164
^
ale lui θ( t ) . Altfel spus reziduuri mici vor conduce la modificǎri mari ale
parametrilor estimaţi.
⎥⎦
algoritmul de identificare va fi convergent dacǎ:
−1
⎡ t ⎤
[ ] [ ]
−1
∑
1
∃⎢ ϕ (i )ϕ T (i ) ⎥ ⇔ ∃ ΦT (t )Φ(t ) , ∀t ⇔ lim det Φ T (t )Φ(t ) ≠ 0
⎢⎣ i =1 ⎥⎦ t →∞ t
(4)
167
9.1. Structuri ale sistemelor automate
167
În formularea problemei deterministe sunt incluse atât sistemele de
urmǎrire cât şi cele de reglare propriu-zise, în sensul rejecţiei
perturbaţiilor mǎsurabile. De asemenea, sinteza legilor de reglare în
context determinist oferǎ de multe ori sugestii pentru sinteza şi analiza
sistemelor automate ce acţioneazǎ în context stohastic.
Se considerǎ modelul matematic liniar discretizat al procesului
determinist de forma:
A(q-1)y(t)=q-dB(q-1)u(t) (1)
Structura buclei convenţionale de reglare este prezentatǎ în fig.1.
Forma controlerului folosit pentru elaborarea comenzii este:
F(q-1)u(t)=H(q-1)r(t)-G(q-1)y(t) (2)
G ( q −1 )
F( q −1 )
REGULATOR PROCES
Fig. 1
Legea de reglare din ecuaţia 2 este aşa numita lege de reglare cu “douǎ
grade de libertate” (2DOF). Dacă H(q-1)≡G(q-1) se obţine legea de reglare
pe principiul abaterii (1DOF):
F(q-1)u(t)=G(q-1)e(t), e(t)=r(t)-y(t) (3)
REGULATOR PROCES
Fig. 2
Schema bloc din Fig.1 poate fi adusǎ la forma prezentatǎ în Fig.3, în
care regulatorul prelucreazǎ abaterea dintre semnalul rm(t) obţinut prin
filtrarea referinţei şi mǎsura mǎrimii reglate y(t) obţinutǎ prin reacţia
168
inversǎ.
REGULATOR PROCES
Fig. 3
Prefiltrarea referinţei limiteazǎ banda de frecvenţe a semnalului de
intrare în bucla închisǎ şi are unele efecte benefice asupra performanţelor
sistemului de reglare, în special în regimurile tranzitorii, prin atenuarea
suprareglǎrii, creşterea gradului de amortizare şi, nu în ultimul rând,
micşorarea gradului de oscilaţie a comenzii.
Rezultǎ În final modelul matematic al sistemului automat:
B(q −1 ) ⎡ H (q −1 ) G (q −1 ) ⎤
y (t ) = q −d −1 ⎢ −1
r (t ) − −1
y (t )⎥ =
A(q ) ⎣ F (q ) F (q ) ⎦ (4)
−1 −1
B ( q ) H ( q )
= q −d r (t )
A(q −1 ) F (q −1 ) + q −d B (q −1 )G (q −1 )
sau:
[ ] [ ]
A(q −1) ) F (q −1 ) + q − d B (q −1 ) G (q −1 ) y (t ) = q − d B(q −1 ) H (q −1 ) r (t ) (5)
Se remarcǎ faptul cǎ în urma închiderii buclei de reglare se produce
modificarea structural-parametricǎ a polinomului polilor, cu influenţe
atât asupra performanţelor de reglare cât şi asupra stabilitǎţii sistemului
automat. Zerourile procesului se transferǎ sistemului automat; la acestea
se pot adǎuga zerourile suplimentare ale lui H(q-1), introduse de structura
adiţionalǎ de prefiltrare a referinţei. Zerourile finite ale procesului pot
influenţa nefavorabil dinamica sistemului automat şi se compenseazǎ
printr-o proiectare adecvatǎ a legii de reglare. O astfel de compensare
constǎ practic în alegerea implicitǎ a unora dintre polii regulatorului la
valori date de zerourile procesului. Aceastǎ soluţie trebuie însǎ sǎ fie
evitatǎ în situaţia în care procesul are zerouri instabile sau pe axa realǎ
negativǎ a planului Z, pentru a nu produce instabilitatea regulatorului sau
oscilaţii pronunţate ale comenzii.
Întârzierea purǎ a procesului se transferǎ sistemului automat conform
169
(5). Cele d zerouri infinite corespunzând întârzierii pot fi formal
compensate doar prin utilizarea unei structuri de reglare necauzale, de tip
anticipativ, conectatǎ serie cu procesul reglat.
Metoda de proiectare utilizatǎ în determinarea structurii şi
parametrilor legii de reglare depinde în mod esenţial de tipul procesului
reglat şi de obiectivele de reglare urmǎrite. Pentru proiectarea
parametricǎ a legilor de reglare de tipul (2) se folosesc preponderent
metode de optimizare parametricǎ şi metode de alocare.
Metodele de proiectare prin optimizare parametricǎ se bazeazǎ pe
minimizarea unui criteriu de performanţǎ pǎtratic. În majoritatea
cazurilor se anticipeazǎ predictiv, pe baza modelului procesului reglat şi
comportǎrii curente a acestuia, evoluţia viitoare a mǎrimilor reglate.
Utilizând procedee de optimizare se deduce comanda care determinǎ
evoluţia optimalǎ a ieşirii sistemului pe o traiectorie cât mai apropiatǎ de
referinţa impusǎ. Astfel exprimarea performanţelor de reglare se face în
mod direct şi global, fiind cuprinse în cadrul aceleiaşi funcţii criteriu atât
performanţe tranzitorii cât şi staţionare. Aplicatǎ proceselor stohastice
metoda urmǎreşte prioritar micşorarea dispersiei (varianţei) semnalului
reglat. Algoritmii obţinuţi în acest caz sunt algoritmi de minimǎ varianţǎ.
În cazul sistemelor de urmǎrire algoritmii sunt de tip predictiv. Avantajul
utilizǎrii metodelor bazate pe minimizarea criteriilor pǎtratice este acela
cǎ pot fi aplicate şi sistemelor cu restricţii, respectiv poate fi luatǎ în
considerare în cadrul criteriului de performanţǎ şi optimizarea energeticǎ
a comenzii.
În cazul metodelor de alocare este exploatatǎ relaţia dintre
configuraţia poli-zerouri a unui sistem, în cazul de faţǎ sistemul automat,
şi performanţele acestuia. Impunând un model dorit pentru transferul în
buclǎ închisǎ de forma
T ( q −1 )
y (t ) = q − d r (t ) (6)
S (q −1 )
se pot deduce pe baza relaţiei (5) parametrii regulatorului. Alocarea
completǎ a polilor şi zerourilor conduce, în absenţa restricţiilor şi cu
condiţia unei modelǎri precise a procesului, la obţinerea unor
performanţe de reglare optimale. Acest tip de comandǎ nu poate fi însǎ
aplicat proceselor de fazǎ neminimǎ deoarece prin simplificarea
zerourilor situate în afara domeniului de stabilitate se produce o evoluţie
nemǎrginitǎ a comenzii. O metodǎ mai robustǎ dar mai puţin performantǎ
este aceea a alocǎrii exclusive a polilor. În acest caz zerourile procesului
170
nu sunt compensate, obţinându-se în multe cazuri comportǎri
suboptimale ale buclei de reglare. Aplicabilitatea metodei se extinde
asupra unei clase largi de procese, inclusiv cele de fazǎ neminimǎ.
(6)
F(q-1)=1+f1q-1+f2q-2+.......+fnfq-nf=1+q-1(f1+f2q-1+.......+fnfq-nf-
1
)=1+q-1F*(q-1) (7)
172
r(t) u(t) B( q −1 ) y(t)
H ( q −1 ) q −d −1
A( q )
F(q −1 ) -
G ( q −1 )
F(q −1 )
REGULATOR PROCES
Fig.1
Modelul matematic al sistemului automat, pentru cazul general al
legii de reglare 2DOF, este:
B (q −1 ) ⎡ H (q −1 ) G (q −1 ) ⎤ B(q −1 ) H (q −1 )
y (t ) = q − d −1 ⎢ −1
r (t ) − −1
y (t ) ⎥ = q − d r (t )
A( q ) ⎢⎣ F (q ) F (q ) ⎥⎦ A ( q ) F ( q −1 ) + q − d B ( q − 1 ) G ( q − 1 )
−1
(8)
[ ] [
sau: A(q −1) ) F (q −1 ) + q − d B(q −1 )G (q −1 ) y (t ) = q − d B(q −1 ) H (q −1 ) r (t ) ] (9)
Proiectarea legii de reglare prin metode de alocare poli-zerouri este
preponderent utilizată în cadrul sistemelor de urmărire, atunci când
mărimea reglată trebuie să urmărească cu fidelitate evoluţia mărimii de
referinţă. Esenţială este în acest caz realizarea preciziei de reglare în
regim staţionar dar, în condiţiile unor solicitări tehnologice mai
pretenţioase în ceea ce priveşte calitatea reglării, este de dorit obţinerea
unei comportări optimale şi pe parcursul evoluţiei tranzitorii a procesului.
Metodele de alocare implică găsirea soluţiilor unor ecuaţii polinomiale,
având ca necunoscute polinoamele legii de reglare, astfel încât sistemul
automat obţinut (8) să aibă un model matematic impus, de forma :
T ( q −1 )
y (t ) = q − d r (t ) (10)
S (q −1 )
Alocarea completă a polilor şi zerourilor conduce, în absenţa
restricţiilor şi cu condiţia unei modelări precise a procesului, la obţinerea
unor performanţe de reglare optimale.
174
⎡ 1 0 0 ... 0 ⎤
⎢a 1 0 ... 0 ⎥⎥
⎢ 1
⎢ a2 a1 1 ... 0 ⎥
⎢ ⎥
... ... ... ... ... ⎥ , dimA=(na+nb+d-1)x(nb+d-1) (17)
A=⎢
⎢ana ana −1 ana − 2 ... ⎥
⎢ ⎥
⎢ 0 ana ana −1 ... ⎥
⎢ ... ... ... ... ... ⎥
⎢ ⎥
⎢⎣ 0 0 0 ... ana ⎥⎦
⎡0 0 ... 0⎤
⎢ ⎥ ⎫
⎢ ... ... ... ... ⎥ ⎪
⎬ d - 1 randuri cu elemente nule
⎢0 0 ... 0⎥ ⎪
⎢ ⎥ ⎭
⎢ 0
b 0 ... 0⎥
⎢ b1 b0 ... 0⎥
B=⎢ ⎥ , dim B = (na + nb + d - 1)x(na) (18)
⎢ ... ... ... ... ⎥
⎢b b ... ⎥
⎢ nb nb −1 ⎥
⎢0 bnb ... ⎥
⎢ ⎥
⎢ ... ... ... ⎥
⎢⎣ 0 0 ... bnb ⎥⎦
F=[f1 f2 .......fnf]T (19)
G=[g0 g1 .....gng]T (20)
S=[s1 s2 ....sns 0 ...0]T, dim S=(na+nb+d-1)x1 (21)
A1=[a1 a2 ...ana 0 ...0]T, dim A1=(na+nb+d-1)x1 (22)
Matricea [A,B] din (16) este matricea Sylvester asociată
reprezentării polinomiale a sistemului şi este nesingulară în condiţiile
respectării ipotezei (i).
Alocarea polilor
Relaţiile existente între performanţele unui sistem şi poziţiile polilor
şi zerourilor acestuia sunt deseori utilizate în selectarea modelului
matematic dorit al sistemului automat. Conform (13) şi (15) gradul
polinomului polilor alocaţi, S(q-1), este limitat maximal de ordinul
modelului procesului reglat. În practică se impun pentru sistemul automat
unul sau doi poli dominanţi aleşi funcţie de performanţele dorite. Astfel
polinomul polilor alocaţi va avea una din formele:
• Polinom de ordinul I:
S(q-1)=1+s1q-1 (23)
Comportarea sistemului reglat va corespunde în acest caz
comportării unui sistem cu întârziere de ordinul I; răspunsul y(t) la
175
semnal de referinţă treaptă va fi în consecinţă aperiodic. Valoarea
efectivă s1 va determina durata regimului tranzitoriu (timpul de răspuns,
tr). Astfel, considerând un sistem continuu de ordin I:
k
H F ( s) = (24)
T1s + 1
se obţine:
tt ≅ 4T1 (25)
Discretizatul său are forma:
⎛ ⎛ − ⎞⎞
T
−1 ⎜⎜ T1 ⎟ ⎟
z ⎜k 1− e
⎜ ⎜⎝ ⎟ ⎟⎟
⎠⎠ z −1b
( )
⎛ ⎛ H ( s) ⎞ ⎞
H ( z −1 ) = 1 − z −1 Z ⎜ L−1 ⎜ F ⎟ ⎟ =
⎝ ⎝ s ⎠⎠
⎝
−
T
=
1 + a1 z −1
(26)
T1 −1
1− e z
Folosind (24)-(26) se poate deduce relaţia dintre timpul de răspuns
dorit (tt) şi valoarea coeficientului polinomial s1:
T 4T
− −
s1 = a1 = − e T1
= −e tt
(27)
• Polinom de ordin II
S(q-1)=1+s1q-1+s2q-2 (28)
Comportarea sistemului reglat va fi echivalentă cu comportarea unui
sistem continuu cu întârziere de ordinul II având parametrii ξ şi ωn.
ω 2m
H F ( s) = (29)
s + 2ξω n s + ω 2n
2
( )
⎛ ⎛ 1 − e − sT
H z −1 = Z ⎜⎜ L−1 ⎜⎜
⎞⎞
H F ( s)⎟⎟ ⎟⎟ =
(
z −1 b1 + b2 z −1) (33)
−1 −2
⎝ ⎝ s ⎠ ⎠ 1 + a1 z + a2 z
unde:
⎧ ⎛ ξω n ⎞
⎪b1 = 1 − α ⎜⎝ β + δ⎟
⎧α = e −ξω n T
⎪ ω ⎠
⎪
⎪⎪ ⎛ ξω n ⎞ ⎪β = cosωT
⎨b2 = α + α ⎜⎝ β + δ⎟
2
⎨δ = sin ωT (34)
⎪ ω ⎠ ⎪
⎪a1 = −2αβ ⎪ω = ω 1 − ξ 2
⎪ ⎩ n
⎪⎩a2 = α 2
Performanţele dorite fiind precizate atunci folosind relaţiile (30)-(32)
pentru sintetizarea modelului continuu aferent ( ξ , ω n ) şi apoi relaţiile de
legătură dintre coeficienţii modelului (29) şi (33), adică (34), constantele
s1 şi s2 se vor alege conform relaţiilor:
s1 = a1 = −2e −ξω n T cos⎛⎜ ω n 1 − ξ 2 T ⎞⎟ (35)
⎝ ⎠
s2 = a2 = e −2ξω n T (36)
Din considerentul asigurării realizabilităţii fizice a regulatorului
restricţia minimală în ceea ce priveşte numărul polilor alocaţi pentru
sistemul automat este:
ns≥na (37)
Pentru satisfacerea restricţiei (37), polii dominanţi se completează cu
poli “îndepărtaţi”, aleşi pe axa reală pozitivă în apropierea originii
(planul z), astfel încât influenţa acestora asupra dinamicii buclei de
reglare va fi nesemnificativă. În acest fel, plecându-se de la polinomul
S(q-1) definit, se rezolvă ecuaţia de alocare (12) şi se obţin două din
cele trei polinoame ale legii de reglare cu două grade de libertate(F(q-1),
G(q-1)).
Pentru determinarea celui de-al treilea polinom (H(q-1)) se impune
un criteriu suplimentar, cel de asigurare a preciziei în reglare în regim
177
staţionar:
lim y (t ) r ( t ) =σ ( t ) = 1 (38)
t →∞
ceea ce presupune, conform (11), îndeplinirea cerinţei:
B(1) H (1) S (1)
= 1 ⇒ H (1) = =H (39)
S (1) B(1)
În acest caz, deci, polinomul H(q-1) se reduce la forma unei
constante.
Legea de reglare are forma:
Hr ( t ) − G (q −1 ) y (t )
u( t ) = (40)
F ( q −1 )
sau în formă recursivă:
u(t ) = Hr (t ) − G (q −1 ) y (t ) − F * ( q −1 )u(t − 1) (41)
B(q −1 ) T (q −1 ) A(q −1 ) T (q −1 )
y( t ) = q − d −1
u( t ) = q − d −1
r ( t ) ⇒ u( t ) = r (t ) (44)
A(q ) S (q ) B(q −1 ) S (q −1 )
Se observă astfel că dacă vreo rădăcină a polinomului B(q-1)S(q-1)
este în exteriorul cercului unitar sau slab amortizată semnalul de
comandă va fi oscilant sau chiar nemărginit.
Concluzia care se desprinde din analiza modelului (52) este aceea că,
din considerentul garantării stabilităţii sistemului automat în condiţiile
unor imperfecţiuni de modelare parametrică a procesului, legile de
reglare proiectate prin metode de alocare nu permit eliminarea
comportării de fază neminimă a instalaţiei tehnologice. În consecinţă
forma polinomului dorit pentru zerourile sistemului automat va avea
structura:
T(q-1)=B-(q-1)H(q-1) (55)
-1
H(q ) fiind un polinom al zerourilor suplimentare introduse din
considerente de performanţă (determinantă fiind optimizarea comenzii şi
reducerea gradului de oscilaţie a acesteia). Proiectarea polinomului H(q-1)
al legii de comandă va fi ca urmare realizată în concordanţă cu atribuirea
acestor zerouri suplimentare.
Similar cazului alocării numai a polilor, suplimentar, în determinarea
lui H(q-1) se va ţine seama de restricţia de asigurare a exactităţii de
reglare în regim staţionar (38), ceea ce presupune îndeplinirea cerinţei:
B − (1) H (1) S (1)
= 1 ⇒ H (1) = − (56)
S (1) B (1)
Legea de reglare va avea forma:
H ( q −1 ) r (t ) − G (q −1 ) y(t )
u( t ) = (57)
F (q −1 )
sau în formă recursivă:
u( t ) = H (q −1 )r (t ) − G ( q −1 ) y( t ) − F * (q −1 )u( t − 1) (58)
obţinându-se condiţiile:
B − (1) H (1) S (1)
= 1 ⇒ H (1) = − (7)
S (1) B (1)
Relaţia (7) asigură anularea erorii de reglare în regim staţionar doar
în situaţia în care identificarea procesului se realizează cu exactitate. De
asemenea acest procedeu de proiectare nu garantează anularea erorii
staţionare în cazul acţiunii perturbaţiilor persistente (medie nenulă) sau a
zgomotelor cu caracter nestaţionar.
Fig.2
Adesea, se urmăreşte ca efectul perturbaţiei p(t) asupra ieşirii să fie
cât mai slab posibil, cel puţin în anumite benzi de frecvenţă (sisteme de
rejecţi a perturbatiei). În particular se urmăreşte ca efectul unei
perturbaţii constante (treaptă), numită perturbaţie de sarcină, să fie nul în
regim staţionar (t→∞ sau s→0).
Funcţia de transfer între perturbaţie şi ieşire se scrie:
y ( s) 1 A( s)
H0 p ( s ) = = = (8)
p ( s) 1 + H d ( s ) A( s) + B( s)
unde:
A( s) = sn + an −1sn −1 +.....+ a1s + a0
B ( s) = bm sm + bm −1sm −1 +.....+b1s + b0
182
Regimul staţionar corespunde pentru valoarea s=0, adică:
A( s) A(0) a0
ys = lim p= p= p (9)
s→ 0 A( s) + B ( s) A(0) + B (0) a0 + b0
Din condiţia ca perturbaţia p să nu aibă nici o influenţă asupra ieşirii
de regim staţionar se impune ca funcţia de transfer (9) să fie nulă, adică
a0=0. În acest caz polinomul A(s) are forma:
(
A (s) = sn + a n − 1sn −1 + .....+ a1s = s sn − 1 + a n − 1sn − 2 + .....+ a1 )
punând în evidenţă prezenţa unui integrator pur în funcţia de transfer a
căii directe, Hd(s).
Rezultatul obţinut se poate generaliza, atât pentru rejecţia diferitelor
tipuri de perturbaţii, deterministe sau stohastice, în cazul sistemelor de
rejecţie a perturbaţiilor, cât şi pentru asigurarea diferitelor tipuri de erori
de regim staţionar nule (poziţie, viteză sau acceleraţie) în cazul
sistemelor de urmărire. Pentru aceasta se apelează la conceptul de model
intern al perturbaţiei.
Descrierea perturbaţiilor deterministe
Se consideră perturbaţiile deterministe fundamentale: impulsul
Dirac, semnalul treaptă şi rampă. Perturbaţiile deterministe de tip treaptă
şi rampă pot fi descrise ca fiind rezultate prin trecerea unui impuls Dirac
printr-un filtru (fig.3). Filtrele corespunzătoare poartă denumirea de
modele de perturbaţie.
1 1
s s2
Fig.3
⎧
⎪⎪ L{σ (t )} = Mi ( s) L{δ ( 0)} ⇒ Mi ( s) σ ( t ) = s
1
⎨ (10)
⎪ L{t } = Mi ( s) L{δ (0)} ⇒ Mi ( s) = 1
⎪⎩ t
s2
Oricare ar fi perturbaţia deterministă, ea se poate obţine prin trecerea
unui impuls Dirac (impuls generator) printr-un model de perturbaţie
(filtru) având o structură adecvată.
În acest context condiţia de rejecţie a perturbaţiei de sarcină se poate
reformula în termeni ai modelului perturbaţiei (integratoare pure): pentru
rejecţia perturbaţiilor, funcţia de transfer a căii directe (procesul sau
regulatorul) trebuie să conţină modelul intern al perturbaţiei.
Descrierea perturbaţiilor stohastice
183
Problemele sunt similare celor prezentate pentru cazul perturbaţiilor
deterministe ce acţionează la ieşirea procesului continuu. Deosebirile
constau în faptul că sursa generatoare este zgomotul alb. În cazul
sistemelor numerice sursa generatoare este zgomotul alb discret, filtrul în
acest caz având structură discretă (Fig.4).
ε * (t ) 1 v* ( t )
−1
D( q )
Fig.4
G ( q −1 )
F( q −1 )
Fig. 5
Sistemul automat păstrează structura:
B(q −1 ) H ( q −1 )
y( t ) = q − d r (t ) (14)
S (q −1 )
însă ecuaţia de alocare devine:
A + (q −1 ) F ( q −1 ) + q − d B(q −1 )G ( q −1 ) = S ( q −1 ) (15)
unde:
A + (q −1 ) = D(q −1 ) A( q −1 ) (16)
184
determinând în mod evident o majorare a gradelor polinoamelor F(q-1) şi
G(q-1), la valorile:
nf=nb+d-1+nd, ng=na+nd-1 (17)
Modelul abaterii de reglare (5) devine:
(18)
G ( q −1 )
F ( q −1 )
Fig.6
Particularităţile structurii de reglare adaptivă constau în:
Metoda de identificare on-line: Metoda CMMP
recursivă
Procedura de proiectare on-line regulator: Metoda alocării poli-
zerouri
185
• Perioada de eşantionare aleasă, Te;
186
START
Iniþializarea mecanismului de adaptare:
Perioada de eºantionare: T e
Date iniþiale pentru algoritmul de identificare recursiv:
⇒ structura modelului procesului: - gradul polinoamelor modelului (na,nb)
- timpul mort normat în perioade de eºantionare
⇒ estimarea iniþialã a parametrilor modelului sistemului condus
⇒ iniþializarea vectorului regresor ϕ(0);
⇒ iniþializarea matricei de covarianþã P(0);
⇒ specificarea factorului de ponderare λ;
(A) - Achiziþia de date: conversia A/D a ieºirii procesului ºi achiziþia referinþei r(t)
de la consolã, fiºier de date sau intrare serialã.
^ ^
(B) - Estimarea recursivã a modelului sistemului condus: A ( q − 1 ), B ( q − 1 ),
Formeazã ϕ (t)
Calcule azã P(t)
⎡ T −1 T ⎤
P ( t ) = P ( t − 1 ) I n + n +1 − [1 + ϕ ( t ) P ( t − 1 ) ϕ ( t ) ] ϕ ( t ) ϕ ( t ) P ( t − 1 )
⎢ a b ⎥
⎣ ⎦
Calculeazã eroarea de predicþie ξ( t )
^ ^
T
ξ ( t ) = y ( t ) − y ( t ) = y ( t ) − ϕ ( t ) θ ( t − 1)
^
Corecteazã estimaþia θ( t)
^ ^
θ ( t ) = θ ( t − 1) + P ( t ) ϕ ( t ) ξ ( t )
^ ^
−1 −1
⇒ A ( q ), B ( q )
B(q -1 )= B + (q -1 ) B - (q -1 )
^ ^ ^
−1 −1 −1
⇒ F ( q ), G ( q ), H ( q )
Fig.7
187
9.5. Reglarea adaptivă autoacordabilă directă folosind metode de
alocare
Metodele de autoacordare indirectă expuse anterior implică un efort
de calcul ridicat, presupunând executarea, în timp real, atât a algoritmului
de identificare a modelului procesului cât şi a algoritmului de proiectare a
regulatorului prin alocarea polilor şi zerourilor. Este posibil, în cazul
sistemelor deterministe de urmărire, să se folosească algoritmi de reglare
adaptivă în care volumul de calcul este redus considerabil.
Astfel, dacă modelul matematic al procesului este reparametrizat în
termenii parametrilor de reglare, prin simpla aplicare a procedeului de
identificare on-line a sistemului se pot deduce direct valorile de acord ale
regulatorului. În acest caz teoria convergenţei metodelor de estimare
parametrică poate fi aplicată simplu şi direct asupra noului model.
Se va considera în continuare că algoritmul de reglare este proiectat
prin alocarea polilor şi zerourilor, implicând simplificarea exactă a
zerourilor procesului ce aparţin domeniului de stabilitate.
Pentru reparametrizarea modelului
B ( q −1 )
(1) y(t ) = q − d u( t )
A( q −1 )
se explicitează polinomul A(q-1) utilizându-se ecuaţia de alocare
(diophantică)
(2)A(q-1)F(q-1)+ q-dB(q-1)G(q-1)=S’(q-1)
sau considerându-se factorizările:
(3)B(q-1)= B+(q-1) B-(q-1)
(4)F(q-1)= B+(q-1) F+(q-1)
(5)S’(q-1)=S(q-1)B+(q-1)
ecuaţia devine:
(6)A(q-1)F+(q-1)B+(q-1)+ q-d B+(q-1)B-(q-1)G(q-1)= B+(q-1)S(q-1)
adică:
(7)A(q-1)F+(q-1)+ q-d B-(q-1)G(q-1)= S(q-1)
Din ecuaţia de alocare (7) se deduce:
S (q −1 ) − q − d B − (q −1 ) G(q −1 )
(8) A(q −1 ) =
F + ( q −1 )
Înlocuind expresia (8) în (1) se obţine următorul model:
188
S(q−1) − q−d B− (q−1)G(q−1) (8) −(3)
y(t ) = q−d B+ (q−1)B− (q−1)u(t ) ⇒
F + (q−1)
(9)
B+ (q−1) B− (q−1)F+ (q−1) (4) B− (q−1)F(q−1)
y(t) = q-d −1 −d − −1 −1
u(t) = q-d u(t)
S(q ) − q B (q )G(q ) S(q ) − q−d B− (q−1)G(q−1)
−1
[ ]
T
(14) θ = g10 , g20 ,..........., gng
0
0
, f 00 , f10 ,........, f nf0 0
Printr-o metodă de estimare recursivă de tipul CMMP se deduce
^
estimaţia θ a vectorului de parametri θ corespunzând modelului estimat
reparametrizat:
^
(15) y( t ) = ϕ T ( t ) θ + ε ( t )
unde ε(t) este reziduul de modelare.
189
poate fi rescrisă la rândul ei în termenii polinoamelor F0(q-1) şi G0(q-1).
Amplificând relaţia (16) cu polinomul B-(q-1)
(17) F (q −1 ) B − (q −1 )u(t ) = H (q −1 ) B − (q −1 )r (t ) − G(q −1 ) B − (q −1 ) y(t )
şi folosind relaţiile (10)
F 0 (q −1 ) = B − (q −1 ) F (q −1 ),
(10)
G 0 ( q −1 ) = S (q −1 ) − q − d B − (q −1 ) G(q −1 ),
se obţine:
(18) [ ]
F 0 ( q − 1 ) u ( t ) = H ( q −1 ) B − ( q − 1 ) r ( t ) − q d S ( q − 1 ) − G 0 ( q − 1 ) y ( t )
Dacă se face notaţia:
[ ]
(10.2 )
(19) G1 (q −1 ) = B − (q −1 ) G(q −1 ) = q d S ( q −1 ) − G 0 (q −1 )
legea de reglare (18) are forma:
(20) F 0 (q −1 )u(t ) = H (q −1 ) B − (q −1 )r (t ) − G1 (q −1 ) y(t )
Din (20) se remarcă faptul că pentru calculul comenzii este necesară
cunoaşterea polinomului G1(q-1). Conform relaţiei (19) coeficienţii
polinomului G1(q-1) vor fi ultimii (ng0-d) termeni ai diferenţei
[ ]
polinomiale S (q −1 ) − G 0 (q −1 ) având S(q-1) impus prin proiectare,
0 -1
respectiv G (q ) rezultat în urma identificării.
De asemenea, considerând H(q-1)=constant, calculat cu relaţia
S (1)
(21) H (1) =
B − (1)
se obţine următoarea formă a legii de reglare:
S (1)
(22) F 0 (q −1 )u(t ) = B − ( q −1 ) r (t ) − G1 ( q −1 ) y( t )
B − (1)
Din (22) se constată că nu este suficientă determinarea, prin
identificarea modelului reparametrizat, a polinoamelor F0(q-1) şi G0(q-1),
ci şi cunoaşterea lui B-(q-1), respectiv a valorii B-(1).
ţinând cont de relaţiile (10.1) şi (19)
(10) F 0 (q −1 ) = B − (q −1 ) F (q −1 )
(19) G1 (q −1 ) = B − (q −1 ) G(q −1 )
polinomul B-(q-1) poate fi determinat ca fiind divizorul comun al
polinoamelor F0(q-1) şi G1(q-1).
Structura principială a sistemelor adaptive autoacordabile directe este
prezentată în fig.8.
190
^ ^
1 −1 − −1
−1 −1 → G ( q ), B ( q )
^−
coef [ S ( q ), T (q )] Calcul polinoame
Calcul valori → S ( 1); B ( 1)
^ ^
0 −1 0 −1
Estimator recursiv ⇒ coef [ F ( q ), G ( q )]
de tipul
CMMP
*
ε (t )
r (t ) ^
− −1 + +
S (1 ) B ( q ) B( q −1 )
q−d
^
−
^
0 −1 - u(t )
A ( q −1 ) + y(t )
B (1 ) F ( q )
^
G 1( q −1 )
^
F 0(q −1 )
Fig.8
Funcţionarea regulatorului adaptiv constă în execuţia, succesivă, la
fiecare moment de eşantionare, a următoarelor acţiuni (fig.9):
(A) - Achiziţia de date: conversia A/D a ieşirii procesului şi achiziţia
referinţei r(t) de la consolă, fişier de date sau intrare serială;
(B) - Estimarea recursivă a modelului sistemului condus
reparametrizat în polinoamele
^ ^
F 0(q −1 ), G 0(q −1 ) ;
^
(C) - Calculul polinomului G 1(q −1 ) conform relaţiei (19);
^
(D) - Determinarea polinomului B − (q −1 ) (polinomul divizor -relaţiile
(10) & (19)) şi calculul factorului de amplificare cu
relaţia (21);
(E) - Calculul comenzii u(t): se va folosi legea de reglare (22) având
parametrii reactualizaţi în cadrul acţiunii anterioare.
(F) - Trimiterea comenzii către proces prin conversia D/A.
191
START
Iniþializarea mecanismului de adaptare:
Perioada de eºantionare: T e
Date iniþiale pentru algoritmul de identificare recursiv:
⇒ structura modelului procesului: - gradul polinoamelor modelului (na,nb)
- timpul mort normat în perioade de eºantionare
⇒ estimarea iniþialã a parametrilor modelului sistemului condus
⇒ iniþializarea vectorului regresor ϕ(0);
⇒ iniþializarea matricei de covarianþã P(0);
⇒ specificarea factorului de ponderare λ;
(A) - Achiziþia de date: conversia A/D a ieºirii procesului ºi achiziþia referinþei r(t)
de la consolã, fiºier de date sau intrare serialã.
^ ^
0 −1 0 −1
(B) - Estimarea recursivã a modelului sistemului condus reparametrizat: F ( q ), G ( q )
Formeazã ϕ (t)
Calcule azã P(t)
⎡ T −1 T ⎤
P ( t ) = P ( t − 1 ) I n + n +1 − [1 + ϕ ( t ) P ( t − 1 ) ϕ ( t ) ] ϕ ( t ) ϕ ( t ) P ( t − 1 )
⎢ a b ⎥
⎣ ⎦
Calculeazã eroarea de predicþie ξ(t)
^ ^
T
ξ ( t ) = y ( t ) − y ( t ) = y ( t ) − ϕ ( t ) θ ( t − 1)
^
Corecteazã estimaþia θ( t)
^ ^
θ ( t ) = θ ( t − 1) + P ( t ) ϕ ( t ) ξ ( t )
^ ^
0 −1 0 −1
⇒ F ( q ), G ( q )
^
1 −1
(C) - Calculul polinomului G (q )
[
G 1 ( q −1 ) = q d S ( q − 1 ) − G 0 ( q −1 )
]
^
− −1
(D) - Determinarea polinomului B ( q ) ºi calculul factorului de amplificare;
^−
−1 0 −1 1 −1
B ( q ) = c . m . m . d . c . [ F ( q ), G ( q ) ]
S (1)
H (1 ) =
− ^ ^ ^
B (1) −1 −1 −1
⇒ F ( q ), G ( q ), H ( q )
Fig.9
192
Sistemele de control cu model de referinţă, ca o tehnică de adaptare
explicită, au fost considerate o metoda promiţătoare de la începuturile
controlului adaptiv. Ideea de bază este ilustrată de Fig. 10.1 în care
modelul de referinţă este conceput pe baza performanţelor dorite ale
buclei de bază, reprezentată în cazul de fată printr-un proces şi un
regulator în structura clasică de buclă cu reacţie negativă unitară.
Structura buclei de bază poate fi aleasă în funcţie de necesităţi, de
exemplu o structură cu două grade de libertate (prefiltru şi controler pe
reacţie). Ieşirea procesului controlat este comparată cu cea a modelului
de referinţă şi parametrii controlerului sunt modificaţi în aşa fel încăt
răspunsul procesului controlat să urmărească ieşirea modelului de
referinţă.
Problema poate fi abordată atât în cazul sistemelor continue, cât şi
în cazul sistemelor discrete. În continuare, analiza va fi făcută pentru
cazul sistemelor continue, fiind mai uşor de înteles. Algoritmul adaptiv
rezultat poate fi cu uşurinţă implementat digital. Există în literatură mai
multe astfel de implementări digitale, cu o perioadă de eşantionare mică.
180
Model de ym(t)
referinţă
Mecanism de ε(t)
adaptare
θR
∂y p
βi = −γ β ∫ ε ( t ) dt + β i ( 0 )
t
(10.18)
0 ∂βi
Structura bloc a schemei de control espe prezentată în Fig. 10.2, în
care legea adaptivă este dată de un feedback neliniar integral.
Bm ( s ) ym
Am ( s )
ε −
∂yp
∂y p
w s r −i ∂β1 γβ γd ∂β1 s l −i +
Am ( s ) s s Am ( s )
βi αi
B (s) yp
A( s)
185
Funcţia de transfer a modelului de referinţă este
y b0
Gm ( s ) = m = 2 (10.22)
w s + a1s + a2
Deoarece derivatele procesului sunt măsurabile, un controler pe
feedback cu funcţia de transfer q0 s + q1 şi un factor de amplificare f
utilizat ca prefiltru conduce la următoarea lege de reglare:
.
u = fw − q0 y p − q1 y p (10.23)
(10.28)
y p b0
= ≈ ym
f b0
Unde Gw ( s ) ≈ Gm ( s ) şi deci y p ≈ ym au fost folosite împreună cu
ecuaţiile (10.22) şi (10.24). Aceleaşi aproximări şi ecuaţii au fost folosite
pentru derivarea expresiei ∂y p / ∂q0 care este utilizată în legea de ajustare
a parametrului q0 în ecuaţia
186
∂y p ∂
= ⎡Gw ( s ) w⎤⎦ = (10.29)
∂q0 ∂q0 ⎣
sb02 f
=− w
⎡⎣ s 2 + ( a1 + b0 q0 ) s + ( a2 + b0 q1 ) ⎤⎦
2
sb0
=− 2 yp
s + ( a1 + b0 q0 ) s + ( a2 + b0 q1 )
sb0 b
≈− 2 y p = − 0 sy pf
s + a1s + a2 b0
în care notatia y pf este utilizată pentru ieşirea procesului filtrată cu
funcţia de transfer a modelului de referinţă.
b0
y pf = y p = Gm ( s ) y p (10.30)
s + a1s + a2
2
b0
=− 2 yp
s + ( a1 + b0 q0 ) s + ( a2 + b0 q1 )
b0 b
≈− 2 y p = − 0 y pf
s + a1s + a2 b0
Dacă constantele γi sunt alese să fie proporţionale cu b0 / b0 , aceasta
însemnând γ i = γ i b0 / b0 , sistemul de control adaptiv cu model de
referinţă poate fi realizat numai cu ajutorul parametrilor cunoscuţi. Se
obţine schema bloc structurală a sistemului din Fig. 10.2.
Deoarece constantele de gradient trebuie să fie pozitive, semnul
parametrului b0 al procesului trebuie să fie cunoscut.
187
b0 ym
s + a1s + a2
2
w - ε
+
u b yp
f
s 2 + a1s + a2
f
q0
q1 q0 s + q1
Bucla de bază
Filtru
y pf 1 sb0
y3
s s + a1 s + a2
2
s
y2 syPF
s
y1
s
188
Sistemele adaptive cu model de referinţă reprezintă una din
principalele abordări în controlul adaptiv. Principiul de bază este
prezentat în fig. 11.1.
Model de y
m
referinta
Mecanism -
e
de adaptare
+
r + u Proces
Regulator controlat y
-
189
Modelul de referinţă este utilizat, pentru a specifica performanţele
dorite ale sistemului din bucla de bază, ce constă din procesul controlat şi
un regulator clasic. Eroarea este diferenţa dintre ieşirea sistemului şi a
modelului de referinţă. Parametrii regulatorului sunt modificati pe baza
acestei erori. Sistemul conţine deci două bucle: o buclă internă, care
realizează controlul obişnuit prin reacţie negativă, şi o buclă externă, care
ajustează parametrii buclei interne. Bucla internă este presupusă a fi mai
rapidă decât bucla exterioară. Sistemul adaptiv cu model de referinţă
(MRAS) prezentat în figura 11.1, propus de Whitaker, conţine două idei
originale.
Prima este aceea de a specifica performanţele unui sistem printr-un
model, iar cea de-a doua este aceea de a ajusta parametrii regulatorului pe
baza erorii dintre sistemul de referinţă şi procesul controlat.
Structura din figura 11.1 mai este numită şi MRAS paralel şi este una
din posibilităţile de a utiliza un sistem cu model de referinţă. Există trei
abordări de bază în analiza şi sinteza MRAS: metode de gradient, metode
bazate pe funcţii Lyapunov (sau metode global stabile (Isermann, 1991)),
şi metode bazate pe teoria pasivităţii.
Metodele de gradient se bazează pe presupunerea că parametrii se
modifică mai încet decât celelalte variabile din sistem. Această
presupunere, care admite un tratament cvasistaţionar, este esenţială
pentru calcularea senzitivităţilor necesare în mecanismul de adaptare.
Prin aplicarea acestei metode nu rezultă cu necesitate un sistem în
buclă închisă stabil.
Pentru un sistem cu parametrii ajustabili, ca cel din figura 11.1.
metoda MRAS furnizează căile de ajustare a parametrilor astfel încât
funcţia de transfer în buclă închisă să fie apropiată de cea a modelului
prescris.
Aceasta este aşa numita problemă de urmărire a modelului (model
following problem). O chestiune importantă este cât de mică poate fi
făcută eroarea e. Acest lucru depinde de model, de sistem şi de mărimea
de comandă. Dacă este posibil să fie anulat semnalul de eroare pentru
toate semnalele de comandă, atunci se ajunge la urmărirea perfectă a
modelului.
Problema urmăririi modelului poate fi rezolvată printr-o proiectare
prin alocare de poli. "Model following" este o cale simplă şi utilă de a
rezolva problemele servo. Performanţele sistemului sunt specificate
indirect prin modelul matematic al modelului procesului pentru un
răspuns dorit.
190
Acest model poate fi liniar sau neliniar. Parametrii sistemului sunt
ajustaţi astfel încât y să fie cât mai apropiat de valoarea ieşirii modelului
ym pentru o clasă de semnale de referinţă . Metodele de optimizare sunt
deci naturale în proiectarea MRAS. Deşi urmărirea perfectă a modelului
poate fi obţinută doar în situaţii ideale, o analiză a acestui caz furnizează
o imagine în profunzime asupra problemei de proiectare.
În continuare se va arãtã cã procedura anterioarã de proiectare
poate fi exprimatã compact folosind operatorul ρ, acest operator putând fi
operatorul Laplace (cazul sistemelor continue), fie operatorul z (cazul
sistemelor discrete).
Fie un sistem monovariabil, care poate fi un sistem neted sau discret:
B( ρ )
y( ρ ) = u( ρ ) (11.1)
A( ρ )
unde u este mărimea de comandă iar y ieşirea sistemului. Se presupune
că polinoamele A şi B sunt coprime. De asemenea, se presupune că
deg A ≥ deg B. Polinomul A se presupune a fi monic, adică primul
coeficient al acestuia este unitar.
Se doreşte să se sintetizeze un regulator astfel încât funcţia între
mărimea de referinţă y* şi ieşirea sistemului ym să fie
B(*ρ )
ym ( ρ ) = y(*ρ ) (11.2)
A(*ρ )
O lege de reglare liniară generală poate fi descrisă prin
Lu = Gy * − Py (11.3)
unde L, G şi P sunt polinoame. Această lege de reglare reprezintă un
feedback negativ prin funcţia de transfer -P/L şi o lege de reglare
feedforward prin funcţia de transfer G/L. Eliminând u între ecuaţiile
(11.1) şi (11.3) se obţine următoarea ecuaţie pentru sistemul în buclă
închisă:
( AL + BP) y = BGy* (11.4)
Pentru a obţine răspunsul dorit în buclă închisă A* trebuie să dividă
AL+BP. Zerourile procesului, date de B = 0, vor fi zerourile sistemului în
buclă închisă în afară de cazul în care se vor simplifica cu poli ai
sistemului în buclă închisă. Deoarece zerourile instabile sau slab
amortizate nu pot fi simplificate, polinomul B este factorizat în felul
următor
B = B+ B− (11.5)
191
unde B+ conţine acei factori ce pot fi simplificaţi şi B- ceilalţi factori ai
lui B. Pentru a face ca factorizarea să fie unică, B+ se consideră a fi
monic.
Rezultă din (11.4) că polinomul caracteristic al sistemului în buclă
închisă este AR+BS. Acest polinom trebuie să aibă factori pe A*B+ şi, în
general, să fie de ordin mai mare decăt A*B+ . Rezultă:
AL + BP = B + A0 A* (11.6)
Ultima ecuaţie este ecuaţia diofantică, (unii autori preferă să o
denumească identitatea Bezout).
Rezultă din această ecuatie că B+ divide L. Deci
L = B + L1 (11.7)
Împărţind (11.7) prin B+ rezultă
AL1 + B − S = A0 A* (11.8)
Acum se cere ca relaţia din ec. (11.4), între mărimea de referinţă y* şi
mărimea de ieşire din proces, să furnizeze răspunsul dorit dat prin ec.
(11.2). Specificarea funcţiei de transfer a sistemului dorit trebuie să fie
astfel încât B- să dividă B*; astfel nu există soluţie pentru problema de
proiectare.
Bm = B − Bm1
(11.9)
G = A0 Bm1
Pentru a completa soluţia problemei trebuie date condiţiile pentru care
există soluţii ale ecuaţiei (11.8) ce conduc la legi dr reglare proprii (cazul
sistemelor netede) sau cauzale (cazul sistemelor discrete).
deg A0 ≥ 2 deg A − deg A∗ − deg B + − 1 (11.10)
deg A − deg B ≥ deg A − deg B
* *
(11.11)
O discuţie a acestor condiţii este dată în Astrom şi Wittenmark (1990).
Din cele prezentate, legea de control din ecuaţia (11.3) cu regulatorul
dat prin ecuaţie (11.7), (11.8) şi (11.9) duce la urmărirea perfectă a
modelului, dacă condiţiile de compatibilitate din (11.10) şi (11.11) sunt
îndeplinite. Se observă faptul că proiectarea propusă implică rezolvarea
ecuaţiei diafantică din (11.8) şi deci nu este adecvată pentru un control
adaptiv direct. Un caz particular de alocare de poli, care simplifică
rezolvarea ecuaţiei diafantică apare în cazul în care toate zerourile
sistemului sunt stabile şi bine amortizate. În acest caz toate zerourile pot
fi simplificate [..]. În acest caz ecuaţia diofantică (11.6) devine
AL + BP = BA0 Am (11.12)
192
Rezultă că L trebuie să conţină factor pe B
L = BL1 (11.13)
şi substituind în (11.12) se obţine
AL1 + P = A0 Am (11.14)
Ultima ecuaţie este considerabil mai simplă decât (11.8). Aceasta are
întotdeauna soluţie unică şi soluţia poate fi găsită printr-o împărţire de
polinoame:L1 şi P sunt câtul şi respectiv, restul împărţirii lui A0Am prin
A. Polinomul G se obţine direct din ecuaţia (11.9). Înmulţind cu y şi
utilizând (11.1), (11.14) devine
A0 Am y = Lu + Py (11.15)
Urmărirea modelului este cazul în care se doreşte ca ieşirea sistemului
obţinut în buclă închisă să urmărească pe cea a unui model specificat prin
ecuaţia (11.2) ceea ce înseamnă că atât polii cât şi zerourile modelului
sunt specificate prin formulare. Metoda plasării polilor, pe de altă parte,
specifică numai polii sistemului în buclă închisă. Pentru a realiza un
sistem de control performant este necesar să se ia în consideraţie şi
zerourile sistemului în buclă deschisă când se specifică polii sistemului în
buclă închisă (a se vedea (11.6)). În unele lucrări se face o distincţie clară
între urmărirea modelului şi plasarea polilor, deşi cele două notaţii sunt
în esenţă unul şi acelaşi lucru. Relaţia între urmărirea modelului şi
plasarea polilor stabileşte legăturile dintre regulatoarele autoacordabile şi
sistemele cu model de referinţă.
Legea de comandă (11.3) poate fi scrisă în forma
u = GmG −1 y * −
P
( y − ym )
L
unde Gm = Bm si G = B . Rezultă structura din fig. 11.2.
Am A
Schema din fig. 11.2 este utilă pentru a explica metoda urmăririi
modelului, dar nu poate fi implementată aşa cum este dată în figură din
cauză că inversa dinamicii procesului A/B în general nu este o funcţie de
transfer realizabilă. Totuşi produsul funcţiei de transfer a modelului de
referinţă şi a inversei dinamicii procesului poate fi realizabilă dacă
problema urmăririi modelului este bine pusă, adică dacă excesul poli-
zerouri al modelului de referinţă este mai mare decât excesul poli-zerouri
al procesului controlat. În practică sunt necesare aproximaţii pentru a se
putea ajunge la o implementare. Avantajul existenţei conexiunii
feedforward este acela că se poate obţine un răspuns rapid. Adesea
193
produsul GmG-1 este aproximat printr-un element de avans-întârziere.
De asemenea, trebuie remarcat faptul că atât modelul de referinţă cât şi
modelul procesului pot fi neliniare fără a conduce la apariţia unor
probleme de stabilitate din cauză că ele apar numai pe calea
compensatorului feedforward. Comportarea în domeniul frecvenţelor
joase este impusă prin feedback.
B
A
y* + + + u
Bm P B
y
Am L A
-
e -
R (ρ)
+
~ ym
P(ρ)
194
Această schemă nu reprezintă de fapt un sistem de reglare propriu-zis
(deoarece nu are loc o comparaţie a mărimii de intrare a ansamblului cu
mărimea de ieşire), ci pot fi considerate sisteme care funcţionează pe
principiul măsurării abaterilor de la procesul tranzitoriu. De asemenea,
este evidentă echivalenţa acestor sisteme cu sistemele cu observer de
perturbaţie. Dacă în cazul observerului de perturbaţie se urmărea rejecţia
totală şi rapidă a perturbaţiilor aditive asupra intrării sau ieşirii procesului
controlat şi ca un rezultat suplimentar, se obţinea o anumită invarianţă la
variaţiile parametrice ale procesului controlat, în acest caz se urmăreşte,
în primul rând, un anumit grad de invarianţă în cazul unor variaţii ale
caracteristicilor părţii fixate, iar ca rezultat auxiliar, dar benefic, se va
obţine dinamica erorii ieşirii în raport cu perturbaţia, aşa cum se va arăta
în continuare.
Într-o primă analiză, vom considera funcţia de transfer a blocului R(s)
(ce poate fi numit impropriu şi regulator) ca fiind de tip proporţional, cu
~
factor de proporţionalitate K. Dacă modelul părţii fixate P( s ) este perfect
şi parametrii procesului controlat ar rămâne constanţi şi egali cu ai
modelului, caracteristicile dinamice şi procesele tranzitorii pentru partea
fixată şi model fiind deci practic identice, atunci ar rezulta y = ym, deci e
nul şi ca urmare semnalul de intrare este aplicat la intrarea părţii fixate
nemodificat. De obicei modelul părţii fixate este construit la parametrii
nominali ai acesteia. Deocamdată nu a fost luat în discuţie cazul
existenţei unei dinamici nemodelate. Dacă parametrii părţii fixate au
valori diferite de cele ale parametrilor modelului atunci mărimea de
comandă aplicată procesului controlat va fi
u = u r + K ( ym − y ) (11.16)
valoarea acestui semnal fiind dependentă de abaterile regimului
tranzitoriu ale procesului controlat de la regimul tranzitoriu al modelului.
Sistemul prezentat nu se încadrează în definiţia sistemelor adaptive
deoarece nu are loc o modificare a parametrilor, structurii sau semnalelor
de ieşire din blocul R cu scopul compensării variaţiei caracteristicilor
părţii fixate, variaţie provocată de acţiunea unor perturbaţii parametrice.
Posibilitatea obţinerii unor proprietăţi de invarianţă a sistemelor
aparent adaptive, în condiţiile existenţei perturbărilor parametrice, poate
fi pusă în evidenţă prin transfigurarea schemei din figura 11.3. Astfel,
presupunând că toate elementele sistemului sunt liniare, se obţine schema
echivalentă din figura 11.4
195
ur + u y
P (ρ) P
1 - (ρ)
R (ρ)
Fig. 11.4
~
P1( s ) = 1 + KP( s ) (11.17)
În continuare, cazurile continuu şi discret vor fi tratate simultan
utilizând operatorul ρ care denotã fie s (cazul sistemelor netede) fie δ
(cazul discret, în cazul utilizãrii modelelor discrete în forma
delta)(Middleton şi Goodwin, 1990).
Rezultă funcţia de transfer a ansamblului ca fiind
⎡ P( ρ ) ⎤ ⎛ 1 ⎞ ⎡ KP( ρ ) ⎤
( )
Y( ρ )
= 1 + KP( ρ ) ⎢ ⎥ = ⎜ + P( ρ ) ⎟ ⎢ ⎥ (11.18)
U r(ρ ) ⎢⎣1 + KP( ρ ) ⎥⎦ ⎝ K ⎠ ⎢⎣1 + KP( ρ ) ⎥⎦
Se constată că dacă ar avea loc o condiţie de forma K→ ∞, atunci s-ar
obţine
Y( ρ )
= P( ρ ) (11.19)
U c( ρ )
indiferent de variaţiile parametrice ale funcţiei de transfer P( ρ ) . Relaţia
(11.19) exprimă proprietatea de invarianţă a sistemului în raport cu
variaţiile parametrice ale părţii fixate, asigurând, totodată pentru întregul
ansamblu o comportare invariantă definită prin funcţia de transfer P( ρ )
aleasă pentru modelul de referinţă.
Este evident că o condiţie de tipul K→ ∞ nu poate avea loc practic, iar
majoritatea sistemelor ar determina instabilitatea buclei din figura 11.4.
Ca urmare este necesară limitarea factorului de amplificare K la valori
maxime care să asigure stabilitatea şi performanţele tranzitorii necesare
pentru bucla menţionată, aceste valori depinzând şi de amplitudinea
semnalelor din cadrul buclei. Apare astfel necesitatea unui element
neliniar cu saturaţia în componenţa blocului R(ρ).
În cadrul sistemului aparent adaptiv pot fi introduse circuite
suplimentare care să realizeze operaţii de adaptare; de exemplu se poate
modifica limita de saturaţie a elementului neliniar din componenţa lui
R( ρ ) .
196
Întrucât condiţia K→ ∞ nu poate fi realizată, sistemele adaptive pasive
nu pot asigura decât o invarianţă aproximativă, dar sunt capabile să
micşoreze sensibil influenţa perturbaţiilor parametrice.
În continuare se va demonstra că:
1) proprietatea de separare din metoda de proiectare a sistemului cu
reacţie după stare estimată prin observer Luenberger se menţine,
2) sistemul cu controler adaptiv pasiv asigură robusteţe la variaţii
parametrice sau în cazul existenţei unei dinamici nemodelate şi asigură
rejecţia perturbaţiilor externe forţând stările sistemului controlat să
urmărească stările modelului.
Deoarece rezultatele pot fi extinse la cazul multivariabil, problema va
fi tratată direct pe cazul sistemelor liniare MIMO.
Fie un sistem liniar descris de următoarele ecuaţii:
x = Ax + Bu + Bd
(11.20)
y = Cx
unde u şi y sunt vectori de dimensiune n, respectiv p, incluzând
variabilele de control şi ieşirea măsurabilă şi d este un vector de
dimensiune l reprezentând perturbaţia echivalentă acţionând pe intrarea
sistemului, iar A, B şi C sunt matrici de dimensiuni corespunzătoare.
Dacă un model al sistemului este disponibil, acesta poate fi descris
prin ecuaţii similare:
xˆ = Axˆ + Bu0
(11.21)
yˆ = Cxˆ
unde u0 este vectorul mărimii de comandă a modelului. Definind
semnalul erorii
e = yˆ − y (11.22)
rezultă clar că acest semnal este dependent de perturbaţiile externe şi
variaţiile parametrice ale sistemului controlat.
Introducem notaţia ur pentru referinţa sistemului, mărime ce poate
proveni de la un controler extern, şi notaţia K pentru o matrice de tip
proporţional. Alegând legea de comandă de forma:
u = u r + Ke
(11.23)
u0 = u r
se obţine o structură de reglare ca cea prezentată în fig. 11.5
197
d proces
ur + + u + x
B S C y
+
K A
model
^ e
x +
B S C
Fig. 11.5
Teorema 11.1
Dacă nu există erori de modelare, caracteristicile dinamice ale
procesului nu sunt influenţate de introducerea sistemului de control din
fig. 11.5. Din contra, acesta poate impune o comportare dinamică diferită
în raport cu perturbaţiile externe.
Din ecuaţiile (11.20), (11.21) şi (11.23) se obţine
x = Ax + BKCe + Bu r + Bd
(11.24)
e = ( A − BKC )e − Bd
Aplicând transformata Laplace se obţine:
ρx = Ax + BKCe + Bur + Bd
ρe = ( A − BKC )e − Bd (11.25)
(ρI − A)x = Bur + [I − BKC (ρI − ( A − BKC )) −1 ]Bd
Din (11.25) rezultă că influenţa referinţei ur asupra stărilor sistemului
x, este aceeaşi ca în cazul în care nu ar fi existat modelul de referinţă sau,
cu alte cuvinte, caracteristicile dinamice ale procesului controlat rămân
nemodificate. Atunci, ţinând cont numai de efectul perturbaţiei de
(11.25) poate fi scrisă în forma
(
I − BKC [ρI − ( A − BKC )]
−1 −1
)
(ρI − A)x = Bd (11.26)
Folosind identitatea de inversiune matricială
−1
(
I − C (ρI − A + BC ) B = I + C (ρI − A) B
−1 −1
)
(11.27)
ec (11.26) devine:
(ρI − A + BC )x = Bd (11.28)
şi se obţine următoarea matrice de transfer care arată legătura dintre
stările sistemului şi perturbaţie
x = (ρI − A + BKC ) Bd
−1
(11.29)
198
Aceasta arată că dinamica în raport cu perturbaţiile externe poate fi
modificată prin alegerea matricii K.
O consecinţă a teoremei anterioare este aceea că un controler pentru
procesul controlat poate fi proiectat independent de sistemul de control
cu model de referinţă: proprietatea de separare din procedura de
proiectare a sistemului cu reacţie după starea estimată prin observer
Luenberger se menţine pentru structura din fig.11.5. Totuşi se observă că
sistemul cu model de referinţa din fig. 11.5 se bazează pe o buclă
exterioară ceea ce face numărul de grade de libertate în selectarea
dinamicii în raport cu perturbaţia să depindă de controlabilitatea şi
observabilitatea procesului controlat prin matricile B şi C.
Teorema 11.2
Un sistem cu control cu model de referinţă forţează stările procesului
controlat să urmărească stările modelului chiar în prezenţa unor variaţii
parametrice sau a unei dinamici nemodelate.
Să presupunem că procesul controlat este descris de o realizare {A, B,
C} şi modelul său descris de o realizare {Am, B, C} unde
Am = A + ΔA (11.30)
Atunci ecuaţia (11.24) devine:
x = Ax + BKCe + Bu r
(11.31)
e = −ΔAx + ( Am − BKC )e
unde am presupus d = 0. Ecuaţia (11.25) devine:
(ρI − A)x = Bu r − BKC (ρI − ( Am − BKC ))−1 ΔAx (11.32)
care, ţinând cont de (11.30) şi (11.27) este echivalentă cu
[ ]
(ρI − Am )x = Bur + I − BKC (ρI − ( Am − BKC ))−1 ΔAx =
(11.33)
[
= Bu r + I + BKC (ρI − Am ) ]
−1 −1
ΔAx
Făcând notaţia xm = (ρI − Am )−1 Bu r rezultă înmulţind la dreapta (11.33)
cu (ρI − Am )−1
x = xm + (ρI − Am + BKC ) ΔAx
−1
(11.34)
ceea ce întregeşte demonstraţia.
Cele două teoreme conduc la următoarele concluzii:
1) Sistemul cu model de referinţă analizat este robust în prezenţa
perturbaţiilor parametrice şi/sau a dinamicii nemodelate a procesului.
2) Ca o consecinţă, datorită şi proprietăţii de separare a acestei scheme
de control, tehnicile adaptive nu sunt necesare pentru a asigura
199
performanţele dorite dacă dinamica nemodelată nu este de mare
importanţă.
Considerăm acum o schemă cu model de referinţă având structura din
~
BP( ρ−1)
fig 11.6, în care blocul R(ρ) are funcţia de transfer
F2 ( ρ )
.
d
u + + y
r
P
+ (ρ)
-
B ~ -1 e
P(ρ)
F2 (ρ) +
~
P
P1(ρ)
(ρ)
200
P (s ) − P (s )
~
δ (ρ ) = (11.37)
P (s )
lim F2( s ) = 1 (11.38)
s →0
201
Deoarece modelul procesului este un sistem de ordinul I, filtrul F2(s)
va fi ales de forma
F2 ( s ) = τ 2 s + 1 (11.42)
şi polinomul polilor poate fi rescris în forma:
⎡⎛ 1 ⎞⎛ LJ 2 RJ + DL ⎞ ⎛ β J *R* β ⎞⎤⎛ J * R * ⎞
⎢⎜⎜ s + ⎟⎟⎜⎜ s + s + 1⎟⎟ + ⎜⎜ s + ⎟⎟⎥⎜⎜ s + 1⎟⎟ = 0
⎣⎝ τ 2 ⎠⎝ K t K e Kt Ke ⎠ ⎝ τ 2 Kt * Ke * τ 2 ⎠⎦⎝ K t * K e * ⎠
Întrucât maşinile electrice de c.c pot fi identificate cu un înalt grad de
precizie, vom considera R=R*, L=L*, Kt=Kt*, Ke=Ke*.
Folosind criteriul Hurwitz se poate verifica uşor că stabilitatea BIBO
este garantată dacă
β RJ * 1 RJ + DL K K
+ > 1− e t
τ 2 LJ τ 2 LJ LJ
(11.43)
⎛ 1 R (RJ + DL ) ⎞ 1 (RJ + DL )2 RJ + DL
β ⎜⎜ − 1⎟⎟ + > 1−
⎝τ 2 L Ke Kt ⎠ τ 2 K e K t LJ LJ
Se observă că termenul RJ + DL
1− < 0 pentru orice maşină de curent
LJ
continuu deoarece, în cazul cel mai defavorabil (D = 0) rezultă R
1− < 0,
L
adică R > L. Deci (11.43) este întotdeauna îndeplinită dacă 1 R RJ + DL
>1
τ 2 L K e Kt
202
Din (11.36) se constată că aceaşi afirmaţie poate fi făcută şi pentru
această funcţie de transfer, polinomul polilor fiind cel din (11.35)
multiplicat cu (F1(s)+β ).
Analiza sensibilităţii la variaţii parametrice a părţii fixate şi punerea în
evidenţă a proprietăţii de invarianţă în cazul unor astfel de perturbaţii,
deci evidenţierea robusteţii sistemului de reglare propus, poate fi făcută
prin metoda locului rădăcinilor.
Infigura 4.7 este figurat locul rădăcinilor sistemului cu controler
adaptiv pasiv, partea fixată fiind motorul de curent continuu cu
parametrii: Un=110V, In=3.3A, Ra=3.1Ω, La=0.16H, Ce=0.58Vs/rad,
Cm=0.58Nm/A, Jr=0.028Nms2/rad, factorul de amplificare β=10, iar
constanta de timp a filtrului F2, τ2=0,002 s. În Fig. 11.7.a este prezentat
locul rădăcinilor sistemului cu controler adaptiv pasiv în cazul unei
variaţii a momentului de inerţie total redus la arborele motor în gama 0-
5Jn, iar in Fig. 11.7.b este figurat locul rădăcinilor sistemului în cazul
unei variaţii constantei de frecare vâscoasă în gama 0-3.
Întrucăt din figură nu reies foarte clar valorile polilor sistemului,
aceştia avănd valori foarte diferite unii în raport cu alţii, în tabelele 11.1
şi 11.2 sunt date valorile polilor sistemului de reglare propus. Tabelul
11.1 conţine valorile polilor sistemului pentru cazul variaţiei momentului
de inerţie total redus la arborele motor în gama precizată anterior, iar
tabelul 11.2 conţine valorile polilor sistemului în cazul variaţiei
constantei de frecare văscoasă. Din ambele tabele se observă ca polul
dominant, dat de constanta de timp electromecanică (Tm= 0,27678s) nu
se modifică cu mult, chiar în cazul unor variaţii parametrice foarte mari.
De exemplu, în cazul motorului fără controler adaptiv pasiv, ΔJ=5Jn ar fi
condus la o ceştere de şase ori a constantei de timp dominante a
sistemului.
203
~
P( ρ )
R( ρ ) = β (11.44)
F2 ( ρ )
şi particularizând relaţiile pentru cazul sistemmelor netede, rezultă
schema bloc a sistemului de reglare folosit, prezentată în Fig. 11.8.
Gm (s)
+
β -1(s)
Gm
F2 (s)
-
+ P(s)
-
U(s) Y(s)
G(s)
În Fig. 11.8 s-a notat prin G(s) funcţia de transfer a grupului redresor
comandat-motor, prin Gm(s) funcţia de transfer a modelului grupului
redresor-motor la parametri nominali, iar Gm−1 reprezintă inversa
dinamicii modelului grupului redresor-motor. β este un factor de
amplificare folosit în proiectare pentru a reduce senzitivitatea sistemului
la variaţii parametrice. De obicei Gm−1 rezultă o funcţie de transfer cu
gradul polinomului de la munărător mai mare decăt cel al polinomului de
la numitor şi de aceea este introdus un filtru 1/F2(s) de tipul trece jos. Ca
urmare, funcţiile de transfer ale ieşirii în raport cu mărimea de referinţă şi
cu perturbaţia sunt cele din (11.35)-(11.38).
Trebuie menţionat faptul că prin această metodă de reglare nu se
doreşte îmbunătăţirea performanţelor de regim dinamic sau staţionar, ci
numai asigurarea unei dinamici a părţii fixate cât mai apropiată de a
modelului acesteia, modelul fiind modelul maşinii de c.c. la parametri
nominali. Deci se urmăreşte doar reducerea căt mai accentuată a
influenţei variaţiilor parametrice şi, ca un rezultat auxiliar, dar benefic, a
influenţei cuplurilor pertubatoare ce acţionează asupra sistemului. Acest
rezultat este pus în evidenţă pe baza funcţiilor de transfer (4.35)-(4.38).
Y (s) 1
= Gm ( s)
U ( s) F2 ( s )
δ (s) + 1
F2 ( s ) + β
204
Y (s) 1 F2 ( s )
= * Gm ( s )
P( s ) F2 ( s ) F2 ( s ) + β
δ (s) + 1
F2 ( s ) + β
Gm ( s ) − G ( s )
δ ( s) =
G ( s)
lim F2 ( s ) = 0
s →0
205
ω (s) Kt Kee
G (s) = = (11.46)
U ( s ) (Ls + R )Js + Kt Ke
notaţiile parametrilor fiind cele utilizate anterior în acest capitol.
Modelul motorului de curent continuu a fost adoptat ca fiind o funcţie
de transfer de ordinul 1. În modelul motorului este neglijată constanta de
timp electromagnetică Te=L/R, aceasta conducănd la simplificarea
algoritmului de reglare numeric, pe de o parte, şi permiţând punerea în
evidenţă, în partea experimentală, a influenţei erorilor de modelare
asupra răspunsului sistemului. Funcţia de transfer a modelui grupului
redresor comandat-motor a fost aleasă de forma:
K ∗ee/K ∗e K*m
Gm (s) = = (11.47)
(J ∗ R∗ /K ∗t K ∗e)s + 1 T * ms + 1
Parametri notaţi cu asterisc reprezintă valorile nominale ale acestora.
Schema bloc a sistemului de reglare cu controler adaptiv pasiv rezultă
cea din Fig. 11.9.
K *ee /Ke*
T*ms+1
+
* * s+1
β Ke Tm
K*ee τ 2* s+1 -
+ Mp
- 1
1
Kee Kt
Ls+R Js
-
Ke
206
motorului ca fiind parametrii nominali de funcţionare ai maşinii şi cuplul
rezistent nul. Variaţia vitezei şi a curentului prin motor sunt prezentate în
Fig. 11.11. Se observă că răspunsul sistemului este practic identic cu
răspunsul maşinii la variaţia treaptă a tensiunii de comandă pe redresorul
comandat. O mică diferenţă apare la începutul regimului tranzitoriu
datorită modelării imperfecte. De asemenea, mărimea de comandă este
nulă, aşa după cum era de aşteptat, cu excepţia porţiunii de început a
regimului tranzitoriu.
În Fig. 11.13 este prezentat răspunsul sistemului la apariţia unei
perturbaţii treaptă a perturbaţiei ΛMr=0,76 Nm. Este pusă astfel în
evidenţă reducerea senzitivităţii sistemului la perturbaţii. Rezultă o
reducere a erorii ieşirii în raport cu perturbaţia de 1/(1+β) ori, în
conformitate cu consideraţiile făcute anterior.
Figura 11.15 prezinta răspunsul indicial al sistemului de reglare în
cazul în care sistemul a suferit o variaţie parametrică ΛJ=4Jn, ceea ce
conduce la o mărire de 5 ori a constantei de timp dominante a părţii
fixate. Este pusă în evidenţă robusteţea sistemului de reglare cu controler
adaptiv. Din figura 11.15 se observă o mărire nesemnificativă a duratei
regimului tranzitoriu. Rezultatul este în concordanţă cu consideraţiile
făcute anterior asupra funcţiei de transfer a sistemului cu controler
adaptiv pasiv.
Figura 11.17 prezintă rezultatele experimentale cu sistemul de reglare
propus pentru cazul în care sistemul este perturbat parametric şi asupra sa
acţionează un cuplu perturbator ΛMr=0,76Nm sub forma unei perturbaţii
treaptă. Concluziile sunt identice cu cele enunţate pentru experimentul
din figura 11.13.
ω [rad/s] ω [rad/s]
30 30
25 25
20 20
15 15
10 10
5 5
0 0
-5 -5 t[s]
0.5 1 1.5 t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
a a
a) a)
207
I[A] I[A]
6
6
5
5
4
4
3
3
2
2
1
1
0 t[s] 0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 t[s]
0.5 1 1.5 b
b
b) b)
U[V] U[V]
5
4 4
3 3
2 2
1 1
0 0
-1 -1
t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 t[s]
0.5 1 1.5 c
c
c) c)
208
ω [rad/s]
ω [rad/s] 26
25 25
24 24
23 23
22 22
21 21
20 20
19 19
18 18
17 17 t[s]
0.5 1 1.5 t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
a a
a) a)
I[A]
I[A] 2
2
1.8
1.6
1.5
1.4
1.2
1
1
0.8
0.5 0.6
0.4
0 0.2
0 t[s]
0.5 1 1.5 t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
b b
b) b)
U[V] U[V]
1.6 1.6
1.4 1.4
1.2 1.2
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0 t[s]
0.5 1 1.5 t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
c c
c) c)
209
ω [rad/s] ω [rad/s]
30 30
25 25
20 20
15 15
10 10
5 5
0 0
0.5 1 1.5 t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 t[s]
a a
a) a)
I[A] I[A]
10 10
9
8 8
6 6
4 4
2 2
0 0
0.5 1 1.5 t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 t[s]
b b
b) b)
U[V]
I[A] 6
6
5 5
4 4
3 3
2 2
1 1
0 0
-1 -1
0.5 1 1.5 t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 t[s]
c c
c) c)
Fig.11.14. Răspunsul indicial al Fig.11.15. Răspunsul indicial al
motorului cu controler adaptiv pasiv motorului cu controler adaptiv pasiv
obţinut prin simulare numerică, ΔJ=4Jn obţinut experimental, ΔJ=4Jn.
a) variaţia vitezei motorului, a) variaţia vitezei motorului,
b) curentul prin motor. b) curentul prin motor.
c) mărimea de comandă c) mărimea de comandă
210
ω [rad/s] ω [rad/s]
26
25 25
24 24
23 23
22 22
21 21
20 20
19 19
18 18
17 17
0.5 1 1.5 t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 t[s]
a a
a) a)
I[A] I[A]
2 2
1.5 1.5
1 1
0.5 0.5
0 0
-0.5 -0.5
0.5 t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
b 1 1.5
b
t[s]
b) b)
U[V] U[V]
1
0.9
0.8 0.8
0.7
0.6
0.6
0.5
0.4
0.4
0.3
0.2
0.2 0.1
0
0 -0.1
0.5 1 1.5 t[s] 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 t[s]
c c
c) c)
211