Sie sind auf Seite 1von 35

Regelung Mechatronischer Systeme,

Regelungs- und Systemtechnik 3

Kapitel 2: Zustandsraumdarstellung und


Zustandsregelung (Wiederholung)

Prof. Dr.-Ing. habil. Pu Li

Fachgebiet Prozessoptimierung
Zustandsraumdarstellung: 2

Physikalischer Prozess:

Mathematisches Modell:

u: Eingangsvariablen, unabhängige Variablen (Stell-, Steuer-, Störgrößen)


y: Ausgangsvariablen, abhängige Variablen (Messgrößen, bedeutend)
x: Zustandsvariablen, abhängige Variablen (Hilfsgrößen)
g: Zustandsgleichungen (Modell): Beziehungen zwischen u und x
Anhand bekannter Werte von u kann durch die Lösung der
Zustandsgleichungen x ermittelt werden.
3

BASF
Bayer
Degussa
Henkel
Linde
Wacker
Thyssen

4

Dampf
Flüssigkeit
Kühlwasser

Zulauf
Dampf
Rücklauf Kopfprodukt

Heizdampf

Dampf

Sumpfprodukt

Bodenkolonne mit Verdampfer und Kondensator


5
Allgemeine Darstellung:
Lineare Systeme:
Zeitvariante Systeme: x = A (t )x + B(t )u, x(0) = x 0
y = C(t )x + D(t )u
Strukturbild (Blockschaltbild):

Zeitinvariante Systeme: x = Ax + Bu, x(0) = x 0


y = Cx + Du
6
Allgemeine Darstellung:
Nichtlineare Systeme:

Implizite Form: g (x , x, u, t ) = 0, x(0) = x 0

Explizite Form: x = f ( x, u), x(0) = x 0


Linearisierung wird benötigt, um die lineare Zustandsraumdarstellung
zu ermitteln.

Eigenschaften der Zustandsgleichungen:


• Zustandsgleichungen sind Differentialgleichungen.
• Die Anzahl der linear unabhängigen Zustandsgleichungen ist
gleich der Anzahl der Zustandsvariablen.
• Es gibt mehre Möglichkeiten, die Zustandsvariablen zu wählen,
die zu unterschiedlichen Formen der Zustandsgleichungen führen.
7
Beispiel: Batchreaktor

Betrieb eines Batchreaktors

Die chemische Reaktion:

2. Ordnung 1. Ordnung
A → B → C

Anfangszustand ist bekannt: C A (0) = 1 mol/L, C B (0) = 0, CC (0) = 0

Zustandsgleichungen:

dC A  E1 
= −k1 (T )C A2 k1 (T ) = k10 exp − 
dt  RT 
dC B  E 
= k1 (T )C A2 − k 2 (T )C B k 2 (T ) = k 20 exp − 2 
dt  RT 
Wie erhält man eine lineare Zustandsraumdarstellung?
8
Laplace-Transformation Mehrgrößensysteme
Zeitinvariante lineare Systeme:
x = Ax + Bu, x(0) = 0 (von einem stationären
Betriebspunkt)
y = Cx + Du
Laplace-Transformation: sX( s ) = AX( s ) + BU( s )
Y( s ) = CX( s ) + DU( s )
Daher (sI − A )X(s) = BU(s) ⇒ X(s) = (sI − A )−1 BU(s)
Y( s ) = [C(sI − A ) B + D]U( s )
−1

G( s ) = C(sI − A ) B + D
−1
Die Übertragungsfunktionsmatrix:
Ermittlung der Eigenwerte bzw. Polstellen des Systems:
det (sI − A ) = 0 (charakteristische Gleichung)

Damit kann die Stabilität des Systems analysiert werden.


9
Beispiel: Ein 2x2-System
0 1 0 2 0 
    1 0 0
x = 0 − 2 − 3 x + 2 4 u, y =   x
     0 0 1
− 7 0 − 5 0 10
Die Übertragungsfunktionsmatrix:
−1
s − 1 0  2 0 
1 0 0   2 4 
G( s ) = C(sI − A ) B + D = 
−1
 0 s + 2 3
0 0 1 7 
s + 5
 
0 10
 0
( s + 2)( s + 5) s+5 −3  2 0 
1 0 0   1 2 4 
=  21 s ( s + 5) − 3s
 0 0 1  − 7( s + 2 )  s( s + 2)( s + 5) − 21  
 −7 s( s + 2) 0 10
 2 s 2 + 14 s + 20 4 s − 10 
 s 3 + 7 s 2 + 10s − 21
= s 3 + 7 s 2 + 10s − 21

 − 14 s + 42 10s 2 + 20s − 28 
 s 3 + 7 s 2 + 10s − 21 s 3 + 7 s 2 + 10s − 21
Charakteristisches Polynom der Regelungsnormalform 10

 0 1 0  0 
 0
 0 1   
AR =       
 0 0 0  1 
− a
 n − an −1 − an − 2  − a1 

Also det (sI − A ) = s n + a1s n −1 +  + an −1s + an


Beispiel:  0 1 0 0 s −1 0 0 
 0 0 1 0 0 s −1 0 
AR =   ⇒ sI − A = 
 0 0 0 1 R
0 0 s −1 
   
 − a4 − a3 − a2 − a1   a4 a3 a2 s + a1 
−1 0 0 s 0 0
det (sI − A R ) = a4 (−1) 4+1 s − 1 0 + a3 (−1) 4+ 2 0 − 1 0
0 s −1 0 s −1
s −1 0 s −1 0
+ a2 (−1) 4+3 0 s 0 + a1 (−1) 4+ 4 0 s − 1
0 0 −1 0 0 s
11
Lösung eines homogenen Dgl.-Sytems
Ein zeitinvariantes Dgl.-System (Freibewegung):
x = A x, x(0) = x 0
Laplace-Transformation: sX( s ) − x 0 = AX( s )

(sI − A )X( s) = x0 X( s ) = (sI − A ) x 0


−1

{ }
x(t ) = L−1 ( sI − A) −1 x 0
2
I A A
Weil ( sI − A ) −1 = + 2 + 3 + 
s s s
{
L−1 ( sI − A) −1 } 1 22 1 33
= I + At + A t + A t +  = exp( At ) = e At
2! 3!

Die analytische Lösung: x(t ) = [exp( At )]x 0


12
Lösung eines homogenen Dgl.-Sytems
Eigenschaften der Fundamentalmatrix: Φ(t ) = exp( At ) = e At
1) Wenn A diagonal ist, dann ist Φ(t ) auch diagonal.

A = diag[a1 a 2  a n ] ⇒ exp( At ) = diag[e a1t e a2 t  e an t ]

2) Die Ableitung der Matrix:


d
exp( At ) = A exp( At ) = [exp( At )]A
dt
3) Für zwei Zeitpunkte t1 ,t2

exp[ A (t1 + t2 )] = exp( At1 ) exp( At2 )


4) Bei t = 0 , exp( A 0) = I
5) Es gilt [exp( At )]−1 = exp( − At )
13
Lösung eines Zustandsgleichungssystems
Zustandsgleichungssystem (Zwangsbewegung):

x = Ax + Bu, x(t0 ) = x 0
y = Cx
Weil x − Ax = Bu
exp(− At )(x − Ax) = exp(− At )Bu

= exp(− At )x − exp(− At ) Ax


dx  d 
= exp(− At ) +  exp(− At ) x
dt  dt 
d
= [exp(− At )x]
dt
d
d. h.
[exp( − At )x ] = exp( − At )Bu
dt
14
Lösung eines Zustandsgleichungssystems
t

d. h. exp( − At )x(t ) − exp( − At0 )x(t0 ) = ∫ exp( − Aτ )Budτ


t0
Die Bewegungsgleichung (analytische Lösung):

t
x(t ) = exp[ A(t − t0 )] ⋅ x(t0 ) + ∫ exp[ A(t − τ )] ⋅ B ⋅ u dτ
t0
t
y (t ) = C exp[ A (t − t0 )]x(t0 ) + ∫ C exp[ A (t − τ )]Budτ
t0
Es gibt zwei Vorgehensweisen zur Lösung:
• Direkte Verfahren
• Laplace-Verfahren
0 1  0
15
Beispiel: x =  x +  u, y = [1 0]x

 − 1 − 2 1
1
x(0) =  , u(t ) = sin t + cos t
 0
Weil −1
−  −t −t
t 
{
exp( At ) = L−1 ( sI − A) −1 } −1
=L 
 s
+
1 
 =
e (t +
−t
1)
−t
e

1 s 2   − e t e (1 − t ) 
t
y (t ) = C exp[ A(t − t0 )]x(t0 ) + ∫ C exp[ A(t − τ )]Budτ
t0

e −t (t + 1) e −t t  1
= [1 0]  −t −t  
 − e t e (1 − t )  0 
t
 e −t (t − τ + 1) e −( t −τ ) (t − τ )  0
+ ∫ [1 0]  −( t −τ ) −( t −τ )   (sin τ + cos τ )dτ
t0 − e (t − τ ) e (1 − t + τ ) 1
t
3 −t 1
= e −t (t + 1) + ∫ (t − τ )e −( t −τ ) (sin τ + cos τ )dτ = e + te −t + (sin t − cos t )
0
2 2
16
Steuerbarkeit der Zustandsvariable
Ein zeitinvariantes Zustandsgleichungssystem:
x = Ax + Bu, x(0) = x 0
x ∈ ℜn , u ∈ ℜm
n Zustandsvariablen, m Steuervariablen
Mit einem beliebigen Anfangszustand x (0) existiert eine
Strategie u (t ), 0 ≤ t ≤ T , damit man einen gewünschten
beliebigen Zustand x (T ) erreichen kann?

Die Steuerbarkeitsmatrix:

[
Q S = B AB  A n−1B ]
Das System ist also (vollständig) steuerbar, wenn

Rang (Q S ) = n
Steuerbarkeit eines Raketenwagens
17

x1 (t ) : Position
x2 (t ) : Geschwindigkeit
u (t ) : Antriebskraft
m : Masse (m = 1 kg)
0 1 2
Anfangszustand:
x1 (0) = 2 m, x2 (0) = 1 m/s

Der Wagen hat einen Antrieb für beide Richtungen.

Da x1 (t ) = x2 (t ) d.h.  x1  0 1  x1  0


x2 (t ) = u (t )  x  = 0 0  x  + 1 u
 2    2  
0 1 
QS = [B AB] =   Das System ist (vollständig) steuerbar!
1 0 
18
Beobachtbarkeit der Zustandsvariable
x = Ax + Bu, x(0) = x 0
y = Cx
Das System ist beobachtbar, wenn der Anfangszustand x 0 , aus dem über
ein endliches Intervall [0, T] bekannten Verlauf der Eingangsgröße u(t ) und
der Ausgangsgröße y (t ) , bestimmt werden kann.

Um die Zustandsvariablen beobachten zu können, muss der Rang der


Beobachtbarkeitsmatrix n sein:

Bei einer  cT  Bei mehreren  C 


Ausgangsvariable:  T  Ausgangsvariablen:  CA 
 c A 
QB =
   QB =  
 T n−1 
  
c A   n −1 
CA 
Beobachtbarkeit eines Raketenwagens
19

x1 (t ) : Position
x2 (t ) : Geschwindigkeit
u (t ) : Antriebskraft
0 1 2  x1  0 1  x1  0
 x  = 0 0  x  + 1 u
 2    2  
 x1 
Wenn nur die Position gemessen wird: y = [1 0]  
 x2 
 cT  1 0
QB = T =  Die Geschwindigkeit ist beobachtbar!
c A   0 1 
Die Übertragungsfunktion:
−1
 s − 1 0 1
= c (sI − A ) B = [1 0]
Y (s) −1
T
   = 2
U (s) 0 s  1 s
Die Ein-/Ausgangsbeziehung ist zweiter Ordnung.
Beobachtbarkeit eines Raketenwagens
20

 x1 
Wenn nur die Geschwindigkeit gemessen wird: y = [0 1]  
 x2 
 cT  0 1
QB = T =  Die Position ist nicht beobachtbar!
c A   0 0 

Die Übertragungsfunktion:
−1
 s − 1 0 1
= c (sI − A ) B = [0 1] 
Y (s) −1
T
   =
U (s)  0 s  1  s

Die Ein-/Ausgangsbeziehung ist erster Ordnung (Verlust von Information)!

Wenn es in der Übertragungsfunktion (Übergangsmatrix) eine Kürzung


zwischen Null- und Polstellen gibt, dann ist das System nicht beobachtbar.

D.h. die Zustandsvariablen können nicht durch Messdaten abgeleitet werden.


Somit kann eine Zustandsregelung nicht durchgeführt werden!
Zusammenfassung
21

Es gibt 4 Fälle von Systemen:

1) Steuerbar, nicht beobachtbar


2) Steuerbar und beobachtbar
3) Nicht steuerbar, nicht beobachtbar
4) Nicht steuerbar, beobachtbar

1) 3)

Rang (Q S ) = n
2) 4)

Rang (Q S ) = n, Rang (Q B ) = n Rang (Q B ) = n


Zustandsrückführung
22

Wie kann man ein Mehrgrößensystem regeln?

x = Ax + Bu, x(0) = x 0
y = Cx
x ∈ ℜn , u ∈ ℜm , y ∈ ℜr
Die Zustandsvariablen werden gemessen und eine Rückführungsmatrix
wird ausgelegt, damit

u = −K x
Also
 u1   k11 k12  k1n   x1 
u  k k 22  k 2 n   x2 
 2  =  21  
      
    
um  k m1 km2  k mn   x n 
Zustandsrückführung 23

Implementierung Zustandsrückführung:

Aktoren Sensoren

Implementierung Zustandsrückführung:

Aktoren Sensoren
24
Zustandsregelung des Raketenwagens:

x1 (t ) : Position
x2 (t ) : Geschwindigkeit
u (t ) : Antriebskraft
0 1 2 m : Masse (m = 1 kg)

 x1  0 1  x1  0
 x  = 0 0  x  + 1 u
 2    2  
Anfangszustand: x1 (0) = 2; x2 (0) = 1
Zielzustand: x1S = 0; x2S = 0
Wie wählt man die Antriebskraft, damit der Wagen
zum Endzustand überführt werden kann?
25
Zustandsregelung des Raketenwagens:
Mit einer Zustandsrückführung:

 x1 
u(t ) = −K x(t ) = −[1 2]   = − x1 (t ) − 2 x2 (t )
 x2 

Implementierung: Simulation mit MATLAB


2.5

2 u(t)
x1(t)
1.5 x2(t)

0.5

-0.5

-1

-1.5

-2
0 2 4 6 8 10
26
Reglerentwurf mittels Polzuweisung
Wie bestimmt man die Matrix K?

x = Ax + Bu x = Ax − BKx

u = −K x
Die charakteristische Gleichung des geschlossenen Systems

f ( s ) = det[sI − ( A − BK )] = 0
Die gewünschten Polstellen: s1 ,s 2 ,  ,s n
f ( s ) = ( s − s1 )( s − s 2 )  ( s − s n )

Durch Vergleichen der zwei Polynome wird die K-Matrix festgelegt.

Wo soll man die Pole platzieren?


Beispiel: Ein Feder-Masse-System
27

Die Modellgleichung:

my = u − ky

Man definiert: x1 = y
x2 = y

x1 = y = x2 1  x   0 
 x1   0
k 1 ⇒  x  =  − k 
1
+ 1 u
0  x2   
x2 = y = − x1 + u  2   m
m m  m
Y ( s) 1 k
Das offene System: = 2 , die Polstellen: s1, 2 =±j
U ( s ) ms + k m
k
Die gewünschten Polstellen des geschlossenen Systems (z.B.): s1, 2 = −2
m
2
 k  k k
f ( s ) =  s + 2  = s2 + 4 s + 4
 m  m m
Beispiel: Ein Feder-Masse-System
28

 x1   0 1  x   0  x1 (0) = 0,3


 x  =  − k  
1
 +1u
 2   m
0  x2    x2 (0) = −0,5
 m

 x1 
Mit einer Zustandsrückführung: u (t ) = −K x (t ) = −[k1 k2 ]  
 x2 
Das charakteristische Polynom des geschlossenen Systems:

f ( s ) = det [sI − ( A − BK )]

  s 0   0 1  0   
= det  −   −   [ ] 
 0 s   − k 1 k k 2 
 
 0
   m   m 
1


k2 k + k1
= s2 + s+
m m
Beispiel: Ein Feder-Masse-System
29

k k
Gewünscht: f ( s) = s 2 + 4 s+4
m m
k2  k + k1 
Zu realisieren: f ( s) = s + s + 
2

m  m 

Daher k1 = 3 k , k 2 = 4 k m
k
Implementierung: Simulation mit MATLAB (mit =1 )
m
Übungsaufgabe:
Vergleich Open-Loop und Closed-Loop
Reglerentwurf mittels Polzuweisung
30

x = Ax + Bu
y = Cx

Zustandsrückführung: u = −K x
~ ~
Ausgangsrückführung: u = −K y = −K C x
Eigenschaften:
1. Wenn das System steuerbar ist, können die Postellen des
geschlossenen Systems durch eine Zustandsrückführung beliebig
positioniert werden.
2. Ein instabiles System kann dadurch stabilisiert werden.
3. Die Zustandsrückführung hat keinen Einfluss auf die Steuerbarkeit des
Systems.
4. Bei der Ausgangsrückführung werden die Steuerbarkeit und
Beobachtbarkeit nicht verändert.
Entwurf eines Beobachters
31

Implementierung Zustandsrückführung:

Aktoren Sensoren

Tatsächliche Werte: y, x Beobachtete Werte: yˆ , xˆ


~
y = y − yˆ , ~
x = x − xˆ
Fehler der Beobachtung:
Da x = Ax + Bu, y = Cx
Eine n×l-Matrix L wird eingeführt, damit
xˆ = Axˆ + Bu + L(y − yˆ )
xˆ = Axˆ + Bu + LC(x − xˆ )
Entwurf eines Beobachters
32

Fehler der Zustandsschätzung:


x = x − xˆ = (Ax + Bu ) − [Axˆ + Bu + LC( x − xˆ )]
~

= ( A − LC)( x − xˆ ) = ( A − LC) ~x

Die Lösung: x (t ) = exp[( A − LC)t ] ~


~ x (0)

Matrix L wird ausgelegt, damit lim ~


x (t ) = 0
t →∞
Häufig wird die Matrix L so ausgelegt, dass die gewünschten
Polstellen des Beobachters realisiert werden.

Die charakteristische Gleichung:

f ( s ) = det[sI − A + LC]

Die gewünschten Polstellen: s1 ,s 2 ,  ,s n


f ( s ) = ( s − s1 )( s − s 2 )  ( s − s n )
Entwurf eines Beobachters
33

Implementierung: xˆ = Axˆ + Bu + L(y − yˆ )

Voraussetzung: das System muss beobachtbar sein.


Entwurf eines Beobachters
34

Beispiel: x = Ax + Bu
y = Cx
1 0 0
mit A = 0 2 1, C = [1 1 0]
 
0 0 2

Die gewünschten Polstellen: -3, -4, -5.

Die Beobachtbarkeitsmatrix:
 cT  1 1 0
 
Q B =  cT A  = 1 2 1 , Rang [Q B ] = 3
cT A 2  1 4 4
   

Aufgrund der gewünschten Polstellen:

f ( s ) = ( s + 3)( s + 4)( s + 5) = s 3 + 12 s 2 + 47 s + 60
Entwurf eines Beobachters
35

Angenommen L = [l1 l 2 l 3 ] T , dann ergibt sich die charakteristische


Gleichung:
 s 0 0   1 0 0   l1  
     
[ ] 
f ( s) = det sI − A + LcT ) = det  0 s 0  −  0 2 1  +  l2  [1 1 0]

 0 0 s   0 0 2   l3  
 
 s 0 0   1 0 0   l1 l1 0   s − 1 + l1 l1 0 
       
= det  0 s 0  −  0 2 1  +  l2 l2 0  = det  l2 s − 2 + l2 − 1 
 0 0 s   0 0 2   l3 l3 0   l3 l s − 2 

   3

= (s − 1 + l1 )(s − 2 + l2 )(s − 2) − l1l3 + (s − 1 + l1 )l3 − (s − 2 )l1l2


= s3 + (−2 − 2 + l2 − 1 + l1 ) s 2 + [(−2 + l2 )(−2) + (−1 + l1 )(−2) + (−2 + l2 )(−1 + l1 ) + l3 − l1l2 ]s
− (−2 + l2 )(−1 + l1 )(−2) − l1l3 + (− 1 + l1 )l3 + 2l1l2

Vergleicht man diese mit


f ( s ) = ( s + 3)( s + 4)( s + 5) = s 3 + 12 s 2 + 47 s + 60
L = [l1 l 3 ] T = [120 − 103 214] T
folgt
l2