打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←上一编辑
下一编辑→
控制理论 Control theory
(查看源代码)
2020年9月6日 (日) 16:25的版本
添加12字节
、
2020年9月6日 (日) 16:25
→闭环传递函数
第99行:
第99行:
上图是一种单输入单输出 (SISO) 控制系统; 另一种常见的控制系统为多输入多输出系统 (MIMO) ,具有多个输入/输出。在这种情况下,变量通过向量表示,而不是简单的标量值。对于一些分布参数系统,向量可能是无限维的(通常为函数)。
上图是一种单输入单输出 (SISO) 控制系统; 另一种常见的控制系统为多输入多输出系统 (MIMO) ,具有多个输入/输出。在这种情况下,变量通过向量表示,而不是简单的标量值。对于一些分布参数系统,向量可能是无限维的(通常为函数)。
−
如果我们假设控制器 <math>C</math>、受控对象 <math>P</math> 和传感器 <math>F</math> 是[[线性时不变 (LMI) ]]
的(也即它们的传递函数
<math>C(s)</math>、<math>P(s)</math> 和 <math>F(s)</math> 不依赖于时间),那么上述系统可以用拉普拉斯变换来分析。这就产生了以下关系:
+
如果我们假设控制器 <math>C</math>、受控对象 <math>P</math> 和传感器 <math>F</math> 是[[线性时不变 (LMI) ]]
的(即它们的传递函数
<math>C(s)</math>、<math>P(s)</math> 和 <math>F(s)</math> 不依赖于时间),那么上述系统可以用拉普拉斯变换来分析。这就产生了以下关系:
: <math>Y(s) = P(s) U(s)</math>
: <math>Y(s) = P(s) U(s)</math>
第109行:
第109行:
: <math>Y(s) = \left( \frac{P(s)C(s)}{1 + P(s)C(s)F(s)} \right) R(s) = H(s)R(s).</math>
: <math>Y(s) = \left( \frac{P(s)C(s)}{1 + P(s)C(s)F(s)} \right) R(s) = H(s)R(s).</math>
−
表达式 <math>H(s) = \frac{P(s)C(s)}{1 + F(s)P(s)C(s)}</math>
称为系统的闭路传递函数。分子是从
<math>r</math> 到 <math>y</math> 的正向(开环)增益,分母是1加上反馈回路中的增益,即所谓的回路增益。如果<math>|P(s)C(s)| \gg 1</math>
,也即对于每个
<math>s</math>
它都有很大的范数,且
<math>|F(s)| \approx 1</math>,那么 <math>Y(s)</math> 大约等于 <math>R(s)</math>
,也即输出紧密跟踪参考输入。
+
表达式 <math>H(s) = \frac{P(s)C(s)}{1 + F(s)P(s)C(s)}</math>
称为系统的闭环传递函数。分子是从
<math>r</math> 到 <math>y</math> 的正向(开环)增益,分母是1加上反馈回路中的增益,即所谓的回路增益。如果<math>|P(s)C(s)| \gg 1</math>
,就是对于每个
<math>s</math>
,传递函数都有很大的范数。若存在
<math>|F(s)| \approx 1</math>,那么 <math>Y(s)</math> 大约等于 <math>R(s)</math>
,即输出紧密跟踪参考输入。
==PID 反馈控制==
==PID 反馈控制==
打豆豆
421
个编辑