线性系统时域分析

news2024/10/5 4:43:13

1、稳定性分析

2、动态品质的求取

3、稳定误差计算

典型输入信号:

1、抛物线函数(等加速度阶跃函数)

r(t)=\left\{\begin{matrix} At^{2} &t\geq 0 \\ 0 & t<0 \end{matrix}\right.

L[r(t)]=\frac{2A}{s^{3}}

2、单位阶跃函数

r(t)=\left\{\begin{matrix} A &t\geq 0 \\ 0 & t<0 \end{matrix}\right.

L[r(t)]=\frac{A}{s}

3.斜坡函数

r(t)=\left\{\begin{matrix} At &t\geq 0 \\ 0 & t<0 \end{matrix}\right.

L[r(t)]=\frac{A}{s^{2}}

A=1,是单位阶跃函数1(t)

4.脉冲函数

r(t)=\left\{\begin{matrix} \frac{A}{\varepsilon } &0<t<\varepsilon \\ 0& t<0 or t>\varepsilon \end{matrix}\right. \varepsilon\rightarrow 0

A=0 记为 \delta (t) 

动态过程和稳态过程

超调量:(系统最大值-系统稳态值)/系统稳态值

线性常微分方程的通解=齐次方程通解+非齐次方程任一特解。

单位阶跃响应

r(t)=1  R(s)=\frac{1}{s}

G(s)=\frac{1}{Ts+1}

c(t)=1-e^{-t/T}(化成标准形式)

单位斜坡响应

r(t)=t       R(s)=\frac{1}{s^{2}}

G(s)=\frac{1}{Ts+1}

C(s)=G(s)\cdot R(s)=\frac{1}{Ts+1}\cdot \frac{1}{s^{2}}=\frac{1}{s^{2}}-\frac{T}{s}+\frac{T^{2}}{Ts+1}

c(t)=t-T+Te^{-t/T}=t-T(1-e^{-t/T})

(标准式:\frac{T}{Ts+1}=\frac{1}{s+\frac{1}{T}})

单位脉冲响应

r(t)=\delta (t)

R(s)=1

C(s)=\frac{1}{Ts+1}

拉式反变换

c(t)=\frac{1}{T}e^{-t/T}

线性定常系统 

系统对某信号导数的响应等于对该信号响应的导数。

系统对某信号积分的响应等于对该信号响应的积分。

二阶系统的暂态响应

二阶系统的单位阶跃响应

1、欠阻尼  0<\zeta <1 s_{1,2}=-\zeta \omega _{n}\pm j\omega _{n}\sqrt{1-\zeta ^{2}}

输入信号的拉氏变换,\frac{1}{s}*传递函数=C(s).然后将输出进行拉斯反变换。

输出逐渐减小,但减小的过程中,逐渐震荡。

欠阻尼系统加入单位阶跃信号,输出的响应。

如下是响应曲线

2、无阻尼系统 是欠阻尼系统的一个特例。

无阻尼系统是一个震荡的,最低点是0,最高点2的,加入阶跃信号的话,做等幅震荡。

3。临界阻尼。

是一个实数。

过阻 尼系统 

过阻 尼情况,加入阶跃信号时的图

性能指标:

上升时间

峰值时间 t_{p}

最大超调量 M_{p}=\frac{c(t_{p}-c(\infty ))}{c(\infty )}*100

调整时间

最佳阻 尼比:超调量小,上升时间短。

二阶系统的暂态响应

如何得出的\o\o\O\Phi(s)

线性系统的稳定性

对于线性系统如果它是小范围稳定的,那它大范围肯定也是稳定的。

非线性是小范围稳定,大范围不稳定。

当初始偏差必须充分小时,系统才稳定,小偏差

范围内的稳定。

不管初始偏差有多大,系统总稳定。

在满足稳定条件下,当t——>无穷时,系统输出

重新回到原平衡点,如原平衡点为0时,渐近稳定。

p_{i}是个复数,有实部和虚部组成。

p_{i}的实部<0时,输入趁近于1,系统稳定。

当系统所有特片根实部均为负(极点在S平面左半部),系统稳定。

只要有一个特征根实部为正(极点在S平面右半部),系统稳定。

有一个为零的特征根,或有一对在虚轴上的根——(共轭虚根)——系统临界稳定。

劳斯——赫尔判据

一种由特征方程的系数来判定系统稳定性的代数方法

如果系统稳定的话,特征根的实部就应该是负的,极点是负,根与系数的关系,由系数去判

定根的实部的正负。

系数首先要同号才有可能稳定,

如下,符号不同,所以是不稳定的。

s^{3}+2s^{2}-3s+6=0

如下,符号相同,但s一次方这一项缺失,所以也是不稳定的

s^{3}+2s^{2}+7=0

下面是不一定, 不能说它是稳定的,也不能说它是不稳定的。不确定。

s^{3}+2s^{2}+s+1=0

劳斯判据

第一步要列劳斯表

列劳斯表举例

D(S)=s^{4}+2s^{3}+3s^{2}+4s+5=0

2.第二步,通过劳斯表第一烈的系数判断根的情况。

(1)第一列所有系数均不为零。

系统极点实部为正数根的数目等于劳斯表中第一列系数符号改变的次数。

如上图,第一列,符号全是正的,没有改变,说明右部s平面没有极点,说明系统稳定。

如上图,系数是同号的,不缺相,但劳斯表的第一项有变相,说明右边有极点,

所以不稳定。

-1/2改变了一次,9,又改变成正号,说明改变了两次,有两个正数根。

(2)某行第一列系数等于0,而其余项中某些项不等于零或没有其余项,用一

个很小 的正数\varepsilon代替为零的一项。

\varepsilon上面的系数符号与\varepsilon下面的系数符号相同——有一对虚根存在。

\varepsilon上面的系数符号与\varepsilon下面的系数符号相反——有一位于右半S平面的根。 

第一列系数符号改变----不稳定。

第一列系数符号不变----临界稳定。

概括以上的描述:

一旦第一列某一系数等于0,要么是不稳定,要么就是临界稳定,都属于不稳定系统。

举例说明:

如上图,第一列s1是0,则用\varepsilon代替。

(3)某一行所有各项系数均为零

存在一些大小相等,符号相反的实数和(或)一些共轭虚数极点。

如果某一行系数全部为零,则由上一行构造辅助方程,然后求导,将系数代替。

第一列系数符号改变——不稳定

第一列系数符号不变——临界稳定

举例说明

s5,s4行,得出第三行的系数全部是0,所以构造辅助方程,求导后,将

系数填入s3行,继续向下求。

也可以通过求辅助方程的特征根,如下,所求得s的正实部大于0,所以不稳定。

辅助多项式的次数表示特征根中数值相同,符号不同的根的数目。

赫尔维茨判据

一定是n行n列的。

判据:系统稳定的充分必要条件是在a_{0}>0的情况下,上述行列式的各阶主子式大于零,

\bigtriangleup _{1}>0.........\bigtriangleup _{n}>0。 

得到传递函数

\phi (s)=\frac{G(S)}{1+G(S)H(S)}

要判断系统是否稳定,就要知道闭环极点在s平面的哪个位置。

因为求高阶方程很复杂,可以用劳斯判据。

稳态误差的定义

输入信号-主反馈信号。

如上图的误差怎么计算

E(s)=R(S)-C(S)

因为反馈是1,所以输入信号-输出信号=误差

C(s)=[[R(S)-C(S)]*G_{1}(S)+N(S)]*G_{2}(S)]

简化后

C(S)=\frac{RG_{1}G_{2}+NG_{2}}{1+G_{1}G_{2}}

E(s)=R(S)-C(S)=\frac{R(S)(1+G_{1}G_{2})}{1+G_{1}G_{2}}-\frac{RG_{1}G_{2}+NG_{2}}{1+G_{1}G_{2}}

减小误差的方式:

1、增加K

2、增加串联积分环节个数

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1084593.html

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

相关文章

基于Qt C++的工具箱项目源码,含命令行工具、桌面宠物、文献翻译、文件处理工具、医学图像浏览器、插件市场、设置扩展等工具

一、介绍 1. 基本信息 完整代码下载地址&#xff1a;基于Qt C的工具箱项目源码 TBox是一款基于Qt C的工具箱。用户可以自行选择安装所需的工具&#xff08;以插件的形式&#xff09;&#xff0c;将TBox打造成专属于自己的效率软件。TBox基本界面展示如下&#xff1a; 2. 使用…

视频转二维码简单技巧,适用多种视频格式

现在很多商品介绍多是以视频的方式来展现&#xff0c;那么为了方便用户能够同时快速获取视频内容&#xff0c;所以很多的商家现在会将视频生成二维码放到宣传单、展板、海报等宣传内容上&#xff0c;让他人通过扫码获取信息。那么视频二维码生成器的使用方法有哪几个步骤呢&…

【webUI】gradio基础使用2——Gallery组件显示多张图片

参考&#xff1a;https://www.gradio.app/docs/gallery | 参考代码&#xff08;老版本&#xff0c;有错误&#xff09; gradio基础使用1&#xff1a;https://blog.csdn.net/imwaters/article/details/131400571 说明 基于python的浏览器上多图片显示&#xff0c;是很多复杂程序…

袖口收缩包装机包装效果如何调整

袖口收缩包装机是一种使用非常广泛的包装设备&#xff0c;老百姓最常见的啤酒瓶和可乐瓶的包装就是袖口包装&#xff0c;我们看到的成品效果都是非常好的&#xff0c;那是因为厂商在出厂时已经对设备进行了非常好的调试&#xff0c;那么对于初次使用或者已经使用了&#xff0c;…

Pulsar 之架构,客户端以及多区域容灾

Pulsar 之架构&#xff0c;客户端以及多区域容灾 架构BrokersClusters元数据存储配置存储区持久存储Apache BookKeeperLedgersLedgers读一致性托管Ledgers 日志存储 Pulsar 代理服务发现 Pulsar client(客户端)客户端设置阶段Reader interface 多区域容灾备份(GEO-REPLICATION)…

《向量数据库指南》——宏观解读向量数据库Milvus Cloud

宏观解读向量数据库 如今,强大的机器学习模型配合 Milvus 等向量数据库的模式已经为电子商务、推荐系统、语义检索、计算机安全、制药等领域和应用场景带来变革。而对于用户而言,除了足够多的应用场景,向量数据库还需要具备更多重要的特性,包括: 可灵活扩展、支持调参:当…

恶意样本自动化配置提取初探

前言&#xff1a; 本篇参考 github 上 [CAPEv2](CAPEv2/Emotet.py at f2ab891a278b2875c79b4f2916d086f870b54ed5 kevoreilly/CAPEv2 (github.com)) 沙箱的提取代码&#xff0c;在前面奇安信攻防社区-APT 恶意 DLL 分析及 C2 配置提取&#xff08;子 DLL 篇&#xff09; 分析…

three.js入门 ---- 相机控件OrbitControls

前言&#xff1a; 自用&#xff01;&#xff01;&#xff01; 文档中描述&#xff1a;OrbitControls本质上就是改变相机的参数&#xff0c;比如相机的位置属性&#xff0c;改变相机位置可以改变相机拍照场景中模型的角度&#xff0c;实现模型的360度旋转预览效果&#xff0c;改…

彻底颠覆无线蓝牙,华为全新黑科技「星闪」有何魅力

内容开始前先发个灵魂拷问&#xff0c;还有多少人日常在用着有线耳机&#xff1f; 别怪咱们抛弃多年旧爱&#xff0c;实在是 TWS 无线耳机便捷真香&#xff0c;用了就回不去啊喂。 咳咳&#xff0c;开个玩笑&#xff0c;不是不愿意用有线耳机&#xff0c;而是这年头「极为先进…

多任务学习

前言 一般的机器学习模型都是针对单一的特定任务&#xff0c; 比如手写体数字识别 、 物体检测等&#xff0e; 不同任务的模型都是在各自的训练集上单独学习得到的 &#xff0e; 如果有两个任务比较相关&#xff0c; 它们之间会存在一定的共享知识 &#xff0c; 这些知识对两个…

命令执行绕过 [GXYCTF2019]Ping Ping Ping1

参考原文&#xff1a;CTFWeb-命令执行漏洞过滤的绕过姿势_绕过空格过滤_Tr0e的博客-CSDN博客文章目录前言CTF题目绕过姿势命令联合执行关键词的绕过内联执行绕过多种解法变量拼接内联执行Base64编码总结前言为了备战&#xff08;划水&#xff09;5 月份广东省的 “红帽杯” 网络…

用路由器远程维护三菱PLC操作指南

用路由器远程维护三菱PLC操作指南

基于Linux上MySQL8.*版本的安装-参考官网

本地hadoop环境安装好,并安装好mysql&#xff0c;下载hive安装包 mysql下载地址及选择包 MySQL :: Download MyS的QL Community Server (Archived Versions) mysql安装步骤 下载与上传解压给权限 #mysql安装包上传到/opt下 cd /usr/local/ #解压到此目录 tar -xvf /opt/mys…

全网最牛,docker容器搭建—Jenkins+Python+Allure自动化测试...

目录&#xff1a;导读 前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结&#xff08;尾部小惊喜&#xff09; 前言 1、安装docker 安…

外汇天眼:eToro 2022年收入暴跌 57%

eToro (UK) 在 2021-2022 年 IPO 上市尝试失败后大幅削减成本&#xff0c;导致业务活动急剧下降&#xff0c;其估值也在过去两年中稳步下降。 外汇天眼温馨提醒&#xff1a;在做外汇交易之前&#xff0c;一定要审核清楚外汇平台的资质以及官网信息&#xff0c;以防上当受骗&…

c++视觉处理 ------ 反向投影图和直方图的变化

通道混合&#xff1a;cv::mixChannels cv::mixChannels 是 OpenCV 中的一个函数&#xff0c;用于执行通道混合或通道分离操作。通常情况下&#xff0c;这个函数用于处理多通道图像&#xff0c;允许你从多通道图像中提取或重新排列通道&#xff0c;或者将不同通道的数据组合到一…

用于物体识别和跟踪的下游任务自监督学习-2-(计算机视觉中的距离度量+损失函数)

2.4 计算机视觉中的距离度量 在深度学习和计算机视觉中&#xff0c;距离度量通常用于比较图像、视频或其他数据的特征或嵌入。根据具体任务和数据属性&#xff0c;可以使用不同类型的距离度量。下面介绍了深度学习和计算机视觉中使用的一些常见类型的距离度量。 余弦相似性距…

spring6项目搭建(入门)

文章目录 环境要求构建模块引入依赖初试Bean创建测试类测试对象实现的原理 环境要求 JDK&#xff1a;Java17&#xff08;Spring6要求JDK最低版本是Java17&#xff09; Maven&#xff1a;3.6 Spring&#xff1a;6.0.2 构建模块 首先建立的spring的项目&#xff08;project&…

easy code 模板案例 (author作者 修改+swagger-ui+mybatis plus)

pojo ##引入宏定义 $!{define.vm} ##使用宏定义设置回调&#xff08;保存位置与文件后缀&#xff09; #save("/pojo", ".java") ##使用宏定义设置包后缀 #setPackageSuffix("pojo") ##使用全局变量实现默认包导入 $!{autoImport.vm} import ja…

不了解无线调制方式?这几个“老古董”大家现在还在用!

当我们使用手机、电视、互联网或其他无线通信设备进行通信时&#xff0c;数字调制技术起到了关键作用。这些技术是将我们的声音、文字、图像和数据转换成适合在无线信道上传输的模拟信号的重要工具。 从最早的调幅调制&#xff08;ASK&#xff09;到现代的正交频分复用&#xf…