Universitatea Aurel Vlaicu din Arad

Facultatea de inginerie

Prof.dr.ing. Marius Bălaş

Curs de

MODELARE, IDENTIFICARE ŞI SIMULARE

Pentru uzul studenţilor

- 2017 -

0
 Curs de
Modelare, identificare şi simulare

Capitolul 1. INTRODUCERE ÎN MODELAREA SISTEMELOR

1.1. Introducere
Civilizaţia modernă se bazează pe o revoluţionare a muncii. Mecanizarea, prin care
încă din secolul XVII s-a înlocuit munca fizică brută, a fost completată de automatizare, prin
care însăşi prezenţa omului este înlocuită prin sisteme de conducere automată a proceselor.
Dintre consecinţele automatizării, pe lângă eliberarea oamenilor de muncile obositoare şi de
rutină, se numără şi dezvoltarea unui aparat teoretic Teoria sistemelor TS, a cărui întindere şi
importanţă a depăşit cu mult scopurile iniţiale. Influenţele sale se întind astăzi în domenii
foarte diferite: informatică, medicină, biologie, economie, sociologie şi chiar filozofie, studiul
acestei discipline fiind indispensabil oricărui inginer. TS este o disciplină ştiinţifică de sine
stătătoare care îşi propune să creeze un cadru unificat de noţiuni necesare studiului
comportării diverselor tipuri de sisteme. TS creează o bază abstactă de metode generale,
tehnici, algoritmi, etc., prin care se pot analiza, modela, identifica, sintetiza şi optimiza
sisteme, indiferent dacă natura lor este biologică, chimică, mecanică, electrică, economică sau
socială. Principalele aplicaţii inginereşti ale TS se regăsesc în domeniul automatizărilor.
Definirea noţiunii de sistem se poate face în foarte multe moduri, o definiţie globală
putând fi următoarea: “sistem = mulţime de obiecte legate între ele prin forme de interacţiune
sau interdependenţă”. Această definiţie deşi corectă, este prea puţin precisă. O definiţie mai
constructivă a fost propusă de L. A. Zadeh, apelând la noţiunea de obiect abstract A, ca rela-
ţie de tip intrare-ieşire (ecuaţie, algoritm, etc.). Sistemul după Zadeh este o mulţime de N obi-
ecte abstracte Ai cu i = 1...N, în care o parte dintre intrările sau ieşirile asociate unor obi-
ecte din mulţime pot fi constrânse în orice moment să fie egale cu unele intrări sau ieşiri ale
altor obiecte din multime. Aceste constrângeri provoacă o structurare a sistemului. Grupările
de n obiecte abstracte, n < N, care prezintă o caracteristică particulară comună se vor numi
subsisteme. Un subsistem poate fi considerat la rândul său sistem de sine stătător.
Din punct de vedere automatist modul cel mai util de definire a noţiunii de sistem
pleacă de la conceptul de sistem fizic, obiectul automatizărilor constând din sisteme tehnice,
deci prin excelenţă fizice. Un sistem fizic SF este ansamblul material în care se desfăşoară un
proces fizic. La rândul său procesul fizic PF este o succesiune de transformări suferite de
obiectele sau fenomenele fizice interconectate potrivit unei anumite structuri, văzute în desfă-
şurarea lor spaţială şi temporală. Orice PF implică transferări sau transformări de masă şi
energie, presupunând interacţiuni cu mediul inconjurator. Privit sub această prismă, un SF
este caracterizat prin diferite mărimi fizice, care pot fi grupate in 3 categorii:
* mărimi de intrare, prin care mediul actionează asupra sistemului;
* mărimi de ieşire, prin care sistemul acţionează asupra mediului;
* mărimi de stare, prin care se poate caracteriza în orice moment starea internă a SF.

1
 Între mărimile de intrare şi mărimile de ieşire există o relaţie de cauzalitate, ieşirile
fiind efectele intrărilor. În fig.1.1 este reprezentat schematic un SF cu mărimile aferente. În
continuare vom folosi notaţiile din figură : u - vectorul mărimilor de intrare, x - vectorul
mărimilor de stare şi y - vectorul mărimilor de ieşire. Reprezentarea vectorială este potrivită,
având în vedere numărul uneori foarte mare de mărimi aferente unui SF.

u1 x1 y1
x2
u2 . y2

. . .
INTRĂRI . . . IEŞIRI
xq .
.
SF STĂRI yp
up

MEDIUL ÎNCONJURĂTOR
Figura 1.1 Sistem fizic cu p intrări, q ieşiri şi r stări
Evoluţia în timp a oricărui PF se desfăşoară ireversibil dinspre trecut, prin prezent, în-
spre viitor. Singura cale de a putea aprecia tendinţele şi evoluţia viitoare a unui SF porneşte de
la cunoaşterea stării actuale şi a stărilor trecute. Prin cunoaşterea stării unui SF într-un
moment dat se înţelege determinarea valorilor momentane ale x.
Un PF constă deci din evoluţia dinamică a stărilor SF. Deoarece transformările şi
transferările de masă şi energie presupuse de un PF, cel puţin la nivel macroscopic, nu se pot
realiza instantaneu, se poate afirma că toate mărimile care caracterizează un SF sunt continue
în timp.
Prin acţiuni conştiente omul a realizat SF artificiale, în care se desfaşoară PF care răs-
pund unor cerinţe impuse de el. Aceste procese se numesc procese tehnice PT, iar cadrul în
care ele se desfaşoară (utilaje, aparate, etc.) se numeşte instalaţie tehnologică IT.
Reprezentarea IT se poate face în mai multe moduri, dintre care cele mai uzuale sunt:
* schema bloc, o reprezentare grafică prin care se evidenţiază principalele elemente funcţio-
nale sau informaţionale ale SF, cu conexiunile dintre ele, fără reflectarea aspectelor construc-
tive şi a funcţionării în detaliu;
* schema de principiu, o reprezentare grafică prin care se detaliază elementele componente
şi conexiunile dintre ele, redate prin simboluri specifice, convenţionale. Schemele care
cuprind totalitatea detaliilor constructive şi funcţionale se numesc scheme desfăşurate, pe
baza lor putându-se executa respectivul produs.
De foarte multe ori însă, mai ales în timpul procesului de elaborare a proiectelor, pre-
cum şi în activitatea didactică, se pot folosi schiţe sau alte reprezentări simplificate.
În acest context Modelarea, identificarea şi simularea MIS este o disciplină puternic
legată de TS, care are ca obiect studierea sistemelor cu ajutorul calculatorului. În ultimele de-
cenii MIS a ajuns un instrument fundamental în Automatică şi TS, el fiind utilizat atât în
analizele şi sintezele teoretice cât şi în proiectarea, testarea sau optimizarea aplicaţiilor.

2
 1.2. Exemple de modele simple ale unor sisteme elementare
Exemplul 1.1: sistemul mecanic de ordinul 2 cu translaţie, alcătuit dintr-un cărucior
cu masa m, un resort cu constanta de elasticitate k şi un element de amortizare cu coeficientul
de frecare vâscoasă f. Sub acţiunea unei forţe externe F(t), căruciorul va suferi o deplasare l(t)
faţă de poziţia sa de echilibru.
Un model simplu al acestui sistem,
f care are la intrare forţa F(t) iar la ieşire
deplasarea l(t) rezultă din ecuaţia de
m echilibru a forţelor:
k
d2l dl
m 2  f 2  kl  F(t ) (1.1)
dt dt
Figura 1.2 Exemplu de sistem mecanic

Exemplul 1.2: sistemul mecanic de ordinul 2 cu rotaţie în jurul unei axe, cum ar fi de
exemplu un echipaj mobil al unui aparat electric de măsură, va avea un model foarte asemănă-
tor. Dacă j este momentul de inerţie al echipajului mobil, a coeficientul de frecare în lagărul
axului, d coeficientul de elasticitate al resortului care realizeaza cuplul antagonist, c(t) cuplul
motor proporţional cu mărimea măsurată iar(t) poziţia unghiulară (indicaţia), va rezulta
următoarea ecuaţie între (t) ieşirea şi c(t) intrarea:
d 2α dα
j 2
 a 2  dl  c(t) (1.2)
dt dt
Exemplul 1.3: sistemul electric de ordinul 2 format de circuitol RLC serie, alimentat
de la sursa de tensiune electromotoare u(t). Comportarea în timp a acestui circuit este descrisă
prin ecuaţia rezultată din teorema a II-a a lui Kirchoff, utilizând următoarele mărimi: u(t) ten-
siunea electromotoare, i(t) curentul, uC(t) tensiunea de pe condensator iar UC0 încărcarea
iniţială a condensatorului. R este rezistenţa, L inductivitatea iar C capacitatea.

t
di 1
Ri  L   idt  UC0  u(t) (1.3)
R L dt C 0
C
u(t) uC(t) Intrarea este U(t) iar ieşirea i(t).

Figura 1.3 Exemplu de sistem electric

Dacă vom considera ca mărime de ieşire tensiunea condensatorului uC(t):

t
1
u C (t)   idt  UC0 (1.4)
Co
sau, prin derivare :
du
i(t)  C  C (1.5)
dt

3
rezultă în final ecuaţia:

d 2uC du
LC 2
 RC C  u C (t)  u(t) (1.6)
dt dt
Exemplul 1.4: sistemul hidraulic format dintr-un vas de secţiune cilindrică S alimentat cu
debitul di , cu scurgere liberă prin robinetul cu secţiune Se. Viteza de evacuare prin Se este
dată de legea lui Toricelli, variaţia nivelului de lichid, h(t), rezultând din diferenţa debitelor:

dh
S Di Se S  S e 2gh  d i (t) (1.7)
dt
h(t)

Figura 1.4 Exemplu de sistem hidraulic

1.3. Obiectivele modelării pe calculator

Din exemplele de mai sus reiese că modelarea matematică chiar şi a celor mai simple
IT este realizabilă prin ecuaţii diferenţiale liniare. În cazul sistemelor mai complicate
modelele se dezvoltă prin sisteme de ecuaţii, având parametri variabili în timp şi distribuiţi în
spaţiu şi chiar prin ecuaţii cu derivate parţiale. Prelucrarea clasică a acestor modele, respectiv
rezolvarea analitică a acestor ecuaţii este practic imposibil de aplicat în activităţile curente, cu
excepţia aplicaţiilor extrem de simple sau a verificărilor manuale care se pot efectua pentru
anumite cazuri particulare. După o primă etapă în care calculatoarele erau utilizate doar la
prelucrarea soluţiilor analitice furnizate de programatori, s-a trecut la integrarea numerică a
ecuaţiilor diferenţiale, metodă prin care este suficient să oferim calculatorului modele (ecuaţii
cu diferenţe finite) pe care acesta să le integreze, fără a mai fi necesară rezolvarea analitică.
Prin această abordare eficienţa activităţilor din domeniul cercetării şi dezvoltării noilor
produse şi procese a crescut considerabil, nemaivorbind de alte avantaje oferite de simulările
pe calculator faţă de testările experimentale: costuri incomparabil mai mici, accelerarea
lucrărilor, înlăturarea riscurilor de accidente, poluare sau manevre greşite, etc.
În ciuda acestor avantaje, modelările pe calculator au şi limitări, dintre care cea mai
importantă este dependenţa rezultatelor de metodele de integrare şi de parametrii aleşi pentru
integrări. În cazul în care diferite metode oferă rezultate substanţial diferite este evident că ale-
gerea variantei optime devine o problemă, pentru rezolvarea căreia vor fi necesare eforturi
mergând până la rezolvarea analitică a modelelor pentru cazuri particulare.

4
 1.4. Modele matematice
1.4.1. Generalităţi despre modelele matematice
Studierea unui SF începe o dată cu stabilirea ecuaţiilor prin care el poate fi modelat
matematic. Determinarea unui model matematic MM face posibilă caracterizarea cantitativă a
funcţionării sistemului. MM constau din ecuaţii algebrice, ecuaţii diferenţiale, ecuaţii cu deri-
vate parţiale, sisteme de ecuaţii, etc. Pentru acelaşi sistem sunt posibile mai multe MM, cu
diferite grade de precizie şi de complexitate, în funcţie de modul de alegere al mărimilor şi de
scopurile propuse.
MM pot fi structurale sau sintetice. Parametrii unui MM structural vor fi determinaţi
pe baza mărimilor fizice şi a structurii SF. Aplicând legi şi teoreme cum ar fi legea conservării
energiei, legea lui Newton, teoremele lui Kirchoff etc., se pot stabili modele pentru
majoritatea SF. Există însă şi situaţii când, datorită complexităţii sau inaccesibilităţii
sistemului, structura sa nu se poate stabili, fiind necesară construirea unor MM sintetice, care
să-i aproximeze satisfăcător funcţionarea. În acest caz, identificarea SF printr-un MM poate
avea loc numai după efectuarea de experimentări şi urmărirea concordanţei dintre MM şi SF
real.
De cele mai multe ori MM poate fi simplificat prin liniarizări, reducerea ordinului
ecuaţiilor diferenţiale şi ipoteze simplificatoare, fără a se produce erori importante.
În funcţie de natura proceselor care au loc, MM pot fi clasificate în foarte multe cate-
gorii: liniare sau neliniare, variabile sau invariabile în timp, deterministe sau stohastice, fuzzy
sau non fuzzy, etc.
Poate cea mai profundă diferenţiere dintre sisteme este provenită din caracterul liniar
sau neliniar al MM. Reamintim că liniaritatea unui sistem este evidenţiată prin relaţia dintre
ieşire şi intrare, la sistemele liniare aplicându-se principiul superpoziţiei. Pentru două
variabile de intrare u1(t) şi u2(t) care provoacă ieşirile y1(t) şi y2(t), în cazul acţiunii lor
simultane ieşirea va fi formată din suma răspunsurilor sistemului la cele două intrări: y(t) =
y1(t) + y2(t). În acelaşi timp sistemele liniare sunt şi omogene, la o intrare amplificată ieşirea
fiind amplificată în aceeaşi măsură: pentru intrarea · u(t) rezultând la ieşire · y(t).
Tratarea teoretică a sistemelor neliniare este mai dificilă, motiv pentru care de cele mai
multe ori se caută obţinerea liniarizării sistemelor (vezi formula 1.27). În aplicaţii se pot
întâlni soluţii foarte diverse de tratare a sistemelor neliniare, bazate mai ales pe metode de
inteligenţă artificială.
O clasificare fundamentală a modelelor apare în funcţie de modul de reprezentare a
timpului. Modelele constituite din ecuaţii integro-diferenţiale continuale se numesc cu timp
continuu. Modelele care ţin seama de natura prelucrării semnalelor în cadrul sistemelor
digitale¸ prelucrări care pornesc de la eşantionarea semnalelor cu o anumită perioadă de
eşantionare, se numesc modele cu timp discret.
Etapa de identificare şi modelare este doar prima etapă de studiu a unui sistem. Prelu-
crarea matematică a modelului este etapa care oferă de fapt informaţiile referitoare la compor-
tarea sistemului şi la indicii săi de performanţă în cazul sistemelor de reglare: stabilitatea, pre-
cizia statică, viteza de răspuns, etc.) Odată cu dezvoltarea ştiinţei sistemelor şi calculatoarelor,
rezolvarea ecuaţiilor a fost înlocuită de integrarea numerică efectuată de calculator. Procedul
se numeşte simulare, şi are o importanţă ştiinţifică şi economică tot mai mare.

5
 Simulările permit studiul aprofundat al unor sisteme inaccesibile, nemăsurabile sau
greu măsurabile, periculoase şi reduc în mare măsură cheltuielile de cercetare-dezvoltare a
noilor produse şi tehnologii

1.4.2. Mărimi generalizate

Din primele trei exemple prezentate anterior (1.1, 1.2 şi 1.3) se remarcă o asemănare
surprinzătoare între MM ale unor SF având naturi total diferite. Această asemănare formală
provine din faptul că în ultimă instanţă, toate PF constau din acumulări, disipări şi
transformări de energie, sub diferite forme. Conceptul de mărime generalizată exploatează
această unitate formală, facilitând procesul de elaborare al MM. Mărimile generalizate vor fi
indicate în continuare cu indicele g.
Notând cu eg o mărime generalizată care poate reprezenta tensiunea electromotoare,
forţa sau presiunea, iar prin ig o mărime generalizată care poate defini curentul, viteza sau
debitul masic, toate elementele disipatoare de energie pot fi descrise prin ecuaţiile
generalizate:
eg = Zg · ig (1.8)
p = eg · ig (1.9)
unde Zg este impedanţa generalizată iar p este puterea disipată.
Elementele acumulatoare de energie pot fi descrise prin relaţii generale dacă se apelea-
ză la mărimile qg, deplasare generalizată şi g, impuls generalizat.
Pentru acumulatoarele de energie potenţială :

q g =  ig · d t (1.10)

iar pentru acumulatoarele de energie cinetică :

g =  eg · d t (1.11)
Principalele legături dintre mărimile fizice de natură mecanică sunt binecunoscute:
t


dv
l  v  dt , f  m  , p=m·v, f=k·l, F=μ·v (1.12)
dt
0

cu: l = deplasarea [m], v = viteza [m/s], f = forţa [N], m = masa [kg], p = impulsul [kg·m/s], k
= constanta de elasticitate [N/m] iar μ = coeficientul de frecare [N·s/m].
Aceleaşi legături pentru mărimile de natură electrică sunt urmatoarele:

q=  i · dt , e =
d
, =L·i, e=
q
, e=R·i (1.13)
dt C
cu: q = sarcina electrică [C], i = intensitatea curentului electric [A], e = tensiunea electromo-
toare [V],  = fluxul magnetic, [T L = inductivitatea [H], C = capacitatea [C], iar R = rezis-
tenţa [].
Facând conexiunile dintre relaţiile clasice şi marimile generalizate, rezultă câteva con-
cluzii extrem de importante :
* eg corespunde tensiunii respectiv forţei,

6
* ig corespunde curentului electric respectiv vitezei,
* qg corespunde sarcinii electrice respectiv deplasării,
* g corespunde fluxului magnetic respectiv impulsului,
* se pot introduce elementele generalizate de circuit: Rg, rezistenţa generalizată, corespun-
zătoare mecanic coeficientului de frecare, Lg, inductanţa generalizată corespunzatoare masei
şi Cg, capacitatea generalizată corespunzatoare inversei constantei de elasticitate. Rg va
caracteriza disiparea de energie, Lg va caracteriza acumularea de energie cinetică şi inerţia iar
Cg va caracteriza acumularea de energie potenţială.

Elementele genralizate de circuit vor fi definite astfel:

eg qg g
Rg = , Cg = , Lg = (1.14)
ig eg ig

Relaţiile pentru calculul puterii disipate p vor fi:

2
2
eg
p = Rg · ig = [W] (1.15)
Rg

iar energiile potenţială şi cinetică acumulate vor fi:

1
wp = · Cg · eg2 [W·s] (1.16)
2

1
wc = · Lg · ig2 [W·s] (1.17)
2

În figura 1.5 se prezintă ansamblul mărimilor generalizate.

eg
energie potenţială
(1.16) tensiune
forţă (1.11)

(1.14) Cg
sarcină putere flux
impuls g
qg Rg
deplasare (1.15)
(1.8)

(1.10) curent Lg (1.14)

viteză
energie cinetică
ig (1.17)

7
Figura 1.5 Ansamblul mărimilor generalizate

8
 Ca o consecinţă a celor de mai sus s-a conceput metoda modelării sistemelor de
diferite naturi fizice prin scheme electrice echivalente. Această metodă este utilă în în studiul
vibraţiilor structurilor mecanice (suspensii de vehicule, poduri, etc.), termotehnică, hidraulică
şi în multe alte domenii.
Cea mai importantă consecinţă a omogenităţii SF din punct de vedere matematic o
constituie însă posibilitatea studierii MM abstracte fără a fi necesară precizarea naturii con-
crete a sistemului studiat. Se poate astfel defini noţiunea de sistem dinamic SD, caracterizat
exclusiv prin modelul său matematic. Locul mărimilor fizice din SF este luat în cazul SD de
variabile.
Metodele dezvoltate în cadrul Teoriei Sistemelor pot fi astfel aplicate în majoritatea
domeniilor tehnice, biologice, economice sau de altă natură fără mari probleme de adaptare.

9
 Cap. 2. MODELAREA ŞI SIMULAREA UNOR SISTEME SIMPLE

2.1. Sistemele de ordin I şi II

Foarte des, în aplicaţii şi în natură se întâlnesc SF care includ unul sau două elemente
acumulatoare de energie cinetică şi potenţială şi câte un element disipator.
Sistemul de ordin I este modelabil printr-o ecuaţie diferenţială de ordin I:
dy
a1   a 0  y(t)  b 0  u(t) (2.1)
dt
În mod tradiţional ecuaţia se scrie:
dy
T  y(t)  K  u(t) (2.2)
dt
a b
unde T  1 este constanta de timp iar K  0 este coeficientul de amplificare.
a0 a0
Sistemul de ordin II este reprezentat prin ecuaţia diferenţială de ordin II:

d 2y dy
a2   a1   a 0  y(t)  b 0  u(t) (2.3)
dt 2 dt

care poate fi exprimată şi sub forma:

d2y dy
 2  ξ  ωn   ω n 2  y(t)  K  ω n 2  u(t) (2.4)
dt 2 dt

a0 a1 b0
unde n = este pulsaţia naturală,  = factorul de amortizare iar K =
a2 2 a 0a 2 a0
factorul de amplificare (transfer).
Aceşti parametri pot fi cu uşurinţă particularizaţi pentru cazurile sistemelor mecanic
(1.1) şi electric (1.6):
k 1
ωn   (2.5)
m LC

f 1 R L
ξ    (2.6)
2 k m 2 C
1
K pentru sistemul mecanic şi K = 1 pentru cel electric. (2.7)
k

10
 Forma generală sub care se prezintă un sistem liniar de ordin n este:
n di y m d ju
 ai    bj  (2.8)
i 0 dt i j 0 dt j

Când dimensiunile vectorilor u şi y sunt mai mari decât 1 rezultă sisteme de ecuaţii
diferenţiale reprezentabile sub formă matricială.
Este remarcabilă condiţia de realizabilitate fizică:

n  m. (2.9)
Condiţia (2.9) poate fi interpretată în sensul relaţiei cauză-efect. După cum se observă
dy
de exemplu în (2.1) sau (2.2), cauza u provoacă asupra ieşirii y efectul . O inversare a
dt
relaţiei (2.9) s-ar putea produce doar dacă y ar deveni cauză iar u efect, respectiv dacă ieşirea
are precede intrarea.
O alt aspect fundamental acoperit de relaţia (2.9) este acela că orice SF va introduce o
oarecare întârziere a răspunsului y(t) faţă de excitaţia u(t) din cauza elementelor inerţiale
(masa în sistemele mecanice respectiv inductivitatea în cele electrice). Acest fenomen se
manifestă fizic prin apariţia unei întârzieri a ieşirii faţă de intrare, respeectiv prin
imposibilitatea depăşirii unor frecvenţe maxime de oscilaţie, aşa cum se va vedea în capitolele
următoare. În unele aplicaţii vom putea considera pentru anumite domenii de frecvenţă m  n,
dar în ultimă instanţă la orice SF, odată cu creşterea frecvenţei de funcţionare se va ajunge
mai repede sau mai târziu la manifestarea condiţiei (2.9).
Sistemele de orin superior se întâlnesc însă mai rar în natură, ele fiind de cele mai
multe ori artificiale. Mai mult, de cele mai multe ori ele pot fi prezentate ca şi combinaţii de
sisteme elementare de ordin I sau II.
Modelul sistemului de ordin doi este obţinut, cel puţin pentru sistemul mecanic, în ipo-
teza simplificatoare a unor deplasări mici în jurul unei poziţii de echilibru. În cazul
deplasărilor mari modelul liniar nu mai este valabil. De cele mai multe ori liniarizarea
modelelor este posibilă cu erori mici, cel puţin în jurul unor puncte de funcţionare, de
exemplu prin dezvoltare în serie Taylor:

(x  x 0 ) (x  x 0 )
y(x)  y(x 0 )  y (1) (x 0 )       y (n) (x 0 )  (2.10)
1! n!

y yliniar(x)
Prin y(n)(x0) se notează derivata de ordin
y0 n a funcţiei y(x) în punctul x0.
yneliniar(x)

x0 x
Fig. 2.1. Liniarizarea unei funcţii în jurul unui punct de funcţionare

11
 2.2. Modelarea Simulink a sistemele de ordin I şi II
Aplicaţia 2.1: Modelul Simulink al unui sistem de ordin I.

Step K
y
T
1 Scope
y0
K
Sistem ord. 1
1

y0

Fig. 2.2. Fereastra principală a aplicaţiei Sistem ordin 1

Fig. 2.3. Modulul Sistem ordin 1

Modulul Sistem ordin 1 este construit pornind de la exprimarea derivatei ieşirii y din
ecuaţia (2.2) în funcţie de intrarea u şi de y:
dy K 1
  u(t) -  y(t) (2.11)
dt T T
În urma integrării se obţine ecuaţia care stă la baza modulului din fig. 2.3:

y  y0 
1
T
 K  u(t) - y(t) dt  (2.12)

12
 Se remarcă faptul că blocul de integrare este setat în varianta cu valoare iniţială exter-
nă, introdusă prin intrarea 4 - yo. Pentru a facilita dezvoltarea unor modele mai complicate
este recomandabilă ierarhizarea modulelor, prin utilizarea subsistemelor. În fereastra princi-
pală din fig. 2.2 este inclus subsistemul Sistem ordin 1 la ale cărui intrări sunt conectate prin-
cipalele variabile de intrare, mărimea de intrare în sistem u dar şi parametrii T, K şi valoarea
iniţială a ieşirii yo.

Aplicaţia 2.2: Modelul Simulink al unui sistem de ordin II.

Step u

1 K

K w y
Scope
1 f

w yo
Sistem ord. 2
1

y0

Fig. 2.4. Fereastra principală a aplicaţiei Sistem ordin 2

1 Integrator1
u 1
Product1 s
2 Product
K
1
y
3 u*u 2
1
w
Fcn xo s
Gain

Integrator
4
f Product2

5
yo

Fig. 2.5. Modulul Sistem ordin 2

13
 Ecuaţia modelată de modulul Sistem ordin 2 rezultă din integrarea dublă a ecuaţiei (2.4).
 

2 dy 2 2
y K  ω n  u(t) - 2  ξ  ω n  dt  ω n  y(t)  dt 
 

  K  ω n  
2
  u(t)  ω n 2  y(t)  dt - 2  ξ  ω n  dt (2.13)

Intrările în modul sunt u intrarea, K factorul de amplificare, w (pentru ωn) pulsaţia

naturală, f (pentru ξ) factorul de amortizare şi y0 valoarea iniţială a ieşirii.

2.3. Modele intrare-ieşire şi intrare-stare-ieşire

MM prezentate până acum au o trăsătură comună: utilizează numai vectorii de intrare
şi de ieşire u şi y. Acest fel de MM se numesc modele matematice intrare-ieşire MM-II. Ele
sunt simple, intuitive şi suficient de cuprinzătoare, având în vedere definiţia sistemelor în sens
Zadeh (§1.1). MM-II sunt esenţiale pentru studiul sistemelor şi oferă soluţii satisfăcătoare în
multe aplicaţii.
Se poate însă reproşa însă MM-II faptul că ele nu oferă nici o informaţie referitoare la
structura internă a sistemului. Din punctul de vedere al MM-II sistemul este o cutie neagră
(“black box” engl.), având doar intrări şi ieşiri.
MM care conţin pe lângă vectorii de intrare şi de ieşire u şi y şi vectorul stărilor
interne ale sistemului x se numesc modele matematice intrare-stare-ieşire MM-ISI. Prin
intermediul variabilelor de stare MM este completat cu informaţii structurale despre sistem.
Variabilele de stare determină comportarea viitoare a unui sistem când şi intrările şi starea
prezentă (rezultat al intrărilor anterioare) sunt cunoscute.
Alegerea variabilelor de stare se poate face în diferite moduri, în mod obişnuit folosin-
du-se diferite mărimi caracteristice din sistem şi derivatele lor. De cele mai multe ori şi ieşirile
se includ printre variabilele de stare.
Notând cu x’ derivata lui x, MM-ISI poate fi prezentat sub forma canonică:
x’ = f(t, x, u) - ecuaţia de stare (2.14)
y = g(t, x, u) - ecuaţia de ieşire
cu:
u  Rp vectorul variabilelor de intrare
x  Rq vectorul variabilelor de stare
y  Rr vectorul variabilelor de ieşire
f : R x Rp x Rq  Rq funcţia de tranziţie
g : R x Rq  Rr funcţia de ieşire
Tipul funcţiilor de tranziţie şi de ieşire reprezintă cel mai riguros criteriu de clasificare
a SD. Astfel sistemele liniare, la care are loc superpoziţia efectelor fiecărei intrări şi variabile
de stare vor fi de forma:
x’ = A(t) · x + B(t) · u (2.15)
y = CT(t) · x

14
 Superpoziţia permite decelarea efectelor variabilelor de intrare şi stare.
Matricile A, B şi C sunt alcătuite din parametrii ecuaţiilor diferenţiale ale modelului.
În cazul în care aceşti parametri sunt invarianţi în timp, modelul este de forma:
x’ = A · x + B · u (2.16)
y = CT · x

2.4. Modele II şi ISI pentru motorul de curent continuu cu excitaţie independentă

Exemplul 2.1: MM-II al unui motor de curent continuu cu excitaţie independentă.

u - tensiunea rotorică
R L e e - tensiunea contraelectro-
 motoare
Sarcină
Cr J i - curentul rotoric
u
R, L - parametri rotorului
Cm
i iex  - viteza unghiulară
Cm - cuplul motor
Cr - cuplul rezistent
Fig. 2.6 Motorul electric de curent continuu J - momentul de inerţie

Ecuaţiile care descriu funcţionarea motorului rezultă din aplicarea legii a II-a a lui
Kirchoff şi din echilibrul cuplurilor:
di
u e  Ri  L (2.17)
dt
dω
Cm  J   Cr (2.18)
dt
unde e = ke·  cu ke constanta electrică a motorului iar Cm = km· i cu km constanta mecanică.
Eliminând între cele două ecuaţii variabila i se obţine un MM-II având ca mărime de
intrare u iar ca mărime de ieşire  viteza unghiulară:

d 2ω dω
LJ  RJ  k m  k e  ω  k m  u  R  Cr (2.19)
dt 2 dt
Deseori în aplicaţii, în locul vitezei unghiulare  [rad./s] se preferă utilizarea turaţiei n
60  ω
[rot./min]. Între n şi  există relaţia n  .
2 
Curentul i are însă un rol fundamental în funcţionarea motorului, întrucât el produce
momentul motor. Un variator de turaţie pentru orice tip de motor electric nu poate fi imaginat
fără a avea capacitatea de a regla pe lângă turaţie şi curentul motorului. De aceea, studiul rigu-
ros al motorului nu poate fi făcut doar cu modele II.

15
Exemplul 2.2: MM-ISI al unui motor de curent continuu cu excitaţie independentă.
Pentru a obţine un MM-ISI capabil să contribuie la obţinerea unor performanţe deose-
bite ale acţionării electrice este recomandabil să se includă printre variabilele de stare şi
unghiul de rotaţie a axului motorului . În cazul unei acţionări pentru roboţi sau pentru maşini
unelte NC cu comandă numerică, care necesită poziţionări precise, această variabilă ar putea fi
chiar variabila de ieşire, deoarece în cazul unui lanţ cinematic de bună calitate şi a unui
echipament performant,  este o măsură a poziţiei maşinii.
Setul de variabile de stare ales va fi:
x1 = 
x2 =  = ‘= x’1 (2.20)
x3 = i
cu vectorul mărimilor de stare:

x1
x = x2 (2.21)
x3
Transpunerea matricii C din relaţiile (2.15) şi (2.16) sunt necesară pentru a face posibil
produsul vectorial y = CT·x.
Modelul, în forma sa canonică, rezultă:
x'1  x 2
k C
x' 2  m  x 3  r (2.22)
J J
k R 1
x'3   e  x 2   x 3   u
L L L
putând fi scris sub formă matricială:
x’ = A x + B u + D Cr (2.23)
y = CT x
respectiv

x’1 0 1 0 x1 0 0
x’2 = 0 0 km/J · x2 + 0 · u + -1/J · Cr
x’3 0 -ke/L -R/L x3 1/L 0
(2.24)
x1
y = 0 1 0 · x2 = x2 = 
x3

16
Aplicaţia 2.3: Modelul Simulink al motorului de curent continuu cu excitaţie independentă
din Exemplul 2.1.

Modelul Simulink al sistemului de ecuaţii (2.17) - (2.18) este realizat utilizând

următorii parametri:
- u = 110 Vcc;
- R = 0.1 Ω;
- L = 10 mH = 0.01 H;
- ke = 0.5 V·s/rad.;
- km = 5 N·m/A;
- J = 10 kg·m2;
În cursul simulărilor cuplul rezistent va lua diferite valori cuprinse între 0 şi o valoare
maximă admisibilă.
Fereastra principală a modelului, în care sunt introduse valorile variabilelor de intrare
şi a parametrilor şi sunt vizualizate răspunsurile în curent si turaţie ale motorului este prezen-
tată în fig. 2.7 iar modulul MoCC prin care se implementează sistemul de ecuaţii în fig. 2.8.

110 u

V
0.01 L
i
L
0.1 R
R
0.5 Ke
Ke
5 Km Scope
Km n
Cr

Cr
1 J
J
MoCC

Fig. 2.7. Ferastra principală a modelului motorului de curent continuu

Organizarea modelelor Simulink propusă în acest curs, respectiv utilizarea de subsis-
teme cum ar fi Mocc în fig. 2.7 sau Sistem ordin 1 şi Sistem ordin 1 în fig. 2.2 respectiv 2.4,
care sunt plasate într-o fereastră principală unde se introduc parametrii simulărilor şi se anali-
zează rezultatele, nu este singura posibilă, dar are cel puţin două avantaje:
- prin structurarea modulară uşurează dezvoltarea modelelor mai complexe;
- dezvoltă un reflex strict necesar în automatică ca şi de altfel în orice alt context de
raţionamente: identificarea corectă, de la bun început, a intrărilor şi ieşirilor;

17
 1
Sat
u
1
Prod1 1
2 1/u s
i
L Int1
Fcn1

3
Prod3
R
Prod2
4
Ke

5 1
u*30/pi 2
Km Prod4 s w
n
Prod5 Int2 w => n
6
Cr Fcn2

7 1/u
J

Fig. 2.8. Modulul MoCC

2.5. Desfăşurarea simulărilor

Elaborarea modelului este doar prima etapă a studiului unui sistem. Analizarea propriu
zisă a proprietăţilor şi performanţelor sale se bazează pe prelucrarea modelului. Metoda cla-
sică de studiu constă din rezolvarea sistemelor de ecuaţii care constituie modelele. Soluţiile
astfel obţinute permit calcularea răspunsurilor în timp produse de sisteme pentru diferite sem-
nale de intrare şi calculul altor indici de performanţe. Rezolvarea ecuaţiilor care modelează
sistemele reale este însă extrem de laborioasă sau chiar imposibilă în cazul multor sisteme
neliniare şi/sau variabile în timp, foarte complicate, sau insuficient cunoscute. Integrarea
numerică a variantelor cu diferenţe finite ale ecuaţiilor diferenţiale face posibilă obţinerea
răspunsurilor în timp fără a mai fi nevoie să se cunoască a priori soluţiile. Sistemele de calcul
numeric oferă posibilitatea integrării numerice a ecuaţiilor modelului chiar şi în timp real.
Studiul sistemelor prin integrarea numerică a ecuaţiilor modelelor se numeşte simulare şi are
o serie de avantaje majore:
- eliminarea cheltuielilor materiale şi a eventualelor riscuri asociate testării de
laborator a sistemelor;
- reducerea spectaculoasă a timpului cerut de obţinerea rezultatelor, comparativ cu
testarea de laborator;
- accelerarea proceselor de sinteză şi dezvoltare a produselor şi tehnologiilor;

18
 În figurile următoare sunt prezentate rezultatele unor simulări efectuate cu ajutorul
celor trei aplicaţii de mai sus.

1
0.8
intrare

0.6
0.4
0.2

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

1
0.8
iesire

0.6

0.4
0.2

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t [s]

Fig. 2.9. Rezultatul unei simulări (răspuns indicial) - aplicaţia 2.1., pag. 11

1
0.8
intrare

0.6
0.4
0.2

0
0 1 2 3 4 5 6 7 8 9 10

1
iesire

0.5

0
0 1 2 3 4 5 6 7 8 9 10
t [s]

Fig. 2.10. Rezultatul unei simulări (răspuns indicial) - aplicaţia 2.2. (pag. 12)

19
 800

600
i [A]

400

200

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

2500

2000
n [rot/min]

1500

1000

500

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t [s]

Fig. 2.11. Simularea pornirii motorului din aplicaţia 2.3. (pag. 16) cu Cr = 20 N·m
Din exemplul de analiză a rezultatelor simulării aplicaţiei 2.3 care urmează se poate
forma o imagine privitoare la utilitatea simulărilor.
De la început se constată că răspunsul motorului pe durata regimului tranzitoriu (dintre
momentul iniţial când motorul este nealimentat şi momentul în care motorul a ajuns şi s-a sta-
bilizat în starea finală) este periculos. Se constată cu uşurinţă că variabila i(t) curentul rotoric
prezintă un vârf extrem de marcant faţă de valoarea finală la care se stabilizează. Vârful de
curent imax(t) reprezentând supracurentul de la pornire depăşeşte 800 A, fiind produs pe
durata când tensiunea contra-electromotoare e are valori mici faţă de tensiunea rotorică u. Pe
măsură ce motorul se accelerează şi e creşte, curentul se reduce, stabilizându-se la o valoare la
care produce doar cuplul motor necesar pentru învingerea cuplului rezistent, produs de frecări,
fără a mai fi necesară învingerea inerţiei. Un supra-curent atât de mare nu poate fi admis,
întrucât ar putea provoca distrugerea instalaţiei electrice şi chiar a motorului.
Cu ajutorul modelului pot fi testate în scurt timp diferite metode de îmbunătăţire a por-
nirii motorului, evitând pierderile de energie şi posibil chiar avariile unor testări reale.
O primă soluţie este limitarea valorii maxime a curentului. Această soluţie poate fi
aplicată cu uşurinţă în cazul variatoarelor electronice de turaţie, care de regulă au şi posibili-
tatea controlării curentului. În model, operaţia este realizată prin blocul de saturare plasat
înaintea ieşirii i (fig. 2.8). Valoarea maximă a curentului va fi limitată la 300 A.

20
 400

200
i [A]

-200

-400
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

3000
n [rot/min]

2000

1000

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t [s]

Fig. 2.12. Pornirea motorului cu limitarea curentului la 300 A

Noua simulare prezentată în fig. 2.12 confirmă limitarea supracurentului de pornire,
dar relevă apariţia unei noi probleme: apariţia unei supraturaţii, pentru că nmax(t) depăşeşte
3000 rot./min, mult peste valoarea finală de 2100 rot./min. Supraturarea motoarelor este nere-
comandabilă, putând provoca defecţiuni mecanice ale motorului propriuzis şi/sau ale lanţului
cinematic cuplat la motor sau uzarea prematură a instalaţiei. Acest comportament se datorează
inerţiei mecanice.
Se pot imagina diferite soluţii de rezolvare a problemei pornirii motorului de curent
continuu, fiecare dintre ele putând fi studiată prin simulare. Cea mai recomandabilă dar şi mai
scumpă este utilizarea unui regulator de turaţie. Se poate încerca şi pornirea motorului în gol
prin cuplarea întârziată a sarcinii, cu ajutorul unui dispozitiv de cuplare de tip ambreiaj. În
continuare se va ilustra o altă metodă extrem de simplă şi de ieftină: pornirea printr-o rezis-
tenţă rotorică adiţională, care urmează să fie înlăturată (de exemplu prin scurtcircuitare) când
motorul a depăşit regimul tranzitoriu iniţial.
Operaţia de comutare a rezistenţei de rotor poate fi simulată cu ajutorul unui modul
Repeating sequence. Prin simulări repetate se poate stabili valoarea exactă a rezistenţei adiţio-
nale care limitează curentul maxim de pornire la 300 A, fără a fi însă nevoie de un limitator de
curent electronic. Valoarea identificată prin simulare este de 0.25 Ω. Temporizarea aleasă este
de 4 s. Blocul Repeating sequence are următoarea setare:

21
 timp: [0 4 4.1 10]
rezistenţa de rotor: [0.35 0.35 0.1 0.1]

Rezultatul simulării apare în fig. 2.13.

300

200
i [A]

100

0
0 1 2 3 4 5 6

2000

1500
n [rot/min]

1000

500

0
0 1 2 3 4 5 6
t [s]

Fig. 2.13. Pornirea motorului de curent continuu cu rezistenţă adiţională

Se observă că au fost obţinute simultan cele două obiective: limitarea supracurentului

şi eliminarea supratensiunii, cu cheltuieli relativ scăzute (o rezistenţă adiţională de 0,25 Ω, un
contactor pentru comutarea rezistenţei adiţionale şi un releu de timp). Soluţia prezintă însă
dezavantajul unei porniri de lungă durată, accelerarea şi stabilizarea turaţiei durând aproxima-
tiv 5,5 s. Duratei crescute a accelerării cu rezistenţă adiţională, deci cu un cuplu motor mult
mai redus decât cel nominal, i se adaugă şi durata regimului tranzitoriu asociat dispariţiei
rezistenţei adiţionale din circuitul rotoric, care se produce la t = 4 s.
După cum s-a putut constata, simulările oferă multiple avantaje. Există însă şi un dez-
avantaj important al simulărilor: algoritmii de calcul al integrărilor numerice produc de regulă
şi erori, care în cazul unor simulări complexe şi de durată se pot cumula, distorsionând rezul-
tatele. În cazul simulărilor complexe se pot produce şi blocaje din cauza volumului mare de
calcule. În programele de simulare se pot întâlni un număr mare de metode de integrare dife-
rite, care oferă fie precizie, fie viteză de calcul, dar în cazul simulărilor importante, este strict
necesară validarea rezultatelor prin încercări experimentale sau prin calcule teoretice paralele.

22
 Capitolul 3. MODELE ÎN FRECVENŢĂ

3.1 Funcţii de transfer

3.1.1. Definirea funcţiei de transfer
Aşa cum s-a văzut în capitolul 1, deşi în studiul sistemelor simularea este extrem de
comodă si utilă, ea trebuie dublată de analiza teoretică bazată pe prelucrarea matematică a
ecuaţiilor care formează modelelor matematice MM. Cunoaşterea metodelor clasice de stu-
diere a sistemelor nu poate fi evitată, deoarece multe dintre produsele software actuale sunt
bazate tocmai pe aplicarea lor. Obiectivele prelucrărilor pot fi analiza funcţionării sistemului,
sinteza unor noi sisteme, efectuarea de corecţii, etc.
Metodele matematice cele mai avantajoase sunt cele operaţionale. Pentru sistemele
liniare cel mai frecvent operator este operatorul Laplace. Reamintim că imaginea Laplace a
unei funcţii origine de timp f(t), notată F(s)=L(f(t) a este o funcţie complexă, de variabilă
s=+j·, unde  [rad/s] este pulsaţia. Prin aplicarea sa ecuaţiile diferenţiale se transformă în
ecuaţii algebrice. Dificultăţile ridicate de manipularea operatorului Laplace sunt evitate prin
utilizarea unor tabele de corespondenţă original-imagine Laplace în care sunt catalogate
majoritatea funcţiilor uzuale (vezi Anexa 1).
Vom considera cazul central al acestui capitol, cel al sistemelor SISO (Single Input
Single Output) cu o singură intrare u(t) şi o singură ieşire y(t), liniare, cu timp continuu, inva-
riante în timp, modelabile prin ecuaţii de forma (2.8):
n m
d (i) y d (j) u
 a i  dt i   b j  dt j
i 0 j0

Aplicând operatorul Laplace acestei ecuaţii rezultă:

 n  m 
 j

 i
a i  s  Y(s)  
 
 b j  s   U(s)  Q 0 (s)

(3.1)
 i 0   j0 
sau:
Q(s) · Y(s) = R(s) · U(s) + Q0(s) (3.2)
unde Q(s) şi R(s) sunt polinoame iar Q0(s) un polinom determinat atât de parametri sistemului
cât şi de condiţiile iniţiale. Pentru condiţii iniţiale nule Q0(s) = 0.
Se defineşte funcţia de transfer FT a unui sistem liniar raportul dintre transfor-
matele Laplace ale variabilelor de ieşire şi de intrare, pentru condiţii iniţiale nule.
m
b j  s j
Y(s) R(s) j0
H(s)    (3.3)
U(s) Q(s) n
 ai  si
i 0

23
 FT este un model funcţional intrare-ieşire din categoria modelelor analitice.
Întrucât variabila complexă s are ca valoare a părţii complexe pulsaţia ω  2  π  f cu f
frecvenţa [Hz], FT este un model în frecvenţă.
Dacă Q(s) şi R(s) sunt invariante în timp FT nu depinde de variabilele de intrare u şi
de ieşire y. Coeficienţii ai şi bj determină complet FT, ei având semnificaţia de constante de
material. FT este definită pentru condiţii iniţiale nule (regim liber), ea caracterizând
funcţionarea intrinsecă a sistemului, modul în care acesta afectează tranzitul intrare-ieşire.
În cazul sistemelor cu mai multe variabile FT devine matrice de transfer.
Întrucât Q(s) şi R(s) sunt polinoame, FT se poate pune şi sub forma:
m
 s  z j 
b (s  z 1 )(s  z 2 )    (s  z m ) b m j1
H(s)  m   (3.4)
a n (s  p 1 )(s  p 2 )    (s  p n ) a n n
 s  p i 
i 1
Aşa cum se cunoaşte din Teoria sistemelor zj , cu j = 1 ... m sunt rădăcinile ecuaţiei
R(s) = 0 şi se numesc zerouri iar pi cu i = 1 ... n sunt rădăcinile ecuaţiei caracteristice Q(s)=0
şi se numesc poli, zerourile şi polii FT având o influenţă capitală asupra proprietăţilor
sistemului, atât prin numărul cât şi prin valorile lor.
Polii şi zerourile pot fi reali sau complecşi. Un sistem elementar de ordin I (element de
ordin I) este caracterizat de un pol real dacă sistemul este cu întârziere de fază, respectiv de un
zero real dacă este cu avans de fază. Un element de ordin II poate avea fie doi poli reali sau
sau două zerouri reale fie doi poli complecşi conjugaţi sau două zerouri complexe conjugate.
Ca şi consecinţă a celor de mai sus apare un fapt esenţial în modelarea sistemelor liniare:
orice sistem liniar poate fi modelat utilizând doar elemente de ordin I sau II, cu întârziere de
fază sau cu avans de fază.
Funcţia de transfer este un instrument esenţial al teoriei sistemelor. Ea poate fi
considerată o “carte de vizită” a oricărui sistem, deoarece conţine în forma cea mai
concentrată toate informaţiile necesare pentru calcularea răspunsurilor în timp ale sistemului
la orice fel de semnale de intrare, pentru calcularea indicilor de performanţă în regim static şi
dinamic, pentru analizarea sistemului în domeniul frecvenţă, etc.

Exemplul 3.1: FT ale sistemelor de ordin I şi II (2.2) şi (2.4) vor fi:

K
H I (s)  (3.5)
Ts 1
respectiv
K  ωn 2
H II (s)  (3.6)
s 2  2  ξ  ωn  s  ωn 2

3.1.2. Transformări echivalente ale funcţiilor de transfer

Pentru descompunerea modelului unui sistem complex în elementele componente fun-
damentale sau dimpotrivă pentru sintetizarea unui sistem utilizând elemente fundamentale,
este necesară aplicarea unor transformări asupra FT. Principalele transformări echivalente,
prin care nu se modifică FT globală a sistemului, sunt prezentate în tabelul următor.
Demonstrarea acestor echivalenţe este un exerciţiu recomandabil.

24
 Tabelul 3.1. Transformări echivalente ale FT

Nr. Denumire FT Schema bloc Schema echivalentă

U(s) Y(s) U(s) Y(s)
1 Legare în serie H1(s)H2(s) H1(s) H2(s) H1(s) H2(s)

U(s) Y(s) U(s) Y(s)

H1(s)
2 Legarea în H1(s) H2(s) +
H1 (s)+ H2(s)
paralel 
H2(s)
U(s) Y(s) U(s) Y(s)
H(s)
3 Reacţie H(s) + H(s)
1  H(s) G(s) + G(s) 1H(s)G(s)

U(s) Y(s) U(s) Y(s)

H(s) +
4 Eliminarea blo- H(s) + 1 H(s)G(s)
cului de pe calea 1  H(s) G(s) + G(s)
G(s)
de reacţie

U(s) Y(s) U(s) +

5 Rearanjarea U(s) V(s) + +  Y(s)
punctelor de W(s) V(s)   V(s) +
însumare W(s) +
W(s)

Deplasarea unui +
6 punct de însu- U(s)H(s) V(s) U(s)
H(s)
+ Y(s)
mare înaintea U(s)  Y(s)
V(s)  1
unui bloc
V(s) H(s)

7 Deplasarea unui
punct de însu- [U(s)  U(s) H(s) Y(s) U(s) H(s) + Y(s)
+
mare în spatele V(s)]H(s)
V(s)  V(s) 
unui bloc H(s)

8 Deplasarea unui
punct de inter- H(s) U(s) Y(s) U(s)
H(s) H(s)
secţie înaintea Y(s)
Y(s) Y(s)
unui bloc H(s)

9 Deplasarea unui
punct de inter- H(s) U(s) H(s) Y(s) U(s) H(s)
secţie în spatele U(s) 1
unui bloc H(s)

25
Exemplul 3.2: calcularea FT echivalente a unui sistem cu reacţii încrucişate:

U(s) H1(s) H2(s) H3(s) Y(s)

+ +
G1(s) G2(s)

Acest sistem poarte suferi următoarele transformări:

U(s) H1(s) H2(s) H3(s) Y(s)

+ +
a) G2(s)
G1(s)
H3(s)

U(s) H1(s) H2(s) H3(s) Y(s)

+ 1+G2(s) H2(s) H3(s)
b) G1(s)
H3(s)

Fig. 3.1. Sistem cu reacţii încrucişate

Transformările de mai sus nu sunt unicele. O altă posibilitate era de exemplu

deplasarea punctului de preluare a reacţiei G1(s) nu în spatele blocului H3(s) ci înaintea
punctului de însumare, la ieşirea blocului H1(s). După efectuarea ultimelor calcule (cazul unei
bucle de reacţie simple), se obţine FT echivalentă a sistemului:

H 1 (s)  H 2 (s)  H 3 (s)

H ech (s)  (3.7)
1  G 1 (s)  H 1 (s)  H 2 (s)  G 2 (s)  H 2 (s)  H 3 (s)

3.2. Calculul răspunsurilor în timp cu ajutorul funcţiei de transfer

Comportarea în timp a unui sistem se calculează în principiu rezolvând ecuaţia
diferenţială şi analizând soluţia. În timp s-au dezvoltat metode mai directe, dintre care trebuie
menţionată în primul rând metoda integralei de convoluţie. Se introduce în primul rând noţiu-
nea de funcţie pondere h(t) a sistemului, care este răspunsul sistemului la semnalul de intrare
impuls Dirac (t) (vezi Tabelul 2.2.) Formulele sunt:
t t

 
y(t)  uτ   ht - τ   dτ  ut - τ   hτ   dτ (3.8)
0 0

26
 Justificarea acestor relaţii apare din descompunerea semnalului de intrare într-o succe-
siune de impulsuri de durată foarte mică t şi amplitudine u(t). Valoarea ieşirii cauzată de
acţiunea unui impuls întârziat cu n · t va fi: u(n·t) · h(t - n·t). Valoarea răspunsului
sistemului în momentul t va fi dată de însumarea efectelor tuturor impulsurilor elementare.
După cum se vede, pentru aplicarea metodei este necesară cunoaşterea funcţiei pondere.
Metoda excitării sistemului cu semnale de test standardizate este extrem de utilă deoa-
rece introduce o unificare a metodelor de măsură şi de definire a parametrilor sistemelor. Prin-
cipalele semnale de test sunt reprezentate în tabelul următor.

Tabelul 3.2. Semnale de test

Denumire Definiţie Variaţie în timp Imagine Laplace

Impuls unitar Dirac 0, t0 (t)

(t) (t) = L[(t)] = 1
 ` , t=0
 (t) dt = 1 t
-
Treaptă unitară 1(t) 0, t0 1(t) 1
1(t) = 1 L[1(t)] =
1, t>0 t s

Rampă unitară 0, t0 v(t) 1

v(t) = L[v(t)] =
t, t>0 t s2

Semnal sinusoidal f(t) = sin ( · t) 1 sin(t) 

t L[sin(ωt)]=
-1 s2 + 2

Răspunsul sistemului la o excitaţie treaptă unitară poartă şi el o denumire specifică:

răspuns indicial i(t), fiind extrem de larg folosit în aprecierea performanţelor dinamice şi sta-
tice ale sistemelor. Cu ajutorul integralei de convoluţie se poate stabili relaţia dintre h(t) şi
i(t):
t t

 
i(t)  h(τ(  u(t  τ)  dτ  h(τ(  dτ (3.9)
0 0
sau prin derivare:
di(t)
h(t)  (3.10)
dt
FT permite calculul comod al răspunsului în timp. Dacă semnalul de intrare u(t) are
transformata Laplace U(s) = L[u(t)], răspunsul sistemului va fi:

y(t) = L-1[Y(s)] = L-1[H(s) · U(s)] (3.11)

27
 Funcţiei de transfer i se poate ataşa şi semnificaţia fizică de imagine Laplace a funcţiei
pondere a sistemului. Calculând răspunsul sistemului la un impuls Dirac:
h(t) = L-1[H(s)L[(t)]] = L-1[H(s) 1] = L-1[H(s)] (3.12)
de unde rezultă că:
H(s) = L[h(t)] (3.13)
Exemplul 3.3: funcţia pondere şi răspunsul indicial al sistemului de ordin I. Reamintim că FT
al sistemului de ordin I este K / (T · s + 1).
Conform (3.12), funcţia pondere rezultă imediat (vezi şi tabelul din Anexa 1):
  t
 K  K 1 1  K  T

h(t) = L H(s) = L 
1 1
= L   = e (3.14)
 T  s  1 T s  1  T
 T 
Conform (3.11)

 1  K 
i(t) = L1 H(s)   = L-1   (3.15)
 s  s  (T  s  1) 
Pentru calcul se poate apela la tabelul din Anexa 1, sau se poate descompune expresia
în fracţii elementare, rezultând:
 
    
t
K K 
i(t) = L  
-1
  K  1  e 
T (3.16)
s s 1  
 
 T 
În figura 3.2 sunt reprezentate funcţia pondere h(t) şi răspunsul indicial i(t) al unui sis-
tem de ordin I cu K = 1 şi T = 1 s.

0.9
h(t) i(t)
0.8

0.7

0.6

0.5

0.4

0.3

0.2 Fig. 3.2. Funcţia pon-

dere şi răspunsul
0.1
indicial al unui sistem
0 de ordin I
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t [s]

28
 Din compararea răspunsurilor h(t) şi i(t) se remarcă utilitatea deosebită a celui de al
doilea, care conţine doi termeni: un termen tranzitoriu, prezent şi în h(t) şi un termen constant.
Aprecierea comportării sistemului se poate face astfel atât în regim dinamic cât şi în regim
static. De altfel şi generarea impulsului treaptă, necesar determinării i(t) este comodă, în cazul
sistemelor electrice de exemplu fiind suficientă utilizarea unui întrerupător.
Exemplul 3.4: funcţia pondere şi răspunsul indicial al sistemului de ordin II.
Kωn 2
Considerăm FT a sistemului de ordin II sub forma (2.4): H(s) 
s 2  2ξns  ωn 2
În funcţie de valoarea factorului de amortizare  polii sistemului de ordin II vor avea
naturi diferite, rezultând mai multe regimuri de funcţionare distincte.
K  ωn 2
a)  = 0: în acest caz H(s) = , polii sunt complecşi conjugaţi, cu parte reală nulă, de
s 2  ωn 2
forma p1,2 =  j·ωn iar răspunsurile h(t) şi i(t) armonice:

 K ω 2 
h(t) = L-1[H(s)] = L-1  n
  K  ω n  sin(ω n  t) (3.17)
 s  ω n 
2 2

1  K ω 2 
n
i(t) = L-1[H(s ) ] = L-1   = K · (1 - cos(n·t)) (3.18)
s  s  (s  ω n 2 ) 
2

b) 0 < <1: ca şi cazul anterior sistemul are doi poli complecşi conjugaţi. Când =0 partea lor
reală este nulă, caz ideal, deoarece în sistemele reale 0. Existenţa părţii reale a polilor va
provoca amortizarea răspunsurilor sistemului (vezi fig. 3.3). Cei doi poli sunt:
p1,2 = - · n  j · n · 1 -  2 (3.19)

n k 0 n k 0
2 2
H( s )   
(s  p 1 )(s  p 2 ) (s    j 1   2 )(s    j 1   2 )
n n n n

n k 0
2

 
(3.20)
(s  n ) 2  n 1   2
2

 k 0 n
2  k 0 n nt
h(t) = L-1   e sin n 1   2  t  (3.21)
 s   n   n (1   )   
2 2 2
1 2

1 k 0 n
2  k0
i(t) = L-1     k0  e n t sin n 1   2  t    (3.22)
 s s  n    n (1   ) 
2 2 2
1  2  

1  2
cu  = - arctg( )

Răspunsurile h(t) şi i(t) sunt armonice amortizate. Factorul care provoacă amortizarea
răspunsurilor este e  nt .

29
 k 0 n
2
c)  =1: este o valoare critică pentru care polii sunt identici şi reali. FT este: H(s) 
s  n 2
 k 0 n 2   t
h(t) = L-1   = k0 n t e n
2 (3.23)
 s   n 
2
 

 k 0 n 2 
i(t) =  L-1 2
= k0 [1 - (1 + nt) e nt ] (3.24)
 ss  n  
Răspunsurile de acest tip se numesc amortizate critice.

d)  > 1: produce poli reali: p1,2 = - n  n 2  1 (3.25)

Răspunsul este alcătuit din suma a două exponenţiale, fiind supraamortizat.

Cele trei tipuri de răspunsuri: oscilator amortizat, amortizat critic şi supraamortizat

sunt prezentate în figura 3.3.

1.8

1.6
0.1 = raspuns oscilant amortizat

1.4
1 = raspuns amortizat critic
1.2

1
i(t)

0.8

0.6

0.4

5 = raspuns supraamortizat
0.2

0
0 10 20 30 40 50 60
t [s]

Fig. 3.3. Răspunsurile indiciale ale unui sistem de ordin II pentru trei valori
ale factorului de amortizare : 0,1, 1 şi 5.
Răspunsul amortizat critic este cel mai rapid răspuns neoscilant al sistemului de ordin
II.

30
 Răspunsurile sistemelor de ordin superior sunt foarte asemănătoare. Clasificarea lor în
oscilante şi amortizate este fundamentală şi se poate aplica tuturor sistemelor.

3.5. Reprezentări grafice ale funcţiei de transfer

3.5.1. Hodograful funcţiei de transfer
FT fiind funcţii complexe pot fi scrise sub forma:
H(s) = Re[H(s)] + jIm[H(s)] (3.34)
şi reprezentate grafic în planul complex Gauss. Reprezentarea unei funcţii în planul complex
se numeşte hodograf. Dacă variabila complexă s =  + j va descrie în planul complex “s”
conturul închis “C”, H(s) va descrie de asemenea un contur închis “” în planul Gauss.

j planul ”s” jIm planul “Gauss”

Im[H(s)]
 H(s)
s
0  0 Re
 Re[H(s)]

Fig. 3.6 Reprezentarea unei FT în planul complex

La construirea hodografelor se aplică unele reguli, a căror cunoaştere facilitează inter-
pretarea lor corectă.
a) Dacă conturul C trece printr-un zero al FT hodograful va trece prin originea coordonatelor.
b) Când variabila s parcurge în sens pozitiv (trigonometric) conturul C, conturul  înconjoară
originea coordonatelor în sens pozitiv de atâtea ori de câte zerouri ale H(s) se găsesc în
interiorul conturului C.
c) Când variabila s parcurge în sens pozitiv (trigonometric) conturul C, conturul  înconjoară
originea coordonatelor în sens negativ (antitrigonometric) de atâtea ori de câţi poli ai FT se
găsesc în interiorul conturului C.
d) Când variabila s parcurge în sens pozitiv conturul C, conturul  înconjoară originea coor-
donatelor în sens pozitiv de z-p ori, unde z este numărul de zerouri iar p este numărul de poli
ai FT aflaţi în interiorul conturului C.
Demonstrarea celor de mai sus se face apelând la reprezentarea exponenţială a
numerelor complexe.

Ri e ji
ji
j Ri e j
Φi zi Φi
zi

0  0 

31
a) Zero plasat în afara conturului C b) Zero plasat în interiorul conturului C

Fig. 3.7. Descompunerea variabilei s în doi vectori

32
 Utilizând formula lui Euler,
j
s = s · (cos  + j sin ) = s · e (3.35)
Din figura 3.7 se observă că variabila s poate fi exprimată ca sumă a doi vectori:
ji
s = zi + Ri = zi + Ri e (3.36)
FT poate fi pusă sub forma:
z
j  i
H(s) = A· (s - z1) (s - z2) . . . (s - zz) = A·  Ri e (3.37)
i=1

Când s parcurge o dată complet conturul C, i va avea o variaţie totală de 2 în cazul

în care zeroul i este plasat în interiorul conturului, respectiv de 0 dacă este în afara conturului.
Suma acestor variaţii (2 x nr. zerourilor din interiorul C) se va răsfrânge şi asupra formei
hodografului.
În cazul polilor,
p
j  i
= A ·  Ri e
A
H(s) = (3.38)
(s - p1) (s - p2) . . . (s - pp) i=1

Variaţia argumentului FT va avea aceeaşi valoare (2 x nr. polilor din interiorul C),
dar cu semn schimbat.
Deoarece conturul C poate lua orice formă se impune alegerea unui contur standard.
Axa j· cumulează unele proprietăţi care o recomandă pentru includerea în acest contur:
 desparte zona de stabilitate (semiplanul stâng) de zona de instabilitate (semiplanul drept)
pentru polii FT;
 s = j· corespunde cazului oscilaţiilor sinusoidale, pentru care se fac cele mai importante
testări ale sistemelor - de exemplu studierea amplificatoarelor electronice.
Conturul standard prezentat în figura 3.8 se numeşte conturul Nyquist.

Pe lângă axa j conturul

j Nyquist mai include un semicerc
j cu raza infinită (R) având
Re
centrul în originea coordonatelor,
limitat la stânga de axa imaginară.
Polii de pe axa imaginară sunt ex-
cluşi din contur, fiind ocoliţi prin
semicercuri de rază infinit de
 
0 mică. Partea negativă a axei j nu
are o semnificaţie fizică. De
multe ori această zonă se
desenează cu linie întreruptă.
Dacă conturul Nyquist
conţine un singur pol, sistemul
respectiv este instabil.
Sensul de parcurgere po-
zitiv este cel trigonometric.
Fig. 3.8. Conturul Nyquist

33
 Într-un mod asemănător demonstrării proprietăţilor b, c şi d se mai pot demonstra două
proprietăţi ale hodografelor:
e) Semicercurile cu raza infinit de mică din planul s care ocolesc polii de ordin a de pe axa j
se vor transforma în planul Gauss în semicercuri cu raza infinită, cu centrul în origine, argu-
mentul vectorilor care le descriu modificându-se cu a.
f) Semicercul cu raza infinită din conturul Nyquist se transformă în planul Gauss într-o cir-
cumferinţă cu raza infinit de mică, cu centrul în originea axelor, care înconjoară originea în
sens negativ cu unghiul (n-m) începând de la (n-m)/2, când  este infinit.

Exemplul 3.7: hodograful sistemului de ordin I.

Funcţia de transfer a sistemului este H(s) = k/(Ts+1) cu n = 1 şi m = 0.
Când s parcurge semicercul cu rază infinită hodograful este un semicerc cu rază infinit
de mică, cu centrul în origine. Pentru s = j· se va calcula:

k k (1  jT) k jkT
H( j)      U()  jV () (3.39)
1  jT 1  T2 2
1  T
2 2
1  2T2
V() = TU() de unde rezultă relaţia:
k kU 2 ()
U()   (3.40)
V 2 () V 2 ()  U 2 ()
1
U 2 ()
care ne conduce la ecuaţia:
U2() - kU()+ V2() = 0 (3.41)
sau
(U() - k/2)2 + V()2 = (k/2)2 (3.42)
reprezentând ecuaţia unui cerc cu raza k/2 şi centrul în punctul (k/2, j·0).

jIm
<0

= -  k
Re
=   k/2 =0

>0

Fig. 3.9. Hodograful unui sistem de ordin I

34
 3.5.2 Locul de transfer
Din proprietatea f) a hodografelor expusă în secţiunea anterioară putem trage
concluzia că relevantă pentru un sistem este comportarea sa pentru s = j· (conturul Nyquist):
j() j()
H(j) = H(j) e = A() e = A() [cos(()) + j sin(())] =
= Re[H(j)] + j Im[H(j)] (3.43)
Hodograful vectorului H(j) în planul complex pentru -     se numeşte locul de
transfer LT. Principala deosebire dintre hodograf şi LT constă în sensul de variaţie al , care
pentru hodograf este   -  iar pentru LT este -  , corespunzând sensului natural de
parcurgere al celor două caracteristici care sunt cuprinse în LT:
 amplitudine-pulsaţie A();
 fază-pulsaţie ().
după cum se va vedea în continuare.
Să considerăm cazul unui sistem stabil H(s) având la intrare un semnal sinusoidal
A·sin(ω·t) cu transformata Laplace A·ω/(s2 + ω2). Răspunsul sistemului va fi:

 A   C 2 A 
y(t) = L-1  H(s) 2 2 
= L-1 C 1 H ( s )  2  (3.44)
 (s   )   (s   2 ) 

incluzând două componente: una tranzitorie, depinzând de funcţia pondere a sistemului, care
tinde spre 0 pentru sistemele stabile şi una staţionară sinusoidală cu pulsaţia ω.
Componenta sinusoidală, care reprezintă răspunsul staţionar al sistemului este:
 H( j)A 
yst(t) = L-1  2 2 
 AH ( j) sin(t )  A H( j) sin(t  ) (3.45)
 ( s   ) 
unde φ = arg H(jω).
Pentru o înţelegere mai bună a acestor noţiuni se poate face o analogie cu un caz parti-
cular de sistem: amplificatorul electronic. H(jω) capătă în acest caz sensul de amplificare.
Un sistem liniar stabil are la ieşire un răspuns sinusoidal când la intrare se aplică un
semnal sinusoidal, acest răspuns fiind caracterizat prin vectorul H(jω) cu modulul H( j) şi
argumentul φ(ω) = arg H(jω). Raportul amplitudinilor semnalelor de ieşire şi intrare este
chiar modulul FT a sistemului pentru s=jω. Este de subliniat faptul că ridicarea caracteristicii
se face punct cu punct, pentru fiecare valoare a lui ω trebuind să se aştepte anularea
componentei tranzitorii a răspunsului.
În concluzie sensul fizic al LT este de caracteristică amplitudine-fază având pe ω
parametru. Acest sens fizic dispare în cazul pulsaţiilor negative, care de regulă nu se mai
reprezintă, sau se reprezintă cu linie întreruptă. În acest mod nu se pierde informaţie utilă
deoarece pentru pulsaţii negative, LT este simetric faţă de axa reală faţă de cazul pulsaţiilor
pozitive.

35
 Se folosesc mai multe caracteristici de frecvenţă:
 LT caracteristica amplitudine-fază cu ω parametru, care are avantajul de a conţine
toată informaţia legată de comportarea sistemului într-o singură reprezentare grafică;
 caracteristicile amplitudine-pulsaţie (sau frecvenţă) şi fază-pulsaţie (sau frecvenţă)
care au avantajul de a fi mai precise decât LT şi de a putea fi ridicate experimental direct;
 caracteristicile reală şi imaginară de frecvenţă.
Caracteristicile de frecvenţă vor fi tratate într-o secţiune următoare.

5.5.3 Trasarea locurilor de transfer

Deşi trasarea LT poate fi asistată de calculator şi chiar automatizată total, este utilă
precizarea unor proprietăţi ale LT atât pentru situaţiile în care este necesară trasarea manuală
cât şi pentru interpretarea LT gata trasate.
Pentru precizarea asimptotelor LT se vor calcula limitele expresiei H(j·ω) pentru
ω0 şi ω.

K Pm  j
H( j)   (3.46)
j Pn  j

unde α este ordinul de multiplicitate al eventualilor poli din origine iar n şi m ordinul polinoa-
melor de la numitorul respectiv numărătorul FT.

a) pentru frecvenţe foarte mici:

 când α=0, LT porneşte de pe axa reală;
 când α=1, lim H(jω) = -j·, direcţia abscisei fiind dată de axa imaginară negativă;
 când α=2, lim H(jω) = -, direcţia abscisei fiind dată de axa reală negativă;
 când α=3, lim H(jω) = j·, direcţia abscisei fiind dată de axa imaginară pozitivă;
 când α=4, lim H(jω) = , direcţia abscisei fiind dată de axa reală pozitivă.
După cum se vede, fiecare pol în origine introduce pentru abscisele de la frecvenţe
joase, faţă de axa reală, o rotaţie de π/2 în sens antitrigonometric. În funcţie de α, sistemele se
clasifică în diferite tipuri. Astfel, un sistem cu α = 2 este de tip doi.

b) pentru frecvenţe foarte mari, esenţial este parametrul γ=n+α–m, care defineşte ordinul sis-
temului. Toate sistemele reale, pentru care γ > 0, tind la frecvenţe mari spre 0.
 când γ=0, LT tinde spre un punct de pe axa reală;
 când γ=1, LT tinde spre 0, tangent la axa imaginară negativă;
 când γ=2, LT tinde spre 0, tangent la axa reală negativă;
 când γ=3, LT tinde spre 0, tangent la axa imaginară pozitivă;
 când γ=4, LT tinde spre 0, tangent la axa reală pozitivă.

36
 Fiecare pol în exces de la numitor va produce o rotaţie de π/2 în sens
antitrigonometric, faţă de axa reală, a axei la care este tangent LT în vecinătatea originii.
Când ω variază de la 0 la  argumentul vectorului H(j·ω) se modifică cu - (n - m)π/2.

jIm jIm
ω0 ω
α=3

α=2 0 α=0 Re γ=3 0 Re

γ=2 γ=3 γ=0

α=1

a) Frecvenţe joase b Frecvenţe înalte

Fig. 3.10. Asimptotele locului de transfer

Din formele LT se pot aprecia performanţele sistemelor (stabilitate, precizie, viteză) şi
se pot chiar calcula cu o anumită aproximaţie răspunsurile pentru unele semnale de intrare,
fără rezolvarea ecuaţiilor caracteristice.
Sistemele de achiziţii de date moderne permit trasarea automată a LT pornind de la
testarea în frecvenţă a sistemului studiat.

3.6. Elementele de automatizare

În tabelul următor se prezintă principalele tipuri de sisteme utilizate în domeniul
modelării sistemelor şi automatizărilor, denumite de aceea şi elemente de automatizare.
Majoritatea sistemelor liniare sunt formate din combinaţii ale acestor sisteme elementare sau
pot fi aproximate în acest mod.
Elementele de întârziere de ordin superior au un comportament asemănător celui de
ordin II, principalele diferenţe ale LT apărând la frecvenţe mari (vezi fig. 3.10). Răspunsurile
în timp se deosebesc mai ales prin inflexiunea din apropierea originii timpului.

37
Nr. Denumire Ecuaţie Funcţie de Loc de transfer Răspuns indicial
transefer
0 1 2 3 4 5
jIm i(t)
1 Element y=ku H(s)=k k
proporţional k
0 Re 0 t
jIm i(t)
2 Element de dy k k/2 k T
T  y  ku H(s) 
întârziere de dt Ts  1 0 ω= ω=0 Re k
ordin I

0 t
jIm i(t)
3 Element dy 1 Re
integrator de T u H(s )  ω=0 tgα=1/T
dt Ts
ordin I α
ω= t
jIm 0 Re i(t)
4 Element 2
d y dy k
integrator de T2  T1 u H(s)  ω= tgα=1/T
dt 2 dt T2s  T1s
2
ordin II α
ω=0 T2/T1 t
d2y dy jIm 0 Re i(t) b
5 Element de T2 2
 T1  k ω= ω=0 k
dt dt H(s ) 
întârziere de T2 s 2  T1s  1 b a a: T12<4T2
ordin II
 y  ku b: T12>4T2 a
t
36
0 1 2 3 4 5
jIm ω= i(t)
6 Element de du H(s )  Ts  k k
yT k
anticipare de dt ω=0 Re
ordin I 0 k 0 t
jIm ω= i(t)
7 Element du H (s )  Ts δ(t)
yT
derivativ de dt ω=0 Re
ordin I 0 0 t
jIm i(t)
8 Element dy du ks k/T
T yk H (s ) 
derivativ real dt dt Ts  1
de ordin I ω=0 ω= Re
0 k/2T k/T 0 T t
jω i(t)
9 Element d 2y k
T  y  ku H (s ) 
oscilator 2 Ts  1
2 ω= ω=0 Re k
dt
neamortizat 0 k
ω>1/T 0<ω<1/T 0 t
d y 3
d 2 jω i(t)
10 Element de T3  T2  H(s)= 0 k Re
dt 3 dt 2
întârziere de k b a k
dy
ordin III  T1  y  ku T3 s  T2 s  T1s  1
2 2 b a
dt a: poli reali
b: un pol real şi doi complecşi t

37
 3.7. Caracteristici de frecvenţă
3.7.1. Ridicarea experimentală a caracteristicilor de frecvenţă
Caracteristicile de frecventă reprezintă un instrument de bază în studiul şi modelarea
sistemelor. Cu ajutorul lor se pot realiza o operaţie esenţială în analiza şi sinteza sistemelor:
identificarea FT a pe baza caracteristicilor ridicate experimental. În timp, pe baza
caracteristicilor de frecvenţă s-au elaborat metode de determinare indirectă a răspunsurilor în
timp, a unor indicatori de performanţă, criterii de stabilitate, etc.
Ridicarea experimentală a caracteristicilor necesită echipamente adecvate pentru
excitarea sistemului studiat cu semnale sinusoidale cu frecvenţă şi amplitudine controlate şi
pentru măsurarea, înregistrarea şi prelucrarea datelor obţinute. De exemplu, în cazul
circuitelor electronice este nevoie cel puţin de: un generator de semnale sinusoidale cu
frecvenţa variabilă şi un osciloscop. Există şi aparate de măsură specializate în această
operaţie, numite vobuloscoape. Pentru sisteme mecanice (de exemplu un boghiu) este nevoie
de o maşină de încercări dinamice prevăzută cu pulsator, un set de accelerometre şi un sistem
de achiziţionare a datelor.
Măsurătorile se fac în regim staţionar, pentru fiecare frecvenţă trebuind aşteptată epui-
zarea regimului tranzitoriu. Dacă este posibil, este indicat ca amplitudinea semnalelor excita-
toare să se păstreze constantă, caz în care nu mai trebuie calculat pentru fiecare punct de
măsură raportul ieşire/intrare. În zonele deosebite (variaţii bruşte ale amplitudinii, rezonanţe,
etc.) se va mări numărul punctelor de măsură.
Dacă în timpul măsurătorilor se preferă utilizarea frecvenţei, la prelucrarea datelor este
recomandabilă utilizarea pulsaţiei, care facilitează legăturile dintre caracteristici şi FT.

3.7.2. Caracteristici de frecvenţă în reprezentare logaritmică

Modul cel mai avantajos de construire a caracteristicilor de frecvenţă îl reprezintă dia-
gramele Bode (Hendrik W. Bode 1905-1982), bazate pe reprezentări logaritmice ale
amplitudinii şi pulsaţiei. Astfel construcţia se simplifică mult şi se lărgeşte domeniul de
frecvenţe reprezentabile. Amplitudinea unei FT, |H(jω)| (sau amplificarea) se exprimă în
decibeli:
A(ω)=20 · lg |H(jω)| [dB] (3.47)

Caracteristica fază-frecvenţă se exprimă în radiani, având aceeaşi abscisă:

φ(ω)=arg|H(jω)| [rad.] (3.48)
Unitatea de măsură a axei pulsaţiilor este decada, intervalul dintre două pulsaţii aflate
în raport de 10.
Se consideră FT sub forma:
( j  z 1 )( j  z 2 )    ( j  z m )
H( j)  k (3.49)
( j  p 1 )( j  p 2 )    ( j  p m )

Se introduc constantele de timp T’i=1/zI şi T’’i=1/pI după care:

pag. 38
 m m
 zi  (1  jT'i )
i 1 i 1
H(j)  k n
 n
(3.50)
 p i  (1  jT' 'i )
j 1 j 1

pag. 39
 Caracteristicile de frecvenţă devin:
m
 zi m n
A()  20 lg k i 1
n
  20 lg 1  jT' i   20 lg 1  jT' ' i (3.51)
 pi i 1 i 1

i 1
m n
()   arg(1  jT' i )   arg(1  jT' ' i ) (3.52)
i 1 i 1
Prin logaritmare produsul termenilor liniari de la numitorul şi numărătorul FT se
transformă în sume. În acelaşi timp argumentul FT este de asemenea suma argumentelor ter-
menilor. Diagramele Bode se vor putea obţine prin însumarea unor caracteristici ale
termenilor elementari din componenţa FT (vezi §3.7.4).

 Elementul proporţional

40 Pentru elementul
proporţional amplitu-
dinea şi faza sunt con-
20
A [db]

stante:
lg(|k|) ω
20 [rad/s] H(s)=k (3.53)
104
Semnul
0 amplitudinii se
φ [rad]

1 10 102 103 manifestă prin de-

0 fazajul 0 pentru k>0
k>0 respectiv –π pentru
-π/2 k<0.

-π k<0
Fig. 3.11. Diagrama Bode a elementului proporţional
 Elementele integrator şi derivativ de ordin α
Elementele integrator şi derivativ de ordin α au în origine un pol respectiv un zero de
ordin α:
1
H( j)  pentru integrator respectiv H(jω)=(jω)α (3.54)
j

Amplitudinea şi argumentul elementului integrator vor fi:

1
A( j)  20  lg  20    lg j (3.55)
( j) 
 1 
()  arg     arg( j)    (3.56)
 
 ( j)  2
La trasarea caracteristicilor amplitudine-pulsaţie se observă că reprezentarea unei
funcţii logaritmice în coordonate logaritmice este o dreaptă. Mai trebuie observat că există un
punct de intersecţie al tuturor dreptelor din familia definită de α: (ω=1, A=0 [dB]).

pag. 40
 Pentru calcularea inclinării dreptelor vom calcula variaţia amplitudinii pentru variaţia
pulsaţiei cu o decadă, pentru cazul α=1:
A  20 lg   20 lg 10  20 lg 10  20 [dB/dec.] (3.57)

60 Înclinarea caracteristicii inte-

gratorului de ordin I este de –
α=3 20dB/decadă.
40 α=2 Pentru integratoarele de ordin
superior panta este un multiplu
α=1 al acestei valori: -α·20dB/dec.
A[dB]

20 Fiecare pol din origine pro-

duce un defazaj negativ –π/2.
0

-20 α=1
α=2
-40 α=3

-60
ω [rad/sec]
10-1 100 101
φ [rad]

3π/2 α=3
Elementele derivative sunt
π α=2
asemănătoare, cu deosebirea că
înclinarea dreptelor este pozi-
π/2 α=1
tivă, de α· 20 dB/decadă.
Defazajul introdus de ele-
0 mentul de derivare de ordin α
este pozitiv: α· π/2.
-π/2 α=1 Elementele integratoare sunt
reprezentate prin linii continue,
-π α=2 iar cele derivative prin linii
întrerupte.
-3π/2 α=3

Fig. 3.12. Diagrama Bode a elementului integrator de ordin α

pag. 41
 Elementul de întârziere de ordin I
Elementul de întârziere de ordin I are un pol real nenul:
1
H( j)  (3.58)
1  jT
1
A( j)  20  lg  20    lg 1  jT  20  lg 1   2 T 2 (3.59)
1  jT
 1   1  jT 
()  arg   arg   arctg(T) (3.60)
 1  jT   1  2T 2 

Pentru trasarea mai uşoară a caracteristicii A(ω) se simplifică comportarea sistemului

la frecvenţe mici şi la frecvenţe mari. La frecvenţe mici ωT<<1, comportarea fiind identică cu
a elementului proporţional. La frecvenţe mari 1<<ωT, sistemul comportându-se ca şi un
element integrator de ordin I, cu o înclinare a caracteristicii de –20 dB/dec. Punctul critic, în
care aceste aproximări sunt cel mai imprecise, este ωC = 1/T, numită pulsaţie de frângere. ωC
se află la intersecţia celor două asimptote.

-20dB/dec.
0
εA
A [db]

-20

-40 ωC ω [rad/sec]
10-2 10-1 1/T 100 101 102
φ [rad]

0 1/5T 5/T
εφ
-π/4

-π/2
Fig. 3.13. Diagrama Bode a elementului de întârziere de ordin I
φ(ωC)=-π/4 este punctul prin care se racordează caracteristica de fază pentru frcvenţe
mici (φ=0) cu cea pentru frecvenţe mari (φ=-π/2). Se aproximează zona din vecinătatea ωC
printr-un segment care intersectează dreapta (φ=0) în 1/(5T) iar dreapta (φ=-π/2) în 5/T.
Pentru o reprezentare comodă a caracteristicilor de frecvenţă se acceptă aproximările
prin segmente de dreaptă având înclinările n·20dB/dec., nZ (număr întreg) pentru A(ω) res-
pectiv n·π/2 pentru 1,4 decade pentru φ(ω). Erorile maxime introduse prin aceste aproximări
apar în ωC pentru amplitudine:
1 1
 A  20  lg  20  lg  20  lg 2  3dB (3.61)
1  j C T 1 j
Respectiv în ω=1/(5T) pentru defazaj:
   arctg(T)  arctg(1 / 5)  0,19739    11,3 0 (3.62)
Aceste valori ale erorii stau la baza definirii benzii de frecvenţă faţă de eroarea de 3dB.

pag. 42
 Elementul de întârziere are o acţiune de tip filtru trece jos, frecvenţele joase (inclusiv
0) fiind neafectate, în timp ce frecvenţele înalte sunt atenuate. Din cauza defazajului negativ
apare o întârziere a ieşirii faţă de intrare, prezentă în toate elementele reale de automatizare ca
manifestare a inerţiei, cu atât mai pregnant cu cât constanta de timp este mai mare.

 Elementul de anticipare de ordin I

40

20 20dB/dec.
A [db]

0 ωC ω [rad/sec]
10-2 10-1 1/T 100 101 102
π/2 1/5T 5/T
φ [rad]

π/4 H(jω)=1+jωT (3.63)

Fig. 3.14. Diagrama Bode a elementului de anticipare de ordin I

Elementul de anticipare de ordin I este asemănător celui de întârziere, cu deosebirea că
atât panta caracteristicii A(ω) cât şi defazajul φ(ω) sunt pozitive. Aceasta nu însemnează însă
că acest element poate anticipa semnale de intrare de orice formă! Doar pentru semnale
sinusoidale, după epuizarea regimului tranzitoriu care urmează aplicării semnalului la intrare,
elementul de anticipare este capabil să stabilească un defazaj pozitiv între ieşire şi intrare.
Această proprietate îl recomandă în cazul în care dorim accelerarea răspunsurilor unui sistem.

 Elementul de întârziere de ordin II

Elementul de întârziere de ordin II conţine doi poli complecşi conjugaţi, provenind din
sistemul de ordin II, pentru cazul în care factorul de amortizare este subunitar 0<ζ<1.În cazul
în care ζ>1, polii fiind reali, sistemul poate fi tratat ca o combinaţie de două elemente de întâr-
ziere de ordin I.
n
2
Considerând H( j)  şi cu notaţia Tn=1/ωn, rezultă:
j2  j2 n    n 2

A()  20  lg
1

 20  lg 1  Tn  
2 2
 4 2 Tn  [dB]
2
(3.64)
1  j2Tn   Tn 
2

2Tn 
()  arctg (3.65)
1  Tn 
2

Pentru frecvenţe joase asimptota caracteristicii A(ω) este axa absciselor iar pentru
frecvenţe înalte A()  40  lg Tn  [dB]având o pantă de –40 dB/dec. Intersecţia absciselor
are loc la pulsaţia de frângere ωC=ωn. În acest punct eroarea provocată de aproximarea
caracteristicii cu segmente de dreaptă este εA=-20lg2ζ [dB][1].

pag. 43
 20
ζ=0,1
A [dB]
-40 dB/dec
0 ζ=0,3
ζ=0,7
-20

ω [rad/sec]
-40
10-1ωn ωn 10ωn
φ [rad]

0
ζ=0,1
-π/2 ζ=0,7 ζ=0,7

-π

Fig. 3.15. Diagrama Bode a elementului de întârziere de ordin II

Pentru elementul de anticipare de ordin II caracteristicile sunt simetrice faţă de axa

absciselor.
Din cele de mai sus reies următoarele concluzii:
 caracteristicile A(ω) şi φ(ω) se obţin din însumarea caracteristicilor fiecărui factor
elementar din componenţa FT;
 caracteristica A(ω) se construieşte din segmente orizontale sau înclinate cu multiplii ai
valorii de 20 dB/dec.;
 elementul proporţional are o caracteristică A(ω) constantă şi pentru valori pozitive ale
amplitudinii nu introduce defazaje;
 fiecare pol introduce în caracteristica A(ω) o înclinare negativă de -20 dB/dec. iar în carac-
teristica φ(ω) un defazaj negativ de –π/2;
 fiecare zero introduce în caracteristica A(ω) o înclinare pozitivă de 20 dB/dec. iar în carac-
teristica φ(ω) un defazaj pozitiv de π/2;
 pulsaţiile critice de la care începe acţiunea polilor şi zerourilor sunt chiar valorile polilor şi
zerourilor;
 pentru poli şi zerouri multipli de ordin α înclinările sunt ±α·20 dB/dec. iar defazajele
±α·π/2;
 pentru frecvenţe foarte mari răspunsul sistemelor reale se atenuează până la dispariţie.

pag. 44
 (s  0,1)
Exemplul 3.8: diagrama Bode a sistemului H(s)  104
(s  1)(s  10) 2
(1  j  10  )
LT poate fi pus sub forma: H( j)  10 putându-se evidenţia 4
(1  j)(1  j  0,1  ) 2
factori:
- un element proporţional HP(jω)=10;
- un element de anticipare HA(jω)=1+j·10·ω cu pulsaţia critică 0,1 rad/sec.;
- un element de întârziere HI’(jω)=1/(1+j·ω) cu pulsaţia critică 1 rad/sec.;
- un element de întârziere de ordin II HI’’(jω)=1/(1+j·0,1·ω) cu pulsaţia critică 10 rad/sec.;

20lg |HA(jω)|
40 20lg|HP(jω)|
20dB/dec
20lg |HI’(jω)|
20
-40dB/dec 20lg HI’’2(jω)
A(ω) [dB]

-20

-40 ω [rad/sec]
10-2 10-1 100 101 102 103

π/2 Caracteristicile
φ(ω) [ rad]

factorilor elemen-
0 tari sunt reprezen-
tate cu linie între-
-π/2 ruptă.

-π

Fig. 3.16. Exemplu de diagramă Bodé

Exemplul 3.9: Determinarea FT din caracteristicile de frecvenţă:

Fiind dată caracteristica de frecvenţă din figura 3.17 (linie punctată) se poate identifica
c aproximarea caracteristicii cu segmente înclinate cu n·20 dB/dec. (nZ nr. întreg).
LT va avea un element proporţional, un element de anticipare de ordin I cu frecvenţa
critică 0,1 rad/sec şi trei elemente de întârziere de ordin I cu frecvenţele critice de 1 rad/sec,
10 rad/sec şi 100 rad/sec:

pag. 45
  j 
1  
H( j)  10
 0,1 
cu FT: H(s)  105
s  0,1
 j  j  j  s  1s  10s  100
1   1   1  
 1  10  100 

pag. 46
 40

20
20 dB/dec -20 dB/dec
A(ω) [dB]

-20
-40 dB/dec
-40 ω [rad/sec]
10-2 10-1 100 101 102 103

Fig. 3.17. Identificarea FT pe baza caracteristicii de frecvenţă

3.7.3. Alte caracteristici de frecvenţă

Pe lângă caracteristicile amplitudine-pulsaţie şi fază-pulsaţie (diagramele Bode) în
automatică se mai întâlnesc şi alte reprezentări grafice pe baza cărora se pot elabora metode de
proiectare.
a) Reprezentarea caracteristicilor reală şi imaginară de frecvenţă.
H( j)  A()  e j( )  P()  jQ ()

P(ω) Q(ω)

0 ω 0 ω

Fig. 3.18. Caracteristicile reală şi imaginară de frecvenţă

Determinarea acestor caracteristici poate fi făcută cu nomograme sub forma unor fami-
lii de cercuri, prin intersecţiile cu LT. Aceste caracteristici pot fi folosite printre altele
la calculul aproximativ al răspunsului indicial al sistemului.
b) Diagrama Nichols care constă din reprezentarea grafică a amplitudinii (măsurată în
dB) în funcţie de fază.
A [db]

Fig. 3.19. Caracteristică Nichols

pag. 47
 Capitolul 4. IDENTIFICAREA SISTEMELOR

4.1. Introducere în Identificarea Sistemelor

Determinarea MM este posibilă atât analitic cât şi experimental. Disciplina ştiinţifică a
cărui obiect este determinarea MM se numeşte Identificarea Sistemelor.
Construcţia sistemelor avansate de reglare automată, studierea unor procese foarte
complicate, costisitoare, sau inaccesibile, estimarea unor mărimi greu sau imposibil de măsu-
rat depind esenţial de identificarea cât mai corectă a proceselor în cauză. Identificarea este
abia începutul unui lanţ de operaţii şi proceduri de analizare, testare, optimizare şi validare, de
care depind în cea mai mare măsură performanţele sistemelor automate.
Schema bloc a unei operaţii generice de identificare este prezentată în fig. 4.1.

PROCES
u y
+
CRITERIU
eroare PROCEDURĂ
 y - yM
DE
CONCOR-
DE
AJUSTARE
- DANŢĂ
yM
MODEL

Fig. 4.1. Identificarea unui proces pe cale experimentală

Pentru identificare este recomandabilă combinarea adecvată a procedeelor teoretice şi
experimentale în funcţie de natura sistemului studiat, de mijloacele disponibile şi de obiecti-
vele urmărite. Pe lângă capitolul dedicat Identificării Sistemelor, în curs se vor regăsi multe
metode de identificare a unor sisteme, asociate diferitelor metode de studiu a sistemelor: ana-
lizarea răspunsurilor în timp, a caracteristicilor de frecvenţă, etc. Metodele moderne de identi-
ficare includ diferite tehnici care ţin de Statistică, Inteligenţa Artificială şi de Învăţarea Auto-
mată.
O primă clasificare utilă a metodelor de identificare poate fi obţinută prin asociere cu
natura modelului: identificarea în domeniul timp respectiv în domeniul frecvenţă.
O primă identificare în frecvenţă a fost deja ilustrată în Exemplul 3.9.
Exemplul 4.1: Identificarea modelului termic al unui vagon necompartimentat printr-un sis-
tem de ordin II.
Una dintre lucrările de referinţă despre condiţionarea aerului în vagoanele de călători
(L. Friot, "Méthodologie de mise en oeuvre d'une régulation de climatisation par modele in-
terne appliquée au transport ferroviaire", teză de doctorat, Universitatea Poitiers, 1995) îşi
propune să îmbunătăţească metodologia de reglare a instalaţiei de climatizare de pe vagoanele

pag. 48
TGV produse de GEC-ALSTHOM (La Rochelle, Franţa). Modelul şi metoda au fost validate
cu ajutorul unui stand experimental la scară. Având de ales între modelarea prin ecuaţii cu
diferenţe finite (timp discret) şi cea prin ecuaţii diferenţiale (timp continuu) s-a ales varianta
cu timp continuu, care deşi ridică probleme de neliniaritate, păstrează accesibilitatea parame-
trilor fizici ai modelului. Având în continuare de ales între două metode de conducere adică
între Conducerea prin Model Intern şi Conducerea Predictivă, ei au ales prima variantă, tot
datorită interpretărilor fizice mult mai evidente. Rezultatul principal al lucrării a fost materia-
lizat prin brevetarea algoritmului CMIGS (Commande par Modele Interne avec Gestion de
Saturation). Asupra conducerii prin model intern vom reveni in acest curs, deoarece este una
dintre metodele cele mai performante din automatică, aplicarea ei fiind posibilă dacă dispu-
nem de un model precis dar şi portabil al procesului condus.
Modelul termic al vagonului TGV la care a ajuns L. Friot este de ordin II, rezultând
printr-o identificare prin metoda Marquardt (identificare prin metoda gradientului de ordin 2
Gauss-Newton, în care vectorul de căutare poate să îşi inverseze direcţia faţă de gradient).
Funcţia de transfer a modelului, având ca ieşire temperatura iar ca intrare curentul consumat
de echipamentul de climatizare este:

G  ω2
H(s)  (4.2)
s 2  2  ξ  ω  s  ω2

cu G = 0,384OC/A, ξ = 1,616 şi ω = 5,773·10-3rad./s.

În urma aplicării metodei, comportamentul în buclă închisă al temperaturii în interiorul
vagonului ajunge la o amortizare ξBI = 0,7 şi o pulsaţie ωBI = 0,03 rad./s.
Este de remarcat că abordarea de mai sus tinde spre obţinerea unui reglaj optimal, obţi-
nut însă pentru cazul unui model cu parametri ficşi.
Într-altă lucrare asemănătoare (M. Jamshidi, „On Fuzzy Control of Nonchlorofluoro-
carbon Air-Conditioning Systems” din Industrial Applications of Fuzzy Logic and Intelligent
Systems, IEEE Press, 1995), referitoare la comportarea termică a unei camere cu aer condiţio-
nat, modelul utilizat este chiar mai simplu, de ordin I:
H(s) = 20 / (20s + 1) (4.3)
Modelul are ca ieşire temperatura şi ca intrare curentul consumat de încălzitor.

4.2. Identificarea prin metoda răspunsului indicial

Cea mai simplă metodă de identificare se bazează pe aproximarea răspunsului indicial
al sistemului studiat cu răspunsul indicial al unui sistem cunoscut, astfel încât diferenţele
dintre ele să fie cât mai mici. Adeseori sistemele pot fi aproximate prin elemente de ordin II
sau chiar I.
Identificarea printr-un sistem de ordin I la care se adaugă eventual un timp mort este
posibilă atunci când răspunsul sistemului necunoscut nu prezintă oscilaţii. Cea mai simplă
metodă constă din trasarea tangentei în punctul de inflexiune a răspunsul indicial, şi
aproximarea creşterii răspunsului indicial printr-un segment, la fel ca în fig. 4.2.
Modelul căutat este de forma :
k
H(s)  e  τs (4.4)
Ts 1

pag. 49
unde k = yst, timpul mort  este segmentul AB iar T este proiecţia segmentului de aproximare
BC pe axa timpului.

y
yst C

A B t
 T

Fig. 4.2. Identificarea unui sistem necunoscut printr-unul de ordin 1

În cazul în care răspunsul indicial al sistemului necunoscut prezintă şi o componentă
oscilatorie suntem obligaţi să facem aproximarea cu un sistem de ordin superior, de preferat
de ordin II.

Aplicaţia 4.1: Identificarea unui sistem necunoscut printr-unul de ordin II.

Să presupunem că trebuie să identificăm un sistem necunoscut, a cărui răspuns indicial
este prezentat în fig. 4.3. Identificarea se va face printr-un sistem de ordin II.

Observaţie: Răspunsul sistemului necunoscut din fig. 4.3 a fost generat prin următorul
sistem de ordin III:
s 1
H 3 (s)  (4.5)
s3  s2  2  s  1

Răspunsul indicial al sistemului necunoscut este oscilator amortizat, motiv pentru care
modelul de ordin II va trebui să aibă factorul de amortizare subunitar. Sunt trei parametri ai
răspunsului indicial care trebuie ajustaţi simultan:
- valoarea finală la care se stabilizează răspunsul indicial, în cazul nostru 1;
- frecvenţa oscilaţiilor;
- amplitudinea oscilaţiilor;
Ordinea în care se ajustează parametrii nu este obligatorie. În această aplicaţie se poate
proceda după cum urmează:
- frecvenţa oscilaţiilor se ajustează prin coeficientul a0, ajustat în cazul nostru de 1,8;
- factorul de amplificare se fixează 1 egalând coeficientul b0 (numărătorul) cu a0;
- amplitudinea oscilaţiilor se ajustează din factorul de amortizare, la 0,35;
Modelul de ordin II din figură, care rezultă în urma identificării, are forma:

1,8
H 2 (s)  (4.5)
s 2  0,7  s  1,8

pag. 50
pag. 51
 1.5
sistem de ordin 2

sistem necunoscut

0.5

0
0 5 10 15 20 25 30
t [s]

Fig. 4.3. Identificarea unui sistem necunoscut printr-unul de ordin II

În acest caz s-a folosit cel mai comod criteriu de concordanţă: analiza vizuală a răspun-
surilor.
Rezolvările riguroase ale acestor aplicaţii pot fi realizate fie pe cale analitică, fie cu
ajutorul calculatorului, una dintre cele mai simple şi eficiente soluţii face apel la Simulink-
Matlab, în modalitatea prezentată în fig. 4.4.

Fig. 4.4. Identificarea prin ajustarea răspunsului indicial

pag. 52
 Parametrii modelului pot fi ajustaţi manual cu uşurinţă prin fereastra de dialog a blocu-
lui Model. Este de remarcat că până la obţinerea unui rezultat mulţumitor poate fi nevoie de
reluarea iterativă a ajustărilor, deoarece modificarea unui parametru, care influenţează într-un
anumit sens forma răspunsului indicial, poate modifica într-o oarecare măsură în acelaşi timp
şi rezultatele ajustărilor anterioare. Se mai observă că aproximarea realizată nu este perfectă,
ea fiind rezultatul unui compromis. Amplitudinea primei oscilaţii (suprareglajul) este mai
mare la model decât la sistemul necunoscut, după care însă amortizarea oscilaţiilor modelului
este mai rapidă. Dacă însă dorim să limităm suprareglajul, putem creşte factorul de
amortizare, caz în care însă amortizarea oscilaţiilor modelului se accentuează.
Blocurile To workspace au rolul de a genera în workspace fişierele de date care permit
prelucrarea ulterioară a rezultatelor simulărilor.
Problema care se pune este dacă identificarea nu poate fi automatizată, pentru a evita
ajustarea manuală. În continuare vor fi prezentate două tehnologii în acest sens, dar ar fi o gre-
şeală fundamentală a se trage concluzia că identificarea manuală este inutilă. După cum vom
vedea, cel mai adesea performanţele şi chiar convergenţa identificărilor automate depind în
mare măsură de valorile iniţiale, alese manual pentru parametri (în engleză the first guess).

4.3. Optimizarea modelelor în Simulink – blocul NCD

4.3.1. Prezentarea generală a blocului Simulink NCD
Aşa cum am văzut deja, studiul sistemelor liniare se bazează fie pe analiza în
domeniul timp fie pe analiza în domeniul frecventă. Analiza în domeniul timp constă în esenţă
din analizarea răspunsurilor în timp furnizate de sistem ca urmare a aplicării la intrare a unor
semnale de test. Acest gen de analiză este intuitivă şi simplă, dar nu oferă o imagine precisă
asupra structurii sistemului studiat. Analiza în domeniul frecvenţă este mai laborioasă,
bazându-se pe caracteristicile de frecvenţă ale sistemului. Prin prelucrarea matematică a
acestor date prin metode operaţionale (de exemplu transformarea Laplace) se pot însă obţine
modele care oferă o imagine extrem de precisă şi bogată asupra structurii şi performanţelor
sistemului studiat. Din păcate aplicabilitatea metodelor de analiză în frecvenţă este restrânsă
în mare măsură doar la domeniul sistemelor liniare. Deşi în multe cazuri sistemele neliniare
pot fi liniarizate pe porţiuni cu erori suficient de mici, analiza lor în domeniul frecvenţă
devine greoaie şi inadecvată. Analiza în timp rămâne astfel singura abordare la care se poate
apela întotdeauna. Ea este mult facilitată de utilizarea calculatorului numeric. În continuare se
va prezenta şi aplica unul dintre instrumentele software bazate pe analiza în timp, care face
parte din mediul Matlab-Simulink: blocul NCD.
Blocul NCD (Nonlinear Control Design) oferă utilizatorului Matlab o interfaţă grafică
GUI (Graphical User Interface) destinată asistării proiectării şi optimizării în domeniul timp a
sistemelor de conducere automată. Blocul NCD trebuie conectat în diagrama Simulink la sem-
nalul pe care dorim sa-l condiţionăm. Una dintre ferestrele interfeţei grafice permite
formularea unor constrângeri asupra desfăşurării în timp a semnalului. Un număr oricât de
mare de variabile Matlab de orice tip, scalari, vectori sau matrici, pot fi declarate acordabile.
Aceste variabile trebuiesc introduse în prealabil în workspace prin valori numerice de tip
„primă estimare” (first guess). În continuare constrângerile din domeniul timp sunt convertite
automat în probleme de optimizare, rezolvate printr-una dintre rutinele de optimizare cuprinse
în biblioteca matematică a toolbox-ului de optimizare (Optimization Toolbox).

pag. 53
 Problemele de optimizare formulate de blocul NCD sunt rezolvate prin simulări ite-
rative realizate în Simulink. Rezultatele simulărilor sunt comparate cu constrângerile for-
mulate, iar parametrii acordabili sunt ajustabili prin diferite metode de gradient, astfel încât
rezultatul să se apropie de cel dorit. Blocul NCD poate de asemenea să introducă incertitudine
în dinamica procesului modelat, să conducă simulări prin metoda Monte-Carlo, să introducă
limitări inferioare si superioare ale parametrilor acordabili şi să modifice criteriul de terminare
a optimizării.
Desfăşurarea optimizării poate fi urmărită în timpul rulării iar rezultatele se prezintă
sub forma valorilor numerice finale variabilelor acordabile din workspace.

4.3.2. Pornirea rapidă

Etapele necesare pornirii blocului NCD sunt:
1. Construirea sistemului Simulink (liniar sau neliniar) care se doreşte a fi optimizat.
Trebuie ca în sistem să se includă o sursă de semnal de intrare, de exemplu semnal treaptă,
rampă, fişiere de date, etc. Semnalul de intrare trebuie să producă semnalul de ieşire dorit.
2. Blocurile NCD se conectează la semnalele asupra cărora dorim să introducem constrânge-
rile. Blocul NCD se află în biblioteca ncdblock, care poate fi lansată prin comanda ncdblock în
fereastra de comenzi Matlab.
3. Se introduc în workspace variabilele acordabile, iniţializate la valori estimate cât mai
bune (best first guess).
4. Fiecare bloc NCD se deschide cu câte un dublu click, obţinându-se accesul la fereastra
corespunzătoare de editare a constrângerilor.
5. Constrângerile sunt reprezentate grafic, limitând evoluţia semnalului prin paliere superi-
oare şi inferioare; palierele pot fi ajustate fie cu mouse-ul fie prin hotkey-uri. Ajustările
constau din prin translaţii, întinderi sau restrângeri, divizări sau contopiri, înclinări, etc. Con-
strângerile creează un „canal” în care dorim să încadrăm evoluţia în timp a semnalului.
6. Se deschide căsuţa de dialog Parameters din meniul Optimisation. Se alege un interval de
discretizare (se încearcă la început 1% sau 2% din axa totală a timpului.) Se inserează variabi-
lele acordabile, separate de spaţii sau virgule.
7. Opţional se poate deschide căsuţa de dialog Uncertain Variables selectând Uncertainty
din meniul Optimisation. Şi variabilele incerte trebuie iniţializate la valorile lor nominale.
8. Opţional se pot salva datele de constrângere utilizând submeniul Save ... din meniul File.
Constrângeri salvate anterior pot fi regăsite prin submeniul Load ... din meniul File.
9. Se apasă butonul Start sau se selectează Start din meniul Optimisation.

pag. 54
 4.3.3. Optimizarea unui model de ordin III
Primul exemplu de aplicare a blocului NCD se referă la acordarea parametrilor unui
sistem de ordin III. Să alegem sistemul următor, care are trei parametri acordabili, a, b şi c:
1
H(s)  (4.6)
a  s  b  s2  c  s  1
3

Modelul Simulink este reprezentat în fig. 4.5 (etapele 1 şi 2).

Fig. 4.5. Optimizarea modelului de ordin III

În continuare se declară variabilele acordabile si se iniţializează toate la valoarea 1,

aleasă întâmplător, în fereastra de comenzi Matlab (etapa 3):

>> a=1
a=
1
>> b=1
b=
1
>> c=1
c=
1
În cazul în care optimizările întâmpină probleme de convergenţă cea mai eficientă
abordare este înlocuirea iniţializării aleatorii cu valori iniţiale (first guess), estimate pe baza
cunoştinţelor apriorice despre aplicaţie sau a unor rezolvări analitice simplificate.
Interfaţa grafică NCD este prezentată în figura 4.6 (etapa 4).
Constrângerile impuse răspunsului indicial al sistemului (4.6) sunt reprezentate în fig.
4.8 cu roşu. Se observă ca s-a utilizat şi un palier înclinat. Palierele pot fi setate fie cu mouse-
ul, prin drag and drop, fie prin parametrii unor căsuţe de dialog care apar la selectarea fiecărui
palier cu mouse-ul (etapa 5).
Declararea variabilelor acordabile în blocul NCD se realizează prin căsuţa de dialog
din fig. 4.7 (etapa 6).
După comanda Start are loc optimizarea iterativă, fiecare iteraţie fiind prezentată în
fereastra grafică. La terminarea optimizării în fereastră sunt reţinute răspunsul iniţial şi cel
final (fig. 4.8).

pag. 55
 Fig. 4.6. Interfaţa grafică NCD

Fig. 4.7. Declararea variabilelor acordabile în blocul NCD

Listing-ul care apare după simulare în fereastra de comenzi Matlab oferă informaţii
detaliate despre desfăşurarea simulărilor. În cazul nostru listing-ul este următorul:

pag. 56
 Setting up constraint window ........ done
Processing uncertainty information.
No uncertainty modeled.
Setting up call to optimization routine.
Done plotting the initial response.
Start time: 0 Stop time: 10.
There are 24 constraints to be met in each simulation.
There are 3 tunable variables.
There are 1 simulations per cost function call.
Creating a temporary SL model tp273318 for computing gradients...
Creating simulink model tp273318 for gradients...Done
f-COUNT MAX{g} STEP Procedures
7 0.6959 1
14 0.334943 1 Hessian modified
21 0.11851 1 Hessian modified twice
28 0.0449939 1
35 0.0385292 1 Hessian modified
42 0.0271972 1
49 0.0177752 1
56 0.00228857 1
63 -0.00573687 1 Hessian modified
70 -0.00667123 1 Hessian modified
77 -0.00736682 1 Hessian modified
84 -0.00816991 1 Hessian modified
91 -0.00898467 1 Hessian modified
98 -0.0095304 1 Hessian modified
105 -0.00978725 1 Hessian modified
112 -0.00990005 1 Hessian modified
121 -0.00992315 0.25 Hessian modified twice
Warning: Unable to reduce the step size without violating a minimum step
size of 6.519762478697252e-016 at time 0.183514999185032 for model 'NCD1'.
> In C:\matlabR12\toolbox\ncd\costfun.m at line 102
In C:\matlabR12\toolbox\simulink\simulink\private\nlconst.p at line 404
In C:\matlabR12\toolbox\simulink\simulink\simcnstr.m at line 35
In C:\matlabR12\toolbox\ncd\nlinopt.m at line 501
Derivative input 1 of block 'NCD1/Transfer Fcn' at time 0.183514999185032
is Inf or NaN.
Continuing Optimization ...
123 -0.00996144 0.5 Hessian modified twice
Optimization Converged Successfully
Active Constraints:
6
7
17
18

pag. 57
 19
23
Printing System: NCD1, Outport: 1 .... done

Valorile optimizate ale parametrilor a, b şi c sunt disponibile în workspace şi pot fi

citite din fereastra de comenzi:

a=
2.6066e-004
>> b
b=
0.0796
>> c
c=
0.5449

Sistemul care rezultă în urma optimizării este prin urmare:

1
H(s)  (4.7)
0.00026066 s 3  0.0796  s 2  0.5449  s  1

răspuns
optimizat

răspuns iniţial

Fig. 4.8. Rezultatul optimizării NCD

În variantele mai noi de Matlab blocul NCD a fost înlocuit cu un bloc foarte asemănă-
tor: Signal Constraint.

pag. 58
Aplicaţia 4.2: Optimizaţi cu ajutorul blocului Signal Constraint modelul din Aplicaţia 4.2.

Pentru optimizarea modelului din Aplicaţia 4.2 folosim modelul Simulink din fig. 4.9.

Fig. 4.9. Modelul procesului de optimizare

Pentru generarea criteriului de optimizare se calculează eroarea de modelare prin dife-
renţa dintre ieşirile sistemului necunoscut şi a modelului şi se definesc trei parametri de
ajustare (tuned parameters), care au sensul celor trei parametri naturali ai modelului de ordin
II: k factorul de amplificare,  pulsaţia naturală şi f factorul de amortizare. Valorile lor iniţiale
introduse în workspace (first guess) sunt cele obţinute prin identificarea manuală:
k=1
w = 1.8
f = 0.35
Ultima operaţie necesară înaintea optimizării este setarea limitelor admisibile pentru
eroarea de modelare, ceea ce reprezintă de fapt formularea obiectivelor modelării în termenii
analizei în timp a semnalului – vezi fig. 4.10.
Dacă aceste limite sunt setate astfel încât optimizarea nu este posibilă, după parcurge-
rea unui număr maxim de iteraţii care poate fi stabilit din cutia de dialog a blocului,
optimizarea se încheie fără succes. De exemplu, dacă am dori reducerea suprareglajului sub
valoarea de -2, optimizarea din fig. 4.10 nu ar mai fi convergentă, deoarece regimul oscilant
care urmează s-ar atenua mai greu. Ea s-ar putea realiza relaxând limitele admisibile începând
de la t = 5s.
Valorile obţinute în urma optimizării din fig. 4.10 se regăsesc în workspace:
k = 1.0029
w = 1.6588
f = 0.2860

pag. 59
 Fig. 4.10. Rezultatul procesului de optimizare cu blocul Signal Constraint

Pentru aprofundarea cunoştinţelor legate de identificarea sistemelor este necesară stu-

dierea capitolelor 9 şi 12 din cartea „Modelare şi simulare” de Octavian Proştean, Ioan Filip,
Cristian Vaşar şi Iosif Szeidert apărută în Editura Orizonturi Universitare din Timişoara, în
anul 2006 şi reproduse în Anexa 1.

pag. 60
 Capitolul 5. CONDUCEREA BAZATĂ PE MODEL INTERN

5.1. Tehnici de reglare bazate pe modele interne

5.1.1. Reglarea adaptivă cu model de referinţă
Una dintre posibilităţile cele mai fertile de perfecţionare a sistemele de conducere
automată şi chiar de investire a lor cu elemente de inteligenţă artificială este înglobarea în
structura lor a unor modele funcţionale ale proceselor conduse. Pentru că aceste modele fac
parte chiar din structura sistemelor, ele sunt denumite modele interne MI. Modelele interne
pot fi utilizate atât în cazul regulatoarelor cât şi în cazul traductoarelor. Totodată ele constituie
una dintre cele mai importante tehnici de abordare a sistemelor neliniare.
O primă ilustrare a tehnicii MI o constituie conducerea adaptivă cu model de referinţă.

Fig. 5.1. Sistem de reglare automată adaptivă cu model de referinţă

În varianta prezentată în fig. 5.1 funcţionarea dorită a procesului neliniar este emulată
prin intermediul MI de referinţă, care conduce un corector adaptiv. Corectorul adaptiv modi-
fică parametrii regulatorului pe baza unei legi de corecţie adaptivă având ca intrare diferenţa
dintre ieşirea y a procesului şi cea ale modelului de referinţă yM, diferenţă denumită în conti-
nuare eroare de adaptare ε.
Corectorul adaptiv trebuie să determine modificarea parametrilor regulatorului astfel
încât ieşirea procesului real să fie cât mai apropiată de ieşirea modelului de referinţă. Acţiunea
de adaptare constă în esenţă din urmărirea modelului.
Prin acţiunea corectorului adaptiv care are funcţia de transfer C(s), se realizează un al-
goritm de reglare cu structură variabilă, depinzând de evoluţia erorii de adaptare ε.

pag. 61
 Ecuaţiile care modelează comportarea sistemului de reglare adaptivă cu model intern
pentru cazul cu timp continuu cu parametri constanţi pe subintervale de timp, sunt pentru fie-
care subinterval de forma:
R A Cs  R A Cs 
U(s)   W(s)   P(s)
1  G(s)  R A Cs  1  G(s)  R A Cs 
G(s)  R A Cs  1
Y(s)   W(s)   P(s) (5.1)
1  G(s)  R A Cs  1  G(s)  R A Cs 
ε(s)  (G(s)  M(s))  U(s)  P(s)
Notaţiile folosite în sistemul de ecuaţii (5.1) sunt: G(s) funcţia de transfer a procesului,
RA(s) funcţia de transfer a regulatorului adaptiv, C(s) funcţia de transfer a corectorului adap-
tiv, W(s) imaginea Laplace a referinţei, U(s) imaginea Laplace a comenzii, Y(s) imaginea La-
place a ieşirii şi P(s) imaginea Laplace a perturbaţiei aditive, M(s) funcţia de transfer a mode-
lului procesului. Aceste ecuaţii sunt valabile şi în cazul cu timp discret.
Problema centrală a acestor sisteme este proiectarea legii de corecţie a corectorului
adaptiv C(s). Există mai multe metode de analiză şi sinteză utilizabile în acest sens, dintre
care cea mai des utilizată este metoda gradientului.
Se alege o funcţie criteriu J( θ ) unde θ este vectorul parametrilor ajustabili ai regula-
torului. J( θ ) se alege ca o funcţie a erorii de adaptare ε = y – y M , de exemplu:
1
J( θ ) = ε 2 (5.2)
2
sau
J( θ ) = ε (5.3)

Evident, cu cât valoarea lui J este mai mică, cu atât eroarea  este şi ea mai mică.
Acest fapt induce principiul minimizării.
În continuare, în spiritul principiului minimizării lui J, parametrii evoluează în timp în
sensul negativ al gradientului lui J în raport cu :
dθ dJ
 γ  (5.4)
dt dθ
unde  este o constantă pozitivă ce caracterizează viteza de adaptare.
O condiţie de aplicabilitate a acestei metode este ca parametrii să varieze mult mai lent
decât alte variabile din sistem.
Simplitatea sintezei corectorului şi robusteţea deosebită constituie avantajele princi-
pale ale metodei gradientului. Dezavantajele sunt legate de faptul că ea poate fi aplicată numai
proceselor stabile precum şi de viteza de convergenţă şi precizia relativ scăzute faţă de prin-
cipala metodă alternativă, metoda Gauss-Newton.
O metodă care combină avantajele metodelor gradientului şi Gauss-Newton este meto-
da Marquardt, care la rândul ei are mai multe variante.

pag. 62
 5.1.2. Reglarea cu model intern
Mai mult decât instrumentul de adaptare din cazul tehnicilor cu model de referinţă pre-
zentate anterior, MI poate fundamenta însuşi algoritmul de reglare/conducere.
Metoda modelului intern oferă posibilităţi numeroase de sinteză a unor sisteme de re-
glare adaptive având diverse topologii şi caracteristici, şi în principiu ar putea fi considerată ca
cea mai puternică metodă de reglare din automatică, cu condiţia ca ea să poată fi aplicată. Tre-
buie însă să înţelegem de la început că dacă algoritmul de reglare s-ar identifica perfect cu
procesul condus, în orice moment, am fi în posesia algoritmului perfect, care ar putea oferi
performanţe maxime din punct de vedere teoretic, dar pe de altă parte, dificultăţile de
modelare matematică a proceselor neliniare şi variabile în timp, şi mai ales dificultăţile de
implementare fizică, prin erorile produse, ridică obstacole greu de depăşit în cazul proceselor
mai complicate.
În fig. 5.2 se prezintă varianta cea mai simplă a reglării cu model intern, aplicabilă cu
precădere în cazul proceselor liniare, în care practic corecţia adaptivă se identifică cu eroarea
de adaptare C(s) = ε(s).

Fig. 5.2. Varianta cea mai simplă a reglării cu model intern

Ecuaţiile care modelează sistemul pentru cazul cu timp continuu sunt:
R(s) R(s)
U(s)   W(s)   P(s)
1  R(s)  (G(s)  M(s)) 1  R(s)  (G(s)  M(s))
R(s)  G(s) 1 - R(s)  M(s)
Y(s)   W(s)   P(s) (5.5)
1  R(s)  (G(s)  M(s)) 1  R(s)  (G(s)  M(s))
ε(s)  (G(s)  M(s))  U(s)  P(s)
Dacă modelul M(s) ar reprezenta perfect procesul G(s) atunci:
ε(s)  P(s) (5.6)
şi mărimea de reacţie ar fi identică cu perturbaţia, nefiind afectată de acţiunea de reglare. În
această situaţie nu se mai pun probleme de stabilitate legate de reacţie. Sistemul se comportă
ca şi cum ar fi în buclă deschisă, stabilitatea sa implicând stabilitatea procesului şi a corecto-
rului. În acest caz ieşirea are forma
Y(s)  R(s)  G(s)  W(s)  (1 - R(s)  M(s))  P(s) (5.7)
Dacă referinţa este constantă eroarea statică poate fi anulată teoretic prin condiţia
R(0) = M(0)-1 = G(0)-1 (5.8)

pag. 63
 În regim dinamic erorile de modelare cauzează erori de reglare şi chiar instabilitate,
dar popularitatea metodei modelului intern demonstrează fezabilitatea ei. O posibilitate de
reducere a riscului instabilizării provocate de diferenţele dintre model şi procesul real constă
din introducerea unui filtru trece jos pe calea de reacţie, ca în fig. 5.2.

Fig. 5.3. Reglarea cu model intern în buclă închisă

În fig. 5.3 se prezintă o variantă echivalentă celei din fig. 5.2, dar având modelul plasat
în buclă închisă. În acest caz regulatorul în buclă închisă va avea funcţia de transfer
R(s)
R BI (s)  (10.9)
1  R(s)  M(s)
De la structura cu model intern în buclă închisă se poate ajunge la o altă variantă posi-
bilă de reglare cu model intern în care modelul este prezent atât în paralel cu procesul cât şi în
regulator.

Fig. 5.4. Structură de reglare cu model intern

În acest caz regulatorul va avea funcţia de transfer
R BI (s)
R(s)  (5.10)
1  R BI (s)  M(s)
Când în componenţa regulatorului în buclă închisă RBI(s) există un integrator, în regim
staţionar regulatorul R(s) se identifică cu M-1(s).
Deşi echivalente din punctul de vedere al transferului intrare-ieşire, variantele din figu-
rile 5.2, 5.3 şi 5.4 au comportamente diferenţiate în funcţie de stabilitatea procesului.

pag. 64
 5.1.3. Reglarea cu model invers
Cea mai simplă metodă de reglare cu model intern apare atunci când dispunem de un
model suficient de precis al procesului, pe care putem şi să-l inversăm în timp real.

a) Schema bloc a reglării cu model invers

b) Implementare Simulink cu generator de semnal modulat în frecvenţă şi osciloscop

2
iesire

1.5

0.5
intrare - iesire

intrare
0

-0.5

-1

-1.5

-2
0 1 2 3 4 5 6 7 8 9 10
t [s]

c) Simulare pentru k = 4
Fig. 5.5. Reglarea cu model invers
Cum se observă in Fig. 5.5, funcţia de transfer a căii directe ajunge astfel să fie
identică cu G(s)-1G(s) = 1. În cazul reacţiei unitare amplificarea în buclă deschisă este şi ea
unitară, ceea ce oferă în final o funcţie de transfer proporţională: HMI(s) = 1/(1+1) = 1/2 care
asigură performanţe optime reglării. În fig. 5.5 se arată şi cum putem obţine amplificarea
dorită A pentru semnalul de ieşire, respectiv înmulţind semnalul căii directe şi divizând
semnalul de reacţie cu o constantă k, a cărei valoare este k = 2  A. Simularea prezentată în
figură a fost obţinută pentru k = 4.

pag. 65
 5.2. Identificarea proceselor prin metoda modelului intern
Metoda modelului intern poate fi reorientată în sensul identificării procesului: în loc ca
procesul să urmărească automat modelul de referinţă, modelul va urmări automat evoluţia
procesului. Schema bloc a procedeului este prezentată în fig. 5.6.
Avantajul acestei abordări a modelării este acela că oferă premisa identificării on-line
a întregului set de parametri interni ai procesului, cu condiţia ca modelul să fie determinist,
adică să respecte legăturile funcţionale dintre parametrii procesului.

Fig. 5.6. Identificarea unui proces prin metoda modelului intern

Principala dificultate a acestei metode apare la proiectarea corectorului, atunci când nu

dispunem de informaţii precise referitoare la modul de acţiune a parametrilor asupra procesu-
lui. În acest caz se ridică problema convergenţei algoritmului de corecţie pe domeniul de func-
ţionare al sistemului (în sensul relaţiei 5.4) precum şi problema stabilităţii acţiunii corectoare.
Bucla de reacţie dintre corector şi modelul intern poate ea însăşi genera instabilitate. Stabilita-
tea identificării cu model intern poate fi studiată doar în cazuri concrete, în care se cunoaşte
precis legea de corecţie adaptivă.
Ecuaţiile care modelează structura din fig. 3.6 sunt:
R(s) R(s)
U(s)   W(s)   P(s)
1  R(s)  G(s) 1  R(s)  G(s)
R(s)  G(s) P(s)
Y(s)   W(s)  (3.11)
1  R(s)  G(s) 1  R(s)  G(s)

ε(s)  (MC(s) - G(s)) U(s)  P(s)

pag. 66
 5.3. Senzori inteligenţi cu model intern
Deseori măsurătorile asupra proceselor conduse automat sunt afectate de erori, având
diferite cauze: imprecizii sau derive în timp ale valorilor componentelor electronice din echi-
pamente, sensibilităţi limitate, perturbaţii externe, etc. Incertitudinea introdusă astfel se nu-
meşte incertitudine de ordin 1. Mai mult decât atât, procesele şi măsurătorile aferente lor sunt
de regulă afectate de incertitudini de ordin 2 care ţin chiar de cunoaşterea insuficientă a proce-
sului sau echipamentelor de conducere, care pot avea chiar prin natura lor un caracter vag.
Un astfel de caz apare de exemplu la măsurarea temperaturii aerului din interiorul unei
incinte condiţionate. Circulaţia aerului, inerţiile termice, influenţele pereţilor şi alţi factori cre-
ează distribuţii complexe şi nerepetitive ale temperaturii aerului atât în spaţiu cât şi în timp.
Măsurarea temperaturii va fi în consecinţă influenţată de poziţia senzorului, fără a se putea
defini în mod fundamentat o poziţie optimă.
Pentru măsurări în condiţii de incertitudine una dintre căile posibile este extragerea
unei cantităţi cât mai mari de informaţie din datele disponibile. În acest scop se poate apela la
două tehnici diferite dar care pot conlucra eficient: fuzionarea datelor şi modelul intern.
Prin fuzionarea datelor se obţin în principal două avantaje:
 extinderea domeniului de măsură;
 creşterea fiabilităţii;
În plus, prin analogie cu sistemele de reglare adaptive cu model de intern, putem intro-
duce în structura senzorului un model al procesului măsurat (vezi modelul intern din fig. 5.7),
care poate să includă şi particularităţile importante ale senzorilor primari şi ale canalului de
măsurare: întârzieri, etc. În acest model se includ toate cunoştinţele apriorice disponibile, teo-
retice şi/sau experimentale despre procesul condus şi despre senzor/traductor.
Introducerea MI al procesului fizic la care este conectat senzorul poate sta la baza unor
acţiuni vizând mai multe obiective care pot fi grupate în următoarele categorii:
 îmbunătăţirea funcţionării senzorului:
- creşterea preciziei,
- scăderea timpului de răspuns,
- rejectarea perturbaţiilor, etc.;
 validarea măsurătorilor;
 diagnosticarea funcţionării şi a stării tehnice a senzorului.
 estimarea mărimilor fizice sau indicilor de performanţă sintetici ai procesului, care nu
sunt măsurabili sau sunt greu accesibili;
 adaptarea la condiţiile de măsurare şi la starea tehnică cu ajutorul estimărilor.
Rezultă o structură originală de senzor inteligent adaptiv cu model intern SIAMI. Se
au în vedere structuri complexe de senzori, în care există cât mai mulţi senzori lucrând în re-
dundanţă, la care rezultatul final al măsurătorii se obţine prin fuzionarea informaţiilor primare.
MI va acţiona asupra rezultatului final al măsurătorii sau estimării prin mecanismul de fuzio-
nare. Schema bloc SIAMI este reprezentată în fig. 5.7.

pag. 67
 Fig. 5.7. Structura SIAMI
 Procesul – este caracterizat de incertitudinea referitoare la mărimea de ieşire şi la măsu-
rarea ei. Procesul include n senzori primari S1, S2, ..., Sn care măsoară în paralel variabila de
ieşire din proces y. Din cauza incertitudinii care afectează procesul nu avem acces la ieşirea y,
care trebuie estimată.
Intrări: mărimea de intrare p;
Ieşiri: mărimea de ieşire y (neaccesibilă); semnalele celor n senzori y1, y2, ..., yn;
Mărimi de stare: vectorul mărimilor de stare θ (menţionaţi în relaţiile 5.2, 5.3 şi 5.4).
Elementele componente ale SIAMI sunt:

 Modelul intern – reprezintă totalitatea cunoştinţelor deterministe despre proces.

Intrări: mărimea de intrare în proces p;
Ieşiri: estimata modelului ŷ m;
Mărimi de stare: estimarea vectorului mărimilor de stare θ̂ .
 Mecanismul de fuzionare – calculează estimata ieşirii procesului ŷ pe baza unor grade
de încredere în fiecare dintre senzorii primari. μ1, μ2 ..., μn precum şi a gradului de încredere în
model μm. Se pot utiliza diferite legi de agregare, inclusiv fuziunea fuzzy.
Intrări: semnalele celor n senzori y1, y2, ..., yn şi estimata modelului ŷ m;
Ieşiri: estimata mărimii de ieşire ŷ ;
Mărimi de stare: gradele de încredere în senzorii primari şi în model μ1, μ2 ..., μn şi μm.
 Corectorul – îndeplineşte două funcţii fundamentale:
a) adaptarea on line a modelului intern al procesului, astfel ca acesta să urmărească cât mai
fidel evoluţia parametrilor funcţionali ai procesului real,

pag. 68
b) validarea senzorilor primari şi a modelului (calculul gradelor lor de încredere) se face pe
baza datelor tehnice ale senzorilor primari (domenii de funcţionare, precizii, perturbaţii, viteza
de răspuns, etc.). Justificarea cumulării validării cu corecţia rezidă în aceea că în corector sunt
centralizate deja o serie de date referitoare la sistem, necesare adaptării. Aceleaşi date pot fi
utilizate şi la validare şi la gestionarea fuzionării.
La stabilirea gradelor de încredere se au în vedere mai multe obiective:
- asigurarea unei precizii maxime pe un domeniu cât mai mare de funcţionare a senzorului
inteligent. Pentru aceasta se vor atribui valori maxime de încredere pentru acei senzori care în
punctul de măsură au precizie maximă,
- asigurarea unei viteze de răspuns cât mai bună pentru senzor. Compensarea inerţiei sen-
zorilor primari pe durata regimurilor tranzitorii poate fi obţinută prin utilizarea mărimii esti-
mate de către model ŷ m,
- asigurarea unei fiabilităţi sporite prin diagnosticarea senzorilor primari, ale căror indicaţii
sunt comparate cu ŷ m. Gradul de încredere în senzorii care nu funcţionează corect conform
criteriilor diagnozei este anulat.
Senzorii primari introduc diferite erori, conform principiilor lor de funcţionare, a parti-
cularităţilor constructive, a influenţei factorilor de mediu şi a stării lor tehnice.
yi(t) = Si(y(t)) (5.12)
Funcţiile de intrare-ieşire ale senzorilor Si(y(t)) pot fi determinate doar experimental,
prin etalonarea senzorilor. O diagramă de etalonare este prezentată în fig. 5.8.

Fig. 5.8. Diagramă de etalonare a unui senzor

Indicaţiile yi(t) sunt ponderate prin gradele de încredere ale fiecărui senzor μi(y(t)),
rezultând n termeni de forma μi(y(t))yi(t), care sunt agregaţi prin mecanismul de fuzionare,
împreună cu termenul corespunzător modelului intern μm(y(t))ymi(t).
Cea mai simplă fuziune se obţine prin utilizarea sumei ponderate:

 μ i (y i )  y i
y i (5.13)
 μ i (yi )
i
Fuzionarea este ortonormată atunci când gradele de încredere respectă relaţia:
n
μ m (y(t))   μ i (y(t))  1 (3.14)
i 1
Stabilirea legilor de adaptare a modelului şi a gradelor de încredere în măsurile care
participă la fuziune cade în sarcina corectorului din componenţa SIAMI. Pentru rezolvarea
acestor sarcini se apelează frecvent la soluţii din domeniul Inteligenţei Artificiale, cum ar fi
cele bazate pe sistemele expert.

pag. 69
 Capitolul 6. MODELAREA UNOR SISTEME TEHNICE COMPLEXE

6.1. Modelarea frânării vagoanelor de cale ferată

6.1. 1. Descrierea unei instalaţii de frânare
Partea mecanică a instalaţiei de frânare a unui vagon tipic se compune din trei părţi:
mecanismul de acţionare care produce efortul de frânare, timoneria de frână care transmite
efortul de frânare la roţi şi elementele de fricţiune (sabotul de frână-bandajul roţii sau plăcile
de fricţiune-discurile de frână). Principalele probleme constructive sunt ridicate de vitezele tot
mai mari de circulaţie, care îngreunează oprirea pe distanţele de frânare obişnuite. În cazul
frânelor cu disc, cele mai performante, fenomenele cel mai greu de contracarat care apar odată
cu creşterea vitezei sunt: scăderea coeficienţilor de frecare disc-garnitură de frecare respectiv
roată-şină şi dezvoltarea unei mari cantităţi de căldură. În cele ce urmează se va prezenta un
model structural determinist al instalaţiei de frânare.
a) Cilindrul de frână şi comanda sa
Un cilindru des utilizat de către Astra Arad este modelul UB de 10” utilizat la boghiul
Minden-Deutz, cu suprafaţa pistonului Scyl = 0,05064506m2, forţa de rapel Fr = 1500N şi pre-
siunea maximă P = 3,8daN/cm2. Soluţia clasică de reglare a presiunii, aplicată de exemplu de
către firma Knorr pentru frâna KE-GPR, constă din utilizarea unui regulator de presiune bipo-
ziţional cu histerezis. Presiunea în cilindru se ridică până la 3,8daN/cm2 la frânările puternice
şi la 1,7daN/cm2 la frânările obişnuite. Forţa de frânare este obţinută în cilindri alimentaţi cu
aer sub presiune prin intermediul unei electrovalve speciale, cu acţiune continuă. Electrovalva
are trei comenzi: admisie, evacuare şi menţinere. Variaţiile presiunii în cilindru au loc cu vi-
teză limitată şi ajustabilă prin reglarea secţiunilor canalelor de admisie şi evacuare ale
electrovalvei.
b) Timoneria de frână
Timoneria este alcătuită din bare şi leviere şi are următoarele obiective: amplificarea
forţei produse de cilindrul pneumatic, transmiterea ei la discuri şi distribuirea uniformă a
forţei de apăsare la toate garniturile. Mărimile care caracterizează timoneria sunt amplificarea
i şi randamentul η referitoare la transmisia forţelor.

c) Frâna cu disc
Frâna cu disc este cea mai des utilizată la vagoanele de călători. Forţa de frecare se
dezvoltă între discurile de frânare montate pe osiile vagonului şi garniturile de frecare de la
extremitatea timoneriei. Principala problemă de reglare ridicată de frâna disc este variaţia
coeficientului de frecare μ cu viteza relativă dintre disc şi garnitură de frecare v. Măsurarea
directă a dependenţei μ(v) este extrem de greu de realizat practic din cauza condiţiilor de
funcţionare şi de montare ale frânei disc. De aceea în formulele de calcul a distanţei de frânare
utilizate de UIC până în prezent, de exemplu formula Munchner, μ apare ca un coeficient
mediu μs = 0,35. În plus μ este influenţat şi de alţi factori cum ar fi: montarea elementelor frâ-
nei, uzura, temperatura, etc.
Din cauza scăderii lui μ la viteze mari şi din cauza încălzirii puternice a componen-
telor sale pe durata frânărilor totale, la vagoanele de mare viteză, frâna cu disc trebuie dublată

pag. 70
de către o frână electromagnetică (UIC – Organismul european de reglementare a materialului
rulant).
6.1.2. Ecuaţia de mişcare
Modelul include ecuaţia de mişcare cu parametri fizici variabili în timp ai vagonului,
ecuaţia forţei de frânare şi parametri instalaţiei de frânare precum şi dependenţa neliniară a
coeficientului de frecare disc-garnitură de fricţiune de viteza relativă dintre ele.
Ecuaţia de mişcare a vagonului este:
dv
M  car  Ftr (t)  Fa (v car )  Ftt (t)   Fwi (t) (6.1)
dt i
unde: M = masa vagonului [kg], v car = viteza vagonului [m/s], Ftr = forţa de tracţiune [N],
Fa = rezistenţa la înaintare [N]. Ftt = forţa produsă de înclinarea traseului j [‰] este:
Ftt = M · g · sin(arctg(j)) (6.2)
Forţa totală de frânare este egală cu suma forţelor de frecare aplicate tuturor osiilor
vagonului. Pentru o singură osie expresia forţei este:
Fwi (t)  [P(t)  Scyl  Fr ]  λ  η (6.3)
cu: P=presiunea din cilindrul de frână, S cyl =suprafaţa activă a cilindrului, Fr =forţa de rapel,
λ=amplificarea şi =randamentul timoneriei de frână. Presiunea poate varia continuu datorită
valvelor cu acţiune continuă conduse prin trei comenzi: admisie (P), evacuare (P) şi menţi-
nere a presiunii (=P).

6.1.3. Determinarea coeficientului de frecare neliniar disc-garnitură de fricţiune

Modelul analitic (6.1)-(6.3) reprezintă doar un nucleu determinist al comportării com-
plexe a vagonului în timpul frânării. Această platformă poate fi utilizată în diverse moduri, în
funcţie de orientarea dată modelului.
O primă problemă care se poate rezolva cu ajutorul acestui model este identificarea
variaţiei cu viteza a coeficientului de frecare dintre disc şi garniturile de fricţiune, μ(vcar ) . În
subcapitolele următoare modelul va fi utilizat şi în alte scopuri.
Măsurarea directă a (vcar) este practic imposibilă din motive constructive. De altfel
acest coeficient depinde atât de soluţiile constructive (dimensiuni, materiale, etc.) cât şi de
factori greu de modelat, ca montarea, uzura, temperatura, etc. De aceea vom prefera introdu-
cerea unui coeficient de frecare efectiv eff(vcar) în care se includ toate aceste influenţe şi care
poate fi introdus în modelul frânei ca un singur bloc tabel de căutare (look-up table). În acest
fel toate elementele de incertitudine legate de comportarea sistemului disc-garnitură de frecare
se grupează într-unul singur: eff(vcar). Identificarea sa se poate obţine prin simulări dirijate
orientate astfel încât dependenţa eff(vcar) să rămână singura dependenţă neliniară necunoscută.
Aceasta se poate realiza considerând ca principală ieşire a modelului distanţa de frânare Sf
obţinută printr-o frânare totală cu presiune constantă la cilindrul de frână. Impunând o anumită
dependenţă distanţă de frânare - viteză iniţială Sf(vinit), se completează prin încercări repetate
tabelul astfel încât dependenţa impusă să fie respectată cu toleranţa dorită.
Dependenţă Sf(vinit) poate fi obţinută fie experimental, prin testarea vagonului, fie prin
formula Münchner propusă de firma Knorr şi agreată de UIC:

pag. 71
 3,93  1  γ   v init 2
v τ
Sf   init m (6.4)
10  μ s  δ  ra  j 7,2
cu: γ = un coeficient empiric cuprins în domeniul (0.05...0.25), v init = viteza iniţială a vago-
nului [km/h], δ = procentul de frânare, μ s = 0.35 coeficientul mediu de frecare, ra = 20daN
rezistenţa specifică la înaintare, j = înclinarea traseului [‰] şi τ = timpul de umplere a cilin-
drului. În expresia lui δ intră f = coeficientul de frecare roată-şină, Qi = sarcina pe osie, g =
acceleraţia gravitaţională şi razele roţii rw şi discului de frânare rd :
δ = 100 · f / μ = (100  Fwi  rd ) (Qi  g  rw ) (6.5)
Este de remarcat caracterul empiric al formulei precum şi valabilitatea ei doar pentru
un procent de frânare constant (forţă de frânare constantă).
În prima linie a tabelului de căutare monodimensional eff(vcar) este introdusă viteza
curentă dintre disc şi garnitură (egală cu viteza vagonului în cazul în care nu există alunecare
între roată şi şină). În linia a doua se introduc valorile eff, începând de la vitezele mici, astfel
încât erorile dintre model şi formula etalon (6.4) sau rezultatele experimentale disponibile să
fie cât mai mici. Tabelul se completează până la viteza maximă a vagonului. Ambele linii ale
tabelului sunt interpolate liniar.
Pentru exemplificările care urmează s-au folosit datele tehnice ale unui vagon produs
de Astra Arad pentru Grecia, dotat cu un boghiu Minden-Deutz echipat cu cilindrul de frână
tip UB 10'': M=42680kg, λ=5,03343465, =0,95, rw =0,46m, rd =0,23m, etc. Timpul de
umplere a cilindrului este τ  4s. Formula (6.4) s-a aplicat pentru: =0,25, s=0,35, ra =20N,
j=0[‰]. Cu datele de mai sus s-a obţinut următoarea dependenţă eff(vcar).
Variatia coeficientului de frecare efectiv disc-garnitura cu viteza vagonului

0.3

0.298

0.296

0.294

0.292
m

0.29

0.288

0.286

0.284

0.282

0.28
0 50 100 150 200 250
Vcar [km/h]

Fig. 6.1. Dependenţa eff(vcar)

Pentru coeficientul de frecare f dintre roată şi şină se pot utiliza fie date experimentale,
fie formula Curtius-Kniffler (UIC):

pag. 72
  
f v car 
7,5
v car  44
 0,161 (6.6)

pag. 73
 6.1.4. Implementarea SIMULINK a modelului instalaţiei de frânare
Implementarea modelului prezentat anterior în Simulink include următoarele blocuri:
vagon, boghiu, cilindru de frână, regulator şi monitorizare.
În fig. 6.2 este prezentată fereastra principală a modelului, iar în figurile următoare
modulele componente.
 Modulul vagon conţine ecuaţia de mişcare a vagonului.
Intrări: forţa de tracţiune, forţa de frânare, înclinarea şinei, tara vagonului, viteza iniţială.
Ieşiri: forţa totală (pentru monitorizare), acceleraţia, viteza, poziţia.
 Modulul boghiu conţine ecuaţia de funcţionare a timoneriei şi a frânei disc, cu următorii
parametri: amplificarea şi randamentul timoneriei, numărul de osii şi de discuri, raza roţii şi
raza de frânare.
Intrări: forţa realizată de cilindrul de frână, coeficienţii de frecare dintre garniturile de frecare
şi disc respectiv dintre roată şi şină.
Ieşire: forţa de frânare.
 Modulul cilindru de frână conţine ecuaţia de funcţionare a cilindrului, cu următorii para-
metri: suprafaţa cilindrului, forţa de rapel şi timpul de umplere al cilindrului.
Intrare: presiunea de aer.
Ieşire: forţa dezvoltată de cilindru.
 Modulul regulator conţine regulatoarele de presiune pentru comandarea cilindrului.
Intrări: acceleraţia, viteza, poziţia.
Ieşire: presiunea de aer.
 Modulul monitorizare conţine osciloscoape şi display-uri pentru monitorizarea parame-
trilor frânării. El include şi formula (6.4) pentru validare.

Regulator Cilindru Boghiu Vagon Monitorizare

F_trac [N]
Presiune Pres F_cil F_cil F_trac
F F [kN]

m m F_f r F_f r
a a [m/s^2]
m_coef (disc) j[o/oo]
f f 0 j

f_coef M [kg] v v [km/h]

(aderenta)
42680 M

V_init [km/h]
s s [m]
200 V_init

Fig. 6.2. Fereastra principală a modelului

pag. 74
 Sum
F_trac Force
1
F_fr F
j 2 F
3 f(u) 0.001 1
Accel
Fcn2
Gain Deriv A
TT Prod3 20 a
Prod1 Integr1
Tilt Rez_ du/dt 2
inaint 1/s
gravit_acc Gain1 Zero Stop_sim
9.81

C_fr 3.6 STOP

Vcar1 Prod
V Prod2
u/3.6 3
1/s Vcar
Fcn1 Sum2 v
4 1/u
V
Weight Integr
M Fcn
T 4
s
5 VI S
V_init Vinit
Pozition

Fig. 6.3. Modulul Vagon

Prod
F_cil
D Nr_disc
1 /osie
Disk_force
2
5.03343465
Amplif_timon 2 1
Nr_boghie
0.95 m /vag F_fr
Rand_timon Rd Product1 2
0.23
Fcn R
3 Product3
0.46 1/u Radius_ratio
f Terminator
Rw
Product2

Fig. 6.4. Modulul Boghiu

pag. 75
Pres
1
Sum
Pressure
1
Tau Product2 P
Product1 F_cil

S_cilindru F_rapel
0.05064506 1500
[m^2] [N]

Fig. 6.5. Modulul Cilindru

Selector
Releu bipozitional 1

V 1
Vcar2 Position1 Sat. Presiune

poz (v) S Poz

Multiport
Switch
Prod1
Prod
Imp_poz P
Fcn 160/u
Fcn1 u/1000

V_init
Distanta
1500 impusa
VI Vinit2 Cntroler
de franare
fuzzy
de pozitie

Fig. 6.6. Modulul Regulator

pag. 76
 Clock
P 0 VI V_initiala
Pressure1 Pres_cil [kN/m^2] Durata [s]
Vinit1

1 0 0.25 Coef _gama

F [kN] Forta [kN] F[kN] Gamma

0.35 Coef _f rec_med

2 0 m_med
Dist_f r. 0
a [m/s^2] Acceleratia [m/s^2] Acc. [m/s^2] Proc_f r. Proc_f ran. Distanta de
franare [m]
Procent fr. Pres_cil = const.
3 0
2 Rezist_adv ancing (UIC)
v [km/h] Viteza [km/h] Vit. [km/h]
Rez [daN]

0 4 Timp_umpl.
4
s [m] tau [s]
Spatiul [m] Dist. [m] Formula Munchner

Fig. 6.7. Modulul Monitorizare

V_initiala Fcn1

1 u^2
Coef_gama Fcn
2 1+u

3.93 Product3
Coef_frec_med
3 10 Constant Product1
Product2
Proc_fran. Gain1
4
1
5 1/u
Sum Dist_fr.
Rezist_advancing Fcn2
TT
Tilt1 Sum1

6 0.1388888

Timp_umpl. Product Gain

Fig. 6.8. Modulul Formula Munchner

pag. 77
 Evolutia unei franari cu presiune constanta
200
viteza

100

0
0 5 10 15 20 25 30 35 40 45 50 55
0
acceleratie

-0.5
-1
-1.5
0 5 10 15 20 25 30 35 40 45 50 55
1500
pozitie

1000
500
0
0 5 10 15 20 25 30 35 40 45 50 55
0
forta

-50
5
0x 10 5 10 15 20 25 30 35 40 45 50 55
4
presiune

0
0 5 10 15 20 25 30 35 40 45 50 55
timp

Fig. 6.9. Evoluţia mărimilor de stare pe durata unei frânări de test cu presiunea constantă
Validarea modelului se face comparând distanţa de frânare a modelului cu cea oferită
de etalonul (8.4), sau cu date experimentale dacă acestea sunt disponibile.
Distanţa de frânare a modelului, pentru un vagon de 42680kg, în urma unei frânări cu
durata de 50,81s, cu presiunea din cilindru de 380000N/m2, a rezultat de 1478m. Distanţa de
frânare a etalonului (8.4) fiind de 1477m, eroarea absolută a modelului rezultă de 1m. Pe dis-
tanţe mai mici, eroarea nu depăşeşte 1m.

pag. 78
6.1.5. Frânarea pe distanţă impusă
Despre frânarea ABS vom vorbi în subcapitolul următor, dar funcţionarea lui este în
general cunoscută. Dispozitivul ABS ţine sub control blocarea roţilor în timpul frânărilor pu-
ternice, fenomen nedorit din cauza uzurii cauzate sistemului roată-şină şi a disconfortului pro-
dus călătorilor prin variaţiile relativ rapide ale deceleraţiei. Blocarea şi intrarea în regim ABS
pot fi evitate de cele mai multe ori prin dozarea optimă a efortului de frânare pe toată durata
frânării. O metodă originală de realizare a acestui deziderat este frânarea pe distanţă impusă
(IBDM - Imposed Braking Distance Method).
O caracteristică esenţială a frânării vagonului este aceea că forţa de frânare disponibilă
(limitată de aderenţa roată-şină) este relativ redusă faţă de masa inerţială mare, astfel că în ca-
zul unui program de frânare incorect ales există mari şanse ca să se depăşească resursele siste-
mului şi să fie necesară intervenţia ABS-ului. Pentru o dozare uniformă a efortului de frânare
pe toată durata frânării, IBDM porneşte de la idea aplicării la intrarea regulatorului a unui pro-
gram de referinţă aflat în concordanţă cu modul în care s-ar comporta vagonul dacă ar fi frânat
cu o forţă de frânare constantă. Programul constă dintr-o dependenţă poziţie-viteză obţinută
prin simularea unei frânări de referinţă. Prin apelarea la un regulator de poziţie se obţine pe
lângă dozarea uniformă a efortului şi posibilitatea impunerii, încă de la începutul frânării, a
valorii dorite pentru distanţa de frânare, parametru esenţial pentru siguranţa circulaţiei. În pre-
zentare s-a ales, fără o justificare anume, dependenţa poziţie-viteză rezultată din simularea
unei frânări totale de la 160km/h, pe distanţa de 1000m.
Valoarea impusa in metoda IBDM
1000

900

800

700

600
pozitia [m]

500

400

300

200

100

0
0 20 40 60 80 100 120 140 160
viteza vagonului [km/h]

Fig. 8.10. Dependenţa poziţie-viteză impusă la intrarea regulatorului de poziţie

Distanţa impusă frânării şi adaptarea programului la diferitele viteze iniţiale se obţin
prin introducerea a doi coeficienţi de proporţionalitate: al distanţei D respectiv al vitezei ini-
ţiale V. De exemplu, pentru o frânare pe distanţă de 1200m de la viteza iniţială de 140km/h, D
= 1,2 iar V = 1,6/1,4 = 1,1428.

pag. 79
 Din cauza că singura informaţie despre dinamica vagonului provine de la traductoarele
de viteză de pe fiecare osie ale sistemului ABS, informaţia de poziţie se obţine prin integrarea
vitezei. Schema bloc a regulatorului de poziţie este prezentată în figura următoare. Integrarea
este pornită numai pe durata frânărilor, astfel că erorile care afectează în general integratoarele
din cauza offset-urilor nu este în cazul nostru deranjantă.

Viteză
(de la ABS)
Programul Comandă
poziţie-viteză + (la electro-
V D
(look-up table) valvă
Regulator
de poziţie

Integrator -

Fig. 6.11 Schema bloc a regulatorului de poziţie pentru IBDM

În fig. 6.6 în care se prezintă implementarea, se remarcă prezenţa a două regulatoare:
cel bipoziţional descris anterior, care este selectat prin blocul Multiport switch la valoarea 1 a
Selectorului, dar şi regulatorul de poziţie selectat prin poziţia 2 a Selectorului. Regulatorul de
poziţie nu va fi descris în detaliu, dar în principiu construcţia sa nu ridică probleme deosebite.
Unul dintre avantajele majore ale sistemelor de reglare care lucrează cu programe de referinţă
este tocmai acela că facilitează substanţial sarcina regulatorului.
Franare IBDM cu regulatorul de pozitie PSAIC (Vinit=160km/h, S=1500m)
20
eroare de pozitie

-20

-40

-60
0 10 20 30 40 50 60 70
5
x 10
3
presiune in cilindru

0
0 10 20 30 40 50 60 70
timp [s]

Fig. 6.12. Schema bloc a regulatorului de poziţie pentru IBDM

Funcţionarea de tip PBDM este prezentată în fig. 6.12. Eroarea iniţială mare este cau-
zată de timpul de umplere al cilindrului de frână, de 4s, după care regulatorul de poziţie preia
controlul poziţiei cu precizie.

pag. 80
 6.2. Modelarea frânării ABS pentru vagoanele de cale ferată
6.1. 1. Descrierea unei frâne ABS
Dotarea fiecărui vagon de călători cu un sistem de frânare antiblocator ABS este impu-
să de către UIC. El are rolul de a conduce frânările totale astfel încât să se poată exploata cât
mai bine aderenţa disponibilă, evitând blocarea roţilor.
Încadrarea sistemului ABS în instalaţia de frânare este ilustrată în fig. 6.13.

Fig. 6.13. Sistem de frânare ABS

Se remarcă faptul că fiecare osie este dotată cu o frână ABS proprie. Pentru măsurarea
vitezei roţilor sistemul ABS include câte un senzor de viteză pentru fiecare osie (deseori de tip
senzor de proximitate-roată polară). Această configuraţie este necesară pentru că dinamica
vagonului şi a boghiurilor este extrem de complexă şi produce dezechilibre mari şi rapid vari-
abile între încărcarea roţilor. Una dintre cauze este de exemplul cabrarea (apăsarea roţilor din
faţă şi descărcarea celor din spate) pe durata frânărilor puternice. Cabrarea se produce atât la
nivelul vagonului cât şi la nivelul fiecărui boghiu în parte.
Construcţia sistemelor ABS este relativ diversificată, mai ales în ceea ce priveşte ale-
gerea mărimilor de intrare şi prelucrarea lor. Întotdeauna însă, ieşirea este reprezentată de o
comandă pentru elementul de execuţie care produce forţa de frânare. În cazul frânei cu disc
acţionată pneumatic, ieşirea este comanda pentru valva cu trei stări cu funcţionare continuă.
Fiecare roată este frânată de către forţa de frânare produsă la nivelul discului de frână
montat pe osie. Ea acţionează asupra vagonului datorită sistemului roată-şină, care produce
reacţia care decelerează vagonul. Reacţia şinei se poate produce datorită aderenţei dintre roată
şi şină. Fenomenul care creează principalele probleme la frânare este alunecarea instalată între
roată şi şină atunci când forţa de frânare depăşeşte aderenţa disponibilă. Dacă în timpul alune-
cării forţa de frânare nu este imediat scăzută roata se va bloca total, patinând pe şină. Patinarea
produce uzuri rapide, deformări ale bandajelor roţilor care în continuare vor produce vibraţii,
dar mai ales afectează siguranţa circulaţiei prin creşterea distanţei de frânare. Alunecarea din-
tre roată şi şină se defineşte prin relaţia:

pag. 81
 Fig. 6.14. Mişcarea roţii în timpul frânării


s  v car  v w v car  (9.2)

unde: s este alunecarea, cuprinsă între 0 (roată nefrânată) şi 1 (roată blocată), v car este viteza
vagonului iar v w viteza roţii.
Ecuaţia roţii i în regim de alunecare, dacă nu se consideră efectele dinamice (mai ales
cabrările boghiurilor şi vagonului) şi dacă pe osie sunt montate două discuri de frână, este:
1 dv wi Qi
Ji    f( s)   g  rwi  μ( s)  Fwi (t)  rdi (9.3)
rwi dt 2

unde: J i =momentul de inerţie al roţii, f = coeficientul de frecare roată-şină, rwi = raza roţii,
Q i = sarcina pe osie, g = acceleraţia gravitaţională, μ = coeficientul de frecare disc-garnitură,
Fwi = forţa de frânare aplicată discului iar rdi = raza echivalentă a discului. În cazul altei for-
mule de echipare a osiei (de exemplu cu un singur disc), ecuaţia trebuie rescrisă.
f este puternic dependent de s. Pe lângă dependenţa de s, f este influenţat de geometria,
curăţenia şi uzura sistemului roată-şină precum şi de factorii meteorologici. Experimental se
constată şi existenţa unor variaţii aleatorii ale aderenţei chiar pe distanţă de câţiva metri. În
figura următoare se prezintă o dependenţă f(s) tipică. Aceeaşi alură a dependenţei aderenţă-
alunecare poate fi găsită şi în cazul automobilelor.
Pseudo-alunecarea se datorează elasticităţii roţii, manifestându-se printr-o decelerare
bruscă care apare la pierderea contactului roată-şină. Aproximativ între valorile 0,15 şi 0,2 ale
alunecării, apare un fenomen paradoxal, insuficient explicat până în prezent, prin care
aderenţa creşte cu creşterea alunecării. Astfel alunecarea atinge un maxim relativ fB, pentru o
alunecare optimă sOpt. De cele mai multe ori între fB şi fA, coeficientul de frecare în condiţiile
menţinerii contactului roată-şină, există inegalitatea fB < fA. Există şi situaţii în care fB > fA.

pag. 82
 Fig. 6.15. Dependenţa dintre aderenţă şi alunecare
Datorită creşterii aderenţei cu alunecarea, în porţiunea sB - sOpt apare un efect de auto-
stabilizare a alunecării, care favorizează reglarea sa cu precizie, prin modularea adecvată a
forţei de frecare aplicate roţii. Scopul acţiunii dispozitivului ABS este tocmai menţinerea
alunecării fiecărei roţi în domeniul controlabil dintre sB şi sOpt, cât mai aproape de sOpt, care
este de regulă cuprins între 0,15 şi 0,25, atât pentru vagoane cât şi pentru automobile.
Când alunecarea depăşeşte acest domeniu, controlul asupra roţii este greu de menţinut
şi roata se blochează rapid. Dacă forţa de frânare scade, deblocarea roţii se produce rapid, con-
trolul asupra alunecării fiind greu de restabilit.

pag. 83
 Anexa 1. UTILIZAREA MEDIULUI MATLAB ÎN IDENTIFICAREA
SISTEMELOR ŞI METODE DE REGRESIE

Extrase din „Modelare şi simulare” de Octavian Proştean şi colectiv, Editura

Orizonturi Universitare, Timişoara, 2006: capitolele 9 şi 12.

pag. 84
pag. 85
pag. 86
pag. 87
pag. 88
pag. 89
pag. 90
pag. 91
pag. 92