Оценка частотной характеристики требует, чтобы входной сигнал взволновал модель частотами интереса. Программное обеспечение затем измеряет ответ при заданном выходе, с помощью входного сигнала и измеренного отклика, чтобы оценить частотную характеристику.
Когда вы выполняете оценку частотной характеристики, вы задаете, какой входной сигнал, чтобы использовать и каковы его свойства.
Следующая таблица обобщает типы входных сигналов, которые можно использовать для оффлайновой оценки Model Linearizer или в MATLAB® командная строка для использования с frestimate.
| Сигнал | Описание |
|---|---|
| Sinestream | Серия синусоидальных возмущений применяется один за другим. Сигналы Sinestream рекомендуются для большинства ситуаций. Они особенно полезны, когда ваша система содержит сильную нелинейность, или вы требуете очень точных моделей частотной характеристики. |
| Щебет | Сигнал развернутой частоты, который волнует вашу систему областью значений частот, таких, что входная частота изменяется мгновенно. Сигналы щебета полезны, когда ваша система почти линейна в области значений симуляции. Они также полезны, когда это необходимо, чтобы получить ответ быстро для большого количества точек частоты. |
| PRBS | Детерминированная псевдослучайная двоичная последовательность, которая переключает между двумя значениями и имеет подобные белому шуму свойства. Сигналы PRBS уменьшают общее время оценки по сравнению с использованием sinestream входные сигналы при приведении к сопоставимым результатам оценки. Сигналы PRBS полезны для оценки частотных характеристик для систем силовой электроники и коммуникаций. |
| Случайный | Случайный входной сигнал. Случайные сигналы полезны, потому что они могут взволновать систему однородно всеми частотами до частоты Найквиста. |
| Шаг | Входной сигнал шага. Входные параметры шага быстры, чтобы симулировать и могут быть полезными как первая попытка, когда у вас нет большого знания о системе, вы пытаетесь оценить. |
| Произвольный | Timeseries MATLAB, с которым можно задать любой изменяющийся во времени сигнал, как введено. |
В общем случае предполагаемая частотная характеристика связана с сигналами ввода и вывода как:
Здесь, uest (t) является введенным входным сигналом, и yest (t) является соответствующим симулированным выходным сигналом. Для получения дополнительной информации смотрите раздел Algorithms frestimate.
Для онлайновой оценки с блоком Frequency Response Estimator можно использовать два типа входных сигналов:
Sinestream — Серия синусоидальных возмущений применяется один за другим
Суперпозиция — набор синусоидальных возмущений, примененных одновременно
Для онлайновой оценки, с помощью сигнала sinestream может быть более точным и может вместить более широкую область значений частот, чем сигнал суперпозиции. sinestream режим может также быть менее навязчивым. Однако из-за последовательной природы sinestream возмущения, каждая точка частоты вы добавляете увеличения время эксперимента. Таким образом эксперимент оценки обычно намного быстрее с сигналом суперпозиции удовлетворительными результатами.
Чтобы задать который тип входного сигнала использовать для онлайновой оценки, используйте параметр Experiment mode блока Frequency Response Estimator.
Для получения дополнительной информации о структуре сигналов sinestream и как создать их, см. Входные сигналы Sinestream.
Для получения дополнительной информации о структуре сигналов щебета и как создать их, смотрите Входные сигналы Щебета.
Для получения дополнительной информации о структуре сигналов PRBS и как создать их, см. Входные сигналы PRBS.
Случайные сигналы полезны, потому что они могут взволновать систему однородно всеми частотами до частоты Найквиста. Создать случайный входной сигнал для оценки:
В Model Linearizer, на вкладке Estimation, выбирают Input Signal> Random.
В командной строке использовать frest.Random создать случайный сигнал и использовать его в качестве входного параметра к frestimate.
Случайный сигнал включает равномерно распределенные случайные числа в интервале [0 Amplitude] или [Amplitude 0] для положительных и отрицательных амплитуд, соответственно. Можно задать амплитуду, шаг расчета и количество отсчетов непосредственно, когда вы создаете входной сигнал. В качестве альтернативы, если у вас есть соответствующая модель линейного независимого от времени (LTI), такая как пространство состояний (ss) модель, можно использовать его, чтобы инициализировать случайные параметры сигнала. Например, если у вас есть точная линеаризация вашей системы, можно использовать ее, чтобы инициализировать параметры.
Когда вы используете случайный входной сигнал для оценки, частоты, возвращенные в предполагаемом frd модель зависит от длины и время выборки сигнала. Они - частоты, полученные в быстром преобразовании Фурье входного сигнала (см. раздел Algorithm frestimate).
Входные параметры шага быстры, чтобы симулировать. Как случайный сигнал, сигнал шага может взволновать систему всеми частотами до частоты Найквиста. По тем причинам вход шага может быть полезным как первая попытка, когда у вас нет большого знания о системе, вы пытаетесь оценить. Однако амплитуда возбуждения уменьшается быстро с увеличивающейся частотой. Поэтому сигналы шага лучше всего используются, чтобы идентифицировать объекты младшего разряда, где самые медленные полюса являются доминирующими. Входные параметры шага не рекомендуются для оценки через широкий спектр частот.
Чтобы создать входной сигнал шага для оценки, использовать frest.createStep. Эта функция создает MATLAB timeseries это представляет вход шага, имеющий шаг расчета, время шага, размер шага и общая длина сигнала, которую вы задаете, когда вы вызываете frest.createStep.
Чтобы использовать входной сигнал шага, вы создали в рабочем пространстве MATLAB:
В Model Linearizer, на вкладке Estimation, выберите его из раздела Existing Input Signals Input Signal выпадающий список.
В командной строке используйте его в качестве входного параметра к frestimate.
Когда вы используете входной сигнал шага для оценки, частоты, возвращенные в предполагаемом frd модель зависит от длины и время выборки сигнала. Они - частоты, полученные в быстром преобразовании Фурье входного сигнала (см. раздел Algorithm frestimate).
Если вы хотите использовать сигнал кроме sinestream, щебета, шага или случайного сигнала, можно предоставить собственному MATLAB timeseries объект. Например, можно создать timeseries представляя пандус, зуб пилы или прямоугольная волна вводится.
Использовать timeseries возразите как входной сигнал для оценки, сначала создайте timeseries в рабочем пространстве MATLAB. То:
В Model Linearizer, на вкладке Estimation, выберите его из раздела Existing Input Signals Input Signal выпадающий список.
В командной строке используйте его в качестве входного параметра к frestimate.
Когда вы используете произвольный входной сигнал для оценки, частоты, возвращенные в предполагаемом frd модель зависит от длины и время выборки сигнала. Они - частоты, полученные в быстром преобразовании Фурье входного сигнала (см. раздел Algorithm frestimate).
Сигналы суперпозиции доступны только для онлайновой оценки с блоком Frequency Response Estimator. Для оценки частотной характеристики в векторе из частот ω = [ω 1, …, ωN] в амплитудах A = [A 1, …, AN], сигналом суперпозиции дают:
Блок предоставляет возмущение Δu на время эксперимента (в то время как запустить/остановить сигнал положителен). Блок определяет, сколько времени ожидать системных переходных процессов, чтобы замереть и сколько циклов, чтобы использовать для оценки как показано следующий рисунок.
Texp является длительностью эксперимента, которую вы задаете со своей настройкой запустить/остановить сигнала (См. описание порта start/stop на странице с описанием блока для получения дополнительной информации). Для расчета оценки блок использует только данные, собранные в окне NlongestP. Здесь, P является периодом самой медленной частоты в векторе частоты ω, и Nlongest является значением параметров блоков Number of periods of the lowest frequency used for estimation. Любые циклы перед этим окном отбрасываются. Таким образом, время урегулирования Tsettle = Texp – NlongestP. Если вы знаете, что ваша система обосновывается быстро, можно сократить Texp, не изменяя Nlongest, чтобы эффективно сократить Tsettle. Если ваша система является шумной, можно увеличить Nlongest, чтобы получить больше усреднения в окне сбора данных. Так или иначе всегда выбирайте Texp достаточно долго для достаточного урегулирования и достаточного сбора данных. Рекомендуемый Texp = 2NlongestP.
Чтобы использовать сигнал суперпозиции для оценки, в блоке Frequency Response Estimator, устанавливают параметр Experiment mode на Superposition. Для получения дополнительной информации смотрите Frequency Response Estimator.
frestimate | frest.createStep | frest.Random | frest.Sinestream | frest.Chirp | frest.PRBS
