Математическая модель в пространстве состояний линейного стационарного объекта управления
U2 = -20.605 579 750 692 850 612 199 384 678 400*exp (-40.749 492 463 732 569 497 044 913 225 728+13.583 164 154 577 523 148 853 597 962 240*t)+19.11 167 813 350 479 568 880 577 544 192*exp (-2.544 534 472 800 777 276 275 852 050 432+.68 481 781 576 002 594 545 273 472 548 864*t)+1.3 356 706 538 317 879 411 306 290 741 248*exp… Читать ещё >
Математическая модель в пространстве состояний линейного стационарного объекта управления (реферат, курсовая, диплом, контрольная)
1. Анализ объекта управления
1.1 Анализ линейного стационарного объекта управления, заданного передаточной функцией
1.2 Получение математической модели в пространстве состояний линейного стационарного объекта управления, заданного передаточной функцией
1.2.1 Матрица Фробениуса
1.2.2 Метод параллельной декомпозиции
2. Решение задачи быстродействия симплекс-методом
3. Оптимальная l — проблема моментов
3.1 Оптимальная l — проблема моментов в пространстве «вход-выход»
3.2 Оптимальная l — проблема моментов в пространстве состояний
4. Нахождение оптимального управления с использованием грамиана управляемости (критерий — минимизация энергии)
5. Аналитическое конструирование оптимальных регуляторов (акор)
5.1 Стабилизации объекта управления на полубесконечном интервале времени
5.1.1 Решение алгебраического уравнения Риккати методом диагонализации
5.1.2 Решение алгебраического уравнения Риккати интегрированием в обратном времени до установившегося состояния
5.2 Стабилизации объекта управления на конечном интервале времени
5.3 Задача акор — стабилизации для компенсации известного возмущающего воздействия.
5.4 Задача акор для отслеживания известного задающего воздействия. i подход
5.5 Задача акор для отслеживания известного задающего воздействия. ii подход (линейный сервомеханизм)
5.6 Задача акор — слежения со скользящими интервалами.
6. Синтез наблюдателя полного порядка Литература Приложение
PlotTimeFrHaract.m
ProstranstvoSostoyanii.m
SimplexMetod2.m
Optimal_L_problem_moments.m
Gramian_Uprav.m
AKOR_stabilizaciya_na_polybeskon_interval.m
AKOR_stabilizaciya_na_konech_interval.m
Sravnenie_stabilizacii.m
AKOR_stabilizaciya_pri_vozmusheniyah.m
AKOR_slegenie_na_konech_interval_I_podxod.m
AKOR_slegenie_na_konech_interval_II_podxod.m
AKOR_slegenie_so_skolz_intervalami_Modern.m
Sintez_nablyud_polnogo_poryadka.m
Solve_Riccati_Method_Diag.m
Solve_Riccati_Method_Revers_Integr.m
Vozmyshyayushee_Vozdeistvie_Discrete_Revers.m
Zadayushee_Vozdeistvie_Discrete_Revers_Modern.m
1. Анализ объекта управления
1.1 Анализ линейного стационарного объекта управления, заданного передаточной функцией
Передаточная функция данного объекта имеет вид:
где:
;
, ,, , .
или
.
Нули передаточной функции:
Полюса передаточной функции (полученные стандартными функциями среды Matlab 7.4):
Рис. 1. График расположения нулей и полюсов передаточной функции объекта на комплексной плоскости.
Найдем временные характеристики объекта управления.
К временным характеристикам относятся и .
— переходная характеристика;
— импульсная переходная функция;
Для нахождения и воспользуемся пакетом Matlab 7.4.
Аналитическое выражение для :
В этом случае имеет вид
Рис. 2. График переходной характеристики .
Рис. 3. График переходной характеристики на интервале (увеличенное).
Аналитическое выражение для :
.
В этом случае имеет вид
Рис. 4. График импульсной переходной характеристики .
Рис. 5. График импульсной переходной характеристики на интервале (увеличенное).
Найдем частотные характеристики объекта управления.
К частотным характеристикам относятся:
амплитудно — частотная характеристика (АЧХ),
фазо — частотная характеристика (ФЧХ),
амплитудно — фазовая частотная характеристика (АФЧХ),
Аналитическое выражение для АЧХ:
.
В этом случае АЧХ имеет вид
Рис. 6. График АЧХ
Рис.7. График АЧХ на интервале (увеличенное). Аналитическое выражение для ФЧХ:
В этом случае ФЧХ имеет вид
Рис. 8. График ФЧХ .
Рис. 9. График ФЧХ на интервале (увеличенное).
Рис. 10. График АФЧХ.
Рис. 11. График АФЧХ (увеличенное).
Аналитическое выражение для ЛАЧХ:
.
В этом случае ЛАЧХ имеет вид
Рис. 12. График ЛАЧХ.
Аналитическое выражение для ЛФЧХ:
В этом случае ЛФЧХ имеет вид
Рис.13. График ЛФЧХ.
1.2 Получение математической модели в пространстве состояний линейного стационарного объекта управления, заданного передаточной функцией
Передаточная функция данного объекта имеет вид:
где:
;
, ,, , .
или
Описание системы в пространстве состояний имеет следующий вид:
Переходя в область изображений описание системы в пространстве состояний будет иметь следующий вид:
1.2.1 Матрица Фробениуса
Получим выражения, которые определяют вектор состояний и выход заданного объекта в общем виде:
.
.
Тогда получим:
(1)
(2)
Числитель передаточной функции имеет вид: .
Знаменатель передаточной функции:
.
Тогда согласно равенству (1) и (2) имеем
.
Перейдем из области изображений в область оригиналов
и затем перейдем к нормальной форме Коши
.
Запишем матрицы состояний
,
Численное значение матриц состояний:
,
1.2.2 Метод параллельной декомпозиции
Запишем передаточную функцию объекта в другом виде, а именно:
или
.
Согласно формуле получим
Рассмотрим каждое из слагаемых в отдельности согласно принципу параллельной декомпозиции.
a. ,
.
b. ,
.
c. ,
d. ,
Получим выход системы:
Запишем матрицы состояний
,
Вычисление коэффициентов разложения дробной рациональной функции на сумму элементарных дробей и проверка правильности получения матриц состояния сделано с помощью пакета Matlab 7.4 (скрипт ProstranstvoSostoyanii. m)
Получены следующие результаты: Матрица СЛАУ:
,
Численное значение матриц состояний:
,
.
2. Решение задачи быстродействия симплекс-методом
Дана система:
(3)
1. Проверим управляемость данной системы.
Запишем систему ДУ в матричном виде:
где .
Данная система является стационарной, её порядок, поэтому матрица управляемости имеет вид:
Найдем матрицу управляемости:
Ранг матрицы управляемости равен порядку системы, следовательно, данная система является управляемой.
следовательно .
Собственные числа матрицы найдем из уравнения :
Действительные части собственных значений матрицы являются неположительными, следовательно, все условия управляемости выполнены.
2. Ссылаясь на решение задачи быстродействия из ДЗ№ 2 по СУЛА «Решение задачи быстродействия» имеем:
Запишем зависимости, , полученные при решении систем дифференциальных уравнений:
:
:
:
:
Перейдем к дискретной модели заданной системы. Имеем
(4)
где шаг дискретизации и соответствующие матрицы
(5)
Пусть управление ограничено интервальным ограничением
(6)
Тогда на шаге имеем
(7)
Известны начальная и конечная точки
где — оптимальное число шагов в задаче быстродействия.
Решается задача быстродействия
а) Формирование задачи быстродействия как задачи линейного программирования
Конечная точка в дискретной модели представлена в виде
(8)
Получаем — равенств
(9)
Для приведения ограничений (9) к канонической форме сделаем необходимое преобразование в правой и левой частях, чтобы правые части были неотрицательными (если правая часть меньше нуля, то домножаем на (-1) левую и правую части). Отметим проведенные изменения точкой в правом верхнем углу соответствующих векторов
. (10)
Для того чтобы получить необходимый допустимый базис для задачи линейного программирования, добавим формально остаточные искусственные переменные (). Таким образом, уравнения (10) представляются в виде
(11)
Так как текущее управление — управление имеет любой знак, то сделаем необходимую замену
Тогда уравнения (11) примут вид
(12)
Введем остаточные переменные в ограничения на управление
(13)
При объединении выражений (12) и (13) получаем ограничений.
Начальный допустимый базис состоит из остаточных и остаточных искусственных переменных
Формируем целевую функцию (по второму методу выбора начального допустимого базиса)
(14)
б) Решение задачи быстродействия
Предположим, что, где — оптимальное число шагов. Так как значение нам неизвестно (но известно точно), выбираем некоторое начальное и решаем задачу линейного программирования (12)-(14).
При этом
Общее число столбцов в симплекс-таблице:
Число базисных переменных:
Сформируем строку. Имеем
Выразим из уравнения (12) начальные базисные переменные
и подставим в целевую функцию. Получим — строку
(15)
Решаем задачу (12) — (14) симплекс-методом.
В случае,
если , — малое число
иначе
1) если увеличить и целое, рвернуться к первому шагу формирования задачи линейного программирования;
2) если (не все управления будут равны предельным, могут быть, в том числе нулевые)),, уменьшить, вернуться к первому шагу формирования задачи линейного программирования.
Решения данной задачи получено с помощью пакета Matlab 7.4 (скрипт SimplexMetod2. m):
Рис. 14. График фазовой координаты .
Рис. 15. График фазовой координаты .
Рис. 16. График .
Рис. 17. График оптимального управления .
Выводы: Сравнивая полученные результаты с результатами полученными в ДЗ№ 2 по СУЛА, можно сделать вывод, что решения совпадают, с точностью до .
3. Оптимальная L — проблема моментов
3.1 Оптимальная L — проблема моментов в пространстве «вход-выход»
Укороченная система данного объекта имеет вид:
где:
;
;
;
;
;
.
Полюса укороченной передаточной функции:
;
;
;
;
.
Заданы начальные и конечные условия:
, .
Для определения начальных и конечных условий для воспользуемся следующей формулой:
Где матрица имеет следующий вид
где, .
ИПФ укороченной системы:
Составим фундаментальную систему решений:
ФСР: .
Составим матрицу .
где - матрица Вронского
Тогда
.
Составим моментные уравнения (связь между входом и выходом):
Моментные функции определяются по следующей формуле
Составим моментные функции:
Найдем моменты по следующей формуле:
.
Числовое значение найденных моментов:
Составим функционал качества, который имеет следующий вид:
при условии, что, т. е.
Выразим из данного условия, тогда получим следующее равенство:
.
Подставляя полученное равенство в функционал и заменяя их правыми частями получаем
Найдем частные производные и приравняем их к нулю. Решая полученную систему уравнений, определяем оптимальные значения коэффициентов, а вычислим по формуле
.
Т.о. имеем:
Минимальная энергия:
Найдем управление по следующей формуле:
Тогда оптимальное управление
.
3.2 Оптимальная L — проблема моментов в пространстве состояний
Система задана в виде:
Решение ДУ имеет вид:
при имеем:
.
Составим моментные уравнения:
Подставляя необходимые данные в выше приведенные формулы, получим следующие моменты и моментные функции:
Числовое значение найденных моментов:
Моментные функции:
Заметим, что моменты и моментные функции совпадают с моментами и моментными функциями, найденными в пункте (а).
Из этого следует, что функционал, значения , управление и минимальная энергия будут иметь точно такие же числовые значения и аналитические выражения, как и в пункте (3.1).
Оптимальное управление имеет вид:
Проверим правильность полученного решения.
Эталонные значения координат в начальный и конечный момент времени:
Найденные значения координат в начальный и конечный момент времени:
Вычислим погрешность полученных результатов:
Ниже представлены графики полученного решения с помощью скрипта Optimal_L_problem_moments.m.
Рис. 18. Графики фазовых координат системы при переходе из в .
Рис. 19. Графики выходных координат системы при переходе из в .
Рис. 20. График оптимального управления .
Выводы: Задача перевода системы из начальной точки в конечную с помощью L-проблемы моментов в пространстве состояний и в пространстве вход-выход была решена с точностью до 12-го знака после запятой. Результаты, полученные при переводе системы из начальной точки в конечную, полностью совпадают.
4. Нахождение оптимального управления с использованием грамиана управляемости (критерий — минимизация энергии)
Система имеет вид:
с начальными условиями:
.
Составим матрицу управляемости и проверим управляемость системы:
.
Составим грамиан управляемости для данной системы:
Найдем грамиан по формуле:
Тогда управление имеет вид:
.
или
Ниже представлен график оптимального управления полученного с помощью скрипта Gramian_Uprav.m.:
Рис.21. График оптимального управления .
Графики фазовых координат аналогичны, как и в оптимальной L - проблеме моментов.
Сравним управление, полученное в начальной и конечной точках в пунктах 3 и 4 соответственно:
и
Выводы: Как видно, значения граничных управлений совпадают. А это значит, что задача перевода объекта из начального состояния в конечное решена с высокой степенью точности и с минимальной энергией.
Графическое сравнение оптимальных управлений из пунктов 3 и 4:
Рис. 21. Сравнение графиков оптимального управления .
5. Аналитическое конструирование оптимальных регуляторов (АКОР)
5.1 Стабилизации объекта управления на полубесконечном интервале времени
Рассмотрим линейный объект управления, описываемый системой дифференциальных уравнений в нормальной форме
Необходимо получить закон управления минимизирующий функционал вида Начальные условия для заданной системы
Моменты времени фиксированы. Матрицы — симметричные неотрицательно определенные:
матрица — положительно определенная:
Матричное дифференциальное уравнение Риккати имеет вид:
Если линейная стационарная система является полностью управляемой и наблюдаемой, то решение уравнения Риккати при стремится к установившемуся решению не зависящему от и определяется следующим алгебраическим уравнением:
В рассматриваемом случае весовые матрицы и в функционале не зависят от времени.
Оптимальное значение функционала равно и является квадратичной функцией от начальных значений отклонения вектора состояния.
Таким образом, получаем, что при оптимальное управление приобретает форму стационарной обратной связи по состоянию где — решение алгебраического матричного уравнения Риккати.
5.1.1. Решение алгебраического уравнения Риккати методом диагонализации
Для решения данной задачи найдем весовые матрицы и :
Выберем произвольно, тогда Взяв значения из решения задачи L — проблемы моментов получим:
Матрицы системы имеют вид:
.
Введем расширенный вектор состояния .
Тогда матрица Z будет иметь следующий вид: ,
или в численном виде
.
Собственные значения матрицы: .
Зная собственные значения и собственные вектора матрицы Z, построим матрицу
По определению все решения должны быть устойчивы при любых начальных условиях, т. е. при. Чтобы не оперировать комплексными числами, осуществим следующий переход. Пусть:
Тогда матрица формируется следующим образом:
.
Можно показать, что матрицу можно получить из прямой матрицы собственных векторов:
.
Установившееся решение уравнения Риккати, полученное с помощью скрипта Solve_Riccati_Method_Diag.m. имеет вид:
5.1.2 Решение алгебраического уравнения Риккати интегрированием в обратном времени до установившегося состояния
Весовые матрицы и такие же как и в пункте (5.1.1).
Матрицы тоже аналогичны.
Запишем уравнение Риккати
.
Зная, что, решаем уравнение методом обратного интегрирования на достаточно большом интервале (примерно 10 с.), получим установившееся решение с помощью скрипта
Solve_Riccati_Method_Revers_Integr.m.:
Рис. 22. Графики решения уравнения Риккати.
Найдем разницу между решениями уравнения Риккати в пунктах 5.1.1 и 5.1.2:
Выводы: сравнивая решения полученные в пунктах 5.1.1 и 5.1.2 можно сказать, что решения уравнения Риккати первым и вторым методами совпадают с заданной точностью. Погрешность расхождения решений невелика.
Используя скрипт AKOR_stabilizaciya_na_polybeskon_interval.m получим коэффициенты регулятора, фазовые координаты системы и управление.
Рис. 23. Графики коэффициентов регулятора обратной связи.
Рис. 24. Графики фазовых координат.
Рис. 25. График управления.
Выводы: т.к. решения уравнения Риккати методом диагонализации и интегрирования в обратном времени дают практически одинаковый результат, то можно считать, что задача АКОР — стабилизации на полубесконечном интервале решена с заданной точностью.
5.2 Стабилизации объекта управления на конечном интервале времени
Рассмотрим линейный объект управления, описываемый системой дифференциальных уравнений в нормальной форме
Начальные условия для заданной системы
Время стабилизации .
Необходимо получить закон управления минимизирующий функционал вида Закон оптимального управления в данной задаче имеет вид Матричное дифференциальное уравнение Риккати будет иметь следующий вид:
Если обозначить то можно записать Уравнение замкнутой скорректированной системы примет вид
Матрицы заданы в пункте 5.1.1.
Весовые матрицы и имеют следующий вид:
.
Используя скрипт AKOR_stabilizaciya_na_konech_interval.m получили следующие результаты:
Рис. 26. Графики решения уравнения Риккати.
Рис. 27. Графики коэффициентов регулятора обратной связи.
Рис. 28. Графики фазовых координат.
Рис. 29. График управления.
Сравним, как стабилизируется система управления с постоянными и переменными коэффициентами регулятора обратной связи на начальном этапе:
Рис. 30. Графики фазовых координат.
Выводы: из графиков видно, что система, у которой коэффициенты регулятора меняются со временем, стабилизируется не хуже, чем, система, у которой коэффициенты регулятора не изменяются.
5.3 Задача АКОР — стабилизации для компенсации
известного возмущающего воздействия
Рассмотрим систему вида
где - возмущающее воздействие.
Матрицы заданы в пункте 5.1.1.
Весовые матрицы и имеют следующий вид:
.
Начальные условия для заданной системы .
Время стабилизации .
Задаем возмущающее воздействие только на первую координату, так как только она имеет значение
и .
Решение задачи стабилизации сводится к решению уравнения Риккати
с начальными условиями:
Введём вспомогательную вектор-функцию, ДУ которой имеет вид:
с начальными условиями: .
Управление определяется по формуле:
.
Используя скрипт AKOR_stabilizaciya_pri_vozmusheniyah.m, получили следующие результаты:
Рис. 31. Графики решения уравнения Риккати.
Рис. 32. Графики коэффициентов регулятора обратной и прямой связи.
Рис. 33. График возмущающего воздействия.
Рис. 34. График вспомогательной вектор — функции.
Рис.35. Графики фазовых координат.
Рис.36. График управления.
Рис.37. График возмущающего воздействия.
Рис.38. График вспомогательной вектор — функции.
Рис.39. Графики фазовых координат.
Рис. 40. График управления.
Выводы: По графикам фазовых координат при различных воздействиях видно, что влияние возмущающего воздействия не существенно и фазовые координаты устанавливаются в ноль. При этом видно, что графики первой фазовой координаты при различных воздействиях мало отличаются друг от друга, т. е. система отрабатывает любое возмущение.
5.4 Задача АКОР для отслеживания известного задающего воздействия. I подход
Система задана в виде:
Матрицы заданы в пункте 5.1.1.
Весовые матрицы и имеют следующий вид:
.
Начальные условия для заданной системы .
Время слежения .
Задающее воздействие в виде системы ДУ Начальные условия для воздействия:
.
Введем расширенный вектор состояния и расширенные матрицы
.
Тогда новое описание системы имеет вид:
с начальными условиями: .
Решением уравнения Риккати будет матрица:
с н.у.
Тогда оптимальное управление, находится по формуле:
Используя скрипт AKOR_slegenie_na_konech_interval_I_podxod, получили следующие результаты:
Рис.41. Графики решения уравнения Риккати.
Рис. 42. Графики коэффициентов регулятора обратной и прямой связи.
Рис. 43. Графики фазовых координат.
Рис. 44. График управления.
Выводы: На данном этапе была решена задача АКОР-слежения. В качестве отслеживаемого воздействия была взята исходная система, но с другими начальными условиями, поэтому графики фазовых координат отличаются от заданных, но только на начальном участке движения.
5.5 Задача АКОР для отслеживания известного задающего воздействия. II подход (линейный сервомеханизм)
Система задана в виде:
Матрицы заданы в пункте 5.1.1.
Весовые матрицы и имеют следующий вид:
.
Начальные условия для заданной системы .
Задающее воздействие имеет вид:
.
Время слежения
Введём вспомогательную вектор-функцию, ДУ которой определяется
НУ определяются из соотношения
Зная закон изменения и, можно определить управление:
.
Используя скрипт AKOR_slegenie_na_konech_interval_II_podxod, получили следующие результаты:
Рис. 45. Графики решения уравнения Риккати.
Рис. 46. График задающего воздействия.
Рис. 47. Графики коэффициентов регулятора обратной и прямой связи.
Рис. 48. Графики фазовых координат.
Рис.49. График управления.
Выводы: На данном этапе была решена задача построения линейного сервомеханизма. В качестве отслеживаемого воздействия была задана экспоненциальная функция. Анализируя выше приведенные графики, можно сказать, что все состояния заданной системы, особенно первая фазовая координата, отслеживается с заданной точностью.
5.6 Задача АКОР — слежения со скользящими интервалами
Пусть интервал времени является объединением нескольких отрезков. Известно некоторое задающее воздействие заданное аналитическим выражением, причем информация о задающем сигнале на следующем отрезке времени поступает только в конце предыдущего. Таким образом, зная задающий сигнал только на одном отрезке времени, мы будем синтезировать управление на этом отрезке.
Разобьем весь интервал на 3 равных отрезка.
Данная задача похожа на задачу отслеживания известного задающего воздействия, заданного аналитическим выражением, но с некоторыми изменениями:
1. Поскольку в уравнение Риккати относительно матрицы входят только параметры системы и функционала качества, то решать его будем один раз на первом отрезке, так как на остальных отрезках решение будет иметь тот же вид, но будет смещено по времени:
2. Начальными условиями для системы на каждом отрезке будет точка, в которую пришла система на предыдущем отрезке:
3. Вектор необходимо пересчитывать на каждом отрезке.
4. В остальном данная задача аналогична задаче построения линейного сервомеханизма (пункт 5.5).
Используя скрипт AKOR_slegenie_so_skolz_intervalami_Modern, получили следующие результаты:
Рис. 50. Графики решения уравнения Риккати.
Рис. 51. Графики фазовых координат.
Рис. 52. График управления.
Выводы: при сравнении полученных результатов, можно сказать, что различия в фазовых координатах при наличии трех участков и при наличии одного участка несущественные. Если сравнивать скорость вычислений и используемые ресурсы, то скорость увеличивается почти в 3 раза, а памяти требуется в 3 раза меньше для решения поставленной задачи. В точках соединения участков наблюдаются скачки, связанные с тем, что требуется значительные затраты на управление, но для первой координаты этот скачок незначительный.
6. Синтез наблюдателя полного порядка
Наблюдателями называются динамические устройства, которые позволяют по известному входному и выходному сигналу системы управления получить оценку вектора состояния. Причем ошибка восстановления .
Система задана в виде:
Начальные условия для заданной системы .
Матрицы заданы в пункте 5.1.1.
Весовые матрицы и имеют следующий вид:
.
Построим наблюдатель полного порядка и получим значения наблюдаемых координат таких, что:
В качестве начальных условий для наблюдателя выберем нулевые н.у.:
Ранг матрицы наблюдаемости:
— матрица
наблюдаемости.
.
.
Т. е. система является наблюдаемой.
Коэффициенты регулятора:
тогда
Собственные значения матрицы :
Коэффициенты наблюдателя выберем из условия того, чтобы наблюдатель был устойчивым, и ближайший к началу координат корень матрицы лежал в 3 — 5 раз левее, чем наиболее быстрый корень матрицы. Выберем корни матрицы Коэффициенты матрицы наблюдателя:
.
Используя скрипт Sintez_nablyud_polnogo_poryadka, получили следующие результаты:
Рис. 53. Графики решения уравнения Риккати.
Рис. 54. Графики фазовых координат.
Рис. 55. Графики управлений.
Выводы: Так как система является полностью наблюдаема и полностью управляема, то спектр матрицы может располагаться произвольно. Перемещая собственные значения матрицы левее, относительно собственных значений матрицы мы улучшаем динамику системы, однако, наблюдатель становится более чувствителен к шумам.
1. Методы классической и современной теории автоматического управления: Учебник в 5 — и т. Т.4: Теория оптимизации систем автоматического управления / Под ред. Н. Д. Егупова. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2004. — 748 с.
2. Краснощёченко В. И.: Методическое пособие: «Методы теории оптимального управления».
Приложение.
PlotTimeFrHaract.m
clc
clear all
close all
b1 = 9;
b0 = 5;
a4 = 0.1153;
a3 = 1.78;
a2 = 3.92;
a1 = 14.42;
a0 = 8.583;
% syms s w
% W_s_chislit = b1 * s + b0;
% W_s_znamen = s * (a4 * s4 + a3 * s3 + a2 * s2 + a1 * s + a0);
%
% W_s_obj = W_s_chislit/W_s_znamen;
%A_w = collect (simplify (abs (subs (W_s_obj, s, i*w))))
%———————————Построение АЧХ——————————————————-%
figure ('Name', '[0,10]');
w = 0: 0.01: 10;
A_w = sqrt ((b02 + b12.*w.^2)./((-a1*w.^2+a3*w.^4).^2+(a0*w-a2*w.^3+a4*w.^5).^2));
plot (w, A_w,'k', 'LineWidth', 2);
grid on
xlabel ('w')
ylabel ('A (w)')
title ('Function ACHX (w)')
%————————————————————————————————————-%
r_ch = roots ([b1 b0])
r_zn = roots ([a4 a3 a2 a1 a0 0])
%———————————Построение ФЧХ——————————————————-%
figure ('Name', '[0,100]');
w = 0: 0.01: 100;
fi_w = (atan (w/0.5556)-atan (w/0)-atan (w/13.5832)-atan ((w-2.7677)/0.5850)…
— atan ((w+2.7677)/0.5850) — atan (w/(0.6848)))*180/pi;
plot (w, fi_w, 'k', 'LineWidth', 2);
grid on
xlabel ('w')
ylabel ('fi (w)')
title ('Function FCHX (w)')
%————————————————————————————————————-%
%———————————Построение АФЧХ——————————————————%
figure ('Name', '[0,100]');
w = 0: 0.01: 100;
A_w = sqrt ((b02 + b12.*w.^2)./((-a1*w.^2+a3*w.^4).^2+(a0*w-a2*w.^3+a4*w.^5).^2));
fi_w = (atan (w/0.5556)-atan (w/0)-atan (w/13.5832)-atan ((w-2.7677)/0.5850)…
— atan ((w+2.7677)/0.5850) — atan (w/(0.6848)));
polar (fi_w, A_w, 'k');
grid on
xlabel ('Re (W (jw))')
ylabel ('Im (W (jw))')
title ('Function AFCHX (fi_w, A_w)')
%————————————————————————————————————-%
%———————————Построение ЛАЧХ——————————————————%
figure ('Name', '[0,100]');
w = -100: 0.01: 100;
LA_w = 20*log (sqrt ((b02 + b12.*w.^2)./((-a1*w.^2+a3*w.^4).^2+(a0*w-a2*w.^3+a4*w.^5).^2)));
plot (w, LA_w,'k', 'LineWidth', 2);
grid on
xlabel ('w')
ylabel ('L (w)')
title ('Function L (w)')
%————————————————————————————————————-%
%———————————Построение ФАЧХ——————————————————%
%————————————————————————————————————-%
%———————————Построение h (t)——————————————————%
figure ('Name', '[0,50]');
t = 0: 0.01: 50;
h_t = 0.0024 * exp (-13.5832.*t) — 0.2175 * exp (-0.6848.*t)…
+ 0.1452 * exp (-0.5850.*t).* cos (2.7677.*t)…
— 0.2217 * exp (-0.5850.*t).* sin (2.7677.*t)…
+ 0.5825 .* t + 0.0699;
plot (t, h_t, 'k', 'LineWidth', 2);
grid on
xlabel ('t')
ylabel ('h (t)')
title ('Function h (t)')
%————————————————————————————————————-%
%———————————Построение k (t)——————————————————%
figure ('Name', '[0,50]');
t = 0: 0.01: 50;
k_t = - 0.0329 * exp (-13.5832.*t) + 0.1489 * exp (-0.6848.*t)…
— 0.6986 * exp (-0.5850.*t).* cos (2.7677.*t)…
— 0.2721 * exp (-0.5850.*t).* sin (2.7677.*t)…
+ 0.5826;
plot (t, k_t, 'k', 'LineWidth', 2);
grid on
xlabel ('t')
ylabel ('k (t)')
title ('Function k (t)')
%————————————————————————————————————-%
x1=tf ([b1 b0],[a4 a3 a2 a1 a0 0]);
ltiview (x1)
ProstranstvoSostoyanii.m
clc
clear all
%format rational
b1 = 9;
b0 = 5;
a5 = 0.1153;
a4 = 1.78;
a3 = 3.92;
a2 = 14.42;
a1 = 8.583;
a0 = 0;
%1. Матрица Фробениуса
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
A=[0 1 0 0 0;
0 0 1 0 0;
0 0 0 1 0;
0 0 0 0 1;
0 -a1/a5 -a2/a5 -a3/a5 -a4/a5]
B=[0; 0; 0; 0; 1/a5]
C=[b0 b1 0 0 0]
%Проверка
syms s
W_s = collect (simplify (C*(s.*eye (5)-A)^(-1)*B), s)
pretty (W_s)
%2. Параллельная декомпозиция
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
b1 = b1/a5;
b0 = b0/a5;
s1 = 0;
s2 = -6615/487;
s3 = -1022/1747 + 4016/1451*i;
s4 = -1022/1747 — 4016/1451*i;
s5 = -415/606;
alfa = real (s3);
beta = imag (s3);
syms s A B C D E
W_s_etal = collect (((b1*s+b0)/((s-s1)*(s-s2)*((s+alfa)^2+beta2)*(s-s5))), s)
%pretty (W_s_etal)
Slag1 = simplify (collect (A*(s-s2)*((s+alfa)^2+beta2)*(s-s5), s));
Slag2 = simplify (collect (B*(s-s1)*((s+alfa)^2+beta2)*(s-s5), s));
Slag3 = simplify (collect (C*(s-s1)*((s+alfa)^2+beta2)*(s-s2), s));
Slag4 = simplify (collect ((D*s+E)*(s-s1)*(s-s2)*(s-s5), s));
Chislit_W_s =collect (Slag1 + Slag2 + Slag3 + Slag4, s);
%Решение системы линейных уравнений
MS =double ([1 1 1 1 0;
6 753 029 497/515578134 -513 659/1058682 10 560 977/850789 4 210 795/295122 1;
77 456 808 434 995 514 797 195 264/126764366837761533378822144 1 874 500 571 398 143 916 113 920/260296441145300889894912 -3 300 780 600 401 724 994 224 128/418364246989311991349248 915 075/98374 4 210 795/295122;
26 189 071 674 868 424 525 008 076 800/253528733675523066757644288 2 853 037 197 681 682 523 619 328/520592882290601779789824 45 476 725 452 203 198 204 870 656/418364246989311991349248 0 915 075/98374;
6 290 947 020 888 110 049 943 093 248/84509577891841022252548096 0 0 0 0])
PCH = [0; 0; 0; b1; b0];
Koeff = MS^(-1)*PCH
%Проверка
MS*[Koeff (1);Koeff (2);Koeff (3);Koeff (4);Koeff (5)];
Slag1 = simplify (collect (Koeff (1)*(s-s2)*((s+alfa)^2+beta2)*(s-s5), s));
Slag2 = simplify (collect (Koeff (2)*(s-s1)*((s+alfa)^2+beta2)*(s-s5), s));
Slag3 = simplify (collect (Koeff (3)*(s-s1)*((s+alfa)^2+beta2)*(s-s2), s));
Slag4 = simplify (collect ((Koeff (4)*s+Koeff (5))*(s-s1)*(s-s2)*(s-s5), s));
Chislit_W_s =collect ((Slag1 + Slag2 + Slag3 + Slag4), s);
Znamena_W_s = collect ((s-s1)*(s-s2)*((s+alfa)^2+beta2)*(s-s5), s);
W_s = collect (simplify (Koeff (1)/(s-s1)+Koeff (2)/(s-s2)+(Koeff (4)*s+Koeff (5))/((s+alfa)^2+beta2)+Koeff (3)/(s-s5)), s)
pretty (W_s)
%Расчет матриц состояния
A = [s1 0 0 0 0;
0 s2 0 0 0 ;
0 0 0 1 0;
0 0 -(alfa2+beta2) -2*alfa 0;
0 0 0 0 s5]
B = [Koeff (1); Koeff (2); 0; 1; Koeff (3)]
C = [1 1 Koeff (5) Koeff (4) 1]
%Проверка
W_s = collect (simplify (C*(s.*eye (5)-A)^(-1)*B), s)
pretty (W_s)
%ВСЕ ПОДСЧИТАНО ВЕРНО!!!
SimplexMetod2.m
function SimplexMetod2
clc
clear all
close all
format short
%%%%%%%%%%%%%%%%%%%%%%%ВВОДИМЫЕ ДАННЫЕ%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Матрицы системы
A = [0 2;
— 3 0];
B = [0; 2];
% Координаты начальной и конечной точки
X0 = [14; 0];
X_N = [0; 0];
% Ограничение на управление
u_m = -3;
u_p = 5;
eps = 1e-10;% погрешность сравнения с нулем
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
N = 195;% число шагов
%h = t1/N;% шаг дискретизации
h = 0.0162;
alfa = 1;
a = 0;
b = 0;
%t1 = 796/245;% время перехода в конечное состояние
n = size (A);
n = n (1);% порядок системы
% Нахождение матричного экспоненциала
syms s t
MatrEx = ilaplace ((s*eye (n)-A)^(-1));
MatrEx_B = MatrEx*B;
% Вычисление матриц F и G
F = subs (MatrEx, t, h);
G = double (int (MatrEx_B, t, 0, h));
%%%%%%%%%%ФОРМИРОВАНИЕ ЗАДАЧИ БЫСТРОДЕЙСТВИЯ КАК ЗАДАЧИ%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for index = 1: 1e+10
% Вычисление правой части
PravChast = X_N — F^N * X0;
% Вычисление произведения F на G
FG = zeros (n, N);% формирование матрицы для хранения данных
for j = 1: n
for i = 0: N — 1
fg = F^(N-i-1) * G;
if PravChast (j) < 0
fg = -fg;
end
FG (j, i+1) = fg (j);
end
end
% Построение z-строки
z_stroka = zeros (1, 4*N+n+2);% формирование матрицы для хранения данных
% Первый элемент z-строки
z_stroka (1) = 1;
% Суммирование правых частей
for j = 1: n
z_stroka (4*N+n+2) = z_stroka (4*N+n+2) + abs (PravChast (j));
end
% Формирование элементов z-строки между 1-м и последним элементами
%при 2N небазисных переменных, т. е. при управлениях
for i = 2: 2: 2 * N
for j = 1: n
z_stroka (i) = z_stroka (i) + FG (j, i/2);
end
for j = 1: n
z_stroka (i+1) = z_stroka (i+1) — FG (j, i/2);
end
end
% Формирование симплекс-таблицы
CT = zeros (n+2*N+1, 4*N+n+2);
% Построение симплекс-таблицы начиная с z-строки
CT (1:) = z_stroka (1:);
% Формирование R-строк в симплекс-таблице
for j = 2: n + 1
% Формирование правой части в R-строках
CT (j, 4*N+n+2) = abs (PravChast (j-1));
% Формирование элементов R-строк между 1-м и последним элементами
%при 2N небазисных переменных, т. е. при управлениях
for i = 2: 2: 2 * N
CT (j, i) = FG (j-1, i/2);
CT (j, i+1) = -FG (j-1, i/2);
end
end
% Формирование S-строк в симплекс-таблице
l = 2;
for j = n + 2: 2: n + 2 * N + 1
% Формирование правой части в S-строках
CT (j, 4*N+n+2) = u_p;
CT (j+1, 4*N+n+2) = abs (u_m);
% Формирование элементов S-строк между 1-м и последним элементами
%при 2N небазисных переменных, т. е. при управлениях
CT (j, l: l+1) = [1 -1];
CT (j+1, l: l+1) = [-1 1];
l = l + 2;
end
% Формирование базиса в симплекс-таблице, т. е коэффициентов, стоящих при
%базисных переменных от 2N небазисных переменных до правой части (до 4*N+n+1)
CT (2: n+2*N+1, 2*N+2: 4*N+n+1) = eye (n+2*N, n+2*N);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%
РЕШЕНИЕ ЗАДАЧИ БЫСТРОДЕЙСТВИЯ%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%СИМПЛЕКС-МЕТОДОМ%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Цикл смены базисных переменных
nn = size (find (CT (1,2:2*N+1) >= eps));
while nn > 0
[znach, N_stolb] = max (CT (1, 2: 2*N+1));
N_stolb = N_stolb + 1; % т.к. при небазисн. перемен.
PravChast = CT (, 4*N+n+2);
for j = 2: n + 2 * N + 1
if CT (j, N_stolb) > 0
PravChast (j) = PravChast (j) / CT (j, N_stolb);
else
PravChast (j) = inf;
end
end
[znach, N_str] = min (PravChast (2: n+2*N+1));
N_str = N_str + 1;
% Формирование матрицы перехода B
B = eye (n+2*N+1, n+2*N+1);
B (, N_str) = CT (, N_stolb);
% Обращение матрицы B
RE = B (N_str, N_str);
for j = 1: n + 2 * N + 1
if j == N_str
B (j, N_str) = 1 / RE;
else
B (j, N_str) = -B (j, N_str) / RE;
end
end
%B = inv (B);
% Получение новой симплекс таблицы
CT = B * CT;
nn = size (find (CT (1,2:2*N+1) >= eps));
end
u = zeros (1,N);
% Формирование управления
for j = 2: n + 2 * N + 1
for i = 2: 2 * N + 1
if CT (j, i) >= eps
if mod (i, 2) < eps
u (i/2) = CT (j, 4*N+n+2);
else
u ((i-1)/2) = -CT (j, 4*N+n+2);
end
end
end
end
% Формирование x1 и x2
X = zeros (n, N);
X (, 1) = F * X0 + G * u (1);
for i = 2: N
X (, i) = F * X (, i-1) + G * u (i);
end
% Объединение с начальными условиями
X1 = [X0(1) X (1, :)];
X2 = [X0(2) X (2, :)];
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% проверка на окончание выбора количества шагов
XX = [X0 X];
% Вычисление нормы вектора состояния
normaXX = norm (XX (, N))
% Вычисление значения переменной R
R = abs (X_N — F^N * X0) — FG * u';
R = R';
z = sum®;
% Погрешность приближения к точному решению
pogresh = 0.3;
if (normaXX < pogresh)
N_opt = N;
break;
else
if (z > h)
if a == 1
alfa = ceil (alfa/2);
end
N = N + alfa;
a = 0;
b = 1;
else
if b == 1
alfa = ceil (alfa/2);
end
N = N — alfa;
a = 1;
b = 0;
end
end
t_perevoda = N * h;
end
N_opt
h
t_perevoda
%%%%%%%%%%%%%%%%%%%%ОФОРМЛЕНИЕ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%В ГРАФИЧЕСКОМ ВИДЕ%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Построение графика x1(t);
figure (1)
t = (0: 1: length (X1)-1) * h;
plot (t, X1, 'b', 'LineWidth', 2);
hl=legend ('x1(t)');
set (hl, 'FontName', 'Courier');
xlabel ('t, cek'); ylabel ('x1(t)');
grid on
% Построение графика x2(t);
figure (2)
t = (0: 1: length (X2)-1) * h;
plot (t, X2, 'b', 'LineWidth', 2);
hl=legend ('x2(t)');
set (hl, 'FontName', 'Courier');
xlabel ('t, cek'); ylabel ('x2(t)');
grid on
% Построение графика x2 = x2(x1);
figure (3)
plot (X1, X2, 'm', 'LineWidth', 2);
hl=legend ('x2 = x2(x1)');
set (hl, 'FontName', 'Courier');
xlabel ('x1(t)'); ylabel ('x2(x1(t))');
grid on
% Построение графика u (t)
figure (4)
t = (0: 1: length (u)-1) * h;
plot (t, u, 'r', 'LineWidth', 2);
hl=legend ('u (t)');
set (hl, 'FontName', 'Courier');
xlabel ('t, cek'); ylabel ('u (t)');
grid on
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Optimal_L_problem_moments.m
clc
close all
clear all
format long
% ————————————————————————————————————%
b0 = 5;
b1 = 9;
% Укороченная система данного объекта
a5 = 0.1153;
a4 = 1.78;
a3 = 3.92;
a2 = 14.42;
a1 = 8.583;
a0 = 0;
% ————————————————————————————————————%
% Приведение системы
b0 = b0/a5;
b1 = b1/a5;
a5 = a5/a5;
a4 = a4/a5;
a3 = a3/a5;
a2 = a2/a5;
a1 = a1/a5;
a0 = a0/a5;
% ————————————————————————————————————%
% Порядок системы
poryadok = 5;
% Начальные и конечные условия относительно вектора Y
Y0 = [3 2 1 5]';
Y_T = [0 -1 0 3]';
% Конечное время перехода
T = 3;
% Матрица перехода от Н.У. Y к Н.У. X
B_ = [b0 b1 0 0 0;
0 b0 b1 0 0;
0 0 b0 b1 0;
0 0 0 b0 b1];
% ————————————————————————————————————%
% ————————————————————————————————————%
% Начальные условия для упорядоченной системы
X0 = B_' * inv (B_ * B_') * Y0
X_T = B_' * inv (B_ * B_') * Y_T
% ————————————————————————————————————%
% ————————————————————————————————————%
% Представление системы в пространстве состояний
A = [0 1 0 0 0;
0 0 1 0 0;
0 0 0 1 0
0 0 0 0 1;
— a0 -a1 -a2 -a3 -a4]
B = [0; 0; 0; 0; 1]
C = [b0 b1 0 0 0]
% ————————————————————————————————————%
% ————————————————————————————————————%
% Вычисление матричной экспоненты
syms s t
MatrEx = simplify (vpa (ilaplace (inv (s*eye (5) — A)), 50))
% ————————————————————————————————————%
RETURN = 1;
while RETURN == 1
disp ('L — проблема моментов в пространстве вход-выход: 1')
disp ('L — проблема моментов в пространстве состояний: 2')
reply = input ('Выберете метод решения [1 или 2]: ', 's');
switch reply
case '1'
disp ('L — проблема моментов в пространстве вход-выход')
% ————————————L — проблема моментов—————————————-%
% ———————————в пространстве вход-выход————————————-%
% ————————————————————————————————————%
% Передаточная функция
W_obj_s = 1/(a5*s5 + a4*s4 + a3*s3 + a2*s2 + a1*s + a0);
% Полюса передаточной функции
polyusa_TF = roots ([a5 a4 a3 a2 a1 a0]);
% ИПФ
K_t = simplify (vpa (ilaplace (1 / (a5*s5 + a4*s4 + a3*s3 + …
a2*s2 + a1*s + a0)), 50))
% K_t = vpa (K_t, 6)
% ————————————————————————————————————%
% Составление матрицы Вронского
for i = 1: poryadok
Matrix_Vron (i, 1) = diff (exp (polyusa_TF (1) *t), t, i — 1);
Matrix_Vron (i, 2) = diff (exp (polyusa_TF (2) *t), t, i — 1);
Matrix_Vron (i, 3) = diff (exp (real (polyusa_TF (3))*t) * …
cos (imag (polyusa_TF (3))*t), t, i — 1);
Matrix_Vron (i, 4) = diff (exp (real (polyusa_TF (4))*t) * …
sin (imag (polyusa_TF (4))*t), t, i — 1);
Matrix_Vron (i, 5) = diff (exp (polyusa_TF (5) *t), t, i — 1);
end
% Матрица Вронского при t = 0;
Matrix_Vron_t0 = double (subs (Matrix_Vron, t,0));
% Матрица Вронского при t = T;
T = 3;
Matrix_Vron_t_T = double (subs (Matrix_Vron, t, T));
% vpa (Matrix_Vron_t0, 6)
% ————————————————————————————————————%
% ————————————————————————————————————%
% Определение неизвестных коэффициентов C
C_ = inv (Matrix_Vron_t0) * X0;
% ————————————————————————————————————%
% ————————————————————————————————————%
% Нахождение моментных функций
K_Tt1 = subs (K_t, t, T — t);
K_Tt = diff (K_t);
K_Tt2 = subs (K_Tt, t, T — t);
K_Ttt = diff (K_Tt);
K_Tt3 = subs (K_Ttt, t, T — t);
K_Tttt = diff (K_Ttt);
K_Tt4 = subs (K_Tttt, t, T — t);
K_Ttttt = diff (K_Tttt);
K_Tt5 = subs (K_Ttttt, t, T — t);
h1_Tt = K_Tt1
h2_Tt = K_Tt2
h3_Tt = K_Tt3
h4_Tt = K_Tt4
h5_Tt = K_Tt5
% ————————————————————————————————————%
% ————————————————————————————————————%
% Нахождение моментов
for i = 1: poryadok
Matrix_a (i) = X_T (i) — C_' * Matrix_Vron_t_T (i:)';
end
Matrix_a = Matrix_a'
% ————————————————————————————————————%
% ————————————————————————————————————%
% ————————————————————————————————————%
RETURN = 2;
case '2'
disp ('L — проблема моментов в пространстве состояний')
% ————————————L — проблема моментов—————————————-%
% ———————————в пространстве состояний—————————————%
% ————————————————————————————————————%
Matr_Ex_T = subs (MatrEx, t, T);
% ————————————————————————————————————%
% ————————————————————————————————————%
% Нахождение моментов
for i = 1: poryadok
Matrix_a (i) = X_T (i) — Matr_Ex_T (i:) * X0;
end
Matrix_a = Matrix_a'
% ————————————————————————————————————%
% ————————————————————————————————————%
% Нахождение моментных функций
Matr_Ex_Tt = subs (MatrEx, t, T — t);
h_Tt = vpa (expand (simplify (Matr_Ex_Tt * B)), 50);
h1_Tt = h_Tt (1)
h2_Tt = h_Tt (2)
h3_Tt = h_Tt (3)
h4_Tt = h_Tt (4)
h5_Tt = h_Tt (5)
% ————————————————————————————————————%
% ————————————————————————————————————%
% ————————————————————————————————————%
RETURN = 2;
otherwise
disp ('Неизвестный метод.')
RETURN = 1;
end
end
% h1_Tt = vpa (h1_Tt, 6)
% h2_Tt = vpa (h2_Tt, 6)
% h3_Tt = vpa (h3_Tt, 6)
% h4_Tt = vpa (h4_Tt, 6)
% h5_Tt = vpa (h5_Tt, 6)
% ————————————————————————————————————%
% ————Нахождение управления и вычисление минимальной энергии—————%
% ————————————————————————————————————%
syms ks1 ks2 ks3 ks4 ks5
% ————————————————————————————————————%
% Формирование функционала
d_v2 = vpa (simplify (int ((ks1*h1_Tt + ks2*h2_Tt + ks3*h3_Tt + …
ks4*h4_Tt + ks5*h5_Tt)^2, t, 0, T)), 50);
% Выражаем ks1 через остальные
ks1 = vpa ((1 — ks2*Matrix_a (2) — ks3*Matrix_a (3) — …
ks4*Matrix_a (4) — ks5*Matrix_a (5))/Matrix_a (1), 50);
% Подставляем в функционал ks1
d_v2 = vpa (expand (subs (d_v2, ks1)), 50);
% Находим частные производные по ksi
eq1= diff (d_v2, ks2);
eq2= diff (d_v2, ks3);
eq3= diff (d_v2, ks4);
eq4= diff (d_v2, ks5);
% Решаем СЛАУ относительно ksi
ksi= solve (eq1, eq2, eq3, eq4);
% Полученные значения ksi
ks2= double (ksi.ks2)
ks3= double (ksi.ks3)
ks4= double (ksi.ks4)
ks5= double (ksi.ks5)
ks1 = double (vpa ((1 -ks2*Matrix_a (2) -ks3*Matrix_a (3) -ks4*Matrix_a (4) — …
ks5*Matrix_a (5))/Matrix_a (1), 50))
% ————————————————————————————————————%
% ————————————————————————————————————%
% Проверка условия полученного результата
ks1*Matrix_a (1) + ks2*Matrix_a (2) + ks3*Matrix_a (3) + …
ks4*Matrix_a (4) + ks5*Matrix_a (5)
% ————————————————————————————————————%
% ————————————————————————————————————%
% Вычисление управления и минимальной энергии
d_v2 = vpa (simplify (int ((ks1*h1_Tt + ks2*h2_Tt + ks3*h3_Tt + …
ks4*h4_Tt + ks5*h5_Tt)^2, t, 0, T)), 50)
% d_v2 = double (d_v2)
gamma_v2 = 1/d_v2
% gamma_v2 = double (gamma_v2)
u = vpa (expand (simplify (gamma_v2 * (ks1*h1_Tt + ks2*h2_Tt + ks3*h3_Tt + …
ks4*h4_Tt + ks5*h5_Tt))), 50)
% u = vpa (u, 6)
u0 = subs (u, t,0)
u_T = subs (u, t, T)
ezplot (u, [0 T], 1)
hl=legend ('u (t)');
set (hl, 'FontName', 'Courier');
title ('u (t)');
xlabel ('t')
grid on
% ————————————————————————————————————%
% ————————————————————————————————————%
% Нахождения X
% Вычисление матричной экспоненты
MatrEx = simplify (vpa (ilaplace (inv (s*eye (5) — A)), 50));
syms t tay
X_svob = MatrEx * X0;
X_vinyg = int ((subs (MatrEx, t, t — tay))*B*(subs (u, t, tay)), tay, 0, t);
X_real = X_svob + X_vinyg;
save Sostoyaniya X_real u
X_real = vpa (expand (simplify (X_real)), 50)
X_real0 = double (subs (X_real, t, 0))
X_real_T = double (subs (X_real, t, T))
% Погрешность X
delta_X_T = double (vpa (X_T — X_real_T, 50))
delta_X0 = double (vpa (X0 — X_real0, 50))
% Нахождение Y
for i = 1: poryadok — 1
Y_real (i) = B_(i:) * X_real;
end
Y_real = vpa (expand (simplify (Y_real')), 50)
Y_real0 = double (subs (Y_real, t, 0))
Y_real_T = double (subs (Y_real, t, T))
% Погрешность Y
delta_Y_T = double (vpa (Y_T — Y_real_T, 50))
delta_Y0 = double (vpa (Y0 — Y_real0, 50))
% ————————————————————————————————————%
% ————————————————————————————————————%
% Вычисление max значений для задачи АКОР
h = 0.01;
tic
tt = 0: h: T;
for i = 1: poryadok
X_max (i) = max (abs (subs (X_real (i), t, tt)));
end
U_max = max (abs (subs (u, t, tt)));
toc
save Sostoyaniya X_max U_max
% ————————————————————————————————————%
% ————————————————————————————————————%
% Построение результатов X (t)
ezplot (X_real (1), [0 T], 2)
title ('x1(t)');
grid on
ezplot (X_real (2), [0 T], 3)
title ('x2(t)');
grid on
ezplot (X_real (3), [0 T], 4)
title ('x3(t)');
grid on
ezplot (X_real (4), [0 T], 5)
title ('x4(t)');
grid on
ezplot (X_real (5), [0 T], 6)
title ('x5(t)');
grid on
% Построение результатов Y (t)
ezplot (Y_real (1), [0 T], 7)
title ('y1(t)');
grid on
ezplot (Y_real (2), [0 T], 8)
title ('y2(t)');
grid on
ezplot (Y_real (3), [0 T], 9)
title ('y3(t)');
grid on
ezplot (Y_real (4), [0 T], 10)
title ('y4(t)');
grid on
% ————————————————————————————————————%
Gramian_Uprav.m
clc
close all
clear all
format long
% ————————————————————————————————————%
b0 = 5;
b1 = 9;
% Укороченная система данного объекта
a5 = 0.1153;
a4 = 1.78;
a3 = 3.92;
a2 = 14.42;
a1 = 8.583;
a0 = 0;
% ————————————————————————————————————%
% Приведение системы
b0 = b0/a5;
b1 = b1/a5;
a5 = a5/a5;
a4 = a4/a5;
a3 = a3/a5;
a2 = a2/a5;
a1 = a1/a5;
a0 = a0/a5;
% ————————————————————————————————————%
% Порядок системы
poryadok = 5;
% Начальные и конечные условия относительно вектора Y
Y0 = [3 2 1 5]';
Y_T = [0 -1 0 3]';
% Конечное время перехода
T = 3;
% Матрица перехода от Н.У. Y к Н.У. X
B_ = [b0 b1 0 0 0;
0 b0 b1 0 0;
0 0 b0 b1 0;
0 0 0 b0 b1];
% ————————————————————————————————————%
% ————————————————————————————————————%
% Начальные условия для упорядоченной системы
X0 = B_' * inv (B_ * B_') * Y0
X_T = B_' * inv (B_ * B_') * Y_T
% ————————————————————————————————————%
% ————————————————————————————————————%
% Представление системы в пространстве состояний
A = [0 1 0 0 0;
0 0 1 0 0;
0 0 0 1 0
0 0 0 0 1;
— a0 -a1 -a2 -a3 -a4];
B = [0; 0; 0; 0; 1];
C = [b0 b1 0 0 0];
% ————————————————————————————————————%
% ————————————————————————————————————%
% Вычисление матричной экспоненты
syms s t
MatrEx = simplify (vpa (ilaplace (inv (s*eye (5) — A)), 50));
MatrEx_T = vpa (subs (MatrEx, t, T), 50);
MatrEx_Tt = vpa (subs (MatrEx, t, T-t), 50);
% ————————————————————————————————————%
% ————————————————————————————————————%
% Вычисление матрицы управляемости
M_c = [B A*B A2*B A3*B A4*B]
rank_M_c = rank (M_c); %ранк = 5 — система управляема
% ————————————————————————————————————%
% ————————————————————————————————————%
% Вычисление грамиана управляемости
W_Tt = double (vpa (simplify (int (MatrEx_Tt*B*B'*MatrEx_Tt', t,0,T)), 50))
% ————————————————————————————————————%
% ————————————————————————————————————%
% Формирование управления
u = vpa (expand (simplify (B'*MatrEx_Tt'*inv (W_Tt)*(X_T-MatrEx_T*X0))), 50)
u0 = subs (u, t,0)
u_T = subs (u, t, T)
u = vpa (u, 6)
% ————————————————————————————————————%
ezplot (u, [0 T], 1)
title ('u (t)');
xlabel ('t')
grid on
tt = 0: 0.01: T;
u2 = -20.605 579 750 692 850 612 199 384 678 400*exp (-40.749 492 463 732 569 497 044 913 225 728+13.583 164 154 577 523 148 853 597 962 240*t)+19.11 167 813 350 479 568 880 577 544 192*exp (-2.544 534 472 800 777 276 275 852 050 432+.68 481 781 576 002 594 545 273 472 548 864*t)+1.3 356 706 538 317 879 411 306 290 741 248*exp (-1.7 550 088 311 372 149 728 872 572 649 472+.58 500 294 371 240 501 635 562 581 524 480*t)*cos (-8.3 032 397 968 812 277 195 784 104 968 192+2.7 677 465 989 604 092 531 158 867 247 104*t)+7.2 830 359 327 562 658 351 629 692 043 264*exp (-1.7 550 088 311 372 149 728 872 572 649 472+.58 500 294 371 240 501 635 562 581 524 480*t)*sin (-8.3 032 397 968 812 277 195 784 104 968 192+2.7 677 465 989 604 092 531 158 867 247 104*t)-8.6 096 491 449 877 801 531 228 326 723 584;