- •В.Г. Новиков моделирование систем
- •Коломна 2007
- •Тема 1. Исследование линейных стационарных систем с помощью пакета прикладных программ MatLab “Control Sistem Toolbox” (“Система управления”)6
- •Тема 2. Цифровая обработка сигналов при Исследовании систем с помощью пакета MatLab “Signal Processing Toolbox”17
- •Тема 3. Моделирование динамических процессов с помощью пакета MatLab “Simulink”29
- •Тема 4. Моделирование процессов в линейных нестационарных динамических системах с использованием подсистемы MatLab “Simulink”40
- •Тема 5. Имитационное моделирование процессов в динамических системах с использованием подсистемы MatLab “Simulink”53
- •Введение
- •Тема 1. Исследование линейных стационарных систем с помощью пакета прикладных программ MatLab “Control Sistem Toolbox” (“Система управления”)
- •1.1. Введение
- •1.2. Ввод и преобразование моделей
- •1.2.1. Основные положения
- •1.2.2. Пример создания модели
- •1.3. Анализ системы
- •1.3.1. Общие положения
- •1.3.1.1. Примеры анализа во временной области
- •1.3.1.2. Примеры анализа в частотной области
- •1.3.1.3. Процедуры, вычисляющие отдельные характеристики и графически показывающие расположение полюсов и нулей системы
- •1.3.2. Примеры анализа во временной области
- •1.3.3. Примеры анализа в частотной области
- •1.3.4. Примеры применения процедур для вычисления полюсов и нулей системы
- •1.4. Задание на самостоятельную работу
- •1.4.1. Структурная схема модели
- •1.4.2. Требования к исследованию модели
- •1.4.3. Исходные параметры модели
- •1.4.4. Отчетность по лабораторной работе
- •Тема 2. Цифровая обработка сигналов при Исследовании систем с помощью пакета MatLab “Signal Processing Toolbox”
- •2.1. Введение
- •2.2. Общие средства фильтрации. Формирование случайных процессов
- •2.2.1. Общие основы линейной фильтрации
- •2.2.2. Формирование случайных процессов
- •2.3. Спектральный и статистический анализ
- •2.3.1. Основные понятия
- •2.3.2. Примеры спектрального анализа
- •2.4. Задание на самостоятельную работу
- •2.4.1 Цифровая обработка сигналов
- •2.4.2. Формирование случайного процесса из белого шума
- •2.4.3. Формирование процесса как сумма гармоник
- •2.4.4. Исходные данные
- •2.4.5. Отчетность по лабораторной работе
- •Тема 3. Моделирование динамических процессов с помощью пакета MatLab “Simulink”
- •3.1. Краткие сведения о подсистеме MatLab simulink
- •3.1.1. Запуск подсистемы simulink
- •3.1.2. Создание модели
- •3.1.3. Некоторые основные приемы подготовки и редактирования модели
- •3.5.1. Установка параметров моделирования
- •3.5.2. Выполнение моделирования
- •3.2.2.2. Результат составления модели
- •3.2.3. Результаты моделирования
- •3.3. Задание на самостоятельную работу
- •3.3.2.3. Отчетность
- •Тема 4. Моделирование процессов в линейных нестационарных динамических системах с использованием подсистемы MatLab “Simulink”
- •4.1. Краткие сведения из теории линейных нестационарных и нелинейных систем автоматического управления
- •4.1.1. Особенности процессов в линейных нестационарных системах
- •4.1.2. Особенности процессов в нелинейных сау
- •4.1.3. Метод фазового пространства
- •4.2. Моделирования процессов в линейных нестационарных и нелинейных динамических системах с использованием подсистемы MatLab simulink
- •4.2.1. Приведение линейного дифференциального уравнения к канонической форме
- •4.2.2. Пример исследования нестационарных и нелинейных процессов
- •4.2.2.1. Постановка задачи
- •4.2.3. Методика формирования модели в системе MatLab
- •4.2.2.3. Пример результатов исследования
- •4.3. Задание на самостоятельную работу
- •4.3.1. Исходная система
- •4.3.2. Требования к работе
- •4.3.3. Отчетность
- •Тема 5. Имитационное моделирование процессов в динамических системах с использованием подсистемы MatLab “Simulink”
- •5. 1. Введение
- •5. 2. Пример имитационного моделирования процессов с использованием подсистемы MatLab simulink
- •5.2.1. Постановка задачи
- •5.2.2. Формирование схемы моделирования
- •5.2.3. Подготовка к имитационному моделированию
- •5.2.3.1. Настройка блока Random Number - источника случайного сигнала с нормальным распределением.
- •5.2.3.2. Настройка блока Uniform Rundom Number - источника случайного сигнала с равномерным распределением
- •5.2.3.3. Настройка блока To Workspace - блока записи в рабочую область Matlab
- •5.2.3.4. Установка параметров моделирования и сохранение модели
- •5.2.3.5. Представление результатов имитационного моделирования
- •5.2.4. Результаты моделирования
- •5.3. Задание на самостоятельную работу
- •5.3.1. Исходная схема
- •5.3.2. Требования к работе
- •5.3.3. Отчетность
- •Использованные источники
4.3.3. Отчетность
4.3.3.1. Результаты исследований сохранять в личной папке в соответствующемM-файле.
4.3.3.2. По работе оформить отчет в видеПояснительной запискив текстовом процессореMSWord:
- на электронном носителе;
- на бумажном носителе.
Таблица 3. Варианты исходных параметров системы
№ варианта |
Входной сигнал Aвх |
Фильтр Wкф(s) |
Kус(t)
|
N, в соответствии с выражением |
Объект управления WОУ(s) | ||||
T1,с, |
T2, с |
T3, с |
KОУ(t) |
TОУ, с, |
ξОУ | ||||
1 |
0.30 |
в соответствии с выражением (29) и таблицей 2 |
0.04 |
0.005 |
в соответствии с выражением (30) и таблицей 2 |
(34) |
В соответствии с таблицей (2) |
в соответствии с выражением (32) и таблицей 2 |
0.4 |
2 |
0.45 |
0.05 |
0.005 |
(35) |
0.3 | ||||
3 |
0.55 |
0.06 |
0.005 |
(34) |
0.2 | ||||
4 |
0.30 |
0.07 |
0.005 |
(35) |
0.6 | ||||
5 |
0.45 |
0.08 |
0.005 |
(34) |
0.6 | ||||
6 |
0.55 |
0.09 |
0.005 |
(35) |
0.5 | ||||
7 |
0.65 |
0.10 |
0.005 |
(34) |
0.4 | ||||
8 |
0.75 |
0.04 |
0.005 |
(35) |
0.3 | ||||
9 |
0.85 |
0.05 |
0.004 |
(34) |
0.2 | ||||
10 |
0.90 |
0.06 |
0.003 |
(35) |
0.1 | ||||
11 |
1.00 |
0.07 |
0.004 |
(34) |
0.4 | ||||
12 |
1.20 |
0.08 |
0.007 |
(35) |
0.3 | ||||
13 |
0.30 |
0.09 |
0.009 |
(34) |
0.2 | ||||
14 |
0.45 |
0.10 |
0.010 |
(35) |
0.6 | ||||
15 |
0.55 |
0.04 |
0.004 |
(34) |
0.6 | ||||
16 |
0.30 |
0.05 |
0.003 |
(35) |
0.5 | ||||
17 |
0.45 |
0.06 |
0.004 |
(34) |
0.4 | ||||
18 |
0.55 |
0.07 |
0.007 |
(35) |
0.3 | ||||
19 |
0.65 |
0.08 |
0.009 |
(34) |
0.2 | ||||
20 |
0.75 |
0.09 |
0.010 |
(35) |
0.1 | ||||
21 |
0.85 |
0.10 |
0.004 |
(34) |
0.3 | ||||
22 |
0.90 |
0.04 |
0.003 |
(35) |
0.2 | ||||
23 |
1.00 |
0.05 |
0.004 |
(34) |
0.1 | ||||
24 |
1.20 |
0.06 |
0.007 |
(35) |
0.2 | ||||
25 |
1.00 |
0.07 |
0.005 |
(34) |
0.1 |
Тема 5. Имитационное моделирование процессов в динамических системах с использованием подсистемы MatLab “Simulink”
5. 1. Введение
Имитационное моделирование – это наблюдение поведения модели под влиянием входных воздействий.
При этом часть из них (а может быть и все) носят случайный характер.
В результате такого наблюдения исследователь получает набор экспериментальных данных для оценки системы.
Аналитические модели для проведения такого эксперимента (так называемого имитационного) не годятся. Здесь нужна специальная имитационная модель, которая должна обеспечивать возможность проведения статистического эксперимента.
В основе статистического эксперимента лежит метод статистических испытаний (метод Монте - Карло).
Суть метода заключается в том, что результат испытания ставится в зависимость от значения некоторой случайной величины, распределенной по заданному закону. В связи с этим результат каждого отдельного испытания также носит случайный характер.
Проведя серию испытаний, получают множество частных значений (реализаций) наблюдаемой величины (случайного процесса), т.е. выборку.
Полученные статистические данные обрабатываются и представляются в виде соответствующих численных оценок интересующих величин (характеристик системы). На практике наиболее часто используют оценки математического ожидания и среднеквадратического отклонения интересующей величины.
Очевидно, реализация данного метода практически невозможна без использования ЭВМ.