「自控原理」3.2 二阶系统时域分析

news2025/2/24 18:23:21

本节介绍二阶系统的时域分析,主要介绍欠阻尼情况下的时间响应与动态性能指标

文章目录

  • 概述
    • 极点的表示方法
  • 无阻尼响应
  • 临界阻尼响应
  • 过阻尼响应
  • 欠阻尼响应
    • 欠阻尼系统的单位阶跃响应
    • 动态性能与极点分布的关系
    • 例题
    • 改善二阶系统动态性能的措施


概述

二阶系统时间响应比较重要,因为所有高阶系统都可以使用二阶系统来近似。

二阶微分方程描述的系统称为二阶系统。反映在传递函数上就是闭环传递函数分母为s的2次方程。

二阶系统传递函数的标准形式

典型结构为一个惯性环节和一个积分环节串联
在这里插入图片描述
在这里插入图片描述
G ( s ) = ω n 2 s ( s + 2 ξ ω n ) G(s)=\displaystyle \frac{\omega_n^2}{_{s(s+2\xi \omega_n)}} G(s)=s(s+2ξωn)ωn2

Φ ( s ) = ω n 2 s 2 + 2 ξ ω n s + ω n 2 \Phi(s)=\displaystyle \frac{\omega_n^2}{_{s^2+2\xi \omega_ns+\omega_n^2}} Φ(s)=s2+2ξωns+ωn2ωn2

其中 ω n \omega_n ωn具有 1 时间 \frac{1}{{时间}} 时间1的量纲,称为自然频率
ξ \xi ξ是常数,称为阻尼比或者阻尼系数

二阶系统分类:
D ( s ) = s 2 + 2 ξ ω n s + ω n 2 = 0 D(s)=s^2+2\xi \omega_ns+\omega_n^2=0 D(s)=s2+2ξωns+ωn2=0

阻尼比系统分类特征根
ξ = 0 \xi=0 ξ=00阻尼 λ 1 , 2 = ± j ω n \lambda_{1,2}=\pm j\omega_n λ1,2=±jωn
0 < ξ < 1 0<\xi<1 0<ξ<1欠阻尼 λ 1 , 2 = − ξ ω n ± j 1 − ξ 2 ω n \lambda_{1,2}=-\xi \omega_n \pm j\sqrt{1-\xi^2} \omega_n λ1,2=ξωn±j1ξ2 ωn
ξ = 1 \xi=1 ξ=1临界阻尼 λ 1 = λ 2 = − ω n \lambda_{1}=\lambda_2=-\omega_n λ1=λ2=ωn
ξ > 1 \xi>1 ξ>1过阻尼 λ 1 , 2 = − ξ ω n ± ξ 2 − 1 ω n \lambda_{1,2}=-\xi \omega_n\pm \sqrt{\xi^2-1}\omega_n λ1,2=ξωn±ξ21 ωn

− 1 < ξ < 0 -1<\xi<0 1<ξ<0,系统震荡发散, ξ < − 1 \xi<-1 ξ<1,系统单调发散。不稳定,所以不加讨论。

极点的表示方法

特征根,也就是系统的极点,有以下几种不同的表示方法:

  1. 直角座标表示
    λ 1 , 2 = − ξ ω n ± j 1 − ξ 2 ω n \lambda_{1,2}=-\xi \omega_n \pm j\sqrt{1-\xi^2}\omega_n λ1,2=ξωn±j1ξ2 ωn
    其虚部 ω d = ω n 1 − ξ 2 \omega_d=\omega_n\sqrt{1-\xi^2} ωd=ωn1ξ2 称为阻尼震荡频率
  2. “极”座标表示
    注意,这个不是真的极座标,只是用极座标的方式去理解
    λ \lambda λ写成模值+相角的形式
    { ∣ λ ∣ = ω n ∠ λ = β \left \{ \begin{aligned} |\lambda|&=\omega_n\\ \angle \lambda&=\beta \end{aligned} \right. {λλ=ωn=β
    在这里插入图片描述
    根据几何关系:
    { cos ⁡ β = ξ sin ⁡ β = 1 − ξ 2 \left \{ \begin{aligned} \cos \beta&=\xi\\ \sin \beta&=\sqrt {1-\xi^2} \end{aligned} \right. {cosβsinβ=ξ=1ξ2
    β \beta β角也称阻尼角

无阻尼响应

此时特征根为共轭纯虚根
在这里插入图片描述

临界阻尼响应

此时特征根为两个相同的负实根
在这里插入图片描述
在这里插入图片描述
没有超调。
调节时间 t s ≈ 4.7 1 ω n t_s\approx4.7\frac{1}{\omega_n} ts4.7ωn1
响应时间比过阻尼快。

过阻尼响应

此时特征根为两个不同的负实根
在这里插入图片描述
过阻尼情况下时间响应增加比临界阻尼更慢。
过阻尼情况可以等效为两个一阶惯性系统的串联。如果两个特征根绝对值相差很大(3倍以上),则这个二阶系统可以近似用一阶系统来表示。

动态性能指标的计算:
定义时间常数:
T 1 , 2 = 1 ω n ( ξ ± ξ 2 − 1 ) T_{1,2}=\frac{1}{\omega_n(\xi \pm \sqrt{\xi^2-1})} T1,2=ωn(ξ±ξ21 )1

系统时间响应:
y ( t ) = 1 + e − t / T 1 T 2 / T 1 − 1 + e − t / T 2 T 1 / T 2 − 1 y(t)=1+\frac{e^{-t/T_1}}{T_2/T_1-1}+\frac{e^{-t/T_2}}{T_1/T_2-1} y(t)=1+T2/T11et/T1+T1/T21et/T2 方程很难解,所以一般直接读图:
在这里插入图片描述
「图源:胡寿松-自动控制原理」
首先根据 T 1 T 2 \frac{T_1}{T_2} T2T1或者 ξ \xi ξ,在曲线上确定出一个点。然后读出这个点对应的 t s T 1 \frac{t_s}{T_1} T1ts,结合T1的值就可以计算ts的值了。

通过一个例子来体会一下这个曲线怎么用:
在这里插入图片描述
在工程实践中,如果 ξ ≥ 1.5 \xi \ge1.5 ξ1.5,可以按照一阶系统计算:
t s = ( 3 ∼ 4 ) T 1 = ( 3 ∼ 4 ) × 1 ( ξ − ξ 2 − 1 ) ω n t_s=(3\sim4)T_1=(3\sim4)\times \displaystyle \frac{1}{(\xi-\sqrt{\xi^2-1})\omega_n} ts=(34)T1=(34)×(ξξ21 )ωn1

欠阻尼响应

此时特征根为共轭复根。

欠阻尼系统的单位阶跃响应

在这里插入图片描述
在这里插入图片描述
动态性能的三个结论:
{ t p = π 1 − ξ 2 ⋅ ω n σ = e − ξ π 1 − ξ 2 t S ≈ 3.5 ξ ω n \left \{ \begin{aligned} t_p&=\frac{\pi}{\sqrt{1-\xi^2}\cdot \omega_n}\\ \sigma&=e^{\frac{-\xi \pi}{\sqrt{1-\xi^2}}}\\ t_S&\approx\frac{3.5}{\xi \omega_n} \end{aligned} \right. tpσtS=1ξ2 ωnπ=e1ξ2 ξπξωn3.5
也有教材里面 t s ≈ 3 ξ ω n ( 5 % 误差带 ) , 4 ξ ω n ( 2 % 误差带 ) t_s\approx\frac{3}{\xi \omega_n}(5\%误差带),\frac{4}{\xi \omega_n}(2\%误差带) tsξωn3(5%误差带)ξωn4(2%误差带)

在这里插入图片描述
再补充几个不太重要的指标,了解即可:
上升时间: t r = π − β ω d , ω d = ω n ⋅ 1 − ξ 2 \displaystyle t_r=\frac{\pi -\beta}{\omega_d},\omega_d=\omega_n\cdot\sqrt{1-\xi^2} tr=ωdπβ,ωd=ωn1ξ2
震荡次数: N = 1.5 1 − ξ 2 π ξ N=\displaystyle \frac{1.5\sqrt{1-\xi^2}}{\pi \xi} N=πξ1.51ξ2

之前说性能指标的时候就已经说过,实际上使用的是单位阶跃响应曲线的包络线。
包络线是曲线: y ( t ) = 1 ± 1 1 − ξ 2 e − ξ ω n t y(t)=1\pm \frac{1}{\sqrt{1-\xi^2}}e^{-\xi\omega_nt} y(t)=1±1ξ2 1eξωnt
实际调节时间是不连续的,比如下面这种情况:( ω n \omega_n ωn为常数)
在这里插入图片描述

ξ 2 \xi_2 ξ2的情况下,第二次震荡刚好在误差带之内,所以计算调节之间只需要看第一次震荡进入误差带的时间t2就可以了。
但是在 ξ 1 \xi_1 ξ1的情况下,第二次震荡刚好超出了误差带,所以必须计算第三次震荡进入误差带的时间t1
虽然 ξ 1 \xi_1 ξ1 ξ 2 \xi_2 ξ2相差很少,但是反映在调节时间上就相差很大了。

最佳阻尼比
ξ = 0.707 \xi=0.707 ξ=0.707

刚好时间响应曲线与误差带相切。这样实际上的调节时间是最短的。
用极座标表示就是 β = 45 ° \beta=45\degree β=45°
最佳阻尼比下,系统的实际调节时间: 2 ξ ω n \frac{2}{\xi \omega_n} ξωn2

动态性能与极点分布的关系

在这里插入图片描述
极点向上移动,超调量增大,但调节时间不变
向左移动,超调量减小,调节时间也减小
沿着某一条倾斜直线远离原点移动,超调量不变,调节时间减小

λ 1 , 2 = − ξ ω n ± j 1 − ξ 2 ω n \lambda_{1,2}=-\xi \omega_n \pm j\sqrt{1-\xi^2}\omega_n λ1,2=ξωn±j1ξ2 ωn
按照直角座标变化:向上即是仅虚部 1 − ξ 2 ω n \sqrt{1-\xi^2}\omega_n 1ξ2 ωn增大, β \beta β角增大,对应 ξ \xi ξ减小, σ = e − ξ π / 1 − ξ 2 \sigma=e^{-\xi \pi/\sqrt{1-\xi^2}} σ=eξπ/1ξ2 增大。 t s = 3.5 ξ ω n t_s=\frac{3.5}{\xi \omega_n} ts=ξωn3.5不变。
向左即是仅实部 − ξ ω n -\xi \omega_n ξωn变小, ξ ω n \xi \omega_n ξωn变大。 β \beta β角减小,对应 ξ \xi ξ增大。同样代入公式: σ \sigma σ减小, t s t_s ts也减小。

按照极座标变化:
远离原点即是 ω n \omega_n ωn变大, β \beta β角不变, ξ \xi ξ不变。代入公式, t s t_s ts减小, σ \sigma σ不变。
绕原点顺时针转动即是 ω n \omega_n ωn不变, β \beta β角增大, ξ \xi ξ减小。代入公式, t s t_s ts增大, σ \sigma σ增大。

例题

欠阻尼二阶系统重点掌握动态性能指标的三个公式就可以了。
在这里插入图片描述
除了这种已知系统参数要求性能指标的题,还有已知性能指标倒求系统参数的题:
在这里插入图片描述

改善二阶系统动态性能的措施

  1. 测速反馈(增加阻尼)
  2. 比例+微分(提前控制)

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/170235.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

elementUI如何设置input不可编辑

打开一个vue文件&#xff0c;添加一个input标签。如图&#xff1a; 添加disabled设置不可编辑。如图&#xff1a; 保存vue文件后使用浏览器打开&#xff0c;页面上显示的input已经实现不可编辑效果。如图&#xff1a; 参考&#xff1a;elementUI如何设置input不可编辑-百度…

出现死锁的场景分析及解决方法

在上一篇互斥锁的时候最后使用Account.class作为互斥锁&#xff0c;来解决转载问题&#xff0c;所有的账户转账操作都是串行的&#xff0c;性能太差。 我们可以考虑缩小锁定的范围&#xff0c;使用细粒度的锁&#xff0c;来提高并行度。例如用两把锁&#xff0c;转出账本一把&…

Python - 数据容器set(集合)

目录 集合的定义 集合的常用操作 添加新元素 add 移除元素 remove 从集合中随机取出元素 pop 清空集合 clear 取出2个集合的差集 difference 消除2个集合的交集 difference_update 2个集合合并 union for循环遍历 set的实用应用 集合的定义 不支持元素的重复&#…

软件设计师学习笔记-程序设计语言基础知识

前言 备战2023年5月份的软件设计师考试&#xff0c;在此记录学习之路。 知识点总结&#xff0c;具体内容请查看对应的模块。 提示&#xff1a;这里有软件设计师资料&#xff0c;包含软件设计师考试大纲、软件设计师第五版官方教程、历年考试真题。 通过百度网盘分享的文件&am…

好好学习,天天向上——“C”

各位uu们我又来啦&#xff0c;今天小雅兰来给大家分享一个有意思的东西&#xff0c;是为&#xff1a;天天向上的力量 基本问题&#xff1a;持续的价值 一年365天&#xff0c;每天进步1%&#xff0c;累积进步多少呢&#xff1f; 1.01^365 一年365天&#xff0c;每天退步1%&#…

python(运算符,顺序,选择,循环语句)

专栏&#xff1a;python 个人主页&#xff1a;HaiFan. 专栏简介&#xff1a;本专栏主要更新一些python的基础知识&#xff0c;也会实现一些小游戏和通讯录&#xff0c;学时管理系统之类的&#xff0c;有兴趣的朋友可以关注一下。 python基础语法2前言一、输入输出1.通过控制台输…

CSS 伪类

CSS 伪类 CSS 伪类是添加到选择器的关键字&#xff0c;用于指定所选元素的特殊状态。例如&#xff0c;伪类 :hover 可以用于选择一个按钮&#xff0c;当用户的指针悬停在按钮上时&#xff0c;设置此按钮的样式。 举例说明: button:hover {color: blue; }伪类由冒号&#xff…

【应用】SpringBoot -- Webflux + R2DBC 操作 MySQL

SpringBoot -- Webflux R2DBC 操作 MySQLWebflux 概述Webflux 基本使用Webflux R2DBC 操作 MySQLController ServiceRoute Handler参考文章Webflux 概述 简单来说&#xff0c;Webflux 是响应式编程的框架&#xff0c;与其对等的概念是 SpringMVC。两者的不同之处在于 Webf…

贪心策略(四)合并区间合集

目录 435. 无重叠区间移除元素的最小个数 无重叠区间 区间组合结果 合并区间_牛客题霸_牛客网 435. 无重叠区间 移除元素的最小个数 给定一个区间的集合 intervals &#xff0c;其中 intervals[i] [starti, endi] 。返回 需要移除区间的最小数量&#xff0c;使剩余区间互不重…

【Linux调试器-gdb使用】

目录 1. 背景 2. 使用 3 命令总结 1. 背景 通过c语言的学习我们知道程序的发布方式有两种&#xff0c;debug模式和release模式&#xff0c;debug模式就是我们所说的调试模式。我们已经熟悉了在Windows平台下VS系列的调试&#xff0c;接下来我们一起在无图形化界面的Linux下来…

2023-01-18 flink 11.6 时间水印 和 窗口周期的关系计算方法

forBoundedOutOfOrderness 和 TumblingEventTimeWindowsforBoundedOutOfOrderness&#xff08;M&#xff09;TumblingEventTimeWindows&#xff08;N&#xff09;第一条数据的时间TS1第一个窗口期公式&#xff1a;窗口开始时间&#xff1a;win_start ((TS1-M)/N) * N窗口结束时…

Docker上部署goweb项目

文章目录一、安装go语言环境①下载go语言环境②解压go语言环境到指定目录③验证是否成功④配置镜像加速二、go语言项目配置第一种&#xff1a;先编译后打包&#xff08;分步部署&#xff0c;靠谱&#xff09;第二种&#xff1a;直接打包法三、成功运行一、安装go语言环境 ①下…

Zabbix 监控 Linux操作系统的监控指标

一、Zabbix 监控 Linux操作系统的监控指标 (仅供参考) Zabbi x默认使用Zabbix agent监控操作系统,其内置的监控项可以满足系统大部分的指标监控,因此,在完成Zabbix agent的安装后,只需在前端页面配置并关联相应的系统监控模板就可以了。 如果内置监控项不能满足监控需求…

走向开放世界强化学习、IJCAI2022论文精选、机器人 RL 工具、强化学习招聘、《强化学习周刊》第73期...

No.73智源社区强化学习组强化学习周刊订阅《强化学习周刊》已经开启“订阅功能”&#xff0c;扫描下面二维码&#xff0c;进入主页&#xff0c;选择“关注TA”&#xff0c;我们会向您自动推送最新版的《强化学习周刊》。本期贡献者&#xff1a;&#xff08;李明&#xff0c;刘青…

【Kotlin】类的继承 ① ( 使用 open 关键字开启类的继承 | 使用 open 关键字开启方法重写 )

文章目录一、使用 open 关键字开启类的继承二、使用 open 关键字开启方法重写一、使用 open 关键字开启类的继承 Kotlin 中的类 默认都是 封闭的 , 无法被继承 , 如果要想类被继承 , 需要在定义类时 使用 open 关键字 ; 定义一个普通的 Kotlin 类 : class Person(val name: S…

分析GC日志来进行JVM调优

不同的垃圾收集器产生的GC日志大致遵循了同一个规则&#xff0c;只是有些许不同&#xff0c;不过对于G1收集器的GC日志和其他垃圾收集器有较大差别&#xff0c;话不多说&#xff0c;正式进入正文。。。 什么时候会发生垃圾收集 首先我们来看一个问题&#xff0c;那就是什么时…

SpringBoot集成Elasticsearch7.4 实战(三)

本篇文章主要讲的是:在Springboot环境下&#xff0c;管理数据1. 数据管理1.1. 新增数据1.1.1. 单实例新增http方式提交数据&#xff0c;案例中我将数据格式做了规范&#xff0c;提交过程中需要指定索引名&#xff0c;以及JSON格式数据&#xff0c;这样尽可能在实际过程中做到通…

图论算法:普里姆算法(C++实现+图解)

文章目录最小生成树普里姆算法实现过程代码实现最小生成树 什么是最小生成树? 对于如图所示的带权无向连通图来说&#xff1a;从图中任意顶点出发&#xff0c;进行dfs或者bfs便可以访问到图中的所有顶点&#xff0c;因此连通图中一次遍历所经过的边的集合以及图中所有顶点的…

libvirt零知识学习2 —— libvirt源码下载

1. libvirt官网主页 libvirt的官网地址为&#xff1a; https://libvirt.org/ 主页如下图所示&#xff1a; 2. libvirt官网下载主页 libvirt的官网下载页地址为&#xff08;在主页中点击“Download”按钮即可跳转到&#xff09;&#xff1a; https://libvirt.org/downloads…

KaiwuDB 首席解决方案专家 金宁:1.0 时序数据库核心功能解读

以下是实录文章精简版欢迎大家点赞、收藏、关注&#xff01;大家好&#xff0c;今天介绍将分为 3 部分&#xff1a;首先从物联网蓬勃发展的时代背景出发&#xff0c;我们一起来看看数据库究竟将面临怎样的挑战与机遇&#xff1b;接着我将为大家详细 KaiwuDB 1.0 时序数据库的核…