自动控制 / 系统课时

用数值仿真核对时域性能指标

用数值仿真核对时域性能指标

同一个闭环系统,仿真时间太短可能还没稳定,采样步长太大又可能漏掉超调峰值。本课用一阶、二阶已知模型作为标尺,从阶跃响应计算上升时间、超调量和调节时间,并用理论值检验结果是否可信。

学习目标

  • 用 Python 从单位阶跃响应提取 10%~90% 上升时间、超调量和 2% 调节时间。
  • 对照一阶、二阶解析结果,辨认步长造成的测量误差。
  • 通过延长仿真时窗与检查末段响应,避免把暂时入带当作已稳定。

选定可核对的系统

两套系统都以单位阶跃为输入,理论稳态输出均为 1,便于直接核对:

  • 一阶 G1(s)=1/(s+1)G_1(s)=1/(s+1),时间常数为 1 s。理论 10%~90% 上升时间为 ln⁡9=2.197\ln 9=2.197 s,2% 调节时间为 −ln⁡0.02=3.912-\ln 0.02=3.912 s,没有超调。
  • 二阶 G2(s)=16/(s2+4s+16)G_2(s)=16/(s^2+4s+16),阻尼比 ζ=0.5\zeta=0.5,无阻尼自然频率 ωn=4\omega_n=4 rad/s。理论超调量为 16.30%,峰值时刻为 0.907 s;常用的调节时间近似 4/(ζωn)=2.0004/(\zeta\omega_n)=2.000 s 并非精确越界时刻。

统一判定口径:以真实稳态值 1 为基准,首次跨过 10% 和 90% 的时间差为上升时间;最大响应比 1 高出的百分比为超调量;调节时间取最后一次离开 0.98~1.02 区间后重新入带的时刻,不能用第一次入带代替。

一阶与二阶阶跃响应的超调和调节时间对比

用代码提取指标

准备 Python 3.10 或更新版本并安装 NumPy、SciPy(命令:python -m pip install numpy scipy)。将下面代码保存为 verify_step.py,运行 python verify_step.py。程序分别测试 10 s 细步长、10 s 粗步长和 2 s 短时窗。

python
import numpy as np
from scipy import signal

def first_time(t, y, level):
    hits = np.flatnonzero(y >= level)
    if hits.size == 0:
        return None
    i = int(hits[0])
    if i == 0:
        return float(t[0])
    # 首次跨越阈值时做线性插值,减少读数的网格误差
    return float(t[i-1] + (level-y[i-1])*(t[i]-t[i-1])/(y[i]-y[i-1]))

def metrics(num, den, end, dt):
    t = np.arange(0.0, end + dt/2, dt)
    _, y = signal.step((num, den), T=t)
    target = num[-1] / den[-1]  # 本例模型稳定且直流增益为正
    t10 = first_time(t, y, 0.1*target)
    t90 = first_time(t, y, 0.9*target)
    rise = t90-t10 if t10 is not None and t90 is not None else None
    overshoot = max(0.0, (np.max(y)/target-1)*100)

    inside = np.abs(y-target) <= 0.02*target
    tail_ok = bool(np.all(inside[t >= end-1.0]))
    outside = np.flatnonzero(~inside)
    # 仅在末尾连续1秒都入带时报告采样调节时间
    settle = float(t[outside[-1]+1]) if tail_ok and outside.size and outside[-1]+1 < len(t) else None
    return float(y[-1]), rise, overshoot, settle, tail_ok

def fmt(value):
    return "未确认" if value is None else f"{value:.3f}s"

systems = {"一阶": ([1.0], [1.0, 1.0]),
           "二阶": ([16.0], [1.0, 4.0, 16.0])}
for name, (num, den) in systems.items():
    for end, dt in [(10, 0.01), (10, 0.2), (2, 0.01)]:
        last, tr, mp, ts, stable = metrics(num, den, end, dt)
        print(f"{name} T={end:g}s dt={dt:g}s")
        print(f"  末值={last:.3f} 上升={fmt(tr)} 超调={mp:.2f}% "
              f"调节={fmt(ts)} 尾段={'通过' if stable else '未通过'}")

预期输出:

text
一阶 T=10s dt=0.01s
  末值=1.000 上升=2.197s 超调=0.00% 调节=3.920s 尾段=通过
一阶 T=10s dt=0.2s
  末值=1.000 上升=2.197s 超调=0.00% 调节=4.000s 尾段=通过
一阶 T=2s dt=0.01s
  末值=0.865 上升=未确认 超调=0.00% 调节=未确认 尾段=未通过
二阶 T=10s dt=0.01s
  末值=1.000 上升=0.409s 超调=16.30% 调节=2.020s 尾段=通过
二阶 T=10s dt=0.2s
  末值=1.000 上升=0.459s 超调=15.31% 调节=2.200s 尾段=通过
二阶 T=2s dt=0.01s
  末值=0.979 上升=0.409s 超调=16.30% 调节=未确认 尾段=未通过

比较步长与时间范围

细步长下,一阶上升时间 2.197 s 与理论吻合,2% 调节时间 3.920 s 比解析值 3.912 s 晚约 0.008 s,因为程序只能报告网格上的首个入带点。二阶仿真超调 16.30% 与理论一致,调节时间 2.020 s 则是按完整响应的最后越界计算,比 2.000 s 的包络近似略大。

把步长从 0.01 s 放宽至 0.2 s,二阶超调从 16.30% 降到 15.31%,上升时间从 0.409 s 变为 0.459 s,调节时间从 2.020 s 变为 2.200 s。阈值交点虽然做了插值,粗网格依然可能跳过真实峰值或最后一次越界。

若把终止时间从 10 s 缩到 2 s,一阶末值只有 0.865,连 90% 门槛都没达到;二阶末值约 0.979,仍在 2% 带外。此时报告“未确认”比根据最后一点猜测调节时间更可靠。

防止把暂时入带当成稳定

本例使用传递函数的直流增益 G(0)=1G(0)=1 作为理论终值,而不是把仿真最后一个采样值当作终值。否则在 2 s 截断时,0.865 或 0.979 会错误地重定义阈值,得到看似完整却失真的指标。

代码要求最后 1 s 全部样本都在 ±2% 带内,再根据最后一次越界推算调节时间。这只是有限时窗的数值确认,不能证明未来永不出带;实际验证还要检查闭环极点是否位于左半平面,并延长时窗复算。本例一阶极点为 -1,二阶极点为 -2±3.464j,均满足稳定条件。

交付指标前可采用两项具体复核:把 10 s 时窗加长到 20 s,指标应基本不变;再把 0.01 s 步长减半至 0.005 s,要求超调变化低于 0.1 个百分点、调节时间变化低于 0.02 s。若项目的精度要求更严格,就继续缩小步长,并为稳态判定保留足够长的观测尾段。

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

用数值仿真核对时域性能指标

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