自动控制 / 系统课时

用差分方程写出数字控制器

用差分方程写出数字控制器

给定一个离散控制器,程序必须在每个采样时刻算出控制量。本篇把传递函数改写成只依赖当前误差和两个历史值的递推式,再用完整的 Python 程序检查符号、初值与状态更新顺序,得到可以逐周期调用的控制更新逻辑。

学习目标

  • 将一个含一拍延迟的离散传递函数改写为差分方程。
  • 区分当前输入、历史输入和历史输出,正确保存跨周期状态。
  • 用前两拍结果与误差归零后的响应,检查程序是否实现了原控制器。

把传递函数改成递推式

设采样周期为 Ts=0.01 sT_s=0.01\,\mathrm{s},第 kk 拍的控制器输入为误差 e[k]=r[k]−y[k]e[k]=r[k]-y[k],输出为控制量 u[k]u[k]。这里的 y[k]y[k] 是被控对象输出,不能与控制器输出 u[k]u[k] 混用;本例各信号均采用归一化数值。

在零初始条件下,选用以下离散传递函数。分子、分母同除以 zz,就能看清各项需要延迟几拍:

C(z)=U(z)E(z)=0.2z+0.1z−0.7=0.2+0.1z−11−0.7z−1C(z)=\frac{U(z)}{E(z)}=\frac{0.2z+0.1}{z-0.7}=\frac{0.2+0.1z^{-1}}{1-0.7z^{-1}}

z−1z^{-1} 表示延迟一个采样周期,因此 z−1E(z)z^{-1}E(z) 对应 e[k−1]e[k-1]。先把分母乘到等号左侧,再把历史输出移到右侧:

U(z)−0.7z−1U(z)=0.2E(z)+0.1z−1E(z)U(z)-0.7z^{-1}U(z)=0.2E(z)+0.1z^{-1}E(z)
u[k]=0.7u[k−1]+0.2e[k]+0.1e[k−1]u[k]=0.7u[k-1]+0.2e[k]+0.1e[k-1]

推广到分母 a0+a1z−1+⋯+anz−na_0+a_1z^{-1}+\cdots+a_nz^{-n} 时,先将分子、分母的所有系数除以非零的 a0a_0;历史输出项移到右侧后,系数为 −ai/a0-a_i/a_0。本例 a1=−0.7a_1=-0.7,所以程序中乘的是正的 0.70.7。这一符号与归一化约定可对照 SciPy 官方差分方程说明。genui{"citation":{"ref":"turn1search1"}}

在计算结束后更新历史值

本例需要保存两个历史数:上一拍误差 e[k−1]e[k-1] 和上一拍控制器输出 u[k−1]u[k-1]。初始化为 e[−1]=0e[-1]=0、u[−1]=0u[-1]=0;当前误差 e[k]e[k] 是本次调用的参数,不能提前写入历史误差槽。

当前误差、上一拍误差与上一拍控制量共同生成本拍输出

每一拍按下面的顺序执行:

  1. 获取本拍误差 e[k]e[k],保留两个历史值不变。
  2. 用差分方程计算 u[k]u[k],三项分别使用本拍误差、旧误差和旧输出。
  3. 计算完成后,把 e[k]e[k] 和 u[k]u[k] 存入两个历史槽。
  4. 返回本拍控制量,供调用方更新执行器。

例如输入从零变为 11,第一拍得到 u[0]=0.2u[0]=0.2,随后保存误差 11 和输出 0.20.2。第二拍读取这些旧值,得到 u[1]=0.7×0.2+0.2×1+0.1×1=0.44u[1]=0.7\times0.2+0.2\times1+0.1\times1=0.44。控制更新本身只需三次乘法、两次加法和两个历史数。

运行完整的逐拍测试

以下程序适用于 Python 3.10 及以上,无第三方依赖。保存为 digital_controller.py,执行 python digital_controller.py。输入序列先连续六拍为 11,再连续两拍为 00,用于检查历史项是否在输入变化后仍然生效。

python
class DigitalController:
    def __init__(self):
        # 零初始条件:保存上一拍的误差和控制器输出。
        self.e_prev = 0.0
        self.u_prev = 0.0

    def update(self, error):
        # 先使用旧状态算完本拍输出,再提交新状态。
        control = 0.7 * self.u_prev + 0.2 * error + 0.1 * self.e_prev
        self.e_prev, self.u_prev = error, control
        return control

def main():
    sample_period = 0.01
    controller = DigitalController()
    # 给定误差序列,只验证控制器,不模拟被控对象。
    print("k t_s e u")
    for k, error in enumerate([1.0] * 6 + [0.0] * 2):
        control = controller.update(error)
        print(f"{k} {k * sample_period:.2f} {error:.1f} {control:.6f}")

if __name__ == "__main__":
    main()

预期输出:

text
k t_s e u
0 0.00 1.0 0.200000
1 0.01 1.0 0.440000
2 0.02 1.0 0.608000
3 0.03 1.0 0.725600
4 0.04 1.0 0.807920
5 0.05 1.0 0.865544
6 0.06 0.0 0.705881
7 0.07 0.0 0.494117

controller 只在循环前创建一次,update 每次处理一个样本。输出中的 t_s 是由 kTskT_s 算出的逻辑采样时刻,并非程序实际运行耗时;这段程序检查控制器递推,不包含被控对象或整个闭环的仿真。

第 66 拍误差已为零,但旧误差仍为 11,因此 u[6]=0.7×0.865544+0.1=0.7058808u[6]=0.7\times0.865544+0.1=0.7058808。第 77 拍旧误差也变为零,才只剩 u[7]=0.7u[6]u[7]=0.7u[6];打印时统一保留六位小数。

用数值症状定位实现错误

先比较前两拍,再检查输入归零后的输出,可以迅速区分下面几种错误。表中数值均针对上述零初值和输入序列。

错误输出 常见原因 应有结果
第一拍为 0.300000 计算前先把当前误差写入 e_prev 第一拍为 0.200000
第一拍正确,第二拍为 0.160000 把历史输出系数写成 −0.7 第二拍为 0.440000
前六拍始终为 0.200000 在每次更新前重新创建控制器或清零状态 第二拍起继续递推
第 6 拍直接变为 0 误差为零时跳过了历史项 第 6 拍为 0.705881

对零初值下持续为 11 的输入,由递推式可得 u[k]=1−0.8(0.7)ku[k]=1-0.8(0.7)^k,据此能独立检查任意一拍。其稳态值为 C(1)=(0.2+0.1)/(1−0.7)=1C(1)=(0.2+0.1)/(1-0.7)=1。这是控制器自身的输入输出性质,不能据此判断接入对象后的闭环稳定性。

接入采样任务时保持实现条件一致

初值与状态归属。 若启动时改用 u[−1]=0.5u[-1]=0.5、e[−1]=0e[-1]=0,同样输入 e[0]=1e[0]=1,首拍应变为 0.550.55。重新启动、暂停后继续运行以及多通道控制,都必须明确状态如何保留;两个独立通道应各自持有一个控制器实例。

调用周期与额外延迟。 本例约定每 10 ms10\,\mathrm{ms} 更新一次,由周期任务或定时中断触发。sample_period 在测试程序里只生成时间标签,修改它不会自动重新设计系数。若实际改为每 20 ms20\,\mathrm{ms} 调用,或把结果推迟到下一拍才输出,都需要重新核对采样系统模型。

限幅后的状态含义。 本例实现未限幅的线性递推。若执行器命令需要限制在 [−1,1][-1,1],应区分原始控制量与限幅后的命令;发生饱和时,把限幅值直接存回 u_prev 会改变递推行为,不能再把完整实现视为原来的线性传递函数,须按选定的饱和处理方式重新验证。

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

用差分方程写出数字控制器

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