二阶系统响应指标图_自控实验三 基于时域响应的一、二阶系统参数的测量与确定 - GXUZF.COM - 林澈思的茶...

本文主要是介绍二阶系统响应指标图_自控实验三 基于时域响应的一、二阶系统参数的测量与确定 - GXUZF.COM - 林澈思的茶...,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

广西大学电气工程学院

《自动控制理论》实验报告

成绩 教师签字

学生姓名 赵帆 学号 17021***** 专业班级 电自171班

20 年 月 日

实验三、基于时域响应的一、二阶系统参数的测量与确定

实验原理:

给定了模型或者系统,求其时域响应,一般称为一个证问题。而有了系统的时域响应(有时候是一条连续的曲线,有时候则是一个信号序列)之后,反过来推算(估算)系统的模型,则是一个反问题。

在工程实践中,更多遇到的是反问题。也就是说,对于控制的对象的模型(也就是其特性)一般来说是不知道的。即被控制对象是一个灰箱或黑箱。但我们可以通过实验(人为地加入一些输入信号)或者根据系统实际运行记录,获取系统的时域响应,然后再来估算系统的模型。

系统模型的估算又分为两类。一种是已经知道了系统模型的结构,比如说,对于一个一阶系统或者二阶系统,不确定其内在参数的情况。这种问题称为参数估算(或者估计)。另外一种情况更为复杂,即不知道系统结构,需要根据系统的时域响应先去估算系统结构,再去估算系统的参数。这种问题成为系统结构辨识。

在leaSaC实验台上搭建系统(小车运动和双容水箱)的模拟电路,在给定阶跃信号激励下,通过测量系统的调整时间、峰值时间、超调量和上升时间等指标,按照测量指标与系统特征值和静态增益的关系以及其他特点,求出系统的传递函数。

实验设备与软件:

1、leaSaC实验台与虚拟示波器(示波器)

2、函数信号发生器模块、有源模块M1-M8、阻容库模块和可变阻容库模块

实验内容与方法:

1. 实验内容

根据原理 1 和 2 中所给出的对象模型,在leaSaC实验台上做实验测量系统的各个参数(调整时间、上升时间、峰值时间、最大超调等),通过计算求出系统的传递函数。

2. 实验方法

首先按各系统的模型电路图在leaSaC 上搭电路,然后在给定阶跃信号激励下测量系统响应的指标,包括调节时间、上升时间和最大超调量,据测量指标与系统特征值和静态增益的关系以及其他特点,计算出系统传递函数的各个参数,从而确定系统传递函数。

3.实验过程与分析

(1)小车运动系统的参数确定

在 leaSaC中的 M1 和 M2 两个模块搭建电路图,参数按下图进行选择,注意短接帽的使用。利用 函数信号发生器的“阶跃信号”作为激励信号(2V)。

3e0ed2f7edd9d01b8d387028d3720905.png 先上电、然后运行示波器软件,再加激励。在 leaSaC实验平台上得到曲线与数据如下图。

图一 小车运动系统模拟电路图

0d25a658b061252c6c729b5161b5de71.png

图二 系统阶跃响应曲线

表一 系统阶跃响应的实验测量数据ts

1.324

tp

2.11s

tr

2.11s

σ

0%

稳定值

2.03V

小车运动系统传递函数为:

对于典型一阶系统 ts=3T

由终值定理得

根据实验数据计算系统参数

K=2.03/2=1.015≈1

ts=3T, T=ts/3=1.324/3=0.441 s

所以系统的传递函数为

由此求出,小车质量 m=0.441kg,阻力系数 b=1

(2) 双容水箱系统参数确定

8515f8486c895edb86599ced65f69e8b.png

在 leaSaC 中的 M1、M2 和 M3三个模块以及 M8 相关资源搭建电路图,

图三 双容水箱系统模拟电路图

bcb4bf2c9c3c7afeca713cc3612635aa.png

实验得到曲线与数据如下图。

图四 双容水箱系统阶跃响应曲线

表2 由图 四 得到的实验测量数据ts

0.240

tp

0.899

tr

0.899

最大值

5.672V

稳定值

4.527V

σ

23%

解得: T_1=0.1s,T_2=0.4s,K=10.02

实验总结

本实验中,储能元件放电时不够充分也可能引起误差。 本次实验还初步学习了在电子模拟机上建立典型环节系统模型的方法。并对一二阶系统阶 跃响应及其性能指标与系统参数之间的关系有了更加深刻的理解。 超调量和调节时间的实测值都与理论值有些差距(但从上表中可以看出各个相对误差基本 上小于 5%(较小,实验较为成功)。本实验误差可能来源于实验设备的示值不精确及各元器件 示值与实际值的误差。

这篇关于二阶系统响应指标图_自控实验三 基于时域响应的一、二阶系统参数的测量与确定 - GXUZF.COM - 林澈思的茶...的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/268343

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

C++11第三弹:lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页: 南桥几晴秋 🌈C++专栏: 南桥谈C++ 🌈C语言专栏: C语言学习系列 🌈Linux学习专栏: 南桥谈Linux 🌈数据结构学习专栏: 数据结构杂谈 🌈数据库学习专栏: 南桥谈MySQL 🌈Qt学习专栏: 南桥谈Qt 🌈菜鸡代码练习: 练习随想记录 🌈git学习: 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听

如何在页面调用utility bar并传递参数至lwc组件

1.在app的utility item中添加lwc组件: 2.调用utility bar api的方式有两种: 方法一,通过lwc调用: import {LightningElement,api ,wire } from 'lwc';import { publish, MessageContext } from 'lightning/messageService';import Ca

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

4B参数秒杀GPT-3.5:MiniCPM 3.0惊艳登场!

​ 面壁智能 在 AI 的世界里,总有那么几个时刻让人惊叹不已。面壁智能推出的 MiniCPM 3.0,这个仅有4B参数的"小钢炮",正在以惊人的实力挑战着 GPT-3.5 这个曾经的AI巨人。 MiniCPM 3.0 MiniCPM 3.0 MiniCPM 3.0 目前的主要功能有: 长上下文功能:原生支持 32k 上下文长度,性能完美。我们引入了