Beruflich Dokumente
Kultur Dokumente
1 Rückblick Regelungstechnik I 1
3.1 Stabilität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4 Bandbreite: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5 Reglerauslegung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.4 H∞ -Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
ii
Inhaltsverzeichnis iii
5.1 Modellunsicherheiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.2 Robuste Stabilität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.3 Small-Gain-Theorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.4 Auslegegung robuster Regler . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.5 Einschränkung bei H∞ -Regelungen . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.6 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Kapitel 1. Rückblick 1
1 Rückblick Regelungstechnik I
Modellierung
Reglerauslegung
• Wurzelortskurve
• Verfahren von Nyquist
• Bestimmen der Pole des geschlossenen Regelkreises
Allgemein gilt:
Aber: Bei Serienprodukten sind keine individuellen Regler gefragt → zu viel Aufwand
Hinweis: Fehler existieren sowohl mechanisch (z. B. Roboterkinematik), als auch elektrisch (Leis-
tungselektronik)
Hingegen gilt: keine Fehler im digitalen Rechner → Software ist perfekt reproduzierbar
• Regelungstechnik → Optimierungsproblem
• Komplexe Strecke → komplexer Regler
• hohe Systemordnung → viel Rechenpower (digital) bzw. viele Bauteile (analog)
→ ein robuster Regler hingegen würde auch hier gute Ergebnisse liefern
Beispiel: Verladebrücke
Kabine
Masse mc
Seil
Länge l
Container
Masse mL
Für bekannte Massen → Steuerung verwenden
hier:
Störschall d (n )
st (n ) Referenzmikrofon
Referenzschall
x (n ) y (n ) Gegenschallu ( n )
Steuerungsfilter
Störschall
d (n )
Fehlermikrofon
Überlagerung
e(n )
y (n )
Regler
Gegenschallu ( n )
Ausgangsgröße
1. einfacher und besser entwickelt: keine Lyapunov-Funktionen nötig, wie bei nichtlinearen
Systemen
6 Kapitel 1. Rückblick
2. praktische Erfahrung zeigt: lineare Regler, die mit linearen Methoden ausgelegt sind, sind
ausreichend für reale nichtlineare Strecken
4. Regelgrößen festlegen
Motor: Position / Geschwindigkeit
Roboter: Positionsregelung / Kraftregelung
7. Performance spezifizieren
Schwingfähigkeit, bleibenden Regelabweichung, Einschwingzeit
8. Regler auslegen
z.B. PID → Ziegler-Nichols oder
Zustandsregler → Pole platzieren
Kapitel 1. Rückblick 7
11. Beurteilung
schlecht? → neues Design: zurück zu Schritt 2.
RT-Vorlesung oft nur Regler auslegen und Analyse des Gesamtsystems (8,9)
Real Life oft nur Online-Tuning (1,4,5,6,12,13)
Online-Tuning → vorzugsweise kaskadiert, hier am Beispiel eines Motors:
1. Strom-Regler PI-Regler
2. Geschwindigkeitsregler P-Regler
3. Positionsregler PI-Regler
4. Vorsteuerung P-Regler
Exkurs: Automobilindustrie
Fazit:
• Selbst der beste Regelungstechniker kann aus einem VW keinen Porsche machen.
• Präzise Signalübertragung sicherstellen. Diese kann nur begrenzt durch den Regler kom-
pensiert werden.
Gd
r u y
K G
ym
Ziele:
9
10 Kapitel 2. Grundlagen der robusten Regelung
Übertragungsfunktion G(s)
(s + b1 ) · (s + b2 ) . . . (s + bn )
G(s) =
(s + a1 ) · (s + a2 ) . . . (s + an )
→ Berechnung der Eigenwerte im Frequenzbereich
• Unsicherheiten einfacher im Frequenzbereich zu beschreiben
ähnlicher Frequenzgang → ähnliches System
kleine Änderungen im Zustandsraum → total anderes System
→ Zeitbereich nicht für robuste Regelung geeigent
Kapitel 2. Grundlagen der robusten Regelung 11
x1 (t = 0) = x2 (t = 0) = 0
→ Übertragungsfunktion:
Y (s) b1 · s + b0
= G(s) = 2
U(s) s + a1 · s + a0
Auch: Ein-/Ausgangsgleichung
Allgemein:
bnz snz + . . . + b1 s + b0
G(s) = n
s + an−1 sn−1 + . . . + a1 s + a0
Mehrgrößensystem (MIMO-System): G(s) Matrix von Übertragungsfunktionen
n: Systemordnung (im Beispiel n = 2)
• n ≥ nz → ordentlich (proper)
• G(s) 6= ∞ für s → ∞
• Zählergrad ≤ Nennergrad
Analog im Zeitbereich:
ẋ = ~A~x + ~B~u
)
~
G(s) ~ [s~I − ~A]−1 ~B + ~D
=C
~ x + ~D~u
~y = C~
12 Kapitel 2. Grundlagen der robusten Regelung
Skalieren
dˆ
d =
dˆmax
û
u =
ûmax
ŷ
y =
êmax
r̂
r =
êmax
ê
e =
êmax
dˆmax = größte Störung
MIMO-System → Diagonalmatrizen
Modellierung
Frequenzgang
Übertragungsfunktion G(s) mit s → jω
Frequenzgang kann heißen
y(t) = y0 · sin(ωt + β )
y0 neue Amplitude
β neue Phase
ω alte Frequenz
ϕ = β − α Phasenverschiebung
y0
= |G( jω)|, ϕ = ∠G( jω)
u0
G( jω) = a + jb komplexe Zahl
√
|G( jω)| = a2 + b2 ∠ G( jω) = arctan(b/a)
ω = 0, 2 rad/s
5e−2s
G(s) =
10s + 1
5
|G( jω)| p = 2, 24 =7
ˆ dB
(10ω)2 + 1
ϕ = − arctan(10ω) − 2ω = −1.51 rad =−86.5°
ˆ
Bode Diagram
15
10
Magnitude (dB)
-5
0
-45
Phase (deg)
-90
-135
-180
10-2 10-1
Frequency (rad/s)
A=1 00 = 0 dB
A = 10 00 = 20 dB
Zeichnen:
y0 = |G( jω)| · u0
β = ∠G( jω) + α
G( jω) Übertragungsfunktion
Minimalphasige Systeme
Alternative Formulierung:
stabil + keine Nullstellen in rechter s-Halbebene + kein Zeitverzögerung
s
Beispiel Pol-/Nullstellen-Diagramm
Wenn minimalphasig, dann gilt das Bode-Integral (Amplitude → Phase)
Z∞
1 d ln |G( jω)| ω + ω0 dω
∠G( jω0 ) = · ln
π d ln ω ω − ω0 ω
−∞
(s + b1 ) · (s + b2 ) · . . .
G(s) = K ·
(s + a1 ) · (s + a2 ) · . . .
a für ω < a
s + a → jω + a
jω für ω > a
mit
|D| < 1 , ω0 = Eckfrequenz
Feedback
d
Gd
r u y
K G
ym
Stellgröße u = K · (r − y − n)
Regelabweichung e = y − r
Reglereingang r − ym
Ausgangsgröße y = G · u + Gd · d
y = G · K(r − y − n) + Gd · d
(I + G · K) · y = G · K · r + Gd · d − G · K · n
18
Kapitel 3. Klassische Prüfung der Stabilität und Performance 19
Regelabweichung e = y − r = −S · r + S · Gd · d − T · n
G·K −I −G·K −I
Mit T −I = = = −S
I +G·K I +G·K
S+T = I
Stellgröße u = K · S · r − K · S · Gd · d − K · S · n
sensitivity function
Gesamtübertragungsfunktion
S: Störung → Output
T: Referenz → Output
Sehr wichtiger Zusammenhang
S + T = (I + L)−1 + (I + L)−1 · L
L)−1 ·
=
(I
+ (I
+L)
=I
Merksatz:
Direkter Weg
Ausgang = · Eingang
1 + Schleife
Warum Feedback?
20 Kapitel 3. Klassische Prüfung der Stabilität und Performance
Alternative: Feedforward
Zum Vergleich: Open loop
Y = G · K · r + Gd · d + 0 · n
Aber
• Instabilitäten möglich
3.1 Stabilität
Hauptziel für den Regler: Stabilität
Step Response
4
K1=0.6
K2=5
3 K3=6.3
2
Amplitude
-1
-2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Time (seconds)
−(s − 3)
G(s) = K1 = 0, 6 K2 = 5 K3 = 6, 3
(s + 1)(s + 5)
Kapitel 3. Klassische Prüfung der Stabilität und Performance 21
G · K1 G · K2 G · K3
T1 (s) = T2 (s) = T3 (s) =
1 + G · K1 1 + G · K2 1 + G · K3
1. Nulstellen von 1 + L(s) mit L = G · K prüfen
Alle linke s-Halbebene → stabil
=
b Eigenwerte der A-Matrix (im Zeitbereich)
Rechenintensiv → numerische Systeme
2. Frequenzbereich prüfen
Ortskurve oder Bode-Diagramm von L( jω) zeichnen
kritischer Punkt -1 bzw. −1/KR
Winkel ϕ∞ − ϕ0
schön anschaulich, geht auch mit Totzeit
1
Amplitude
0.5
0
0 0.5 1 1.5
Time (seconds)
1 200
G= K = 200 T (s) =
s2 + 6s + 5 s2 + 6s + 205
→ möglichst klein
• Überschwingweite (overshoot):
Maximal
< 1.2 =
b 20 % (akzeptables Maximum)
Endwert
• Dämpfungsmaß (decay ratio):
2.Maximum - Endwert
< 0, 3
1.Maximum - Endwert
• Bleibende Regelabweichung (steady-state offset oder steady-state error)
Unterschied zwischen tatsächlichem Endwert und gewünschtem Endwert
→ möglichst klein
- tr + ts : Schnelligkeit
-50
-100
-150
0
Phase (deg)
-90
-180
-270
10-2 10-1 100 101 102 103
Frequency (rad/s)
888
L(s) =
(s + 1)(s + 5)(s + 50)
24 Kapitel 3. Klassische Prüfung der Stabilität und Performance
1
GM =
L( jω 180 )
∠ L( jω 180 ) = −180°
ω 180 = Übergangsfrequenz (phase crossover frequency)
• Verfahren ist sowohl im Bodediagramm als auch in der Ortskurve bestehend aus reeller und
imaginärer Achse möglich
PM = ∠ L( jωc ) + 180°
|L( jωc )| = 1
ωc : = Übergangsfrequenz (gain crossover frequency)
Schnittpunkt von oben mit 1
• Verfahren ist sowohl im Bodediagramm als auch in der Ortskurve mit Einheitskreis möglich
PM
Θmax =
ωc
kleineres ωc → größere Verzögerung
3.3.2 Maximalwertkriterium
Stabilitätsreserven → Performance
Definition im SISO:
Typischerweise:
gut: MS < 2 (6 dB) Schlecht: MS > 4
MS begrenzen, weil
e = −Sr + S · Gd · d
S klein → Fehler e klein
1
aber für ω → ∞ → L = 0 → S = (I + L)−1 = 1 S(0) = 0 wenn L einen I-Anteil hat
s
26 Kapitel 3. Klassische Prüfung der Stabilität und Performance
50
L
S
Magnitude (dB)
T
0
-50
-100
10-2 10-1 100 101 102 103
Frequency (rad/s)
Im Beispiel:
1
G(s) = K = 200
(s + 1)(s + 5)
MS = 2.5791 MT = 2.3809
1 1
GM ≥ 1 + PM ≥ [rad]
MT MT
z. B. MT = 2 → GM ≥ 1, 5 PM ≥ 29°
3.4 Bandbreite:
Allgemein: Hohe Bandbreite → höherer Frequenzen kommen durch → schnellere Antwort (schnel-
le Anstiegszeit)
→ Anfälligkeit für Störungen ↑ + Parameterschwankungen ↑
Geringe Bandbreite → große Anstiegszeit, aber auch robuster
Anschaulich: Bandbreite = Frequenzbereich [ω1 , ω2 ], in der die Regelung effektiv ist
Meistens: stationäre Vorgänge wichtig; ω1 = 0, ω2 = ω B , (B = Bandbreite)
Regelung funktioniert gut bis ω B (S), hat darüber verminderte Qualität bis ω C (L) und ab ωB (T )
fast gar nicht
3.5 Reglerauslegung
Erledigt: Bewertung
To-do: Regler bekommen
Viele Methoden, z. B. Ziegler-Nichols (Sprungantwort)
→ Online-Tuning möglich
Alternative Regler minimieren z. B. Kostenfunktionen
28 Kapitel 3. Klassische Prüfung der Stabilität und Performance
3. Numerische Optimierung:
direkte Vorgabe: z. B. Anstiegszeit oder Phasenreserve vorgeben
z. B. model predictive control → Optimierung in jedem Abtastschritt
rechenintensiv, da schwer lösbar (z. B. bei lokalen Minima)
→ zukunftsträchtig, da immer mehr Rechenpower
L = G·K
Stellgröße u = K · S · r − K · S · Gd · d − K · S · n
S+T = I
Kapitel 3. Klassische Prüfung der Stabilität und Performance 29
Perfekte Regelung: e ≈ 0
Führungsgröße r + Störung d
→ S ≈ 0 → T = 1 , L → groß
Messrauschen e ≈ 0
T ≈0→S=1→L≈0
L klein → kein Messrauschen
L groß → Gutes Führungsverhalten, Unterdrückung von Störung
Regelziel:
1. Gute Störungerdrückung:
→ L groß
2. Gutes Führungsverhalten:
→ L groß
5. Kleine Stellgrößen:
K klein → L klein
6. Physikalisch umsetzbar:
→ K klein für ω → ∞
→ L klein für ω → ∞
Zielkonflikt für L
Lösung: Widersprechende Forderungen für L in unterschiedlichen Frequenzbereichen
30 Kapitel 3. Klassische Prüfung der Stabilität und Performance
Meistens:
|L| > 1 für niedrige Frequenzen
|L| < 1 für hohe Frequenzen
Loopshaping
L( jω) so groß wie möglich in Bandbreite [0, ω C ]
L = G·K
|L( jω)| 1 → S ≈ 1 , T ≈ L
• Beschreibung Unsicherheit
31
32 Kapitel 4. Moderne Mehrgrößen-Reglung mit Normen
ẋ = ~A~x + ~B~u
~ x + ~D~u
~y = C~
~
G(s) ~ ·~I − ~A]−1 · ~B + ~D
= C[s
H2 -Norm: SISO
1
2
1
Z ∞
~ 2= ~ jω)|2 dω
kGk |G(
2π
|{z} −∞
L2−Norm kompatibel
H2 -Norm: MIMO
1
1
Z ∞ i
spur G( jω)H G( jω) dω 2
h
~ 2=
kGk
2π −∞
rZ
∞
~
kG(s)k 2 = k~
g(t)k2 = g(τ)> · g(τ) dτ
0
kG(s)k∞ =
b max |G( jω)|
ω
oder allgemeiner:
~ k~xa (t)k2
kG(s)k∞ = max
xe (t)6=0 k~xe (t)k2
0
Magnitude (dB)
-20
-40
-60
10-1 100
Frequency (rad/s)
~ ∞ = sup σ |G(
kG(s)k ~ jω)|
ω
Zum Verständnis: H∞
∞ weil die allgemeine Berechnung des Supremums lautet
Z ∞
1
~ jω)| = lim
sup |G( ~ jω)| p dω p
|G(
ω p→∞ −∞
Anmerkung:
Bode-Integral:
Z ∞ Np
ln |S( jω)| d ω = π ∑ Re(pk )
0 k
Bis jetzt:
2
Performance beurteilen
Allgemeines Regelungstechnikproblem
∆
P = verallgemeinerte Strecke
Ziel: Norm (z. B. H∞ -Norm) von ω → z minimieren
Problem: Finde Regler, der aus der Information v die Stellgröße u so generiert, dass möglichst
wenig Einfluss von w → z, das heißt Norm von w → z minimieren.
Geht immer → verschiedene Verfahren, z. B. mit und ohne Unsicherheiten
Kapitel 4. Moderne Mehrgrößen-Reglung mit Normen 35
Optimal Regelung (engl. Optimal control) → optimal Filter von Wiener in 1940er Jahren
LQG-Regler (engl. linear-quadratic-gaussian regulator), 1960er Jahren:
Ursprung: Raumfahrtprogramme USA + UdSSR, 1960er Jahre
Probleme, wie Raketenmanöver mit minimaler Kraftstoffverbrauch → gut zu definieren
LQG im industriellen Alltag → Probleme
genaue Streckenmodelle → nicht verfügbar → Annahme von weißen Rauschen nicht praktikabel
→ entwickelte LQG → nicht robust genug → geringe Anwendung in Praxis
Standard LQG-Regelung → Dynamik der Strecke linear und bekannt + Messunrauschen und Stör-
signale (Prozessrauschen) stochastisch mit bekannten statistischen Eigenschaften
→ Steckemodell:
ẋ = ~A~x + ~B~u + w
~d
~ x + ~D~u + w
~y = C~ ~n
Einfachheit halber ~D = 0
~ d + Messrauschen w
Störgeräusch (Prozessrauschen) w ~n:
• unkorreliert
• Mittelwert Null
~ und ~V
• konstante spektrale Leistungsdichte W
~ d (τ)T = W
~ δ (t − τ)
E w~ d (t)w
~ n (τ)T = ~V δ (t − τ)
E w~ n (t)w
~ n (τ)T = 0
E w ~ d (t)w
~ d (τ)T = 0
E w ~ n (t)w
minimiert.
Q und R → Gewichtungs-MatrizenGewichtung Matrizen → geschickt wählen (DesignParameter).
Name LQG:
• lineares Modells
wd wn
u y
Strecke
linearer x̂ Kalman
Regler −K Filter
Separations Theorem
wd wn
u y
Strecke
B Kf
x̂˙ R ŷ
C
-
A
Kalman-Filter
−K x̂
• Anfangszustand ~x(0) 6= 0
• findet Eingangssignal ~u(t), das das System in einer optimalen Weise in den Nullzustand
~x = 0 bringt
38 Kapitel 4. Moderne Mehrgrößen-Reglung mit Normen
• Lösung
~ x(t)
~u(t) = −K~
Mit
~ = R−1~BT ~X
K
~AT ~X + ~X ~A − ~X ~BR−1~BT ~X + Q = 0
Kalman-Filter
Struktur Kalman-Filter → gewöhnlichen Zustandsschätzers oder Zustandsbeobachter
(s. letze Abbildung)
~x˙ˆ = ~A~xˆ + ~B~u + K ˆ
~~x)
~ f (~y − C
~ f minimiert
optimale Wahl von K n T o
E ~x −~xˆ ~x −~xˆ
Lösung:
~ T ~V −1~x˙ˆ = ~A~xˆ + ~B~u + K
~ f = ~Y C
K ˆ
~ f (~y −~x)
~ T V−1C
~Y ~AT + ~A~Y −~Y C ~ ~Y + W
~ =0
Robustheit Eigenschaften
Gesamtsystem inklusive Kalman-Filter und LQG-Regler
→ keine garantierten Stabilitätsresverven
einzelne Teile → gute Robustheit
4.4 H∞ -Control
Kapitel 4. Moderne Mehrgrößen-Reglung mit Normen 39
r y
K G
P
d z
w r
n
u y ym v
G
Regelfehler
z = y−r
Reglereingang
v = r − ym
3 Eingänge, 1 Ausgang:
d r n u
I −I 0 G z
P=
−I I −I −G v
4 Eingänge, 2 Ausgänge:
w u
P11 P12 z
=
P21 P22 v
Gewichtsfunktion
Für sinnvolle Regler → gewichtete Filter WW und WZ in die verallgemeinerte Strecke
→ Allgemeine Regelstruktur ohne Unsicherheit
40 Kapitel 4. Moderne Mehrgrößen-Reglung mit Normen
w z
WW Pe Wz
S/T /KS-Problem
K = ? Regler
W K ·S
u
min
WT
T
W S
P
Wu
z
WT
w
v u
K G WP
z1 = Wu · u
z2 = WT · G · u
z3 = WP · w +WP · G · u
v = −w − G · u
2 Eingänge, 4 Ausgänge
w u
0 wu · I
→ z1
0 w ·G → z
T 2
P=
w w · G → z
P P 3
−I −G →v
P11 P12
P=
P21 P22
Regelgesetz u = K · v
0 wu · I
−1
N = 0 + wT · G · K I + G · K
· (−I)
wP · I wP · G
−wu · K · S
=
−wT · T
Minus bei Norm egal → wie vorher
−wP · S
Mit S = (I + G · K)−1
T = K ·G·S
I −T = S
d→y S
d→u K ·S
minimiert
Aber: Praktisch sinnlos, da K → ∞ Lösung
Kapitel 4. Moderne Mehrgrößen-Reglung mit Normen 43
2 Ausgänge
w1 · y
z=
−w2 · u
z1
W1
d
z
z2
−W2
y
u G
r=0
K
v
z1 = w1 · y = w1 (d + G · u)
z2 = −w2 · u = w2 · K · S · w w=d
v = −d − G · u
z1 w1 w1 G
P11 P12 w
d
z = = 0 −w
2 2
P21 P22 u
u
v −I −G
44 Kapitel 4. Moderne Mehrgrößen-Reglung mit Normen
w1 w1 · G
P11 =
P12 =
P21 = −I P22 = −G
0 −w2
w1 · S
Fl (P, K) =
w2 · K · S
1
Tiefpass T P =
s+ε
1 + T1 · s
Hochpass HP = T1 >> T2
1 + T2 · s
5.1 Modellunsicherheiten
Modellunsicherheiten verursacht durch
• vernachlässigte Dynamiken
– kompliziertes Modell vorhanden → einfache Modell benutzt
→ vernachlässigte Dynamiken → Unsicherheiten
– durch unbekanntes Verhalten bei hohen Frequenzen
(eigentlich immer ab bestimmter Frequenz)
• Parameterunsicherheiten weil
– Parameter geschätzt
– Parameter falsch gemessen
– Parameter zeitlich veränderlich
– Parameter durch Nichtlinearitäten veränderlich
- Strukturierte Unsicherheiten
- Unstrukturierte Unsicherheiten
45
46 Kapitel 5. Robuste Prüfung der Stabilität und Performance
Strukturierte Unsicherheiten =
b Unsicherheiten von konkreten physikalischen Parametern
Gges = k · Go (s)(1 + rk ∆ )
= G(s) · (1 + rk ∆ )
u y
G
Mit w(s) = rk
Kapitel 5. Robuste Prüfung der Stabilität und Performance 47
Test: ∆ = −1
k = k · (1 − rk )
kmax + kmin kmax − kmin
= (1 − )
2 kmax + kmin
kmax + kmin kmax + kmin kmax − kmin
= ( − )
2 kmax + kmin kmax + kmin
kmax + kmin kmax + kmin − kmax + kmin
= ( )
2 kmax + kmin
kmax + kmin 2kmin
= ( ) = kmin
2 kmax + kmin
∆ =0
k = k · (1) = k
∆ = +1
k = k · (1 + rk )
kmax + kmin kmax − kmin
= (1 + )
2 kmax + kmin
kmax + kmin kmax + kmin kmax − kmin
= ( + )
2 kmax + kmin kmax + kmin
kmax + kmin kmax + kmin + kmax − kmin
= ( )
2 kmax + kmin
kmax + kmin 2kmax
= ( ) = kmax
2 kmax + kmin
1
Gges = · Go (s) mit Tmin < T < Tmax
Ts+1
Go (s)
Gges =
1 + T s + rT T ∆ s
Go (s) 1
= ·
1+Ts rT · T · s
1+ ∆
1+Ts
1 rT · T · s
= G(s) · mit w(s) =
1 + w(s)∆ 1+Ts
48 Kapitel 5. Robuste Prüfung der Stabilität und Performance
u
G y
- höheren Modellierungsaufwand
Unstrukturierte Unsicherheiten
Additive Modellunsicherheit
∆G
u y
G
Gges = G + ∆ G
Kapitel 5. Robuste Prüfung der Stabilität und Performance 49
Multiplikative Modellunsicherheit
∆
u y
G
Gges = (I + ∆ ) · G
1
∆ (s) =
(Js + 1)2
- unbekannte Totzeit
∆ (s) = e−sT
Additiv:
∆G ∆G
y
K G −K · (I + L)−1
= −K · S
Multiplikativ:
50 Kapitel 5. Robuste Prüfung der Stabilität und Performance
∆ ∆
y
K G −K · G · (I + L)−1
= −T
T = L · (I + L)−1
L = K ·G
Nyquist-Kriterium
5.3 Small-Gain-Theorie
basiert auf Nyquist-Kriterium)
wenn L( jω) = K( jω) · G( jω) stabil
und kLk∞ < 1 → |L( jω)| < 1 für alle ω
→ −1 nicht eingschlossen
→ geschlossener Regelkreis stabil
• Phasenreserve PM = ∞
Frage: Wie viel Unsicherheit verträgt der geschlossene Regelkreis, bevor er instabil wird?
Additiv Multiplikativ
3
Gges =
(s + 1)(s + 2)2
52 Kapitel 5. Robuste Prüfung der Stabilität und Performance
3
Gges = G + ∆ G =
(s + 1)(s + 2)2
1 + s2 + 4s + 3 − s2 − 4s − 3
=3
(s + 1)(s + 2)2
(s + 2)2 s2 + 4s + 3
=3 − 3
(s + 1)(s + 2)2 (s + 1)(s + 2)2
3 3(s + 3)(s + 1)
= −
(s + 1) (s + 1)(s + 2)2
−3(s + 3)
∆G =
(s + 2)2
0, 2
K=
s
0,2
s
−K · S = − 0,2 3
1+ s · (s+1)
−0, 2 · (s + 1)
=
s2 + s + 0, 6
k−K · Sk∞ = 0, 366
Bis jetzt:
Kapitel 5. Robuste Prüfung der Stabilität und Performance 53
2
Robuste Stabilität prüfen
2
Performance beurteilen
P = verallgemeinerte Strecke
Ziel: Norm (z. B. H∞ -Norm) von ω → z minimieren
∆
∆u ∆y
w z
P
u v
5.6 Zusammenfassung
• Gründe:
• Robuste Stabilität
55