8. kierros. 2. Lähipäivä

Samankaltaiset tiedostot
8. kierros. 1. Lähipäivä

Tilaesityksen hallinta ja tilasäätö. ELEC-C1230 Säätötekniikka. Luku 6: Tilasäätö, tilaestimointi, saavutettavuus ja tarkkailtavuus

3. kierros. 1. Lähipäivä

H(s) + + _. Ymit(s) Laplace-tason esitykseksi on saatu (katso jälleen kalvot):

2. kierros. 2. Lähipäivä

Säätötekniikkaa. Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla

2. kierros. 1. Lähipäivä

Harjoitus 6: Simulink - Säätöteoria. Syksy Mat Sovelletun matematiikan tietokonetyöt 1

Y (s) = G(s)(W (s) W 0 (s)). Tarkastellaan nyt tilannetta v(t) = 0, kun t < 3 ja v(t) = 1, kun t > 3. u(t) = K p y(t) K I

3. kierros. 2. Lähipäivä

Säätötekniikkaa. Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II

4. kierros. 1. Lähipäivä

Lisämateriaalia: tilayhtälön ratkaisu, linearisointi. Matriisimuuttujan eksponenttifunktio:

Tilayhtälötekniikasta

Mat Dynaaminen optimointi, mallivastaukset, kierros 1

Luento 2: Liikkeen kuvausta

Harjoitus 6. KJR-C2001 Kiinteän aineen mekaniikan perusteet, IV/2016

Osatentti

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

AS Automaation signaalinkäsittelymenetelmät. Laskuharjoitus 8. Ackermannin algoritmi Sumea säätö

Älä tee mitään merkintöjä kaavakokoelmaan!

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

[ ] [ 2 [ ] [ ] ( ) [ ] Tehtävä 1. ( ) ( ) ( ) ( ) ( ) ( ) 2( ) = 1. E v k 1( ) R E[ v k v k ] E e k e k e k e k. e k e k e k e k.

v AB q(t) = q(t) v AB p(t) v B V B ṗ(t) = q(t) v AB Φ(t, τ) = e A(t τ). e A = I + A + A2 2! + A3 = exp(a D (t τ)) (I + A N (t τ)), A N = =

f (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2

Numeeriset menetelmät

(s 2 + 9)(s 2 + 2s + 5) ] + s + 1. s 2 + 2s + 5. Tästä saadaan tehtävälle ratkaisu käänteismuuntamalla takaisin aikatasoon:

1 Di erentiaaliyhtälöt

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

F {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:

Harjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:

Matematiikan perusteet taloustieteilij oille I

MATLAB harjoituksia RST-säädöstä (5h)

4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

x = ( θ θ ia y = ( ) x.

Nopeus, kiihtyvyys ja liikemäärä Vektorit

Tehtävä 1. Vaihtoehtotehtävät.

Dierentiaaliyhtälöistä

y (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Mat Systeemien Identifiointi. 4. harjoitus

11. kierros. 1. Lähipäivä

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Mat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan ensiksi välttämättömät ehdot diskreettiaikaiselle optimisäätötehtävälle.

Y (z) = z-muunnos on lineaarinen kuten Laplace-muunnoskin

Luento 4: Liikkeen kuvausta, differentiaaliyhtälöt

k = 1,...,r. L(x 1 (t), x

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus

Hyvyyskriteerit. ELEC-C1230 Säätötekniikka. Luku 8: Säädetyn järjestelmän hyvyys aika- ja taajuustasossa, suunnittelu taajuustasossa, kompensaattorit

Mat Systeemien identifiointi, aihepiirit 1/4

Mat Dynaaminen optimointi, mallivastaukset, kierros 5

Numeeriset menetelmät TIEA381. Luento 11. Kirsi Valjus. Jyväskylän yliopisto. Luento 11 () Numeeriset menetelmät / 37

Sovelletun fysiikan pääsykoe

Differentiaali- ja integraalilaskenta 2 (CHEM) MS-A0207 Hakula/Vuojamo Kurssitentti, 12.2, 2018, arvosteluperusteet

[xk r k ] T Q[x k r k ] + u T k Ru k. }.

MS-A Differentiaali- ja integraalilaskenta 1 (CHEM) Harjoitus 6 loppuviikko

Estimointi Laajennettu Kalman-suodin. AS , Automaation signaalinkäsittelymenetelmät Laskuharjoitus 4

Missä mennään. systeemi. identifiointi. mallikandidaatti. validointi. malli. (fysikaalinen) mallintaminen. mallin mallin käyttötarkoitus, reunaehdot

ELEC-C1230 Säätötekniikka

LTY/SÄTE Säätötekniikan laboratorio Sa Säätötekniikan ja signaalinkäsittelyn työkurssi. Servokäyttö (0,9 op)

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

Yleisiä integroimissääntöjä

Numeerinen integrointi

1 Perusteita lineaarisista differentiaaliyhtälöistä

Paikannuksen matematiikka MAT

ELEC-C1230 Säätötekniikka. Luku 8: Säädetyn järjestelmän hyvyys aika- ja taajuustasossa, suunnittelu taajuustasossa, kompensaattorit

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Säätötekniikan matematiikan verkkokurssi, Matlab tehtäviä ja vastauksia

Aikatason vaste vs. siirtofunktio Tehtävä

Harjoitus (15min) Prosessia P säädetään yksikkötakaisinkytkennässä säätimellä C (s+1)(s+0.02) 50s+1

Harjoitus 5 -- Ratkaisut

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

Luento 9: Yhtälörajoitukset optimoinnissa

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t),

Funktiojonot ja funktiotermiset sarjat Funktiojono ja funktioterminen sarja Pisteittäinen ja tasainen suppeneminen

PID-sa a timen viritta minen Matlabilla ja simulinkilla

Harjoitus 6: Symbolinen laskenta II (Mathematica)

Alias-ilmiö eli taajuuden laskostuminen

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Pakotettu vaimennettu harmoninen värähtelijä Resonanssi

ACKERMANNIN ALGORITMI. Olkoon järjestelmä. x(k+1) = Ax(k) + Bu(k)

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

Agenda. Johdanto Säätäjiä. Mittaaminen. P-, I-,D-, PI-, PD-, ja PID-säätäjä Säätäjän valinta ja virittäminen

Mat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan välttämättömät ehdot funktionaalin. g(y(t), ẏ(t),...

= ( 1) 2 u tt (x, t) = u tt (x, t)

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit

Amazon.com: $130,00. Osia, jaetaan opetusmonisteissa

Lisä,etopake3 2: ra,onaalifunk,on integroin,

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

Matemaattinen Analyysi

5 Differentiaaliyhtälöryhmät

Dynaamisten systeemien identifiointi 1/2

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö

Integrointialgoritmit molekyylidynamiikassa

Jos siis ohjausrajoitusta ei olisi, olisi ratkaisu triviaalisti x(s) = y(s). Hamiltonin funktio on. p(0) = p(s) = 0.

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

Transkriptio:

8. kierros 2. Lähipäivä

Viikon aihe Tilaestimointi Tilasäätö Saavutettavuus, ohjattavuus Tarkkailtavuus, havaittavuus

Mitoitus Kontaktiopetusta: 8 tuntia Kotitehtäviä: 4 tuntia

Tavoitteet: tietää Saavutettavuus Ohjattavuus Tarkkailtavuus Havaittavuus Tilaestimointi Tilasäätö

Tavoitteet: ymmärtää Miten saavutettavuus ja tarkkailtavuus liittyvät tilaestimointiin ja -säätöön Milloin tilaestimointia voi ja kannattaa käyttää Milloin tilasäätö voi ja kannattaa käyttää

Tavoitteet: soveltaa Osaa määrittää onko systeemi saavutettava tai tarkkailtava Osaa muodostaa systeemille tilaestimaattorin Osaa säätää systeemiä tilasäätimellä

Tietoisku I: Tilaestimointi Kaikki systeemin tilat eivät välttämättä ole aina mitattavissa Jos viime kerran mekaanisesta systeemistä olisi mitattavissa vain paikka. Nopeus on estimoitava paikkamittauksen ja ohjauksen perusteella. Mitkä ovat vaihtoehdot?

Tilaestimointi Datan perusteella Derivoidaan paikkaa numeerisesti saadaan nopeus Mallin perusteella Syötetään tunnetulle mallille käytetyt ohjaussignaalit ja lasketaan mallin perusteella nopeus Mallin ja datan yhdistelmällä Käytetään mallin antamaa tilaa, jota korjataan datan perusteella

Mekaaninen esimerkki Mitä Simulink-mallissa tapahtuu?

Mekaaninen esimerkki Numeerinen derivointi Malli ja yhdistelmä Huom: häiriötön tapaus!

Mekaaninen esimerkki Otetaan mukaan prosessi- ja mittauskohinaa

Numeerinen Mallin perusteella Yhdistelmä

Tilaestimointi Tarkastellaan mallin ja datan yhdistävää estimaattoria tarkemmin u(t) + x(t) y(t) B y C + B Tilahavaitsija + + A K A y ^ x(t) ^ ^ x(t) e(t) C + _ ^ y(t) R S T x( t) x ( t) ~ x ( t ) todellinen tila tilan estimaatti estimaatin poikkeama ~ x ( t ) = x ( t ) x ( t)

Tilaestimointi Tilahavaitsija x ( t ) = Ax ( t) + Bu( t) + Ke ( t) = Ax ( t) + Bu( t) + K y( t) Cx ( t) b = A KC x ( t) + Bu( t) + Ky( t) Estimaattori ja todellinen malli R S g x ( t) = Ax( t) + Bu( t) T x ( t ) = ( b Ax ) Bu( ) K y( ) Cx ( g t + t + t t) = Ax ( b t) + Bu( t) + K Cx( t) Cx ( g t) Vähennetään lausekkeet toisistaan b b g b g b gb g b g x ( t) x ( t ) = Ax ( t ) + Bu ( t ) Ax ( t) Bu( t) K Cx( t) Cx ( t) = A x( t) x ( t) KC x( t) x ( t) = A KC x( t) x ( t) ~ x ( t ) = x ( t ) x ( t) ~ x ( t ) = A KC ~ x ( t ) b g g

Mekaaninen esimerkki Tehdään tilahavaitsija tutulle systeemille: R S T L NM 0 1 0 x ( t) = x( t) u( t) Ax( t) Bu( t) 5 2 1 y( t) = 1 0 x( t) = Cx( t) O QP L + N M O Q P = + b g Lk1Q O = + + = N M P x ( t ) A KC x ( t) Bu( t) Ky( t), K Sijoittakaa estimointivirheen pienenemistä kuvaavat navat pisteeseen -5 k 2 (vihje: karakteristinen yhtälö)

Tilaestimointi ja -säätö r(t) T + _ u(t) + x(t) y(t) B y C + A B Tilahavaitsija + + K A y ^ x(t) ^ e(t) C + _ ^ y(t) Säädin L

Tilaestimointi ja -säätö Katsotaan säädetyn järjestelmän käyttäytymistä tilaestimaattoria käytettäessä R S T x ( t) = Ax( t) + Bu( t) ( ) ( ) ( ) ( ) ( ), u ( t ) = Tr ( t ) Lx ( t) x t = Ax t + Bu t + K Cx t Cx t R S T Muuttujanvaihto x ( t) = Ax( t) + BTr( t) BLx ( t) b x ( t ) = Ax ( t) + BTr( t) BLx ( t) + KC x( t) x ( t) x ( t ) = x ( t ) ~ x( t) ( ) ( ) x ( t) = Ax( t) + BTr( t) BL x( t) x( t) x ( t) x ( t) = ( A BL) x( t) x ( t) + BTr( t) + KCx ( t) x ( t) = ( A BL) x( t) + BTr( t) + BLx ( t) x ( t) = x ( t) ( A BL) x( t) + ( A BL) x ( t) BTr( t) KCx ( t) x ( t) = ( A BL) x( t) + BTr( t) + BLx ( t) x ( t) = ( A KC) x ( t) g b g

Tilaestimointi ja -säätö Tilaesitys lohkomatriisimuodossa L NM O QP = L NM x ( t) A BL BL x( t) BT ~ ( ) ~ r( t) x t 0 A KC x ( t ) 0 L ( ) y( ) C 0 x t t = N M~ x ( t ) O QP Karakteristinen yhtälö (huom: systeemimatriisi on yläkolmiomatriisi!) FL NM O QP L NM Tilaestimaattori ja säädin voidaan suunnitella toisistaan riippumatta! OI QP O QP L N M O Q P + L N M O Q P K.Y.: det HG si 0 A BL BL KJ det( si A BL) det( si A KC) 0 si 0 A KC = + + = 0

Tilaestimointi ja -säätö Yhdistetään tilaestimointi ja -säätö mekaanisessa esimerkissä RL NM S T K O QP = L NM x ( t) A BL BL x( t) BT ~ ( ) ~ r( t) x t 0 A KC x ( t ) 0 L ( ) y( ) C 0 x t t = N M~ x ( t ) L = N M 8 O Q P, L = 20 8, T = 25 4 O QP L N M O Q P L + N M O Q P Simuloikaa systeemiä Simulinkillä O QP

Harjoituksia!

Tietoisku II: Integroinnin augmentointi Tilasäätimen avulla voidaan vaikuttaa stabiilisuuteen, värähtelyihin ja nopeuteen Kerroin T mitoitetaan yleensä niin, että staattinen vahvistus on 1 ( ei pysyvää poikkeamaa) Kuormitushäiriöiden kanssa homma ei toimi häiriöt eivät näy tiloissa pysyvää poikkeamaa

Integroinnin augmentointi Häiriön summautuessa tiloihin säädin kyllä reagoi häiriöön, mutta T on mitoitettu poistamaan ainoastaan referenssisuureen pysyvä poikkeama loppuarvo edelleen pielessä Ratkaisu: integroidaan erosuuretta (tämä tekee samalla T-skaalauksen turhaksi)

Integroinnin augmentointi Systeemi ja sen tilasäädin x ( t) = Ax( t) + Bu( t), uv ( t ) = Lx ( t ) y( t) = Cx( t) Otetaan mukaan erosuureen integraali; otetaan erosuureen integraaleista uusia tilamuuttujia u( t) = u ( t) + u ( t), u ( t) = Lx( t), u ( t) = L x ( t) = L ( y ( τ ) y( τ )) dτ v I v I I I I ref 0 Ohjaus lohkomatriiseina x( t) u( t) = uv( t) + ui ( t) = Lx( t) LIxI ( t) = [ L L I ] I ( t) x Uuden tilamuuttujan derivaatta x ( t) = y ( t) y( t) = y ( t) Cx( t) I ref ref t

Integroinnin augmentointi Nyt saadaan x ( t) = Ax( t) BLx( t) BLIxI ( t) x ( t) = Ax( t) + Bu( t) u( t) = Lx( t) LIxI ( t), x I ( t ) = Cx ( t ) + yref ( t ) y( t) = Cx( t) x I ( t) = Cx( t) + y ref ( t) y( t) = Cx( t) x ( t) A BL BLI x( t) 0 = + r I ( t) I ( t) y ef ( t) x C 0 x I * * * * x ( t) = A x ( t) + B yref ( t) * * x( t) y( t) = C x ( t) y( t) = [ C 0] I ( t) x Karakteristinen yhtälö si A + BL BL * I K.Y.: det ( si A ) = det = 0 s C I

Mekaaninen esimerkki Tehkää mekaaniselle systeemille integroiva säädin, jolla säädetyn järjestelmän navat saadaan pisteeseen -1 Simuloikaa systeemiä häiriöllä, joka summautuu systeemin tiloihin

Harjoituksia!

Hakkuriteholähteet Seuraavalla kerralla