В этом примере показано, как интерпретировать и подтвердить настраивающиеся результаты systune
.
Можно настроить параметры системы управления с systune
или looptune
. Технические требования проекта получены с помощью TuningGoal
объекты требования. В этом примере показано, как интерпретировать результаты systune
, графически проверьте конструктивные требования и выполните дополнительный открытый - и анализ с обратной связью.
Мы используем настраивающее приложение автопилота в качестве рисунка, видим "Настройку примера" Автопилота 2D Цикла для деталей. Настроенный компенсатор является блоком "MIMO Controller", подсвеченным в оранжевом в модели ниже.
open_system('rct_airframe2')
Настройка и настраивающиеся шаги повторяются ниже для полноты.
ST0 = slTuner('rct_airframe2','MIMO Controller'); % Compensator parameterization C0 = tunableSS('C',2,1,2); C0.D.Value(1) = 0; C0.D.Free(1) = false; setBlockParam(ST0,'MIMO Controller',C0) % Requirements Req1 = TuningGoal.Tracking('az ref','az',1); % tracking Req2 = TuningGoal.Gain('delta fin','delta fin',tf(25,[1 0])); % roll-off Req3 = TuningGoal.Margins('delta fin',7,45); % margins MaxGain = frd([2 200 200],[0.02 2 200]); Req4 = TuningGoal.Gain('delta fin','az',MaxGain); % disturbance rejection % Tuning Opt = systuneOptions('RandomStart',3); rng('default') [ST1,fSoft] = systune(ST0,[Req1,Req2,Req3,Req4],Opt);
Final: Soft = 1.51, Hard = -Inf, Iterations = 52 Final: Soft = 1.15, Hard = -Inf, Iterations = 87 Final: Soft = 1.15, Hard = -Inf, Iterations = 70 Final: Soft = 1.16, Hard = -Inf, Iterations = 120
systune
запустите три оптимизации от трех различных начальных точек, и возвратил лучший полный результат. Первый выход ST
slTuner
интерфейс, представляющий настроенную систему управления. Второй выход fSoft
содержит окончательные значения этих четырех требований для лучшего проекта.
fSoft
fSoft = 1.1476 1.1476 0.5461 1.1476
Требования нормированы так, требованию удовлетворяют, если и только если его значение меньше 1. Контроль fSoft
показывает, что Требования 1,2,4 активны и немного нарушенные, в то время как Требованию 3 (запасы устойчивости) удовлетворяют.
Используйте viewGoal
графически смотреть каждое требование. Это полезно, чтобы понять, приемлемы ли маленькие нарушения или что вызывает большие нарушения. Сначала проверьте требование отслеживания.
viewGoal(Req1,ST1)
Мы наблюдаем небольшое нарушение через частоту, предполагая, что отслеживание заданного значения выполнит близко к ожиданиям. Точно так же проверьте требование подавления помех.
viewGoal(Req4,ST1) legend('location','NorthWest')
Большая часть нарушения в низкой частоте с маленьким ударом около 35 рад/с, предлагая возможные ослабленные колебания на этой частоте. Наконец, проверьте требование по запасу устойчивости.
viewGoal(Req3,ST1)
Этому требованию удовлетворяют на всех частотах с самыми маленькими полями, достигнутыми около частоты среза как ожидалось.
Можно также использовать evalGoal
чтобы оценить каждое требование, то есть, вычисляют его вклад в мягкие и трудные ограничения. Например,
[H1,f1] = evalGoal(Req1,ST1);
возвращает значение f1
из требования и базовой взвешенной частотой передаточной функции H1
используемый к вычисленному это. Можно проверить тот f1
совпадает с первой записью fSoft
и совпадает с пиковым усилением H1
.
[f1 fSoft(1) getPeakGain(H1,1e-6)]
ans = 1.1476 1.1476 1.1476
В дополнение к проверке требований можно выполнить основной открытый - и анализ с обратной связью с помощью getIOTransfer
и getLoopTransfer
. Например, проверьте эффективность отслеживания во временном интервале путем графического вывода ответа az
к команде шага azref
для настроенной системы ST1
.
T = ST1.getIOTransfer('az ref','az'); step(T)
Также постройте ответ разомкнутого контура, измеренный во входе delta fin
объекта. Можно использовать этот график оценить классические запасы по амплитуде и фазе во вход объекта.
L = ST1.getLoopTransfer('delta fin',-1); % negative-feedback loop transfer margin(L) grid
До сих пор мы обработали все четыре требования одинаково в целевой функции. В качестве альтернативы можно использовать соединение мягких и трудных ограничений, чтобы дифференцироваться между обязательными и хорошими, чтобы требованиями. Например, вы могли обработать Требования 3,4 как трудные ограничения и оптимизировать первые два требования, удовлетворяющие этим ограничениям. Для лучших результатов сделайте это только после получения разумного проекта со всеми требованиями, обработанными одинаково.
[ST2,fSoft,gHard] = systune(ST1,[Req1 Req2],[Req3 Req4]);
Final: Soft = 1.29, Hard = 0.99959, Iterations = 140
fSoft
fSoft = 1.2898 1.2898
gHard
gHard = 0.4674 0.9996
Здесь fSoft
содержит окончательные значения первых двух требований (мягкие ограничения) и gHard
содержит окончательные значения последних двух требований (трудные ограничения). Трудным ограничениям удовлетворяют начиная со всех записей gHard
меньше 1. Как ожидалось оптимальное значение первых двух требований повысилось, когда оптимизатор стремился строго осуществить четвертое требование.
bdclose('all')