自动控制 / 系统课时

计算负载扰动到输出的传递关系

计算负载扰动到输出的传递关系

电机或执行机构在给定值不变时,负载突然增大,输出仍会偏离目标。这里把负载等效为被控对象输入端的加性扰动,推导它到输出的闭环传递函数,并用一阶模型检验增大比例增益能减少多少扰动偏差。

学习目标

  • 识别负载扰动的注入点,并在求扰动通道时将参考输入置零。
  • 推导扰动传递函数 Gyd(s)G_{yd}(s),解释灵敏度 S(s)S(s) 的作用。
  • 计算不同 KpK_p 下的阶跃扰动响应,判断调参的收益与限制。

把扰动放在对象输入端

采用线性时不变系统、负反馈和零初始条件。参考输入 R(s)R(s) 与测量反馈 H(s)Y(s)H(s)Y(s) 相减产生误差,控制器 C(s)C(s) 输出 U(s)U(s)。负载 D(s)D(s) 在对象 P(s)P(s) 前与 U(s)U(s) 相加;对象实际接收 U(s)+D(s)U(s)+D(s)。以下按加性扰动定义正负号;若负载在物理上产生反向力矩,可把 D(s)D(s) 取负。

对象输入端扰动的负反馈信号框图

由图读出三条等式:E(s)=R(s)−H(s)Y(s)E(s)=R(s)-H(s)Y(s),U(s)=C(s)E(s)U(s)=C(s)E(s),Y(s)=P(s)[U(s)+D(s)]Y(s)=P(s)[U(s)+D(s)]。求某个输入到输出的传递关系时,其他独立输入必须置零,并不是把控制器输出 U(s)U(s) 置零:扰动仍会通过反馈引起控制动作。

消元得到扰动通道

将误差和控制器输出代入对象方程:

Y(s)=P(s)C(s)[R(s)−H(s)Y(s)]+P(s)D(s)Y(s)=P(s)C(s)[R(s)-H(s)Y(s)]+P(s)D(s)

整理同类项:

[1+P(s)C(s)H(s)]Y(s)=P(s)C(s)R(s)+P(s)D(s)[1+P(s)C(s)H(s)]Y(s)=P(s)C(s)R(s)+P(s)D(s)

令 R(s)=0R(s)=0,得到从扰动到输出的闭环传递函数:

Gyd(s)=Y(s)D(s)∣R=0=P(s)1+P(s)C(s)H(s)G_{yd}(s)=\frac{Y(s)}{D(s)}\bigg|_{R=0}=\frac{P(s)}{1+P(s)C(s)H(s)}

设环路传递函数 L(s)=P(s)C(s)H(s)L(s)=P(s)C(s)H(s),灵敏度函数 S(s)=1/[1+L(s)]S(s)=1/[1+L(s)],则 Gyd(s)=P(s)S(s)G_{yd}(s)=P(s)S(s)。若某个频率处 ∣L(jω)∣|L(j\omega)| 远大于 1 且闭环稳定,输入扰动在该频率的输出影响通常较开环减小;但不能只凭增益大就认定所有频率都能抑制。

控制器并非直接消除 D(s)D(s):它通过反馈生成抵消扰动影响的 U(s)U(s)。对于负载方向相反的模型 Y=P(U−D)Y=P(U-D),分子会带负号,抑制幅值判断不变。

比较比例增益的抑制效果

选择单位负反馈 H(s)=1H(s)=1,一阶被控对象 P(s)=1/(s+1)P(s)=1/(s+1),比例控制器 C(s)=KpC(s)=K_p。此时:

Gyd(s)=1s+1+KpG_{yd}(s)=\frac{1}{s+1+K_p}

如果在 t=0t=0 加入单位阶跃扰动 d(t)=1d(t)=1,且 r(t)=0r(t)=0、y(0)=0y(0)=0,则:

yd(t)=1−e−(1+Kp)t1+Kp,t≥0y_d(t)=\frac{1-e^{-(1+K_p)t}}{1+K_p},\qquad t\ge 0

闭环时间常数为 τ=1/(1+Kp)\tau=1/(1+K_p) 秒,扰动引起的稳态偏差为 yd(∞)=1/(1+Kp)y_d(\infty)=1/(1+K_p)。比较三组参数:

KpK_p 扰动稳态输出 时间常数
0(开环) 1.0000 1.0000 s
2 0.3333 0.3333 s
9 0.1000 0.1000 s

从 Kp=2K_p=2 提高到 9,稳态扰动偏差由约 33.3%33.3\% 降至 10.0%10.0\%,但比例控制无法将阶跃扰动的稳态偏差完全归零。本例一阶闭环在 Kp>−1K_p>-1 时稳定;多阶对象、纯滞后或执行器饱和时不能照此无限增加增益。

用代码核对阶跃结果

下面只依赖 Python 3 标准库,直接计算解析响应,不需要安装控制系统工具箱。t=1 表示扰动施加后 1 秒;先比较瞬时响应,再用稳态公式复核表格。

python
import math

def output_from_load(kp: float, t: float) -> float:
    # 单位阶跃输入端扰动;P(s)=1/(s+1),H(s)=1。
    # 按解析解计算,避免将采样误差当成控制误差。
    return (1.0 - math.exp(-(1.0 + kp) * t)) / (1.0 + kp)

for kp in (0.0, 2.0, 9.0):
    y_1s = output_from_load(kp, 1.0)
    y_ss = 1.0 / (1.0 + kp)
    print(f"Kp={kp:.0f}: y(1s)={y_1s:.4f}, y(∞)={y_ss:.4f}")

预期输出:

text
Kp=0: y(1s)=0.6321, y(∞)=1.0000
Kp=2: y(1s)=0.3167, y(∞)=0.3333
Kp=9: y(1s)=0.1000, y(∞)=0.1000

K_p=9 时 1 秒输出接近稳态,是因为时间常数只有 0.1 秒,不代表扰动完全消失。将程序的 t 改为 0.1,可检查不同增益对短时间响应的差异。

避免把扰动位置与抑制效果混淆

若扰动实际直接叠加在对象输出端,模型改为 Y=PU+DY=P U+D,对应 Gyd(s)=1/[1+P(s)C(s)H(s)]G_{yd}(s)=1/[1+P(s)C(s)H(s)],与输入端扰动相比少了分子 P(s)P(s)。因此画框图时必须先确定负载是作用在执行机构力矩、对象输入,还是测量/输出端。

实际调参可按以下顺序判断:先测量扰动主要频率,再核对该频率的 ∣Gyd(jω)∣|G_{yd}(j\omega)| 是否下降;同时检查闭环稳定裕度、执行器幅值和控制量变化。若目标是让恒定负载造成的稳态偏差变为零,通常需在合适的稳定性和饱和约束下引入积分控制,而不是无限增大 KpK_p。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

计算负载扰动到输出的传递关系

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通