控制系統(tǒng)仿真課程設(shè)計(jì)報(bào)告

1、控制系統(tǒng)仿真課程設(shè)計(jì)（2011級(jí)）題 目控制系統(tǒng)仿真課程設(shè)計(jì)學(xué) 院自動(dòng)化專(zhuān) 業(yè)自動(dòng)化班 級(jí)學(xué) 號(hào)學(xué)生姓名指導(dǎo)教師王永忠/劉偉峰完成日期2014年6月控制系統(tǒng)仿真課程設(shè)計(jì)一 交流異步電機(jī)動(dòng)態(tài)仿真一 設(shè)計(jì)目的1了解交流異步電機(jī)的原理，組成及各主要單元部件的原理。2. 設(shè)計(jì)交流異步電機(jī)動(dòng)態(tài)結(jié)構(gòu)系統(tǒng)；3掌握交流異步電機(jī)調(diào)速系統(tǒng)的調(diào)試步驟，方法及參數(shù)的整定。二設(shè)計(jì)及Matlab仿真過(guò)程異步電機(jī)工作在額定電壓和額定頻率下，仿真異步電機(jī)在空載啟動(dòng)和加載過(guò)程中的轉(zhuǎn)速和電流變化過(guò)程。仿真電動(dòng)機(jī)參數(shù)如下：，此外，中間需要計(jì)算的參數(shù)如下：，。坐標(biāo)系狀態(tài)方程：其中，狀態(tài)變量：輸入變量： 電磁轉(zhuǎn)矩： 圖00 打開(kāi)sim

2、ulink仿真程序 圖01打開(kāi)庫(kù)按鈕 圖3 異步電機(jī)simulink結(jié)構(gòu)圖封裝 圖4 帶3相輸入的異步電機(jī)框圖 圖5. 3/2轉(zhuǎn)換子系統(tǒng)圖6. 2/3轉(zhuǎn)換子系統(tǒng)注意：1）圖5，6中標(biāo)注的三角形增益為矩陣增益，假設(shè)輸入為U,增益為矩陣C，那么，增益(Gain)環(huán)節(jié)的設(shè)置如下：圖6. 增益環(huán)節(jié)設(shè)置 2）UA電流輸入設(shè)置如下： 圖7. 正弦電流參數(shù)設(shè)置3）仿真參數(shù)設(shè)置：如下系統(tǒng)輸入：步驟1：打開(kāi)simulink仿真程序。見(jiàn)上頁(yè)圖0.步驟1：首先，繪制如下圖框圖（見(jiàn)附圖1）。步驟2：封裝圖2中的框圖。選擇圖2中所有模塊，單擊鼠標(biāo)右鍵，點(diǎn)擊create subsystem,獲得如下的子系統(tǒng)，把subsy

3、stem名字改為AC Motor步驟3：繪制3/2轉(zhuǎn)換環(huán)節(jié)。在上圖3封裝基礎(chǔ)上，添加三相交流UA、UB、UC輸入，該輸入經(jīng)過(guò)3/2坐標(biāo)變換，作為坐標(biāo)系的輸入，如下圖4。步驟4：添加2/3轉(zhuǎn)換環(huán)節(jié)，如下圖4和圖6。其中，3/2 transform子系統(tǒng)框圖如下圖5；2/3 transform見(jiàn)下圖6：步驟5：輸入相應(yīng)的數(shù)據(jù)步驟6：運(yùn)行simulink仿真程序。仿真結(jié)果：分析： 1.動(dòng)態(tài)：在空載啟動(dòng)大約0.15s內(nèi)，為異步電機(jī)動(dòng)態(tài)過(guò)程，轉(zhuǎn)矩初始為0，啟動(dòng)轉(zhuǎn)矩和啟動(dòng)電流很大，較大的啟動(dòng)轉(zhuǎn)矩維持一段時(shí)間使電機(jī)轉(zhuǎn)速快速提升至穩(wěn)定值，未出現(xiàn)超調(diào)，動(dòng)態(tài)時(shí)間大約持續(xù)0.15s。 2.穩(wěn)定：

4、0.s之后異步電動(dòng)機(jī)空載啟動(dòng)完成進(jìn)入穩(wěn)定運(yùn)行階段，由于電機(jī)負(fù)載為0，故最終轉(zhuǎn)矩穩(wěn)定在0左右，電機(jī)穩(wěn)定運(yùn)行。 四 設(shè)計(jì)問(wèn)題回答1.交流異步電機(jī)的工作原理？電動(dòng)機(jī)工作原理是根據(jù)電磁感應(yīng)定律、全電流定律、電路定律和電磁力定律等得出的。異步電動(dòng)機(jī)定子上有三相對(duì)稱(chēng)的交流繞組,三相對(duì)稱(chēng)交流繞組通入三相對(duì)稱(chēng)交流電流時(shí)，將在電機(jī)氣隙空間中產(chǎn)生旋轉(zhuǎn)磁場(chǎng),轉(zhuǎn)子繞組導(dǎo)體處于旋轉(zhuǎn)磁場(chǎng)中, 轉(zhuǎn)子導(dǎo)體切割磁極的磁力線(xiàn)，并產(chǎn)生感應(yīng)電勢(shì)，利用右手定則可判斷感應(yīng)電勢(shì)方向。 轉(zhuǎn)子導(dǎo)體通過(guò)端環(huán)自成閉路，于是轉(zhuǎn)子中產(chǎn)生感應(yīng)電流。 感應(yīng)電流與旋轉(zhuǎn)磁極的磁場(chǎng)相互作用產(chǎn)生電磁力，利用左手定則可判斷電

5、磁力的方向。電磁力作用在轉(zhuǎn)子上進(jìn)而產(chǎn)生電磁轉(zhuǎn)矩，轉(zhuǎn)子就旋轉(zhuǎn)起來(lái)。2.什么是3/2轉(zhuǎn)換？三相繞組可以用相互獨(dú)立的兩相正交對(duì)稱(chēng)繞組等效代替，等效的原則是產(chǎn)生的磁動(dòng)勢(shì)相等。兩相繞組，通以?xún)上嗥胶饨涣麟娏鳎材墚a(chǎn)生旋轉(zhuǎn)磁動(dòng)勢(shì)。當(dāng)三相繞組和兩相繞組產(chǎn)生的旋轉(zhuǎn)磁動(dòng)勢(shì)大小和轉(zhuǎn)速都相等時(shí)，即認(rèn)為兩相繞組與三相繞組等效。這就是3/2轉(zhuǎn)換?？刂葡到y(tǒng)仿真課程設(shè)計(jì)二 單目標(biāo)跟蹤仿真一 設(shè)計(jì)內(nèi)容1了解目標(biāo)跟蹤目的，原理和方法。2. 仿真單目標(biāo)運(yùn)動(dòng)航跡，雜波產(chǎn)生過(guò)程；3掌握單目標(biāo)數(shù)據(jù)關(guān)聯(lián)和目標(biāo)狀態(tài)估計(jì)步驟，方法及參數(shù)的整定。二設(shè)計(jì)及Matlab仿真過(guò)程1. 系統(tǒng)方程試驗(yàn)一：線(xiàn)性高斯例子（CV運(yùn)動(dòng)）監(jiān)測(cè)區(qū)域?yàn)?，目?biāo)出生點(diǎn)為

6、，檢測(cè)概率為0.98，雜波密度為，既平均20個(gè)雜波點(diǎn)，狀態(tài)協(xié)方差陣，目標(biāo)的初始分布為，其中，。2. 跟蹤方法初始條件為： 一步提前預(yù)測(cè)值和預(yù)測(cè)誤差的協(xié)方差陣分別是 預(yù)測(cè)狀態(tài)： 預(yù)測(cè)狀態(tài)協(xié)方差陣： 其中是一步預(yù)測(cè)誤差；獲取新的量測(cè)后，濾波更新值和相應(yīng)的濾波誤差的協(xié)方差陣分別是 量測(cè)誤差協(xié)方差陣： 濾波增益： 狀態(tài)協(xié)方差陣： 狀態(tài)估計(jì)： 3.數(shù)據(jù)關(guān)聯(lián)方法濾波方法將在統(tǒng)計(jì)意義上與被跟蹤目標(biāo)預(yù)測(cè)位置最近的量測(cè)作為與目標(biāo)關(guān)聯(lián)的回波信號(hào)。統(tǒng)計(jì)距離定義為新息向量的加權(quán)系數(shù)： 其中，表示濾波新息（濾波殘差向量），為新息協(xié)方差矩陣，為殘差向量的范數(shù)，理解為目標(biāo)預(yù)測(cè)位置與有效回波之間的統(tǒng)計(jì)距離。最近鄰算法便于實(shí)現(xiàn)

7、，且計(jì)算量小，主要適用于信噪比高、目標(biāo)密度小的情況。但是由于抗干擾能力差，在目標(biāo)回波密度較大的情況，容易產(chǎn)生關(guān)聯(lián)錯(cuò)誤。4. 雜波產(chǎn)生方法：zc=unifrnd(-1000,1000,2 100);%產(chǎn)生100個(gè)雜波點(diǎn)¨仿真代碼：clear all;A=1 1 0 0;0 1 0 0;0 0 1 1;0 0 0 1;B=0.5 0;1 0;0 0.5;0 1;C=1 0 0 0;0 0 1 0;B0=10 0 0 0;0 5 0 0;0 0 10 0;0 0 0 5;Sk1=20 0;0 20;Sk2=20 0;0 20;Q=25 0;0 25;%噪聲過(guò)程的協(xié)方差陣R=100 0;0

8、100;%量測(cè)噪聲協(xié)方差陣Sz1=inv(Sk1);Sz2=inv(Sk2);n=50;m=100;%PD = 0.9;%-定義矩陣含義-X1=zeros(4,n);%目標(biāo)1的真實(shí)狀態(tài)X2=zeros(4,n);%目標(biāo)2的真實(shí)狀態(tài)Xp=zeros(4,2*n);%目標(biāo)狀態(tài)的提前一步預(yù)測(cè)Xe=zeros(4,2*n);%目標(biāo)某時(shí)刻的估計(jì)狀態(tài)Z1=zeros(2,n);%目標(biāo)1真實(shí)量測(cè)Z2=zeros(2,n);%目標(biāo)2真實(shí)量測(cè)Zp=zeros(2,2*n);%某時(shí)刻目標(biāo)量測(cè)的提前一步預(yù)測(cè)Zk=zeros(2,2*n);%認(rèn)定為目標(biāo)量測(cè)的集合D=zeros(1,m+1,2*n);%目標(biāo)可能的量測(cè)與

9、提前一步預(yù)測(cè)的距離Pe=zeros(4,4,2*n);%濾波誤差的協(xié)方差陣Pp=zeros(4,4,2*n);%預(yù)測(cè)誤差的協(xié)方差陣K=zeros(4,2,2*n);%濾波增益%-初始化兩個(gè)目標(biāo)的狀態(tài)-X1(:,1)=-900;30;900;-30+B0*randn(4,1);%X2(:,1)=-900;30;900;-30+B0*randn(4,1);Xe(:,1)=-900;30;900;-30;%Xe(:,51)=-900;30;900;-30;Pe(:,:,1)=100 0 0 0; 0 25 0 0;0 0 100 0;0 0 0 25;%Pe(:,:,51)=100 0 0 0; 0

10、 25 0 0;0 0 100 0;0 0 0 25;%-Kalman濾波跟蹤過(guò)程-for k=1:n-1 %-兩個(gè)目標(biāo)的真實(shí)航跡和量測(cè)- X1(:,k+1)=A*X1(:,k)+B*randn(2,1); Z1(:,k+1)=C*X1(:,k+1)+10*randn(2,1); %X2(:,k+1)=A*X2(:,k)+B*randn(2,1); %Z2(:,k+1)=C*X2(:,k+1)+10*randn(2,1); %-kalman濾波預(yù)測(cè)過(guò)程 Xp(:,k+1)=A*Xe(:,k);%求k時(shí)刻目標(biāo)1狀態(tài)的提前一步預(yù)測(cè) Zp(:,k+1)=C*Xp(:,k+1);%求k時(shí)刻目標(biāo)1量測(cè)的

11、提前一步預(yù)測(cè) Pp(:,:,k+1)=A*Pe(:,:,k)*A'+B*Q*B'%求k時(shí)刻目標(biāo)1預(yù)測(cè)誤差的協(xié)方差陣 %Xp(:,k+51)=A*Xe(:,k+50);%求k時(shí)刻目標(biāo)2狀態(tài)的提前一步預(yù)測(cè) %Zp(:,k+51)=C*Xp(:,k+51);%求k時(shí)刻目標(biāo)2量測(cè)的提前一步預(yù)測(cè) %Pp(:,:,k+51)=A*Pe(:,:,k+50)*A'+B*Q*B'%求k時(shí)刻目標(biāo)2預(yù)測(cè)誤差的協(xié)方差陣 %-模擬雜波并獲得所有可能的兩側(cè)點(diǎn) Xc=unifrnd(-1000,1000,1 100);%模擬目標(biāo)1的雜波 Yc=unifrnd(-1000,1000,1 100

12、); Zc=Xc;Yc; % if rand > PD % Zx=Zc;%目標(biāo)1的所有可能的量測(cè)點(diǎn) % else Zx=Z1(:,k+1),Zc;%目標(biāo)1的所有可能的量測(cè)點(diǎn) % end %Xd=unifrnd(-1000,1000,1 100);%模擬目標(biāo)2的雜波 %Yd=unifrnd(-1000,1000,1 100); %Zd=Xd;Yd; %Zy=Z2(:,k+1),Zd;%目標(biāo)2的所有可能的量測(cè)點(diǎn) %-獲取最近鄰量測(cè)- for i=1:m+1 D(1,i,k+1)=(Zx(:,i)-Zp(:,k+1)'*Sz1*(Zx(:,i)-Zp(:,k+1); %D(1,i,k+

13、51)=(Zy(:,i)-Zp(:,k+51)'*Sz2*(Zy(:,i)-Zp(:,k+51); end d1=min(D(1,:,k+1);%求距離中的最小值 x=find(D(1,:,k+1)=d1);%找到最小值的位置 %d2=min(D(1,:,k+51); %y=find(D(1,:,k+51)=d2); %-kalman濾波更新過(guò)程 Zk(:,k+1)=Zx(:,x);%獲取目標(biāo)1的新的量測(cè) Sk1=(C*Pp(:,:,k+1)*C'+R); K(:,:,k+1)=Pp(:,:,k+1)*C'*inv(Sk1);%k時(shí)刻系統(tǒng)的濾波增益 a=Zk(:,k+1

14、)-Zp(:,k+1);%新息 %Zk(:,k+51)=Zy(:,y);%獲取目標(biāo)2的新量測(cè) %Sk2=(C*Pp(:,:,k+51)*C'+R); %K(:,:,k+51)=Pp(:,:,k+51)*C'*inv(Sk2); %b=Zk(:,k+51)-Zp(:,k+51);%新息 Xe(:,k+1)=Xp(:,k+1)+K(:,:,k+1)*a;%目標(biāo)1的濾波更新值 Pe(:,:,k+1)=Pp(:,:,k+1)-K(:,:,k+1)*C*Pp(:,:,k+1);%目標(biāo)1的濾波誤差的協(xié)方差陣 %Xe(:,k+51)=Xp(:,k+51)+K(:,:,k+51)*b;%目標(biāo)2

15、的濾波更新值 %Pe(:,:,k+51)=Pp(:,:,k+51)-K(:,:,k+51)*C*Pp(:,:,k+51);%目標(biāo)2的濾波誤差的協(xié)方差陣 clf; plot(Zk(1,2:k+1),Zk(2,2:k+1),'-g',Zp(1,k+1),Zp(2,k+1),'oy',Xe(1,2:k+1),Xe(3,2:k+1),'p-b',X1(1,2:k+1),X1(3,2:k+1),'.-r',Xc,Yc,'+k'); hold on; %plot(Zk(1,52:k+51),Zk(2,52:k+51),'

16、;v-m',Zp(1,k+51),Zp(2,k+51),'oy',Xe(1,52:k+51),Xe(3,52:k+51),'h-k',X2(1,2:k+1),X2(3,2:k+1),'.-c',Xd,Yd,'*k'); hold off; pause(0.1);endfigure;subplot(2,1,1);plot(1:n,Xe(2,1:n),'.-k');hold on;plot(1:n,X1(2,1:n),'*-k');%plot(1:n,X1(2,51:51+n-1),'*

17、-k');legend('估計(jì)','真實(shí)');xlabel('t(s)');ylabel('X向速度(m/s)');subplot(2,1,2);plot(1:n,Xe(4,1:n),'.-k');hold on;plot(1:n,X1(4,1:n),'*-k');%plot(1:n,Xe(4,51:51+n-1),'*-k');legend('估計(jì)','真實(shí)');xlabel('t(s)');ylabel('Y向速度(

18、m/s)');仿真結(jié)果： 目標(biāo)運(yùn)動(dòng)軌跡 目標(biāo)的x,y方向速度隨時(shí)間變化過(guò)程 目標(biāo)跟蹤過(guò)程三 設(shè)計(jì)問(wèn)題回答1.目標(biāo)跟蹤的原理？將探測(cè)器所接收到的量測(cè)數(shù)據(jù)分解為對(duì)應(yīng)于不同信息源所產(chǎn)生的不同觀(guān)測(cè)集合或軌跡。一旦軌跡被形成和確認(rèn)，則被跟蹤的目標(biāo)數(shù)目以及相應(yīng)于每一條軌跡的目標(biāo)運(yùn)動(dòng)參數(shù)如位置、速度、加速度及目標(biāo)分類(lèi)特征等，均可相應(yīng)地估計(jì)出來(lái)。 2. 仿真中的Kalman濾波的基本原理是什么？Kalman濾波是目標(biāo)狀態(tài)估計(jì)算法解決狀態(tài)最優(yōu)估計(jì)的一種常用方法具有計(jì)算量小、存儲(chǔ)量低、實(shí)時(shí)性高的優(yōu)點(diǎn)。實(shí)際應(yīng)用中，可以將物理系統(tǒng)的運(yùn)行過(guò)程看作是一個(gè)狀態(tài)轉(zhuǎn)換過(guò)程，卡爾曼濾波將狀態(tài)空間理論引入到對(duì)物理系統(tǒng)的數(shù)學(xué)建模過(guò)程中來(lái)。其基本思想是給系統(tǒng)信號(hào)和噪聲的狀態(tài)空間建立方程和觀(guān)測(cè)方程，只用信號(hào)的前一個(gè)估計(jì)值和最近一個(gè)觀(guān)察值就可以在線(xiàn)性無(wú)偏最小方差估計(jì)準(zhǔn)則下對(duì)信號(hào)的當(dāng)前值做出最優(yōu)估計(jì)。四 實(shí)踐總結(jié)經(jīng)過(guò)這兩個(gè)星期的短學(xué)期，在之前的前期理論學(xué)習(xí)和一定的實(shí)驗(yàn)基礎(chǔ)上，我對(duì)Matlab在控制系統(tǒng)仿真方面有了新的認(rèn)識(shí)。之前的認(rèn)識(shí)主要在于，傳遞函數(shù)在Matlab中的實(shí)現(xiàn)方法，是通過(guò)系統(tǒng)框圖的各個(gè)部件組合實(shí)現(xiàn)；現(xiàn)今的認(rèn)識(shí)在于，對(duì)于一個(gè)實(shí)際案例的實(shí)現(xiàn)，更多地在于系統(tǒng)框圖的構(gòu)建，在合理構(gòu)建的基礎(chǔ)上用Similink仿真，并且進(jìn)行參數(shù)調(diào)整。而在在運(yùn)動(dòng)控制仿真中，我熟悉了如何構(gòu)造某個(gè)對(duì)象的模