Оценка частотной характеристики требует входного сигнала, чтобы возбуждать модель на интересующих частотах. Затем программное обеспечение измеряет ответ на заданном выходе, используя входной сигнал и измеренный отклик, чтобы оценить частотную характеристику.
Когда вы выполняете оценку частотной характеристики, вы задаете, какой тип входного сигнала использовать и каковы его свойства.
В следующей таблице представлены типы входных сигналов, которые вы можете использовать для автономной оценки в Model Linearizer или в MATLAB® командная строка для использования с frestimate.
| Сигнал | Описание |
|---|---|
| Sinestream | Ряд синусоидальных возмущений прикладывался один за другим. Сигналы Sinestream рекомендованы для большинства ситуаций. Они особенно полезны, когда ваша система содержит сильную нелинейность или вам требуются высокоточные модели частотной характеристики. |
| Щебет | Сигнал свит-частоты, который возбуждает вашу систему в области значений частот, таким образом, что входная частота изменяется мгновенно. Сигналы щебета применяются, когда ваша система почти линейна в области значений симуляции. Они также полезны, когда вы хотите получить ответ быстро для многих частотных точек. |
| PRBS | Детерминированная псевдослучайная двоичная последовательность, которая смещается между двумя значениями и имеет белошумоподобные свойства. Сигналы PRBS сокращают общее время оценки по сравнению с использованием входных сигналов синестреама, получая при этом сопоставимые результаты оценки. Сигналы PRBS полезны для оценки частотных характеристик для систем связи и силовой электроники. |
| Случайный | Случайный входной сигнал. Случайные сигналы полезны, потому что они могут равномерно возбуждать систему на всех частотах до частоты Найквиста. |
| Шаг | Шаговый входной сигнал. Входы шага быстро моделируются и могут быть полезны в качестве первой попытки, когда вы не имеете больших знаний о системе, которую вы пытаетесь оценить. |
| Произвольный | Временной timeseries MATLAB, с помощью которых можно задать любой изменяющийся во времени сигнал в качестве входных параметров. |
В целом оцененная частотная характеристика связана с входом и выходными сигналами как:
Здесь uest (t) является инжектированным входным сигналом, а yest (t) является соответствующим имитированным выходным сигналом. Для получения дополнительной информации смотрите раздел Алгоритмы frestimate.
Для онлайн-оценки с Frequency Response Estimator блоком можно использовать два типа входных сигналов:
Sinestream - серия синусоидальных возмущений, применяемых один за другим
Суперпозиция - набор синусоидальных возмущений, применяемых одновременно
Для онлайн-оценки использование сигнала синестрейма может быть более точным и может включать более широкую область значений частот, чем сигнал суперпозиции. Режим синестрима также может быть менее интрузивным. Однако из-за последовательной природы возмущения синестреама каждая добавляемая вами частотная точка увеличивает время эксперимента. Таким образом, эксперимент оценки обычно намного быстрее с сигналом суперпозиции с удовлетворительными результатами.
Чтобы определить, какой тип входного сигнала использовать для онлайн-оценки, используйте параметр Experiment mode блока Frequency Response Estimator.
Для получения дополнительной информации о структуре сигналов sinestream и о том, как их создать, смотрите Sinestream Input Signals.
Для получения дополнительной информации о структуре щебета-сигналов и о том, как их создать, смотрите Chirp Input Signals.
Для получения дополнительной информации о структуре сигналов PRBS и о том, как их создать, смотрите Входные сигналы PRBS.
Случайные сигналы полезны, потому что они могут равномерно возбуждать систему на всех частотах до частоты Найквиста. Чтобы создать случайный входной сигнал для оценки:
В Model Linearizer на вкладке Estimation выберите Input Signal > Random.
В командной строке используйте frest.Random создать случайный сигнал и использовать его как входной параметр для frestimate.
Случайный сигнал содержит равномерно распределенные случайные числа в интервале [0 Amplitude] или [Amplitude 0] для положительной и отрицательной амплитуд, соответственно. Можно задать амплитуду, шаг расчета и количество выборок непосредственно при создании входного сигнала. Кроме того, если у вас есть соответствующая линейная инвариантная по времени модель (LTI), такая как пространство состояний (ss) модель, вы можете использовать ее, чтобы инициализировать параметры случайного сигнала. Например, если у вас есть точная линеаризация системы, можно использовать ее, чтобы инициализировать параметры.
Когда вы используете случайный входной сигнал для оценки, частоты, возвращенные в оцененном frd модель зависит от длины и времени дискретизации сигнала. Они являются частотами, полученными в быстром преобразовании Фурье входного сигнала (см. Раздел Алгоритма frestimate).
Входы шага быстро моделируются. Как и случайный сигнал, шаговый сигнал может возбуждать систему на всех частотах до частоты Найквиста. По этим причинам вход может быть полезен в качестве первой попытки, когда вы не имеете больших знаний о системе, которую вы пытаетесь оценить. Однако амплитуда возбуждения быстро уменьшается с увеличением частоты. Поэтому сигналы шага лучше всего использовать, чтобы идентифицировать объекты низкого порядка, где самые медленные полюса доминируют. Входы шага не рекомендованы для оценки в широкой области значений частот.
Чтобы создать входной сигнал шага для оценки, используйте frest.createStep. Эта функция создает MATLAB timeseries который представляет вход шага, имеющий шаг расчета, время шага, размер шага и общую длину сигнала, которые вы задаете при вызове frest.createStep.
Чтобы использовать входной сигнал шага, созданный вами в рабочем пространстве MATLAB:
В Model Linearizer на вкладке Estimation выберите его из Existing Input Signals раздела раскрывающегося списка Input Signal.
В командной строке используйте его как входной параметр для frestimate.
Когда вы используете входной сигнал шага для оценки, частоты, возвращенные в оцененном frd модель зависит от длины и времени дискретизации сигнала. Они являются частотами, полученными в быстром преобразовании Фурье входного сигнала (см. Раздел Алгоритма frestimate).
Если вы хотите использовать сигнал, отличный от синестрима, щебета, шага или случайного сигнала, можно предоставить свой собственный MATLAB timeseries объект. Например, можно создать timeseries представляет собой вход наклонной, пилообразной или квадратной волны.
Как использовать timeseries объект как входной сигнал для оценки, сначала создайте timeseries в рабочем пространстве MATLAB. Затем:
В Model Linearizer на вкладке Estimation выберите его из Existing Input Signals раздела раскрывающегося списка Input Signal.
В командной строке используйте его как входной параметр для frestimate.
Когда вы используете произвольный входной сигнал для оценки, частоты, возвращенные в оцененном frd модель зависит от длины и времени дискретизации сигнала. Они являются частотами, полученными в быстром преобразовании Фурье входного сигнала (см. Раздел Алгоритма frestimate).
Сигналы суперпозиции доступны только для онлайн-оценки с блоком Frequency Response Estimator. Для оценки частотной характеристики в векторе частот ω = [ω 1,..., ωN] при амплитудах A = [A 1,..., AN], сигнал суперпозиции задается:
Блок подает возмущение и u на время эксперимента (в то время как сигнал start/stop положителен). Блок определяет, сколько времени ждать отмирания системных переходных процессов и сколько циклов использовать для оценки, как показано на следующем рисунке.
Texp длительность эксперимента, которую вы задаете своим строением сигнала запуска/остановки (Смотрите описание start/stop порта на страницу с описанием блока для получения дополнительной информации). Для расчета оценки блок использует только данные, собранные в окне NlongestP. Здесь P - период самой медленной частоты в векторе ω частот, а Nlongest - значение Number of periods of the lowest frequency used for estimation параметров блоков. Все циклы перед этим окном отбрасываются. Таким образом, время урегулирования Tsettle = Texp - NlongestP. Если вы знаете, что ваша система настраивается быстро, можно сократить Texp, не меняя Nlongest, чтобы эффективно сократить Tsettle. Если ваша система зашумлена, можно увеличить Nlongest, чтобы получить более среднее в окне сбора данных. В любом случае, всегда выбирайте Texp достаточно долго для достаточного установления и достаточного сбора данных. Рекомендуемый Texp = 2 NlongestP.
Чтобы использовать сигнал суперпозиции для оценки, в блоке Frequency Response Estimator установите параметр Experiment mode равным Superposition. Для получения дополнительной информации см. Frequency Response Estimator.
frest.Chirp | frest.createStep | frest.PRBS | frest.Random | frest.Sinestream | frestimate
