Sie sind auf Seite 1von 297

Skriptum

Regelungssysteme 1

Univ.-Prof. Dr.-Ing./ Univ. Tokio M. Buss


Lehrstuhl für Steuerungs- und Regelungstechnik
Technische Universität München

Ausgabe SS 2019
Große Teile dieses Skriptums sind von dem bis 2003 von Prof. Dr.-Ing. Dr.-Ing. E.h. Günther
Schmidt mit seinen Mitarbeiterinnen und Mitarbeitern erstellten Skript übernommen. Als Vor-
lesender im SS 2019 zusammen mit meinen Mitarbeiterinnen und Mitarbeitern sind wir Prof.
Schmidt sehr dankbar, daß wir in der Lehre auf Teile seines hervorragenden Skriptums zurück-
greifen können.
Andere Teile des Skriptums sind neu. So wird versucht, ausführlich auf Stabilität, Zustands-
raummethoden u.a. einzugehen. Falls die Hörerinnen und Hörer Kommentare oder Anregungen
zum Skript haben, sind diese als Feedback sehr willkommen. Durch dieses Feedback entsteht
ein Regelkreis, der dann sehr bald Regelfehler ausregeln wird und somit mögliche Verständnis-
schwierigkeiten / Fehler beseitigen kann.
Meiner Mitarbeiterin Frau Dr. Marion Sobotka danke ich herzlich für die Mühe und Arbeit, die
sie in dieses Skriptum investiert hat. Besten Dank auch an meine ehemaligen Mitarbeiter Herrn
Hasan Esen und Herrn Marc Überle. Frau Brigitta Renner sei herzlich gedankt für das TeXen
und das Erstellen der meisten Bilder.
Herzlichsten Dank.

c 2019 Prof. Dr.-Ing./Univ. Tokio M. Buss


c bis 2003 Univ.-Prof. Dr.-Ing. Dr.-Ing. E.h. G Schmidt

Alle Rechte, auch das des auszugsweisen Nachdrucks, der auszugsweisen oder vollständigen
Wiedergabe (Photokopie, Mikrokopie), der Speicherung in Datenverarbeitungsanlagen und das der
Übersetzung, vorbehalten.
Inhaltsverzeichnis

1 Einführung 9
1.1 Begriffserklärung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Regelungs- und Steuerungstechnik als Ingenieurdisziplin . . . . . . . . . . . . 9
1.3 Kontinuierliche Steuerungen und Regelungen . . . . . . . . . . . . . . . . . . 11
1.3.1 Manuelle Steuerung und Regelung . . . . . . . . . . . . . . . . . . . . 11
1.3.2 Automatische Regelung . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.3 Allgemeine Beschreibung von Regelungsanordnungen . . . . . . . . . . 15
1.3.4 Regelungsaufgaben in der Informations- und Kommunikationstechnik . 19
1.3.5 Steuerung und Regelung in nichttechnischen Systemen . . . . . . . . . 20
1.3.6 Universeller Charakter des Regelungsprinzips . . . . . . . . . . . . . . 22
1.3.7 Aktive und passive Steuerungen und Regelungen . . . . . . . . . . . . 22
1.4 Ereignisdiskrete Steuerungen . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.4.1 Abgrenzung zwischen kontinuierlichem und ereignisdiskretem System-
verhalten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4.2 Ereignisdiskrete Steuerungsaufgabe . . . . . . . . . . . . . . . . . . . 23
1.5 Automatisierungssysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.6 Ziele der Vorlesung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.7 Schritte bei der systematischen Behandlung von technischen Regelungs- und
Steuerungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2 Modellbildung, Linearisierung und lineare Systeme 27


2.1 Modellbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Zustandsbeschreibung dynamischer Systeme . . . . . . . . . . . . . . . . . . 28
2.2.1 Vorbemerkung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.2 Zustandsbeschreibung zeitkontinuierlicher Systeme . . . . . . . . . . . 29
2.2.3 Zustandsbeschreibung linearer zeitkontinuierlicher Systeme . . . . . . . 31
2.3 Linearisierung eines Zustandsmodells . . . . . . . . . . . . . . . . . . . . . . 31
2.3.1 Linearisierung um eine allgemeine Referenzlösung . . . . . . . . . . . . 32
2.3.2 Linearisierung um eine Ruhelage . . . . . . . . . . . . . . . . . . . . . 33
2.4 Darstellungen von LTI-SISO-Systemen . . . . . . . . . . . . . . . . . . . . . 35
2.4.1 Übertragungsfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.4.2 Zustandsraummodell . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.5 Blockschaltpläne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5.1 Symbole des Blockschaltplans . . . . . . . . . . . . . . . . . . . . . . 43
2.5.2 Blockschaltbildalgebra . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.6 Beispiel: Verteiler-Verbraucher-System . . . . . . . . . . . . . . . . . . . . . . 47
2.6.1 Modellbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6.2 Stationäre Lösung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.6.3 Linearisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3
2.6.4 Eigenschaften der Strecke . . . . . . . . . . . . . . . . . . . . . . . . 49
2.6.5 Regelung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.7 Beispiel: Regelung eines Gleichstrommotors . . . . . . . . . . . . . . . . . . . 50
2.7.1 Grundkonzeption der Drehgeschwindigkeitsregelung . . . . . . . . . . . 50
2.7.2 Systemmodell für Regelstrecke Gleichstrommotor . . . . . . . . . . . . 52
2.7.3 Notation im Laplace-Bereich . . . . . . . . . . . . . . . . . . . . . . . 53
2.7.4 Zustandsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.7.5 Aufstellen eines Blockschaltplans . . . . . . . . . . . . . . . . . . . . 54
2.7.6 Systemmodelle der anderen Teilsysteme des Drehgeschwindigkeitsre-
gelkreises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.7.7 Gesamtmodell des Regelkreises . . . . . . . . . . . . . . . . . . . . . 56

3 Zeitverhalten linearer dynamischer Systeme 59


3.1 Lösung einer linearen, skalaren Differentialgleichung . . . . . . . . . . . . . . 59
3.2 Lösung eines linearen Differentialgleichungs-Systems . . . . . . . . . . . . . . 60
3.3 Eigenbewegung eines linearen Differentialgleichungs-Systems . . . . . . . . . . 62
3.4 Anfangs- und Endwertsatz der L-Transformation . . . . . . . . . . . . . . . . 64
3.5 Gewichtsfunktion (Impulsantwort) . . . . . . . . . . . . . . . . . . . . . . . . 65
3.6 Übergangsfunktion (Sprungantwort) . . . . . . . . . . . . . . . . . . . . . . . 66
3.7 Kennwerte der Übergangsfunktion . . . . . . . . . . . . . . . . . . . . . . . . 67

4 Systemdynamische Bausteine 69
4.1 P-, I- und D-Systeme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2 Totzeitsysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.3 PT1 -Systeme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.4 PT2 -Systeme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.5 Standardsysteme aus Systembausteinen . . . . . . . . . . . . . . . . . . . . . 77
4.6 Minimalphasensysteme und Allpässe . . . . . . . . . . . . . . . . . . . . . . . 77

5 Stabilität von LTI-Systemen 81


5.1 Zustandsstabilität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.2 Routh-Hurwitz-Kriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.3 Direkte Methode von Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.4 Zustandssteuerbarkeit und Zustandsbeobachtbarkeit . . . . . . . . . . . . . . 86
5.4.1 Zustandssteuerbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.4.2 Zustandsbeobachtbarkeit . . . . . . . . . . . . . . . . . . . . . . . . 88
5.4.3 Beispiel: Steuerbarkeits- und Beobachtbarkeitsprüfung . . . . . . . . . 90
5.4.4 Einfluss von Steuerbarkeit und Beobachtbarkeit auf das E/A-Verhalten 91
5.5 BIBO-Stabilität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.6 Wirkung reeller oder konjugiert komplexer Pole . . . . . . . . . . . . . . . . . 93
5.7 Stabilitätsgrad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.8 Dominierendes Systemverhalten und Ordnungsreduktion . . . . . . . . . . . . 96
5.9 Wirkung von Nullstellen auf das Systemverhalten . . . . . . . . . . . . . . . . 97

6 Grundlagen der Regelung und Standardregler 101


6.1 Grundstruktur und Regelungsziele . . . . . . . . . . . . . . . . . . . . . . . . 101
6.1.1 Grundstruktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.1.2 Vergleich von Regelung und Steuerung . . . . . . . . . . . . . . . . . 103

4
6.1.3 Qualitative Schlußfolgerungen . . . . . . . . . . . . . . . . . . . . . . 104
6.2 Standardstrecken und Standardregler . . . . . . . . . . . . . . . . . . . . . . 104
6.2.1 Standardstrecken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.2.2 Standardregler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.3 Regelkreisverhalten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.3.1 Stationäres Regelkreisverhalten . . . . . . . . . . . . . . . . . . . . . 107
6.3.2 Dynamisches Regelkreisverhalten . . . . . . . . . . . . . . . . . . . . 108

7 Stabilitätsanalyse von Regelkreisen im Frequenzbereich 111


7.1 Grundlagen zur Analyse im Frequenzbereich . . . . . . . . . . . . . . . . . . . 111
7.1.1 Vorteile bei Betrachtung im Frequenzbereich . . . . . . . . . . . . . . 111
7.1.2 Fouriertransformation . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.1.3 Erweiterung zu Laplace Transformation . . . . . . . . . . . . . . . . . 113
7.2 Nyquist-Ortskurve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2.1 Frequenzgangfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2.2 Schwingbedingung in Regelkreisen . . . . . . . . . . . . . . . . . . . . 116
7.2.3 Nyquist-Kriterium . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
7.2.4 Linke-Hand-Regel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
7.2.5 Beispiel Drehgeschwindigkeitsregelung . . . . . . . . . . . . . . . . . . 120
7.3 Bodediagramm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
7.3.1 Bodediagramme von P-, I-, D-Bausteinen . . . . . . . . . . . . . . . . 122
7.3.2 Bodediagramme von PT1 -, PD-, PT2 - und Tt -Bausteinen . . . . . . . 123
7.3.3 Auswirkungen elementarer Grundbausteine . . . . . . . . . . . . . . . 130
7.3.4 Beispiel 1: Frequenzkennlinien eines Allpasses . . . . . . . . . . . . . . 131
7.3.5 Beispiel 2: Feder-Masse-Dämpfer-System . . . . . . . . . . . . . . . . 132
7.3.6 Kenngrößen der Frequenzgangfunktion G0 (jω) . . . . . . . . . . . . . 134
7.4 Stabilität von Regelkreisen mit Totzeit . . . . . . . . . . . . . . . . . . . . . 135

8 Reglerentwurf 137
8.1 Heuristische Einstellmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . 137
8.1.1 Einstellregeln des Symmetrischen Optimums . . . . . . . . . . . . . . 137
8.1.2 Einstellregeln nach Ziegler-Nichols . . . . . . . . . . . . . . . . . . . . 138
8.2 Frequenzgangentwurfskriterien . . . . . . . . . . . . . . . . . . . . . . . . . . 140
8.2.1 Abbildung statischer und dynamischer Regelkreiseigenschaften in
G0 (jω)-Frequenzkennlinien . . . . . . . . . . . . . . . . . . . . . . . 140
8.2.2 Entwurfsvorschriften für zufriedenstellendes Regelkreisverhalten . . . . 142
8.2.3 Praktische Durchführung der Reglerentwurfsaufgabe . . . . . . . . . . 145
8.3 Wurzelortskurven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
8.3.1 Allgemeine Ermittlung der WOKn eines Regelkreises . . . . . . . . . . 146
8.3.2 Wichtige Eigenschaften von WOKn . . . . . . . . . . . . . . . . . . . 150
8.3.3 Beispiel: Lageregelung eines Flugzeuges . . . . . . . . . . . . . . . . . 151

9 Strukturelle Erweiterungen der einschleifigen Regelungsstruktur 155


9.1 Aufschaltungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
9.1.1 Führungsgrößenaufschaltung/Vorsteuerung . . . . . . . . . . . . . . . 155
9.1.2 Störgrößenaufschaltung . . . . . . . . . . . . . . . . . . . . . . . . . 156
9.2 Kaskadenregelung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157

5
10 Zustandsbasierter Reglerentwurf 161
10.1 Zustandsregelung von LTI-SISO-Systemen . . . . . . . . . . . . . . . . . . . 161
10.1.1 P-Regler mit vollständiger linearer Zustandsrückführung . . . . . . . . 161
10.1.2 Regelungsentwurf durch Polverschiebung oder -zuweisung . . . . . . . 163
10.2 Linear-quadratisches (LQ) Regler-Entwurfsverfahren . . . . . . . . . . . . . . 165
10.2.1 Aufgabenstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
10.2.2 LQ- oder Riccati-Regelgesetz . . . . . . . . . . . . . . . . . . . . . . 165
10.2.3 Implementierung des Riccati-Reglers . . . . . . . . . . . . . . . . . . 166
10.3 Zustandsbeobachter oder -schätzer für LTI-Systeme . . . . . . . . . . . . . . 167
10.3.1 Parallelmodellmethode . . . . . . . . . . . . . . . . . . . . . . . . . . 167
10.3.2 Vollständiger Zustandsbeobachter . . . . . . . . . . . . . . . . . . . . 168
10.3.3 Qualitatives Beobachterverhalten . . . . . . . . . . . . . . . . . . . . 169
10.3.4 Beobachter-Polverschiebungssatz . . . . . . . . . . . . . . . . . . . . 171
10.3.5 Stationäres Kalman-Bucy-Filter . . . . . . . . . . . . . . . . . . . . . 173
10.3.6 Anwendungen von Beobachtern . . . . . . . . . . . . . . . . . . . . . 175
10.4 Zustandsregelung unter Einschluss eines Beobachters . . . . . . . . . . . . . . 175
10.4.1 Erweiterte Zustandsregelungsstruktur . . . . . . . . . . . . . . . . . . 176
10.4.2 Dynamisches Verhalten und Separationsprinzip . . . . . . . . . . . . . 176
10.4.3 Dynamischer Zustandsraum-Kompensator . . . . . . . . . . . . . . . . 177

11 Zeitdiskrete Realisierung zeitkontinuierlicher Regelungsgesetze und Modelle 181


11.1 Vorbemerkungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
11.2 Zeitdiskrete MIMO-LTI-Systeme . . . . . . . . . . . . . . . . . . . . . . . . . 182
11.2.1 Zustandsdarstellungen . . . . . . . . . . . . . . . . . . . . . . . . . . 183
11.2.2 Differenzengleichung n-ter Ordnung . . . . . . . . . . . . . . . . . . . 183
11.2.3 Z-Übertragungsfunktion . . . . . . . . . . . . . . . . . . . . . . . . . 183
11.3 Zeitverhalten und Analyse zeitdiskreter LTI-Systeme . . . . . . . . . . . . . . 185
11.3.1 Allgemeine Lösungsformel zur Standardzustandsform . . . . . . . . . . 185
11.3.2 Stabilität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
11.3.3 Steuerbarkeit, Beobachtbarkeit . . . . . . . . . . . . . . . . . . . . . 186
11.4 Methoden der Zeitdiskretisierung von LTI-Systemen . . . . . . . . . . . . . . 187
11.4.1 Substitutionsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . 188
11.4.2 Sprunginvarianzmethode . . . . . . . . . . . . . . . . . . . . . . . . . 192
11.5 Implementierung zeitdiskreter Algorithmen . . . . . . . . . . . . . . . . . . . 195
11.5.1 Direkte Implementierungsstruktur . . . . . . . . . . . . . . . . . . . . 195
11.5.2 Parallelstruktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
11.6 Festlegung der Abtastfrequenz fA in Regelkreisen . . . . . . . . . . . . . . . . 196
11.6.1 Zeitbereichsbetrachtungen . . . . . . . . . . . . . . . . . . . . . . . . 196
11.6.2 Frequenzbereichsbetrachtungen . . . . . . . . . . . . . . . . . . . . . 198

12 Ereignisdiskrete Systeme 205


12.1 Motivation ereignisdiskreter Systeme . . . . . . . . . . . . . . . . . . . . . . 205
12.2 Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
12.2.1 Endliche Zustandsautomaten . . . . . . . . . . . . . . . . . . . . . . 206
12.2.2 Sprache endlicher Zustandsautomaten . . . . . . . . . . . . . . . . . . 209
12.3 Einführung in die Regelungstheorie ereignisdiskreter Systeme . . . . . . . . . . 210
12.3.1 Grundidee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210

6
12.3.2 Spezifikationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
12.3.3 Steuerbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
12.4 Petri-Netze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
12.4.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
12.4.2 Dynamik von Petri-Netzen . . . . . . . . . . . . . . . . . . . . . . . . 214
12.4.3 Sprachen und Petri-Netze . . . . . . . . . . . . . . . . . . . . . . . . 219
12.4.4 Steuerungstechnisch interpretierte Petri-Netze . . . . . . . . . . . . . 219
12.5 Zusammenfassung und Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . 223

13 Technik von Regelungs-, Steuerungs- und Automatisierungssystemen 225


13.1 Prinzipieller Systemaufbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
13.2 Sensoren und Aktoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
13.3 Steuerungs-und Regelungskomponenten . . . . . . . . . . . . . . . . . . . . . 226
13.4 Busgekoppelte Steuerungs- und Regelungssysteme . . . . . . . . . . . . . . . 228
13.5 Leitsysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
13.6 Bedien- und Beobachtungskomponenten . . . . . . . . . . . . . . . . . . . . 231
13.7 Fehlertolerante Steuerungs- und Regelungssysteme . . . . . . . . . . . . . . . 231
13.8 Autonome Steuerungs- und Regelungsysteme . . . . . . . . . . . . . . . . . . 232

A Appendix 235
A.1 Verhalten typischer linearer Regelkreisblöcke . . . . . . . . . . . . . . . . . . 237
A.2 Wichtige Korrespondenzen der L-Transformation . . . . . . . . . . . . . . . . 239
A.3 Blockschaltbildalgebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
A.4 Einführung in die rechnergestützte regelungstechnische Analyse und Synthese
mit MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
A.5 Steuerungs- und regelungstechnische Fachausdrücke . . . . . . . . . . . . . . 250

7
Ausgewählte Literaturhinweise

• Lunze, J.: Regelungstechnik 1, 4. Aufl. 2004, Springer Verlag.


• Lunze, J.: Regelungstechnik 2, 3. Aufl. 2004, Springer Verlag.
• Föllinger, O.: Regelungstechnik, 8. überarb. Aufl. 1994, Hüthig Verlag.
• Ludyk, G.: Theoretische Regelungstechnik 1, 1995, Springer Verlag.
• Horn, M., Dourdoumas, N.: Regelungstechnik, 2004, Pearson Studium.
• Dorf R., Bishop R.: Modern Control Systems, 10th ed., Pearson Prentice Hall.
• Neumann, P., e.a.: SPS-Standard IEC 1131, Programmierung in verteilten Automatisie-
rungssystemen, 2. Aufl. 1998, Oldenbourg Verlag.
• Schnieder, E.: Beschreibungsmittel, Modellkonzepte und Werkzeuge für Automatisie-
rungssysteme, 1999, Vieweg Verlag.
• Angermann, A., Beuschel, M., Rau, M.: Matlab – Simulink – Stateflow, 2. Aufl. 2005,
Oldenbourg Verlag.

Die Zeitschriften at-Automatisierungstechnik und atp-Automatisierungstechnische Praxis sowie


zahlreiche internationale Journale berichten laufend über aktuelle methodische und technologi-
sche Entwicklungen des Fachgebietes.

8
1 Einführung
Dieses Kapitel führt in Begriffe, Aufgabenstellungen und Anwendungen der Regelungs- und
Steuerungstechnik ein und bildet damit die Basis für die methodischen Betrachtungen in den
nachfolgenden Kapiteln.

1.1 Begriffserklärung

Regelungs- und Steuerungstechnik befasst sich mit der Ingenieuraufgabe, dynamische Prozes-
se, wie sie in technischen und nichttechnischen Systemen ablaufen, zu verstehen, analysieren,
modellieren und durch Einsatz äußerer technischer Maßnahmen gezielt zu beeinflussen.
Der Begriff System abstrahiert dabei relevante funktionelle Aspekte von technischen Einrich-
tungen, wie eines Kraftfahrzeuges, eines elektrischen Antriebsmotors, einer Werkzeugmaschine,
eines Satelliten oder einer Brauerei, und von nichttechnischen Objekten, wie etwa eines Wirt-
schaftsunternehmens oder eines Organs im menschlichen Körper.
Regelungs- und steuerungstechnische Systeme bestehen immer aus miteinander in Wechselwir-
kung stehenden Teilsystemen, wodurch neuartige Gesamtsystemeigenschaften entstehen.
Untrennbar verbunden mit dem Begriff System ist der Begriff Systemumgebung. Zur System-
analyse ist es stets notwendig, das System aus seiner jeweiligen Umgebung herauszulösen. Im
Sinne einer kausalen Ursache-Wirkung Betrachtung müssen dabei alle Koppelungen zwischen
System und Systemumgebung vollständig durch den Systemeingangs- und Systemausgangs-
größenvektor erfasst werden.

1.2 Regelungs- und Steuerungstechnik als


Ingenieurdisziplin

Regelungs- und Steuerungstechnik ist eine interdisziplinäre, system- und informationsorientierte


Ingenieurdisziplin; das bedeutet, dass

• bei der Bearbeitung einer konkreten Regelungs- und Steuerungsaufgabe unterschiedliche


ingenieur- und naturwissenschaftliche aber auch andere Disziplinen angesprochen sein
können (interdisziplinär);
• die mathematische Behandlung von Regelungsproblemen ein hohes Maß an Abstrakti-
on vom konkreten Anwendungshintergrund und damit die Rückführung auf universellere
systemtechnische und -theoretische Grundprinzipien erlaubt (systemorientiert);

9
• informationstechnische Aspekte gegenüber physikalischen und energetischen Fragestel-
lungen dominieren (informationsorientiert).

Eine systematische Beschäftigung mit Fragen der Regelungs- und Steuerungstechnik hat ver-
schiedensten Gesichtspunkten Rechnung zu tragen:

• dem Entwurf geeigneter Konzeptionen und Strukturen zur Regelung und Steuerung eines
vorgelegten Objektsystems, auch Regelstrecke oder Prozess genannt;
• der mathematisch-methodischen Behandlung im Rahmen von Modellierung, Analyse und
Synthese funktioneller Eigenschaften;
• der Implementierung der entworfenen Steuerungs- und Regelungsstrategien mit adäquaten
Mitteln der aktuellen Hardware- und Softwaretechnologie.
Die Anwendung von Erkenntnissen und Einrichtungen der modernen Regelungs- und Steue-
rungstechnik schafft entscheidende Voraussetzungen für die wachsende Multifunktionalität und
Qualität moderner Konsum- und Investitionsgüter, wie z.B. CD-ROM Player, Roboter und ande-
rer mechatronischer Systeme. Regelungs- und steuerungstechnische Maßnahmen sorgen in der
Haustechnik wie im Verkehrs- und Transportwesen für Komfort und Sicherheit. Sie ermöglichen
darüber hinaus den hochautomatisierten Betrieb moderner Produktionsanlagen und -verfahren,
wie etwa zur Arzneimittel- oder Halbleiterchip-Herstellung. Dabei leisten sie einen wesentlichen
Beitrag zur Vergleichmäßigung und Steigerung von Produktqualität und -ausbeute sowie zur
ökonomischen und ökologischen Optimierung der Produktion bei gleichzeitiger Verbesserung
von Anlagenverfügbarkeit und -sicherheit.

kontinuierliche ereignisdiskrete
Regelungen und
... Steuerungen
Steuerungen



❅ ❄ ✠
zur Automatisierung von
✟✟ ❍❍
✟✟ ❍❍
✙✟
✟ ❄ ❍❍

Prozessen Transport, Verkehr, Produktions-
in Landwirtschaft, prozessen
Produkten Medizin, (Halbleiter-, Nahrungs-
(CD-Player, Auto, Mecha- ... mittelherstellung, . . . )
troniksysteme, . . . )

Abbildung 1.1: Klassen gezielter Beeinflussung im Rahmen der Automatisierung

Die in Abb. 1.1 angedeutete Unterscheidung von Regelungen und Steuerungen in die beiden
Klassen der kontinuierlichen Regelungen und Steuerungen und der diskret ereignisorientierten
(oder kurz ereignisdiskreten Steuerungen) hat ihre Ursache im Typ der jeweils zu beeinflussen-
den Systeme und der damit verbundenen spezifischen Aufgabenstellungen. Hierauf wird in den
Folgeabschnitten näher eingegangen.

10
1.3 Kontinuierliche Steuerungen und Regelungen

Von werte- und zeitkontinuierlichen, kurz kontinuierlichen Systemen sprechen wir hier dann,
wenn sich über der Zeit t – als der unabhängigen kontinuierlichen Variablen – die Werte
der Systemvariablen ebenfalls kontinuierlich verändern. Entsprechend verwendet man für die
Beeinflussung kontinuierlicher Systeme im Allgemeinen auch kontinuierliche Regelungs- bzw.
Steuerungsysteme.
Ziel dieses Abschnittes ist es, anhand eines anschaulichen Beispiels zunächst die prinzipiellen
Unterschiede zwischen einer kontinuierlichen Steuerung (engl. open-loop control) und Regelung
(engl. closed-loop control oder feedback control) bzw. zwischen manueller und automatischer
Steuerung oder Regelung herauszuarbeiten und dabei grundlegende Unterschiede und Phäno-
mene kennen zu lernen.

1.3.1 Manuelle Steuerung und Regelung

Häufig ohne dass wir es realisieren, sind wir im täglichen Leben in die verschiedensten mehr
oder weniger komplexen Steuerungs- und Regelungsvorgänge eingebunden.
Die hier beispielhaft betrachtete Aufgabe bestehe darin, ein Fahrzeug (Fahrrad, Motorrad oder
Auto) auf gerader Straße in Spurmitte zu halten, vgl. Abb. 1.2. Dabei sei das Fahrzeug Störun-
gen wie Seitenwind, Radschlupf, etc. ausgesetzt; die letztgenannten Größen bezeichnet man als
die auf den Prozessablauf einwirkenden Störgrößen.

gestörter
Bahnverlauf ❍❍

aist (t)✲


ad ✛


asoll ✲




v = const. ✛
..............
........................................ Wind

...........................
...........................
..............
...........................

Abbildung 1.2: Spurmittenführung eines Fahrzeuges mittels manueller Steuerung

Übernimmt – wie heute noch üblich – ein Mensch die Lenkfunktion, so handelt es sich um
eine manuelle Steuerung oder Regelung: Aufgabe eines geübten Fahrers ist es, den seitlichen
Fahrzeug-Istabstand aist (t) vom Straßenrand auf dem gewünschten Sollabstand asoll , z.B. in
Spurmitte, zu halten, also den Abstandsfehler ad (t) = asoll − aist (t) zu Null auszugleichen. Dies
kann gesteuert oder geregelt geschehen.

11
Manuelle Steuerung

Der manuellen Steuerung entspricht im Beispiel das Fahren mit geschlossenen Augen und
anfänglichem, einmaligem Festlegen des Lenkwinkels so, dass aist (0) = asoll und damit der
Differenzwert ad (0) = 0 ist. Der Istwert wird hier also nicht zum laufenden Ausgleich eines
Abstandsfehlers herangezogen, was bereits das wesentliche Merkmal einer Steuerung ist!
Da ad (t) im Verlauf des Steuervorgangs nicht laufend überwacht wird, führen unvorhersehbare
Einflüsse wie etwa der erwähnte Seitenwind oder Radschlupf schnell zu einem Anwachsen von
ad (t) für t ≥ 0, vgl. Abb. 1.2. Die gestellte Fahrzeugführungsaufgabe kann damit nicht nur
nicht gelöst werden, vielmehr zeigt das vom Fahrer gesteuerte System (=Fahrzeug) das gleiche
zeitlich instabile Verhalten wie es auch dem ungesteuerten Fahrzeug eigen ist.

Manuelle Regelung

Fahren mit offenen Augen entspricht dagegen der manuellen Regelung: Die Größe ad (auch als
Regeldifferenz oder Regelfehler bezeichnet) wird vom aufmerksamen Fahrer ständig ermittelt
und über die Lenkung zur Bahnkorrektur herangezogen, so dass ad (t) stets in der Nähe von
Null bleibt. Bei der hier betrachteten Regelung spricht man von einer Festwertregelung, da
asoll = const. ist.
Typisch für eine Regelung ist also das Auftreten eines geschlossenen Wirkungskreislaufs, was
bedeutet, dass die vom Regler zu beeinflussende Aufgabengröße, hier aist (t), laufend erfasst
und zur Korrektur herangezogen wird. Das ist auch das wesentliche Merkmal einer Regelung!

Wind

asoll ad aist
✲ ❥ ✲ Gehirn ✲ Arm ✲ Kfz ✉ ✲
Lenkung

Augen ✛

MENSCH MASCHINE
Abbildung 1.3: Blockschaltplan einer manuellen Regelung (Mensch-Maschine-System)

Der geschlossene Wirkungskreislauf zeigt sich deutlich im sog. Geräte-Blockschaltplan der oben
beispielhaft skizzierten Regelung, vgl. Abb. 1.3. Hierin spielt der mit “Augen” bezeichnete Block
eine besondere Rolle, da er die Rückführung der Aufgabengröße auf den Eingang der Regelungs-
anordnung bewirkt. Blockschaltpläne oder Strukturpläne bauen sich aus den Teilsystem-Blöcken
auf, die die Ursache-Wirkungsbeziehungen der Teilsysteme beschreiben; die gerichteten Kanten
sowie Summations- und Verteilstellen beschreiben die Wechselwirkungen zwischen den Teil-
systemen. Eine genaue Definition der Elemente von Blockschaltplänen folgt in Kapitel 2. Der
Nutzen von Blockschaltplänen liegt u.a. darin, auch komplexe Systemzusammenhänge zu ver-
anschaulichen.

12
Den Blockschaltplan der oben behandelten manuellen Steuerung erhält man aus Abb. 1.3 da-
durch, dass die Rückführung der Regelgröße über die Augen entfällt und damit nur die Wir-
kungskette, d.h. der Vorwärtszweig der Regelung Gehirn – Arm – Kfz/Lenkung übrig bleibt.
Regelung ist selbstverständlich stets ein dynamischer Vorgang: Änderungen bei den Eingangs-
oder Störgrößen eines Regelkreises lösen – infolge der natürlichen Trägheit physikalischer Sys-
teme – bei den Ausgangsgrößen einen Einschwingvorgang aus. In Abb. 1.4 ist qualitativ das
typische Einschwingen der Abstandsdifferenz ad (t) auf eine sprunghafte Änderung der Störgröße
Seitenwind“ gezeigt. Im Gegensatz zur manuellen Steuerung gelingt es jedoch dem geübten

Fahrer bei manueller Regelung das Fahrzeug auch bei Störungen auf oder zumindest in der
Nähe der Sollspur zu halten und seinen Kurs zu stabilisieren.

S e ite n w in d s tä r k e

a d (t)
t

Abbildung 1.4: Einschwingvorgang der manuellen Regelung bei sprunghafter Veränderung der
Störgröße

Daraus kann die allgemeine Schlussfolgerung gezogen werden, dass im Falle wesentlicher un-
vorhersehbarer Störungen oder bei Vorliegen einer von Natur aus instabilen Regelstrecke eine
Regelung einer Steuerung offenbar überlegen ist. Eine Regelung hat jedoch dann, wenn sie
nicht richtig ausgelegt und dimensioniert ist, auch gewisse Probleme: ihr Verhalten kann selbst
instabil werden. Dies wäre im Beispiel sicher dann der Fall, wenn ohne Wissen des Fahrers das
gewohnte Übersetzungsverhältnis zwischen Lenkrad- und Vorderachsenstellung des Fahrzeuges
massiv verändert würde. Erst nach einem Lernvorgang – mit möglicherweise unerfreulichen
Zwischenergebnissen – wäre der Fahrer wieder in der Lage, die Regelungsaufgabe stabil und
zufriedenstellend durchzuführen.

1.3.2 Automatische Regelung

Für die gleiche Fahrzeugregelungsaufgabe lässt sich natürlich heute auch ein automatisches
Regelungssystem konzipieren, das die bereits oben herausgearbeiteten relevanten Fähigkeiten
des Menschen ersetzen muss:

• Die Funktion der Augen kann ein CCD-Kamera-basierter Sensor mit schneller Bildverar-
beitung übernehmen, der an der Fahrzeugvorderseite schräg nach unten blickend ange-
bracht ist. Im einfachsten Falle lässt sich durch Auswertung einer einzigen Bildzeile ein
Maß ∆ für den gesuchten Regelfehler ad bestimmen, vgl. Abb. 1.5.
• Die Funktion der menschlichen Arme, also die Aktorik, kann ein mit der Lenkung verbun-
dener Stellmotor übernehmen.

13
Kamerabild

s s ausgewertete Bildzeile

D ad

Spurmitte Bildmitte
(entspricht Sollwert asoll) (entspricht Istwert aist)

Abbildung 1.5: Bestimmung der Regeldifferenz ad aus Kamerabild

• Die Informationsverarbeitung des Gehirns übernimmt ein (automatischer) Regler. Ihm


kommt dabei die Aufgabe zu, aus der Regeldifferenz eine geeignetes Stellsignal für die
Lenkung zu erzeugen. Gesichtspunkte und Vorgehensweisen für die Reglerauslegung wer-
den im Rahmen der Vorlesungen RS1, RS2 und Dynamische Systeme auf der Grundlage
analytischer Methoden behandelt, während die weiterführende Vorlesung Computational
Intelligence auch auf den Einsatz wissensbasierter Methoden, wie etwa Fuzzy-Techniken,
eingeht.

Den resultierenden Blockschaltplan der konzipierten automatischen Regelung zeigt Abb. 1.6.
Erwartungsgemäß entspricht er weitgehend dem Blockschaltplan der manuellen Regelung. Bei
geeignet gewählter Reglerstruktur und -parametrierung erfüllt die automatische Regelung die
gleiche Funktion wie die manuelle Anordnung.

Wind

asoll ad aist
✲ ❥ ✲ Regler ✲ Stell- ✲ Kfz ✉ ✲
motor Lenkung

CCD-Kamera + ✛
Bildverarbeitung

Abbildung 1.6: Konzept einer automatischen Spurmittenregelung im Blockschaltplan

Eine automatische Steuerung ist durch Verzicht auf die Kamera realisierbar; ihre Funktion wäre
im vorgestellten Beispiel allerdings ebenso unzureichend wie die Funktion der besprochenen
manuellen Steuerung.

14
1.3.3 Allgemeine Beschreibung von Regelungsanordnungen

Die bisher anhand eines Beispiels eingeführten Begriffe und Strukturen können nun leicht ver-
allgemeinert und ergänzt werden.

F ü h ru n g s g rö ß e S te llg r ö ß e S tö rg rö ß e n

H a n d /A u to m a tik -
z A u fg a b e n g rö ß e
S c h a lte r u z 2
z
M 1 3

w e R e g e ls tr e c k e R e g e ls tr e c k e y A
R e g le r A k to r u S
(P ro z e s s ) y (P ro z e s s )
- u R u T e il 1 T e il 2
y '
W ir k u n g s k r e is la u f

R e g e l-
d iffe r e n z
y R e g e lg r ö ß e
S e n s o r
R e g e lu n g s e in r ic h tu n g

n ie d r ig e s h o h e s
E n e r g ie n iv e a u

Abbildung 1.7: Grundelemente eines Regelkreises

Grundbausteine von Regelkreisen

Abb. 1.7 zeigt als Blockschaltbild den Aufbau eines allgemeinen einschleifigen Regelkreises aus
seinen Grundbausteinen zusammen mit den gebräuchlichen Signalbezeichnern:

• Führungsgröße w: Sollvorgabe für die Aufgabengröße, die es durch den Regler einzuhalten
gilt.
• Regeldifferenz e: Im Idealfall hält der Regler diese Größe stets bei Null; dies ist ein Haupt-
ziel jeder Regelung.
• Stellgröße uS : Eingang des zu regelnden Systems, im weiteren auch als Regelstrecke oder
Prozess bezeichnet. Stellgrößen werden durch Aktoren erzeugt; sie bewirken auch die
Signalwandlung von niedrigem auf hohes Energieniveau innerhalb der Regelschleife.
• Aktoreingang u: Eingangsgröße des Stellgliedes oder Aktors, die aus der Ausgangsgröße
des Reglers uR (Automatikbetrieb) bzw. eines manuellen Stellelementes uM (manueller
Betrieb) hervorgeht.
• Aufgabengröße yA : Die eigentlich zu beeinflussende Größe; im betrachteten Beispiel der
physikalische Abstand vom Fahrbahnrand.
• Regelgröße y: Die tatsächlich durch einen Sensor erfassbare Größe, die dem Regler zu-
geführt wird; y kann von yA mehr oder weniger stark abweichen. Im betrachteten Beispiel
stellte die von der Kamera angebotene Abstandsinformation ∆ die Regelgröße dar.

15
• Störgrößen zi : Nicht vorhersehbare und nicht beeinflussbare Größen, die an den verschie-
densten Punkten in der Regelschleife angreifen können.

Alle diese Größen sind im allgemeinen Funktionen der Zeit, wie z.B. w(t).

Typen von Regelungsaufgaben

Regelungen werden nach der Art des Führungsgrößenverlaufes unterschieden, so z.B. in

• Festwertregelung: w = const, zi = zi (t); z.B. Raumtemperaturregelung


• Folgeregelung: w = w(t), zi = const; z.B. Positionierung eines Schreib/Lesekopfes
• Mischformen: w = w(t), zi = zi (t); z.B. Kfz-Geschwindigkeitsregelung

Während bei Festwertregelungen ein schnelles und vollständiges Ausregeln der Störgrößen im
Vordergrund steht, sollen Folge- oder Servoregelungen für eine möglichst exakte Abbildung der
zeitvariablen Führungs- in die Regelgröße sorgen. Bei den in der Praxis häufig vorkommenden
Mischformen muss dementsprechend beiden Gesichtspunkten gleichermaßen Rechnung getragen
werden.
Neben den beiden oben genannten Basistypen von Regelungen existiert noch die Klasse der
Extremwert- und die Klasse der Grenzwertregelungen. Extremwertregelungen haben die Auf-
gabe der störungsunabhängigen Maximierung oder Minimierung einer Zielgröße, wie z.B. der
Empfangsleistung einer Satellitenantenne. Grenzwertregelungen sorgen für die Einhaltung von
Grenzwerten, so z.B. die Nichtüberschreitung oder -unterschreitung kritischer Spannungs- oder
Temperaturbeschränkungen.

Mehrfachregelungen

Die bisherigen Ausführungen dürfen nicht den Eindruck erwecken, dass sich regelungstechnische
Probleme immer auf die bisher vorgestellten einschleifigen Regelkreise reduzieren lassen. In der
Praxis sind häufig eine Vielzahl von sich zum Teil gegenseitig beeinflussenden Regelungen not-
wendig, um komplexe Funktionen wie etwa die Raumklimatisierung oder den stabilen Betrieb
eines elektrischen Energienetzes zu ermöglichen. Ein Beispiel aus dem Bereich der Chemietech-
nik zeigt Abb. 1.8; hier sind am gleichen stoffstrom-gekoppelten Prozess Temperatur- (TRC),
Füllstands- (LRC) oder Durchflussregler (FRC) neben Steuerventilen (V), Motoren (M), Pum-
pen (P) etc. im Einsatz. In allen diesen Fällen hat man es also mit Mehrfachregelungen und/oder
-steuerungen zu tun, deren Eigenschaften im Hinblick auf die ordnungsgemäße Gesamtfunktion
der Anlage sorgfältig aufeinander abzustimmen sind.

Qualitätsregelung

Die primäre Aufgabe einer Chemieanlage oder Ölraffinerie ist die Herstellung von Zwischen-
oder Endprodukten einer gewünschten Qualität, z.B. Konzentration oder Reinheit. Ähnliches
gilt für die VLSI Chip-Produktion, wo die auf den Wafern erzielte Filmdicke oder Linienbreite

16
Abbildung 1.8: Wirkschaltplan (Rohrleitungs-/Instrumentierungsfließbild) einer automatisier-
ten Chemieanlage

entscheidende Qualitätsgrößen darstellen. Die erzeugte Produktqualität wird jedoch von vie-
len intermediären Prozessparametern beeinflusst, so auch von den Regelgrößen yi , mit den
zugehörigen Führungsgrößen wi , der verschiedenen im Produktionsprozess verteilten Mehrfach-
regelungen. Können entscheidende momentane Qualitätsgrößen durch in die Produktströme
eingebaute (=in-situ) Analysatoren (=Komplexsensoren) online gemessen werden, dann lassen
sich diese Informationen zur automatischen Vorgabe oder Korrektur der momentanen, durch
ein Rezept festgelegten Führungsgrößen einsetzen. Hierdurch wird die mehrfachgeregelte Pro-
duktionsanlage durch einen überlagerten Qualitätsregelkreis, auch SQC oder SPC (=Statistical
Quality/Process Control) genannt, erweitert, Abb. 1.9. Dabei entsteht also eine hierarchisch
über der Basis-Regelungsschicht liegende zweite Regelungsebene, die hier die SQC-Aufgabe
wahrnimmt.

Qualitätsgröße SQC-
✲ ✛
Regler

Analysator w Analysator
✻ ▽ ✻

✉ ✲ geregelte ✉ ✲
Produktionsanlage
Eingangs- Ausgangs-
produktstrom produktstrom

Abbildung 1.9: Durch Qualitätsregler erweiterte mehrfachgeregelte Produktionsanlage

17
Hierarchische Regelungsstruktur

Derartige Regelungshierarchien spielen bei komplexeren Automatisierungsaufgaben, wie z.B.


in der Fahrzeug-, Roboter- oder Produktionstechnik, eine wichtige Rolle. Abb. 1.10 zeigt in
schematisierter Form eine solche aus drei Schichten oder Ebenen bestehende hierarchische
Steuerungs-/Regelungsstruktur, wobei rechts neben den durch allgemeine Begriffe charakte-
risierten Regelungsebenen die konkreteren, z.B. bei Fahrzeugproblemen, üblichen Funktionen
vermerkt sind. Man erkennt sofort, dass die jeweils überlagerte Regelungsebene die unterlager-
ten Schichten als abstrakten Prozess auffasst, von der sie verdichtete Informationen (=Regel-
größen) bezieht, diese im Sinne eines Reglers verarbeitet und in Vorgaben (=Führungsgrößen)
umwandelt.

Auftrag z.B. Fahre von München


nach Hamburg


Planung, Steuerungsebene 3:
Umplanung z.B. Wegeplanung, Navigation
✻verdichtete
Vorgabe
❄ Information
Führung, Steuerungsebene 2:
Optimierung z.B. Bahnregelung
Führungs- ✻verdichtete
größe ❄ Information
Steuerung, Steuerungsebene 1:
Regelung z.B. Lage-/Geschwindigkeitsregelung

Aktorsignale Sensorsignale

Prozessebene:
Prozess z.B. Fahrzeug

Abbildung 1.10: Schema einer dreischichtigen hierarchischen Steuerungs-/Regelungsstruktur

Gerätetechnische Aspekte von Regelungs- und Steuerungssystemen

Die entwickelten Steuerungs- und Regelungsstrategien müssen selbstverständlich auch praktisch


realisiert werden. Eine prinzipielle gerätetechnische Anordnung, wie sie zur Wahrnehmung von
Regelungs- und Steuerungsaufgaben für die in Abb. 1.8 skizzierte Anlage geeignet ist, zeigt
Abb. 1.11: Ein Rechner übernimmt die steuerungs- und regelungstechnische Verarbeitung des
mit Sensoren erfassten Regel- und Messgrößenvektors xM in den durch Aktoren umgesetzten
Stellgrößenvektor u. In örtlich verteilten Regelungen werden Sensoren, Regelrechner und Akto-

18
ren über Datenbussysteme, z.B. Feldbus, oder Datennetze, z.B. Internet, verbunden, was zu ver-
netzten Regelungsarchitekturen (networked control) führt. Die Kommunikation des Bedieners
mit der geregelten und gesteuerten Anlage erfolgt im Rahmen von Automatisierungsaufgaben
häufig über ein bildschirm-gestütztes Mensch-Maschine-Interface MMI.

A k to r e n ( S te llg lie d e r )
F ü h ru n g s g rö ß e n w D A W
S te llg r ö ß e n u A u fg a b e n -
R e g e lu n g s - g rö ß e n y A
B e d ie n e r u n d S tre c k e ,
S te u e ru n g s - M e s s g rö ß e nx M
P ro z e s s
fu n k tio n e n
M M I- F u n k tio n e n :
A D W
A n z e ig e g r ö ß e n a
B e d ie n u n g
B e o b a c h tu n g A u to m a tis ie r u n g s e in r ic h tu n g S e n s o r e n ( M e s s g lie d e r )
D o k u m e n ta tio n ( L e its y s te m , S P S , e tc .)

Abbildung 1.11: Implementierung von Regelungs- und Steuerungsfunktionen

Kapitel 11 beschäftigt sich eingehender mit Details der praktischen Implementierung, wobei
jedoch betont sei, dass die spezielle Realisierung nichts an der prinzipiellen Wirkungsweise
gemäß Abb. 1.7 ändert!

1.3.4 Regelungsaufgaben in der Informations- und


Kommunikationstechnik

Vielfältige Regelaufgaben stellen sich auch im Zusammenhang mit Systemen der modernen
Informations- und Kommunikationstechnik (IuK). Dazu sei beispielhaft das Problem der Über-
lastungsregelung in ATM (asynchronous transfer mode) Netzwerken betrachtet. ATM Netze
erlauben die integrierte Übertragung unterschiedlicher Verkehrstypen, wie Sprache, Bilder oder
Daten (Multimedia). Bei der diskontinuierlichen Weiterleitung (Datenpakete) des Datenstromes
r einer Quelle über kaskadierte ATM Switches (Knoten) hin zu einem Ziel besteht die Regel-
aufgabe die maximal zulässige Warteschlangenlänge lw im Switch zwar bestmöglich zu nutzen,
andererseits aber deren Überschreitung zu verhindern (Datenpaket-Verlust!). Diese Aufgabe
kann durch laufende, ggf. prädiktive, Beobachtung von lw (t) und geeignete Beeinflussung des
Quell-Datenstroms (Erhöhen, d.h. ∆r > 0 bzw. Drosseln, d.h. ∆r < 0) regelungstechnisch
gelöst werden, Abb. 1.12. Das übergeordnete Regelziel im ATM Netz ist ein gleichmäßiger,
hoher und sicherer Datenfluss.
In jüngster Zeit gewinnt die Anwendung von Regelungsprinzipien auch im Bereich Software
Engineering/Softwaretechnik eine wachsende Bedeutung. Im Zusammenhang mit der Robusti-
fizierung von Software entwickelt man hier selbststeuernde oder selbstadaptierende Software.
Dabei wird das – etwa im Rahmen einer Embedded System-Anwendung eingesetzte – Softwa-
resystem als Regelstrecke oder Prozess mit durch Trägheit bedingter Dynamik (endliche Pro-
grammlaufzeit) verstanden. Das Verhalten dieses Softwaresystems kann durch Steuergrößen
(Aktorfunktionalität) gezielt beeinflusst oder durch Störgrößen aus der Systemumgebung in der
Regel unvorhersehbar verändert werden. Eine Regler- oder Steuerungssoftware bestimmt nun

19
Datenpaket
Quelle ATM Switch
r0 rab
Warteschlangenlänge
❄ r ❄
❥ ✲ Daten- ✲ ❥ ✲ Warte- ✉ ✲
laufzeit rzu schlange

lw
∆r ′

Signal- ✛∆r ❥
Überlast- ✛ ✛
lw max
laufzeit regler

Abbildung 1.12: Überlastungsregelung in einem ATM Switch, r0 : Basisdatenstrom, rab : von


Switch abfließender Datenstrom

auf Grund von Kenntnissen über die aktuelle Störsituation bzw. auf der Basis aktueller Soft-
Messungen der Regel- oder Aufgabengröße, gekennzeichnet durch den sog. Quality of Service
(QoS) des Softwaresystems (Sensorfunktionalität), Steuereingriffe für die Anwendersoftware
so, dass diese wunschgemäß arbeitet (Führungsgröße). Damit liegt auf Software-Ebene eine
gemischte Steuerungs- bzw. Regelungsaufgabe vor. Anwendungen dieser Technik finden sich
u.a. im Rahmen der Steuerungssoftware autonomer Fahrzeuge, in der Online-Bildverarbeitung,
beim Betrieb intelligenter Antennen für den Mobilfunk, beim Datenbank-Management oder bei
der Lastverteilung in Rechner- und Prozessornetzen.

1.3.5 Steuerung und Regelung in nichttechnischen Systemen

Obwohl bisher überwiegend industrielle und technische Aufgabenstellungen betrachtet wurden,


sind die gleichen Regelungsmechanismen auch in nichttechnischen Anwendungsfeldern wirksam.
Hier sei beispielhaft aus dem Bereich biologischer Systeme erinnert an die Regelung und Sta-
bilisierung von Körpertemperatur, Blutzuckerspiegel oder des aufrechten Gangs. In diesem Zu-
sammenhang sei erwähnt, dass viele Krankheiten die Folge eines nicht korrekt funktionieren-
den biologischen Regelungssystems sind. Im übrigen sei angemerkt, dass ca. 90 Prozent aller
menschlichen Gene mit Sensor-, Aktor- und Feedback-Funktionen befasst sind.
Aus dem medizintechnischen Anwendungsbereich sei u.a. auf diverse Typen von Neuropro-
thesen hingewiesen, die wie Herzschrittmacher oder Systeme zur Funktionellen Elektrischen
(Muskel-)Stimulation (FES) Steuerungs- und Regelungssysteme für Menschen mit Behinderun-
gen darstellen. Letztere dienen der teilweisen Wiederherstellung von durch Querschnittslähmung
verlorengegangenen Bewegungsfunktionen oder etwa der Bekämpfung des Tremors von Parkin-
son-Patienten.
Aus dem Bereich ökologischer Systeme sind Populationsdynamiken zu nennen, wie etwa im
Zusammenhang mit dem Räuber/Beute-Problem. Marktmechanismen wie die Wechselwirkung

20
- Markt
- Vorjahresbilanz
- Vorjahr G u. V Unternehmensprozess
- Kosten-
situation Abteilungsprozess

r ✲ ❡✲ ✲ ❡✲
Top- ErfolgSoll Mittleres Erfolg∗Soll Unteres Erfolg∗∗
Manage- Manage- Manage- ✲
Soll Arbeits-
prozess
✲ ment ✻ ment ✻ ment

Berichte/Tabellen ✛

Berichte/Tabellen ✛
∆Erfolg
Kosten

❡✛
✛ ❄
ErfolgIst
Berichts- Rechnungswesen ✛
wesen z.B SAP R3 Leistungen
Controlling

Abbildung 1.13: Management und Controlling eines Unternehmens aus regelungstechnischer


Sicht

von Angebot und Nachfrage sowie die damit verbundenen Konjunkturzyklen sind ein Beispiel
für Regelungseffekte in sozioökonomischen Systemen.
Abb. 1.13 erklärt schließlich aus regelungstechnischer Sicht die Funktionen von Management
und Controlling in einem Unternehmen. Das Top-Management nimmt bei der Führung dynami-
scher Geschäftsprozesse Aufgaben des Planens, Bewertens, Optimierens und Steuerns wahr. Es
stützt sich dabei u.a. auf Erkenntnisse eines (sinnvollerweise strategisch orientierten) Control-
lings, das mit Hilfe des Rechnungswesens den monetären Erfolg (= Erlöse minus Kosten) des
Unternehmens ermittelt, diesen detailliert analysiert und im Rahmen des Berichtswesens Emp-
fehlungen für das Top-Management erarbeitet. Das betriebswirtschaftliche Controlling hat also
keine Steuerungs- oder Regelungsfunktionen, sondern Kontrollaufgaben. Mit Rechnungs- und
Berichtswesen bildet es den Rückführungszweig für den durch das Top-Management geschlossen
überlagerten Geschäftsregelkreis. Das Mittlere und Untere Management nimmt dagegen inner-
halb der unterlagerten, kaskadenartig verschachtelten (häufig nichtmonetären, z.B. stückzahl-
orientierten) Regelkreise auf Unternehmens- und Abteilungsebene Leitungs- bzw. Reglerfunk-
tionen wahr.
Dynamische Regelungsvorgänge laufen auch beim Portfolio-Management von Aktien/Renten-
Fonds ab. Dabei unterscheidet man passive und aktive Fonds-Management-Strategien, wobei
der Fonds-Manager die Aufgabe eines intelligenten Reglers wahrnimmt. Beim passiven Fonds-
Management besteht die grundsätzliche Zielvorgabe (Benchmark) darin, den sog. Tracking Error
(= Regeldifferenz e zwischen einem Referenzverlauf, wie etwa dem Dax-Wert, und der Wertent-
wicklung des gemanageten Fonds) durch laufende Anpassung der Portfolio-Zusammensetzung
zu Null zu machen oder zu minimieren. Diese Folgeregelungsstrategie entspricht einem ver-
gleichsweise konservativen Vorgehen, Abb. 1.14. Eine aktive Strategie versucht demgegenüber,
die Performance des Fonds zu maximieren (Extremwertregelung), d.h. seine Wertentwicklung
möglichst besser als die des Dax oder Dow-Jones-Index zu gestalten. Zur Wahrnehmung dieser
Aufgabe stützt sich der Fonds-Manager auf detaillierte Börsen- und Markt-Analyse-Instrumente,
die ihm diverse Indikatoren liefern. Als intelligenter Regler verarbeitet er diese Informationen
im Tages-, Stunden- oder auch Minuten-Rhythmus und trifft dabei Entscheidungen über die

21
aktuelle Portfolio-Zusammensetzung. Solche Regelungen haben verständlicherweise einen stark
stochastischen Charakter.

1.3.6 Universeller Charakter des Regelungsprinzips

Die ausgewählten Beispiele demonstrieren den universellen Charakter des Regelungsprinzips,


das auf zeitschritthaltender Prozessbeobachtung und gezielter Prozessbeeinflussung beruht und
offenbar unabhängig von speziellen Anwendungen und Einsatzfeldern ist. Diese Tatsachen erlau-
ben häufig ein gleichartiges mathematisch-methodisches Vorgehen im technischen wie im nicht-
technischen Bereich; dies ist schließlich auch eine der Motivationen für die schwerpunktsmäßig
formale Behandlung von Regelungs- und Steuerungsproblemen im Rahmen dieser Vorlesung.

1.3.7 Aktive und passive Steuerungen und Regelungen

Die bisher besprochenen technischen Regelungen setzten ausnahmslos den Einsatz aktiver Ele-
mente, wie Sensoren, Regler und Aktoren voraus. Ein Regelungsverhalten lässt sich aber auch in
manchen Fällen alleine mit passiven Mitteln erzielen. Beispiele sind die Pegelstandsbegrenzung
eines Stausees durch die Staumauer, das Thermostatventil am Heizkörper oder die automa-
tische Abdunklung des Brillenglases bei wachsender Umgebungshelligkeit. Im letztgenannten
Beispiel bedingten Materialeigenschaften den Regelungsvorgang. Das zukunftsträchtige Gebiet
der Adaptronik erforscht ähnliche materialbasierte Regelungs- und Steuerungs-Phänomene für
vielfältige Anwendungen im täglichen Leben, in der Medizin, Fahrzeugtechnik etc..

1.4 Ereignisdiskrete Steuerungen

Der Klasse der kontinuierlichen Steuerungen und Regelungen sollen nun ebenfalls anhand eines
einfachen Beispiels die Besonderheiten der wichtigen Klasse der ereignisdiskreten Steuerungen
gegenübergestellt werden.

technische/
mathematische Indikatoren
✲ Analyse
Markt-
veränderung, etc.


Dax- ❄ ❄ akueller
✲❡ r
wert e Fonds-Ma- Portfolio- Fondswert
Börsen- ✲ Dax-Be- ✲ nagement- ✲ Verän- ✲ Fonds ✲
kurse wertung
✻ Strategie derung
Fonds-Manager

Abbildung 1.14: Regelungsschema eines Portfolio-Managements, passive Fonds-Manage-


ment-Strategie

22
1.4.1 Abgrenzung zwischen kontinuierlichem und ereignisdiskretem
Systemverhalten

Während sich bei kontinuierlichen Systemen alle Variablen kontinuierlich über der Zeit verän-
dern, zeichnen sich ereignisdiskrete Systeme dadurch aus, dass sich ihr Zustand beim Auftreten
sog. Ereignisse sprunghaft ändert, vgl. Abb. 1.15.
Ereignisse

Zustand Nr.
Zustand

4
3
2
1

t t
kontinuierlich ereignisorientiert

Abbildung 1.15: Kontinuierliche und ereignisorientierte Systeme

Ereignisse können z.B. in kontinuierlichen Prozessen von Grenzwertgebersignalen ausgelöst wer-


den; so würde der momentane diskrete Systemzustand des Prozesses bei Eintreten des Ereig-
nisses Übergang“ (von Grenzwert noch nicht erreicht“ auf Grenzwert überschritten“) in den
” ” ”
Folgezustand wechseln. Es ist naheliegend, für ereignisdiskrete Strecken oder Prozesse auch
ereignisdiskrete Steuerungen einzusetzen.
Schließlich sei noch auf ein terminologisches Problem hingewiesen. Auch dann, wenn eine dis-
krete Steuerungsanordnungen von der Strecke ausgelöste Ereignisse mit in die Generierung der
diskreten Stellaktionen einbezieht (Wirkungskreislauf), spricht man dennoch nicht von ereig-
nisdiskreter Regelung, sondern von ereignisdiskreter Steuerung. Dies hängt damit zusammen,
dass – entsprechend dem konventionellen Verständnis – Regelung stets eine dauernde (konti-
nuierliche) Beobachtung der relevanten Streckenvariablen voraussetzt.

1.4.2 Ereignisdiskrete Steuerungsaufgabe

Als Beispiel für eine Ablaufsteuerungsaufgabe sei ein Rollenprüfstand (Bahn- oder Kfz-Technik)
betrachtet, der von einer ereignisdiskreten Steuerung nach einem Startsignal vom Stillstand auf
die Geschwindigkeit Ω0 hochgefahren (beschleunigt) werden soll, diese Geschwindigkeit dann
eine Zeit T halten soll, um danach wieder auf die Geschwindigkeit 0 abzufahren (verzögern).
Abb. 1.16 zeigt den qualitativen Verlauf des Soll-Geschwindigkeitsprofils für ein Prüfstandexpe-
riment mit den relevanten Ereignissen. Abb. 1.17 stellt das gewünschte Sollverhalten der Anlage
als Zustandstransitionsgraphen dar. Dabei wird der geforderte Steuerungsablauf durch die spe-
zifizierten Systemzustände (Kreise) und Zustandsübergänge (gerichtete Kanten) repräsentiert.
Selbstverständlich kann sich das gesteuerte System in jedem Zeitpunkt nur in jeweils einem
einzigen Zustand befinden.
Aus diesem Zustandstransitionsgraphen lässt sich mühelos die notwendige Steuerungsfunktion
ableiten. Dazu sind die Kanten lediglich mit den Übergangsereignissen zu beschriften, was be-
deutet, dass die ereignisdiskrete Steuerung nach Auftreten eines der Ereignisse in den nächsten

23
H o c h - A b -
S tills ta n d K o n s t. F a h rt S tills ta n d
fa h re n fa h re n
W
W > = W 0 t > = T
W 0

S ta r ts ig n a l W < = 0

0 t t

S ta r t e in e r U h r

Abbildung 1.16: Geschwindigkeitsprofil eines Rollenprüfstandexperimentes

Z u s ta n d W > = W 0
Z u s ta n d
H o c h fa h re n k o n s t. F a h rt

S ta r ts ig n a l t > = T

Z u s ta n d Z u s ta n d
S tills ta n d A b fa h re n
W < = 0

Abbildung 1.17: Zustandstransitionsgraph für das Sollverhalten des Rollenprüfstands

Zustand wechseln muss. Auf Details der Implementierung soll an dieser Stelle nicht näher einge-
gangen werden. Abb. 1.18 zeigt jedoch als Geräte-Blockschaltbild die zugehörige grundsätzliche
Steuerungseinrichtung inklusive der notwendigen Grenzwertabfragen und Stelleinrichtungen.

W > = W 0 ?
G re n z w e rt-
a b fra g e
S ta r ts ig n a l
W < = 0 ?

D is k r e te R o lle n - W
V o rg a b e W s o ll
S te u e ru n g p rü fs ta n d
B re m s e

t > = T
U h r

Abbildung 1.18: Blockschaltbild des ereignisdiskret gesteuerten Rollenprüfstands

24
1.5 Automatisierungssysteme

Ereignisdiskrete und kontinuierliche Steuerungen bilden wesentliche Grundbausteine zur Lösung


von Automatisierungsaufgaben. Sie stehen im Automatisierungssystem häufig in enger Wech-
selbeziehung. So erfolgt im Beispiel des Rollenprüfstandes durch die diskrete Steuerung eine der
Anwendungsaufgabe entsprechende Vorgabe von Sollwertverläufen Ωsoll (t) für eine unterlagerte
kontinuierliche Drehgeschwindigkeitsregelung.

1.6 Ziele der Vorlesung

Während der erste Teil dieser Vorlesung der Theorie kontinuierlicher Regelungen und Steue-
rungen gewidmet sein wird, geht der zweite Teil auf methodische Grundlagen zum Entwurf
ereignisdiskreter Steuerungen ein.
Dabei verfolgt die Vorlesung RS1 drei wichtige Teilziele:

• Vermittlung eines Grundverständnisses für zeitkontinuierliche und ereignisdiskrete Sys-


temdynamiken;
• Vermittlung von methodischen Grundlagen für Konzipierung und Entwurf von automati-
sierten, d.h. gesteuerten und geregelten, Systemen;
• Förderung des Verständnisses für die Bedeutung des Regelungsprinzips in hardware- und
software-technischen Systemen sowie in Systemen der Natur, Wirtschaft, Gesellschaft etc.

1.7 Schritte bei der systematischen Behandlung von


technischen Regelungs- und Steuerungsaufgaben

Zum Abschluss dieser Einführung sei noch kurz das prinzipielle Vorgehen beim Regelungs- und
Steuerungsentwurf skizziert. Dabei sind die nachfolgenden Schritte teilweise auch mehrfach,
also iterativ, zu durchlaufen:

• Qualitative Analyse der Regelungs- und Steuerungsaufgabe


• Festlegen der Regelungs- und Steuerungsarchitektur, inklusive Auswahl und Platzierung
von Sensoren und Aktoren in Regelstrecke oder Prozess
• Mathematische Modellbildung und experimentell-gestützte Kennwertermittlung (Identifi-
kation) zur Parametrierung der Teilsystemmodelle
• Modell- und rechnergestützte Analyse der Eigenschaften der Regelstrecke inklusive der
hinzugefügten Sensor- und Aktorsysteme
• Entwurf (Synthese) der Regelungs- und Steuerungsstrukturen und -gesetze gemäß Anfor-
derungen (Spezifikationen), z.B. im Hinblick auf Stabilität, statisches und dynamisches
Verhalten, Robustheit gegenüber Parameteränderungen, Kosten etc.

25
• Implementierung der entworfenen Regelungs-, Steuerungs- und Filtergesetze durch Hard-
ware und Software
• Simulation, Test, Validierung der Gesamtanordnung
• Inbetriebnahme und Fine-Tuning

Bei vielen dieser Schritte bieten Entwurfswerkzeuge, wie etwa das in Anhang A.4 beschriebene
MATLAB/SIMULINK inkl. Toolboxen, eine wesentliche Unterstützung.
Die aufgelisteten Punkte stellen bereits eine grobe Gliederung der nachfolgend im Detail be-
handelten Themen dar.

26
2 Modellbildung, Linearisierung und
lineare Systeme

2.1 Modellbildung

Wie im ersten Kapitel erläutert kommen Systeme, für die Regelungen entworfen werden, aus
den verschiedensten Bereichen. Anwendungen der Regelungstechnik findet man bei elektro-
nischen Systemen, verfahrenstechnischen Systemen, mechatronischen Systemen, thermischen
Systemen, usw.
Trotz der Unterschiedlichkeit der Anwendungsbereiche haben diese Systeme eine Gemeinsam-
keit. Es handelt sich um Systeme, deren Zustand sich mit der Zeit verändert, sog. dynamische
Systeme. Ziel der Regelung ist die Beeinflussung des Prozessablaufs im System.
Durch eine mathematische Modellierung der physikalischen, technischen oder chemischen Zu-
sammenhänge, meist durch Bilanzgleichungen für physikalische Energie, kann das Verhalten der
Systeme mit Hilfe von Differentialgleichungen beschrieben werden. Beispielsweise erhält man
die Differentialgleichung eines mechanischen Systems durch die Bildung eines Kräftegleich-
gewichts. Differentialgleichungen elektronischer Systeme werden mit Hilfe der Kirchhoffschen
Knoten- und Maschenregeln bestimmt und Differentialgleichungen von Informationssystemen
oft durch Erhaltungsgleichungen.
Durch die Modellierung sind nun also Anwendungen in unterschiedlichen Bereichen in einer
einheitlichen mathematischen Form, durch Differentialgleichungen, beschrieben.
Um die Werkzeuge der Regelungstechnik vielseitig anwenden zu können, einigt man sich wei-
terhin auf Standardnotationen für dynamische Systeme. Damit kann man Regelungsstrategien
und die zugehörige Theorie für einen Notationstyp entwickeln und dann beliebig auf äquiva-
lente Systeme in anderen Notationen übertragen. In den folgenden Abschnitten wird das Zu-
standsraummodell und die Darstellung im Laplacebereich als sogenannte Übertragungsfunktion
eingeführt.
Beispiel: Stab-Wagen System (1)
Für einen auf einem Wagen oder Schlitten drehbar gelagerten, aufrecht stehenden Stab mit einer
konzentrierten Masse m im Abstand l vom Drehpunkt, vgl. Abb. 2.1, diene als Steuergröße die
eingeprägte Fußpunktbeschleunigung by ; Störgröße sei das (aerodynamische) Moment MStör .
Anwenden des Drallsatzes um das Drehzentrum führt unter Vernachlässigung von Kreiselmo-
menten zu
ml2 ϕ̈ = mgl sin ϕ + ml cos ϕ by + MStör
Drehbeschl. = Gravitations- + Steuermoment + Stör-
moment moment moment

27
Abbildung 2.1: Regelstrecke aufrecht stehender Stab“

Einfaches Umformen liefert die nichtlineare Differentialgleichung 2. Ordnung
g 1 1
ϕ̈ = sin ϕ + cos ϕ by + 2 MStör (2.1)
l l ml
Mit ω := ϕ̇, ω̇ := ϕ̈ lässt sich die Differentialgleichung zweiter Ordnung in ein
Differentialgleichungs-System erster Ordnung umformen:

ϕ̇ = ω
g 1 1 (2.2)
ω̇ = sin ϕ + cos ϕ by + 2 MStör
l l ml
Differentialgleichung (2.1) und Differentialgleichungssystem (2.2) sind äquivalente Beschreibun-
gen desselben Systems. Im nächsten Abschnitt wird Gl. (2.2) als Zustandsdifferentialgleichung
des Systems definiert. 

2.2 Zustandsbeschreibung dynamischer Systeme

2.2.1 Vorbemerkung

Zustandsbeschreibungen dienen zunächst der modellmäßigen Beschreibung dynamischer Syste-


me. In diesem Zusammenhang sind folgende Begriffe von Bedeutung.
Ein System repräsentiert die relevanten funktionellen Aspekte einer technischen oder nicht-
technischen Anordnung bzw. der darin ablaufenden dynamischen Prozesse.
Das Systemmodell beschreibt diese Abläufe mathematisch modellhaft und bildet damit die
Grundlage zur Systemanalyse und -synthese.
Ein System entsteht durch geeignete Abgrenzung aus seiner Systemumgebung. Das System
steht ausschließlich über den Eingangsgrößenvektor u und den Ausgangsgrößenvektor y mit der
Systemumgebung in Verbindung, Abb. 2.2.
Ein System mit statischem Systemverhalten wird durch den funktionellen Zusammenhang zwi-
schen den Variablen u und y beschrieben. Zur korrekten Beschreibung eines dynamischen Sys-
temverhaltens wird zusätzlich der die Speicherwirkung eines Systems repräsentierende System-
zustandsvektor x benötigt.

28
Systemumgebung

Eingangsvektor Ausgangsvektor
❍ ✏✏
❍❍
❍❍ System ✏✏✏

❍ ✏✏


u X y

❜ ❜


✧ ✧

x
❈❖



Systemzustandsvektor

Abbildung 2.2: Abgrenzung eines dynamischen Systems Σ aus der Systemumgebung

2.2.2 Zustandsbeschreibung zeitkontinuierlicher Systeme

Definition: (Systemzustand)
Der Systemzustand x ist die (kleinste) Menge von Zahlen (= Zustandsvariablen), die zu einem
Anfangszeitpunkt t0 spezifiziert sein müssen, um bei vorgegebener Eingangsgröße u(t), t ≥ t0 ,
die dynamische Entwicklung des gesteuerten Systems, d.h. x(t), t ≥ t0 , eindeutig beschreiben
zu können. 
Beispiel:
Eine elektrische Spule mit der Induktivität L stellt ein einfaches dynamisches System dar.
Als Folge einer angelegten Spannung uL (t) fließt der Strom iL (t), was modellhaft durch die
Beziehung
Zt
1
iL (t) = uL (τ )dτ
L
−∞

beschrieben werden kann. Da jedoch die Vorgeschichte des Stromflusses durch die Spule bis
zum Zeitpunkt t0 , wo unser Interesse am Systemverhalten üblicherweise beginnt, nicht bekannt
ist, wird das Integral in zwei Teilintegrale aufgespalten:
Zt0 Zt Zt
1 1 1
iL (t) = uL (τ )dτ + uL (τ )dτ = iL (t0 ) + uL (τ )dτ (2.3)
L L L
−∞ t0 t0

Der Wert des ersten Summanden kann durch den in der Regel bekannten Anfangswert iL (t0 )
des Stromes ersetzt werden, während der zweite Summand die eigentlich interessierende Ent-
wicklung des Stromes für t > t0 beschreibt. iL ist dabei die Systemzustandsgröße. Alternativ
kann die Modellbeschreibung auch in der Form der aus (2.3) folgenden Differentialgleichung 1.
Ordnung erfolgen, d.h.
d 1
iL (t) = uL (t), iL (t0 ) = iL,0
dt L


29
Wie findet man nun ganz allgemein bei der Modellbildung die Zustandsvariablen eines Systems?
Hierzu lassen sich folgende Faustregeln angeben. In physikalischen Systemen repräsentieren Zu-
standsvariable deren Energiezustand, was im Beispiel durch den Strom iL (t) erfolgte. Bei nicht-
physikalischen Systemen sind Zustandsgrößen häufig Bestandsvariable, wie etwa die Anzahl von
Computern in einem Warenlager. In abstrakten Systemen sind es diejenigen Größen, die etwas
über den Speicherzustand des Systems aussagen.
Als Ergebnis einer mathematischen Systemmodellierung erhält man in der Regel Sätze von
Differentialgleichungen 1. Ordnung (gelegentlich auch von 2. Ordnung) und von algebraischen
Gleichungen. Sie können im Falle konzentriert-parametrischer Systeme, also von Systemen de-
ren Komponenten (Massen, Induktivitäten etc.) keine Ortsabhängigkeit aufweisen, in folgende
Zustandsbeschreibung überführt werden:

ẋ = f (x,u,t)
y = g(x,u,t) (2.4)
mit x(t0 ) = x0 , x ∈ IRn , u ∈ IRr , y ∈ IRq , t ∈ IR

Die Zustandsgleichungen bestehen also aus einem Satz von n gewöhnlichen Differentialgleichun-
gen 1. Ordnung, die das aktuelle interne und die Vorgeschichte einschließende Systemverhalten
erfassen und einem Satz von q Ausgangsgleichungen y, die das interessierende externe Verhalten
beschreiben. Beide zusammen definieren mit den nichtlinearen, zeitvarianten Funktionenvekto-
ren f (.) und g(.) ein nichtlineares zeitvariantes System. Bei physikalischen Systemen bestimmt
die Anzahl der unabhängigen Energiespeicher die Systemordnung n. Mit (2.4), den bekannten
Anfangswerten x(t0 ) = x0 und vorgegebenen Eingangsgrößenverläufen u(t), t ≥ t0 , lässt sich
der Verlauf der Modellvariablen x(t) und damit y(t) berechnen; beide sind hier ausschließlich
Funktionen der unabhängigen Zeitvariablen t.
Beispiel: Stab-Wagen-System (2)
Die Differentialgleichung für das Stab-Wagen-System

ϕ̇ = ω
g 1 1 (2.5)
ω̇ = sin ϕ + cos ϕ by + 2 MStör
l l ml

 T  T
kann mit dem Zustandsvektor x = ϕ ω , dem Systemeingang u = by MStör und dem
Messwert y = ϕ geschrieben werden als:

  " #
f1 (x) ω
ẋ = f (x,u) = = g 1 1
f2 (x,u) sin ϕ + cos ϕ by + 2 MStör
l l ml
y = g(x) = ϕ

30
2.2.3 Zustandsbeschreibung linearer zeitkontinuierlicher Systeme

Ein regelungstechnisch wichtiger Spezialfall von (2.4) ist das lineare Zustandsmodell. Linearität
eines Systemes bedeutet, dass das wichtige Superpositions-Gesetz gilt, kurz
λ1 u1 (t) + λ2 u2 (t) =⇒ λ1 y 1 (t) + λ2 y 2 (t) ,
wenn u1 und u2 Eingangsgrößen bezeichnen, y 1 und y 2 die entsprechenden Ausgangsgrößen
und λ1 , λ2 beliebige skalare Werte annehmen. Die allgemeine Darstellung eines linearen Zu-
standsmodells ist:
ẋ = Ax + Bu
(2.6)
y = Cx + Du

Man nennt Systeme mit mehreren Eingangs- und Ausgangsgrößen Mehrgrößen- oder MIMO-
Systeme (=Multiple Input Multiple Output). Systeme mit nur einem Eingang und einem Aus-
gang werden Eingrößensysteme genannt. Diese werden als SISO-Systeme (=Single Input Single
Output) abgekürzt. Die Vorlesung RS1 beschäftigt sich im wesentlichen mit der Theorie der
linearen SISO-Systeme:
ẋ = Ax + bu
(2.7)
y = cT x + du

Es gelten für den SISO- bzw. MIMO-Fall folgende Bezeichnungen und Vereinbarungen:
x ∈ IRn Zustandsvektor
A ∈ IRn×n Systemmatrix
u ∈ IR, u ∈ IRr Eingangsgrößenvektor, z.B. Steuer- und/oder Störgrößen
b ∈ IRn , B ∈ IRn×r Eingangsmatrix
y ∈ IR, y ∈ IRq Ausgangsgrößenvektor, z.B. Mess- und/oder Regelgrößen
c T
∈ IRn , C ∈ IRq×n Ausgangsmatrix
d ∈ IR, D ∈ IRq×r Durchschaltmatrix

Sind die Matrizen A, B, C und D bzw. ihre Elemente zeitvariabel, z.B. A(t) = [aij (t)], so liegt
ein lineares zeitvariantes (LTV-) System vor. Im Falle konstanter Matrizen hat man es dagegen
mit der Zustandsbeschreibung eines linearen zeitinvarianten (LTI-) Systems zu tun. Zeitinvari-
anz impliziert die Verschiebungseigenschaft, was besagt, dass ein System auf Anregungen u(t)
immer gleich reagiert, unabhängig davon, zu welchem Zeitpunkt die Anregung tatsächlich aufge-
schaltet wird. Die Vorlesung RS1 beschränkt sich in großen Teilen auf die Behandlung linearer,
zeitinvarianter Systeme. Die Vorlesung Dynamische Systeme (Wintersemester) beschäftigt sich
dann intensiver mit der Regelung nichtlinearer Systeme, die im Allgemeinen schwieriger zu
handhaben sind.

2.3 Linearisierung eines zeitinvarianten nichtlinearen


Zustandsmodells
Oft werden nichtlineare Reglerentwurfprobleme durch Linearisierung der nichtlinearen Dynamik
und Anwendung linearer Reglerentwurfsverfahren gelöst. Häufig reicht hierbei die Kenntnis des

31
xi ✻
∆xi (t) x∗i (t) + ∆xi (t)
....................
.... ❅ ......
....... ......
.... ..
......... .... x∗i (t)
❅✻
....
... ..... ..... ..
.
... ... .
..
. ..
.. ................................................................................. ..... ...
.. ....... ......... .... ......
.. .... .................... ....................
.. ..
....
......
..


t

Abbildung 2.3: Linearisierung um eine bekannte Referenzlösung x∗ (t)

Kleinsignalverhaltens eines Systems aus, dessen Großsignalverhalten sich allgemein durch ein
zeitinvariantes nichtlineares System der Form

ẋ = f (x,u),
(2.8)
y = g(x,u)

beschreiben lässt.

2.3.1 Linearisierung um eine allgemeine Referenzlösung

Für ein zeitinvariantes nichtlineares System der Form (2.8) liege eine Referenzlösung

x∗ (t), y ∗ (t), u∗ (t), t ≥ 0 (2.9)

vor, die als eine vorausberechnete Lösung aus dem Großsignalverhalten des Systems verstanden
werden kann. Zur Herleitung des linearisierten Kleinsignalverhaltens, welches in Abbildung 2.3
illustriert wird, wird (2.8) durch eine Taylorreihe um die Referenzlösung entwickelt. Mit dem
aus Groß- und Kleinsignal zusammengesetzten Systemzustand x(t) = x∗ (t) + ∆x(t) folgt:

ẋ∗ (t) + ∆ẋ(t) = f (x∗ (t) + ∆x(t), u∗ (t) + ∆u(t))


   
∗ ∗ ∂fi ∂fi
= f (x (t),u (t)) + ∆x(t) + ∆u(t) + R(∆x2 (t),∆u2 (t))
∂xj (x∗ (t),u∗ (t)) ∂uj (x∗ (t),u∗ (t))
(2.10)

Bei der Bildung dieser Reihe wird mehrfach von der Funktional- oder Jacobi-Matrix von f (.)
Gebrauch gemacht. Es gilt:

 
∂f1 ∂f1
   ... 
df (x)  ∂x1 ∂xn 
∂fi .. ..
= =
 . . 
 f ∈ IRn , x ∈ IRn (2.11)
∂xj dx  
∂fm ∂fm
...
∂x1 ∂xn

32
Vernachlässigt man in beiden Reihen die nichtlinearen Restglieder, d.h. R(∆x2 (t),∆u2 (t)) ≈ 0,
dann folgt für das auf die Referenz (x∗ (t),u∗ (t)) bezogene Kleinsignalmodell
   
∂fi ∂fi
∆ẋ = ∆x + ∆u,
∂xj (x∗ (t),u∗ (t)) ∂uj (x∗ (t),u∗ (t))
. (2.12)
   
∂gi ∂gi
∆y = ∆x + ∆u
∂xj (x∗ (t),u∗ (t)) ∂uj (x∗ (t),u∗ (t))

Ergebnis der Linearisierung des zeitinvarianten, nichtlinearen Systems ist im allgemeinen ein
lineares, zeitvariantes (LTV) System, das nach entsprechenden Ersetzungen der Funktionalma-
trizen durch A(t), B(t), C(t), D(t) die Standardform
   
∂fi ∂fi
∆ẋ = A(t)∆x + B(t)∆u, A(t) = , B(t) =
∂xj (x∗ (t),u∗ (t)) ∂uj (x∗ (t),u∗ (t))

   
∂gi ∂gi
∆y = C(t)∆x + D(t)∆u, C(t) = , D(t) =
∂xj (x∗ (t),u∗ (t)) ∂uj (x∗ (t),u∗ (t))
(2.13)
annimmt.

2.3.2 Linearisierung um eine Ruhelage

Eine spezielle Referenzlösung mit großer praktischer Bedeutung in der Regelungstechnik ist die
Ruhelage x∗ , u∗ , für die gilt

ẋ∗ ≡ 0 ⇐⇒ f (x∗ ,u∗ ) ≡ 0 .

Das Kleinsignalverhalten ergibt sich analog zu vorherigem Kapitel aus der Taylorreihenentwick-
lung von f (x,u) und g(x,u) unter Vernachlässigung nichtlinearer Glieder. Analog zu (2.13)
ergibt sich das linearisierte Modell des Kleinsignalverhaltens um eine Ruhelage zu
   
∂fi ∂fi
∆ẋ = A∆x + B∆u, A= , B=
∂xj (x∗ ,u∗ ) ∂uj (x∗ ,u∗ )
. (2.14)
   
∂gi ∂gi
∆y = C∆x + D∆u, C= , D=
∂xj (x∗ ,u∗ ) ∂uj (x∗ ,u∗ )

Durch die Unabhängigkeit der Ruhelage von der Zeit ist dieses System im Gegensatz zu (2.13)
zeitinvariant.
Anmerkung:
Geht aus dem Zusammenhang hervor, dass es sich bei (2.13) oder (2.14) um ein Kleinsignal-
modell handelt, so wird zur Vereinfachung der Schreibweise das Symbol ∆ häufig unterdrückt.


33
Beispiel: Stab-Wagen-System (3) Das Differenzialgleichungssystem des Stab-Wagen-
Systems ist nach (2.5):

ϕ̇ = ω
g 1 1
ω̇ = sin ϕ + cos ϕ by + 2 MStör
l l ml

Nach Anwenden des oben vorgestellten Verfahrens ergibt die Linearisierung des Systems um
einen beliebigen Ruhepunkt:
(ϕ0 , by0 )

∆ϕ̇ = 
∆ω 
g 1 1 1
∆ω̇ = cos ϕ0 − sin ϕ0 by0 ∆ϕ + cos ϕ0 ∆by + 2 ∆MStör
l l l ml

Für die Matrizen A und B folgt daraus


   
0 1 0 0
 
A=  B= 1 1 
g 1
l
cos ϕ0 − sin ϕ0 by0 0
l cos ϕ0
l ml2

Wählt man die vertikale Stabstellung als Ruhelage, so gilt: ϕ0 = 0, ω0 = 0, by0 = 0 und
MStör,0 = 0. Einsetzen führt zu

∆ϕ̇ = ∆ω
g 1 1
∆ω̇ = ∆ϕ + ∆by + 2 ∆MStör
l l ml

Dieses Modell ist, was für linearisierte Systeme typisch ist, nur in einem recht engen Bereich
um den Arbeitspunkt hinreichend genau (z.B. ±10 ◦ ). 

34
2.4 Darstellungen von LTI-SISO-Systemen

Für allgemeine nichtlineare dynamische Systeme wurden Differentialgleichungen und die Zu-
standsbeschreibung als Modellierungsform eingeführt. Die Klasse der LTI-SISO Systeme erlaubt
eine weitere Darstellung mittels Übertragungsfunktionen, siehe Abb. 2.4. Die Umwandlung der
Darstellungsformen wird im Folgenden behandelt.

Lineare Differentialgleichung n-ter Ordnung


(n) (n−1) (m)
an y +an−1 y + . . . + a0 y = bm u + . . . + b0 u








Zustandsraummodell Übertragungsfunktion
ẋ = Ax + bu Y (s)
y = cT x + du G(s) =
U(s)

Abbildung 2.4: Äquivalente Darstellungen für LTI-SISO Systeme

2.4.1 Übertragungsfunktion

Die Übertragungsfunktion eines LTI-Systems ist definiert als das Verhältnis des Systemausgangs
Y (s) zum Systemeingang U(s) im Laplace-Bereich:
Y (s)
G(s) = .
U(s)
Die Elemente der Theorie der L-Transformation werden als bekannt vorausgesetzt, jedoch
werden die wesentlichen Schritte in Erinnerung gerufen:
Die Laplace-Transformierte X(s) einer Funktion x(t) im Zeitbereich ist definiert als
Z∞
X(s) = x(t)e−st dt .
0

Man notiert oft auch L{x(t)} = X(s) oder auch x(t) ◦−−−• X(s). Wichtige Korrespondenzen
der Laplace-Transformation sind im Anhang in Tabelle A.2 zu finden. Von besonderer
Bedeutung sind die Linearität und der Differentiationssatz:

Linearität:
L{x(t) + y(t)} = X(s) + Y (s)

35
Differentiationssatz:
1. Ordnung: L{ẋ(t)} = sX(s) − x(t0 )
 n 
d x(t) n n−1 n−2 dn−1 x(t0 )
n. Ordnung: L = s X(s) − s x(t0 ) − s ẋ(t0 ) − . . . −
dtn dtn−1

Übertragungsfunktion einer linearen Differentialgleichung n-ter Ordnung

Für die Laplace-Transformation einer allgemeinen Differentialgleichung n-ter Ordnung gilt unter
Zuhilfenahme der Linearität und des Differentiationssatzes:
dn y(t) dn−1 y(t) dm u(t)
an +an−1 + . . . +a0 y(t) = bm + . . . +b0 u(t) ◦−−−•
dtn dtn−1 dtm
an sn Y (s) +an−1 sn−1 Y (s) + . . . +a0 Y (s) = bm sm U(s) + . . . +b0 U(s)
(2.15)
wobei y(t0) = 0, ẏ(t0 ) = 0, . . ., u(t0 ) = 0, u̇(t0 ) = 0, . . . ohne Beschränkung der Allgemeinheit
(o.B.d.A.) angenommen wurde. Daraus ergibt sich die Übertragungsfunktion als:

Y (s) bm sm + bm−1 sm−1 + . . . + b0


G(s) = = .
U(s) an sn + an−1 sn−1 + . . . + a0
Nur Systeme, für die m ≤ n gilt, sind kausal, also physikalisch realisierbar. Für m = n spricht
man von Systemen mit Durchgriff. Der Ausgang wird in diesem Fall direkt vom Eingang beein-
flusst.

Übertragungsfunktion der Zustandsbeschreibung

Analog zur Differentialgleichung n-ter Ordnung kann auch die Zustandsdarstellung


ẋ = Ax + Bu
y = Cx + Du
Laplace(L)-transformiert werden. Abweichend zur Differentialgleichung n-ter Ordnung wird
hier jedoch ein MIMO-System betrachtet, wobei das SISO-System im Anschluss als Sonderfall
behandelt wird. Mit der Korrespondenz ẋ(t) ❞ tsX(s)−x(t0 ) lassen sich folgende algebraische
Zusammenhänge herstellen (E ist die Einheitsmatrix):
sX(s) − x(t0 ) = AX(s) + BU (s)
Y (s) = CX(s) + DU(s)
bzw.
X(s) = (sE − A)−1 x(t0 ) + (sE − A)−1 BU (s)
Y (s) = CX(s) + DU(s)
Da für die Bestimmung der Übertragungsfunktion nicht das Einschwingen von einem gegebenen
Anfangswert interessiert, sondern die Systemantwort auf den Eingangsvektor, wird wieder per
Definition x(t0 ) = 0 gesetzt. Nach Einsetzen von X(s) in die Ausgangsgleichung folgt als
Zusammenhang zwischen dem Ausgang Y (s) und dem Eingang U (s):
Y (s) = {C(sE − A)−1 B + D}U(s) = G(s) U (s)

36
daraus folgt
G(s) = {C(sE − A)−1 B + D} (2.16)

Man bezeichnet G(s) = [Gij (s)] als q × r Übertragungsfunktionsmatrix eines MIMO-Systems,


wobei das Element Gij (s) der Übertragungsfunktion vom Eingang j zum Ausgang i entspricht.
Im Sonderfall q = r = 1 folgt aus (2.16) die Übertragungsfunktion eines SISO-Systems

G(s) = {cT (sE − A)−1 b + d} (2.17)

G(s) kann auch alternativ berechnet werden als:


" #
sE − A −b
det
cT d
G(s) =
det(sE − A)

Beispiel: Stab-Wagen-System (4)


Das um die Ruhelage linearisierte Zustandsmodell des Stab-Wagen-Systems ist
       
∆ϕ̇ 0 1 ∆ϕ 0 0 ∆by
= +
∆ω̇ g/l 0 ∆ω 1/l 1/ml2 ∆MStör
∆y(t) = ∆ϕ(t)

Es gilt also    
0 1 0 0
A= B=
g/l 0 1/l 1/ml2
C = [1 0] D = [0 0]
 −1  
−1 s −1 0 0
G(s) = {C · (sE − A) B + D} = [1 0]
−g/l s 1/l 1/ml2
    
1 s 1 0 0 1/l 1/ml2
= [1 0] 2 = 2
s − g/l g/l s 1/l 1/ml2 s − g/l s2 − g/l
Die erste Komponente von G(s) beschreibt die Abhängigkeit des Ausgangs y(t) = ∆ϕ(t) vom
Eingang ∆by . Die zweite Komponente beschreibt die Abhängigkeit des Ausgangs y(t) = ∆ϕ(t)
von der Störung ∆Mstör .
Es gilt
1/l 1/ml2
∆ϕ(s) = · ∆by (s) + · ∆Mstör (s) .
s2 − g/l s2 − g/l


Darstellungsformen von Übertragungsfunktionen

Man unterscheidet verschiedene äquivalente Darstellungsformen von Übertragungsfunktionen

37
a) Übertragungsfunktion in Polynomform
Transformation einer anfangswertfreien Differentialgleichung (siehe (2.15)) mit den Ko-
effizienten aν und bµ in den L-Bereich, führt auf die Übertragungsfunktion
m
X
bµ sµ
Y (s) µ=0 Z(s)
G(s) = = n = .
U(s) X N(s)
aν sν
ν=0

Insbesondere sei auf den einfachen Zusammenhang zwischen den Koeffizienten der rech-
ten und der linken Seite der Differentialgleichung und den Koeffizienten des Zähler- und
Nennerpolynoms, Z(s) bzw. N(s) von G(s) hingewiesen.
b) Übertragungsfunktion in Linearfaktorform
Zerlegung der Polynome in ihre Linearfaktoren liefert
m
Y
(s − qµ )
µ=1 bm
G(s) = Q n , Q=
Y an
(s − pν )
ν=1

Die qµ sind die m Wurzeln von Z(s) bzw. die Nullstellen von G(s); die pν die n Wurzeln
von N(s) bzw. Pole von G(s). Sind alle qµ verschieden von allen pν , dann sind Zähler
und Nenner teilerfremd; man spricht von einer teilerfremden Übertragungsfunktion. Da
die Lage der Pol- und Nullstellen von G(s) in der s-Ebene wichtige Schlussfolgerungen zur
Systemdynamik zulässt, ist die Linearfaktorform eine häufig verwendete Darstellungsart
von Übertragungsfunktionen.
c) Übertragungsfunktion in Zeitkonstantenform
Insbesondere im Falle reeller und von Null verschiedener Pole und Nullstellen erweist sich
die Zeitkonstantenform als nützlich
m
Y
(1 + Tv, µ s)
µ=1 b0 1 1
G(s) = K n , K= , Tv, µ = − , Tν = −
Y a0 qµ pν
(1 + Tν s)
ν=1

d) Übertragungsfunktion in Partialbruchform
Im Falle von Einfachpolen führt die Partialbruchzerlegung von G(s) auf
n
X kν
G(s) = k0 + = k0 + G+ (s) ,
ν=1
s − pν

38
bm
wobei k0 = 6= 0 sofern m = n gilt. Die reellen oder komplexen kν lassen sich mittels
an
Koeffizientenvergleich oder mit Hilfe der Residuenformel berechnen


kν = [(s − pν ) · G (s)]
+
, ν≥1
s=pν

Im Falle m = n geht G+ (s) aus G(s) durch Abspaltung des ganzen Anteils k0 (Polynomdi-
vision) hervor. Wir werden im Zusammenhang mit der Berechnung von Systemantworten
auf die Werte kν zurückgreifen.

Beispiel: Äquivalente Systemrepräsentationen


Y (s) 2s − 1 (s − 0,5) −1 3
G(s) = = 2 =2 = +
U(s) |s {z
+ s} (s − 0)(s − (−1)) |s − 0 {z s + 1}
| {z }
Polynomform Linearfaktorform Partialbruchform

2.4.2 Zustandsraummodell

Die Systemmatrix A, der Eingangsvektor b und der Ausgangsvektor c des linearen Zustands-
raummodells
ẋ = Ax + bu, x(t0 ) = x0
(2.18)
y = cT x + du
lassen sich aus einer Differentialgleichung n-ter Ordnung herleiten.

Zustandsraummodell einer Differentialgleichung n-ter Ordnung

Gegeben ist eine lineare Differentialgleichung n-ter Ordnung mit konstanten Koeffizienten
dn y(t) dn−1 y(t) dm u(t)
an + an−1 + . . . + a0 y(t) = bm + . . . + b0 u(t)
dtn dtn−1 dtm
wobei m ≤ n (Kausalität). Wir beschränken uns zuerst auf eine lineare Differentialgleichung
n-ter Ordnung mit m = 0. O.B.d.A. wird an = 1 angenommen. Für eine Differentialgleichung
mit an 6= 1 kann die Differentialgleichung mittels Division durch an umgeformt werden:
dn y(t) dn−1 y(t)
+ an−1 + . . . + a0 y(t) = b0 u(t)
dtn dtn−1
Die Zustände dieser Differentialgleichung werden im Zustandsvektor x zusammengefasst.
   
x1 y
 x2   ẏ 
  1  
x =  ..  :=  .. 
. 
b0  .  
(n−1)
xn y

39
Differenziert man den neu eingeführten Zustandsvektor x und setzt die Differentialgleichung
n-ter Ordnung ein, so gilt:
   
ẏ x2
 ÿ   .. 
1 
 
 . 
.
ẋ =  .  =  
.
b0    xn 
(n)
y −a0 x1 − a1 x2 − . . . − an−1 xn + u

Man erhält also das Zustandsraummodell


 
0 1 0 0 ··· 0  
 0 0 1 0 ··· 0  0
 
 0 0 0 1 ··· 0   .. 
   
ẋ =  .. .. .. .. .. ..  x + . u
 . . . . . .  0
 
 0 0 0 0 ··· 1  1
−a0 −a1 −a2 −a3 · · · −an−1
 
y = b0 0 ... 0 x (2.19)
Bisher wurde m = 0 angenommen. Für 0 < m < n verändern sich nur die Ausgangsgleichungen
(2.19) des Zustandsraummodells zu
 
y = b0 b1 . . . bm 0 . . . 0 x
Für m = n spricht man von sprungfähigen Systemen und die Ausgangsgleichung lautet:
 
y = b0 − a0 bn b1 − a1 bn . . . bn−1 − an−1 bn x + bn u .
Das Zustandsraummodell ist hier in Regelungsnormalform. Aus dieser Form kann sowohl die
lineare Differentialgleichung n-ter Ordnung als auch die Übertragungsfunktion direkt mit Hilfe
der Koeffizienten aν und bµ abgelesen werden. Neben der Regelungsnormalform existieren noch
weitere äquivalente Darstellungen des Zustandsraummodells.

Darstellungsformen von Zustandsraummodellen

Die unterschiedlichen Darstellungsformen von Zustandsraummodellen ergeben sich aus einer


Koordinatentransformationen des Zustandsvektors x. Über die lineare Zustandstransformation
x = T −1 x, T ∈ IRn×n , regulär, d. h. T −1 existiert,
e
kann (2.18) in die transformierte Form
x = |T −1
ė x + T −1 b u,
{zAT} e e(t0 ) = T −1 x0
x
| {z }
Ae eb
y = cT T e x + du
|{z}
ecT
übergeführt werden. Ein wichtiger Spezialfall ist die kanonische Normalform, die zu einer Ent-
kopplung des Systems führt. Häufig wird auch die Regelungsnormalform und die Beobachtungs-
normalform verwendet.

40
a) Kanonische Normalform
Bei der Transformation des Zustandsmodells in die kanonische Normalform wählt man T
derart, dass der Ausdruck T −1 AT eine Diagonalmatrix ist:
 
T = v1 v 2 . . . vn
 
λ1 0 · · · 0
 0 λ2 · · · 0 
−1  
T AT = diag(λi ) =  .. .. . . .. 
. . . .
0 0 · · · λn
Dabei sind λi die Eigenwerte und v i die Eigenvektoren der Systemmatrix A. Das Zu-
standsmodell in kanonischer Normalform lässt sich damit schreiben als
ẋk = diag(λi )xk + bk u, xk (t0 ) = xk,0
y= cTk xk + du

mit bk = T −1 b, cTk = cT T und xk (t0 ) = T −1 x0 .


Die kanonischen Zustandsvariablen sind im Allgemeinen keine physikalisch interpretierba-
ren Größen, sondern reine Rechengrößen. Der Nutzen dieser Transformation liegt in der
Entkoppelung des Systems, d. h. die homogene Differentialgleichung des transformierten
Systems kann in n voneinander unabhängige skalare Differentialgleichungen zerlegt
werden.

b) Regelungsnormalform
Das Zustandsmodell in Regelungsnormalform hat die bereits gezeigte Form
ẋR = AR xR + bR u, xR (t0 ) = xR0
y= cTR xR + du
mit  
0 1 0 ··· 0  
  0
 0 0 1 ··· 0  0
 .. .. .. .. ..   
AR =  . . . . .  , bR =  .. 
  .
 0 0 0 ··· 1 
1
−a0 −a1 −a2 · · · −an−1
und
 
cTR = b0 −bn a0 b1 −bn a1 . . . bn−1 −bn an−1
d = bn

Zur Transformation eines beliebigen Systems in Regelungsnormalform bildet man zur


Berechnung der Transformationsmatrix TR zunächst die sogenannte Steuerbarkeitsmatrix
(englisch: controllability matrix)
 
QC = b Ab A2 b . . . An−1 b .

41
Die Regelungsnormalform existiert nur dann, wenn QC regulär ist, was impliziert, dass
das System (A,b) vollständig steuerbar ist. Steuerbarkeit wird in Abschnitt 5.4 definiert
und diskutiert. Die letzte Zeile von Q−1
C ist
 
q TC = 0 0 . . . 0 1 Q−1 C .

Damit berechnet sich TR zu:


 −1
q TC
 T 
 qC A 
 
TR =  T 2 
 qC A 
 . 
 .. 
q TC An−1
Bei einem System in Regelungsnormalform beeinflusst die Eingangsgröße nur die letz-
te Zustandsvariable xRn direkt, was für den Reglerentwurf Vereinfachungen ermöglicht.
Ein weiterer Vorteil der Regelungsnormalform ist die Ablesbarkeit des charakteristischen
Polynoms, bzw. des Nenners der Übertragungsfunktion an der letzten Zeile der Matrix
AR :
det[λI − AR ] = λn + an−1 λn−1 + . . . + a1 λ + a0

c) Beobachtungsnormalform
Das Zustandsmodell in Beobachtungsnormalform hat die Form
ẋB = AB xB + bB u, xB (t0 ) = xB0
y= cTB xB + du
mit  
0 0 · · · 0 −a0  
1 0 · · · 0 −a1  b0 − bn a0
   b1 − bn a1 
0 1 · · · 0 −a2   
AB =   , bB =  .. 
 .. .. . . .. ..   . 
. . . . . 
bn−1 − bn an−1
0 0 · · · 1 −an−1

und cTB = 0 0 . . . 1 , d = bn . Zur Berechnung der Transformationsmatrix TB berech-
net man zunächst die sogenannte Beobachtbarkeitsmatrix (englisch: observability matrix)
 T 
c
 T 
 c A 
 
QO =  cT A2 

 . 
 .. 
cT An−1
Die Beobachtungsnormalform existiert nur dann, wenn QO regulär ist, was gleichbedeu-
tend mit der Beobachtbarkeit des Systems (A,c) ist. Bezeichnet man die letzte Spalte
von Q−1
O mit q O  
0
 .. 
.
q O = Q−1
O  
0
1

42
berechnet sich TB zu:  
TB = q O Aq O . . . An−1 q O

Bei dem Vergleich der Regelungs- mit der Beobachtungsnormalform ergeben sich folgende
Zusammenhänge:
AR = ATB , b R = cB , cR = b B

2.5 Blockschaltpläne

Eine anschaulichere Möglichkeit zur Systembeschreibung linearer und nichtlinearer Systeme


sind Blockschaltpläne. Eine Verfeinerung des Blockschalt- oder Strukturplanes in elementa-
re mathematische Operationen wird auch als Signalflussplan bezeichnet. Im mathematischen
Blockschaltplan werden die einzelnen Teilsysteme durch Blöcke repräsentiert, die mittels ge-
richteter (Signal-) Kanten zum behandelten Gesamtsystem verknüpft werden. Mathematische
Blockschaltpläne verdeutlichen also sehr gut die topologische Struktur und die physikalisch-
technischen Zusammenhänge in einem System.

2.5.1 Symbole des Blockschaltplans

Ein Blockschaltplan ist ein gerichteter Graph, dessen Kanten Signalgrößen symbolisieren, die
folgende Typen von Knoten verbinden:
• Signalverzweigung, Abb. 2.5

y1

u
✲✉ ✲ y2
❅ y1 = y2 = y3 = u


❅ y3

Abbildung 2.5: Signalverzweigungsstelle

• Verallgemeinerte Additionstelle, Abb. 2.6

u1

u2❅

❅ y
✲ ❥ ✲
y = u1 + u2 − u3

u3

Abbildung 2.6: Verallgemeinerte Additionsstelle

Ist eine zum Kreis gerichtete Pfeilspitze nicht mit + oder − gekennzeichnet, so gilt dafür
die Operation + als vereinbart.

43
• Linearer Übertragungsblock
Abb. 2.7 zeigt das Symbol eines linearen zeitinvarianten Übertragungsblockes für den
SISO-Fall. Der Block wird bei Betrachtungen im Zeitbereich durch eine das entsprechende
Teilsystem beschreibende lineare Differentialgleichung bezeichnet, im L-Bereich hingegen,
mit der zugehörigen Übertragungsfunktion G(s). Der Übersichtlichkeit halber werden die
Signalgrößen in Blockschaltbildern nicht mit den jeweiligen Argumenten t oder s versehen;
diese ergeben sich in der Regel aus dem jeweiligen Kontext.

lineare Differentialgleichung oder Übertragungsfunktion G(s)

u y
✲ ✲
Y (s) = G(s)U(s)

Abbildung 2.7: Linearer zeitinvarianter SISO-Übertragungsblock

• Nichtlinearer, statischer Übertragungsblock


Zur Unterscheidung werden nichtlineare Übertragungsblöcke in Blockschaltplänen durch
zweifache Umrahmung oder speziellere Blocksymbole, wie in Abb. 2.8, dargestellt.

u2

u y u1 y
✲ f (.) ✲ ✲ ❅ ✲
y(t) = f (u(t)) ❅ y(t) = u1 (t) · u2 (t)

Abbildung 2.8: Allgemeiner nichtlinearer Übertragungsblock und Multiplizierblock

Mit Hilfe dieser Konstrukte lassen sich durch Blockschaltpläne sehr allgemeine Systemzusam-
menhänge repräsentieren. Allerdings bestehen bei der Aufstellung von Blockschaltplänen gewisse
Freiheiten; die daraus erwachsenden Konsequenzen werden später diskutiert.

2.5.2 Blockschaltbildalgebra

Wir werden Blockschaltbilder bzw. Signalflusspläne als wichtiges und mächtiges Werkzeug zur
Systemrepräsentation kennenlernen, insbesondere dann, wenn Teilsystemblöcke durch die Über-
tragungsfunktionen beschrieben werden.
Allerdings ist auch der umgekehrte Weg von Interesse, nämlich aus einem gegebenen Block-
schaltplan Zusammenhänge zwischen Ein- und Ausgangsgrößen zu ermitteln. Hierzu muss ein
Blockschaltplan mit Methoden der Blockschaltbildalgebra schrittweise so umgeformt werden,
dass die gesuchte Übertragungsfunktion direkt abgelesen werden kann. Für diese Umformungen
bedient man sich folgender Beziehungen zur Zusammenfassung typischer Grundstrukturen.

44
• Serienschaltung: Schaltungen vom Typ Abb. 2.9 lassen sich zu einem Block mit der
Übertragungsfunktion
Q
G(s) = i Gi (s)

zusammenfassen.

u ✲ ✲ ✲
y

Gi−1 (s) Gi (s) Gi+1 (s)

Abbildung 2.9: Serienschaltung von Übertragungsblöcken

• Parallelschaltung: Parallel geschaltete Blöcke wie in Abb. 2.10 sind (rechnerisch) äqui-
valent zu einem Block mit
P
G(s) = Gi (s)
i

✲ Gi (s)
u ✲✉ ❄ y
❥ ✲

✲ Gi+1 (s)

Abbildung 2.10: Parallelschaltung von Übertragungsblöcken

• Kreisstruktur: Für Kreistrukturen gemäß Abb. 2.11 lässt sich die Beziehung ablesen

Y (s) = Gv (s)(U(s) ∓ Gr (s)Y (s))

woraus nach kurzer Zwischenrechnung folgt

Y (s) Gv (s)
G(s) = =
U(s) 1 ± Gv (s)Gr (s)

Das Minuszeichen an der Additionsstelle in Abb. 2.11 bezeichnet den für die Regelungs-
technik besonders interessanten Fall der Gegenkopplung, während das Pluszeichen eine
Mitkopplung charakterisiert. Das Produkt Gv (s) · Gr (s) = G0 (s) wird Übertragungsfunk-
tion des offenen/aufgeschnittenen Kreises genannt. Von der Formel für Kreisstrukturen
werden wir häufigen Gebrauch machen.

Weitere Regeln zur Umformung von Blockschaltbildern sind im Anhang A.3 gegeben.

45
Vorwärtszweig
✟✟

u ✲ ❥ ✲ ✉ ✲
y
Gv (s)
∓ ✻

Gr (s) ✛
❍❍
❍ Rückführzweig

Abbildung 2.11: Kreisstruktur: −“ Gegenkopplung, +“ Mitkopplung


” ”
Beispiel: Stab-Wagen-System (5)
Zur Erinnerung ist hier nochmal die Linearisierung der Stab-Wagen-Dynamik angegeben.
∆ϕ̇ = ∆ω
g 1 1
∆ω̇ = ∆ϕ + ∆by + 2 ∆MStör
l l ml
Es lässt sich für das System aus obigen Gleichungen der in Abb. 2.12
R skizzierte Signalflussplan
entwickeln. Dabei ist der Operator der Integration im Zeitbereich (.)dt dem Integrationsope-
1
rator im L-Bereich äquivalent.
s

∆by ∆ω̇ Z ∆ϕ̇ = ∆ω Z ∆ϕ


✲ 1 ✲ ❥ ✲ (.)dt ✲ (.)dt ✉ ✲
l ✕ ❆
✁ ❑
✁ ❆
✁ ❆
∆MStör ✁ ❆ g
✲ 1 ✁ ❆ ✛
ml2 l

Abbildung 2.12: Kleinsignal-Signalflussplan des Stab-Wagen-Systems

Mit Hilfe der eingeführten Blockschaltbildalgebra lässt sich aus diesem Signalflussplan leicht
folgender Übertragungsfunktionszusammenhang entnehmen,
1/l 1/ml2
∆ϕ(s) = ∆by (s) + ∆MStör (s) ,
s2 − g/l s2 − g/l
der auch schon in Abschnitt 2.4.1 bestimmt worden war.
Nachdem das Stab-Wagen-System jetzt vollständig modelliert ist, kann man beginnen, ein
Regelungskonzept zu überlegen.
Der Systemeingang ∆by kann zur Beeinflussung des Systems genutzt werden. Die Idee der
Regelung ist also, den Wagen so geschickt zu beschleunigen, dass der Stab die aufrechte Position
erreicht und sie beibehält. Formal ausgedrückt ist das Regelungsziel ∆ϕsoll = 0. Es steht eine
Messgröße ∆ϕist zur Verfügung, und damit kann nach jeder Messung überprüft werden, ob das
Regelziel erreicht wurde, also ob gilt e = ∆ϕsoll − ∆ϕist = 0.

46
Zusätzlich gibt das Vorzeichen des Regelfehlers e an, ob sich der Stab im Moment rechts oder
links der aufrechten Position befindet.
Die intuitivste Idee zur Regelung des Systems ist also, den Wagen nach rechts zu beschleunigen,
wenn der Stab rechts der aufrechten Position ist, und umgekehrt.
Formal wählt man
∆by = K(∆ϕsoll − ∆ϕist ) .
Hier stellen sich einige Fragen, die im Laufe der Vorlesung beantwortet werden:
• Wie groß ist K zu wählen?
• Schafft man es mit dieser Methode, den Stab aufrecht zu halten?
• Gibt es noch bessere Regler?

2.6 Beispiel: Verteiler-Verbraucher-System

Exemplarisch für ein Verteiler-Verbraucher-System wird hier eine Wasserstandregelung in einem


3-Tank-System betrachtet. Gegeben sind drei Wassertanks, deren Zu- und Abläufe miteinander
verbunden sind, wie in Abbildung 2.13 dargestellt. Für jeden der drei Tanks gilt, dass eine
Veränderung der Füllhöhe des Wassers proportional zur Differenz aus Zu- und Ablaufmenge ist.
Man spricht von einem Erhaltungsgesetz. Auch in anderen Anwendungen sind Erhaltungsgesetze
die Grundlage für die Modellbildung. Man denke sich die physikalische Größe Wassermenge“

ersetzt durch Datenmenge“ in Kommunikationsnetzen, Warenbestand“ in Logistiksystemen
” ”
oder Fahrzeuganzahl“ in Verkehrsnetzen.

Basierend auf den Erhaltungsgleichungen für die Wassermenge wird zuerst ein nichtlineares
Zustandsraummodell des Tanksystems hergeleitet. Ziel ist die Regelung der Füllhöhe des dritten
Tanks, also die gezielte Steuerung oder Regelung der Größe x3 .

✄ ❅
❅✻
u
x1


✄ ❅

x2


✄ ❅

x3


✄ ❅
❅✻

Abbildung 2.13: Verteiler-Verbraucher System

47
2.6.1 Modellbildung

Für ein System aus drei Tanks ist der Systemzustand x der Vektor der drei Füllhöhen der Tanks,
also  
x1
x = x2  .

x3
Die Ausgangsgröße y des Systems ist der Wasserstand des dritten Behälters y = x3 und
beeinflusst werden soll dieser Wasserstand durch den Zufluss in den ersten Behälter, der mit
u bezeichnet wird. Die Strecke kann also durch drei Zustände charakterisiert werden und hat
einen Eingang und einen Ausgang, es handelt sich um ein SISO-System.
Für jeden der drei Tanks (i = 1,2,3) gilt die Gleichung
dxi (t)
Ai = pzu,i (t) − pab,i (t).
dt
Es ist dabei Ai die Querschnittsfläche eines Tanks, pzu,i die zugelaufene Wassermenge und pab,i
die abgelaufene Wassermenge des Tanks i. Im Einzelnen gilt:
Wassertank 1: Durch den Zulauf in den oberen Tank ist das System von außen zu beeinflussen,
die Zulaufmenge pzu,1(t) ist gleich der Eingangsgröße u. Die Ablaufmenge pab,1 (t) kann durch
das Gesetz von Toricelli beschrieben werden:
p
pab,1 (t) = k1 2gx1 (t)
Es läuft mehr Wasser ab, je höher der Wasserstand des Tanks ist, da der Druck am Auslauf
mit steigender Wasserhöhe wächst. k1 ist hier eine Konstante des Ventils und g die Gravitati-
onskonstante. Somit gilt:
1 p
ẋ1 (t) = (u(t) − k1 2gx1 (t)).
A1

Wassertank 2: Die Zulaufmenge in den zweiten Tank ist gleich der Ablaufmenge des ersten
Tanks. Die Ablaufmenge des zweiten Tanks wird wieder durch das Toricelli-Gesetz beschrieben:
1 p p
ẋ2 (t) = (k1 2gx1 (t) − k2 2gx2 (t)).
A2

Wassertank 3: Analog wird die beschreibende Gleichung für den dritten Wassertank geschrie-
ben als
1 p p
ẋ3 (t) = (k2 2gx2 (t) − k3 2gx3 (t)).
A3

Zusammengefasst ist das nichtlinearere Zustandsraummodell der Strecke 3-Tank-System:


 p 
1
   (u − k1 2gx1) 
ẋ1  1 A1p p 
ẋ2  =  (k1 2gx1 − k2 2gx2 ) ,

 A2 
ẋ3  1 p p 
(k2 2gx2 − k3 2gx3 )
A3

48
 
x1
y = [0 0 1] x2  .

x3

2.6.2 Stationäre Lösung

Es wird nun untersucht, wann das Wassertanksystem sich in einem stationären Gleichgewicht
befindet. Dafür wird ein konstanter Zufluss u = u∗ angenommen. Aus den drei Bedingungen
ẋ1 = 0, ẋ2 = 0 und ẋ3 = 0 folgt für den Gleichgewichtszustand (x∗1 , x∗2 , x∗3 )
p p p
u∗ = k1 2gx∗1 = k2 2gx∗2 = k3 2gx∗3 .

Die Interpretation ist einfach: die Zuflussmenge u∗ muss genau der Abflussmenge k3 2gx∗3 ent-
sprechen und damit müssen auch die inneren Zu- und Abflüsse dieser Wassermenge entsprechen,
um das System im Gleichgewicht zu halten.

2.6.3 Linearisierung

Befindet sich das System während des normalen Betriebs immer nahe einer Gleichgewichtssi-
tuation, so kann das Systemverhalten durch das Kleinsignalverhalten approximiert werden. Die
Linearisierung um den Gleichgewichtspunkt (x∗1 , x∗2 , x∗3 , u∗ ) lautet
 k2 g 
  − 1
A u ∗ 0 0   1
∆ẋ1  1  ∆x1
 k2 g  A1
∆ẋ2  =  1 ∗ − k22 g∗ 0  ∆x2  +  0  ∆u
 A2 u A2 u 
∆ẋ3   ∆x3 0
k22 g k32 g
0 A 3 u∗
− A 3 u∗
 
  ∆x1
∆y = 0 0 1 ∆x2 
∆x3

2.6.4 Eigenschaften der Strecke

Die Systembeschreibung ist damit abgeschlossen und es stellt sich die Frage, welche Eigen-
schaften die Strecke hat. Was passiert zum Beispiel, wenn durch eine Ventilstörung eine Weile
zuviel Wasser zufließt oder das Wasser aus einem der Tanks nicht richtig abgeflossen ist? Solche
Fragen werden im Rahmen der Systemstabilität diskutiert werden.

2.6.5 Regelung

Ein intuitiver Ansatz zur Regelung des Systemausgangs y = x3 auf einen Sollwert ysoll ist, den
Zufluss u proportional zur Regeldifferenz ysoll − y zu wählen. Später wird untersucht, wann eine
derartige Reglerstruktur geeignet ist und welche anderen Möglichkeiten es für die Auslegung des

49
Reglers gibt. Auch soll untersucht werden, wie sich Parameteränderungen auf das Verhalten des
geschlossenen Regelkreises auswirken und wie ein Regelkreis auf externe Störungen reagiert.

2.7 Beispiel: Regelung eines Gleichstrommotors

2.7.1 Grundkonzeption der Drehgeschwindigkeitsregelung

Betrachtet sei die Aufgabe, die Drehgeschwindigkeit Ω eines permanent erregten Gleichstrom-
motors auf einen beliebigen Wert in den Grenzen −ΩM ≤ Ω ≤ +ΩM einstellen und auf
diesem Wert konstant halten zu können. Der Motor sei durch eine Drehmasse Jl und ein varia-
bles Brems- oder Lastmoment Mb (t) (Störgröße) belastet. Diese steuerungstechnische Aufgabe
kann durch eine Drehgeschwindigkeitsteuerung bzw. -regelung gelöst werden.
Abb. 2.14 zeigt den Wirkschaltplan einer Drehgeschwindigkeitssteuerung, die aus weitgehend
rückwirkungsfreien (energetisch entkoppelten) Modulen konzipiert ist.

Zr
-U
V
w Ze
W M
ist b
0 -
+
+ F=
-u u ua const
w R Jl
+U
V
Wirkungskette

Sollwertgeber Vorverstärker Transistorsteller Motor Last

Abbildung 2.14: Drehgeschwindigkeitssteuerung des Gleichstrommotors

Die grundsätzliche Funktion der skizzierten Steuerungsanordnung ist leicht zu erklären: Ent-
sprechend der gewählten Stellung des Potentiometerabgriffes w (Sollwertgeber) stellt sich eine
Motordrehgeschwindigkeit Ω ein. Bei einer Änderung w(t) wird jedoch Ω(t) – als Folge der
Trägheit von Motor und Schwungmasse – nur verzögert folgen, sodass sich erst nach Abklingen
eines Einschwingvorganges ausgehend von Ω1 der neue stationäre Endwert Ω2 einstellen wird,
vgl. Abb. 2.15. Ein fester, z.B. proportionaler, Zusammenhang zwischen w und Ω wird allerdings
nur dann vorliegen, wenn das Bremsmoment eine feste Größe ist. Ein variables Mb (t) wird
dagegen bei w = w2 zu mehr oder weniger großen Abweichungen vom gewünschten Wert Ω2
führen, womit eine wesentliche Spezifikation der Steuerungsaufgabe verfehlt wird.
Bei der Drehgeschwindigkeitsregelung gemäß Abb. 2.16 wird von dem im Stab-Wagen-Beispiel
diskutierten Rückführungsprinzip Gebrauch gemacht und der Motor als Funktion von Ωsoll und
Ωist angesteuert. Dazu wird die Anordnung aus Abb. 2.14 um einen Drehgeschwindigkeits-
sensor (Tachogenerator) erweitert. Der Operationsverstärker bildet nun die Differenz zwischen
Tachospannung uT ∼ Ωist und Sollwertgeberspannung uw ∼ Ωsoll und erzeugt damit eine
Differenzspannung ud = uw − uT , die der Regeldifferenz Ωd = Ωsoll − Ωist proportional ist.

50
stationärer Zustand
w2
W2
w(t)

W(t)
w1
W1

Einschwingvorgang t

Abbildung 2.15: Einschwingvorgang im Steuerungssystem

Zr
-U
V
w Ze

0 -
+ +
Ze +
-u u u ua
w T R
+U
V Wirkungskreislauf

Sollwertgeber Regler Stellglied/Aktor Strecke Sensor

Abbildung 2.16: Drehgeschwindigkeitsregelung des Gleichstrommotors

Bei korrekter Auslegung und Parametrierung des Reglers wird diese Regelungsanordnung nun
versuchen, ud und somit auch Ωd unabhängig vom variablen Bremsmoment Mb und anderen
Störgrößen zu Null auszuregeln, d.h.

lim Ωd (t) ≈ 0
t→∞

zu machen. Damit ist zumindest das stationäre Regelungsziel erfüllt. Im Allgemeinen stellt
man jedoch auch Anforderungen an das dynamische Regelkreisverhalten, also das Einschwingen
der Regelgröße Ωist (t), sei es nun als Folge einer Änderung von Führungs- oder Störgrößen.
Diese Forderungen müssen selbstverständlich ebenfalls bei Reglerauswahl und -parametrierung
mitberücksichtigt werden, worauf in späteren Kapiteln genauer einzugehen sein wird.
Unser erstes Ziel ist jedoch die Entwicklung eines Systemmodells für die Regelungsanordnung
aus Abb. 2.16. Hierzu grenzt man zunächst im skizzierten Wirkschaltplan überschaubare Teil-
systeme wie Strecke, Regler mit Sollwertgeber, Aktor und Sensor ab, entwickelt für diese Teil-
systemmodelle und baut diese schließlich zu einem die Gesamtanordnung beschreibenden Ge-
samtmodell zusammen.

51
ia Ra, La, Ja
Jl
F = const

ua ug +
Mb (t)
Mm , W(t)

Abbildung 2.17: Teilsystem Regelstrecke Gleichstrommotor

2.7.2 Systemmodell für Regelstrecke Gleichstrommotor

Zur Modellierung des Teilsystems Gleichstromotor im Rahmen der in Abb. 2.17 skizzierten
Anordnung kommt es auf eine Beschreibung des funktionellen dynamischen Zusammenhan-
ges zwischen Ankerspannung ua (t) und Bremsmoment Mb (t) als eingeprägte Eingangsgrößen
des Motors (Ursachen) und die Drehgeschwindigkeit des Motorankers Ω(t) als Ausgangsgröße
(Wirkung) an. Zur Verdeutlichung der dabei relevanten Ursache-Wirkungungsbeziehungen wur-
de der Motor in Abb. 2.18 noch einmal isoliert von seiner lokalen Umgebung als Blocksymbol
(bisher noch ohne Inhalt = black-box) dargestellt.
ua (t)


Mb (t)

?
Ω(t)

Abbildung 2.18: Teilsystem Gleichstrommotor aus seiner Umgebung isoliert

Für den konstant erregten Gleichstrommotor lassen sich folgende einfache mathematisch-
technische Modellbeziehungen anschreiben:

• Elektromagnetische Aspekte

La i̇a + Ra ia = ua − ug (verallgemeinertes Ohmsches Gesetz


und Kirchhoffsches Gesetz) (2.20)

u g = km Φ Ω = km Ω (Induktionsgesetz) (2.21)

km = km Φ, Φ = const. (Konstanten)

Mm = km Φ ia = km ia (Kraftgesetz) (2.22)

• Mechanische Aspekte

J Ω̇ = Mm − Mb , J = Ja + Jl (Drallsatz) (2.23)

Dieser Satz von Modellbeziehungen besteht aus zwei linearen, zeitinvarianten Differentialglei-
chungen erster Ordnung und zwei algebraischen Beziehungen. Die vier Gleichungen zusammen
mit den Anfangswerten ia (0) und Ω(0) bilden eine vollständige Beschreibung des dynamischen
Verhaltens des Teilsystems Gleichstrommotor.

52
2.7.3 Notation im Laplace-Bereich

Gleichung (2.20)
La i̇a (t) + Ra ia (t) = ua (t) − ug (t)
geht durch L-Transformation (bei der Annahme von Anfangswerten ≡ 0) über in
(La s + Ra )ia (s) = ua (s) − ug (s) .
Algebraisches Umformen führt zur sog. Übertragungsfunktionsdarstellung der Differentialglei-
chung
ia (s) 1/Ra
G1 (s) = = (2.24)
ua (s) − ug (s) 1 + (La /Ra )s

Analog lassen sich die restlichen Modellgleichungen transformieren:


ug
G2 (s) = = km (2.25)

Mm
G3 (s) = = km (2.26)
ia
Ω 1
G4 (s) = = (2.27)
Mm − Mb Js

Diese Übertragungsfunktionen beschreiben das Teilsystem vollständig. Es soll jedoch noch ein-
mal betont werden, dass die Anwendung dieser Methodik lineare, zeitinvariante Systeme vor-
aussetzt.

2.7.4 Zustandsmodell

Für das eingangs diskutierte Beispiel soll nun die vorgestellte Zustandsbeschreibung entwickelt
werden. Nach Einsetzen und geringfügigem Umformen führt Gleichungssatz (2.20)–(2.23) auf
die beiden gekoppelten Zustandsdifferentialgleichungen
Ra km 1
i̇a = − ia − Ω+ ua
La La La
km 1
Ω̇ = ia − Mb
J J
Nach Einführen von
xS := [ia Ω]T , uS := [ua Mb ]T ,
   
Ra km 1
 − −
La   La 0 
AS =  La , BS =  1 
km
0 0 −
J J
folgt für die gesuchte (dimensionsbehaftete) Zustandsform
ẋS = AS xS + B S uS
Die zeitunabhängigen Streckenmatrizen AS und B S deuten auf eine LTI-Strecke hin.

53
2.7.5 Aufstellen eines Blockschaltplans

Für das Beispiel Gleichstrommotor entsteht durch Umsetzung der Gleichungen in der Reihen-
folge (2.27), (2.26), (2.24) und (2.25) der Blockschaltplan in Abb. 2.19. Er verfeinert die mit
dem Block Abb. 2.18 pauschal beschriebenen Wirkungszusammenhänge. Die darin erkennbare
Rückführung (km ) charakterisiert einen streckeninternen, durch die Physik des Gleichstrommo-
tors bedingten Wirkungskreislauf (Gegenspannung), der jedoch nichts mit einer Regelungsmaß-
nahme zu tun hat!
Mb

G1 G3 G4
ua ia Mm ❄ Ω
✲ ❥✲ 1/Ra ✲ km ✲ ❥ ✲ 1 ✉ ✲

1 + s(La /Ra ) Js
ug

km ✛

G2

Abbildung 2.19: Mathematischer Blockschaltplan der Regelstrecke Gleichstrommotor

2.7.6 Systemmodelle der anderen Teilsysteme des


Drehgeschwindigkeitsregelkreises

Nachdem die grundlegenden Methoden zur Systembeschreibung bekannt sind, können nun die
restlichen Teilsysteme des eingangs betrachteten Beispiels modelliert werden.

Analoger Regler

Der analog realisierte Regler aus Abb. 2.16 entspricht einem invertierenden Operations-
verstärker; er ist in Abb. 2.20 nochmals gesondert herausgezeichnet. Untersucht man diesen
mit den Methoden der Schaltungstechnik, so erhält man unter den bekannten idealisierenden
Annahmen
uR Zr (s)
=− = −GR (s)
uT − uw Ze (s)

1
Setzt man z.B. für die Impedanzen Ze (s) = Re und Zr (s) = Rr + an (eine Begründung
sC
für diese spezielle Wahl erfolgt später), vgl. auch Abb. 2.21, dann ergibt sich

Rr 1
GR (s) = +
Re Re Cs

54
Zr

Ze ❍
❡ ✉ ❍❍
∞❍
❍ ✉ ❡

−uw ✟✟
❡ ✟✟
uR
uT
❄ ❄ Ze ❄
❡ ✉ ❡

Abbildung 2.20: Regler realisiert durch idealen Operationsverstärker

Rr C
❡ ❡
| {z }
Zr

Abbildung 2.21: Impedanz Zr

Den Blockschaltplan des Reglers zeigt Abb. 2.22.


Im Zeitbereich gilt
uR (t) = uP (t) + uI (t)
mit
Rr
uP (t) = ud (t) , ud = uw − uT
Re
und nach L-Rücktransformation von 1/(Re Cs)
Z
1
uI (t) = ud (t)dt.
Re C
uP beschreibt den proportionalen Wirkungsanteil des Reglers, auch P-Anteil genannt, uI den
integralen oder I-Anteil. Den vorliegenden Regler bezeichnet man deshalb auch als PI-Regler.


Rr
uP
Re
ud = uw − uT ❄ uR
✲✉ ❥ ✲


1
uI
Re Cs

Abbildung 2.22: Blockschaltplan des PI-Reglers in Übertragungsfunktionsdarstellung

55
PI-Regler zeichnen sich dadurch aus, dass sie sowohl den momentanen Wert der Regeldifferenz
ud berücksichtigen (über den P-Anteil), als auch dessen Vorgeschichte (durch den Integrator
des I-Anteils). Eigenschaften von Reglern werden später ausführlicher behandelt.

Sensor

Werden beim Tachogenerator parasitäre Effekte, z.B. das Rauschen, vernachlässigt dann gilt

u T = kT Ω

Es liegt also ein proportionaler Zusammenhang zwischen Drehgeschwindigkeit und Tachospan-


nung vor.

Aktor

Unter Vernachlässigung seiner Dynamik lässt sich für den Transistorsteller angenähert schreiben:

u a = kV u R

2.7.7 Gesamtmodell des Regelkreises

Nachdem nun alle Teilsysteme modellhaft beschrieben sind, kann aus den Teilmodellen das
Gesamtmodell zusammengebaut werden. Den resultierenden (Gesamt-)Blockschaltplan zeigt
Abb. 2.23.

Rr Mb
✲ uP
Re
uw ❄ uR ua ia Mm ❄ Ω=y
✲ ❥t ❥ ✲ ✲ ❥ ✲ ❥ ✲ 1 t✲

1/Ra ✲
kV km
✻ ✻ ✻ 1 + s La /Ra Js

1
Aktor ug
uT Re Cs uI
t
Strecke
Regler km ✛
Sensor
kT ✛

Abbildung 2.23: Blockschaltplan der Drehgeschwindigkeitsregelung

Als wichtiges Ergebnis ist festzuhalten, dass durch die der Regelstrecke Gleichstrommotor über
Sensor, Vergleichsstelle, Regler und Aktor hinzugefügte Rückführstruktur ein vollständig neues
(Regelungs-)System entstanden ist, das ein vom ungeregelten Streckenverhalten abweichendes,
neues Systemverhalten aufweist. Um dieses quantitativ untersuchen und damit den Regler kor-
rekt parametrieren zu können, wurde sowohl die zu regelnde Strecke als auch die Funktion aller
anderen Teilsysteme mathematisch beschrieben.

56
Zusammenfassung

Ausgehend von der mathematischen Modellbildung wurden in diesem Kapitel Notationsformen


für kontinuierliche dynamische Systeme eingeführt. Von zentraler Wichtigkeit sind im Folgenden:
• lineare Zustandsraummodelle im Zeitbereich
• Übertragungsfunktionsdarstellungen im Frequenzbereich
Die Darstellung als Blockschaltbild bietet eine Möglichkeit zur schematischen Visualisierung
dynamischer Zusammenhänge.
Vorausgehend wurde eine Klassifikation der in der Anwendung auftretenden Systeme vorgestellt.
Wichtig ist die Unterscheidung von
• linear – nichtlinear
• MIMO – SISO
• zeitvariant – zeitinvariant
Die vorgestellte Methode zur Linearisierung nichtlinearer Systeme um einen Arbeitspunkt macht
oft auch die Behandlung nichtlinearer Regelstrecken mit Methoden der linearen Regelungstech-
nik, wie sie in RS1 behandelt wird, möglich.

57
58
3 Zeitverhalten linearer dynamischer
Systeme
Das Verhalten von LTI-Systemen im Zeitbereich wird vollständig durch das Zustandsraummodell
ẋ = Ax + Bu, x(t0 ) = x0
y = Cx + Du
beschrieben. Im Folgenden wird untersucht, wie die Differentialgleichung für einen gegebenen
Anfangszustandsvektor x0 und einen gegebenen Eingangsgrößenvektor u(t) gelöst werden kann.
Zunächst wird der skalare Fall, das Lösen von linearen Differentialgleichungen erster Ordnung,
behandelt. Danach werden lineare Differentialgleichungs-Systeme erster Ordnung betrachtet
und zuletzt deren Spezialfall mit u(t) = 0, die sogenannten Eigenbewegungen eines Systems.
Des Weiteren werden nützliche Werkzeuge aus der Theorie der Laplace-Transformatiogn vorge-
stellt, die die qualitative Analyse im Zeitbereich oft vereinfachen. Abschließend werden Kenn-
größen und Kennfunktionen eingeführt.

3.1 Lösung einer linearen, skalaren Differentialgleichung


Die allgemeine Lösung einer linearen, skalaren Differentialgleichung erster Ordnung

ẋ = ax(t) + bu(t), x(t0 ) = x0 (3.1)

setzt sich aus der allgemeinen Lösung der homogenen Gleichung und der partikulären Lösung
zusammen:
x(t) = xh (t) + xp (t)
• Die allgemeine Lösung der homogenen linearen Differentialgleichung

ẋh = axh (t) (3.2)

erhält man mit dem Ansatz


xh (t) = keλt (3.3)
durch Ableiten von (3.3) nach t und Einsetzen in (3.2) zu:

xh (t) = keat (3.4)

• Die partikuläre Lösung kann beispielsweise mit der Methode der Variation der Konstanten
bestimmt werden. Man macht dafür den Ansatz

xp (t) = c(t)eat . (3.5)

59
Durch Ableiten von (3.5) nach t und Einsetzen in (3.1) ergibt sich

aeat c(t) + eat ċ(t) = aeat c(t) + bu(t) ⇔ ċ(t) = e−at bu(t).

Eine Integration über das Intervall t0 . . . t liefert

Zt
c(t) = e−aτ bu(τ )dτ + c(t0 )
t0

und folglich die partikuläre Lösung der inhomogenen Differentialgleichung zu:

Zt
at
xp (t) = c(t0 )e + ea(t−τ ) bu(τ )dτ (3.6)
t0

Die Superposition der homogenen und partikulären Lösung aus (3.4) und (3.6) ergibt die Lösung
von (3.1) zu
Zt
x(t) = xh (t) + xp (t) = [k + c(t0 )] eat + ea(t−τ ) bu(τ )dτ
t0

Unter Beachtung der Anfangsbedingung erhält man eat0 (k + c(t0 )) = x0 . Mit φ(t) = eat gilt:

Zt
x(t) = φ(t − t0 )x0 + φ(t − τ )bu(τ )dτ (3.7)
| {z }
Eigenbewegung t0
| {z }
erzwungene Bewegung

Der erste Summand von (3.7) beschreibt die Eigenbewegung oder freie Bewegung des Systems,
welches es ohne Erregung von außen aufgrund der Anfangsauslenkung x0 ausführt. Der zweite
Summand beschreibt die durch äußere Erregung erzwungene Bewegung.

3.2 Lösung eines linearen Differentialgleichungs-Systems

Wie in dem skalaren Fall setzt sich die Lösung eines linearen Differentialgleichungs-Systems
erster Ordnung
ẋ = Ax + Bu, x(t0 ) = x0
y = Cx + Du

aus der allgemeinen Lösung der homogenen Gleichung und einer speziellen Lösung der inhomo-
genen Gleichung zusammen.

60
In Analogie zum skalaren Fall lässt sich auch für das System von Zustandsdifferentialgleichungen
folgende geschlossene Lösungsformel für die Zeitantwort angeben. Mit φ(t) = eAt gilt

Zt
x(t) = φ(t − t0 )x0 + φ(t − τ )Bu(τ )dτ , t ≥ t0
t0
Zt (3.8)
y(t) = Cφ(t − t0 )x0 + C φ(t − τ )Bu(τ )dτ + Du
t0

Ihre Gültigkeit kann zum Beispiel durch Einsetzen in die Zustandsdifferentialgleichung verifiziert
werden. Der erste Summand in (3.8) beschreibt über die Matrizenexponentialfunktion eAt den
alleine den Anfangswerten x(t0 ) = x0 unterworfenen Lösungsanteil; er wird wieder als Eigenbe-
wegung bezeichnet. Der zweite Summand charakterisiert durch ein Faltungsintegral den durch
den Eingang u(t) bedingten erzwungenen Lösungsanteil.
In beiden Summanden nimmt die Matrixexponentialfunktion eine zentrale Stellung ein, so dass
sich die Frage nach ihrer Definition, Bedeutung und Berechnung stellt. Die Matrixexponential-
funktion (oder auch Fundamentalmatrix) ist definiert durch die Reihenentwicklung

1 1
eAt = E + At + (At)2 + (At)3 + . . .
2! 3!

Für analytische Berechnungen ist diese unendliche Reihe nur bedingt geeignet. In bestimm-
ten Fällen kann sie jedoch von Vorteil sein, z.B. dann, wenn die Reihe nach wenigen Gliedern
abbricht oder im Falle einer diagonalen A-Matrix, wo die Elemente leicht zu skalaren Exponen-
tialfunktionen zusammengefasst werden können. Effizientere Berechnungsverfahren werden im
Schrifttum behandelt.
Eine zweite Möglichkeit ist die Berechnung der Matrixexponentialfunktion mit Hilfe der Laplace-
Transformation. Die Laplace-Transformation der Differentialgleichung im Zustandsraum ist, wie
bereits bekannt,
sX(s) − x(t0 ) = A X(s) + B U (s)
somit ist die Lösung der Differentialgleichung im Frequenzbereich

X(s) = (sE − A)−1 x(t0 ) + (sE − A)−1 B U (s) (3.9)

Durch Vergleich von (3.8) und (3.9) erhält man die Korrespondenz

L{eAt } = (sE − A)−1

Beispiel: Berechnung von eAt  


0 0
A=
0 1
a) über Reihenentwicklung
       
At 1 0 0 0 0 0 1 0
e = + + + ... =
0 1 0 t 0 t2 /2 0 et

61
b) über inverse L-Transformation
  
At −1 −1 1/s 0
−1 1 0
e = L {(sE − A) } = L { }=
0 1/(s − 1) 0 et


3.3 Eigenbewegung eines linearen


Differentialgleichungs-Systems
Es soll jetzt noch einmal genauer auf die Eigenbewegung eines Systems eingegangen werden.
Die Eigenbewegung eines Systems ist die Bewegung, die es ohne äußere Erregung ausführt
(u(t) = 0), d. h. die Lösung der homogenen Differentialgleichung.

ẋ = Ax (3.10)
Der Lösungsansatz
x(t) = veλt v, λ konstant (3.11)
führt nach Ableiten von (3.11) und Einsetzen in (3.10) auf die sogenannte Eigenwertgleichung
Av = λv ⇔ (λE − A)v = 0 (3.12)
Die Eigenwertgleichung hat nur dann von Null verschiedene Lösungsvektoren v, wenn die De-
terminante
∆(λ) = |λE − A| = 0
ist. Diese Gleichung wird auch die charakteristische Gleichung der Matrix A genannt. Die n
Lösungen der charakteristischen Gleichung, die Eigenwerte der Matrix A, sind reell oder komplex
und treten im letzteren Fall in konjugiert-komplexen Paaren auf. Eine zu einem Eigenwert λk
gehörige Lösung von (3.12) heißt Eigenvektor v k zum Eigenwert λk . Zu jedem Eigenwert von A
gehören unendlich viele Eigenvektoren. Das folgt daraus, dass (3.10) eine homogene Gleichung
ist und mit jeder Lösung v auch cv mit beliebiger Konstante c eine Lösung ist. Damit sind
diese Vektoren eigentlich nur nach ihrer Richtung, nicht aber nach ihrer Länge bestimmt. Man
spricht daher genauer auch von Eigenrichtungen. Sind die Eigenwerte λk und λl der Matrix A
konjugiert komplex, so sind auch die zugehörigen Eigenvektoren v k und v l konjugiert komplex.
Die speziellen Lösungen
xk (t) = vk eλk t
werden Eigenlösungen des mathematischen Modells (3.10) genannt. Aufgrund der Linearität
sind auch Linearkombinationen der Eigenlösungen
n
X
x(t) = ck vk eλk t (3.13)
k=1

Lösungen zu (3.10). Diese Gleichung lässt sich auch in der Form


 
c1
λn t  .. 
λ1 t
x(t) = [v 1 . . . vn ] diag(e , . . . ,e )  .  = T diag(eλ1 t , . . . ,eλn t )c
cn

62
wobei  
eλ1 t 0
  .. 
diag eλ1 t , . . . ,eλn t =  . 
0 eλn t
schreiben. Sie ist eine Lösung von (3.10) mit dem Anfangswert
 
c1
 .. 
x(t0 ) = [v 1 . . . v 2 ]  .  = T c .
cn
Folglich ist die Lösung zu (3.10) mit dem Anfangswert x(t0 ) = x0
x(t) = φ(t)x0 = T diag(eλ1 t , . . . ,eλn t )T −1 x0 .
Aus dieser Gleichung kann man noch eine dritte Möglichkeit zur Bestimmung der Matrixexpo-
nentialfunktion ablesen:
eAt = T diag(eλ1 t , . . . , eλn t )T −1
Diese Gleichung ist genau dann lösbar, wenn die Matrix T invertierbar ist, d. h. vollen Rang
hat. Folglich müssen n linear unabhängige Eigenvektoren zur Matrix A gefunden werden. Eine
Matrix, für die dieses möglich ist, wird diagonalähnlich oder diagonalisierbar genannt. Jede
Matrix A mit n verschiedenen Eigenwerten ist diagonalähnlich.
Aus der Lösung des homogenen Differentialgleichungs-Systems können Folgerungen gezogen
werden, die von großer Wichtigkeit sind:
• Gilt für alle Eigenwerte λi von A
Re{λi } < 0, (i = 1, 2, . . . , n) ,
klingt die Eigenbewegung ab, d. h. das System nähert sich asymptotisch seiner Ruhelage
x = 0. Diese Aussage folgt direkt aus (3.13) wegen
n
X n
X
λk t
ck v k e = ck v k eRe{λk }t ejIm{λk }t → 0 für t → ∞, falls Re{λi } < 0
k=1 k=1

Das System wird dann asymptotisch zustandsstabil genannt.


(Ist mindestens ein Eigenwert Re{λi } = 0, so wird das System grenzstabil genannt.)
• Gilt für wenigstens einen Eigenwert
Re{λi } > 0 ,
so wächst mindestens eine Zustandsvariable xi für t → ∞ über alle Grenzen. Das System
ist instabil.
Eine eingehendere Diskussion der Stabilität folgt später in Kapitel 5. Dort wird auch begründet,
dass die Pole einer Übertragungsfunktion eine Teilmenge der Pole der Zustandsmatrix sind. Es
kann aber hier schon der zentrale Satz zitiert werden:
Ein System mit der Übertragungsfunktion G(s) ist genau dann stabil, wenn für die Pole pi der
Übertragungsfunktion gilt:
Re{pi } < 0, (i = 1, 2, . . . ,n)

63
3.4 Anfangs- und Endwertsatz der L-Transformation

Im Rahmen qualitativer Systemanalyse interessiert es häufig, welche Anfangs- und Endwerte


Systemantworten auf bestimmte Anregungsfunktionen hin annehmen. Eine, wenn auch sehr auf-
wendige, Möglichkeit besteht in der expliziten Bestimmung der Antwort-Zeitfunktionen durch
Lösung der Differentialgleichung mit anschließender Grenzwertbildung für t → 0 bzw. → ∞.
Liegt jedoch die Übertragungsfunktion des interessierenden Systems vor, dann kann mit Vorteil
von den sog. Anfangs- und Endwertsätzen der L-Transformation Gebrauch gemacht werden.
Endwertsatz:
Ausgehend von Y (s) = G(s)U(s) gilt für Systeme G(s) für den Endwert von y(t)

y(t → ∞) = lim[sG(s)U(s)]
s→0


Anfangswertsatz:
Hier gilt analog zum Endwertsatz der L-Theorie

y(t = 0+) = lim [sG(s)U(s)]


s→∞

Die Zeitangabe 0+ bedeutet, dass das Eingangssignal zum interessierenden Zeitpunkt bereits
als aufgeschaltet zu betrachten ist. 
Damit ist gezeigt, wie aus Grenzwertbestimmungen im L-Bereich direkt ausgezeichnete Signal-
werte im Zeitbereich errechnet werden können!
Voraussetzung für die Anwendbarkeit der Grenzwertsätze ist, dass die Grenzwerte auf beiden
s
Seiten existieren. Dazu ein Beispiel y(t) = cos(ωt) = L−1 ( s2 +ω 2 ):

Endwertsatz:

s
y(t → ∞) = lim [cos(ωt)] =?; y(t → ∞) = lim[s ]=0
t→∞ s→0 s2 + ω2

Zeitlicher Grenzwert existiert nicht → Endwertsatz nicht anwendbar.


Anfangswertsatz:

s
y(t = 0+) = lim [cos(ωt)] = 1; y(t = 0+) = lim [s ]=1
t→0+ s→∞ s2 + ω2

Grenzwerte auf beiden Seiten existieren → Anfangswertsatz anwendbar.

64
3.5 Gewichtsfunktion (Impulsantwort)

Die Gewichtsfunktion oder Impulsantwort g(t) ist die Systemantwort auf einen Einheitsimpuls
oder Diracstoß δ(t), vgl. Abb. 3.1. Der Einheitsimpuls δ(t) ist definiert durch

Z+0
δ(t) ≡ 0 ∀t 6= 0 , δ(t)dt = 1 .
−0

Für kausale Systeme gilt g(t) = 0 für t < 0, d.h. der Systemantwort geht stets die Systeman-
regung voraus!

u (t) = d (t) t y (t) = g (t) t


G (s)
U (s) = 1 Y (s) = G (s)

Abbildung 3.1: Dirac-Stoß und Gewichtsfunktion

Im Zeitbereich gilt (siehe (3.8) mit d = 0, x0 = 0)

Zt
T
g(t) = c φ(t − τ )b · δ(τ )dτ = cT φ(t)b ,
t0

d.h. die Gewichtsfunktion ist der Faltungskern des Eingangs-/Ausgangs-Faltungsintegrals. Für


lineare Systeme charakterisiert die Impulsantwort daher das Verhalten des gesamten Systems
für beliebige Eingänge u(t), es gilt

Zt
y(t) = g(t) ∗ u(t) = g(t − τ )u(τ )dτ
t0

Untersucht man die Bedeutung der Gewichtsfunktion im L-Bereich, so findet man mit Y (s) =
G(s)U(s) und U(s) = L[δ(t)] = 1.

g(t) = L−1 [G(s)]

Sowohl mit der Gewichtsfunktion als auch mit der Übertragungsfunktion ist ein lineares System
vollständig beschrieben.
Geht man für den Fall m < n von der bereits bekannten Partialbruchform von G(s) aus, d.h.
n
X kν
G(s) =
ν=1
s − pν

65
dann folgt für g(t) durch L-Rücktransformation der einzelnen Partialbruchterme allgemein fol-
gende gewichtete Summe von Exponentialfunktionen
n
X
g(t) = kν epν t
ν=1

Ist dabei einer der Pole pν komplex, so existiert dazu stets ein konjugiert komplexes pν+1 = p∗ν
mit einer zugehörigen Gewichtung kν+1 = kν∗ . Dieses Paar lässt sich in der Summe zusammen-
fassen zu (pν = σν + jων ):

kν epν t + kν+1 epν+1 t = 2Re {kν eσν t ejων t } = 2(Re{kν } cos ων t − Im{kν } sin ων t) eσν t

Die entsprechenden Summanden bedeuten Schwingungen mit der Kreisfrequenz ων , die je nach
Vorzeichen von σν auf-(+) oder abklingen(−). Ein System mit komplexen Polen verursacht
also stets Gewichtsfunktionen mit periodischen Anteilen im Einschwingvorgang!

3.6 Übergangsfunktion (Sprungantwort)

Die Übergangsfunktion oder Sprungantwort h(t) ist die Systemantwort auf eine Anregung mit-
tels Einheitssprung σ(t), vgl. Abb. 3.2.

t t
u (t)= s (t) y (t) = h (t)
G (s)
U (s) = 1 Y (s) = G (s) . 1
s s

Abbildung 3.2: Übergangsfunktion

Rt
Da σ(t) = δ(τ )dτ gilt, lässt sich h(t) entweder über Integration von g(t) bestimmen, d.h.
−0

Zt
h(t) = g(τ )dτ ,
0

oder über das Faltungsintegral (m < n):


Zt n
X n Z
X
t

h(t) = g(t) ∗ σ(t) = 1· kν epν (t−τ ) dτ = kν epν (τ ) dτ


0 ν=1 ν=1 0

mit dem Ergebnis


n
X kν
h(t) = − (1 − epν t )
ν=1

Eine dritte häufig verwendete Testfunktion ist die sogenannte Rampenanregung r(t) = t · σ(t).

66
3.7 Kennwerte der Übergangsfunktion

Bei der Modellbildung technischer Prozesse wird man häufig auf Übertragungsglieder sehr hoher
Ordnung geführt, die einer regelungstechnischen Analyse oder Synthese nur schwer zugänglich
sind. Man versucht daher oft, das Prozessmodell mit einem System möglichst geringer Ordnung
zu approximieren. Das reduzierte Modell soll nur die für die Regelung maßgeblichen Eigen-
schaften, die Kennwerte des Übertragungsverhaltens, enthalten, nicht aber die unwesentlichen
Eigenschaften. Bei der Approximation von Systemen im Zeitbereich können die wesentlichen
Systemeigenschaften beispielsweise anhand der gemessenen oder berechneten Übergangsfunk-
tion ermittelt werden.

h(t)
Mp K
K

K
2

td th ta tp
tr Zeit t

Abbildung 3.3: Kennwerte der Übergangsfunktion

Die folgenden Definitionen der Kennwerte stabiler Übergangsfunktionen sind aus Abb. 3.3 ab-
zulesen.

Stationärer Endwert K : limt→∞ h(t) = K


Halbwertszeit th : Zeitpunkt, in dem die Übergangsfunktion den halben Endwert erreicht hat
Anstiegszeit tr , Verzugszeit td , Anregelzeit ta : Die Tangente an die Übergangsfunktion
im Zeitpunkt th schneidet die Zeitachse in einem Zeitpunkt td und erreicht den Endwert
K bei ta . Der Abstand dieser Zeitpunkte ist ein Maß für die Steilheit des Anstieges
und wird Anstiegszeit (rise time) genannt. td ist ein Maß für den Zeitverzug, mit dem
der Anstieg einsetzt. Dieses Maß wird Verzugszeit (delay time) genannt. Die Anregelzeit
berechnet sich zu ta = td + tr = th + 12 tr .
Einstellzeit Tein : Die kleinste Zeit, nach der h(t) vom Endwert K um maximal 5% abweicht
(im Bild nicht eingezeichnet).
Überschwingweite (Mp − 1) : Bei schwingungsfähigen Systemen bezeichnet tp (peak time)
den Zeitpunkt des maximalen Überschwingens (erstes Maximum) und Mp = h(tKp ) den

67
auf K bezogenen Wert der Übergangsfunktion an dieser Stelle. Dann ist die relative
Überschwingweite gegeben durch Mr = h(tpK)−K = Mp − 1

Zusammenfassung
In diesem Kapitel wurde die allgemeine Lösung einer linearen Differentialgleichung hergeleitet.
Diese Lösung setzt sich aus einem durch den Systemeingang erzwungenen Anteil (partikuläre
Lösung) und einer freien Bewegung (homogenen Lösung) zusammen.
Es wurde festgestellt, dass die Eigenwerte der Systemmatrix entscheidend das Systemverhalten
prägen. Wir sprechen von stabilen Systemen, wenn die Realteile aller Eigenwerte kleiner als Null
sind. Nur in diesem Fall bleiben die Lösungen der Differentialgleichung beschränkt.
Als wichtige Kennfunktionen wurden die Gewichts- und die Übergangsfunktion eingeführt. Die
Laplace-Transformation der Gewichtsfunktion ist die Übertragungsfunktion des betrachteten
Eingangs-/Ausgangsverhaltens. Durch Faltung von Gewichtsfunktion und Systemeingang kann
die Systemantwort berechnet werde. Entsprechenend wird die Systemantwort im Frequenzbe-
reich durch Multiplikation von Übertragungsfunktion und Systemeingang berechnet.

68
4 Systemdynamische Bausteine
Beliebig komplex aufgebaute LTI-Systeme lassen sich stets in eine Menge elementarer Grund-
bausteine zerlegen.
Die folgenden Abschnitte befassen sich deshalb mit den Eigenschaften der wichtigsten elementa-
ren Systembausteine. Mit Ausnahme von Totzeitbausteinen werden hier ausschließlich Systeme
betrachtet, die sich durch rationale Übertragungsfunktionen vom Typ
b0 + b1 s + . . . + bm sm
G(s) = , m≤n
a0 + a1 s + . . . + an sn
beschreiben lassen. Um die systemdynamischen Eigenschaften dieser Elementarbausteine besser
vergleichen zu können, werden jeweils Übertragungsfunktion, typische Systemantworten, Pol-/
Nullstellenkarte sowie praktische Beispiele betrachtet.

4.1 P-, I- und D-Systeme


P-System:
y(t) = Ku(t)
Die Übertragungsfunktion lautet
G(s) = K
Übergangsfunktion und Pol-/Nullstellenkarte zeigen Abb. 4.1 und Abb. 4.2.

✻y(t) ❡✲
u
K

✛ ❡
✲ ❄
K
y

t ❡ r ❡

Abbildung 4.1: Übergangsfunktion und Beispiel eines P-Systems

Ein P-Baustein weist weder Pole noch Nullstellen auf; er besitzt keine Eigendynamik. Ein Beispiel
ist ein unbelastetes Potentiometer, vgl. Abb. 4.1.
I-System:
Zt
y(t) = KI u(τ )dτ bzw. ẏ(t) = KI u(t)
0

69
Im s
keine Pole, ✻

keine Nullstellen Re

Abbildung 4.2: Pol-/Nullstellenkarte eines P-Systems

Seine Übertragungsfunktion lautet


KI
G(s) =
s
Übergangsfunktion und Pol-/Nullstellenkarte zeigen Abb. 4.3 und Abb. 4.4. Der Pol im Ursprung
ist typisch für Systeme mit I-Verhalten!

u (t)

KI

✲ y (t)
1 t

Abbildung 4.3: Übergangsfunktion und Beispiel eines I-Systems

Ein Beispiel ist der zylindrische Flüssigkeitstank, der mittels eines Zuflusses u(t) gefüllt wird,
vgl. Abb. 4.3. Die Füllhöhe y(t) ist direkt proportional der gespeicherten Füllmenge, also das
Integral über u(t) multipliziert mit einem tankspezifischen Faktor KI .

Im s

× ✲
Re

Abbildung 4.4: Pol-/Nullstellenkarte eines I-Systems (Pole und Nullstellen von G(s) werden
in der s-Ebene durch ד bzw. ◦“ gekennzeichnet)
” ”
D-System:
y(t) = KD u̇(t)

Die Übertragungsfunktion dieses Bausteins lautet

G(s) = KD s

70
Die Übergangsfunktion zeigt Abb. 4.5. Eine Nullstelle im Ursprung der Pol-/ Nullstellenkarte
ist typisch für D-Systeme, vgl. Abb. 4.6.

❡✲
✻ y(t)
✟ KD δ(t)

u(t) C


t ❡

Abbildung 4.5: Übergangsfunktion und Beispiel eines D-Systems

Im s

❡ ✲
Re

Abbildung 4.6: Pol-/Nullstellenkarte eines D-Systems

Der D-Baustein verletzt mit m > n die Sprungfähigkeitsbedingung physikalisch-technischer


Systeme; er hat deshalb für uns nur rein rechnerische Bedeutung.
Ein Beispiel für einen D-Baustein ist ein idealer Kondensator mit eingeprägter Spannung u und
Kondensatorstrom y, vgl. Abb. 4.5. Man beachte jedoch den unvermeidbaren Zuleitungswider-
stand eines realen Kondensators, der diesen zu einem System mit m = n = 1 macht, das dann
nur noch näherungsweise D-Verhalten aufweist.

4.2 Totzeitsysteme
Totzeiten treten im Zusammenhang mit Transportvorgängen auf, wie etwa bei Systemen zum
Transport von Material, Energie, Information etc. Für ein Tt -System gilt die Beziehung

y(t) = Ku(t − Tt )

und im L-Bereich die transzendente, nicht-rationale Übertragungsfunktion

G(s) = Ke−sTt .

Abb. 4.7 zeigt die Übergangsfunktion. Eine genauere Analyse dieser Übertragungsfunktion zeigt,
dass sie bei s → +∞ unendlich viele Nullstellen und bei s → −∞ unendlich viele Pole aufweist.
Auf das Zeichnen einer Pol-/Nullstellenkarte wird hier verzichtet.
Ein Förderband ist ein Beispiel für ein totzeitbehaftetes System, vgl. Abb. 4.7. Der über die
L
Schieberhöhe u(t) aufgebrachte Belag fällt als y(t) nach der Zeit Tt = vom Band.
v0

71
u (t) y (t)
✻ ✟ h(t)

K
✛ Tt ✲
v 0 = c o n st

1 t L

Abbildung 4.7: Übergangsfunktion und Beispiel eines Tt -Systems

Rationale Approximationen der Totzeit-Übertragungsfunktion


Um die Analyse zu vereinfachen wird die transzendente Übertragungsfunktion totzeitbehafteter
Systeme häufig rational approximiert. Dabei sind folgende Approximationen üblich:

• Reihenentwicklung (PTn -System)


1 1
e−sTt ≈ , n ≥ 1 bzw. e−sTt
≈ , n=1
(1 + sTt /n)n 1 + sTt

• Padé-Approximation 1. Ordnung (Allpaßsystem, vgl. Abschnitt 4.6)


Tt
1−s
e−sTt ≈ 2
Tt
1+s
2

4.3 PT1-Systeme
Ein PT1 -System ist ein proportional verzögerndes System erster Ordnung. Es wird im Zeitbereich
durch die Differentialgleichung

T ẏ(t) + y(t) = Ku(t) , T > 0

beschrieben. Die Übertragungsfunktion lautet entsprechend

K
G(s) =
1 + sT
mit T als Zeitkonstante und K als Verstärkungsfaktor. Für T → 0 geht das PT1 -System in das
früher besprochene reine P-System über. Gewichts- und Übergangsfunktion, Abb. 4.8, lassen
sich einfach mit den Methoden aus Abschnitt 3.5 herleiten:
K −t t
g(t) = e T h(t) = K(1 − e− T )
T

Abb. 4.9 zeigt zusätzlich noch die schon angesprochene Rampenantwort r(t) auf die Eingangs-
Rt
funktion (Einheitsrampe) u(t) = tσ(t) = σ(τ )dτ .
0

72
✻ ✻ T
K K
✟ g(t)
✟ ❍

T h(t)
✲ ✲
T t t

Abbildung 4.8: Gewichts- und Übergangsfunktion des PT1 -Systems

Die Rampenantwort folgt beispielsweise durch Integration der Übergangsfunktion des PT1 -
Systems
Zt
t
r(t) = h(τ )dτ = K(t − T ) + KT e− T
0

✻ ❍

r(t)


T t

Abbildung 4.9: Rampenantwort PT1 -System

Die Pol-/Nullstellenkarte zeigt Abb. 4.10. Ein PT1 -System hat nur einen (reellen) Pol, der
1
gleich der reziproken negativen Zeitkonstante T ist, d.h. p1 = − . Dementsprechend sind
T
PT1 -Systeme nicht schwingungsfähig (keine komplex-konjugierten Pole möglich).

Im s

× ✲
Re
1

T

Abbildung 4.10: Pol-/Nullstellenkarte PT1 -System

Eine wichtige Kenngröße von PT1 -Systemen ist ihre Einschwingzeit Tein . Sie ist hier so definiert,
dass ab Tein die Übergangsfunktion ein relativ auf den Endwert bezogenes ±5%-Band nicht
mehr verlässt. Man spricht deshalb auch von einer T5% -Zeit

Tein = T5% = 3T

Der Faktor 3“ erklärt sich dabei aus e−3 ≈ 5%.


73
Zeitkonstanten können in der Praxis im Millisekunden- (elektrische Systeme) oder Stundenbe-
reich (thermische Syteme) liegen; unabhängig davon weist ein PT1 -System immer das gleiche
durch die Parameter K und T charakterisierbare Verhalten auf.
Kraft u(t)
❄ ✲
Weg

c d y(t)

Abbildung 4.11: Beispiel für PT1 -System

Technische Beispiele sind das in Abb. 4.11 gezeigte lineare Feder-Dämpfer-System mit Kraft
als Eingang und Position als Ausgang.

4.4 PT2-Systeme

PT2 -Systeme sind proportional verzögernde Systeme zweiter Ordnung; sie werden üblicherweise
beschrieben durch
ÿ + 2Dω0 ẏ + ω02 y = Kω02 u
bzw. durch
ω02
G(s) = K
s2 + 2Dω0s + ω02
ω0 heißt dabei Kennkreisfrequenz des ungedämpften Systems, D ist der Dämpfungsgrad und K
der Verstärkungsgrad. PT2 -Systeme sind vor allem deshalb interessant, da sie bei bestimmter
Parametrierung schwingungsfähig sind; d.h. ihre Pole können also auch komplex werden. Dies
zeigt sich, wenn das Nennerpolynom in seine Linearfaktoren zerlegt wird. Mit

N(s) = (s − p1 )(s − p2 ) = 0

folgt für die Pole √


p1, 2 = −ω0 D ± ω0 D 2 − 1
Dabei lassen sich folgende Fälle unterscheiden:

• Fall D ≤ 0: Das System ist instabil, zumindest ein Pol hat einen positiven Realteil.
• Fall D = 0: Das System ist grenzstabil.
• Fall 0 < D < 1: Das Systemverhalten ist periodisch (konjugiert komplexes Polpaar) und
stabil (negative Realteile).
• Fall D ≥ 1: Das Verhalten ist aperiodisch stabil (zwei reelle, negative Pole). Der Fall
D = 1 wird als aperiodischer Grenzfall bezeichnet.

Hier sollen nur die beiden stabilen Fälle genauer analysiert werden:

74
Aperiodisch-stabiler Fall D ≥ 1

Für D ≥ 1 erhält man zwei reelle Pole p1,2 ; das PT2 -System lässt sich also in zwei PT1 -Systeme
1 1
mit den Zeitkonstanten τ1 = − , τ2 = − (τ2 > τ1 ) aufspalten, Abb. 4.12. Dieser Typ von
p1 p2
PT2 -System ist offenbar kein neuer Systembaustein. Abb. 4.13 zeigt die Pol-/Nullstellenkarte.

PT1 PT1
u ✲ K x′✲ 1 ✲
y
1 + τ2 s 1 + τ1 s

Abbildung 4.12: PT2 -System für D ≥ 1

Im s

× × ✲
Re
1 1
− −
τ1 τ2

Abbildung 4.13: Pol-/Nullstellenkarte PT2 -System für D ≥ 1, τ2 ≥ τ1

Eine anschauliche Vorstellung von der Entstehung der Übergangsfunktion vermittelt Abb. 4.14.
Charakteristisch ist ihr durch die Zeitkonstanten τ1 und τ2 doppelt verzögerter Verlauf.

u x′ y
✻ ✻ ✻
1 K K
x′ (t) y(t)
✲ ✲ ✲
t τ2 t t

Abbildung 4.14: Übergangsfunktion PT2 -System für D ≥ 1

Periodischer Fall 0 < D < 1

Die Pole dieses neuen Systembausteins liegen bei



p1,2 = −ω0 D ±j ω0 1 − D 2 ,
| {z } | {z }
σe ωe

75
✻Im

p1 × ωe


❅ ω0
ϕPP ...
.
..
... .
...


❅ ✲
σe Re
p2 × −ωe

Abbildung 4.15: Pole des PT2 -Bausteins für 0 < D < 1

wobei σe als reziproke Abklingzeitkonstante und ωe als Kennkreisfrequenz des gedämpften Sys-
tems bezeichnet werden. Die Pole sind in Abb. 4.15 eingetragen, wegen σe2 + ωe2 = ω02 hat der
Betrag der komplexen Zeiger p1, 2 stets den Wert ω0 (Pythagoras).
Für den eingezeichneten Winkel ϕ gilt

ϕ = arccos D .

Die Übergangsfunktion h(t) lässt sich zu

1
h(t) = K[1 − √ eσe t · sin(ωe t + ϕ)]
1 − D2

berechnen. Abb. 4.16 zeigt h(t) und die Gewichtsfunktion g(t) = dh(t)/dt für verschiedene
D bei K = 1. Beide Systemantworten demonstrieren die Schwingungsfähigkeit des Systems,
wobei D = 0 zu einer Dauerschwingung führt.

Abbildung 4.16: Übergangs- und Gewichtsfunktion des PT2 -Systems für0 < D < 1

Das Minimum der Einstellzeit Tein stellt sich bei Dopt = 2/2 = 0,707 ein.
Beispiele für PT2 -Systeme sind der in Abschnitt 2.7 behandelte Gleichstrommotor oder das
durch eine Masse erweiterte Feder-Dämpfer-System aus Abb. 4.11.

76
4.5 Standardsysteme aus Systembausteinen

Elementare Systembausteine bilden eine nützliche Grundlage für die Zerlegung oder den Aufbau
beliebiger rationaler System-Übertragungsfunktionen. In der Regelungstechnik häufig gebrauch-
te Standardsysteme werden durch die in Abb. 4.17 gezeigte Parallel- und Kettenschaltung von
Systembausteinen generiert. Dabei kann der Graph in Abb. 4.17 als eine Art Syntax-Diagramm
für die Bezeichnung solcher Standardsysteme verstanden werden. Beispielsweise entsteht ein
PDT2 -System aus dem Parallelschalten eines P- und D-Blockes, denen beiden ein PT2 -Block
folgt. Das Einschwingverhalten eines PDT2 -Systems lässt sich zumindest qualitativ leicht aus
dem bekannten Einschwingen der Systembausteine erschließen.

P-Block
✲ GP (s)
I-Block PT1 , PT2 oder PTn -Block

✉ ✲ ❥ ✲ GP T
u ✲
y✲
GI (s) 1,2,n (s)

D-Block
✲ GD (s)

Abbildung 4.17: Aufbau eines Übertragungsgliedes durch Parallel- und Kettenstruktur

4.6 Minimalphasensysteme und Allpässe

Systeme können alternativ zu unserem bisherigen Vorgehen auch in folgende Systemklassen


eingeteilt werden:

a) Minimalphasensysteme (MP)
MP-Systeme haben keine Nullstellen oder/und Pole in der rechten Halbebene der Pol-/
Nullstellenkarte, d.h.

Re{qµ } ≤ 0 , Re{pν } ≤ 0 ∀µ, ν

Wie wir später im Rahmen der Systembeschreibung mittels Bodediagrammen sehen wer-
den, hat dies u.a. die Konsequenz, dass mit Ausnahme einer Konstanten immer einein-
deutig vom Phasen- auf den Amplitudenverlauf der Frequenzgangfunktion G(jω) eines
Minimalphasensystems geschlossen werden kann.
b) Nichtminimalphasensysteme (NMP)
NMP-Systeme sind Systeme, die mindestens eine Pol- oder Nullstelle in der rechten Halb-
ebene haben und/oder totzeitbehaftet sind.

77
c) Allpasssysteme (AP)
AP-Systeme sind spezielle NMP-Systeme, deren Pol-/Nullstellenverteilung symmetrisch
zur Imaginärachse der s-Ebene ist. AP-Systeme haben einen frequenzunabhängigen, kon-
stanten Amplitudenverlauf |G(jω)|, was die Bezeichnung Allpass erklärt. Ein Totzeitsys-
tem ist deshalb ein Allpasssystem.

Jedes NMP-System kann formal in eine Serienschaltung aus MP- und AP-System aufgespalten
werden:
GN M P (s) = GM P (s) · GAP (s)

Die Besonderheiten der Übergangsfunktionen von NMP- und AP-Systemen sollen beispielhaft
mit folgendem System 1. Ordnung erklärt werden.
1 + Tv s
G(s) = K
1 + Ts
mit K > 0, T > 0 und fest sowie −∞ < Tv < ∞

Tv > 0 Tv < 0 Tv = −T

✻Im ✻Im ✻Im


1/T MP NMP AP
z }| { (Symmetrie)
× ❞ ✲ × ❞ ✲ × ❞ ✲
|{z} Re Re Re
1/Tv

Abbildung 4.18: Pol-/Nullstellenverteilung abhängig von Tv

Abb. 4.18 verdeutlicht die Lage von Pol- bzw. Nullstelle für unterschiedliche Werte von Tv . Abb.
4.19 stellt die Übergangsfunktionen für diese drei Fälle dar, wobei deutlich zu erkennen ist, dass
sich sowohl bei NMP- als auch bei AP-Systemen anfänglich eine Umkehr des Wirkungssinns
einstellt. Diese Eigenschaft ist für die Klasse der NMP- und AP-Systeme typisch und macht sie
entsprechend schwer regelbar!
Gilt im Beispiel Tv < 0, jedoch Tv 6= −T , handelt es sich bei dem System um ein allgemeines
NMP-System, das sich formal in eine Serienschaltung aus AP- und MP-System zerlegen lässt:

1 − |Tv |s 1 + |Tv |s 1 − |Tv |s


GN M P (s) = K =K ·
1 + Ts |Tv |s
| 1 +{zT s } |1 +{z }
MP AP
1
Der im Rahmen der Zerlegung künstlich eingeführte Pol bei p′ = − kompensiert die künst-
|Tv |
lich eingeführte Nullstelle des MP-Systems, vgl. Abb. 4.20.

78

Tv MP
+ K ..✻
........
AP
NMP
T ...........
. .
.... .......✁
.
... ........
... ........... ✁
✄✄ ✁
. .. ..
.. . .......................
... ................
.... ....................
✄ ✁
.. ....................
+K .... .... .... .... .... .... .... .......... .... .... .... .... .... .... ........................... ...............................................................................................
..
.
.. ...
......... .
. ..
... ....
................. ................................

.
... .. ......
... ...........
.... . ........... ..........
..
.
. .... .................... ...
............
.. .... . .....
.... .......... . .......
−K ............... ....
......... ..
.. ..........
......
.......
...... t
.
... ..........
. T
Tv ...........
..........
− K
.
... .
.....
....
T

Abbildung 4.19: Übergangsfunktionen der drei Systemtypen

MP Im s

❍❍
❍ ✲
× ⊗❍❍ ❡
❍ Re
AP

Abbildung 4.20: Zerlegung eines NMP-Systems

Beispiel: Drehzahlverhalten einer Wasserturbine


Die in Abb. 4.21 dargestellte Wasserturbine ist ein NMP-System mit einer Übertragungsfunktion
entsprechend Abb. 4.18, Mitte. Wird das Stellventil u um den Arbeitspunkt sprungartig weiter
geöffnet, vermindert sich kurzzeitig die Turbinendrehzahl, bis sie sich nach einem Einschwing-
vorgang auf eine dem neuen Durchfluss entsprechende neue stationäre Drehzahl einstellt.
Dieses Beispiel hat die zu erwartende schwere Regelbarkeit von NMP-Systemen im allgemeinen
und einer Wasserturbine im besonderen demonstriert. 

u K .................................
....................
..............
............

✘ ❍❍✟ ..
...........
.



...
.
........

✟✟❍
..
Ω(t)
✛✘
.... ......................................
..
....
....

❳ .....
... .............
.........
..
.
.
.......
......
........
.......
.
. .
...
.
.. .... ......
.....

.........
..... .....
Ω ...
....
........ .... .. .......... .....
.....
✲ .... .....

✚✙
... .. .
..
....... ..
.....
.......... ....
.
...
....
...
... Tv .....
..... t
.. . .. ... K
.... T

Abbildung 4.21: Beispiel Wasserturbine, Übergangsfunktion

Zusammenfassung

In diesem Kapitel haben wir verschiedene Systembausteine unterschieden und analysiert. Kom-
plexe Systeme können dann oft aus den Bausteinen aufgebaut oder durch einen Baustein ap-
proximiert werden. Im Einzelnen wurden unterschieden:

79
• P-System
• D-System
• I-System
• PT1 -System
• PT2 -System
• Totzeitsysteme
Weiterhin wurde eine Einteilung vorgenommen, die sich an der Lage der Polstellen und Null-
stellen orientiert. Man unterscheidet so:
• Minimalphasensysteme
• Nichtminimalphasensysteme
• Allpasssysteme als Spezialfall der Nichtminimalphasensysteme

80
5 Stabilität von LTI-Systemen
Für dynamische Systeme sind verschiedene Stabilitätsdefinitionen möglich. Hier sollen für rege-
lungstechnische Zwecke nützliche Definitionen eingeführt werden.

5.1 Zustandsstabilität

Unter Zustandsstabilität versteht man die Eigenschaft eines Systems, aus einer Auslenkung
x0 des Zustandes aus der Ruhelage, in diese Ruhelage zurückzukehren. Die Definition der
Zustandsstabilität bezieht sich auf die Eigenbewegung von Systemen, d. h. der Eingang des
Systems ist u(t) = 0 und der Startzustand x(t0 ) = x0 . Die Zustandsdarstellung des Systems
ist damit
ẋ = f (x(t)), x(t0 ) = x0 (5.1)
Das System befindet sich im Gleichgewichtszustand (Ruhelage) x∗ , wenn ẋ = 0 gilt. Aus (5.1)
folgt damit f (x∗ ) = 0.
Für den Spezialfall linearer Systeme ẋ = Ax mit nicht-singulären Matrizen A ergibt sich daraus
genau eine Ruhelage, d. h. ein LTI-System besitzt für det A 6= 0 genau einen Gleichgewichts-
zustand x∗ = 0.
 T
Um den Abstand des aktuellen Zustandes x = x1 x2 ... xn vom Gleichgewichtszustand
x∗ bestimmen zu können, wird die Vektornorm aus der Differenz des Zustandes zum Gleichge-
wichtszustand gebildet. p
kx − x∗ k = (x − x∗ )T (x − x∗ )
Folgende Stabilitätsdefinitionen gelten sowohl für lineare als auch für nichtlineare Systeme.
Definition: (Stabilität nach Lyapunov)
Der Gleichgewichtszustand (Ruhelage) x∗ = 0 eines dynamischen Systems (5.1) heißt stabil
(im Sinne von Lyapunov) oder zustandsstabil, wenn für jedes ε > 0 ein δ > 0 existiert, so dass
bei einem beliebigen Anfangszustand, der die Bedingung
kx0 k < δ
erfüllt, die Eigenbewegung das Systems (5.1) die Bedingung
kx(t)k < ε
für alle Zeiten t > t0 erfüllt.
Definition: (Asymptotische Stabilität)
(=innere Stabilität) Der Gleichgewichtszustand heißt asymptotisch stabil, wenn er zustandssta-
bil ist und zusätzlich gilt:
lim kx(t)k = 0
t→∞

81
In Abb. 5.1 findet man eine Veranschaulichung der Zustandsstabilität anhand eines Zustands-
vektors (x1 , x2 ) :
x2 x2 ε-Umgebung x2 ε-Umgebung
ε-Umgebung

x1 x1 x1

δ-Umgebung δ-Umgebung δ-Umgebung

instabil stabil asymptotisch stabil


Abbildung 5.1: grafische Darstellung der Zustandstabilität

Eigenwerte eines zustandsstabilen LTI-Systems


Aus der allgemeinen Lösung der Zustandsraumdifferentialgleichung folgt für LTI-Systeme mit
Einfach- (aber auch Mehrfach-)eigenwerten die Stabilitätsbedingung

Re {λi (A)} < 0 i = 1, 2, . . . n

Diese Stabilitätsbedingung lässt sich anhand der Eigenwertgleichung mit bekannten Stabilitäts-
kriterien, wie z.B. von Routh-Hurwitz, überprüfen, mehr dazu später.
Exponentielle Stabilität
Wenn ein LTI-System ẋ = Ax asymptotisch stabil ist, so kann zusätzlich etwas über die
Geschwindigkeit“ ausgesagt werden, mit der das System den Gleichgewichtszustand erreicht:

kx − x∗ k ≤ keγt mit k > 0; λ < γ < 0 .

Hierbei erreicht das System die Ruhelage mit exponentieller Geschwindigkeit. Das heißt aber
auch, jedes lineare System mit asymptotischer Stabilität besitzt sogar die schärfere“ Eigen-

schaft der exponentiellen Stabilität.
Robuste Stabilität
Robuste Stabilität ist Stabilität für eine Menge von Systemparametern, d. h. wenn z.B. die
Beschreibung eines LTI-Systems durch die Matrix A nicht exakt ist, aber die Schranken
Amin < A < Amax bekannt sind. Ein System heißt in diesem Fall robust stabil, wenn es
∀A ∈ [Amin , Amax ] stabil ist.

5.2 Routh-Hurwitz-Kriterium

Hurwitz hat notwendige und hinreichende Bedingungen für die Stabilität von LTI-Systemen
angegeben, die sich lediglich an den Koeffizienten b des charakteristischen Polynoms

N(s) = bn sn + bn−1 sn−1 + · · · + b0

82
orientieren. Das Verfahren setzt also voraus, dass die Übertragungsfunktion des Systems be-
kannt ist. Ist nur die Systemmatrix bekannt, so kann zur Stabilitätsprüfung die direkte Methode
von Lyapunov, siehe Abschnitt 5.3, verwendet werden.
Notwendige Bedingung
Für die Stabilität eines LTI-System gilt notwendigerweise

bi > 0 ∀i

Alle Koeffizienten des charakteristischen Polynoms müssen also positiv und damit auch ungleich
Null sein. Sind alle Koeffizienten bi negativ, aber ungleich Null, ist die notwendige Bedingung
ebenfalls erfüllt, da Durchmultiplizieren von N(s) = 0 mit −1 positive Koeffizienten erzeugt.
Notwendige und hinreichende Bedingung
Ist die notwendige Bedingung erfüllt, so müssen die Koeffizienten b noch genauer untersucht
werden:
Ein System ist dann und nur dann stabil, wenn gilt:

bn > 0 und alle n Hurwitzdeterminanten > 0

Die Hurwitzdeterminanten sind dabei die Hauptabschnitts- oder auch nordwestlichen Unterde-
terminanten der Determinante Dn , die folgenden Aufbau hat:

D 1 D2 D3 . . . . . . . . . Dn−1

bn−1 bn−3 bn−5 • • • 0


bn bn−2 bn−4 • • • 0
0 bn−1 bn−3 • • • 0
0 bn bn−2 • • • 0
Dn = 0 0 bn−1 • • • 0
• • • • • • •
• • • • • • •
• • • • • • •
0 0 0 • • • b0

Dabei sind entsprechend der Systemordnung nur n Zeilen und Spalten anzugeben. Koeffizienten
mit negativem Index werden durch Nullen ersetzt. Das Stabilitätskriterium lässt sich somit auch
folgendermaßen anschreiben:

bn > 0 und Di > 0, i = 1 . . . n

83
Zur Vereinfachung der Anwendung seien hier noch in expliziter Form die notwendigen und
hinreichenden Bedingungen für die Fälle 1 ≤ n ≤ 4 angegeben:

n=1: b1 > 0, b0 > 0


n=2: b2 > 0, b1 > 0, b0 > 0
n=3: b3 > 0, b2 > 0, (b1 > 0), b0 > 0,
b2 b1 − b0 b3 > 0
n=4: b4 > 0, b3 > 0, (b2 > 0), b1 > 0, b0 > 0,
b3 b2 b1 − b0 b23 − b21 b4 > 0

Die in Klammer gesetzten Ungleichungsbedingungen stellen redundante notwendige Bedingun-


gen dar.
Hinweis:
Fall n = 4 erfordert eine Erklärung. Wenn D3 = b3 b2 b1 −b0 b23 −b21 b4 > 0 und bi > 0, i = 0,1,3,4
gelten, dann folgt, wie unten gezeigt, für alle weiteren Determinanten Di > 0 mit i = 1,2,4
und die Überprüfung von b2 > 0 ist redundant.

• Aufgrund der Struktur der Hurwitz Determinante gilt D1 = b3 > 0


• Eine Umformung von D3 liefert b3 b2 − b1 b4 > b0 b23 /b1 . Der linke Term entspricht D2 und
da b0 > 0 und b1 > 0, erkennen wir, dass D2 > 0
• Berechnung von D4 zeigt, dass D4 = b0 D3 . Da b0 > 0 und D3 > 0 gilt D4 > 0
• Lösen wir D3 > 0 nach b2 , dann ergibt sich mit bi > 0, i = 0,1,3,4: b2 > b0 b23 /(b1 b3 ) +
b21 b4 /(b1 b3 ) > 0. Somit ist die Überprüfung von b2 > 0 redundant.

5.3 Direkte Methode von Lyapunov

Die Anwendung der Methode von Lyapunov auf lineare Systeme ermöglicht die Überprüfung der
Stabilität von MIMO-Systemen ohne explizite Berechnung der Eigenwerte der Systemmatrix.
Nach Lyapunov ist der Gleichgewichtspunkt x∗ einer Differentialgleichung ẋ = f (x) asympto-
tisch stabil, wenn eine Lyapunov-Funktion V (x) gefunden werden kann, mit den Eigenschaften:
1. V (x∗ ) = 0
2. V (x) > 0 für alle x
d
3. dt
V (x) < 0 für alle Lösungen x(t) der Differentialgleichung
Die Bestimmung einer geeigneten Lyapunov-Funktion kann für nichtlineare Systeme schwierig
sein. Für lineare Systeme mit regulärer Systemmatrix A

ẋ = Ax (5.2)

kann immer der Ansatz


V (x) = xT P x

84
gemacht werden, mit einer symmetrischen, positiv definiten Matrix P . Damit ist die zweite
Bedingung erfüllt, aufgrund der Definitheit gilt xT P x > 0 und wir wenden uns der dritten
Bedingung zu. Es wird gefordert, dass die Lyapunov-Funktion V echt monoton fällt:

d d T
V (x) = x Px
dt dt
= ẋT P x + xT P ẋ
= xT AT P x + xT P Ax
= xT (AT P + P A)x < 0

Die dritte Bedingung ist also erfüllt, wenn die Matrix AT P + P A negativ definit ist, oder anders
gesagt, wenn es eine positiv definite Matrix Q gibt, mit

AT P + P A = −Q. (5.3)

Dieses Ergebnis wird im folgenden Satz zusammengefasst:


Satz: (Direkte Methode von Lyapunov)
Das System (5.2) hat genau dann einen asymptotisch stabilen Gleichgewichtspunkt x∗ = 0,
wenn es zu einer beliebigen symmetrischen, positiv definiten Matrix Q eine symmetrische, positiv
definite Matrix P gibt, so dass gilt

AT P + P A = −Q.

Beispiel:
Betrachtet wird ein lineares System mit der Systemmatrix
 
1 0
A=
0 −1

und obwohl sofort klar sein sollte, dass das System nicht stabil ist, wird die Stabilität mit der
vorgestellten Methode überprüft. Wählt man
 
1 0
Q=
0 1

als positiv definite, symmetrische Matrix aus, resultiert Gleichung (5.3) in:
     
1 0 1 0 1 0
P +P =−
0 −1 0 −1 0 1

Der allgemeine Ansatz  


p1 p2
P =
p2 p3
führt zu  
−0.5 p2
P =
p2 0.5
Die Matrix P ist nicht positiv definit, wie erwartet ist das System nicht asymptotisch stabil.

85
5.4 Zustandssteuerbarkeit und Zustandsbeobachtbarkeit

5.4.1 Zustandssteuerbarkeit

Ähnlich wie die Systemstabilität kommt der Systemeigenschaft Steuerbarkeit beim regelungs-
technischen Entwurf eine zentrale Bedeutung zu. Hier soll insbesondere die Steuerbarkeit von
LTI-Systemen behandelt werden.
Definition: (Steuerbarkeit)
Ein LTI-System wird vollständig zustandssteuerbar genannt, wenn eine zulässige Steuerung u(t)
existiert, die einen beliebigen Anfangszustand x(t0 ) = x0 in endlicher Zeit te − t0 < ∞ in den
Ursprung x(te ) = 0 überführt. 
Anmerkung:
Eine zulässige“ Steuerung hat die Eigenschaft, dass ku(t)k < ∞, u(t) stückweise stetig ist.


Satz: (Steuerbarkeitskriterium)
Das System ẋ = Ax+Bu oder kurz (A, B) ist dann und nur dann vollständig zustandssteuerbar,
wenn
Rang(QC ) = n
gilt mit der n × (n · r) Steuerbarkeitsmatrix (englisch: controllability matrix)

QC = [ B,AB, . . . ,An−1 B] . (5.4)

Bei SISO/SIMO-Systemen kann die Rangbedingung durch die einfacher auswertbare Beziehung

det QC 6= 0 , QC ∈ IRn×n

ersetzt werden. 
Anmerkung:
Der Rang einer Matrix A ist die größte quadratische Zahlenanordnung in A mit nicht verschwin-
dender Determinante. 
Herleitung des Steuerbarkeitskriteriums (nach Kalman):
In Kapitel 3.2 wurde die Lösungsformel für die Zeitantwort des Systems ermittelt (3.8):

Zt
x(t) = φ(t − t0 )x0 + φ(t − τ )Bu(τ )dτ, t ≥ t0 = 0
t0

Hierauf kann die Definition der Steuerbarkeit angewendet werden:

Zte
!
x(te ) = φ(te )x0 + φ(te − τ )Bu(τ )dτ = 0
0

86
Die Gleichung kann umgeformt werden zu:

Zte Zte
−φ(te )x0 = φ(te − τ )Bu(τ )dτ = φ(te ) φ(−τ )Bu(τ )dτ
0 0

bzw.

Zte Zte X

(−Aτ )i
−x0 = φ(−τ )Bu(τ )dτ = Bu(τ )dτ
i=0
i!
0 0
Zte Zte Zte Zte
2 τ2 τ3
=B u(τ )dτ − AB τ u(τ )dτ + A B u(τ )dτ − A3 B u(τ )dτ + · · ·
2! 3!
0 0 0 0
2 n n+1
= Bu0 + ABu1 + A Bu2 + · · · + A Bun + A Bun+1 + · · ·
Zte i
τ
mit: ui = (−1)i ds u(τ )dτ
i!
0

Ein beliebiger n-dimensionaler Vektor x0 bzw. −x0 kann mit geeignet gewähltem u bzw. ui
genau dann erzeugt werden, wenn die Matrix [B,AB,A2 B, . . . ,An−1 B,An B,An+1 B, . . .] den
Rang n besitzt. An und alle höheren Potenzen von A können als Linearkombination der niedri-
geren Potenzen von A dargestellt werden (Cayley-Hamilton-Theorem). Daher definiert sich die
Steuerbarkeitsmatrix zu: QC = [ B,AB, . . . ,An−1 B]
Diskussion der Steuerbarkeit
• Die Steuerbarkeit ist eine Invariante der Äquivalenzklasse. Mit x = T x̃ gilt nämlich für
die Steuerbarkeitsmatrix des äquivalenten Systems:
Q̃C = [B̃, Ã B̃, . . . Ãn−1 B̃] = [T −1 B, T −1 AT T −1 B, . . . ]
= T −1 [B, AB, . . . An−1 B] = T −1 QC

Da T regulär ist, hat Q̃C denselben Rang wie QC .


Die weiteren Diskussionspunkte seien der Einfachheit halber auf SISO/MO-Systeme mit Ein-
facheigenwerten λi (A) beschränkt.
• Wegen der Invarianz der Steuerbarkeitseigenschaft kann auch die kanonische Normalform
mit Λ, bk , ck herangezogen werden, d.h.
 
bk,1 λ1 bk,1 . . . λ1n−1 bk,1
 
QC = [bk Λbk . . . ] =  ... ..
.
..
.  .
bk,n λn bk,n . . . λnn−1 bk,n
Diese Darstellung erlaubt es einen Folgesatz zu formulieren: Ein SISO/MO-System ist
dann und nur dann vollständig zustandsteuerbar, wenn bk,i 6= 0, ∀i. 

87
• Defizite an Steuerbarkeit sind bei Regelstrecken häufig eine Folge der Wahl der Steuer-
größen oder der Platzierung von Aktoren im dynamischen Prozess.
gut steuerbar schlecht/nicht steuerbar
u′ u′′
❄ ✲ ✻x, ❄ ✲ ✻x,
❜ ẋ ❜ ẋ

Abbildung 5.2: Verdeutlichung gut“ und schlecht“ steuerbar anhand einer Wippe
” ”
• Steuerbarkeit ist nicht nur eine qualitative ( steuerbar“ oder nicht steuerbar“), sondern
” ”
auch eine quantitative Systemeigenschaft ( gut“ oder schlecht steuerbar“), Abb. 5.2.
” ”
Zur Bewertung werden im Schrifttum Steuerbarkeitsmaße angegeben.

5.4.2 Zustandsbeobachtbarkeit

Während die Steuerbarkeit aussagt, ob der Systemzustand vom Eingang aus gesteuert werden
kann, beschäftigt sich die Beobachtbarkeit mit der Frage, unter welchen Bedingungen der kom-
plette Systemzustand durch Auswerten der Ausgangssignale eindeutig bestimmt werden kann.
Auch diese Systemeigenschaft erweist sich für den Regelungsentwurf als entscheidend.
Wie bei der Steuerbarkeit soll auch hier nur die Beobachtbarkeit von LTI-Systemen diskutiert
werden.
Definition: (Beobachtbarkeit)
Ein LTI-System wird vollständig zustandsbeobachtbar genannt, wenn jeder beliebige Anfangs-
zustand x(t0 ) = x0 aus der Kenntnis von y(t), t0 ≤ t ≤ te < ∞ eindeutig bestimmt werden
kann. 
Satz: (Beobachtbarkeitskriterium)
Das System ẋ = Ax , y = Cx oder kurz (A, C) ist dann und nur dann vollständig zustands-
beobachtbar, wenn
Rang(QO ) = n
mit der n × (n · q) Beobachtbarkeitsmatrix (englisch: observability matrix)

QO = [ C T ,AT C T , . . . ,(AT )n−1 C T ] .

Bei SI/MISO-Systemen kann die Rangbedingungung durch die einfacher auswertbare Beziehung

det QO 6= 0 , QO ∈ IRn×n

ersetzt werden. 
Herleitung des Beobachtbarkeitskriteriums (nach Kalman):
Zur Untersuchung der Zustandsbeobachtbarkeit wird wie bei der Untersuchung der Zustands-
steuerbarkeit die Lösungsformel für die Zeitantwort des Systems (3.8) verwendet:

88
Zt
y(t) = Cφ(t − t0 )x0 + C φ(t − τ )Bu(τ )dτ + Du
t0

Bei der Untersuchung der Zustandsbeobachtbarkeit wird lediglich das ungestörte System
(u(t) = 0) betrachtet. Dies ist erlaubt, da der Anfangszustand x0 nur in die freie Bewegung
des Sytems
y f = Cφ(t − t0 )x0 = Cφ(t)x0

eingeht. Der erzwungene Anteil der Bewegung

Zt
ye = C φ(t − τ )Bu(τ )dτ + Du
t0

kann mit Hilfe des Modells und der Kenntnis des zeitlichen Verlaufs der Eingangsgröße u
berechnet werden. Der freie Anteil der Bewegung ist also:

y f (t) = Cφ(t)x0 = CeAt x0

Für einen Zeitpunkt kann x0 aus dieser Gleichung nicht eindeutig bestimmt werden, da n
Unbekannte aus r Gleichungen bestimmt werden sollen und r < n. Da aber der zeitliche
Verlauf von yf (t) bekannt ist können die Ableitungen der Gleichung zur Lösung des Problems
verwendet werden. Es wird n − 1-mal abgeleitet:

ẏ f (t) = CAeAt x0
ÿ f (t) = CA2 eAt x0
..
.
(n−1)
y f
(t) = CAn−1 eAt x0

Für t → t0 = 0 erhält man:

y f (0) = Cx0
ẏ f (0) = CAx0
ÿ f (0) = CA2 x0
..
.
(n−1)
y f
(0) = CAn−1 x0

Dieses lineare Gleichungssystem ist eindeutig lösbar, wenn die Beobachtbarkeitsmatrix QO =


[ C T ,AT C T , . . . ,(AT )n−1 C T ] den Rang n besitzt.

89
Diskussion der Beobachtbarkeit

• Die Zustandsbeobachtbarkeit ist Invariante der Äquivalenzklasse. Der Nachweis kann ähn-
lich wie bei der Steuerbarkeit geführt werden.

Die nachfolgende Diskussion sei wiederum auf SI/MISO-Systeme mit Einfacheigenwerten be-
schränkt:
• Wegen der Invarianz der Beobachtbarkeitseigenschaft kann auch die Beobachtbarkeits-
matrix der kanonischen Normalform herangezogen werden, d.h.
 
ck,1 λ1 ck,1 . . . λ1n−1 ck,1
 
QO = [ ck ΛT ck . . . ] =  ...  .
ck,n λn ck,n . . . λnn−1 ck,n

Diese Darstellung erlaubt es einen Folgesatz anzugeben: Ein SI/MISO-System ist dann,
und nur dann, vollständig zustandsbeobachtbar, wenn ck,i 6= 0, ∀i. 
• Defizite an Beobachtbarkeit sind bei Regelstrecken häufig eine Folge der Wahl von Mess-
größen oder der Platzierung von Sensoren im dynamischen Prozess. So kann die Trans-
versalschwingung x(z,t) eines einseitig eingespannten Balkens durch einen im Schwin-
gungsknoten angebrachten Schwingungsaufnehmer (Beschleunigungssensor) nicht detek-
tiert werden, während dies bei Montage in der Nähe eines Schwingungsbauches sehr gut
möglich ist.

x ✻ x(z,t)
❆❆
✻ ✲
z

s s
gut ❄ ❄ schlecht/nicht

beobachtbar y y ′′ beobachtbar

Abbildung 5.3: Günstige und ungünstige Platzierung eines Schwingungssensors

• Beobachtbarkeit ist nicht nur eine qualitative ( beobachtbar“ oder nicht beobachtbar“),
” ”
sondern auch eine quantitative Systemeigenschaft ( gut“ oder schlecht beobachtbar“),
” ”
Abb. 5.3. Zur Bewertung werden im Schrifttum Beobachtbarkeitsmaße angegeben.

5.4.3 Beispiel: Steuerbarkeits- und Beobachtbarkeitsprüfung

Vorgelegt sei eine Zustandsbeschreibung.


   
−1 0 0 1
ẋ =  1 −4 0 x+ 0 u
 
1 0 −2 1
y = [0 0 1] x

90
• Steuerbarkeit:
       
1 −1 0 0 1 −1
b= 0  Ab =  1 −4 0   0 = 1 
1 1 0 −2 1 −1
     
−1 0 0 −1 1
A2 b = A(Ab) =  1 −4 0   1  =  −5 
1 0 −2 −1 1
 
1 −1 1
1.Zeile = 3.Zeile
QC = [ b Ab A2 b ] =  0 1 −5 
Rang {QC } = 2
1 −1 1
Das System ist nicht vollständig steuerbar: Rangabfall von 1 besagt, dass nur 2 von 3
Zuständen steuerbar sind.

• Beobachtbarkeit:
 
0 1 −3
 0 2.Zeile = Nullzeile
QO = [ c AT c (AT )2 c ] = 0 0 
Rang {QO } = 2
1 −2 4
Das System ist nicht vollständig beobachtbar: Rangabfall von 1 besagt, dass nur 2 von 3
Zuständen beobachtbar sind.

• Übertragungsfunktion: Weitere Aufschlüsse über diese Systemeigenschaften liefert die


Übertragungsfunktion, die mit Hilfe von Formel (2.17) aus der ursprünglichen Zustands-
beschreibung berechnet werden kann.
Y (s) s + 4 + (s + 1)(s + 4) (s + 2)(s + 4) 1
G(s) = = = =
U(s) (s + 1)(s + 4)(s + 2) (s + 1)(s + 4)(s + 2) s+1
Das Endergebnis zeigt, dass sich – als Folge von Pol/Nulstellen-Kompensationen – die
Ordnung von G(s) formal mathematisch auf 1 reduzieren lässt, obwohl aufgrund der
Systemmatrix die Ordnung 3 (= Anzahl der Speicherelemente) zu erwarten war.
Diese Feststellung leitet unmittelbar zum nächsten Abschnitt über.

5.4.4 Einfluss von Steuerbarkeit und Beobachtbarkeit auf das


E/A-Verhalten

Satz:
Jedes SISO-LTI-System kann durch geeignete Transformation in 4 Subsysteme mit disjunkten
Steuerbarkeits- und Beobachtbarkeitseigenschaften zerlegt werden, wie dies Abb. 5.4 zeigt. 
Aus der Abbildung geht hervor, dass in der E/A-Übertragungsfunktion nur das vollständig
steuerbare und beobachtbare Teilsystem seinen Niederschlag findet, d.h. nur die steuerbaren
und beobachtbaren Eigenwerte bilden die Pole von G(s), d.h. G(s) = G∗ (s). Diese Tatsache
erklärt auch die im vorhergehenden Beispiel festgestellte – durch Pol/Nullstellenkompensationen
bedingte – Ordnungsreduktion von G(s). Daraus folgt schließlich der Satz:

91
x1
∗ Y (s)
✉ ✲ ❥ ✲
U(s) ✲ ✟G (s) Y (s) = G∗ (s)
S&B ✟ G(s) =
U(s)

x2
✲ S&B
/

x3
S/&B
s
✟✟ x4
Σ
S/&B
/

Abbildung 5.4: Aufteilung eines SISO-Systems in vier disjunkte modale Teilsysteme

Satz:
Ein SISO-LTI-System hat dann und nur dann eine nicht-reduzierbare (= teilerfremde) E/A-
Übertragungsfunktion G(s), wenn das System vollständig steuerbar und beobachtbar ist. Die
Menge der n Eigenwerte λi (A) bildet dann die Menge der n Pole pi von G(s). 
Umgekehrt ist alleine aufgrund einer gegebenen – möglicherweise reduzierten – E/A-Übertra-
gungsfunktion kein eindeutiger Schluss auf die ihr zugrundeliegende Zustandsbeschreibung und
die zugehörigen Eigenwerte möglich! Diese Tatsache ist für die Beurteilung der Systemstabilität
von entscheidender Bedeutung.

5.5 BIBO-Stabilität (= äußere Stabilität, E/A-Stabilität)

Für regelungstechnische Bedürfnisse ist neben der Zustandsstabilität die BIBO-(Bounded Input
Bounded Output-) Stabilität, auch E/A-Stabilität genannt, von Bedeutung.
Definition: (BIBO-Stabilität)
Das LTI-System Σ mit
ẋ = Ax + Bu(t)
y = Cx + Du(t)
wird E/A-stabil oder BIBO-stabil genannt, wenn für einen Anfangsvektor x(t0 ) = x0 = 0 und
für t ≥ 0 beschränkte Eingangsvektorverläufe ||u(t)|| < α zu beschränkten Ausgangsvektor-
verläufen ||y(t)|| < β führen, wobei α, β positive Zahlen sind. 
Pole eines E/A-stabilen Systems: P kν
Transformiert man die Übertragungsfunktion G(s) = s−pν
in den Zeitbereich so ergibt sich

92
P
g(t) = kν epν t . Bei E/A-stabilen Systemen gilt also für die Pole der Übertragungsfunktion

Re{pi } < 0 i = 1, 2, . . . n

Unter Beachtung der Steuerbarkeits- und Beobachtbarkeitseigenschaften von Σ folgen aus ei-
ner Abschätzung des durch eine Abschätzung erzwungenen Lösungsverlaufes folgende E/A-
Stabilitätsbedingungen:

Σ ist vollständig steuerbar und beobachtbar:


Fall (i)
Re{λi (A)} < 0 i = 1, 2, . . . n

Σ ist nicht vollständig steuerbar und/oder


nicht vollständig beobachtbar:
Fall (ii) Re{λj (A)} < 0
für die Untermenge aller steuerbaren und
gleichzeitig beobachtbaren Eigenwerte λj (A)

Zusammen mit dem Abschnitt über innere Stabilität lässt sich daraus schlussfolgern:

Fall (i): Fall (ii):


asymptotisch stabil ⇐⇒ E/A-stabil asymptotisch stabil =⇒ E/A-stabil

In Fall (i) können wahlweise die n Eigenwerte λi (A) oder die n Pole pi der E/A-Übertragungs-
funktion G(s) zur E/A-Stabilitätsprüfung herangezogen werden, während dafür im Fall (ii) die
Pole der reduzierten Übertragungsfunktion G∗ (s) ausreichen. Allerdings kann es im letztgenann-
ten Fall – verdeckt durch Steuerbarkeits- und Beobachtbarkeitsdefizite bzw. Pol/Nullstellen-
Kompensationen – zu inneren Instabilitäten des Systems kommen, die jedoch im E/A-Verhalten
(zumindest theoretisch) nicht in Erscheinung treten.

5.6 Wirkung reeller oder konjugiert komplexer Pole


Basierend auf den grundlegenden Beziehungen:
n
X n
X

G(s) = bzw. g(t) = kν epν t
ν=1
s − pν ν=1

lässt sich für die Systemantwort g(t) (Abb. 5.5) zusammenfassend feststellen, dass

• komplexe Pole zu periodischen Bewegungsanteilen, Kreisfrequenz ωe , führen,


• mit wachsendem Polabstand |σe | bzw. |1/T | von der Imaginärachse die Auf- und Abkling-
geschwindigkeit der betreffenden Teilbewegungen zunimmt,
• σe bzw. 1/T = 0 zu grenzstabilen Verhalten, d.h. zu einem Konstantwert bzw. zu un-
gedämpften Dauerschwingungen, führen,

93
Schnelleres Abklingen Schnelleres Aufklingen

Im
0<D<1 s

Zunehmende Frequenz
D=0
D>0 D<0

t
1/T

T>0, D>=1 Re

stabil instabil

grenzstabil

Abbildung 5.5: Einfluss von Pollagen auf die Gewichtsfunktion

• bereits ein einziger Pol mit positivem Realteil zu instabilem Verhalten führt.

Die diskutierten Zusammenhänge gelten natürlich nicht nur für die Gewichtsfunktionen; sie
können sinngemäß auf alle Systemantworten übertragen werden, da diese durch Faltung aus
g(t) hervorgehen, und motivieren die Definition des Stabilitätsgrads.

5.7 Stabilitätsgrad

Systemstabilität erfordert bekanntlich, dass alle Pole eines Systems in der linken s-Halbebene
liegen müssen. Dies ist zum Beispiel bei dem in Abb. 5.6a) gezeigten System 6. Ordnung der
Fall.
Neben der qualitativen Feststellung, dass ein System stabil ist, interessiert natürlich auch die
quantitative Charakterisierung des Grades seiner Stabilität. Aussagen dazu machen Stabilitäts-
reserven oder -grade.

a) Absolute Stabilitätsreserve
Existiert in der Pol-/Nullstellenkarte eine Grenzgerade Re {s} = σgr = const. < 0, für
die gilt, dass alle Systempole links von ihr liegen, so schwingt das System schneller als

94
Im Im

s ta b il in s ta b il
s s n < s g r < 0
t
| g ( t ) | < M .e s g r

R e R e
s g r

a ) S ta b ilitä t b ) a b s o lu te R e s e r v e

S te llg r ö ß e n b e -
s c h rä n k u n g s g re n z e
0 < D g r < D n < 1 Im
Im

j g r= t
a rc c o s D g r | g ( t ) | < M .e s g r
(D > D g r )

>
R e R e

c ) r e la tiv e R e s e r v e d ) k o m b in ie r te R e s e r v e

Abbildung 5.6: Stabilität und Stabilitätsgrade/-reserven

1 3
mit der Zeitkonstanten ein (Höchsteinschwingzeit < ), d.h.
|σgr | |σgr |

|g(t)| ≤ Meσgr t

Ein entsprechendes Beispiel zeigt Abb. 5.6b).


b) Relative Stabilitätsreserve
Liegen alle Systempole in einem Sektor |ϕ| ≤ ϕgr < 900 um die negative reelle Achse,
so ist das System durch eine Mindestdämpfung

Dgr = cos ϕgr

gekennzeichnet. Ein Beispiel zeigt Abb. 5.6c).


c) Kombinierte Stabilitätsreserve
Aus relativer und absoluter Stabilitätsreserve lässt sich natürlich die in Abb. 5.6d) skiz-
zierte Schnittmenge bilden, die als kombinierte Reserve eines Systems bezeichnet wird.
Sie garantiert gleichzeitig eine Höchsteinschwingzeit und eine Mindestdämpfung.

95
Im letzten Teilbild ist noch eine weitere Grenzgerade eingetragen, die als Stellgrößenbeschrän-
kungsgrenze bezeichnet wird. Sie ist im Zusammenhang mit der Anwendung der definierten
Stabilitätsreserven auf Regelungssysteme von Bedeutung. Sie besagt, dass bedingt durch den
endlichen und damit beschränkten Stellbereich jedes Aktors (z.B. hat jeder Verstärker eine obere
und untere Begrenzung) Einschwingvorgänge in einem Regelkreis nicht beliebig beschleunigt
werden können. Eine Beschleunigung könnte ja nur durch eine Verschiebung der Regelkreispole
weiter in die linke s-Halbebene herbeigeführt werden, was jedoch höhere Stellamplituden zur
Voraussetzung hätte.

5.8 Dominierendes Systemverhalten und


Ordnungsreduktion

Bei Systemen höherer Ordnung stellt sich immer die Frage, welche Teilvorgänge bzw. welche
Pole das dynamische Systemverhalten primär bestimmen. Allgemein lässt sich bei stabilen Sys-
temen feststellen, dass das Einschwingen des Gesamtsystems umso langsamer/träger verlaufen
wird, je näher seine Pole an der Imaginärachse liegen. Daraus folgt, dass von der Menge aller
Systempole sich gerade die nahe an der Imaginärachse liegenden Pole dominierend auf das
Einschwingverhalten auswirken werden.
Liegt nun eine Situation wie in Abb. 5.7 vor, wo sich z.B. zwei Polgruppen eines Systems deutlich
voneinander abgrenzen lassen (z.B. um den Faktor 10 auseinanderliegen), so ist in obigem
Sinne klar, dass die am weitesten rechts platzierte Gruppe das dynamische Verhalten dominiert.
Derartige Situationen treten häufig in mechatronischen Regelungsanordnungen auf, wo neben
schnellen elektrischen Polen, auch langsame Pole wirksam sind, die von den mechanischen
Systemkomponenten herrühren.

Im s
........ . ✻
× ..
...
...
.
...
........

.. ...
...
×× ≀≀ ××
....
.
..
..
..
...
... ..
..
..

×
...
.. .
...
........
Re
1........ .

1 Ti
σej bzw. −
τj

Abbildung 5.7: Typische Polverteilung mechatronischer Systeme

Diese Poldominanz kann bei großen Systemen mit Vorteil zur Reduzierung der Systemordnung
(und somit auch der Problemdimension) genutzt werden. Im Falle reeller Pole bildet man hierzu
1
zwei Gruppen, nämlich die der dominierenden, großen Zeitkonstanten Ti = und die der
|pi |
1
nicht-dominierenden kleinen, τj = . Dabei sollte im Hinblick auf das Folgende ungefähr
|pj |
gelten:
Ti > 10τj ∀i, j

96
Damit kann G(s) in Zeitkonstantendarstellung wie folgt dargestellt werden:
K 1
G(s) = Q Q
(1 + Ti s) (1 + τj s)
i j

Da die erste Teilübertragungsfunktion auf der rechten Seite von G(s) den dynamisch dominie-
renden Anteil beschreibt, kann die zweite (mehr als 10x schneller abklingender Anteil) durch
den stationären Wert 1 ersetzt werden, sodass G(s) approximiert werden kann durch
K
G(s) ≈ G∗ (s) = Q
(1 + Ti s)
i

Im Hinblick auf gleiches stationäres Verhalten des Originalsystems G(s) und des Ersatzsystems
G∗ (s) sollte diese Art der Ordnungsreduktion stets ausgehend von obiger Darstellung von G(s)
vorgenommen werden!
Das skizzierte Vorgehen ist sinngemäß auf Systeme mit komplexen Polen erweiterbar. Hier dient
zur Differenzierung der Abstand σe von der Imaginärachse.
Beispiel:
2 2 1 2
G(s) = = · → G∗ (s) =
(1 + s)(1 + 0,1s) |1 {z
+ s} 1 + 0,1s 1+s
| {z }
dominierend nicht-
T =1 dominierend
τ = 0,1
Abb. 5.8 zeigt die Übergangsfunktionen von G(s) und G∗ (s) im Vergleich. Der geringe Appro-
ximationsfehler ist offensichtlich. 
r e d u z ie r t ( P T 1 ) : h * ( t )

n ic h t r e d u z ie r t ( P T 2 ) : h ( t )

1 t

Abbildung 5.8: Übergangsfunktionen reduziertes und nicht-reduziertes System

Grenz- oder sogar instabiles Systemverhalten ist stets ein dominierendes Merkmal des entspre-
chenden Systems. Die zugehörigen Pole auf oder rechts der Imaginärachse sind daher natürlich
immer dominant und müssen unbedingt in das Ersatzsystem G∗ (s) miteinbezogen werden.

5.9 Wirkung von Nullstellen auf das Systemverhalten

Bisher wurden nur Systeme ohne Nullstellen untersucht. Allerdings haben auch die Nullstellen
entscheidenden Einfluss auf das dynamische Systemverhalten (nicht auf die Stabilität!), wie
anhand eines Beispiels gezeigt werden soll.

97
u ✲ 1 + sTv ✲ 1 y

1 + 0,1s 1+s

Abbildung 5.9: Steuerungssystem für Flugzeugtriebwerk

Die in Abb. 5.9 dargestellte Anordnung kann als ein einfaches kontinuierliches Steuerungssystem
bestehend aus Steuerungsgerät (PDT1 -Block) und Strecke (PT1 -Block, z.B. Flugzeugtriebwerk)
interpretiert werden. Die Gesamtübertragungsfunktion lautet

Y (s) 1 + sTv
G(s) = = .
U(s) (1 + 0,1s)(1 + s)

1
Das zugehörige Systemverhalten soll abhängig von der Lage der Nullstelle q1 = − anhand
Tv
der Übergangsfunktion h(t) untersucht werden:

a) Fall Tv ≈ 0,1:
Diese Parametrierung führt dazu, dass die Nullstelle auf dem kleineren Pol zu liegen
kommt und ihn bzw. seine Wirkung quasi auslöscht, vgl. Abb. 5.10. Entsprechend redu-
ziert sich G(s) rechnerisch zu

1
G(s) ≈
Tv =0,1 1+s

Abb. 5.10 zeigt die resultierende Übergangsfunktion, die praktisch der der Strecke ent-
spricht.


Im s 1 h(t)

⊗ ≀≀ × ✲
Re ✲
1 t

Abbildung 5.10: Pol-/Nullstellen und Übergangsfunktion für Tv ≈ 0,1

b) Fall Tv ≈ 1:
Hier wird der größere Pol (Strecke) nahezu ausgelöscht, vgl. Abb. 5.11. Die Gesamtsys-
temdynamik entspricht
1
G(s) =
Tv ≈1 1 + 0,1s
Das System reagiert nun deutlich schneller als die Strecke auf den Eingangssprung; siehe
auch Abb. 5.11.

98

Im s 1

× ≀≀ ⊗ ✲
Re ✲
0,1 1 t

Abbildung 5.11: Pol-/Nullstellen und Übergangsfunktion für Tv ≈ 1

c) Fall Tv = 0:
Gilt Tv = 0, so besitzt G(s) keine Nullstelle im Endlichen. Wir erhalten daher das bekannte
PT2 -Verhalten für den aperiodischen Fall D > 1, vgl. auch Abb. 5.12 bzw. Abb. 4.14.

u(t)

1


1 t

Abbildung 5.12: Übergangsfunktion für Tv = 0

Wie das Beispiel zeigt, führt die Lage der Nullstellen zu unterschiedlichem dynamischen Ver-
halten. Das ist dadurch zu erklären, dass die Nullstellen über die Gewichtungsfaktoren kν die
einzelnen Exponentialanteile in der Übergangsfunktion h(t) entscheidend beeinflussen. Dagegen
werden die Exponentialanteile selbst nur durch die Pole bestimmt.
Liegt, wie in Abb. 5.10, eine Nullstelle genau auf einem Pol, ergibt sich für diesen Pol das Ge-
wicht kν = 0, der zugehörige Exponentialterm tritt in der Systemantwort nicht mehr auf. Diese
Eigenschaft kann zur sogenannten Auslöschungskompensation verwendet werden: Hierbei wird,
z.B. durch geeignete Strukturierung und Parametrierung eines Steuergerätes oder Reglers, eine
Nullstelle auf dem langsamsten Streckenpol platziert. Diese kompensiert dann dessen Wirkung
und beschleunigt damit das Gesamtsystemverhalten entsprechend, vgl. Abb. 5.11

Im s

q =p+ε
×❡ ✲
p Re

Abbildung 5.13: Polkompensation in rechter Pol-/Nullstellenhalbebene

Anmerkung:
Durch Pol-/Nullstellenkompensation kann jedoch nie die Wirkung eines instabilen Poles be-

seitigt“ werden. Da in der Praxis die Nullstelle praktisch immer um ein ε von der Lage des
instabilen Pols abweichen wird, bleibt ein instabiles System infolgedessen auch nach Kompen-
sation instabil, vgl. Abb. 5.13.

99
Wie in Kapitel 6 gezeigt wird, kann jedoch ein instabiles System sehr wohl durch Regelung
stabilisiert werden. 

Zusammenfassung

Begonnen wurde in diesem Kapitel mit der Definition verschiedener Stabilitätsarten:


• Zustandsstabilität (asymptotisch, exponentiell)
• BIBO- oder E/A-Stabilität
• Robuste Stabilität
Um genaueren Einblick in die Unterschiede der Definitionen zu gewinnen, wurden Steuerbarkeit
und Beobachtbarkeit definiert. Die wichtigen Folgerungen sind:
• Lineare Systeme sind zustandsstabil, wenn die Eigenwerte der Systemmatrix in der linken
Halbebene des komplexen Raums liegen.
• Lineare Systeme sind BIBO- oder E/A-stabil, wenn die Pole der Übertragungsfunktion in
der linken Halbebene des komplexen Raums liegen.
• Die Pole der Übertragungsfunktion sind eine Untermenge der Eigenwerte der Systemma-
trix.
Als Kriterien zur Stabilitätsprüfung ohne explizite Berechnung der Eigenwerte/Pole wurden zwei
Methoden vorgestellt:
• Routh-Hurwitz-Kriterium
• Direkte Methode von Lyapunov
Für die praktische Anwendbarkeit der Definitionen wird der Stabilitätsgrad definiert und die
Möglichkeit der formalen Ordnungsreduktion erläutert.

100
6 Grundlagen der Regelung und
Standardregler

Im Mittelpunkt dieses Kapitels stehen die qualitative und quantitative Analyse der Eigenschaften
einschleifiger linearer Regelkreise und erste Hinweise zum Reglerentwurf. Ein gutes Verständnis
dieser Grundlagen erweist sich von großem Nutzen bei der späteren Behandlung von erweiterten
und komplexeren Regelungsstrukturen.

6.1 Grundstruktur und Regelungsziele

6.1.1 Grundstruktur

Abb. 6.1 zeigt die Grundstruktur eines einschleifigen Regelkreises mit den Übertragungsfunk-
tionen für Regler GR (s), Strecke inkl. Aktor GS (s) und Regelkreisrückführung Gr (s), beste-
hend aus Sensor und Rückführelement. Neben der Führungsgröße w sind typische Störgrößen
im Vorwärtszweig z1 und z2 (Last) und im Rückführzweig z3 (Sensorrauschen) eingezeichnet.
Noch einmal sei daran erinnert, dass hinter den Übertragungsfunktionen technische Realitäten
stehen, wie etwa die Teilsysteme der Drehgeschwindigkeitsregelung aus Abschnitt 2.7 oder die
Dynamik des Dreitanksystems aus Abschnitt 2.6.

z1 z2
w ✲ ❥ e✲ u✲ ❄
❥ ✲

✲ ❥ ✉
y

GR (s) GS (s)



✛ ✛
z3
y′ Gr (s)

Abbildung 6.1: Einschleifige Regelkreisstruktur

Während die Regelstrecke GS üblicherweise als fest vorgegeben zu betrachten ist, besteht
die grundsätzliche Entwurfsaufgabe darin, durch geschickte Wahl und Auslegung von Regler
GR und Rückführelement Gr die gewünschten Regelungsziele zu erfüllen. Diese können sehr
pauschal durch folgende Forderungen umrissen werden:

101
• die Regelgröße y(t) sollte möglichst exakt der Führungsgröße w(t) folgen (= ideales
Folgeverhalten), d.h.
!
y(t) = 1 · w(t) , ∀t

• alle Störungen zi (t) sollten ohne Einfluss auf y(t) bleiben (ideales Störverhalten), d.h.
!
y(t) = 0 · zi (t) , ∀t

Wird für den Regelkreis LTI-Verhalten vorausgesetzt, dann lässt sich der Zusammenhang zwi-
schen Regelgröße und allen Eingangsgrößen, d.h.

y = f (w,z1 ,z2 ,z3 )

durch Superposition der Wirkung der einzelnen Eingangsgrößen auf die interessierende Aus-
gangsgröße ermitteln. Im L-Bereich gilt entsprechend für den Regelkreis aus Abb. 6.1 die Be-
ziehung
Y (s) = Gw (s)W (s) + Gz1 (s)Z1 (s) + Gz2 (s)Z2 (s) + Gz3 (s)Z3 (s) .
Gw bezeichnet man als Führungsübertragungsfunktion, Gzi als die Störübertragungsfunktionen.
Mit der Übertragungsfunktion des aufgeschnittenen Regelkreises G0

G0 (s) = GR (s)GS (s)Gr (s)

kann unter Verwendung der bekannten Formel für Kreisstrukturen (Abb. 2.11) geschrieben
werden:

GR (s)GS (s) GS (s) 1 −G0 (s)


Y (s) = W (s) + Z1 (s) + Z2 (s) + Z3 (s)
1 + G0 (s) 1 + G0 (s) 1 + G0 (s) 1 + G0 (s)
(6.1)
Der Regelfehler ist definiert als Differenz zwischen Führungsgröße und der Messung der Regel-
größe und ist der Eingang des Reglers. Entsprechend folgt für den Regelfehler e = w − y ′

1 −GS (s)Gr (s) −Gr (s) −Gr (s)


E(s) = W (s) + Z1 (s) + Z2 (s) + Z3 (s)
1 + G0 (s) 1 + G0 (s) 1 + G0 (s) 1 + G0 (s)

Anmerkung:
Man beachte, dass alle Regelkreis-Übertragungsfunktionen den gleichen Nennerausdruck 1 +
G0 (s) enthalten. 
Handelt es sich um den wichtigen Spezialfall eines Regelkreises mit Einheitsrückführung (Sen-
sorübertragungsverhalten Gr (s) = 1), Abb. 6.2, so vereinfacht sich G0 (s) zu

G0 (s) = GR (s)GS (s)

Als Abgrenzung und zum späteren Vergleich zeigt Abb. 6.3 die Steuerungsstruktur mit

Y (s) = GR (s)GS (s)W (s) + GS (s)Z1 (s) + Z2 (s) . (6.2)

102
z1 z2
w ✲ ❥ e✲ u✲ ❄
❥ ✲

✲ ❥ ✉
y = y′

GR GS


❥✛
z3

Abbildung 6.2: Regelkreis mit Einheitsrückführung

z1 z2
❄ ❄ y
✲ ❥ ✲ ✲ ❥ ✲
w ✲
GR GS

Abbildung 6.3: Steuerungsstruktur

6.1.2 Vergleich von Regelung und Steuerung

Entsprechend den formulierten Hauptregelungszielen sollte also eine Regelung oder Steuerung
idealerweise folgende Beziehung erfüllen

!
y(t) = 1 · w(t) + 0 · z1 (t) + 0 · z2 (t) + 0 · z3 (t) ∀t .

Steuerungssystem
Vergleicht man Gleichung 6.1 mit Gleichung 6.2, so fällt auf, dass zwar mit der Wahl
GR (s) = G−1S (s) das Führungsverhalten (theoretisch) zu eins erfüllt werden kann, dass je-
doch die Auswirkungen der Störgrößen z1 und z2 nicht zu unterbinden sind! Wegen Fehlen
eines Sensors ist die Störung z3 hier ohne Bedeutung.
Regelungssystem
Wird von einer hohen Reglerverstärkung ausgegangen,

|GR (s)| ≫ 1 ,

so geht Gleichung (6.1) näherungsweise über in

1
Y (s) ≈ W (s) + 0 · Z1 (s) + 0 · Z2 (s) − 1 · Z3 (s) .
Gr (s)

Dieser Ausdruck erfüllt mit Gr = 1 mit Ausnahme der auf diese Weise nicht erreichbaren Un-
terdrückung der Wirkung von z3 alle gestellten Forderungen. Regelungen sind also Steuerungen
im Hinblick auf die Störunterdrückung deutlich überlegen.

103
Es fällt weiterhin auf, dass das Übertragungsverhalten von Regelungen bei hinreichend großem
|GR | nur noch vom Verhalten des Rückführzweigs, der ggf. den Wert 1 hat, abhängt. Dies
bedeutet, dass die Eigenschaften einer Regelungsstruktur primär vom Rückführzweig bestimmt
werden; die Elemente des Vorwärtszweiges inkl. der typischerweise unsicher bekannten oder
im Betrieb schwankenden Streckenparameter sind dafür offenbar nur von untergeordneter Be-
deutung. Diese außerordentlich positive Robustheitseigenschaft eines Regelkreises macht diesen
einem Steuerungssystem zusätzlich überlegen.
Andererseits ist bei der Auswahl der Sensoren besonders hohe Aufmerksamkeit notwendig, da
eventuelle Parameterschwankungen oder Sensorrauschen z3 durch den Regler nicht kompensier-
bar sind. Obwohl die Annahme eines hinreichend großen |GR | stabilitätsbedingt nicht immer
realistisch ist, erlaubt diese vorläufige Betrachtung einige grundlegende Schlussfolgerungen.

6.1.3 Qualitative Schlußfolgerungen

• Regelungen sind Steuerungen dann überlegen, wenn der Einfluss der Störgrößen z1, 2
bedeutsam ist.
• Regelungen reagieren empfindlich auf Messstörungen z3 .
• Ist |GR | hinreichend groß, verschwindet die Abhängigkeit der Regelgröße y von den Details
der Eigenschaften von Strecke GS (s) und Regler GR (s). Stabilität vorausgesetzt machen
hohe Reglerverstärkungswerte einen Regelkreis robust gegen betriebliche Veränderungen
der Streckenparameter oder gegenüber Unsicherheiten der Streckenmodellierung.
• Regelungen können auch instabile Strecken stabilisieren.

6.2 Standardstrecken und Standardregler

6.2.1 Standardstrecken

Die beiden wegen ihrer praktischen Bedeutung hier zugrundegelegten Standardstreckentypen


sind
• Strecke vom globalen P-Typ
P-Typ-Strecken können beschrieben werden durch

1 + . . . s + . . . s2 + . . .
GS (s) = KS
1 + . . . s + . . . s2 + . . .

Stabilität vorausgesetzt schwingen ihre Übergangsfunktionen auf den stationären Endwert


KS (P-Typ) ein, vgl. Abb. 6.4.
Einfache Beispiele für diese Klasse von Strecken bilden die in Abschnitt 4.3 und 4.4
behandelten PT1 - und PT2 -Systeme.

104
u n v e rz ö g e rte s
P - V e r h a lte n
h (t)
K S

Abbildung 6.4: Qualitativer Übergangsfunktionsverlauf stabiler Strecken vom P-Typ

• Strecke vom globalen I-Typ I-Typ-Strecken lassen sich allgemein schreiben als

KS 1 + . . . s + . . . s 2 + . . .
GS (s) =
s 1 + . . . s + . . . s2 + . . .

Eine typische Übergangsfunktion zeigt Abb. 6.5, wobei ein zwar verzögertes, aber nach
Abklingen des Einschwingvorgangs integrierendes Verhalten erkennbar ist, das auch be-
reits von reinen I-Systemen (gestrichelter Verlauf) bekannt ist.

u n v e rz ö g e rte s
I- V e r h a lte n

h (t)

Abbildung 6.5: Qualitativer Übergangsfunktionsverlauf von I-Strecken

6.2.2 Standardregler

Für vergleichende Untersuchungen werden folgende in der Praxis weit verbreitete Reglertypen
herangezogen:
• P-Regler : GR (s) = KP
KI
• I-Regler : GR (s) =
s
KI
• PI-Regler : GR (s) = KP +
s
Da auch anderen Reglerkombinationen aus P-, I- und D-Anteilen eine große praktische Bedeu-
tung zukommt, werden sie im weiteren kurz erläutert.
Ein typischer industrieller Standardregler ist der PID-Regler, für den zwei durch unterschiedliche
Parametersätze charakterisierte Darstellungsformen üblich sind:

105
PID-Regler:
 
U(s) KI 1
GR (s) = = KP + K D s + = KP 1 + Tv s +
E(s) s Tn s

KP , KD und KI werden als die P(proportional)-, I(integral)- und D(differential)-Reglerkonstan-


ten bezeichnet. Tv ist die Vorhaltzeit, die das Gewicht der Änderungstendenz der Regeldifferenz
auf den Reglerausgang (D-Anteil) festlegt und eine beschleunigende Wirkung ausübt. Tn ist
die Nachstellzeit, die den integralen Regleranteil gewichtet, die zurückliegende Entwicklung der
Regeldifferenz mitberücksichtigt und damit einen retardierenden Effekt hat. KP bezeichnet den
Proportionalbeiwert oder Verstärkungsgrad des Reglers.
Aus dieser allgemeinen Reglerformel lassen sich durch Nullsetzen entsprechender Ki -Werte als
Reglersonderformen wie P-, I-, PD- und PI-Regler gewinnen.
Der oben angegebene PID-Regler kann nur rechnerisch verwendet werden. Er ist, insbesondere
wegen des reinen D-Anteils, nichtkausal und damit nicht realisierbar. Dieses Defizit kann jedoch
leicht durch Ansetzen eines PID-Reglers mit verzögertem D-Anteil behoben werden.
PID-Regler verzögert:
KI KD s
GR (s) = KP + +
s 1 + Ts
Diese Form des PID-Reglers ist realisierbar; er übt durch die beim D-Anteil eingeführte Zeit-
konstante T (Tiefpass) eine Filterwirkung auf differenziertes Rauschen aus.
Vorhalt/Nacheil-Regler:
Ein anderer Standardreglertyp ist der Phasenvorhalt/Phasennacheil-Regler, auch Lead-Lag-
Regler genannt. Obwohl für ihn die gleiche Formel gilt, unterscheidet sich die Reglerwirkung
erheblich entsprechend dem Verhältnis von Tv und T :

1 + Tv s
GR (s) = KP Tv , T > 0
1 + Ts
Der Vorhalt-Regler mit Tv > T kann auch als verzögerter PD-Regler, also PDT1 -Regler, ver-
standen werden. Er verhält sich sehr ähnlich dem oben besprochenen verzögerten PID-Regler
mit KI = 0.
Der Nacheil-Regler mit Tv < T hat ein völlig anderes Verhalten als der Vorhalt-Regler. Wie
man leicht mit den Grenzwertsätzen der L-Transformation und von Übergangsfunktionen zeigen
kann ist sein Verhalten eher PI-ähnlich.

6.3 Regelkreisverhalten

Bei der Analyse des Regelkreisverhaltens interessiert zum Einen das stationäre Verhalten, d.h.
wie groß ist der bleibende Regelfehler lange nach dem Einschwingvorgang. Andererseits sind
die dynamischen Eigenschaften des Regelkreises von Interesse. Im allgemeinen wird von einer
Regelung gewünscht, dass sie das Folgeverhalten beschleunigt, Überschwingen verhindert und

106
Störgrößen unterdrückt. Bei der dynamischen Analyse stützt man sich oftmals auf Kennwerte
aus Anregungsfunktionen, wie z.B. Einstellzeit, Überschwingweite und aus Stabiltitätsuntersu-
chungen, wie z.B. den Stabilitätsreserven. Dabei ist die Stabilität stets zwingende Voraussetzung
für die Untersuchung des Regelkreisverhaltens.

6.3.1 Stationäres Regelkreisverhalten

Als stationäres Regelkreisverhalten bezeichnet man das Verhalten des Regelkreises lange nach
dem Einschwingvorgang. Es wird hier also nur der bleibende Regelfehler e∞ = limt→∞ e(t)
untersucht.
Kombiniert man nun Standardstrecken mit Standardreglern im Regelkreis mit Ein-
heitsrückführung und unterwirft die entstehende Regelungsanordnung den entsprechenden An-
regungsfunktionen, dann folgen mit Hilfe des Endwertsatzes der L-Transformation die in Tab.
6.1 tabellarisch zusammengefassten Ergebnisse für die stationären Endwerte der Regeldifferenz
e∞ .

bleibende Regeldifferenz e∞ für

z1 = 0 z1 = 0 w=0 w=0
w z2 = 0 w z2 = 0 z1 z2 = 0 z2 z1 = 0
Regler GR (s) Regelstrecke GS (s) ✻ ✻ ✻ ✻
w0 w0 z0 z0
✲ ✲ ✲ ✲
t 1 t t t
1 −KS −1
P KP P-Typ · w0 ∞ · z0 · z0
1 + KP · KS 1 + KP · KS 1 + KP · KS
KI 1
I entsprechend 0 · w0 0 0
s KI · KS
KI 1
PI KP + 0 · w0 0 0
s 1 + ... KI · KS
KI KS ·
I2 1 + ... 0 0 0 0
s2
1 −1
P KP I-Typ 0 · w0 · z0 0
KS · KP KP
KI
I entsprechend 0 0 0 0
s
KI KS 1 + . . .
PI KP + · 0 0 0 0
s s 1 + ...

Tabelle 6.1: Bleibende Regeldifferenzen ausgewählter Regler-Strecken Kombinationen

Die Berechnung der Einträge sei mit folgendem Beispiel verdeutlicht.


Beispiel: Bleibender Regelfehler für P-Regler, I-Typ-Strecke bei Rampenanregung
   
1 s + . . . s2 + . . . w0
e∞ = lim s w(s) = lim s
s→0 1 + GR GS s→0 KP K S + . . . s + . . . s 2 + . . . s 2
1
e∞ = w0
KP K S

107

Diese Tabelle erlaubt es, im Hinblick auf gutes stationäres Regelkreisverhalten folgende wichti-
gen Faustregeln für empfehlenswerte Regler-Strecken-Kombinationen anzugeben:

• P-Typ-Strecken mit I-Regler kombinieren


• I-Typ-Strecken mit P-Regler kombinieren

Der tiefere Grund für dieses Ergebnis liegt in folgendem einfachen, aber grundlegenden Mecha-
nismus einer Regelung: Ein I-Anteil im Vorwärtszweig eines stabil arbeitenden Regelkreises –
unabhängig davon, ob er vom Regler oder von der Strecke herrührt – kann erst dann in einen sta-
tionären Zustand geraten, wenn die Regeldifferenz e∞ = 0 geworden ist, was jedoch stationäre
Gleichheit von Regel- und Führungsgröße, also y∞ = w∞ voraussetzt. Dieser Mechanismus ist
gleichermaßen in nichtlinearen Regelkreisen wirksam!

6.3.2 Dynamisches Regelkreisverhalten

Kenngrößen für das dynamische Regelkreisverhalten lassen sich im Zeit- und Frequenzbereich
angeben. Wichtige Kriterien für das stabile dynamische Regelkreisverhalten ergeben sich unter
anderem aus der Charakterisierung von Sprungantworten (Abschnitt 3.7) und den Stabilitäts-
reserven (Abschnitt 5.7).
1. Schnelligkeit der Regelung
Die Schnelligkeit einer Regelung lässt sich z.B. aus der Anregelzeit einer Sprungantwort
bestimmen. Eine weitere Möglichkeit ist die Betrachtung der absoluten Stabilitätsreserve.
2. Schwingfähigkeit/Dämpfung
Die Mindestdämpfung eines Regelkreises ergibt sich aus der relativen Stabilitätsreserve. Im
Zeitbereich kann man z.B. die Überschwingweite einer Sprungantwort als Dämpfungsmaß
heranziehen.
3. Unterdrückung von Messrauschen und Störgrößen
Messrauschen und Störgrößen können durch eine Tiefpasscharakteristik des offenen Re-
gelkreises unterdrückt werden, wie es noch im Reglerentwurf besprochen wird.
Beispiel: PT1 -Strecke mit P-Regler
Abb. 6.6 zeigt eine Anordnung, deren praktischer Hintergrund beispielsweise eine Spannungs-
oder Behälterdruckregelung sein könnte. Die zugehörige Führungsübertragungsfunktion lautet
Y (s) KRK
Gw (s) = =
W (s) 1 + sTRK
KV T
mit den Abkürzungen KV = KP KS , KRK = und TRK = .
1 + KV 1 + KV
Das resultierende Führungsverhalten ist ebenfalls vom PT1 -Typ, nun jedoch mit dem Regel-
kreisverstärkungsfaktor KRK und der Regelkreiszeitkonstante TRK . Da sich für KV > 0 ein
TRK < T einstellt, wurde durch die Einbettung der Strecke in den Regelkreis das System-
verhalten beschleunigt. Dies zeigt sich auch beim Vergleich von ungeregelter mit geregelter

108
z1 z2
w✲ ❥ ✲ u✲ ❄
❥ ✲ KS ❄
✲ ❥ ✉
y

KP
✻ 1 + sT

Abbildung 6.6: PT1 -Strecke mit P-Regler

Übergangsfunktion in Abb. 6.7, wobei auch der neue stationäre Endwert KRK beachtet und
mit der Tabelle in Tab. 6.1 verglichen werden sollte. 

y o h n e R e g e lu n g
K S
1 e ( )
K R K
m it R e g e lu n g

T R K T t

Abbildung 6.7: Strecken- und Regelkreisübergangsfunktion auf Anregung u(t) bzw. w(t)

Zusammenfassung
In diesem Kapitel wurde die grundlegende einschleifige Regelkreisstruktur für SISO-Systeme
eingeführt und besprochen. Die Unterscheidung zwischen Steuerung und Regelung wurde dabei
klar herausgearbeitet.
Die Betrachtung der Güte eines Regelkreises wurde hier unterteilt in
• stationäres Verhalten und
• dynamisches Verhalten.
Standardregler sind Kombinationen aus P-, D-, und I-Bausteinen. Standardstrecken sind im
Allgemeinen vom P-Typ oder I-Typ. Als Anregungsfunktionen werden Sprunganregungen, Ram-
penanregungen oder Störsprünge verwendet.

109
110
7 Stabilitätsanalyse von Regelkreisen im
Frequenzbereich

Verwendet man eine Standardkreisstruktur zur Regelung, so können schon aus der Kenntnis des
Frequenzgangs des offenen Kreises Rückschlüsse auf die Stabilität des geschlossenen Kreises
gezogen werden. Das dafür verwendete Nyquist-Kriterium kann einerseits analytisch ausgewertet
werden, oft ist aber die graphische Auswertung an einer (gemessenen) Ortskurve oder einem
Bodediagramm in der Praxis von Bedeutung.

7.1 Grundlagen zur Analyse im Frequenzbereich

Bevor Nyquist-Ortskurve und Bodediagramm eingeführt werden, sollen hier noch einmal kurz
die Grundlagen für die Systemanalyse im Frequenzbereich wiederholt werden.

7.1.1 Vorteile bei Betrachtung im Frequenzbereich

Im Folgenden werden die Vorteile einer Transformation eines Systems aus dem Zeitbereich in
den Frequenzbereich verdeutlicht. Grundsätzlich beruhen die Berechnungen im Frequenzbereich
auf sinusförmigen Eingangssignalen. Wird ein stabiles, durch G(s) beschriebenes System mit
der (verkürzten) Sinus-Schwingung
u(t) = sin ωt (7.1)

angeregt, so kann man mit dem Faltungsintegral zeigen, dass sich am Systemausgang nach
Abklingen des Einschwingvorgangs ( TEin ≈ 3× größte Systemzeitkonstante) ebenfalls eine
Sinusschwingung der Form
y(t) = A(ω) sin(ωt + ϕ(ω)) (7.2)

einstellt. Somit bewirkt die Übertragungsfunktion G(s) lediglich eine Veränderung von zwei
Größen: der Amplitude A(ω) und der Phasenverschiebung ϕ(ω), und dies in Abhängigkeit von
der Erregerfrequenz ω.
Sinusschwingungen sind keine sehr häufig vorkommende Anregung, jedoch können andere An-
regungen durch eine Überlagerung verschiedener Sinusfunktionen approximiert werden. Die Ap-
proximation einer Funktion durch Überlagerung von Sinusschwingungen ist die Grundlage der
Fouriertransformation.

111
7.1.2 Fouriertransformation

Viele periodische, nicht sinusförmige Funktionen f (t) mit Periodendauer T0 können in folgender
Weise durch Addition von Sinusfunktionen dargestellt werden:

X
f (t) = C0 + Ck sin kω0 t + ϕk .
k=1

Die einzelnen Sinusschwingungen haben dabei eine Kreisfrequenz ω = kω0 , die ein ganzzahliges
Vielfaches der Kreisfrequenz ω0 darstellt. Mit Hilfe der Eulerschen Formel

σ + jω = Aejϕ = A(cos ϕ + j sin ϕ) (7.3)

mit
ω √
ϕ = arctan und A = σ2 + ω2
σ
und weiteren Umformungen kommt man auf die Darstellung von f (t) als Fourierreihe

X
f (t) = Fk ejkω0t .
k=−∞

Dabei ist die Fourierreihe durch seine komplexen Koeffizienten Fk eindeutig bestimmt. Diese
können folgenderweise berechnet werden:
Z to +T0
1
Fk = f (t)e−jkω0 t dt mit k = 0, ± 1, ± 2... . (7.4)
T0 t0

Möchte man dieses Vorgehen auf nichtperiodische Funktionen erweitern, so kann man dies durch
eine Vergrößerung der Amplitudendauer T0 und damit des Abstandes zwischen den periodischen
Anteilen von f (t) erreichen. Aus einer Vergrößerung von T0 folgt eine Verkleinerung von ω0 =

T0
. Für T0 → ∞ hat dies zur Folge, dass aus den diskreten Frequenzen kω0 mit k = 0,±1,±2...
kontinuierliche Frequenzen −∞ ≤ ω ≤ ∞ werden. Aus den komplexen Koeffizienten Fk (vgl.
(7.4)) wird F (jω) und damit die Fouriertransformation
Z ∞
F (jω) = f (t)e−jωt dt.
−∞

Die Fouriertransformierte von f (t) ist F (jω) und man schreibt F (jω) = F {f (t)}.
Dabei ist zu beachten, dass die Fouriertransformation nur für Funktionen f (t) definiert ist,
die die dirichletschen Bedingungen erfüllen. Diese beinhalten unter anderem, dass f (t) absolut
integrierbar ist, also Z ∞

f (t) = f (t) dt < ∞. (7.5)
−∞

Aus (7.5) folgt, dass f (t) für t → ∞ gegen null streben muss.

112
7.1.3 Erweiterung zu Laplace Transformation

Würde man anstelle von f (t) die modifizierte Funktion f˜(t) = f (t)e−σt verwenden, so erzwingt
man für reelle σ > 0 ein Abklingen von f˜(t) und erfüllt damit für ausreichend große σ > σ0
Ungleichung (7.5). Für die Fouriertransformation ergibt sich
Z ∞ Z ∞
F̃ (jω) = ˜
f (t)e−jωt
dt = f (t)e−(σ+jωt) dt = F (σ + jω).
−∞ −∞

Unter Annahme, dass Signale für t < 0 gleich null sind, berechnet sich die Laplacetransformation
zu Z ∞
F (s) = f (t)e−st dt.
−0

Durch die Erweiterung von jω auf die komplexe Frequenz s = σ + jω, lassen sich auch
Funktionen f (t), für die (7.5) nicht erfüllt ist, durch eine Summe aus auf- und abklingenden
Sinusschwingungen darstellen. Das Laplaceintegral konvergiert dabei nur für komplexe Frequen-
zen s = σ + jω für die σ > σ0 > 0 gilt. In vorherigen Kapiteln hat sich jedoch gezeigt, dass
auch die Ebene links der Imaginärachse von großer Bedeutung ist, z.B. für die Beurteilung der
Stabilität eines Systems mit Übertragungsfunktion G(s). Es kann gezeigt werden, dass die La-
placetransformierte auch in den restlichen Teil der s-Ebene analytisch fortgesetzt werden kann.
Genauso kann auch für nicht absolut integrierbare, und damit nicht stabile Gewichtsfunktio-
nen g(t) mit dem Frequenzgang G(jω) gerechnet werden, auch wenn die Fouriertransformierte
F {g(t)} = G(jω) nicht existiert.
Die Laplacetransformation L{f (t)} = F (s) wurde bereits in Kapitel 2 eingeführt und hat zu
großen Vereinfachungen bei der Beschreibung des Systemverhaltens durch Übertragungsfunk-
tionen L{g(t)} = G(s) geführt. Man rufe sich z.B. in Erinnerung, dass die Gewichtsfunktion
g(t), die sich aus Hintereinanderschaltung von zwei Systemen mit den Gewichtsfunktionen g1 (t)
und g2 (t) ergibt, im Zeitbereich durch Faltung g(t) = g1 (t) ∗ g2 (t) berechnet werden muss,
wohingegen im Frequenzbereich eine einfache Multiplikation ausreicht G(s) = G1 (s)G2 (s).
Die Systemdarstellung durch Übertragungsfunktionen G(s) ermöglicht unter anderem die ein-
fache Berechnung von Anfangs- und Endwerten im Zeitbereich durch den Endwertsatz, die
Analyse von komplexen Regelungsstrukturen unter Verwendung der Blockschaltbildalgebra und
Aussagen über das Systemverhalten, wie z.B. das Aussehen der Sprungantwort.

7.2 Nyquist-Ortskurve

7.2.1 Frequenzgangfunktion

Im Folgenden interessieren wir uns dafür, welche Auswirkungen sinusförmige Anregungen der
Form (7.1) auf die Systemantwort (7.2), also auf die Amplitude A(ω) und die Phasenver-
schiebung ϕ(ω), haben. Unter dieser Vorraussetzung können wir uns auf die Betrachtung von
s = 0 + jω mit ω ≥ 0 beschränken. Es ergibt sich die Frequenzgangfunktion G(jω), die sich
entweder mathematisch aus der Übertragungsfunktion G(s) oder anschaulich aus der harmoni-
schen Systemantwort im Zeitbereich herleiten lässt.

113
Mathematische Definition
Definiert man die Frequenzgangfunktion mathematisch als


G(jω) = G(s)
s=0+jω, ω≥0

mit
G(jω) = A(ω)ejϕ(ω) = Re {G(jω)} + j Im {G(jω)},

so betrachtet man nur die Auswirkungen von sinusförmigen Anregungen die weder ab- noch
aufklingen. Dies kommt einer alleinigen Betrachtung der positiven Imaginärachse der s-Ebene
gleich. In anderen Worten: die Wertemenge der positiven Imaginärachse der s-Ebene wird mit
Hilfe von G(s) auf die komplexwertige G(jω)-Ebene abgebildet, vgl. Abb. 7.1. Der dabei ent-
stehende Funktionsverlauf heißt Frequenzgangortskurve; sie wird im weiteren noch eine wichtige
Rolle spielen. Bildet man die Werte der negativen Imaginärachse ab, also ω ≤ 0, so erhält man
die an der reellen Achse gespiegelte Frequenzgangortskurve. Benutzt man z.B. in MATLAB
den Befehl nyquist(), so werden defaultmäßig beide Kurven, also G(jω) für −∞ ≤ ω ≤ ∞
geplottet.

G (s) Im
jw
s G
¥
s R e
0
G (jw )
w
F re q u e n z g a n g o rts k u rv e

Abbildung 7.1: Abbildung von der s- in die G-Ebene

Anschauliche Herleitung und praktische Bedeutung


 
abklingender
y(t) = A sin(ωt + ϕ) + Einschwingvorgang
u(t) = sin ωt
✲ G(jω) ✲  

u (t) = e jωt ∗
y (t) = Ae j(ωt+ϕ) abklingender
+ Einschwingvorgang

Abbildung 7.2: Harmonische Systemanregung und -antwort

Verallgemeinert man die in (7.1) betrachtete einfache Sinusanregung auf die komplexe Anregung

u∗ (t) = ejωt = cos ωt + j sin ωt,

so folgt die verallgemeinerte Systemantwort

y ∗ (t) = A(ω)ej(ωt+ϕ(ω)) .

114
Hieraus können selbstverständlich unter Berücksichtigung der Eulerschen Formel (7.3) die oben
interessierenden reellen Größen
u(t) = Im {u∗ (t)}, y(t) = Im {y ∗(t)}
zurückgewonnen werden. Natürlich gelten diese Zusammenhänge für beliebige ω > 0.
Der Frequenzgang G(jω) kann für die allgemeine Differentialgleichung der Form
dn y ∗ dy ∗ ∗ dm u ∗ du∗
an + ... + a1 + a0 y = bm + ... + b1 + b0 u∗ (7.6)
dtn dt dtm dt
folgendermaßen berechnet werden. Für die zeitlichen Ableitungen der verallgemeinerten kom-
plexen Anregung und Systemantwort gilt
di y ∗ (t) i ∗ di u∗ (t)
i
= (jω) y (t) und i
= (jω)i u∗ (t).
dt dt
Setzt man dies in (7.6) ein, ergibt sich für das Verhältnis aus verallgemeinerter Ausgangs- und
Eingangsgröße
y ∗(t) b0 + b1 (jω) + · · · + bm (jω)m

= n
= A(ω)ejϕ(ω) = G(jω) ,
u (t) a0 + a1 (jω) + · · · + an (jω)
wobei die gesuchte komplexe Frequenzgangfunktion G(jω) in bekannter Weise die reelle
Amplituden- oder Betragsfunktion A(ω) und die reelle Phasenfunktion ϕ(ω) umfasst. Liegt
G(jω) analytisch vor, dann kann für jede Frequenz ω der zugehörige Amplitudenfaktor A der
harmonischen Systemantwort und ihre Phasenverschiebung ϕ in Bezug auf die Anregung be-
rechnet werden.
Beispiel:
Es soll die Frequenzgangortskurve eines phasenanhebenden PDT1 -Reglers, vgl. Abschnitt 6.2,
ermittelt werden:
1 + Tv jω
G(jω) = K , Tv > T > 0
1 + T jω
Nach kurzer Rechnung folgt für die Betragsfunktion
s
1 + (ωTv )2
A(ω) = |K|
1 + (ωT )2
und die Phasenfunktion
ϕ(ω) = arg K +arg(1 + jωTv ) −arg(1 + jωT )
= arg K + arctan(ωTv ) − arctan(ωT )
| {z } | {z } | {z } .
K>0→0 π π
0... 0...
K<0→π 2 2
Unterhalb des Phasenausdrucks sind die Wertebereiche vermerkt, die die einzelnen Terme für
ω ≥ 0 annehmen können. Untersucht man Betrags- und Phasenverlauf analytisch genauer
oder bedient man sich der numerischen und graphischen Möglichkeiten eines Werkzeugs wie
MATLAB, so entdeckt man, dass die zugehörige Frequenzgangortskurve ein Halbkreis ist, vgl.
Abb. 7.3. Der eingezeichnete Zeiger an die Ortskurve repräsentiert einen komplexen G(jω)-
Wert, bzw. den zugehörigen Betrags- und Phasenwert. Die Ortskurve zeigt, dass dieser Regler
stets positive Phasenwinkel 0 < ϕ < 90◦ erzeugt, was die Bezeichnung Phasenvorhalt-Regler
erklärt. 

115
✻Im
G A(ω) ω = 1
E
...............q
.............. ω
T
K > 0, Tv > T .
.....
...
✟ ✯ .............

..... ..
... ✟ ....
Tv
... ✟
...
... ...
✟K
...

✟ . .... ϕ(ω)
.....
...
.
...
...
... ✟
✲ T
K ✟✟
0 ∞ Re

Abbildung 7.3: Frequenzgangortskurve des PDT1 -Systems, K > 0

7.2.2 Schwingbedingung in Regelkreisen

Auf der Grundlage von Frequenzgangortskurven lassen sich auf einfache Weise Stabilitätsaus-
sagen über Regelungen machen, auch über solche, die Totzeitanteile und damit transzendente
Übertragungsfunktionen einschließen. Eine wichtige Rolle spielt in diesem Zusammenhang die
Schwing- oder Selbsterregungsbedingung von Regelkreisen.
Zur Herleitung der Schwingbedingung führe man folgendes Gedankenexperiment durch: Man
schneidet den Regelkreis in Abb. 7.4 an einer beliebigen Stelle auf und regt ihn mit

u∗ (t) = ûejωt

an (verallgemeinerte Anregung). Der aufgeschnittene Regelkreis reagiert dann bekanntlich im


eingeschwungenen Zustand (ebenfalls verallgemeinert) mit

y ∗(t) = −GR (jω)GS (jω)Gr (jω) · ûejωt = −G0 (jω) · ûejωt .

z1 = 0 z2 = 0
w =✲0 ❥ ✲ x✲2 ❄
❥ ✲

✲ ❥ ✉
x

GR (s) GS (s)



✛ ✛
z3 = 0
x′ Gr (s) ∗ ≀≀ ∗
u (t) y (t)

Abbildung 7.4: Zur Herleitung der Schwingbedingung

Verändert man nun ω sowie freie Systemparameter wie Reglerkoeffizienten in geeigneter Weise,
dann lässt sich meist eine bestimmte Parametrierung finden, für die gilt:

u∗ (t) = y ∗ (t) ,

116
d.h. die Ausgangsschwingung wird in Amplitude und Phase identisch mit der eingeprägten Ein-
gangsschwingung. In diesem speziellen Fall kann man (zumindest theoretisch) auf eine externe
Anregung verzichten und den Regelkreis schließen mit der Folge, dass sich die Schwingung nun
selbst erregt! Aus den letzten beiden Gleichungen folgt dann als Bedingung für diesen speziellen
Zustand
!
G0 (jω) = GR (jω)GS (jω)Gr (jω) = −1
bzw.
!
G0 (jω) = −1

In dieser komplexen Gleichung, die Schwingbedingung genannt wird, stellt ω = ωkrit die kri-
tische Kreisfrequenz dar, also die Frequenz der sich im Regelkreis selbst aufrecherhaltenden
Dauerschwingung. Es sei nicht verschwiegen, dass diese heuristische Herleitung der Schwingbe-
dingung gewisse theoretische Defizite aufweist, die jedoch im Zusammenhang mit dem Nyquist-
Kriterium behoben werden.
Was bedeutet die Schwingbedingung nun für die Regelkreisstabilität? Dazu sei beispielhaft eine
Schar an Frequenzgangortskurven

G0 (jω, K) = K · G′0 (jω)

abhängig vom Scharparameter K betrachtet. Für drei K-Werte K1 < K2 < K3 ergeben sich
beispielsweise bei festem G′0 folgende Ortkurven in Abb. 7.5.

Im
G 0 (jw , K )
K 1 < K 2 < K 3
w
k r it
R e

P k r it = - 1 + 0 j
w

Abbildung 7.5: Ortskurven für verschiedene K-Werte

Die Ortskurve für K2 läuft durch den besonders ausgewiesenen Punkt Pkrit = (−1 + 0j). In
diesem kritischen Punkt gilt G0 (jωkrit ) = −1, d.h. obige Schwingbedingung ist exakt erfüllt und
an der Ortskurve lässt sich die kritische Kreisfrequenz ablesen. Der Regelkreis befindet sich also
mit der kritischen Verstärkung Kkrit = K2 an der Stabilitätsgrenze und führt (ungedämpfte)
Dauerschwingungen mit ωkrit aus.
Die Schwingbedingung bietet somit die Möglichkeit, aus dem Verlauf der Frequenzgangortskurve
von G0 Aussage darüber zu treffen, ob sich der zugehörige geschlossene Regelkreis an der
Stabilitätsgrenze befindet (Schwingbedingung erfüllt!) oder ob nicht!
Es liegt nun die Vermutung nahe, dass bei den beiden anderen Ki -Werten der Regelkreis stabil
bzw. instabil sein wird. Ohne der ausführlicheren Diskussion im nächsten Abschnitt vorzugreifen,
kann man schon intuitiv davon ausgehen, dass der kleinere Wert, nämlich K1 , stabiles, d.h.
abklingendes, und der größere Wert K3 instabiles Regelkreisverhalten anzeigen wird.

117
7.2.3 Nyquist-Kriterium

Das Nyquist-Kriterium ist ein Stabilitätskriterium, das ausgehend von Vorkenntnissen über die
qualitative Polverteilung des offenen Regelkreises und den Verlauf der Ortskurve des aufgeschnit-
tenen Kreises = Nyquist-Ortskurve exakte Aussagen zur Stabilität des geschlossenen Kreises
erlaubt. Die hier betrachteten (teilerfremden) Übertragungsfunktionen des offenen Kreises seien
von folgendem Typ, wobei ihr Zustandekommen im Detail nicht von Bedeutung ist:
Z0 (s) −sTt
G0 (s) = ·e , n0 ≥ m0 , Tt ≥ 0 .
N0 (s)
m0 und n0 bezeichnen die Ordnung von Zähler- und Nennerpolynom.
Für die Anwendung des Kriteriums werden nun Angaben über die Anzahl der Pole von G0 (s)
auf sowie rechts von der Imaginärachse (na und nr ) benötigt. Bezeichnet man noch mit nl die
Anzahl der Pole links der Imaginärachse, dann gilt natürlich
n0 = nl + na + nr
Die Bedeutung von na , nr und nl ist beispielhaft in Abb. 7.6 illustriert.
Im
s

Re

nl = 3 na = 3 nr= 4

Abbildung 7.6: Beispiel einer Polverteilung von G0 (s)

Ohne Beweis (Funktionentheorie) sei nun das notwendige und hinreichende Nyquist-Stabilitäts-
kriterium angegeben:

Ein geschlossener linearer Regelkreis ist dann und nur dann stabil, wenn die Ortskurve des
aufgeschnittenen Regelkreises G0 (jω)

1) nicht durch den kritischen Punkt Pkrit = −1 + 0j verläuft und

2) der von Pkrit zum laufenden Ortskurvenpunkt G0 (jω) weisende Vektor für wachsendes
ω von +0 bis +∞ eine globale Phasenwinkeländerung W von

ω=+∞ π
Wsoll = ∆ Φ = nr · π + na ·
ω=+0 2

erfährt.

118
Das Vorzeichen der lokalen Winkeländerungen entspricht dabei der üblichen mathematischen
Zählweise. Ferner sei darauf hingewiesen, dass es sich um eine relative Winkelangabe handelt;
d.h. eine wie bei absoluten Winkelangaben übliche 2π-Periodizität existiert nicht!
Beispiel
Betrachtet sei die Frequenzgangortskurve in Abb. 7.7 mit einem
ω=+∞
Wist = ∆ Φ=0.
ω=+0

Im
G 0 (jw )

P w =
k r it

-1
R e
F w = 0

Abbildung 7.7: Bestimmung von Wist

Für nr = na = 0 erweist sich der geschlossene Regelkreis als stabil, da Wist = Wsoll = 0. Im
Falle na = 0, nr = 1 läge dagegen instabiles Verhalten vor. 

7.2.4 Linke-Hand-Regel

Vom Nyquist-Kriterium leiten sich andere Stabilitätsregeln und -kriterien ab, welche zwar
manchmal schneller auszuwerten sind, jedoch eine gegenüber dem Nyquist-Kriterium einge-
schränkte Anwendbarkeit haben. So ist die Linke-Hand-Regel nur dann anwendbar, wenn die
offene Kreisübertragungsfunktion keinen Pol in der rechten Halbebene aufweist (nr = 0), ma-
ximal einen Pol auf der Imaginärachse hat (na ≤ 1) und wenn die statische Verstärkung nicht
negativ ist (G0 (0) ≥ 0).
Die Linke-Hand-Regel lautet:

Der geschlossene Regelkreis ist stabil, wenn beim Entlangwandern auf der G0 (jω)-Ortskurve
von ω = 0 nach ω = ∞ (Blick nach vorne!) der kritische Punkt Pkrit beim Passieren des
diesem am nächsten liegenden Ortskurvenabschnittes stets linker Hand liegt.

In Abb. 7.7 ist der kritische Bereich der Ortskurve schraffiert eingezeichnet; der kritische Punkt
liegt hier beim Passieren links und der Regelkreis erweist sich folglich als stabil.

119
Bei komplizierteren Ortskurvenverläufen sind die Aussagen der Linke-Hand-Regel nicht immer
eindeutig, sodass im Zweifelsfall auf das ebenso einfach auswertbare Nyquist-Kriterium zurück-
gegriffen werden sollte.

7.2.5 Beispiel Drehgeschwindigkeitsregelung

Für den Drehgeschwindigkeits-Regelkreis mit I-Regler aus Abschnitt 2.7 gelte folgende Über-
tragungsfunktion
KR 1
G0 (jω) = 2
,
2 (jω)((jω) + 2jω + 2)
wobei KR den variablen Reglerparameter bezeichnet, dessen Einfluss auf die Stabilität unter-
sucht werden soll.
MATLAB liefert die in Abb. 7.8 gezeigten Ortskurven für verschiedene KR -Werte. Deren Asym-
ptoten lassen sich für ω → 0 beschreiben durch
 
KR 1 KR KR 1
G0 (jω) ≈ ≈ (1 − jω) = −1 .
2jω 2jω + 2 4jω 4 jω

KR
Sie stellen Parallelen zur Imaginärachse dar mit einem Realteil − . Wendet man auf diese
4
Ortskurven das Nyquist-Kriterium an, dann erhält man die in Tab. 7.1 zusammengefassten
Ergebnisse.

0.5

0
Pkrit
-0.5

-1
Imag. Axis

KR=10 KR=8
-1.5

-2
KR=2 KR=1
-2.5

-3

-3.5

-4
-3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Real Axis

Abbildung 7.8: Verschiedene Ortskurven der Drehgeschwindigkeitsregelung

Da na = 1 und nr = 0 ist, beträgt


π
Wsoll = .
2

120
KR 1 2 8 10
π π 3π
Wist ? −
2 2 2

Tabelle 7.1: Tatsächliche globale Phasenwinkeländerung (vgl. Abb. 7.8)

Somit führen KR -Werte > 8 zu Instabilität und für KR = 8 stellt sich der grenzstabile Fall
ein, d.h. die Ortskurve läuft durch Pkrit und die Schwingbedingung ist erfüllt! Der stabile
Reglerparameterbereich ist
0 < KR < 8
Die Anwendung der Linke-Hand-Regel hätte in diesem Beispiel zum gleichen Ergebnis geführt.

7.3 Bodediagramm

Komplexwertige Funktionen lassen sich bekanntlich nicht nur in Real- und Imaginärteil, sondern
auch in Betrag und Phase aufteilen. Eine beliebige Frequenzgangfunktion kann also geschrieben
werden als
G(jω) = A(ω)ejϕ(ω) ,
wobei A(ω) die Betragsfunktion und ϕ(ω) die Phasenfunktion bedeuten.
Die Darstellung beider Frequenzkennlinien erfolgt zweckmäßigerweise im Bodediagramm, wobei
A(ω) logarithmisch (zur Basis 10) und unmittelbar darunter ϕ(ω) linear über der logarithmisch
geteilten Frequenzachse ω aufgetragen werden, siehe Abb. 7.9.
Der Vorteil dieser Darstellung liegt darin, dass bei multiplikativ verknüpften Frequenzgangfunk-
tionen der Form
G(jω) = G1 (jω)G2(jω) . . . Gn (jω)
die Einzelbetrags- und Phasenverläufe über der ω−Achse addiert werden können, d.h.

lg A(ω) = lg(A1 (ω)) + lg(A2 (ω)) + · · · + lg(An (ω))

ϕ(ω) = ϕ1 (ω) + ϕ2 (ω) + · · · + ϕn (ω) .


Beachten Sie dabei, dass lg(100 ) = lg(1) = 0 gilt und die Betragsfunktionen Ai (ω) somit mit
Bezug zu A = 100 = 1 addiert werden.
Eine einfache Möglichkeit um ein Bodediagramm einer beliebig komplizierten Frequenzgang-
funktion G(jω) zu erhalten, wäre feinverteilt ω-Werte für den ω-Bereich von Interesse in G(jω)
einzusetzen und die einzelnen Punkte des Betragsverlaufs A(ω) und des Phasenverlaufs ϕ(ω)
zu berechnen. Es macht jedoch Sinn diese Verläufe durch Asymptoten anzunähern und somit
ein Verständnis für das Aussehen der Bodediagramme für verschiedene G(jω) zu entwickeln.
Im Folgenden werden die Bodeverläufe elementarer Grundbausteine Gi besprochen. Aus die-
sen können dann komplexere Bodediagramme mittels graphischer Addition zusammengesetzt“

werden.

121
Es sei angemerkt, dass neben der logarithmischen Darstellung der Amplitudenachse A(ω) wie
in Abb. 7.9, der Betrag |G(jw)| = A(ω) häufig auch in Dezibel (dB) angetragen wird
|G(jω)|dB = 20 lg |G(jω)|.

7.3.1 Bodediagramme von P-, I-, D-Bausteinen

a) P-Baustein
Die Frequenzgangfunktion eines P-Bausteins lautet für K1 > 0
GP (jω) = K1 = |K1 |ej0 ,
wobei Abb. 7.9 die zugehörige Bodedarstellung zeigt. Für den Fall K1 < 0 würde die
Phasenkennlinie frequenzunabhängig bei −180◦ verlaufen, da hier
GP (jω) = K1 = |K1 |ej(−π) , K1 < 0
gilt.
10 4
I - Baustein
K2 1:1
10 2
Amplitude

10 0 K1
P - Baustein

10 -2 K3
D - Baustein
10-4
10 -2 10 -1 10 0 10 1 10 2
Kreisfrequenz w

100
D - Baustein

50
Phase (Grad)

0
P - Baustein

-50
I - Baustein

-100
10 -2 10 -1 10 0 10 1 10 2

Abbildung 7.9: Bodediagramme für P-, I-, D-Glieder

b) I-Baustein
I-Bausteine (K2 > 0) werden beschrieben durch
K2 K2 K2 −j π
GI (jω) = = −j = e 2 .
jω ω ω
Dies entspricht einem Betragsverlauf, der für ω = 1 den Wert A(1) = K2 annimmt und
in der verwendeten doppellogarithmischen Darstellung um eine Betragsdekade pro einer
ω-Dekade fällt (1 : 1−Abfall). Die Phasenkennlinie verläuft konstant bei −90◦ , vgl. Abb.
7.9.

122
c) D-Baustein
D-Bausteine (K3 > 0) haben die Frequenzgangfunktion
π
GD (jω) = K3 jω = K3 ω e j 2 .

Ihre Betragskennlinie steigt pro ω-Dekade um eine Dekade (1 : 1−Anstieg) und verläuft
durch A(1) = K3 . Die Phase ist wiederum konstant, jedoch diesmal bei +90◦ , vgl. auch
hier Abb. 7.9.

Die Nyquist-Ortskurven der eben beschriebenen Grundbausteine sind in Abb. 7.10 zu sehen.
Die Punkte auf der Nyquist-Ortskurve können direkt aus Kenntnis des Bodediagramms erzeugt
werden. Für eine Frequenz ω stellt der Betrag A(ω) den Abstand von der Nyquist-Ortskurve
zum Ursprung und die Phase ϕ(ω) den Winkel zur positiven reellen Achse dar.

1 10 10

0.5 5 5
Imag. Axis

Imag. Axis

Imag. Axis
0 0 0
K1 = 1

−0.5 −5 −5

−1 −10 −10
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
Real Axis Real Axis Real Axis

Abbildung 7.10: Nyquist-Ortskurve für P-, I-, D-Glieder

7.3.2 Bodediagramme von PT1 -, PD-, PT2- und Tt -Bausteinen

a) PT1 -Baustein mit K, T > 0


Schreibt man die Frequenzgangfunktion von PT1 -Systemen in der Form
 
K K K ω
GPT1 (jω) =
1 + jωT
= ω =s  2 exp −j arctan ωE ,
1+j ω
ωE 1+
ωE

wobei ωE = 1/T die Eckfrequenz bzw. die Bandbreite bedeutet, so erkennt man, dass
bei kleinen ω näherungsweise


GPT1 (jω) ≈ K = Kej0
ω≪ωE

gilt, während bei großen ω der Imaginärteil des Nenners dominiert:



K K π
GPT1 (jω) ≈ ω = ω e−j 2
ω≫ωE j
ωE ωE

123
Damit ergibt sich der in Abb. 7.11 dargestellte Betragsverlauf einschließlich seiner Asymp-
toten für kleine und große Frequenzen, wobei sich die Asymptoten bei der Eckfrequenz √
ω = ωE schneiden. Der exakte Betragswert beträgt an dieser Stelle A(ωE ) = K/ 2.
Somit ist der Betrag von G(jω) auf das √12 –fache von G(0) und damit um 3 dB gefallen.
Daraus folgt eine Bandbreite des PT1 -Gliedes von ωB = ωE . Wie aus dem Bodediagramm
leicht ersichtlich ist, wirkt das PT1 -Glied als Tiefpassfilter erster Ordnung. Wohingegen
für K = 1 Signalanteile mit Frequenzen ω < ωB fast unverändert bleiben, werden die
höherfrequenten Signalanteile in ihrer Amplitude deutlich abgeschwächt.
Ein Hochpassfilter kann durch folgende Frequenzgangfunktion realisiert werden
s
G(jω) = .
1 + jωT
Dies entspricht im Bodediagramm einer Addition der Verläufe einer einfachen Nullstelle
auf der imaginären Achse (siehe D-Baustein, Abb. 7.9) zu den Verläufen des PT1 -Gliedes
mit K = 1 (Abb. 7.11).

Abbildung 7.11: Bodediagramm eines PT1 -Systems

Zurück zum PT1 -System: Abb. 7.11 zeigt auch den Phasenverlauf, der sich zwischen
folgenden charakteristischen Werten erstreckt:


• ϕPT1 (ω) ≈0
ω≪ωE

π
• ϕPT1 (ω) ≈−
ω≫ωE 2

π
• ϕPT1 (ω) ≈− .
ω≈ωE 4

124
Der Phasenwert ϕ(ω) beträgt also bei der Eckfrequenz ϕ(ωE ) = −45◦ . Der Phasenverlauf
kann durch drei Asymptoten approximiert werden, welche sich bei ω = 10−1ωE (eine
Dekade vor der Eckfrequenz ωE ) und ω = 101 ωE (eine Dekade nach der Eckfrequenz
ωE ) schneiden, vgl. Abb. 7.11.
Auch hier kann die Nyquist-Ortskurve (Abb. 7.12) leicht aus dem Bodediagramm ab-
geleitet werden. Wie aus Abb. 7.11 ersichtlich, nähert sich die Amplitude für kleine ω
dem Wert K = 0.5, wobei die Phase gegen Null geht. Das bedeutet, unsere Nyquist-
Ortskurve beginnt im Punkt (0.5, 0) auf der komplexen Ebene. Für ω → ∞ wird A(ω)
immer kleiner und nähert sich Null an, während die Phase ϕ(ω → ∞) → −90◦ geht.
Dazwischen verlaufen Amplitude und Phase so, dass sich ein Halbkreis ergibt. Mit Hil-
fe eines Stützpunktes kann die Ortskurve dann leicht gezeichnet werden; z.B. gilt bei
ωE = 1: A(ωE ) = √K2 und ϕ(ωE ) = −45◦ .

0.5

0.25
Imag. Axis

K = 0.5
0
ϕ(ω)
A(ω)
−0.25

−0.5
−0.5 −0.25 0 0.25 0.5

Real Axis

Abbildung 7.12: Nyquist-Ortskurve eines PT1 -Systems

b) PD-Baustein mit K, Tv > 0


Die Ableitung des Bodediagrammes und der Nyquist-Ortskurve für den PD-Baustein
 
ω 1
GPD (jω) = K 1 + j , ωD = ,
ωD Tv

geschieht völlig analog zum PT1 -System (Übung!), die zugehörigen exakten und an-
genäherten Verläufe zeigen Abb. 7.13 und Abb. 7.14.

125
Abbildung 7.13: Bodediagramm eines PD-Systems

10

5
Imag. Axis

K=2
−5

−10
−2 −1 0 1 2

Real Axis

Abbildung 7.14: Nyquist-Ortskurve eines PD-Systems

126
c) PT2 -System mit 0 < D < 1, K > 0
PT2 -Systeme mit

K
GP T2 (jω) =  2
jω jω
1 + 2D +
ω0 ω0
 
ω
 2D 
K  ω0 
= v exp −j arctan  2 
u
u   2 !2  2  ω 
t ω ω 1−
1− + 2D ω0
ω0 ω0


haben für 0 < D < 2/2 die Fähigkeit zur Resonanz. Das zeigt sich im Bodediagramm
in einer Amplitudenvergrößerung im Bereich der Resonanzfrequenz∗

ωr = ω0 1 − 2D 2 (7.7)

mit dem Maximum1


K
Amax = A(ωr ) = √ , (7.8)
2D 1 − D 2
vgl. Abb. 7.15. Die Betragskennlinie zeigt für kleine ω-Werte (ω ≪ ω0 ), wie beim PT1 -
System, einen frequenzunabhängigen Verlauf, bei großen ω jedoch einen der Ordnung
entsprechenden 2 : 1-Abfall. Die Phasenfunktion verläuft mit abnehmender Dämpfung um
die Resonanzfrequenz herum zunehmend steiler, bis es bei D = 0 zum bekannten Pha-
sensprung von 0 auf −180◦ kommt. Als einfache, dämpfungsunabhängige Approximation
des Phasenverlaufs lassen sich wieder zum PT1 -Glied ähnliche Asymptoten einzeichnen,
die jedoch nun zwischen 10−1 ω0 und 101 ω0 doppelt so stark abfallen.
Abb. 7.16 zeigt die Nyquist-Ortskurven für D = 0.08 und D = 0.8. Der doppelte Polüber-
schuss des Systems 2. Ordnung macht sich dadurch bemerkbar, dass die Ortskurve nun
auch durch den III. Quadranten und damit durch zwei Quadranten verläuft.
d) Tt -Baustein
Tt -Systeme mit
GTt (jω) = Ke−jωTt , Tt > 0, K > 0
weisen einen konstanten Betrag A(ω) = K (Allpass-Verhalten!) sowie einen linearen
Phasenverlauf ϕ(ω) = −ωTt auf, der allerdings im halblogarithmischen Bodediagramm
logarithmisch verzerrt wird. Es sei angemerkt, dass es sich bei −ωTt um einen Wert im
180◦
Bogenmaß handelt! Für ωTt = 1 gilt also ϕ(ωTt = 1) = −1 rad = ˆ − , vgl. Abb.
π
7.17.
Für die Nyquist-Ortskurve eines Tt -Systems ergibt sich auf Grund der konstanten Am-
plitude ein kreisförmiger Verlauf, vgl. Abb. 7.18. Da die Phase für ω → ∞ gegen −∞
läuft, wird der Kreis im Uhrzeigersinn unendlich oft durchlaufen.

Diese Beziehungen lassen sich aus einer Maximumsberechnung für AP T2 (ω) herleiten.

127
Abbildung 7.15: Bodediagramme zweier PT2 -Systeme mit 0 < D < 1
20

D = 0,8
Imag. Axis

−20

−40

−60
D = 0,08

−80
−40 −20 0 20 40
Real Axis

Abbildung 7.16: Nyquist-Ortskurven zweier PT2 -Systeme mit 0 < D < 1

Anmerkung:
Obwohl man sich die exakten Bodediagramme mit dem Rechner erzeugen lassen kann, liegt
dennoch ein großer praktischer Wert in der Kenntnis der asymptotischen Eigenschaften der
Frequenzkennlinien. So können gemessene Bodediagramme mit Vorteil zur Systemidentifikati-
on herangezogen werden. Liegt zum Beispiel ein gemessener Betrags- und Phasenverlauf wie
in Abb. 7.11 vor, so lässt sich daraus zunächst einmal eindeutig auf ein PT1 -System schließen
(Strukturidentifikation). Nach Einzeichnen der Asymptoten an den gemessenen Betragsverlauf
lassen sich direkt die beiden Systemparameter ωE = 1/T und K ablesen (Parameteridentifika-
tion). 

128
1 0 2

A m p litu d e 1 0 1 K = 1 0

1
w = (= 1 )
T t

1 0 0
1 0 -2 1 0 -1 1 0 0 1 0 1
K r e is fr e q u e n z w

1 8 0
-
p
P h a s e (G ra d )

-1 0 0

-1 5 0

-2 0 0
1 0 -2 1 0 -1 1 0 0 1 0 1

Abbildung 7.17: Bodediagramm eines Tt -System

10

5
Imag. Axis

−5

−10
−10 −5 0 5 10

Real Axis

Abbildung 7.18: Nyquist-Ortskurve eines Tt -System

129
7.3.3 Auswirkungen elementarer Grundbausteine

Zusammenfassend lässt sich für die in 7.3.1 und 7.3.2 vorgestellten Systeme folgendes festhal-
ten:

• Eine Verstärkung K bewirkt einen konstanten Betrag A(ω) = K und keine Phasenver-
schiebung ϕ(ω) = 0 (siehe P-Baustein, Abb. 7.9)
• Ein Pol im Ursprung bewirkt einen 1:1-Abfall des Betrages A(ω), wobei A(ω = 1) = 1,
und eine konstante Phasenverschiebung ϕ(ω) = −90◦ (siehe I-Baustein, Abb. 7.9)
• Eine Nullstelle im Ursprung bewirkt einen 1:1-Anstieg des Betrages A(ω), wobei A(ω =
1) = 1, und eine konstante Phasenverschiebung ϕ(ω) = +90◦ (siehe D-Baustein, Abb.
7.9)
• Ein einfacher, reeller Pol bei s = − T1 = −ωE bewirkt näherungsweise einen konstanten
Betrag A(ω) = 1 für ω ≪ ωE und einen 1:1-Abfall des Betrages A(ω) für ω ≫ ωE .
Die Asymptoten der Phasenverschiebung verlaufen näherungsweise bei ϕ(ω) = 0 für
ω < 10−1 ωE und ϕ(ω) = −90◦ für ω > 101 ωE mit einem im Bodediagramm linearen
Abfall zwischen 10−1 ωE und 101 ωE (siehe PT1 -Baustein, Abb. 7.11)
• Eine einfache, reelle Nullstelle bei s = ± T1v = ±ωD bewirkt näherungsweise einen
konstanten Betrag A(ω) = 1 für ω ≪ ωD und einen 1:1-Anstieg des Betrages A(ω)
für ω ≫ ωD . Die Asymptoten der Phasenverschiebung verlaufen näherungsweise bei
ϕ(ω) = 0 für ω < 10−1 ωD und ϕ(ω) = ∓90◦ für ω > 101 ωD mit einem im Bodedia-
gramm linearen Anstieg/Abfall zwischen 10−1 ωD und 101 ωD (siehe PD-Baustein, Abb.
7.13 und Abb. 7.19)
 2
s s
• Ein konjugiert komplexes Polpaar beschrieben durch 1 + 2D + = 0 bewirkt
ω0 ω0
näherungsweise einen konstanten Betrag A(ω) = 1 für ω ≪ ω0 und einen 2:1-Abfall des
Betrages A(ω) für ω ≫ ω0 . Die Asymptoten der Phasenverschiebung verlaufen nähe-
rungsweise bei ϕ(ω) = 0 für ω < 10−1 ω0 und ϕ(ω) = −180◦ für ω > 101 ω0 mit einem
im Bodediagramm linearen Abfall zwischen 10−1 ω0 und 101 ω0 (siehe PT2 -Baustein, Abb.
7.15)
• Ein Totzeitglied G(jω) = e−jωTt hat einen konstanten Betrag und eine mit −Tt linear ab-
fallende Phase, die sich jedoch im Bodediagramm nichtlinear darstellt (siehe Tt -Baustein,
Abb. 7.17).

Mit diesem Wissen können nun auch Bodediagramme von komplizierteren Frequenzgängen bei
Hand entwickelt werden, wie es im nächsten Abschnitt 7.3.4 für einen Allpass exemplarisch
gezeigt wird.

130
7.3.4 Beispiel 1: Frequenzkennlinien eines Allpasses

Zur Illustration der bisherigen Ausführungen sei folgender Allpass 1. Ordnung betrachtet:

1 − 2jω 1
G(jω) = 3 = 3 · · (1 − 2jω)
1 + 2jω 1 + 2jω
|{z} | {z } | {z }
G1 G2 G3

Diese Frequenzgangfunktion kann wie oben angedeutet in 3 elementare Teilfunktionen Gi (jω)


zerlegt werden, deren Kennlinien in Abb. 7.19 dargestellt sind. Grafische Addition† ermöglicht
die Bestimmung der ebenfalls eingetragenen Kennlinien des Gesamtsystems G(jω). Selbst-
verständlich lässt sich G(jω) auch direkt mit MATLAB berechnen.

Abbildung 7.19: Bodediagramm Allpass 1. Ordnung

Man erkennt ferner, dass sich die beiden Betragsanteile von G2 und G3 gegenseitig exakt
aufheben und so insgesamt zu dem konstanten Betragsverlauf führen, welcher dem Allpass
seinen Namen gibt.
Anmerkung:
G3 ist eigentlich ein neuer Frequenzgangbaustein, der nicht dem vorher behandelten PD-System
(negatives Vorzeichen des Imaginärteils!) entspricht. Seine Kennlinien können jedoch leicht in
Analogie zu denen des PD-Systems ermittelt werden und wurden bereits in die Zusammenfas-
sung in 7.3.3 mit aufgenommen. 

Die Logarithmusfunktion ist für Argumente < 1 negativ. Entsprechend werden A(ω)-Werte für A(ω) < 1
graphisch subtrahiert!

131
7.3.5 Beispiel 2: Feder-Masse-Dämpfer-System

k
my mu
d
y u

Abbildung 7.20: Feder-Masse-Dämpfer-System

Betrachtet wird ein Feder-Masse-Dämpfer-System, wie in Abb. 7.20 dargestellt. Eine Auslen-
kung u der Masse mu bewirkt durch Kopplung durch eine Feder mit Federsteifigkeit k eine
Auslenkung y der Masse my . Des Weiteren wirke eine geschwindigkeitsabhängige Reibung, hier
modeliert durch die Dämpfung d auf die Bewegung der Masse my .
Folgende Frequenzgangfunktion beschreibt wie die Auslenkung y der Masse my auf eine, sich
sinusförmig ändernde Auslenkung u = sin(ωt) der Masse mu reagiert:

k
G(jω) = .
k + djω + my (jω)2

Wie zuvor gesehen unterscheidet sich die Auslenkung y = A(ω) sin(ωt + ϕ(ω)) nur in Betrag
A(ω) und Phase ϕ(ω) von der Auslenkung u. Diese frequenzabhängigen Änderungen sind
im Bodediagramm in Abb. 7.21 für Parameter my = 1 kg, k = 1.5 N/m und d = 0.4 Ns/m
aufgetragen.

1
10

0
10
Amplitude

−1
10

−2
10 −1 0 1
10 10 10
Kreisfrequenz ω

−45
Phase (Grad)

−90

−135

−180
ω1 ω3
10 ω2
−1 0 1
10 10

Abbildung 7.21: Bodediagramm Feder-Masse-Dämpfer-System

132
Für die gegebenen Parameter des Feder-Masse-Dämpfer-Systems ergibt sich nach Abschnitt
7.3.2 die Dämpfung
√ D ≈ 0.16 und die Kennkreisfrequenz des ungedämpften Systems ω0 ≈ 1.22.
Da 0 < D < 2/2, zeigt das System Fähigkeit zur Resonanz, wie an der Amplitudenvergröße-
rung im Bodediagramm zu sehen ist. Die Resonanzfrequenz ergibt sich zu ωr ≈ 1.19 aus (7.7).
Nach (7.8) erreicht die Amplitude ihren Maximalwert von Amax ≈ 3.1 bei ωr .
Abb. 7.22 zeigt das zeitliche Verhalten der Massenauslenkung y bei sinusförmigen Auslenkungen
u = sin(ωt) für die drei, in Abb. 7.21 eingezeichneten Frequenzen. Folgendes ist nach einem
anfänglichen Einschwingvorgang zu beobachten:
• ω1 = 0.2: Bei sehr langsamer Bewegung der Masse mu bewegt sich die Masse my fast
perfekt mit und es gilt u ≈ y
• ω2 = ωr : Mit Erhöhung der Eingangsfrequenz nimmt die Phasenverschiebung zu und
die Masse my schwingt mit einer größeren Amplitude als die Eingangsauslenkung u der
Masse my das System anregt
• ω3 = 5: Bei weiterer Erhöhung der Eingangsfrequenz nimmt die Phasenverschiebung
weiter zu, die Amplitude jedoch ab. Die Masse my kommt der Eingangsbewegung u der
Masse mu quasi nicht mehr hinterher. Das System hat somit Tiefpasscharakter.

ω1 = 0.2
2
Amplitude

−2
0 10 20 30 40 50

ω2 = ωr
5
Amplitude

−5
0 10 20 30 40 50

ω3 = 5
1
Amplitude

−1
0 10 20 30 40 50
t (s)

Abbildung 7.22: Verhalten von Ausgang y (schwarz) auf sinusfömigen Eingang u = sin(ωt)
(grau) für Frequenzen ω1 = 0.2, ω2 = ωr ≈ 1.19, ω3 = 5

133
7.3.6 Kenngrößen der Frequenzgangfunktion G0 (jω)

Kenngrößen dienen allgemein der quantitativen Beschreibung interessierender Vorgangs- und


Sachverhaltsmerkmale; sie ermöglichen die Analyse und den Vergleich. Für Regelungsanordnun-
gen, die mit Frequenzbereichsmethoden anhand von G0 (jω) untersucht werden sollen, existieren
folgende aussagekräftige Kenngrößen:

• Amplituden-Durchtritts(kreis)frequenz ωD1 definiert durch A(ωD1 )=1


• Phasen-Durchtrittsfrequenz ωD2 definiert durch ϕ(ωD2 )= − π
• Phasenrand/Phasenreserve ΨR definiert als ΨR = ϕ(ωD1 ) + π
1
• Amplitudenrand/Amplitudenreserve AR definiert als = A(ωD2 )
AR

Äquivalent zur Überprüfung der Stabilität des geschlossenen Regelkreises sind das Phasenrand-
und das Amplitudenrandkriterium. Voraussetzung für die Anwendbarkeit ist, dass A(ωD1 ) = 1
nur eine Lösung ωD1 und der offene Kreis keine Pole in der rechten Halbebene hat. Des Weiteren
darf die statische Verstärkung des offenen Kreises nicht negativ sein: G0 (0) ≥ 0.
Satz: (Phasenrandkriterium)
Der geschlossene Regelkreis ist E/A-stabil, wenn gilt:

ΨR > 0 
Satz: (Amplitudenrandkriterium)
Der geschlossene Regelkreis ist E/A-stabil, wenn gilt:

AR > 1 
Weitere Erläuterungen zur Bedeutung dieser Kenngrößen für das Regelkreisverhalten sind in
Kapitel 8 angeführt. Die Werte dieser Kenngrößen können entweder aus der Frequenzgangorts-
kurve, vgl. Abb. 7.23 oder aus den Frequenzkennlinien im Bodediagramm abgelesen werden,
Abb. 7.24. Natürlich lassen sich die Kenngrößen auch gemäß ihrer Definition analytisch berech-
nen.
Im

1 G 0

A R

P w ¥ R e
k r it D 2

Y 1 w = 0
R

w D 1

Abbildung 7.23: Kenngrößenermittlung aus Ortskurve zu G0 (jω)

134
10 2

10 0

Amplitude
1 AR

10 -2

wD1 wD2
10 -4
10 -1 10 0 10 1
Kreisfrequenz w

-100
YR
Phase (Grad)

-180
-200

-300

-400
10 -1 10 0 10 1

Abbildung 7.24: Kenngrößenermittlung aus Bodediagramm zu G0 (jω)

7.4 Stabilität von Regelkreisen mit Totzeit

Es sei noch einmal darauf hingewiesen, dass die Stabilitäts-Verfahren aus Kapitel 5 nicht auf Sys-
temen mit Totzeit angewendet werden können, es sei denn, die Totzeit wird rational approximiert
(Abschnitt 4.2). Bei totzeitbehafteten Systemen sind die Stabilitätskriterien im Frequenzbe-
reich (Nyquist-Kriterium, Linke-Hand-Regel, Phasen-/Amplitudenrandkriterium) anzuwenden.
Der negative Einfluss der Totzeit lässt sich anhand der Phasenreserve ψR verdeutlichen. Da
ein Totzeitglied nur den Phasenverlauf des offenen Regelkreises beeinflusst (siehe Abb. 7.17),
kann die Phasenreserve ψR,Tt mit Totzeit aus der Phasenreserve ohne Totzeit ψR und dem
Phasenverlauf der Totzeit ϕ(ω) = −ωTt bestimmt werden:
ψR,Tt = ψR − ωD1 Tt
Man erkennt, dass die Phasenreserve mit zunehmender Totzeit abnimmt, bis das System insta-
bil wird. Ein weiterer Nachteil ist die Verstärkung des Regelfehlers von Systemen mit Totzeit.
Dies wird an einem einfachen Totzeitregelkreis in Abb. 7.25 veranschaulicht. Die Übertragungs-
funktion des offenen Regelkreises lautet:
G0 (jω) = K0 e−jωTt , K0 ,Tt > 0.

Für eine stationäre Verstärkung von 0 < K0 < 1 ergibt sich eine Amplitudenreserve von
1 < AR < ∞ (siehe Abb. 7.17) und somit ist der geschlossene Regelkreis für diesen Wertebe-
reich stabil. Die bleibenden Regeldifferenz im Totzeitregelkreis nach einem Führungssprung ist
aufgrund der Stabilitätsbedingung 0 < K0 < 1 größer als 12 :
1 1 1
e∞ = lim −jωT
= >
ω→0 1 + K0 e t 1 + K0 2

135
w ✲ ❥e ✲ ✉ ✲
y
K0 e−sTt

Abbildung 7.25: Blockschaltbild eines Regelkreises mit Totzeit

Allgemeine Schlußfolgerungen zu Totzeitregelkreisen:

Totzeiten in einem Regelkreis sollten unabhängig von ihrer Herkunft (Regler, Aktor, Strecke,
Sensor, Kommunikation über Bussystem) so klein wie möglich gehalten werden
Totzeiten wirken sich negativ auf die Stabilität, die Schnelligkeit des Einschwingens und die
Größe des Regelfehlers aus und machen entsprechende Prozesse schlecht regelbar.

Zusammenfassung

Ein wichtiges Werkzeug zur Untersuchung der Stabilität geschlossener Regelkreise ist das
Nyquist-Kriterium. Das Nyquistkriterium wurde in zwei Formulierungen gegeben:
• Allgemeines Nyquist-Kriterium zur Auswertung an der Ortskurve
• Linke-Hand-Regel zur Auswertung an der Ortskurve
Ein Ansatz zur Begründung des Nyquist-Kriteriums ist die Schwingbedingung. Schwingbedin-
gung und Nyquist-Kriterium eignen sich, im Gegensatz zu den vorher betrachteten Kriterien,
auch zur Stabilitätsanalyse totzeitbehafteter Systeme.
Weiterhin wurden wichtige Kenngrößen eingeführt:
• Amplitudendurchtrittsfrequenz ωD1
• Phasendurchtrittsfrequenz ωD2
• Phasenrand ΨR
• Amplitudenrand AR
Diese Kenngrößen sind an der Nyquistortskurve oder am Bodediagramm ablesbar und können
auch zur Untersuchung der Stabilität herangezogen werden.

136
8 Reglerentwurf
Bei der Auslegung eines Regelkreises für eine gegebene Strecke G(s) hat man grundsätzlich
zwei Aufgaben zu lösen:

1) Die Auswahl einer geeigneten Reglerstruktur (P-Typ, PI-Typ etc.).


2) Die Parametrierung dieses Reglers.

Die Parametrierung kann erfolgen

• simulativ im Zeitbereich
• analytisch im Zeit- und/oder Frequenzbereich
• mit Hilfe von Einstellregeln
• mittels Optimierung.

Einstellregeln und der analytische Entwurf werden in diesem Kapitel ausführlich besprochen.

8.1 Heuristische Einstellmethoden

8.1.1 Einstellregeln des Symmetrischen Optimums

Bei einer Reglerparametrierung mittels Einstellregeln wird auf theoretisch begründete Er-
fahrungswerte zurückgegriffen, welche sich in konkreten Parametrieranweisungen niederschla-
gen. Solche Regeln waren in der Vergangenheit nützlich, da aufgrund mangelnder Rechner-
kapazität umfangreiche simulative Parameterbestimmungen nicht oder nur sehr eingeschränkt
möglich waren. Sie sind auch heute noch sehr nützlich, wenn es darum geht, für eine rechner-
unterstützte Optimierung der Reglerparameter schnell gute Startwerte zu finden.
Ein Satz von Einstellregeln, der sich insbesondere bei schnellen mechatronischen Bewegungsre-
gelungen oder elektrischen Antriebsregelungen bewährt hat, wird als Regeln nach dem Symme-
trischen Optimum bezeichnet, vgl. Abb. 8.1. Dieser Regelsatz setzt Strecken mit verzögertem
P- oder I-Verhalten voraus, deren Dynamik durch bis zu zwei große Zeitkonstanten (T1 , T2 ) do-
miniert wird. Weitere kleine Zeitkonstanten (Tν ) werden zu Entwurfszwecken zu einer einzigen
Summenzeitkonstante (TΣ ) zusammengefasst, womit alle zur Dimensionierung des entsprechen-
den PI- oder PID-Reglers benötigten Streckenkenngrößen zur Verfügung stehen.
Nach dem Symmetrischen Optimum parametrierte Regler führen zu folgendem Regelkreisver-
halten:

137
Typ der Regelstrecke Reglertyp GR (s) Reglerparameter
P-Regelstrecke
n
KS X n
, T1 > 4 · Tν X
Yn
PI-Regler τ =4· Tν = 4 · TΣ
ν=2
(1 + sT1 ) · (1 + sTν ) | {z } ν=2 !−1
ν=2
Summenzeit- 1 + τs τ X
n
KI · KI = 2 · KS · · Tν
konstante TΣ s
oder T1 ν=2
I-Regelstrecke
KI
KS KP + , KP = KI · τ T1
s =
n 2
8KS TΣ
Y
sT1 · (1 + sTν )
ν=2
P-Regelstrecke
n n
KS X X
n , T1 > T2 > 8 · Tν τ1 = τ2 = 8 · Tν = 8 · TΣ
Y
ν=3 ν=3
(1 + sT1 ) · (1 + sT2 ) · (1 + sTν ) !−1
| {z } PID-Regler τ1 · τ2 X
n
ν=3 TΣ KI = 2 · KS · · Tν
I-Regelstrecke (1 + sτ1 )(1 + sτ2 ) T1 · T2 ν=3
KI ·
n s
KS X T1 · T2
n , T2 > 8 · Tν =
Y 128KS TΣ 3
ν=3
sT1 · (1 + sT2 ) · (1 + sTν ) | {z }
ν=3 TΣ

Abbildung 8.1: Reglerparametrierung nach dem Symmetrischen Optimum

• Näherungsweise Kompensation der großen Streckenzeitkonstante(n) führt zu einer Be-


schleunigung des Einschwingens (gegenüber dem ungeregelten Fall).
• Aufgrund des I-Anteils gutes stationäres Verhalten.
• Kompromiss zwischen gutem Führungs- und Störverhalten.
• Robustheit gegen Parameteränderungen (Stabilität!).
• Ein zu großes Überschwingen bei Sprunganregung durch w(t) kann durch Einsatz eines
Vorfilters vom PT1 -Typ im w-Kanal leicht kompensiert werden.

8.1.2 Einstellregeln nach Ziegler-Nichols

Ortskurven ermöglichen nicht nur Stabilitätsaussagen; sie können auch zur Parametrierung
von Reglern im Hinblick auf vernünftige Stabilitätsgrade und brauchbares Einschwingverhalten
herangezogen werden. Eine einfache Möglichkeit der Parametrierung bieten die Einstellregeln
nach Ziegler-Nichols.

Reglerparametrierung

Die Anwendbarkeit der hier zitierten Ziegler-Nichols-Regeln setzt stabile Strecken mit globalem
P-Verhalten und S-förmigem Übergangsfunktionsverlauf voraus. Die zugrundegelegten Regler-
typen sind wahlweise P-, PI- oder PID-Regler der allgemeinen Form
1
GR (s) = KR (1 + Tv s + )
Tn s

138

Zur Parametrierung selbst benötigt man die beiden Werte KRkrit und Tkrit = , wie sie
ωkrit
für eine gegebene Regelstrecke GS zusammen mit einem P-Regler (!) aus derjenigen Nyquist-
Ortskurve
G0 (jω) = KR · GS (jω)
abgelesen werden können, die gerade die Schwingbedingung erfüllt. Die gleichen Werte lassen
sich auch alternativ durch ein Experiment gewinnen, bei dem aus der vorliegenden Regelstrecke
zusammen mit einem P-Regler (!) ein geschlossener Regelkreis gebildet wird. Verändert man
nun die Regelerverstärkung KR so, dass sich im Regelkreis eine weder auf- noch abklingende
Dauerschwingung einstellt, dann ist die Schwingbedingung erfüllt. Der am Regler ablesbare
Verstärkungswert ist KR krit und die messbare Periodendauer im Regelkreis ist Tkrit . Die beiden
mit dem P-Regler ermittelten Kreisparameter bilden nun die Grundlage der Einstellregeln nach
Ziegler-Nichols, wie sie gemäß Tabelle 8.1 je nach endgültig gewähltem Reglertyp anzuwenden
sind.

Reglertyp KR Tn Tv
P-Regler 0,5 · KR krit (∞) (0)
PI-Regler 0,45 · KR krit 0,85 · Tkrit (0)
∗)
PID-Regler 0,7 · KR krit 0,4 · Tkrit 0,15 · Tkrit
*) gegenüber Originalarbeit von Ziegler-Nichols verbesserte Werte

Tabelle 8.1:

Dieser Regelsatz eignet sich besonders zur Parametrierung von Festwertregelungen im Falle stark
verzögernder P-Strecken. Man erkennt, dass die eingestellten KR -Werte nur wenig unterhalb
KR krit liegen, was üblicherweise zu einer schwachen effektiven Systemdämpfung Def f = 0,2
bis 0,4 bzw. zu einer Phasenreserve von ΨR = 300 führt.
Ähnliche Einstellregeln existieren auch für andere Streckentypen und für Folgeregelungen.

Selbsteinstellende Regler

Die vorher beschriebene Regler-Einstellungsprozedur lässt sich auch automatisieren, was zu dem
in Abb. 8.2 gezeigten Prinzip-Blockschaltplan eines selbsteinstellenden Reglers (Auto- oder Self-
tuner) führt. Beim Einschalten des Reglers innerhalb des geschlossenen Regelkreises tritt dieser
zunächst in eine Parameter-Identifikationsphase ein und führt die vorher beschriebene experi-
mentelle Bestimmung der Kreisparameter KR krit und Tkrit durch. Auf der Grundlage dieser
beiden Werte erfolgt in der Parametrierungsphase für den vom Benutzer ausgewählten Zielreg-
lertyp GR (s) (gewünschtes stationäres Regelungsverhalten berücksichtigen!) die automatische
Parametrierung gemäß den Einstellregeln. Nach Übernahme dieses Parametersatzes P ar in
das Regelgesetz ist der Selbsteinstellvorgang abgeschlossen und die eigentliche Regelungsphase
kann beginnen. Diese Selbsteinstellprozedur kann von Zeit zu Zeit, z.B. täglich, automatisch
wiederholt werden, um die Reglerparameter an Änderungen von Streckenparametern – infolge
von Betriebspunktverschiebungen oder dergleichen – anzupassen.

139
selbsteinstellender (PID-)Regler

w✲ ❥ ✲ ✲ ✉ ✲
x
GR (s; P ar) GS (s) • Identifikationsphase

✘✘✘✘ • Parametrierungsphase
✻ ✘✘
✘✘ •
✘✘✘
Parameterübernahme

✘✘✘ • Regelungsphase
✾✘ ✛
✘ ✉

Abbildung 8.2: Schema eines selbsteinstellenden Reglers

Selbsteinstellende Regler werden auch als Grundformen von intelligenten Reglern betrachtet.
Solche Regler werden heute bei Heizungskesselregelungen oder bei anderen (gutmütigen) indus-
triellen Regelungsaufgaben eingesetzt. Selbsteinstellende Regler setzen selbstverständlich eine
digitale Implementierung voraus, wie dies in Kapitel 11 beschrieben wird.

8.2 Frequenzgangentwurfskriterien

8.2.1 Abbildung statischer und dynamischer Regelkreiseigenschaften


in G0 (jω)-Frequenzkennlinien

Aus dem Bodediagramm kann nicht nur auf Regelkreisstabilität oder -instabilität sondern auch
auf vielfältige andere Eigenschaften geschlossen werden. Dies soll anhand der bekannten ein-
schleifigen Regelkreisstruktur mit Einheitsrückführung demonstriert werden und es sollen Kri-
terien für den Reglerentwurf diskutiert werden.
Abb. 8.3 zeigt die hier vorausgesetzte Regelkreisstruktur mit der Übertragungsfunktion des
aufgeschnittenen Kreises
G0 (s) = GR (s)GS (s) .
Störungen z1 sollen zugunsten der kritischeren Störgröße z2 (warum?) hier nicht weiter be-
trachtet werden.

z1 = 0 z2
w ✲ ❥ ✲ ❄u ❄
✲ ❥ ✲ GS (s) ✲ ❥ ✉
y

GR (s)


❥✛
z3

Abbildung 8.3: Betrachtete Grundstruktur für integrierten Regelkreisentwurf

140
Für die Regelgröße y gilt bekanntlich
G0 (s) 1 −G0 (s)
Y (s) = W (s) + Z2 (s) + Z3 (s) , (8.1)
1 + G0 (s) 1 + G0 (s) 1 + G0 (s)
| {z } | {z } | {z }
Gw (s) Gz2 (s) Gz3 (s)
Unter der Voraussetzung von Stabilität liegt das angestrebte Regelziel sowohl in einem guten
Führungs- und Störungsübertragungsverhalten
! !
Gw ≈ 1, Gz2 ≈ 0
als auch in einem ausreichenden Maß an Messstörungsunterdrückung
!
Gz 3 ≈ 0 .

Anmerkung:
Aus Gleichung 8.1 folgt jedoch als inhärente strukturelle Regelkreiseigenschaft, dass stets gilt

Gw (jω) + Gz2 (jω) = 1 .

Weist also Gw (jω) das typische Tiefpassverhalten auf (d.h. gute Übertragungseigenschaften
!
mit Gw ≈ 1 für niederfrequente und zunehmend schlechtere für hochfrequente Anregungen
w), so hat Gz2 = 1 − Gw automatisch Hochpasscharakter, vgl. Abb. 8.4. Dementsprechend
lassen sich nur niederfrequente im Gegensatz zu hochfrequenten Laststörungen z2 (t) durch
obigen Regelkreis gut unterdrücken. Im Bedarfsfall kann hier aber durch andere, die obige
Struktur erweiternde Maßnahmen, Kapitel 9, Abhilfe geschaffen werden. Andererseits ist der
Regelkreis wegen Gw (jω) = −Gz3 (jω) prinzipiell in der Lage, hochfrequente Messstörungen
z3 zu unterdrücken, nicht dagegen niederfrequente. 

Im Hinblick auf diese prinzipiellen inneren Zusammenhänge muss zur Erfüllung obiger Regelziele
der Verlauf des Regler-Frequenzganges GR (jω) bei fest vorgegebener Strecke GS (jω) im Sinne
eines bestmöglichen Kompromisses entworfen werden. Wie dies geschieht, wird im den nächsten
Abschnitten behandelt.
1
| G w | | G z |
2
A m p litu d e

K r e is fr e q u e n z w

Abbildung 8.4: Innere Bindung zwischen Gw und Gz2

Für die folgende Diskussion ist es zweckmäßig, die Frequenzachse ω in drei Bereiche zu unter-
teilen:

141
• Unterer Frequenzbereich: ω ≪ ωD1
Der Verlauf der Frequenzkennlinien von G0 (jω) in diesem Bereich bestimmt das stationäre
Führungs- und Störverhalten des geschlossenen Regelkreises.
• Mittlerer Frequenzbereich: ω ≈ ωD1
Der Kennlinienverlauf G0 (jω) in diesem Bereich bestimmt hingegen die Stabilität und
das Einschwingverhalten des Regelkreises.
• Oberer Frequenzbereich: ω ≫ ωD1
Aus den Frequenzkennlinienverläufen in diesem Bereich lassen sich Aussagen über Mess-
störungsunterdrückung und Robustheit der Regelung ableiten.

8.2.2 Entwurfsvorschriften für zufriedenstellendes Regelkreisverhalten

Hier soll nun gezeigt werden, wie sich die eingangs aufgestellten Forderungen an das Verhalten
des geschlossenen Regelkreises in den Frequenzkennlinien des offenen Regelkreises widerspie-
geln:

1. Stabilität
Für Stabilität muss gelten:
ΨR > 0 .
Es handelt sich also um eine Forderung an die Frequenzkennlinie im mittleren Frequenz-
bereich; sie wurde in Abb. 8.5 mit 1❥gekennzeichnet.
1
1 0

2 3 a
|G (jw ) |
1 0 0
0
A m p litu d e

1
1 0 -1
A R
4 5
w D 1
w D 2

1 0 -2

K r e is fr e q u e n z w

-6 0
P h a s e (G ra d )

G 0 (jw )

-1 2 0
y R
1 3 b
-1 8 0

-2 4 0

Abbildung 8.5: Entwurf mit Frequenzkennlinien

142
2. Gutes stationäres Verhalten
Gutes stationäres Verhalten im Zeitbereich (t → ∞) erfordert im Frequenzbereich

Gw (j0) ≈ 1 , Gz2 (j0) ≈ (0) .

Betrachtet man Gleichung (8.1), so lässt sich dies über




|G0 (jω)| ≫1
ω≪ωD1

sicherstellen, d.h. entweder durch einen P-Regler mit hohem Verstärkungsgrad oder einen
I-Regler. Diese Forderung an den unteren Frequenzbereich wurde ebenfalls in Abb. 8.5
mit dem entsprechenden Tendenzpfeil vermerkt.
3. Gutes Einschwingverhalten

a) Einschwingzeit und Bandbreite


Stellt man durch geeignete Reglerkennlinienwahl sicher, dass im mittleren Frequenz-
bereich gilt
1
|G0 (jω)| ≈ , 0,5ωD1 ≤ ω ≤ 5ωD1 ,
ω/ωD1
so weist die Betragskennlinie von G0 (jω) und damit auch von Gw (jω) dort einen
1 : 1−Abfall auf. Das bedeutet aber, dass dann Gw (jω) im Bodediagramm in der
Umgebung von ωD1 in etwa einen P T1 -Verlauf zeigt, vgl. Abb. 8.5.



Für |G0 (jω)| ≈ 1 und |1 + G0 (jω)| ≈ 2 (aufgrund der Phasenlage)
ω≈ωD1 ω≈ωD1
folgt daraus schließlich

|G0 (jω)| 1
|Gw (jω)| = ≈√ .
ω≈ωD1 |1 + G0 (jω)| 2
ω≈ωD1

Das bedeutet, dass infolge der erwähnten PT1 -Ähnlichkeit die Durchtrittsfrequenz
ωD1 in etwa auch die Bandbreite von Gw (jω) bestimmt, also

ωB ≈ ωD1 ,

wie dies auch Abb. 8.6 zeigt.


Auf der Grundlage der Bandbreite eines PT1 -Systems (Eckfrequenz ωE ) lässt sich
andererseits auch eine Ersatzzeitkonstante T̃ für Gw (jω) angeben
1 1
T̃ ≈ ≈ ,
ωB ωD1
woraus als Abschätzung für die Einschwingzeit Tein des Führungsverhaltens folgt:

3
Tein = 3 · T̃ ≈
ωD1

143
1 0 2

1 0 1

| G w ( jw ) | | G 0 ( jw ) |
1 0 0
» 1 / 2
A m p litu d e

1 0 -1 w D 1 » w B

1 0 -2

1 0 -3
1 0 -1 1 0 0 1 0 1 1 0 2
K r e is fr e q u e n z w

Abbildung 8.6: Betragsverlauf bei PT1 -Äquivalenz

b) Geringes Überschwingen
Es lässt sich zeigen, dass für gutes Folgen mit geringem Überschwingen gelten muss:

ΨR ≈ 600 ←→ gutes Folgeverhalten ,


und für gutes Störverhalten:

ΨR ≈ 300 ←→ gutes Störverhalten .


Da häufig sowohl gutes Folgeverhalten als auch gutes Störverhalten gewünscht wird,
ist oft ein Kompromiss zu schließen und eine Phasenreserve zwischen diesen beiden
Werten anzustreben.

4. Reduktion des Einflusses von Messrauschen z3 (t)


Auch nach sorgfältiger Auswahl der Sensorik verbleibt meist noch ein unvermeidbares
hochfrequentes Messrauschen z3 (t) mit ω ≫ ωD1 . Bei Einhaltung der Forderung, dass
im oberen Frequenzbereich gilt


|G0 (jω)| ≪1 , (8.2)
ω≫ωD1

vgl. auch Abb. 8.5, kann dessen Einfluss auf das Regelkreisverhalten aufgrund von

G0 (jω)

|Gz3 (jω)| = ≈ |G0 (jω)| ≪1

1 + G0 (jω)
ω≫ωD1 ω≫ωD1 ω≫ωD1

144
wirksam reduziert werden.
Diese Forderung wird im Übrigen dadurch leicht erfüllt, dass man – wie z.B. bei den Ein-
stellregeln nach dem Symmetrischen Optimum gemäß Abschnitt 8.1 – darauf verzichtet,
die große Streckenzeitkonstante durch die Regler-Nullstelle exakt zu kompensieren und
stattdessen deren Tiefpasswirkung in G0 (jω) beibehält.
5. Robustheit gegen Modellierungsfehler
Wurden hochfrequente Streckeneigenschaften zugunsten dominierender Eigenschaften bei
der Modellierung nicht berücksichtigt, so entsprechen die untersuchten Frequenzkennlini-
en G0 (jω) gerade im oberen Frequenzbereich oft nicht den tatsächlichen Verhältnissen.
Auch der Einfluss dieser Fehler und Unsicherheiten auf die Regelkreis-Stabilität lässt sich
mit Forderung 4 bzw. Ungleichung (8.2) wirkungsvoll unterdrücken.
Diese kurze Diskussion zeigt, dass sich mit den Frequenzkennlinien von G0 (jω) alle relevanten
Regelkreis-Eigenschaften einheitlich und simultan beurteilen lassen und damit eine Plattform
für einen integrierten Reglerentwurf existiert.

8.2.3 Praktische Durchführung der Reglerentwurfsaufgabe

Aufgrund einer Analyse der regelungstechnischen Aufgabenstellung werden zunächst die ent-
sprechenden Forderungen im Zeitbereich gemäß den Ausführungen im vorausgegangenen Ab-
schnitt in die Frequenzkennlinien-Darstellung übertragen. Sodann muss zu dem vorgegebenen
GS (jω) durch geeignete Wahl der grundsätzlichen Reglerstruktur und systematische Anpassung
der Parameter von GR (jω) dafür gesorgt werden, dass die resultierenden G0 (jω)-Kennlinien
die an sie gestellten Forderungen – im Sinne eines Kompromisses – möglichst gut erfüllen.
Anschaulich gesprochen muss der Regler die Frequenzkennlinien der Strecke so verbiegen oder
verformen, dass die Kennlinien von G0 (jω) = GR (jω)GS (jω) den gewünschten Verlauf zeigen.
Dieser Vorgang wird im Englischen auch als loop shaping bezeichnet.
Zur Festlegung der notwendigen Regler-Übertragungsfunktion GR (jω) gibt es prinzipiell zwei
Vorgehensweisen:
1. Gezieltes interaktives Probierverfahren
Hier werden ausgehend von Erfahrungswissen und -werten – wie in den vorausgegangenen
Abschnitten diskutiert – zum einen die zweckmäßige Reglerstruktur als auch eine geeigne-
te Anfangsparametrierung festgelegt. In einem iterativen, rechnergraphisch unterstützten
Prozess kann dann die Feinparametrierung erfolgen. Angesprochenes Erfahrungswissen
kann dabei sein:

• Streckentyp und typische Führungs- und/oder Störsignale bestimmen die Grund-


struktur des zu wählenden Reglers
• P-Anteil: Beeinflussung der Bandbreite und somit Einschwingzeit des Regelkreises
• I-Anteil: Beeinflussung der stationären Genauigkeit
• D-Anteil: Beeinflussung des Phasenrandes und damit des Dämpfungsgrades und des
Überschwingens

145
2. Formulierung als Optimierungsproblem
Stehen entsprechende Werkzeuge (z.B. MATLAB-Toolboxen) zur Verfügung, so kann
die Regler-Parametrierung auch durch Einsatz von Methoden der Mathematischen Opti-
mierung (siehe auch Vorlesung Optimierungsverfahren in der Automatisierungstechnik“)

z.B. basierend auf der Minimierung des Fehlerbetrages zwischen Ist- und Sollverlauf von
Frequenzkennlinien erfolgen.
Raffiniertere Verfahren erlauben es, sowohl Regler-Struktur als auch -Parameter per Op-
timierung bestimmen zu lassen; als Beispiel dazu sei hier nur die H∞ -Entwurfsmethodik
erwähnt. Allerdings darf der vorbereitende Problemanalyseaufwand zum Start derartiger
Verfahren nicht unterschätzt werden, sodass sie primär bei Regelungsproblemen mit extre-
men Qualitätsanforderungen zum Einsatz kommen. Beispielhaft seien hier der Reglerent-
wurf für die aktive Lärmbekämpfung in Fahrzeugzellen oder Hallen (Fahrzeugindustrie),
die Regelung von aktiven Spiegeln astronomischer Teleskope (Adaptive Optik) oder die
Lageregelung des Plasmaringes in Tokamakexperimenten zur Kernfusion (MPI Garching)
genannt.

Natürlich muss unabhängig vom verwendeten Entwurfsverfahren der entworfene Regler an-
schließend noch durch Regelkreis-Simulation systematisch auf die Einhaltung aller technischen
Anforderungen hin ausgetestet und ggf. iterativ modifiziert bzw. optimiert werden.

Diese Bemerkungen zu Fragen der Regelkreisanalyse und -synthese mittels Bodediagrammen


sollen im Rahmen dieser Einführung genügen.

8.3 Wurzelortskurven

Die Verteilung der Pole eines Regelkreises hängt von Kreisparametern, wie etwa Regler- oder
Streckenkenngrößen, ab. Deshalb interessiert die Frage, welche Auswirkungen Parameterände-
rungen auf die Polverteilung eines Regelkreises und damit auf die dynamischen Regelkreiseigen-
schaften haben. Eine anschauliche Methode, diese Abhängigkeiten zu studieren, eröffnet sich
durch Ermittlung der Wurzelortskurven, kurz WOKn, einer Regelung. Sie können darüber hinaus
gezielt zu Robustheitsuntersuchungen oder zur Reglerparametrierung herangezogen werden.

8.3.1 Allgemeine Ermittlung der WOKn eines Regelkreises

Definition und Bestimmungsgleichung von WOKn

Die WOK ist definiert als der geometrische Ort in der s-Ebene, auf dem sich in Abhängigkeit ei-
nes beliebigen Kreisparameters g ∈ IR die Pole der Regelkreisübertragungsfunktion GRK (s; g),
also die Wurzeln von NRK (s; g) bewegen.
Die WOK beschreibt somit die Wanderung“ der Regelungspole abhängig von g. Zu jedem

Punkt auf einer WOK gehört also ein bestimmter g-Wert, welcher – sofern aktuell wirksam –
an diesem Punkt der s−Ebene einen Pol des geschlossenen Regelkreises definiert. Entsprechend

146
muss für jeden Punkt einer WOK das zugehörige charakteristische Polynom NRK (s; g) für ein
bestimmtes g zu Null erfüllbar sein. Die Bestimmungsgleichung für die WOK eines Regelkreises
lautet dann

!
NRK (s; g) = Z0 (s; g) + N0 (s; g) = 0 (8.3)

Die Auswertung dieser komplexen Gleichung in s kann graphisch, analytisch oder numerisch
erfolgen.

Analytische Berechnung

Bei der analytischen Berechnung einer WOK müssen explizite Ausdrücke für die Pollagen
abhängig von g gefunden werden. Lässt man dann den Parameter g den interessierenden Wer-
tebereich gu ≤ g ≤ go durchlaufen und berechnet die zugehörigen Polynomwurzeln, so erhält
man durch Einzeichnen in die s-Ebene die WOK für eben diesen Wertebereich.
Beispiel:
Wir beziehen uns auf die Regelung in Abb. 8.7 und nehmen einen P-Regler mit K = 0,25 sowie
einen variablen Streckenpol p0 = −g an.
z1
w✲ ❥ ✲ ❄ 1
✲ ❥ ✲ ✉
y

K = 0,25

s(s + g)

Abbildung 8.7: IT1-Strecke mit P-Regler

Die Übertragungsfunktion G0 (s; g) des offenen Regelkreises lautet damit

0,25 Z0 (s)
G0 (s) = =
s(s + g) N0 (s)

Daraus erhält man das charakteristische Polynom NRK des geschlossenen Regelkreises

NRK (s) = s2 + gs + 0,25.

Nach Lösen dieser quadratischen Gleichung folgt schließlich für die beiden Regelsystempole
abhängig vom Parameter g:
r 
g g 2 1
pRK 1, 2 = − ± −
2 2 4
Wird die WOK z.B. für den Parameterbereich 0 ≤ g ≤ ∞ gesucht, so sind entsprechend der
Diskriminanten folgende Fälle zu unterscheiden:

147
• 0 ≤ g < 1,0: Zwei konjugiert komplexe Pole des geschlossenen Kreises wandern hier im
komplexen Bereich der s-Ebene mit wachsendem g von den Positionen ±0,5j bei g = 0
zum Punkt −0,5, wo sie für g = 1,0 einen Doppelpol bilden. In diesem Bereich zeigt
das Regelungssystem also ein stabil periodisches Verhalten mit Ausnahme von g = 0, wo
grenzstabiles Verhalten mit einer Dauerschwingung der Kreisfrequenz ωd = 0,5 vorliegt.
• 1,0 ≤ g < ∞: Hier treten ausschließlich reelle Pole auf, die für wachsendes g nach −∞
bzw. 0 streben. Entsprechend verhält sich das Regelungssystem für diesen Parameterbe-
reich aperiodisch stabil.

g = 0 ,3 3 Im
s
1
2
g P o le d e s g e s c h lo s s e n e n
g = 0 R e g e lk r e is e s
g ® ¥
¥ ¬ g

-1 R e
g = 1

g
1
-
2
g = 0 ,3 3
g = 0
0,25
Abbildung 8.8: WOK eines geschlossenen Regelkreises für G0 (s) =
s(s + g)

Eintragen dieser Ergebnisse in die s-Ebene führt zum WOK-Graphen (geometrischer Ort und
Parametrierung) des Regelkreises gemäß Abb. 8.8. Entsprechend den diskutierten Fällen zeigt
die WOK für wachsendes g zwei Äste, die für g = 0 auf der Imaginärachse ihren Anfang
nehmen, den komplexen Bereich durchlaufen und sich bei g = 1 vereinigen und dann auf die
reelle Achse verzweigen. In diesem Graphen lassen sich nun für feste Parameterwerte g direkt die
zugehörigen Pollagen des geschlossenen Regelkreises markieren und ablesen, z.B. bei g = 0,33
die Pole pRK 1,2 = −0,17±j 0,38. Die WOK vermittelt ein sehr detailliertes Bild der Auswirkung
von Parameteränderungen auf Stabilität und dynamisches Systemverhalten des geschlossenen
Regelkreises. 

Numerische Berechnung

Ist das charakteristische Polynom von höherem als dem zweiten Grad, so ist die explizite,
analytische Berechnung der parameterabhängigen Wurzeln nichttrivial. In solchen Fällen kann
man sich jedoch spezieller WOK-Programme bedienen, wie sie MATLAB, MATRIXx etc. bieten,
um die WOKn direkt für gu ≤ g ≤ go numerisch zu berechnen und graphisch auszugeben.
Beispiel:
Für einen Regelkreis (z.B. ein P-geregelter Motor, der über eine elastische Welle eine Drehmasse

148
antreibt) mit
K
G0 (s; K) =
2s(s2 + 2s + 2)

Daraus erhält man das charakteristische Polynom NRK des geschlossenen Regelkreises

K
NRK (s) = s3 + 2s2 + 2s + .
2

Für K ≥ 0 berechnet und zeichnet MATLAB die in Abb. 8.9 dargestellten WOK-Verläufe.

2
K
8
1 .5
5
0
1 1 2
p 2
0

0 .5
Im a g A x is

8 5 2 1 0
0
K p 0
1

-0 .5
p 3
0

-1 1 2
0
5
-1 .5 8
K
-2
-2 -1 .5 -1 -0 .5 0 0 .5 1 1 .5 2
R e a l A x is

Abbildung 8.9: Vom Rechner ermittelte WOK für Beispiel, dargestellt in s−Ebene

Hieraus kann abhängig von K, das als Reglerkonstante eines P-Reglers kombiniert mit einer
IT2-Strecke oder als Konstante eines I-Reglers kombiniert mit einer periodischen PT2 -Strecke
interpretiert werden kann, sofort auf das zugehörige Regelkreisverhalten geschlossen werden: Für
Werte 0 < K < 8 ist die Regelung stets stabil (alle drei Pole in linker Halbebene) und mit einem
Einschwingen, das neben einem periodischen Anteil (ein konjugiert komplexes Polpaar) auch
einen aperiodischen Teilvorgang einschließt. Die WOK zeigt ferner, dass sich an der oberen Sta-
bilitätsgrenze, also für den kritischen Wert der Kreisverstärkung K = Kkrit = 8, im Einschwing-
vorgang eine Dauerschwingung (Polpaar auf Im-Achse) mit der Frequenz ωe = ω0 = ωkrit ≈ 1,3
einstellen wird.
Natürlich ließen sich die gleichen an der WOK abgelesenen Stabilitätsbereichsgrenzen auch
mit dem Hurwitz-Kriterium ermitteln. Hurwitz liefert jedoch keine Aussagen über die Art des
Regelkreisverhaltens für Werte K aus dem Inneren des Stabilitätsbereichs. 

149
8.3.2 Wichtige Eigenschaften von WOKn

Häufig liegt der Sonderfall vor, dass die Übertragungsfunktionen des offenen Regelkreises linear
von einem Parameter abhängt, d.h.

m
Y
(s − qµ0 )
Z0 (s) µ=1
G0 (s; K) = K · =K ·Q n (8.4)
N0 (s) Y
(s − p0ν )
ν=1

p0ν und qµ0 bezeichnen dabei die Pole und Nullstellen des offenen Regelkreises; K ist der veränder-
liche Parameter, der hier dem eingeführten Parameter g der allgemeinen WOK-Definition ent-
spricht.
Für die Menge der Pole des geschlossenen Regelkreises pRK
v (K) – und somit für die durch sie
beschriebenen WOKn – gelten ganz allgemein eine Reihe wichtiger Eigenschaften, welche hier
auszugsweise und ohne nähere Begründungen angegeben werden:

• Die Pole pRK (g) liegen stets

– entweder auf der reellen Achse (reelle Pole),


– oder symmetrisch zur reellen Achse (konjugiert komplexe Pole).

• n WOK-Äste beginnen für g = K = 0 in den Polen p0ν ,


• m Äste enden für K → ∞ in den Nullstellen qµ0 , und die restlichen

• n−m Äste enden für g = K → ∞ im Unendlichen. Die Asymptoten dieser Äste schneiden
sich im Wurzelschwerpunkt pw :

P
n P
m
p0ν − qµ0
ν=1 µ=1
pw =
n−m

• Die Asymptoten schließen mit der reellen Achse einen Winkel

(2l − 1)π
φl = für KQ > 0
n−m

(2l − 2)π
φl = für KQ < 0
n−m
ein, wobei l = 1, . . . ,(n − m).
• KQ > 0: Ein Punkt der reellen Achse ist genau dann Teil der Wurzelortskurve des
geschlossenen Kreises, wenn die Anzahl der rechts von dem Punkt liegenden Pole und
Nullstellen des offenen Kreises ungerade ist.

150
• KQ < 0: Ein Punkt der reellen Achse ist genau dann Teil der Wurzelortskurve des
geschlossenen Kreises, wenn die Anzahl der rechts von dem Punkt liegenden Pole und
Nullstellen des offenen Kreises gerade oder null ist.

Diese Eigenschaften lassen sich leicht am Beispiel Abb. 8.9 nachweisen. Ein Rückgriff auf die
genannten Eigenschaften ist immer dann nützlich, wenn man sich schnell und ohne Rechner-
unterstützung ein Bild vom ungefähren WOK-Verlauf machen will oder wenn man die vom
Rechner erzeugten WOK auf Plausibilität überprüfen will.

8.3.3 Beispiel: Lageregelung eines Flugzeuges

Ein Flugzeug ist ein Beispiel für eine komplexe Mehrgrößenregelstrecke. Abb. 8.10 zeigt ne-
ben den typischen Winkellage-Regelgrößen (Nicken, Rollen, Gieren) die dafür zur Verfügung
stehenden Aktoren (Höhen-, Quer- und Seitenruder).

Nicken
Rollen
Seiten-
y ruder dr
x

Querruder da
z
Höhenruder de
Gieren/
Schwenken

Abbildung 8.10: Flugzeugfestes Koordinatensystem und Aktoren, Boeing 747

Entkoppelt von allen übrigen Bewegungen wollen wir hier nur die Horizontal-Lageregelung, eine
typische Funktion des EFCS (electronic flight control system), betrachten. Eine dazu geeignete
Regelungsstruktur zeigt Abb. 8.11. Sie besteht aus einem inneren Dämpfungsregelkreis, der die
geringe natürliche Dämpfung der Flugzeug-Anstellwinkelschwingung im Rahmen einer Nickge-
schwindigkeitsregelung erhöhen soll. Ihm überlagert ist der eigentliche Nicklageregelkreis, der
über einen Vertikalkreisel die horizontale Ausrichtung des Rumpfes bewirkt. Man bezeichnet eine
solche verschachtelte Regelungsanordnung als Kaskadenregelung; siehe hierzu auch Kapitel 9.
Ausgehend von den Polen und Nullstellen des offenen überlagerten Lageregelkreises zeigt Abb.
8.12 die WOKn des geschlossenen Regelkreises mit KH als variablem Parameter. Auch hier
liegt der schon diskutierte Sonderfall vor. Die WOK erlauben die Bestimmung eines geeigne-
ten Verstärkungsgrads für den Lageregler KH zusätzlich zu dem bereits vorab festgelegten
Rückführverstärkungsgrad kN G des Dämpfungsreglers.

151
Autopilot

✟ ❍

Vertikal- Lage-
Höhenruder-
kreisel regler servo Flugzeug

Θw = 0 ✲ ❥ ✲ w ❥ ✲
Θ̇✲ 10 δe✲ 1,39(s + 0, 306) t
Θ̇ ✲ 1 t✲
Θ
KH
✻ ✻ s + 10 s2 + 0, 805s + 1,478 s
Θ

kN G = 1,98 ✛

Nickgeschwindigkeitskreisel

Abbildung 8.11: Horizontal-Lageregelung (Autopilotenfunktion) mit unterlagerter Nickdämp-


fungsregelung

8
25
6
10
4

2 KH 2
Imag Axis

1 KH KH
0
2 1,3 1 1,3 1,3 1
-2 KH 2

-4 10

-6 25

-8
-7 -6 -5 -4 -3 -2 -1 0 1 2 3
Real Axis

Abbildung 8.12: Wurzelortskurve Horizontal-Lageregelung

Aufgabe
Dieses Beispiel bietet eine gute Möglichkeit, ohne große Mühe bisher gesammelte regelungs-
technische Kenntnisse auf eine realitätsnahe Aufgabenstellung anzuwenden. Bestimmen Sie z.B.
• den im inneren Regelkreis erzielten Grad der Dämpfungserhöhung durch Vergleich des
Dämpfungsgrades des Flugzeugs selbst und des Flugzeugs zusammen mit Höhenruder-
servo (Aktor) und Dämpfungsregler (Nickgeschwindigkeitskreisel und Verstärkung),
Θ
• die für KH ≈ 5 zu erwartende Führungsübertragungsfunktion Gw = und
Θw
• das daraus resultierende dominierende Einschwingverhalten des Lageregelkreises. 

152
Zusammenfassung

In diesem Kapitel wurden verschiedene Ansätze für den Reglerentwurf diskutiert:

• Einstellregeln, die auf Erfahrungswerte beruhen, wurden einerseits für einen Entwurf im
Zeitbereich (symmetrisches Optimum) und andererseits für den Entwurf im Frequenzbe-
reich (Ziegler-Nichols) vorgestellt.
• Eine weitere Möglichkeit für den Reglerentwurf im Frequenzbereich bietet die Betrach-
tung des Bodediagramms des offenen Regelkreises. Viele Eigenschaften des geschlossenen
Kreises können am Amplitudengang oder Phasengang des Bodediagramms abgelesen wer-
den.
• Reglerentwurf basierend auf Wurzelortskurven erlaubt die Platzierung von Polen an
gewünschten Orten. Eine noch allgemeinere Methode, die unter bestimmten Voraus-
setzungen eine beliebige Platzierung der Pole erlaubt, ist die Zustandsregelung, die in
Kapitel 10 eingeführt wird.

153
154
9 Strukturelle Erweiterungen der
einschleifigen Regelungsstruktur
In diesem Kapitel sollen die wichtigsten strukturellen Erweiterungen des Standard-Regelkreises
diskutiert werden, mit denen eine deutliche Steigerung der Regelungsqualität möglich ist.

9.1 Aufschaltungen

Das wesentliche Merkmal der Verwendung von Aufschaltungen ist die Kombination von regeln-
den mit steuernden Maßnahmen. Dies führt, wie noch genauer gezeigt wird, zu einer Entlastung
des Reglers und zu einem besseren stationären und dynamischen Gesamtverhalten, ohne dabei
grundlegende Eigenschaften, wie etwa die Regelkreisstabilität, zu verändern.
Die Aufschaltung von Führungsgrößen (wobei man dann auch von Vorsteuerung spricht) so-
wie messbaren Störgrößen (Störgrößenaufschaltung) ist ein wesentliches Merkmal hochwertiger
Regelungseinrichtungen, vgl. Abb. 9.1.

w u V u Z z
F ü h ru n g s g rö ß e n -

V V o r- S tö rg rö ß e n - A u fg a b e n -
s te u e ru n g a u fs c h a ltu n g g rö ß e
p la n e r

y A
S tre c k e /
R e g le r A k to r
w P ro z e s s
R u R u

R e g e lu n g s - /S te u e r u n g s -
e in r ic h tu n g y
S e n s o r

Abbildung 9.1: Regelkreis mit diversen Aufschaltungen

9.1.1 Führungsgrößenaufschaltung/Vorsteuerung

Abb. 9.2 zeigt die Erweiterung der einschleifigen Regelkreisstruktur bei Vorsteuerung mit der
Übertragungsfunktion GV (s). Die Führungsübertragungsfunktion lautet dann

X(s) GR (s)GH (s)GS (s) + GV (s)GH (s)GS (s) GV (s)GH (s)GS (s) − 1
Gw (s) = = =1+
W (s) 1 + GR (s)GH (s)GS (s) 1 + GR (s)GH (s)GS (s)

155
✲ GV

uV z
w✲ ✉ ✲ ❥ ✲ ❄ u ❄
✲ ❥ ✲ ✲ ❥ ✲ ✉
uR ✲
x
GR GH GS

Abbildung 9.2: Regelkreis mit Vorsteuerung

mit dem gleichen charakteristischen Polynom wie im Fall ohne Vorsteuerung (Nennerausdruck!)
und somit dem gleichen Verhalten in Bezug auf die Systemstabilität.
Gelingt es nun, GV (s) wie folgt zu wählen:

1
GV (s) = , (9.1)
GH (s)GS (s)

so ergibt sich
Gw (s) = 1 .
Dies entspricht idealem Führungsverhalten! Doch wird im allgemeinen der Ausdruck GH (s) ·
GS (s) einen Polüberschuss aufweisen (Nennerordnung > Zählerordnung), wobei dann GV (s)
nach Gleichung (9.1) nicht exakt technisch realisierbar ist. In solchen Fällen kann man sich
beispielsweise als grobe Näherung mit einer statischen Vorsteuerung
1 1
GV, stat (s) = =
GH (0)GS (0) KH KS

behelfen und damit den gewünschte stationären Endwert unter Umgehung des Reglers vorein-
stellen und dem Regler nur noch das Ausregeln von Störungen überlassen.
Eine statische Vorsteuerung könnte z.B. bei der Drehgeschwindigkeitsregelung aus Abschnitt
2.7 eingesetzt werden, um die Reaktion der Regelung auf Änderungen der Sollgeschwindigkeit
zu beschleunigen.

9.1.2 Störgrößenaufschaltung

Ist es möglich, einzelne oder alle Störgrößen eines Systems zu messen, so lässt sich deren nega-
tiver Einfluss durch die sogenannte Störgrößenaufschaltung mindern oder sogar kompensieren.
Abb. 9.3 zeigt die hierfür notwendigen Erweiterungen im Falle einer messbaren Störgröße z.
Es gilt nun
X(s) GS (s)(GA (s)GH (s) + 1)
Gz (s) = =
Z(s) 1 + GR (s)GH (s)GS (s)

156
z

GA ✛ ✉

uz
w✲ ❥ ✲ ❄ u ❄
✲ ❥ ✲ ✲ ❥ ✲ ✉
uR x

GR GH GS

Abbildung 9.3: Regelkreis mit Störgrößenaufschaltung

wobei im Idealfall mit


1
GA (s) = −
GH (s)
Gz (s) identisch Null wird: Die Wirkung der Störgröße z auf die Regelgröße ließe sich dann
vollständig kompensieren. Doch auch hier wird in den meisten Fällen GA (s) nicht kausal sein,
sodass das Störverhalten zwar mittels
1 1
GA, stat (s) = − =−
GH (0) KH
stationär verbesserbar ist, nicht jedoch dynamisch. Ein typisches Anwendungsbeispiel für diese
Aufschalttechnik ist die Außentemperaturführung von geregelten Heizungsanlagen. Ein anderes
aktuelles Beispiel findet sich bei der Lärmreduzierung von Triebwerken durch Erzeugung von
Gegenschall.

9.2 Kaskadenregelung

Kaskadenregelungen sind ineinander verschachtelte Regelkreise, deren dynamisches Verhalten


von außen nach innen zumeist reaktiver (= dynamisch schneller) wird. Für eine Kaskadentiefe
von n = 2 gibt Abb. 9.4 ein allgemeines Beispiel.
Die Übertragungsfunktion G′w (s) des inneren Kreises für sich alleine lautet
X ′ (s) GR1 (s)GStell (s)GS1 (s)
G′w (s) = ′
= .
W (s) 1 + GR1 (s)GStell (s)GS1 (s)GM 1 (s)
Damit lässt sich die Gesamtübertragungsfunktion zu
X(s) GR2 (s)G′w (s)GS2 (s)
Gw (s) = =
W (s) 1 + GR2 (s)G′w (s)GS2 (s)GM 2 (s)
angeben. Reagiert nun der innere Regelkreis deutlich schneller als der äußere, gilt – im Sinne
eines dominierenden Verhaltens – aus der Sicht des äußeren Kreises
G′w (s) ≈ 1 .

157
z1

w ✲ ❥e ✲ w′ e′ ❄ x✉′
GR2 ✲ ❥ ✲ GR1 ✲ ❥ ✲
✲ GStell ✲
x✉ ✲
GS1 GS2
✻ ✻
Innerer RK
GM 1 ✛
Sensor 1: Innere Regelgröße
Äußerer RK
GM 2 ✛
Sensor 2: Äußere Regelgröße

Abbildung 9.4: Kaskadenregelung der Schachtelungstiefe n = 2

Diese Näherung ermöglicht eine einfache Auslegung des äußeren Kreises. Anders ausgedrückt
stellt der innere Kreis für den äußeren Kreis eine Art schnelles Ersatzstellglied dar.
Ein praktischer Vorteil der Kaskadenstruktur liegt in der gewonnenen Möglichkeit, die komplette
Regelungsanordnung bei Inbetriebnahme von innen“ nach außen“ nach und nach hochzufah-
” ”
ren. Man kann sich vorstellen, dass dieses Vorgehen vor allem bei großen Systemen von enormem
Nutzen ist.
Bereits in Abschnitt 8.3 hatten wir im Zusammenhang mit einer Flugzeug-Autopilotenfunktion
ein Beispiel für eine Kaskadenregelung kennengelernt. Etwas detaillierter soll nun noch eine
Kfz-Abstandsregelung untersucht werden.
Beispiel: Kfz-Abstandsregelung
Ausgehend von Abb. 9.5 zeigt Abb. 9.6 die Kaskade bestehend aus der Abstandsregelung von
Fahrzeug E mit unterlagerter Geschwindigkeitsregelung. Der Abstand aist der beiden in einer
Schlange hintereinander fahrenden Fahrzeuge berechnet sich über
Z
aist (t) = (vF (t) − vE (t))dt .

Die Notwendigkeit, die Sollgeschwindigkeit w ′ bei aist < asoll (z.B. Sicherheitsabstand = “Hal-
ber Tacho-Abstand”) herabzusetzen, führt zu einem negativ verstärkenden Abstandsregler, d.h.
Ka < 0, vgl. Abb. 9.5.

aist

vE vF

Abbildung 9.5: Anordnung der Fahrzeuge

In der Praxis liefert der Fahrzeugtacho das Geschwindigkeitssignal, während die Abstandsmes-
sung mit Hilfe eines elektromagnetischen (Radar) oder IR-Abstandsmessers (Lidar) realisiert
wird.

158
Störgröße
vF

asoll✲ ❥e ✲ ′
w✲ e′
❥ ✲ K + KI ✲ Ks vtE ✲ ❄
❥ ✲ 1 t✲ ist
a
Ka p
✻ ✻ s 1+T s s

a-Regler vE -Regler Tacho

Abstandsmesser

Abbildung 9.6: Kfz-Abstandsregelung um Arbeitspunkt vE0 = vG0

• Innerer Regelkreis (Geschwindigkeitsregelkreis)


Für den inneren Regelkreis gilt
K P s + KI KS
G′0 (s) = · ,
s 1 + Ts
KP
was mit T = als spezieller Parametrierung des Geschwindigkeitsreglers zu
KI

KS KI
G0 (s)

=
K
T= P s
KI


führt (Polstellenkompensation!). Die Übertragungsfunktion G′w (s) lautet damit
K
T = KP
I

1 Ki
Gw (s)

= s = (9.2)
T = KP
K
1+ 1 + Ti s
I
KS KI
1
mit Ti = und Ki = 1. Der innere Regelkreis zeigt also durch KI beinflussbares
K S KI
PT1 -Verhalten bei einem stationären Führungsübertragungsfaktor = 1.
• Äußerer Regelkreis (Abstandsregelkreis)
Unter Zuhilfenahme von Gl. (9.2) ergibt sich als Führungsübertragungsfunktion des äuße-
ren Kreises und damit der Gesamtanordnung

−Ka
Gw (s) = 2
, Ka < 0 .
K
T= P Ti s + s − Ka
KI

Das stationäre Gesamtübertragungsverhalten ist ebenfalls = 1, und es bleibt mit KP


und/oder KI sowie durch Ka noch genügend Entwurfsfreiheit, das dynamische Verhalten
der Abstandsregelung gewünscht zu beeinflussen. Mit einer sinnvollerweise für aperiodi-
sches dynamisches Verhalten (Fahrkomfort, Kollisionsgefahr!) gewählten Reglereinstel-
lung wird der Gesamtregelkreis auf eine Geschwindigkeitsänderung des Führungsfahrzeugs
(Störsprung) beispielsweise wie in Abb. 9.7 gezeigt reagieren.

159
v
F
Dv
F
a ist
a soll

Abbildung 9.7: Dynamisches Abstandsverhalten von Fahrzeug E bei Störsprung ∆vF

Zusammenfassung

Die einschleifige Regelkreisstruktur wurde in diesem Kapitel erweitert um:


• Störgrößenaufschaltung
• Vorsteuerung
• Kaskadenregelung
Mit Hilfe der strukturellen Erweiterungen kann die Regelungsqualität gesteigert werden.

160
10 Zustandsbasierter Reglerentwurf

10.1 Zustandsregelung von LTI-SISO-Systemen


Ausgehend von der in Kapitel 2 eingehend diskutierten Zustandsbeschreibung von LTI-Systemen
bzw. -Strecken können auch erweiterte Regelungsstrukturen entworfen werden, die neben Füh-
rungsgröße w und Streckenausgangsgröße y (= Regelgröße) auch die Zustandsgrößen x (=
Hilfsregelgrößen) zur Regelung heranziehen.


w ✲ u ✲ LTI- y✲
R(.)
Strecke
✻ △x
y

Abbildung 10.1: Prinzipieller Aufbau eines Zustandsreglers mit Ausgangsrückführung

Entsprechend dem im Bild skizzierten Regelungssystem lässt sich folgendes allgemeine Rege-
lungsgesetz formulieren:
u(t) = R(w(t),y(t),x(t)) (10.1)
R(.) bezeichnet darin den Regleroperator, der je nach Ausformung ein lineares, nichtlineares,
statisches oder dynamisches Regelgesetz definiert. Das Regelgesetz kann konventionell analy-
tisch aber auch durch ein neuronales Netz oder durch linguistische Regeln mit anschließender
Fuzzy-Logik-Verarbeitung repräsentiert werden.
Das allgemeine Regelgesetz (10.1) schließt folgende praktisch wichtigen und teilweise schon
diskutierten Sonderfälle ein:
• Ausgangsregelung: u(t) = R(w,y)
• Zustandsregelung: u(t) = R(w,x)
• Kombinierte Ausgangs- und Zustandsregelung: u(t) = R(w,y,x)
Bislang wurden also Ausgangsregelungen betrachtet, im Folgenden sollen die durch eine reine
Zustandsregelung erzielbaren neuen Regelungseigenschaften besprochen werden.

10.1.1 P-Regler mit vollständiger linearer Zustandsrückführung

Die Grundform einer Zustandsregelung für LTI-Strecken verwendet einen P-Regler mit
vollständiger linearer Rückführung des Zustandsvektors x. Das entsprechende Regelgesetz lau-

161
tet:
u = KR (w ′ − k T x) (10.2)
KR ist der Reglerverstärkungsfaktor und k ∈ IRn bezeichnet den Rückführkoeffizientenvektor.
Da der Klammerausdruck nicht die Regeldifferenz, d.h. e = w − y, im üblichen Sinne darstellt,
wurde in (10.2) zur Unterscheidung die Pseudo-Führungsgröße w ′ eingeführt. Zusammen mit
einer vollständig steuerbaren und nicht-sprungfähigen (d = 0) SISO-Regelstrecke

ẋ = Ax + bu y = cT x

folgt als Zustandsbeschreibung des zustandsgeregelten Systems:

ẋ = (A − b k T KR ) x + bKR w ′
| {z }
Regelungsmatrix AReg (10.3)
y = cT x

Eine Diskussion der Eigenschaften dieser Regelung kann am einfachsten und ohne Ein-
schränkung der Allgemeinheit unter der Annahme geführt werden, dass die Strecke Regelungs-
normalform mit den Matrizen A, b, c aufweist und der redundante Parameter KR = 1 gesetzt
wird. Mit dem Rückführvektor k folgt dann für den Aufbau der Regelungsmatrix:
 
0
 .. 
 
AReg = A − b k T = A −  .  [k1 . . . kn ]
 0 
1
 
0 1 0 0 0
 0 0 1 0 
 
AReg =  . .  (10.4)
 0 0 0 . 
−(a0 + k1 ) −(a1 + k2 ) . . . −(an−1 + kn )

Wie man sieht, weist auch AReg Regelungsnormalform auf, wobei jedem der maßgeblichen
Koeffizienten der Streckenmatrix A, d.h. a0 bis an−1 , jeweils ein Element des Rückführvektors
k, d.h. k1 bis kn , hinzugefügt wurde. Dies gilt auch für das charakteristische Polynom der
Regelung, dessen Koeffizienten bekanntlich mit den Elementen der untersten Zeile von AReg
übereinstimmen.

N(s,k) = det(sE − AReg ) = sn + (an−1 + kn )sn−1 + . . . (a1 + k2 )s + (a0 + k1 ) (10.5)

Die einfache Struktur des charakteristischen Polynoms erlaubt den Schluss, dass die entspre-
chenden Regelungseigenwerte λi (AReg ) durch geeignete Wahl der Elemente des Rückführvek-
tors k beliebig festgelegt werden können. Wegen der Invarianz der Eigenwerte innerhalb der
Äquivalenzklasse gilt diese Feststellung im übrigen unabhängig von der Regelungnormalform,
sodass folgender wichtige Satz formuliert werden kann.
Satz: (Eigenwert- oder Polverschiebungssatz)
Die n Eigenwerte λi (A) einer vollständig steuerbaren SISO-Strecke (A, b) können mittels
vollständiger linearer Zustandsregelung mit k ∈ IRn in eine beliebige Konfiguration von n
reellen und/oder konjugiert komplexen Regelungseigenwerten λi (AReg ) verschoben werden. 

162
Die Polverschiebungseigenschaft setzt aus naheliegenden Gründen vollständige Steuerbarkeit
der Strecke voraus, was bekanntlich auch die alternative Verwendung der Begriffe Pol und Ei-
genwert erlaubt. Sie garantiert größtmögliche dynamische Entwurfsfreiheit. Bei nicht vollständig
steuerbaren Strecken ist dagegen nur eine Verschiebung der steuerbaren Eigenwerte möglich.
Der Preis der gewonnenen Entwurfsfreiheit liegt darin, dass für die Realisierung der vollständi-
gen Zustandsrückführung sämtliche Zustände x messbar oder durch Einsatz eines Beobachters
(Abschnitt 10.3) rekonstruierbar sein müssen.
Gestützt auf die Regelungsnormalform lässt sich die Führungsübertragungsfunktion einer Zu-
standsregelung angeben:
Y (s) cT adj (sE − AReg )b
Gw′ (s) = =
W ′ (s) det(sE − AReg )
(10.6)
c0 + c1 s + . . . cn−1 sn−1
=
(a0 + k1 ) + (a1 + k2 )s . . . + (an−1 + kn )sn−1 + 1sn
Gl. (10.6) zeigt, dass eine Zustandsrückführung die Pole der Strecke hin zu den Regelungspolen
verschiebt. Die Nullstellen der Strecke werden dagegen direkt zu Nullstellen der Regelung, d.h.
sie erweisen sich gegenüber einer Zustandsrückführung als invariant.
Die Betrachtungen dieses Abschnittes haben sicher den Sinn der früher eingeführten Bezeich-
nung Regelungsnormalform als Alternative zu Phasenvariablenform hinreichend verdeutlicht.

10.1.2 Reglerentwurf durch Polverschiebung oder -zuweisung

Die Polverschiebungseigenschaft eröffnet die Möglichkeit zur Formulierung eines neuen Rege-
lungsentwurfsverfahrens, wobei als Regelungsziel die Modifikation der Streckendynamik im Vor-
dergrund steht. Ausgehend von einer Kenntnis der stabilen oder instabilen Eigenwerte und damit
der dynamischen Eigenschaften der Regelstrecke kann nun beispielsweise eine Stabilisierung, Be-
schleunigung und/oder Bedämpfung des natürlichen Einschwingens der Strecke dadurch her-
beigeführt werden, dass man für die zustandsgeregelte Strecke entsprechende Wunscheigen-
werte vorschreibt. Bei der Eigenwertwahl können die aus Kapitel 5 bekannten Kriterien für
eine absolute (Höchsteinschwingzeitkonstante 1/|σgrenz |!) und/oder relative Stabilitätsreserve
(Mindestdämpfungen Dgrenz !) einer Regelung eingesetzt werden. Aus dem Polverschiebungs-
satz lässt sich nun direkt ein entsprechendes Dimensionierungsverfahren für den Rückführvektor
k herleiten, wobei hier ein analytischer zeitbereichsorientierter Weg diskutiert wird.
Es sind folgende Entwurfsschritte erforderlich:
1. (A, b) vollständig steuerbar?
Wenn ja, dann nach 2.; sonst ist keine vollständige Eigenwertverschiebung möglich
2. Ausgehend von den gewünschten dynamischen Regelungseigenschaften durch Wahl ent-
sprechender Regelungspole pν ein Soll-/Wunschpolynom festlegen, d.h.
n
Y
soll
NReg (s) = (s − pν ) .
ν=1

3. Für die zustandsgeregelte Strecke das Istpolynom mit dem freien Rückführvektor k all-
gemein berechnen, d.h.

163
 
ist
NReg (s, k) = det sE − AReg (k) mit AReg = A − b k T .
ist soll
4. Koeffizientenvergleich zwischen NReg und NReg führt auf lineares Gleichungssystem in k,
dessen Lösung die gesuchten Rückführkoeffizienten liefert.
Beispiel: Entwurf einer Zustandsregelung durch Polverschiebung
Gegeben sei die Regelstrecke:
   
−2 0 KS
ẋ = x+ u y = [0 1] x
1 −3 0

Eigenwerte/Pole der Strecke sind λ1 = p1 = −2; λ2 = p2 = −3 mit einer daraus folgenden


Höchsteinschwingzeitkonstante 1/|σgrenz | = 1/2 = 0,5. Die Zustandsregelung soll ein prak-
tisch überschwingungsfreies Einschwingen mit einer Höchsteinschwingzeitkonstante < 0,25
garantieren. Analytischer Entwurf mit (KS = KS0 = 1):

• Strecke ist vollständig steuerbar


• Gewünschtes Übertragungsverhalten der Regelung

pReg1,2 = −(0,866 ± j0,5) · 5 = −(4,33 ± j2,5)

• Sollpolynom
soll
NReg (s) = (s − pReg1 )(s − pReg2 ) = s2 + 8,66s + 25

• Istpolynom
     
T −2 0 k1 k2 −2 − k1 −k2
AReg = A − b k = − =
1 −3 0 0 1 −3


s + 2 + k1 k2
ist
NReg (s) = det(sE − AReg ) =

−1 s+3
= s2 + (5 + k1 )s + 6 + 3k1 + k2

• Koeffizientenvergleich und Bestimmung von k:

8,66 = 5 + k1 → k1 = 3,66
25 = 6 + 3k1 + k2 → k2 = 8,02

164
10.2 Linear-quadratisches (LQ) Regler-Entwurfsverfahren

10.2.1 Aufgabenstellung

Das LQ- oder Riccati-Entwurfsverfahren kann ebenfalls zur Dimensionierung von Zustands-
regelungen herangezogen werden. Wir erklären hier das Entwurfsverfahren direkt für den MIMO-
Fall und spezialisieren zu gegebener Zeit auf die in diesem Abschnitt interessierenden SISO-
Systeme. Ausgangspunkt sei eine vollständig steuerbare MIMO-Strecke
ẋ = Ax + Bu ; x(0) = x0
(10.7)
y = Cx
und ein quadratisches Gütefunktional
Z∞
 
J(u(t)) = kx(t)k2Q + ku(t)k2R dt −→ min (10.8)
u(t)
0

x ∈ IRn ; u ∈ IRr ; Q ≥ 0 , Q ∈ IRn×n ; R > 0 , R ∈ IRr×r .


Q und R sind geeignet zu wählende Gewichtsmatrizen, so dass die Normen definiert sind als
kx(t)k2Q = x(t)T Qx(t).
Das Ziel besteht nun darin, denjenigen zulässigen Steuervektor u(t) (also einen Zeitfunktionen-
vektor) zu bestimmen, der unter Berücksichtigung der Streckengleichungen das Gütefunktional
(=Funktion von Funktionen!) J zum Minimum macht. Diese Aufgabenstellung kann, wie in
der Vorlesung Optimierung gezeigt wird, mit Methoden der Variationsrechnung gelöst werden.
Dabei ist die Lösung überraschend einfach: u entspricht nämlich strukturell dem bereits in Ab-
schnitt 10.1 eingeführten linearen Zustandsregelungsgesetz, dessen Rückführkoeffizientenmatrix
K (MIMO-System!) nach einer festen Berechnungsvorschrift bestimmt wird.

10.2.2 LQ- oder Riccati-Regelgesetz

Für den Fall einer Festwertregelung (w ′ = 0) lautet das optimale lineare Zustandsregelgesetz
u(t) = −K · x(t) (10.9)

mit der Rückführmatrix K ∈ IRr×n


K = R−1 B T P+ (10.10)
wobei P+ die positiv definite Lösung (P+ = P+T , P+ > 0) der algebraischen Matrix-Riccati-
Gleichung
−P A − AT P + P BR−1 B T P = Q (10.11)
ist. Diese Gleichung ist nichtlinear in P ; sie kann entweder numerisch oder bei niedriger Ordnung
n auch durch Auswerten der zugehörigen skalaren Einzelgleichungen gelöst werden. Zur Prüfung
der Definitheitseigenschaften der Matrix P verwendet man etwa das Sylvester-Kriterium. Der
minimale Integralwert des geregelten Systems bestimmt sich zu
J ∗ (x0 ) = xT0 P+ x0 = kx0 k2P+ . (10.12)

165
10.2.3 Implementierung des Riccati-Reglers

Zur Implementierung des Regelgesetzes müssen alle Streckenzustände sensorisch erfasst werden.

x0 Strecke

w′ = 0 u x y
✲ ❥ ✲ KR =E ✲ ẋ = Ax + Bu ✉ ✲ C ✲

K = R−1 B T P+ ✛

Abbildung 10.2: Direkte Realisierung des Riccati-Reglers

Die Differentialgleichung des Regelkreises lautet



ẋ = A − BR−1 B T P+ x, also gilt AReg = A − BR−1 B T P+ (10.13)

Sie beschreibt ein homogenes LTI-System mit grundsätzlich stabilen Eigenwerten λi (AReg ),
deren genaue Lage durch die Gewichtsmatrizen Q und R bestimmt wird.
Beispiel: Riccati-Festwertregler für SISO-Strecke
Gegeben sei die Strecke
ẋ = u , x(0) = x0
und das Gütefunktional:
Z∞
J = [qx2 (t) + ru2 (t)]dt ; q≥0, r>0
0

1
Die Riccatigleichung −p · 0 − 0 · p + p2 1 = q hat die beiden folgenden Lösungen
r

p = ± rq ,

von denen zur Bestimmung von k und damit des Riccati-Regelgesetzes nur die positive interes-
siert: r r
1 √ q q
k = · 1 · qr = u=− x
r r r
Damit folgt als Differentialgleichung der optimalen Regelung
r r r
q q r
ẋ + x = 0 , x(0) = x0 mit λ(AReg ) = − bzw. TReg = .
r r q
Das Einschwingen erfolgt gemäß
r
p q p
x(t) = x0 exp(−t/ r/q) und u(t) = − x0 exp(−t/ r/q) .
r

166
Der entscheidende Einfluss des Gewichtsfaktor-Verhältnisses r/q auf die Dynamik des Ein-
schwingens und auf die Amplitude der Steuergröße zeigt sich bei Betrachtung folgender
Grenzfälle:
r/q → ∞ =⇒ u(t) ≈ 0
r/q → 0 =⇒ u(t) ≈ −x0 δ(t)
Aufgabe: Erklären Sie diese Ergebnisse. 

10.3 Zustandsbeobachter oder -schätzer für LTI-Systeme

Definition:
Ein Zustandsbeobachter ist ein dynamisches (Hilfs-)System oder ein Algorithmus, der es erlaubt,
alle nicht direkt messbaren Zustandsgrößen oder auch davon abgeleitete Größen eines dynami-
schen Prozesses aufgrund weniger direkter Messungen und durch Einsatz eines Prozessmodelles
on-line zu rekonstruieren oder zu schätzen. 
Die einfachste Form der Zustandsrekonstruktion beruht auf der Parallelmodellmethode.

10.3.1 Parallelmodellmethode

Zur Erläuterung des Prinzips sei beispielhaft folgendes LTI-System (Prozess) betrachtet, wobei
aufgrund von direkten Messungen des Ein- und Ausgangssignals der Zustand x1 rekonstruiert
werden soll.

u x1 x2 y
t ✲ 1 ✲ 1 t ✲
s+2 s+3
❄ ❄

Abbildung 10.3: Beispielsystem mit Messung von Ein- und Ausgang

x1 (t) kann entweder aus u(t) unter Einsatz eines direkten Modells des linken Teilsystems oder
aus y(t) mittels eines inversen Modells des rechten Teilsystems berechnet werden. Der Schätz-
wert von x1 wird dabei jeweils mit x̂1 bezeichnet.

a) b)

u x1 x2 y u x1 x2 y
t ✲ 1 ✲ 1 ✲ ✲ 1 ✲ 1 t✲
s+2 s+3 s+2 s+3

1 x̂1 x̂1
✲ ✲ ✛ s+3 ✛
s+2

Abbildung 10.4: Direktes (a) und inverses (b) Parallelmodell zur Rekonstruktion von x1

167
Da Methode a) im Gegensatz zur Methode b) eine Messwert-Differentiation vermeidet, ist sie
weniger empfindlich gegenüber Messrauschen. Methode b) wird nur dann eingesetzt, wenn u
nicht messbar oder das linke Teilsystem (u → x1 ) instabil ist. Im letztgenannten Fall würde
Methode a), bedingt durch einen unvermeidbaren Anfangsfehler x̂1 (0) − x1 (0) 6= 0, zu einer
schnell wachsenden Divergenz zwischen wahrem x1 (t) und geschätztem Zustand x̂1 (t) führen.
Das inverse Modell in Methode b) muss jedoch aus Realisierbarkeitsgründen um mindestens
eine Polstelle, etwa bei piM = −30, erweitert werden.

10.3.2 Vollständiger Zustandsbeobachter

Eine wesentliche größere Flexibilität als die Parallelmodellmethode bietet die Verwendung eines
vollständigen Zustandsbeobachters, der auch als Luenberger-Beobachter bezeichnet wird. Er
soll im folgenden für LTI-MIMO-Systeme hergeleitet werden.
Gegeben sei das vollständig beobachtbare MIMO-System (Prozess) inkl. seiner Messgleichun-
gen:
ẋ = Ax + Bu + Gv
(10.14)
y = Cx + w
v und w bezeichnen ein unbekanntes Prozess- bzw. Messrauschen. In der Praxis ist die Anzahl
q der direkten Messungen y oft wesentlich geringer als die Anzahl n der Zustände x. Unter
der Annahme, dass Eingangsgrößen u des Systems und Messungen y dem Beobachter als
Eingangsvariable zur Verfügung stehen, kann für diesen folgender, allgemeiner Ansatz gemacht
werden:
x̂˙ = Âx̂ + B̂u + Ly
(10.15)
ŷ = Ĉ x̂

Diese Beziehungen beschreiben mit den Schätzvektoren x̂ ∈ IRn und ŷ ∈ IRq ein dem LTI-
MIMO-Prozeß strukturell ähnliches dynamisches (Hilfs-)System, das über die bekannten Größen
u und y an den Prozess angekoppelt ist. Die Matrizen Â, B̂, Ĉ und die Beobachter-Rückführ-
matrix L sind noch festzulegende Entwurfsparameter. Auf der Grundlage des Schätzfehlers x̃

x̃(t) = x̂(t) − x(t) (10.16)

kann als Entwurfsziel für einen idealen Beobachter gefordert werden, dass er Schätzwerte x̂(t)
erzeugt, die dem tatsächlichen, aber nicht direkt messbaren Zustandsvektor x(t) exakt entspre-
chen, d.h. für den Schätzfehler gelte

kx̃(t)k = 0 ∀t . (10.17)

Ob und inwieweit diese Forderung erfüllbar ist, soll nun gezeigt werden.
Zur Berechnung des Schätzfehlerverlaufs bildet man die Fehlerdifferentialgleichung als Differenz
der Differentialgleichungen von Beobachter und Prozess gemäß (10.15) bzw. (10.14) Hierzu
folgt nach Berücksichtigung von (10.16)

x̃˙ = Âx̃ + (Â − A + LC)x + (B̂ − B)u − Gv + Lw . (10.18)

168
Betrachtet man zunächst den störungsfreien Fall, d.h. v = w = 0 , dann kann der Fehler x̃(t)
zumindest asymptotisch zum Verschwinden gebracht werden, wenn die Entwurfsparameter in
der Fehlerdifferentialgleichung wie folgt festgelegt werden:

(i) Â = A − LC (ii) Re λi (Â) < 0 , ∀i (iii) B̂ = B (iv) Ĉ = C (10.19)

Als Ergebnis dieser Festlegung erhält man die homogene Fehlerdifferentialgleichung

x̃˙ = Â x̃ mit x̃(0) = x̃0 , (10.20)

die mit Re λi (Â) < 0, ∀i zu einem asymptotisch abklingenden Fehler, d.h.

lim kx̃(t)k = 0 ,
t→∞

führt. Zur Bestimmung der Zustandsbeschreibung dieses asymptotischen Zustandsbeobachters


setzt man die Werte aus (10.19) in die Ansatzgleichungen (10.15) ein, wobei, wie bereits unter
(10.19)(iv) vermerkt, sinnvollerweise Ĉ = C gesetzt wird.

x̂˙ = (A − LC) x̂ + Bu + Ly
| {z }
 = ABeo (10.21)
ŷ = C x̂
Zum besseren Verständnis der Beobachterstruktur wird die Differentialgleichung in das Pro-
zessmodell und einen Korrekturterm aufgespalten:


z}|{
x̂˙ = Ax̂ + Bu + L(y − C x̂ ) (10.22)
| {z } | {z }
Prozeßmodell Korrekturterm

Genauere Aufschlüsse über die Wirkungsweise des Beobachters vermittelt ein Signalflussplan,
der in Abb. 10.5 für den SISO-Fall skizziert ist. Das Bild zeigt unmittelbar, dass ein Beobachter
als eine Art Messregelkreis verstanden werden kann, in dem das Prozessmodell die Regelstrecke
und der Rückführvektor l einen mehrdimensionalen P-Regler bildet. Der Regler“ sorgt nun

dafür, dass der Fehler zwischen der direkten Messung y und deren (Voraus-)Schätzung (=
Prädiktion) durch den Beobachter ŷ, d.h. ỹ = ŷ − y, asymptotisch zu Null ausgeregelt wird.

10.3.3 Qualitatives Beobachterverhalten

Da beim Einschalten oder Start des Beobachters die Zustände des Prozesses x(0) in der Regel
unbekannt und die Zustände des Beobachters deshalb mit abweichenden Werten, z.B x̂(0) = 0,
vorbelegt sein werden, stellt sich ausgehend von x̃(0) 6= 0 ein asymptotisches Einschwingen
des Fehlers ein; es findet also eine allmähliche Annäherung des nun zugänglichen Schätzwertes
x̂(t) an den wahren, aber nicht direkt zugänglichen Wert x(t) statt. An diese Einschwingphase
schließt sich die Folgephase an, d.h. dass x̂(t) unabhängig von u(t) dem x(t) exakt folgen wird.
In der Praxis wird sich jedoch unter dem Einfluss des Rauschens v und w und als Folge von

169
w v x0 Prozess
✟✟
❄ ❄ ❄ ✟✟

✛ ty ẋ = Ax + bu (+Gv) ✛ t u
y = cT x (+w)

b ✛
y x̂0
−ỹ ❄ x̂
❄ x̂˙
✐ ✲ l ✲ ❄
✐ ✲ 1E t ✲ cT t ✲ ŷ
✻ ✻ s

ŷ A ✛ t ✲ x̂
Prozessmodell

Beobachter

Abbildung 10.5: Detaillierter SFP eines Luenberger-Beobachters für einen LTI-Prozess (SISO-
Fall)

x ✻x̂

x0 r
✻ ✟ x(t)

x̃(t)

❄ ✟
x̂(t) ✟

x̂0 r ✲
t
Start ✛ Einschwingen ✲ Folgen, Filtern ✲

Abbildung 10.6: Einschwing- und Folgeverhalten eines Beobachters

Modellierungsfehlern stets ein gewisser Restfehler x̃(t) einstellen. Er hängt mit der Fähigkeit
des Beobachters zur Unterdrückung von Messrauschen etc., also seinen Filter- und Robust-
heitseigenschaften, zusammen. Wie diese und andere Eigenschaften gezielt beeinflusst werden
können ist eine Frage der Beobachterdimensionierung, die im Folgeabschnitt behandelt wird.

170
10.3.4 Beobachter-Polverschiebungssatz

Ähnlich wie bei Zustandsregelungen in Abschnitt 10.1 kann auch ein für den Beobachterentwurf
fundamentaler Satz formuliert werden. Dies soll der Einfachheit halber auch hier wieder für den
SISO-Fall geschehen.
Satz: (Eigenwert- oder Polverschiebungssatz für Beobachter)
Die n Eigenwerte λi (A) eines vollständig beobachtbaren Prozessmodells (A, cT ) können mit
Hilfe des Beobachter-Rückführvektors l ∈ IRn in eine beliebige Konfiguration von n reellen und
/oder komplexen Beobachtereigenwerten λi (Â) = λi (ABeo ) verschoben werden. 
Diese Polverschiebungseigenschaft setzt aus naheliegenden Gründen vollständige Beobachtbar-
keit voraus. Sie garantiert größtmögliche dynamische Entwurfsfreiheit. Bei nicht vollständig
beobachtbaren Prozessen ist dagegen nur eine Verschiebung der beobachtbaren Eigenwerte
möglich. Gestützt auf die Beobachtungsnormalform lässt sich diese Eigenschaft einfach nach-
weisen.
Ausgehend von der Beobachterdifferentialgleichung gilt nämlich für deren charakteristisches
Polynom
NBeo (s) = det(sE − (A − l cT )) (10.23)
| {z }

bzw. unter Verwendung der Beziehung det A = det AT

NBeo (s) = det(sE − ÂT ) = det[sE − (AT − c lT )] .

Es werde nun ohne Beschränkung der Allgemeinheit angenommen, dass A in Beobachter-


Normalform AB ist. Dann gilt für das charakteristische Polynom

NBeo (s) = det[sE − (ATB − cB lT )] ,

woraus sich mit den Ersetzungen AB = ATR und cB = bR

NBeo (s) = det[sE − (AR − bR l T )]

ergibt, wobei AR die Regelungsnormalform der Systemmatrix ist. Dieser Ausdruck hat denselben
strukturellen Aufbau wie in 10.4. Das charakteristische Beobachterpolynom lautet:

NBeo (s, l) = sn + (an−1 + ln )sn−1 + · · · + (a0 + l1 ) . (10.24)

Da alle Koeffizienten des Polynoms durch l beliebig einstellbar sind, können auch die Beob-
achterpole beliebig gewählt werden. Aufgrund der Invarianz gilt diese Aussage natürlich für
beliebige Zustandsbeschreibungen des zu beobachtenden Prozesses.
Die Ausführungen dieses Abschnittes haben gezeigt, dass die Eigenwertverschiebung beim Re-
gelungs- bzw. Beobachterentwurf duale Aufgabenstellungen darstellt.
Beispiel: Beobachterdimensionierung
Gegeben sei der instabile Prozess:
   
1 0 1
ẋ = x+ u y = x2
1 −3 1

171
Die Beobachtergleichungen dazu lauten
     
1 −l1 1 l1
x̂˙ = x̂ + u+ y ŷ = x̂2
1 −3 − l2 1 l2

mit dem charakteristischen Ist- bzw. Soll-Polynom

ist
NBeo (s, l) = det(sE − Â) = s2 + (2 + l2 )s + (l1 − l2 − 3)
soll
Q2 soll 2 2 .
NBeo (s) = i=1 (s − pBeo i ) = (s + 4) = s + 8s + 16

Koeffizientenvergleich führt zu den Rückführverstärkungen l1 = 25 und l2 = 6.


Mit der Festlegung l = 0 würde der Beobachter in den Spezialfall eines von u getriebenen
direkten Parallelmodells übergehen, so wie es schon in Abschnitt 10.3 besprochen wurde. Dieser
entartete Beobachter wäre allerdings aus Gründen der Instabilität des Prozesses selbst instabil
und somit nicht zur Zustandsrekonstruktion geeignet. 
Kriterien zur Festlegung der Beobachterpole
Während das Folgeverhalten praktisch unabhängig von ABeo (l) ist, muss bei der Festlegung
der Beobachterpole ein Kompromiss zwischen schnellem Einschwingen und guter Filterwirkung
gefunden werden. Tendenziell wird der Beobachter als Folge einer Vergrößerung von l schneller
einschwingen, allerdings wegen der damit verbundenen Erhöhung der Beobachter-Bandbreite
auch einen größeren durch Messrauschen bedingten Schätzfehler x̃ zeigen. Dies lässt sich leicht
anhand der um die Rauschterme erweiterten Fehlerdifferentialgleichung (10.20)

inhomogen
z }| {
˙x̃ = (A − l cT )x̃ +lw − Gv (10.25)
| {z }
homogen

˙
zeigen, die im stationären Fall mit x̃(∞) = 0 umgeschrieben werden kann in

x̃(∞) = −(A − l cT )−1 (lw − Gv) . (10.26)

Durch das Rauschen v, w wird also auch im Folgeverhalten stets ein Restfehler x̃(∞) 6= 0
auftreten, der natürlich möglichst klein sein sollte.
Folgende Faustregel oder Heuristik führt in der Praxis zu einem vernünftigen Kompromiss
zwischen den gegenläufigen Forderungen nach schnellem Einschwingen und guter Filterwirkung
des Beobachters:
Re{λi (Â)} ≤ Re{λi (A)} ∀i (10.27)

Diese Faustregel wurde auch im obigen Beispiel mit der Wahl des zweifachen Beobachtereigen-
wertes an der Stelle λ1, 2 (Â) = −4 befolgt.

172
10.3.5 Stationäres Kalman-Bucy-Filter

Eine weitere Möglichkeit, die Beobachter-Rückfühmatrix L zu bestimmen besteht in der Lösung


einer Optimierungsaufgabe, ähnlich dem LQ Regler-Entwurfsverfahren. Solche rauschoptima-
len Beobachter bestimmten die Beobachter-Rückfühmatrix L hinsichtlich eines Kompromisses
zwischen schnellem Einschwingen und guter Filterwirkung. Der am weitesten verbreitete rau-
schoptimale Beobachter ist der Kalman-Bucy-Filter, der im Folgenden vorgestellt wird.

Aufgabenstellung

Ausgangspunkt sei wie in (10.14) ein vollständig beobachtbarer MIMO-LTI-Prozess mit Prozess-
und Messrauschen:
ẋ = Ax + Bu + Gv
y = Cx + w
Hierbei werden das Prozess- und Messrauschen v(t) und w(t) als stochastische Prozesse mit den
folgenden Eigenschaften modelliert: weiß, gaußverteilt, stationär, mittelwertfrei und unabhängig.
Daraus ergeben sich folgende stochastische Größen:
• Erwartungswerte
E[v(t)] = mv = 0
E[w(t)] = mw = 0

• Kovarianz-(Intensitäts-)matrizen
E[v(t)v(τ )T ] = V δ(t − τ ) ; V = konst ≥ 0
E[w(t)w(τ )T ] = W δ(t − τ ) ; W = konst > 0
E[v(t)w(τ )T ] = 0
Unter der Voraussetzung, dass alle oben genannten Modellgrößen sowie y(t) und u(t) bekannt
sind, wird nun nach dem Zustandsschätzer oder stochastischen Beobachter gesucht, der die
Schätzfehler-Varianz E [kx̃k2 ] zum Minimum macht, d.h.

Z+T
 2
   1
J[x̃(t)] = E kx̃k = E kx̂(t) − x(t)k2 = lim kx̃(t)k2 dt −→ Min . (10.28)
T →∞ 2T
−T

Ähnlich wie bei der LQ-Regelung ein deterministisches Optimierungsproblem formuliert und
gelöst wurde, so wird hier ein stochastisches Beobachter-Optimierungsproblem formuliert und
mit Mitteln der Variationsrechnung gelöst.

KB-Filtergleichungen

Das überraschend einfache Ergebnis dieser Optimierung ist ein Luenberger-Beobachter wie in
(10.22)
x̂˙ = Ax̂ + Bu + L(y − C x̂) (10.29)

173
mit einer Rückführ- oder Kalman Verstärkungsmatrix L, die durch folgende Beziehungen fest-
gelegt ist:
L = Π+ C T W −1 (10.30)
Π+ bezeichnet die Kovarianzmatrix des Schätzfehlers x̃(t), d.h.

  n o
Π+ = E kx̃k2 = E [x̂(t) − x(t)][x̂(τ ) − x(τ )]T > 0 . (10.31)

Sie ist die positiv definite Lösung einer algebraischen Matrix-Riccati-Gleichung, der Fehler-
Kovarianzgleichung

−AΠ − ΠAT + ΠC T W −1 CΠ = GV GT (10.32)

Die Kovarianzmatrix Π+ kann mit dem gleichen Gleichunglöser wie im Fall des LQ-Regelungs-
problems bestimmt werden. Sie charakterisiert die zu erwartenden Amplituden des stochas-
tischen Restfehlers x̃ im Folgeverhalten. Da das KB-Filter diese unter Berücksichtigung der
Rauschparameter minimiert, ist es ein Minimum-Varianz-Filter. Die hier für unendlichen Opti-
mierungshorizont T betrachtete Version des KB-Filters repräsentiert in Zeitbereichsdarstellung
das bekannte, üblicherweise im Frequenzbereich formulierte Wiener-Filter.

Beispiel: KB-Filterentwurf für Prozess 1. Ordnung

Gegeben sei eine Strecke (Prozess) 1.Ordnung, die neben dem Anfangswert x0 nur Prozessrau-
schen ausgesetzt sei (u = 0) und über die verrauschte Messung y(t) beobachtet wird.

ẋ = −x + v V = 2 = σv2 , mv = 0
y = x + w W = 1 = σw2 , mw = 0
u≡0

Das auf dieser Grundlage entworfene KB-Filter ist ebenfalls ein LTI-System 1. Ordnung mit
Korrekturterm
x̂˙ = −x̂ + l (y − x̂) ŷ = x̂ ,
wobei der Wert der Kalman-Verstärkung l aus der Lösung der Riccati-Gleichung folgt:

π 2 + 2π − 2 = 0 , π1/2 = −1 ± 3

l = π+ ≈ 0,73
Der vom KB-Filter gelieferte Schätzwert x̂(t) hat eine bessere Qualität als die direkte, aber
verrauschte Messung des Zustandes y(t).
Die L-transformierten KB-Filtergleichungen führen zu

x̂(s) l
GKB (s) = = ,
y(s) s+1+l

d.h. einem PT1 -Wiener-Filter mit der Eckfrequenz ωE = 1 + l.

174
10.3.6 Anwendungen von Beobachtern

Ein wichtiges Anwendungsgebiet für Beobachter ist die dynamische Zustandsrekonstruktion


oder -schätzung in Großsystemen, wie z.B. weitverzweigten elektrischen Energie- oder Erdgas-
netzen. In diesen örtlich weit verteilten Anlagen besteht die Aufgabe, alle Knotenspannungen
oder -drücke (Zustandsgrößen) aufgrund weniger direkter Messungen (q ≪ n) fortlaufend zu
rekonstruieren. Der Einsatz von Prozessmodellen und Beobachtertechniken führt dabei zu einer
deutlichen Kostenreduktion durch die Einsparungen von Messstellen, d.h. Hardware wird durch
Software (= Prozessmodell) ersetzt. Auf diese Weise können beispielsweise 1000 Zustands-
größen mit nur 100 Messungen rekonstruiert werden. Solche Großbeobachter bilden den Kern
der Netzinformations- und Netzleitsysteme in modernen Leitwarten.
Aber auch bei Prozessen niedrigerer Dimension n erweisen sich Beobachter nützlich als Soft-
Sensors, die ggf. noch im Hinblick auf gute Filtereigenschaften optimiert sind. So lassen sich
in der chemischen Verfahrens- oder Halbleitertechnik messtechnisch nicht direkt zugängliche
Qualitätsgrößen, wie etwa die Entwicklung der Moleküllänge in einem Reaktor, durch Beobach-
termethoden schätzen. Softsensortechniken unterstützen aber auch den Trend zu sensorarmen
Regelungen, z.B. bei kostenoptimierten Kfz-Regelungen.
Der hier besprochene (Prozess-)Beobachter kann durch Ergänzung des Prozessmodells um ein
Störsignalmodell einfach zu einen Störgrößenbeobachter erweitert werden, der neben den Pro-
zesszuständen auch modellierbare, aber nicht messbare Störgrößen, wie etwa Reibungskräfte,
online rekonstruieren kann.
Beobachter finden ferner interessante Anwendungen bei der Fehlerdetektion in Anlagen und
Geräten. So lässt sich aus der Tatsache, dass der Schätzfehler ỹ(t) = ŷ(t) − y(t), der im
stationären Fall in etwa den Wert Null hat, plötzlich einen deutlich größeren Wert annimmt,
auf eine Fehlersituation im beobachteten Prozess sowie seiner Sensorik und Aktorik schließen.
Ein durch Beobachter, also Software, ermittelter Schätzwert ŷ(t) ist in gewisser Beziehung
redundant zu dem mittels Sensor, also Hardware, ermittelten Messwert y(t). Diese Art von Re-
dundanz bezeichnet man als analytische Redundanz. Analytische Redundanz kann beispielsweise
zur Detektion eines Sensorfehlers eingesetzt werden.
Der Anwendungsbereich, der in den nachfolgenden Betrachtungen besonders interessiert, ist die
Realisierung Beobachter gestützter Zustandsregelungen.

10.4 Zustandsregelung unter Einschluss eines


Beobachters

Die Tatsache, dass häufig nicht alle für eine Zustandsregelung erforderlichen Streckenzustände
direkt gemessen werden können, stellte bisher eine Einschränkung für die Anwendbarkeit von
Zustandsregelungskonzepten dar. In der Folge soll gezeigt werden, wie hier durch Einsatz von
Beobachtern Abhilfe geschaffen werden kann.

175
10.4.1 Erweiterte Zustandsregelungsstruktur

Der Einfachheit halber sei der im SFP gezeigte SISO-Fall einer durch Beobachter erweiterten
Zustandsregelung betrachtet. Die auf diese Weise entstandene Regeleinrichtung hat offensicht-
lich zwei Aufgaben: die Zustände der Strecke mittels Beobachter vollständig zu rekonstruieren
und die Schätzwerte x̂(t) dem Zustandsregelungsgesetz zur Verfügung zu stellen.

w′ ✲ ✐ ✲ t u✲ t y✲
KR = 1 Strecke

Regelgesetz Beobachter

k T ✛ x̂ A, b, cT
l ✛
Regeleinrichtung

Abbildung 10.7: Zustandsregler mit Beobachter

Das Gesamtsystem kann nun wie folgt beschrieben werden:


Strecke: ẋ = Ax + bu (10.33)
T
y=c x
Regelgesetz: u = w ′ − k T x̂ (10.34)
Beobachter: ẋˆ = Ax̂ + bu + l(y − c x̂)
T (10.35)
bzw. mit x̃ = x̂ − x der zur Beobachtergleichung äquivalenten Fehlerdifferentialgleichung:
x̃˙ = (A − l cT )x̃ (10.36)
Aufbauend auf den Zustands- und Fehlervektoren x(t) ∈ IRn bzw. x̃(t) ∈ IRn erhält man für
den Regelkreis folgendes Zustandsmodell der Ordnung 2n:

      
ẋ (A − b k T ) −b k T x b
= + w′ (10.37)
x̃˙ 0 A − l cT x̃ 0
 
T T x
y = [c 0 ]

Die aus 4 Teilmatrizen zusammengesetzte Gesamtsystemmatrix wird mit ARk bezeichnet.

10.4.2 Dynamisches Verhalten und Separationsprinzip

Das charakteristische Polynom der Gesamtanordnung bestimmt sich zu


AReg ABeo
z }| { z }| {
det(λE − ARk ) = det(λE − (A − b k T )) · det(λE − (A − l cT )) . (10.38)
= NReg (λ) · NBeo (λ)

176
In anderen Worten, das Gesamtpolynom zerfällt in die bereits bekannten Polynome der Rege-
lung ohne Beobachter und des Beobachters ohne Regelung, so dass sich die 2n Eigenwerte des
Gesamtsystems als Vereinigungsmenge der n Regelungseigenwerte λ(AReg ) und der n Beob-
achtereigenwerte λ(ABeo ) ergeben, d.h.

{λi (ARk )} = {λj (AReg )} ∪ {λk (ABeo )} (10.39)

Diese Tatsache kann in folgendem grundlegenden Satz zusammengefasst werden:


Satz: (Separationsprinzip)
Für eine vollständig steuerbare und beobachtbare Strecke kann eine durch Beobachter erwei-
terte Zustandsregelung entworfen werden, die im Hinblick auf die Gesamtsystem-Stabilität eine
freie, separate und rückwirkungsfreie Festlegung der Regelungs- und der Beobachtereigenwerte
erlaubt. 
Aus dem Separationsprinzip folgt jedoch nicht, dass die Einbindung eines Beobachters in den Zu-
standsregelkreis ohne Einfluss auf das Einschwingverhalten bliebe. Dies zeigt auch die Verkopp-
lungsstruktur der Gesamtsystemmatrix in (10.37). Gegenüber dem Idealfall der Verfügbarkeit
von direkten Zustandsmessungen für die Zustandsregelung wird beim Arbeiten mit Beobachter
im Einschwingen der Regelung eine zusätzliche Verzögerung zu verzeichnen sein. Dennoch wird
das wichtige Ziel erreicht, Zustandsregelung auch in den Fällen einsetzen zu können, wo die
volle Zustandsinformation nicht aufgrund direkter Messungen verfügbar ist.
Folgende Faustregel erweist sich im Hinblick auf die Beobachterdimensionierung im Rahmen
der Anwendung Zustandsregelung als nützlich:

Re {λk (ABeo )} ≤ Re {λj (AReg )} (10.40)

10.4.3 Dynamischer Zustandsraum-Kompensator

Die im SFP 10.7 gezeigte, aus Zustandsregler und -beobachter zusammengesetzte Regeleinrich-
tung kann offensichtlich auch als Einheit aufgefasst werden. Sie hat die Eingänge w ′ und y, den
Ausgang u und eine innere Struktur, die mittels zustandsraum-orientierter Konzepte entwickelt
wurde. Diese Regelungseinheit wird als dynamischer Zustandsraum-Kompensator bezeichnet
und ist für sich betrachtet ein dynamisches System der Ordnung n:

w′ ✲ Dynamischer u✲
(Zustandsraum-)
✲ Kompensator
y
Abbildung 10.8: Zusammenfassung von Regler und Beobachter zum Zustandsraumkompen-
sator

177
Die zugehörigen Übertragungsfunktionen y → u und w ′ → u berechnen sich aus den Gleichun-
gen (10.34) und (10.35) unter Vernachlässigung der Beziehungen für die Strecke wie folgt:
U(s)
GyKomp (s) = = −k T (sE − AKomp )−1 l = (10.41)
Y (s)  
(sE − AKomp ) −l
det
kT 0
=−
det[sE − AKomp ]
′ U(s)
Gw
Komp (s) = = −k T (sE − AKomp )−1 b + 1 (10.42)
W ′ (s)
mit AKomp = A − l cT − b k T (10.43)
Die Polstellen des Kompensators ergeben sich aus:
y, w ′
NKomp (s) = det(sE − AKomp ) = 0 . (10.44)
Gemäß (10.43) unterscheiden sich die Pole des Kompensators (AKomp ) von denen der Rege-
lungspole (AReg ) und denen der Beobachterpole (ABeo = Â)!
Die Nullstellen folgen aus
 
y sE − AKomp −l
ZKomp (s) = − det =0 (10.45)
kT 0
bzw. aus
 
w′ sE − AKomp −b
ZKomp (s) = − det + det[sE − Akomp ] = 0 . (10.46)
kT 0

Die Anzahl der Nullstellen von GyKomp (s) ist m < n, während für Gw

Komp (s) m = n gilt.
Damit sind die Kompensatorübertragungsfunktionen realisierbar, was für den in Abschnitt 10.1
behandelten Fall der Zustandsregelung ohne Beobachter nicht zutrifft. Diese Feststellungen
sollen durch das folgende Beispiel illustriert werden.
Beispiel: Berechnung eines dynamischen Kompensators
Für die instabile Strecke
ẋ = x + KS u
y=x
wurde eine erweiterte Zustandsregelung konzipiert und für KS = KS0 = 1 wie folgt dimensio-
niert:
!
aReg = a − bk = −2 −→ k = 3
!
â = aBeo = a − lc = −3 −→ l = 4
Mit diesen Angaben folgt aKomp = −6 und damit für den äquivalenten dynamischen Kompen-
sator  
(s − aKomp ) −l
det
y k 0 12
GKomp (s) = − =−
s+6 s+6
′ s+3
GwKomp (s) =
s+6

178
w′ ✲ s+3 ✲ ❥ ✲
u KS ✉ ✲
y
GS (s) =
s+6 ✻ s−1

Dynamischer 12 ✛
Kompensator s+6

Abbildung 10.9: Konventionelle Realisierung der Zustandsregelung mit Beobachter

und damit für das Blockschaltbild des Regelkreises:


Dieses Beispiel macht noch einmal deutlich, dass der skizzierte dynamische Kompensator prin-
zipiell auch auf konventionellem Wege hätte entworfen werden können. Allerdings steckt hinter
dem zustandsraum-orientierten Vorgehen eine leichter zu durchschauende Logik, nämlich die
der Aufteilung des Entwurfsproblems in die separaten Schritte: Zustandsrekonstruktion und
Zustandsregelung.

Zusammenfassung
Die Zustandsregelung erlaubt unter bestimmten Voraussetzungen ein beliebiges Platzieren der
Eigenwerte/Pole. Allerdings ist dafür die Messung aller Systemzustände nötig. Abhilfe schafft
die Einführung von Beobachtern, mit deren Hilfe auch nicht direkt messbare Systemzustände
für die Regelung verfügbar gemacht werden können.

179
180
11 Zeitdiskrete Realisierung
zeitkontinuierlicher
Regelungsgesetze und Modelle
Bei den nachfolgenden Betrachtungen steht der Aspekt der Rechnerimplementierung und Si-
mulation von kontinuierlichen Steuerungs-, Regelungs-, Beobachter- und Filtergesetzen sowie
von Prozessmodellen im Vordergrund. Dazu werden kontinuierliche Systembeschreibungen in
eine für den online Rechnereinsatz geeignete zeitdiskrete Repräsentationsform überführt.

11.1 Vorbemerkungen
Der Übergang von einem zeitkontinuierlichen Originalsystem zum digitalen Ersatzsystem sei
durch das Schema in Abb. 11.1 verdeutlicht. Bei der Digitalisierung werden die kontinuierlichen
Eingangssignale u(t) abgetastet und durch einen Analog-Digital-Wandler (ADU) quantisiert.
Die abgetastete Eingangsfolge uk wird anschließend zeitdiskret verarbeitet und als diskrete
Ausgangsfolge {y k } ausgegeben. Diese wird durch einen Digital-Analog-Wandler (DAU) und
ein Halteglied 0-ter Ordnung (HG0) in eine (stückweise konstante) Stufenfunktion y(t) umge-
wandelt, siehe Abb. 11.2

u(t)✲ zeitkon- y(t) ✛✘u(t) {uk } {y k } y(t) ≈ y(t)


✲ ❲ ✲ ✲ zeit- ✲ DAU+ ✲
tinuier- ADU diskret
lich HG0
✻ ✻

TA = h
Uhr

kontinuierliches System quasikontinuierliches Ersatzsystem

Abbildung 11.1: Übergang vom kontinuierlichen System auf das quasi-kontinuierliche Ersatz-
system

Die Hauptaufgabe ist im Folgenden, die zeitdiskreten Verarbeitungsschritte so zu bestimmen,


dass das digitale Ersatzsystem unter ausreichenden Hardwareressourcen möglichst quasikonti-
nuierlich arbeitet.
y(t) ≈ y(t)
Die in der Folge zu besprechende digitale Realisierung soll an eine Reihe sinnvoller Vorausset-
zungen geknüpft werden:

181
✻ ❡ ✻
❡ {yk } y(t)

✲ DAU+ ✲
✲ HG0 ✲
❡ k t/h = k

Abbildung 11.2: Wirkung des Haltegliedes nullter Ordnung

• Alle Einheiten der digitalen Regelungsanordnung (Prozessor, ADU, DAU und HG0) sol-
len zeitsynchron arbeiten. Sie werden von einer zentralen Echtzeituhr mit dem festen
(Abtast-)Takt

1 1
fA = =
TA h

synchronisiert, vgl. Abb. 11.1. TA = h wird als Abtastintervall oder Abtastzeit bezeichnet.
• Alle Rechen- oder Umwandlungseinheiten sollen (zumindest vorerst) verzögerungsfrei ar-
beiten, so dass beispielsweise uk bereits in die Berechnung von y k eingehen kann. In der
Realität treten natürlich Totzeiten auf, die aus Stabilitätsgründen so klein wie möglich ge-
halten werden sollen. Zusätzlich ist in der späteren Implementierung die Realzeitfähigkeit
zu untersuchen.
• Die Stufenkennlinien von ADU und DAU werden unter der Voraussetzung hinreichend
hoher Auflösung (≥ 10 bit) als näherungsweise linear angenommen; Nichtlinearitäten
durch Variablenquantisierung werden also vernachlässigt.
• Die Abtastrate fA sei bezogen auf die Änderungsrate der kontinuierlichen Variablen so
hoch gewählt, dass die digitale Arbeitsweise des Reglers nach außen hin praktisch nicht in
Erscheinung tritt. Auf Kriterien für die Wahl der Abtastrate geht Abschnitt 11.6 genauer
ein.

11.2 Zeitdiskrete MIMO-LTI-Systeme

Zur genauen Beschreibung zeitdiskreter dynamischer Systeme, werden in diesem Abschnitt


Darstellungsformen für zeitdiskrete MIMO-LTI-Systeme vorgestellt. Diese Beschreibungsformen
bilden die Grundlage für die zeitdiskrete Implementierung und Analyse von Regelgesetzen. Sie
dienen auch der Implementierung von Simulationen auf zeit- und wertediskret arbeitenden Rech-
nern. In Anlehnung an die Darstellungsformen für kontinuierliche LTI Systeme in Abschnitt 2.4
werden die zeitdiskreten Darstellungsformen Zustandsdarstellung, Übertragungsfunktion und
Differenzengleichung vorgestellt.

182
11.2.1 Zustandsdarstellungen

Die zeitdiskrete Standardzustandsform für feste äquidistante Zeitschritte (t = kh = tk ) lautet

xk+1 = Axk + Buk , x(t0 ) = x0


(11.1)
y k = Cxk + Duk

Neben der Standardzustandsform wird auch eine erweiterte Standardform mit den Eingangs-
vektoren uk und uk+1 benötigt.

xk+1 = Axk + Buk + B1 uk+1 , x(t0 ) = x0


y k = Cxk + Duk

Dabei gilt xk = x(tk ) = x(kh).


Anmerkungen:
• Die Zustandsdarstellung umfasst Zustandsdifferenzengln. 1. Ordnung und Ausgangsglei-
chungen. Da eine weitgehende systemtheoretische Analogie zu Zustandsbeschreibungen
kontinuierlicher Systeme besteht, werden hier bereits bekannte Definitionen und Vereinba-
rungen nicht wiederholt. So existieren z.B. analog zum kontinuierlichen Fall, kanonische
Zustandsformen, wie die Modalform, Regelungsnormalform und Beobachtungsnormal-
form.
• Die Matrizen A, B, C, D eines zeitdiskreten Systems dürfen nicht mit den gleich lauten-
den Bezeichnungen bei kontinuierlichen Systemen verwechselt werden, für die in diesem
Kapitel zur Unterscheidung die Symbole Ã, B̃, C̃, D̃ verwendet werden.


11.2.2 Differenzengleichung n-ter Ordnung

Durch Umformen der zeitdiskreten Zustandsdarstellung in die Regelungsnormalform kann wie


im zeitkontinuierlichen Fall die zur Differentialgleichung n-ter Ordnung verwandte Differenzen-
gleichung n-ter Ordnung hergeleitet werden.
an yk−n + an−1 yk−n+1 + . . . + a0 yk = bm uk−m + . . . + b0 uk (11.2)
Diese Darstellung erlaubt eine rekursive Berechnung des momentanen Ausgangswertes yk aus
der gewichteten Summe der derzeitigen Eingangsgröße uk und bekannter Vergangenheitswerte
der Ein- und Ausgangsgrößen uk−ν und yk−ν . Diese Beziehung wird in der Filtertechnik und bei
der Zeitreihenberechnung auch als ARMA-Modell bezeichnet, wobei der erste Summand den
AutoRegressiven (AR) und der zweite den Moving Average Anteil (MA) bedeutet.

11.2.3 Z-Übertragungsfunktion

Vor der Einführung der Z-Übertragungsfunktion werden noch einige grundlegende Eigenschaf-
ten der Z-Transformation vorgestellt. Dabei zeigt sich oftmals eine große Ähnlichkeit zur

183
Laplace-Transformation. Die Z-Transformierte X(z) einer Funktion x(t) im Zeitbereich ist
definiert als ∞
X
X(z) = x(k)z −k .
k=0
Z
Man notiert oft auch Z{x(t)} = X(z) oder auch x(t) ◦−−−• X(z).
Wichtige Eigenschaften der Z-Transformation sind die Linearität und der Differenzensatz.

Linearität:
Z{xk + yk } = X(z) + Y (z)
Differenzensatz:
1. Ordnung: Z{xk+1 } = zX(z) − zx0
n. Ordnung: Z{xk+n } = z n X(z) − z n x0 − z n−1 x1 − . . . − zxn−1
Für die Z-Transformation einer Differenzengleichung n-ter Ordnung gilt demnach unter Zuhil-
fenahme der Linearität und des Differenzensatzes:
an yk−n +an−1 yk−n+1 + . . . +a0 yk = bm uk−m + . . . +b0 uk ◦−−−•

an z −n Y (z) +an−1 z −n+1 Y (z) + . . . +a0 Y (z) = bm z −m U(z) + . . . +b0 U(z)


wobei y0 = 0, y1 = 0, etc. o.B.d.A. angenommen wurde, ebenso u0 = 0, u1 = 0, etc. Analog
zum kontinuierlichen Fall lässt sich aus der Beziehung von Ausgang Y (z) zum Eingang U(z)
des Systems eine Z-Übertragungsfunktion H(z) bilden.
b0 + b1 z −1 + · · · + bn−1 z −m+1 + bm z −m
H(z) = .
a0 + a1 z −1 + · · · + an−1 z −n+1 + an z −n
Für den MIMO-Fall wird die Übertragungsfunktionsmatrix aus der Z-Transformierten der Dif-
ferenzengleichungen (11.1) hergeleitet.
zE[X(z) − x0 ] = AX(z) + BU (z)
Y (z) = CX(z) + DU(z)
Dabei wird wieder x0 = 0 gesetzt, wodurch im zeitdiskreten Fall an die Stelle der Laplace-
variablen s die Variable z tritt. Somit ergibt sich nach Substitution von s durch z die zum
kontinuierlichen Fall identische MIMO-E/A-Übertragungsfunktion

y(z) = [C(zE − A)−1 B + D] u(z)


| {z }
H(z)

H(z) ergibt sich im SISO-Fall zu


y(z) cT adj (zE − A)b Z(z)
H(z) = = +d= .
u(z) det(zE − A) N(z)
Ist das zeitdiskrete MIMO-System vollständig steuer- und beobachtbar, dann gilt analog zum
kontinuierlichen Fall für Pole und Eigenwerte:
pi (N) = λi (A) , i = 1 ,2 , ..., n

184
11.3 Zeitverhalten und Analyse zeitdiskreter LTI-Systeme

Aufbauend auf der Lösungsformel zeitdiskreter LTI-Systeme wird die Stabilität, Steuerbarkeit
und Beobachtbarkeit untersucht und in einem abschließenden Beispiel veranschaulicht.

11.3.1 Allgemeine Lösungsformel zur Standardzustandsform

Analog zu Abschnitt 3.2 kann auch für zeitdiskrete Systeme in Zustandsdarstellung eine allge-
meine Lösungsformel bestehend aus einem freien und einem erzwungenen Lösungsanteil ange-
geben werden. Wendet man die Differenzengleichung in (11.1) rekursiv an, dann entsteht für
wachsendes k folgende Wertesequenz:
x0 := x(t0 )
x1 := Ax0 + Bu0
x2 := Ax1 + Bu1 = A2 x0 + ABu0 + Bu1
..
.

Hieraus folgt die allgemeine Lösungsformel für MIMO-Systeme:


k−1
X
k
xk := A x0 + Ak−j−1Buj , k = 1, 2, 3 . . . (11.3)
j=0

Für die Darstellung der Potenzen von A in Zerlegungsproduktform gilt hier wie früher

A = T ΛT −1 bzw. Ak = T Λk T −1 . (11.4)

11.3.2 Stabilität

Die Stabilität eines zeitdiskreten Systems kann wie im analogen Fall anhand der Eigenwerte λi
der zeitdiskreten Systemmatrix A untersucht werden. Stellt man den freien Lösungsanteil in
(11.3) durch die Zerlegungsproduktform (11.4) von A dar, dann erkennt man, dass asymptoti-
sche Stabilität (limk→∞ xk = 0) gegeben ist, falls

lim Λk = 0
k→∞

Daraus ergibt sich folgende Forderung an die Eigenwerte

|λi (A)| < 1 , i = 1, 2, . . . , n .

Das Stabilitätsgebiet in der λ- oder z-Ebene ist also die Einheitskreisscheibe. Eine anschauliche
Erklärung ergibt sich auch, wenn man sich überlegt, dass die Nachfolgewerte der entkoppelten
transformierten Zustände xk der Modaltransformation x = T xk kleiner sein müssen als die
aktuellen:
xk,k+1 < diag (λi )xk,k

185
✻Im z, λ
1
........
..............................
......
...... ....
.... ....
..... ...
.
... ...
.... ..

..
... ..
... ..
... ...
❍❍1 ..
...
...
...
...
.
...
Re
❍ stabil
....
..... ...
...... .....
.......... ......
.......................

instabil

Abbildung 11.3: Stabilitätsgebiet in der z-Ebene

11.3.3 Steuerbarkeit, Beobachtbarkeit

Zur Prüfung auf vollständige Steuerbarkeit und Beobachtbarkeit gelten für diskrete Systeme
(11.1) dieselben formalen Kriterien wie bei kontinuierlichen Systemen.

Für zeitdiskrete SISO/MO-Systeme lässt sich das Steuerbarkeitskriterium im übrigen


leicht begründen. Entsprechend der Definition in Abschnitt 5.4 ist ein System dann vollständig
zustandssteuerbar, wenn eine zulässige Steuerungssequenz u0 , u1 , u2 , . . . existiert, die jeden
beliebigen Anfangszustand x0 in endlicher (diskreter) Zeit in den Nullzustand überführt.
Nimmt man probehalber die notwendige Anzahl der Schritte der Steuersequenz gleich der
Systemordnung n an, d.h. k = kmax = n, dann kann man (11.3) als Bestimmungsgleichung
für eine derartige Steuersequenz uS heranziehen. Es gilt nämlich für kmax = n im SISO-Fall

n−1
X
xn = 0 = A x0 + n
An−j−1 buj
j=0

Hierfür kann explizit

−An x0 = An−1 bu0 + An−2 bu1 + . . . + Abun−2 + bun−1

geschrieben werden oder in Vektor-Matrizen-Schreibweise


 
un−1
 un−2 
 
 .. 
−An x0 = [b Ab . . . An−2 b An−1 b]  .  . (11.5)
| {z } 
QC  u1 
u0
| {z }
uS

Diese Beziehung stellt ein lineares Gleichungssystem zur Berechnung der Elemente der Steue-
rungssequenz uS dar, wobei die Existenz einer eindeutigen Lösung die Invertierbarkeit der n × n
Matrix QC voraussetzt. Da diese Matrix jedoch den gleichen strukturellen Aufbau wie die
bekannte Steuerbarkeitsmatrix für SISO/MO-Systeme gemäß (5.4) hat, ist die Notwendigkeit
des Determinantenkriteriums für vollständige Zustandssteuerbarkeit gezeigt.

186
Hätte man zur Berechnung einer Steuerungssequenz kmax < n angesetzt, dann wäre das resul-
tierende Gleichungssystem überbestimmt, für kmax > n dagegen unterbestimmt gewesen, so
dass die probeweise Wahl kmax = n sinnvoll war.
Beispiel: Berechnung von Steuerfolgen für endliche Einstellzeit

Gegeben sei die Strecke


     
1 0 1 1
xk+1 = xk + uk , x0 = .
0 2 1 −1

Aufgrund der Diagonalform der Systemmatrix lassen sich die Eigenwerte ablesen zu λ1 =
1, λ2 = 2, woraus folgt, dass das System instabil ist, da nicht alle Eigenwerte kleiner als 1
sind. Desweiteren ist das System steuerbar, da gilt
 
1 1
det QC = det =1
1 2

Im Folgenden werden die Werte der Steuersequenz uS bestimmt, die den bekannten Anfangs-
zustand x0 in kürzest möglicher Zeit kmax = n (minimum settling time) in den Nullzustand
überführt. Gemäß (11.5) folgen die Elemente der Steuersequenz für kürzestes Einschwingen aus
      
1 0 1 1 1
− = u1 + u0 −→ uS = {u0 , u1 } = {5, − 6} .
0 4 −1 1 2

Mit diesen Werten lässt sich die Entwicklung des Zustandes xk rekursiv berechnen.
       
1 6 0 0
x0 = x1 = x2 = x3 = ...
−1 3 0 0


Mit für kmax > n sinngemäß erweiterten Formeln lässt sich auch die Steuerfolge uS für eine
beliebige endliche, nicht unbedingt die kürzeste, Einstellzeit (finite settling time) als Lösung
eines linearen Gleichungssystems berechnen. Die Stellamplituden werden dabei in der Regel
geringer sein als im Fall kmax = n.

11.4 Methoden der Zeitdiskretisierung von LTI-Systemen

Für den Übergang vom zeitkontinuierlichen oder s-Bereich auf den zeitdiskreten oder z-Bereich
stehen drei grundsätzlich verschiedene Approximationsmethoden zur Verfügung:
• Substitutionsmethoden
• Invarianzmethoden
• Simulationsmethoden

187
Dabei kann die Approximation eines Regelalgorithmus ohne (open-loop) oder mit Berücksichti-
gung seiner dynamischen Wechselwirkungen im Rahmen einer Regelungsschleife (closed-loop)
erfolgen. Hier wird das einfachere open-loop Vorgehen besprochen, obwohl sich in kritischen
Fällen, wie z.B. bei nicht beliebig verkleinerbarer Abtastzeit h mit der zweiten Methode bessere
Ergebnisse erzielen lassen.
Im Gegensatz zu Substitutions- und Invarianzmethoden, bei denen kontinuierliche LTI-Systeme
direkt in zeitdiskrete LTI-Systeme umgewandelt werden, versteht man unter Simulationsmetho-
den eine Klasse von Verfahren zur schrittweisen Simulation dynamischer (nichtlinearer) Systeme.
Beispielhaft sei das weit verbreitete Runge-Kutta Verfahren genannt, das z.B in Simulationspro-
grammen, wie etwa MATLAB/SIMULINK (siehe Appendix A.4) eingesetzt wird. Im Folgenden
werden lediglich Substitutions- und Invarianzmethoden vorgestellt.

11.4.1 Substitutionsmethoden

Bei den Substitutionsmethoden wird ausgehend von der kontinuierlichen Systemdarstellung in


L-transformierter Form der Integrationsoperator 1/s durch eine Näherung im z-Bereich substi-
tuiert, vgl. Abb. 11.4.

R
x(t)✲ (.)dt y(t) {xk }✲ {yk }
1 ✲ ✲ ? ✲
X(s) bzw. Y (s) X(z) Y (z)
s

Abbildung 11.4: Integration bei kontinuierlicher und diskreter Zeit

Exakte Integration

Betrachtet man den Ausgang des kontinuierlichen Integrators zum Zeitpunkt t = tk = kh,
dann kann der Integralwert über die Eingangsgröße x(t) ausgehend von t0 = 0 durch zwei
Summanden ausgedrückt werden:
tk−1
Z Ztk
y(tk ) = x(t)dt + x(t)dt
0 tk−1

Dies entspricht bei Übergang zu einer zeitdiskreten Schreibweise

Ztk
yk = yk−1 + ∆yk , ∆yk = x(t)dt ,
tk−1

vgl. auch Abb. 11.5.

188
x(t)

Dy
k

1 2 k-1 k t/h

Abbildung 11.5: Exakte Integration von x(t)

Rechteck-Approximation

Da die exakte Integration bei quasistetiger Implementierung wegen Fehlens von Werten x(t)
für tk−1 < t < tk nicht durchführbar ist, muss der Zuwachs ∆yk durch verfügbare zeitdis-
krete Werte angenähert werden. Im Falle der ersten betrachteten Substitutionsmethode, der
Rechteckapproximation, setzt man dazu an:
∆yk := xk h
Damit ergibt sich als Näherung
yk = yk−1 + xk h ,
vgl. Abb. 11.6.

x(t)

Dy
k

1 2 k-1 k t/h

Abbildung 11.6: Integration bei Rechteckapproximation

Transformiert man diese Beziehung in den z-Bereich (wie bekannt kann dazu z als der Einschritt-
Vorwärts-Schiebeoperator um TA bzw. h und z −1 als der Einschritt-Rückwärts-Schiebeoperator
interpretiert werden), so folgt
Y (z) = Y (z)z −1 + X(z)h
bzw. die z-Übertragungsfunktion
Y (z) h hz
= = .
X(z) 1 − z −1 z−1
Y (s) 1
Aus dem Vergleich mit der Übertragungsfunktion des Integrators im Laplacebereich =
X(s) s
folgt bei (Vorwärts-)Rechteckapproximation folgende Zuordnung zwischen s- und z-Bereich:

z−1
s=
ˆ
hz

189
Anmerkung:
Die alternative Möglichkeit der Rückwärts-Rechteckapproximation von ∆yk führt zu

yk = yk−1 + xk−1 h .

Die daraus folgende Substitutionsformel ist jedoch wegen der damit im geschlossenen Regelkreis
verbundenen Verzögerungs- und Stabilitätsprobleme nicht zu empfehlen. 

Trapez-Approximation

Bei der Trapezapproximation setzt man für ∆yk an


h
∆yk = (xk−1 + xk ) ,
2
vgl. Abb. 11.7. Mit yk = yk−1 + ∆yk folgt hier die z-Übertragungsfunktion

Y (z) h z+1
= ,
X(z) 2 z−1

x(t)

Dy
k

1 2 k-1 k t/h

Abbildung 11.7: Integration bei Trapezapproximation

was folgender Substitution entspricht:

2 z−1
s=
ˆ
h z+1

Anmerkung:
Die Trapezapproximation wird auch als bilineare oder Tustin-Transformation bezeichnet. Steht
im Intervall h ausreichend Rechenzeit zur Verfügung, so ist die Trapezapproximation aufgrund
ihrer höheren Approximationsgüte der weniger rechenaufwendigen Rechteckapproximation vor-
zuziehen; man vergleiche hierzu auch die Abbildungen Abb. 11.7 und Abb. 11.5. 
Beispiel: LTI-System
Die gewonnen Näherungen des Integrationsoperators lassen sich nun in die L-Transformierte
zeitkontinuierlicher linearer Systeme

ẋ = Ãx + B̃u L sEx = Ãx + B̃u


−→
y = C̃x + D̃u y = C̃x + D̃u

190
Rechteckintegration Trapezintegration, Tustin-Formel,
bilineare Transformation
1 − z −1 2 1 − z −1
s=
ˆ s= ˆ
h h 1 + z −1
h i−1 h i
A = [E − Ãh]−1 A = E − Ã h2 E + Ã h2
h i−1
−1 h h
B = 0 , B1 = [E − Ãh] hB̃ B = B1 = E − Ã 2 2

C = C̃, D = D̃ C = C̃, D = D̃

Tabelle 11.1: Umrechnung eines kontinuierlichen Systems mittels Rechteck- bzw. Trapezinte-
gration

einsetzen. Daraus folgen die entsprechenden Matrizen der zeitdiskreten Ersatzsysteme, siehe
Tab. 11.1.
Man stellt fest, dass für die Eigenwerte der Systemmatrix beider Ersatzsysteme gilt:
lim λi (A) = 1 , ∀i (11.6)
h→0

Dieses Ergebnis deutet auf ein Empfindlichkeitsproblem bei der Implementierung der Differen-
zengleichung und insbesondere ihrer Koeffizienten mit endlicher Prozessorwortlänge hin. Eine
Alternative bietet hier die Differenzen- oder δ-Darstellung, die bei der Entwicklung zeitdiskreter
Ersatzsysteme für zeitkontinuierliche Systeme gewisse numerische Vorteile hat. Auf eine ge-
nauere Darstellung dieser Modellierungsweise wird hier nicht eingegangen und auf die Literatur
verwiesen. 
Beispiel: PID-Regler mit Rechteckapproximation
Der aus Abschnitt 6.2 bekannte ideale PID-Regler mit der Übertragungsfunktion
1
GR (s) = KP (1 + + Tv s)
Tn s
z−1
geht mit der Rechteckapproximation s=ˆ über in
hz
 
h z Tv z − 1
GR (z) = KP 1 + +
Tn z − 1 h z
Nach Umformung in die zeitdiskrete Darstellung folgt der rekursive Algorithmus (bei direkter
Implementierung)
yk := yk−1 + d0 ek + d1 ek−1 + d2 ek−2 k = 1, 2, 3, . . .
mit den Koeffizienten  
h Tv
d0 = KP 1 + +
 Tn h
Tv
d1 = −KP 1 + 2
h
Tv
d2 = KP
h

191

Anmerkung:
Eine bessere Güte des durch Substitution angenäherten Regelgesetzes kann häufig erzielt wer-
den, wenn die durch das nachgeschaltete HG0 verursachte mittlere Totzeit von ca. TA /2 durch
einen dem zeitdiskreten Regelgesetz GR (z) = YU (z)
(z) 2z
hinzugefügten Faktor z+1 (Prädiktor) nähe-
rungsweise kompensiert wird. 

11.4.2 Sprunginvarianzmethode

Bei der Sprunginvarianz- oder HG0-Äquivalenzmethode wird das zeitdiskrete Ersatzsystem wie
folgt bestimmt: Die zeitkontinuierliche Eingangsgröße u(t) wird über Abtaster und Halteglied
0-ter Ordnung (HG0) durch eine Stufenfunktion u(t) mit
u(t) = u(tk ) = uk für tk ≤ t < tk+1 , k = 0, 1, 2, . . .
approximiert, siehe Abb. 11.8.
≈ x(t) xk
u(t) ✗✔
✟✟ uk u(t) ≈ y(t) ✗✔
✟✟ y
✲t
✟ ✲ HG0 ✲ ẋ = Ãx + B̃u ✲ t✟ ✲ k
✖✕ y = C̃x + D̃u ✖✕


TA = h

Uhr

✛ zeitdiskretes Ersatzsystem ✲

Abbildung 11.8: Zeitdiskretes Ersatzsystem mit Abtaster und Halteglied

Die Wirkung von u(t) auf Zustands- und Ausgangsgrößen des zeitkontinuierlichen Systems kann
insbesondere für die Abtastzeitpunkte tk exakt berechnet werden. Hierbei ist ein Vorgehen im
Zeit- oder Frequenzbereich möglich.

Berechnung im Zeitbereich

Nach der allgemeinen Lösungsformel (3.8) für zeitkontinuierliche MIMO-Systeme gilt allgemein
für einen Anfangszeitpunkt tk , Endzeitpunkt tk+1 , Anfangswert x(tk ) und einem Eingang u(t) =
uk
tk+1
Z
x(tk+1 ) = eÃ(tk+1 −tk ) x(tk ) + eÃ(tk+1 −τ ) B̃uk dτ
tk

bzw. nach der Substitution tk+1 − τ = η


Zh
Ãh
x(tk+1 ) = xk+1 = e xk + eÃη dη B̃uk . (11.7)
0

192
Gleichung (11.7) kann als rekursive Berechnungsformel für den Übergang des Zustandes des
kontinuierlichen Systems von einem zum anderen Tastzeitpunkt verstanden werden. Für die
Matrizen des zeitdiskreten Ersatzsystem in Standard-Zustandsform folgt daraus

A = eÃh
Zh
B = eÃη dη B̃ = (eÃh − E)Ã−1 B̃ (11.8)
0
C = C̃ , D = D̃

Auch hier gilt für die Eigenwerte von A die bereits in (11.6) aufgezeigte Eigenschaft. Die
geschlossene formelmäßige Auswertung des Integrals in (11.8) setzt Regularität von à voraus.
Ferner stellt man fest, dass der wesentliche Aufwand bei Anwendung dieser Formeln in der
Berechnung von eÃh liegt. Approximiert man eÃh bzw. e−Ãh für h → 0 durch die ersten Glieder
einer Reihe, so erhält man
• mit Hilfe einer Taylorentwicklung von e−Ãh
eÃh = (e−Ãh )−1 ≈ [E − Ãh]−1 ,
was dem in Tab. 11.1 für Rechteckintegration ermittelten A entspricht;
• nach Padé-Entwicklung 1. Ordnung
" #−1 " #
Ãh Ãh
eÃh = (e−Ãh/2 )−1 eÃh/2 ≈ E− E+ ,
2 2
was dem in Tab. 11.1 mit der Tustin-Formel berechneten A entspricht.
Damit ist der enge Zusammenhang zwischen Substitutions- und Sprunginvarianzmethode bei
der Zeitdiskretisierung aufgezeigt.

Berechnung im Frequenzbereich

Geht man von der Übertragungsfunktionsbeschreibung G(s) eines kontinuierlichen SISO-


Systems aus, dann kann das zeitdiskrete Ersatzsystem im skizzierten SFP durch die Z-Übert-
ragungsfunktion
 
y(z) 1 − e−sh
G(z) = = Z[GHG0 (s)G(s)] = Z G(s)
u(z) s
bzw. durch  
G(s)
G(z) = (1 − z −1 ) Z (11.9)
s
charakterisiert werden. Korrespondenzen für wichtige Zeitfunktionen x(t) im s- und z-Bereich
finden sich in Tab. 11.2.
Anmerkung:
Ähnlich wie bei den Substitutionsmethoden kann man bei den Invarianzmethoden die Zeit-
diskretisierung verfeinern, indem das diskrete Ersatzsystem abtastintervallweise rampenförmig
approximiert wird, d.h. u(t) = uk + tδuk , tk ≤ t < tk+1 . 

193
x(t) L{x(t)} x(kh) Z{x(kh)}
t≥0 k≥0
1 z
1 1
s z−1
1 hz
t kh
s2 (z − 1)2
1 2 1 1 h2 z (z + 1)
t (kh)2
2 s3 2 2 (z − 1)3
T z
exp(−t/T ) exp(−kh/T )
1 + sT z − exp(−h/T )
1 z (1 − exp(−h/T ))
1 − exp(−t/T ) 1 − exp(−kh/T )
s (1 + sT ) (z − 1)(z − exp(−h/T ))
ω z sin ωh
sin ωt sin ωkh
s + ω2
2 2
z − 2z cos ωh + 1
s z (z − cos ωh)
cos ωt cos ωkh
s + ω2
2 2
z − 2z cos ωh + 1

Tabelle 11.2: Wichtige Korrespondenzen im Zeit-, Laplace- und z-Bereich

Beispiel:
Das zu diskretisierende Originalsystem lautet

ẋ = Ku , wobei à = 0 , (also nicht regulär!) B̃ = K .

Gemäß (11.8) folgt


Zh
A = e0h = 1 B= e0η dη B̃ = hB̃ = hK
0

und das zeitdiskrete Ersatzsystem lautet damit

xk+1 = xk + hKuk

Alternativ ergibt sich ausgehend von der Übertragungsfunktion des Originalsystems


X(s) K
G(s) = = .
U(s) s

zusammen mit der Tabelle die Z-Übertragungsfunktion


 
X(z) 1 hz z −1
G(z) = = (1 − z )KZ 2 = (1 − z −1 )K
−1
= Kh .
U(z) s (z − 1)2 1 − z −1
Mittels Gl. (11.9) kann die Identität beider über den Zeit- bzw. z-Bereich ermittelten Lösungen
leicht nachgewiesen werden. 

194
11.5 Implementierung zeitdiskreter Algorithmen

Bei der Rechnerimplementierung müssen neben Einflüssen der Zeitdiskretisierung auch stets
Quantisierungs- und Rundungsfehler bedingt durch Wandlungsoperationen und begrenzte Pro-
zessorwortlänge, z.B. 8 oder 16 Bit Festkommazahlendarstellung, berücksichtigt werden. Solche
Fehler können sich insbesondere bei der Implementierung von Systemen und Modellen hoher
Ordnung oder von steifen Systemen, d.h. Systemen mit Eigenwerten, die sich um Größenord-
nungen unterscheiden, nachteilig auswirken.

11.5.1 Direkte Implementierungsstruktur

Die einfachste Struktur ist die Implementierung des zeitdiskreten Ersatzsystems als Differen-
zengleichung n-ter Ordnung gemäß (11.2):
n
X n
X
yk := − an−ν yk−ν + cn−ν uk−ν
ν=1 ν=1

Sie ist jedoch in den obengenannten kritischen Fällen nicht zu empfehlen, da


• sich die Koeffizienten ai und ci um Größenordnungen unterscheiden können,
• das implementierte quasi-kontinuierliche Ersatzsystem eine große Eigenwertempfindlich-
keit infolge der Tatsache aufweist, dass für kleine h alle λi (A) dem Wert +1 zustreben.

11.5.2 Parallelstruktur

Eine bessere Alternative bietet die Implementierung als Parallelstruktur, die sich ausgehend von
der Zeit- oder z-Bereichsdarstellung des Ersatzsystems entwickeln lässt.

Partialbruch-Zerlegung von G(z)

In Analogie zum s-Bereich (siehe Abschnitt 2.4.1) lässt sich auch jede Z-Übertragungsfunktion
n-ter Ordnung in die Summe von Partialbrüchen 1. Ordnung für reelle und Partialbrüche 2.
Ordnung für konjugiert komplexe Pole
nX nkompl
Y (z) reell
βi X γj z + δj
G(z) = = α0 + + ,
U(z) i=1
z − p i j=1
(z − p j )(z − p j ) (11.10)
n = nreell + 2nkompl

zerlegen, wobei bei den Teilsystemen 2. Ordnung folgende Zusammenfassung zu einem Nen-
nerpolynom mit reellen Koeffizienten möglich ist:

(z − pj )(z − pj ) = z 2 − 2zσj + (σj2 + ωj2 )

195
Nach Umsetzung von (11.10) in den Zeitbereich folgt als implementierbarer Algorithmus mit
reellen Koeffizienten:

vi, k := pi vi, k−1 + βi uk−1


2 2
P− (σj +
wj, k := 2σj wj, k−1 Pωj )wj, k−2 + γj uk−1 + δj uk−2
yk := α0 uk + vi, k + wj, k (11.11)
i j
i = 1, . . . , nreell ; j = 1, . . . , nkomplex

Modale Zustandsdarstellung bzw. Jordanform

Der gleiche Algorithmus kann im Prinzip auch durch Transformation des diskreten Ersatzsys-
tems in Modal- oder Jordanform gewonnen werden, wobei unmittelbar von in Abschnitt 2.4.2
hergeleiteten Beziehungen sinngemäßer Gebrauch gemacht werden kann. Dies sei für den Fall
einer MIMO-Zustandsdarstellung unter der Voraussetzung einfacher Eigenwerte λi (A) gezeigt.
Aus
xk+1 = Axk + Buk
yk = Cxk + Duk
erhält man durch die Modaltransformation x = T xk die Diagonalmatrix Λ = diag (λi ) =
T −1 AT und damit folgende Paralleldarstellung in Matrizenform:

xk,k := Λxk,k−1 + T −1 Buk−1


(11.12)
y k := CT xk,k + Duk

In (11.12) wurde aus Kompatibilitätsgründen mit (11.11) die Differenzengleichung in einer um


einen Zeitschritt nach rückwärts verschobenen Form angeschrieben.

11.6 Festlegung der Abtastfrequenz fA in Regelkreisen

Bisher wurde die Diskretisierung kontinuierlicher Systeme allgemein behandelt. Zeitdiskrete Sys-
teme werden offline zur Simulation und online in realen Umgebungen eingesetzt (eingebettete
Systeme). In diesem Abschnitt wird auf die zu wählende Abtastfrequenz bei der Implementierung
eingebetteten Systeme (z.B. Regler, Filter und Beobachter) eingegangen. Bei der Festlegung
der Abtastfrequenz kann man von Zeit- oder Frequenzbereichsbetrachtungen ausgehen.

11.6.1 Zeitbereichsbetrachtungen

Sinusabtastung

Der hier zunächst betrachtete Spezialfall der Abtastung einer einzelnen Sinusschwingung lie-
fert grundlegende Einsichten für die Abtastung allgemeinerer Signale, die sich – wie aus der
Fouriertheorie bekannt – in eine Summe von Sinusschwingungen zerlegen lassen.

196
x(t) = sin(ωg t) ✲✗✔
!
✏❜ {xk }✲
❜✏
x(t)

≈ x(t)
HG0
✖✕
f ✻
A

Abbildung 11.9: Abtastung eines Sinussignals

Abb. 11.9 zeigt die hier untersuchte Anordnung: Eine Sinusschwingung x(t) der Frequenz ωg
1 1
wird mit fA = = abgetastet und mit einem HG0 in eine Treppenfunktion x(t) umgewan-
TA h
delt. Abb. 11.10 zeigt dazu das Ergebnis von Abtastungen mit unterschiedlichen Frequenzen.
x
x(t) x(t)

fA = 2 fg
p 2p 3p wg t

fA = 4 fg
p 2p 3p wg t

x
x(t)
x(t)

fA = 12 fg
p 2p 3p wg t

Abbildung 11.10: Ergebnisse einer Sinusabtastung

• Signaltheoretische Sichtweise
Das Shannonsche Abtasttheorem besagt, dass zur eindeutigen Rekonstruierbarkeit eines
Sinussignals mindestens die doppelte Abtastfrequenz ωA ≥ 2 ωg benötigt wird. Diese
Bedingung stellt also die unterste Grenze für die Abtastfrequenz ωA dar.

197
• Regelungstechnische Sichtweise
Diese signaltheoretisch unterste Grenze ist jedoch für regelungstechnische Zwecke bei
weitem nicht ausreichend. Im Hinblick auf eine quasistetige Arbeitsweise der Anordnung,
!
d.h. x(t) ≈ x(t), sollte die Abtastfrequenz im etwa gemäß folgender Faustformel gewählt
werden:
ωA ≈ 20ωg
Fasst man ωg als die höchste in einem beliebigen Signal x(t) maßgebende sinusförmige
Frequenzkomponente auf, die hier durch die Systembandbreite ωB abgeschätzt werden
soll, dann ist quasistetiges Verhalten in erweiterten Sinn sichergestellt durch
15ωB ≤ ωA ≤ 50ωB
Wird die untere Grenze verletzt, so ist die angestrebte Äquivalenz zur kontinuierlichen
Realisierung nicht mehr hinreichend gegeben. Wird jedoch die Abtastrate zu hoch festge-
legt, so steigen damit die Anforderungen an Wandlungs- und Prozessorgeschwindigkeit;
ferner müssen zur Vermeidung numerischer Fehler größere Prozessorwortlängen (Fest-
punktdarstellung) zur Repräsentation der Signale zur Verfügung gestellt werden. Erfah-
rungsgemäß bleiben trotz aller Fortschritte der Prozessortechnik – bedingt durch die
wachsende Funktionalität von Reglern und wirtschaftliche Randbedingungen – Prozes-
sorzeit und Prozessorwortlänge stets knappe Ressourcen!

Einschwingverhalten des Regelkreises

Einen anderen Ausgangspunkt für die Festlegung der Abtastfrequenz eines quasistetigen Reglers
bietet das angestrebte Führungsverhalten des geschlossenen Regelkreises Gw (s)
Abb. 11.11 zeigt dazu typische Übergangsfunktionen der Regelgröße x(t) mit PT1 - oder PT2 -
ähnlichem bzw. S-förmigem Einschwingen sowie den daraus im Hinblick auf quasistetiges Ver-
halten resultierenden Vorschriften. Treffen gleichzeitig mehrere dieser Bedingungen zu, dann
sollte die jeweils restriktivste zur Bestimmung der Abtastfrequenz angewendet werden.
Für quasistetige Regelungen ergeben sich typischerweise folgende anwendungsspezifischen Ab-
tastzeiten:
• Elektronische Systeme: TA ≈ 10 µs
• Mechatronische Systeme: TA ≈ 1 ms
• Durchflusssysteme: TA ≈ 1 s
• Thermische Systeme: TA ≈ 20 s bis einige Minuten

11.6.2 Frequenzbereichsbetrachtungen

Einen anderen Zugang zur Frage der Festlegung der Abtastfrequenz in Regelkreisen bietet
die spektrale Betrachtung der Signalabtastung. Hierdurch wird insbesondere das Entstehen
von Aliasing-Problemen verdeutlicht, wie sie durch eine abtastungsbedingte Rückfaltung von
Spektren hervorgerufen werden.

198
Einschwingen des analog 1
h = TA =
geschlossenen Rk fA

x(t)

£ 0,4 T´
PT1 -ähnlich

T´ t

x(t)
Te

£ 0,1 Te
PT2 -ähnlich

x(t) S-förmig

Wende-
tangenten- £ 0,25 T´t
verfahren

T´t t

Abbildung 11.11: Faustformeln zur Wahl der Abtastzeit ausgehend vom gewünschten Ein-
schwingverhalten eines Regelkreises

Spektrum eines abgetasteten Signals

Ein mit der Frequenz ωA abgetastetes Signal x(t), d.h. die Folge x(kh) = xk = x∗ (t), lässt
sich bekanntlich bei zeitkontinuierlicher Betrachtung wie folgt darstellen (Modulation!):

X

x (t) = x(t) δ(t − kh) , h = TA .
k=−∞

Ausgehend von der Fourier-Transformierten des kontinuierlichen Signals x(t), d.h.


X(jω) = G[x(t)]
folgt daraus für das zugehörige Betragsspektrum (oder kurz Spektrum) des abgetasteten Signals
x∗ (t)

1 X
|G[x∗ (t)]| = X ∗ (ω) = X(ω + kωA ) .
h k=−∞

199
Das Spektrum X ∗ (ω) setzt sich also aus dem Spektrum X(ω) und den an den (positiven und
negativen) ganzzahligen Vielfachen von ωA gespiegelten Spektren X(ω + kωA ) zusammen, vgl.
Abb. 11.12. Dies birgt die Möglichkeit in sich, dass bei nicht ausreichend hoher Abtastfrequenz
Rückfaltungen mit Aliasing“ auftreten, d.h. das gespiegelte Spektrum X(ω − 1ωA ) überdeckt

und verfälscht damit die im Grundspektrum X(ω) enthaltene wesentliche Signalinformation
x(t).

X (w ) X (w - w A )

- w S 0 w S w A - w S w A w A + w S w

Abbildung 11.12: Spiegelung des Spektrums X(ω) eines bandbegrenzten Signals durch Ab-
tastung

Anmerkung:
Aus Abb. 11.12 lässt sich anschaulich die Shannonsche Abtastbedingung verstehen: Gilt ωA >
2ωS , wobei ωS die Grenzfrequenz eines exakt bandbegrenzten Signales x(t) darstellt, so wird
eine Überlappung der Spektren vermieden; x(t) kann noch aus dem abgetasteten Signal x∗ (t)
rekonstruiert werden. 

Abtastung der Regelgröße

Bei Anwendung dieser Ergebnisse auf den digital geregelten Regelkreis ist insbesondere der
Tatsache Rechnung zu tragen ist, dass dort niemals bandbegrenzte Signale vorliegen und das
vom Sensor gelieferte Nutzsignal stets durch mehr oder weniger starkes Messrauschen gestört
ist. Zur weiteren Diskussion wollen wir deshalb xM (t) als die gemessene Regelgröße auffassen,
die sich gemäß Abb. 11.13 aus zwei Anteilen zusammensetzt

xM (t) = x(t) + xZ (t)

• Nutzanteil der Regelgröße: bei x(t) handelt es sich meist um ein (verhältnismäßig) nie-
derfrequentes Signal das durch ein Spektrum X(ω) mit Tiefpasscharakter charakterisiert
werden kann.
• Messrauschen in der Regelgröße: Rauschen des Sensors xZ (t) ist im allgemeinen
deutlich höherfrequent als das Nutzsignal; sein Spektrum XZ (ω) hat eher Hochpass-
oder Bandpasscharakter.

Wegen der Linearität der Anordnung in Abb. 11.13 kann die Wirkung der Abtastung beider
Signalanteile getrennt diskutiert werden.

200
xZ (t)

✗✔
x(t)✲ ❄x (t) ✏❜ x∗M
❥ M ✲ ❜✏ ✲
(t) = {xM (kh)} = {x(kh) + xZ (kh)}
✖✕
h ✻

Abbildung 11.13: Abtastung der gemessenen Regelgröße xM (t) bestehend aus Nutzsignal und
Messrauschen

Abtastung von x(t)

Die Regelgröße x(t) ist zwar nicht bandbegrenzt; wegen des Tiefpasscharakters realer Rege-
lungsanordnungen zeigt das Spektrum X(ω) jedoch mit wachsendem ω einen deutlichen Abfall.
Wie bereits mit Abb. 11.12 diskutiert, muss – um Rückfaltungen zu vermeiden – ωA stets hin-
reichend groß gewählt werden. Mit einem Wert
ωA ≥ 15ωB
wobei ωB die Bandbreite des nicht bandbegrenzten X(ω) bezeichnet, wird jedoch eine Ver-
fälschung des Nutzsignalanteils durch eigene Rückfaltung praktisch unterbunden (Überabtas-
tung!).

Abtastung von xZ (t)

Andere Verhältnisse ergeben sich durch mögliche Rückfaltungen des Messrauschens xZ (t):
Häufig handelt es sich hierbei um ein breitbandiges hochfrequentes Rauschen mit Frequenzan-
ωA
teilen, die deutlich höher liegen als , vgl. auch Abb. 11.14. Durch Abtastung dieses Signal-
2
anteils kommt es aufgrund der Spiegelungseigenschaft im Frequenzbereich, insbesondere durch
die Differenzspektren XZ (ω + kωA ), k = 1, 2 . . . , zu einer Rückfaltung von Messrauschen in
den niederfrequenten Nutzsignalbereich X(ω) (Unterabtastung!).

X (w )
X (w )
Z
X (w + w A )
Z

w A 2 w A w
0
Abbildung 11.14: Typisches Nutzsignal- und Rauschspektrum X(ω) bzw. XZ (ω) der senso-
riell erfassten Regelgröße xM (t)

Filterung des Sensorsignales

Die Rückfaltung des Messrauschens kann durch eine Tiefpassfilterung des Sensorsignales vor
seiner Abtastung deutlich reduziert werden. Um jedoch eine zu starke Beeinflussung des Nutz-

201
signalanteiles in x(t) zu vermeiden, wird die Bandbreite dieses Schutzfilters Gr (jω) etwa auf
ωA
ωBr ≈ festgelegt. Die untere Grenzfrequenz des Messrauschens xZ (t) bestimmt dabei den
2
notwendigen Grad des Betragsabfalls der Frequenzgangfunktion und somit die Ordnung des
Filters. Typische Beispiele für Schutzfilter sind

• Tiefpass bzw. Butterworth-Filter 1. Ordnung:


0,5ωA
Gr (s) =
s + 0,5ωA

Dann ausreichend, wenn das Spektrum von XZ (ω) deutlich oberhalb“ von X(ω) liegt.

• Tiefpass bzw. Butterworth-Filter 2. Ordnung:

(0,5ωA )2
Gr (s) = √
s2 + 2(0,5ωA )s + (0,5ωA )2

Der doppelt so steile Betragsabfall dieses Filters wird zur Bedämpfung eines näher an
X(ω) heranreichenden Spektrums des Messrauschens benötigt.

Anmerkung:
Der Einsatz dieser Schutzfilter hat im Regelkreis eine Reihe von Konsequenzen: Neben dem
zusätzlichen Realisierungsaufwand – die Filter können analog oder auch digital realisiert werden
– liegt das Hauptproblem darin, dass die Filter-Frequenzgangfunktion aufgrund ihres Verzöge-
rungsverhaltens zusätzliche negative Phasenanteile in den Regelkreis einführt. So reduziert ein
PT1 -Schutzfilter die Phasenreserve ψR um 10◦ . . . 15◦ , was zu einem deutlich größeren Über-
schwingen des digitalen gegenüber dem analog geregelten Regelkreis führt. Daraus folgt, dass
vor Implementierung eines zeitdiskreten Reglers mit Schutzfilter der gesamte Regelkreis noch-
mals im Hinblick auf die Auswirkungen der Zeitdiskretisierung sorgfältig analysiert werden muss.


Zusammenfassung

In diesem Kapitel wurde auf die Grundlagen der Implementierung und Analyse zeitdiskreter
dynamischer Systeme eingegangen. Es wurden die zeitdiskreten Darstellungen von LTI-systemen
• Zustandsdarstellung
• Z-Übertragungsfunktion
• Differenzengleichung
vorgestellt. Anschließend wurden die zur Analyse diskreter Systeme notwendigen theoretischen
Methoden zur
• Lösungsberechnung
• Stabilitätsuntersuchung
• Beobachtbarkeit und Steuerbarkeit

202
eingeführt. Im Anschluss wurde die Zeitdiskretisierung kontinuierlicher Systeme mittels
• Substitutionsmethoden
• Invarianzmethoden
aufgezeigt. Realisierungstechnische Fragen, wie die Implementierung und die Wahl der Abtast-
frequenz runden das Kapitel ab.

203
204
12 Ereignisdiskrete Systeme

12.1 Motivation ereignisdiskreter Systeme

Viele der bereits behandelten natürlichen Systeme weisen eine kontinuierliche Dynamik auf.
Ihr Verhalten, das heißt die Material-, Energie- und Informationsflüsse, wird in Form von
Differentialgleichungen und algebraischen Gleichungen beschrieben. Wesentlich für zeitkonti-
nuierliche Systeme sind die sich ständig ändernden Zustandsvariablen. Im Gegensatz dazu gibt
es jedoch auch meist technische, nicht-kontinuierliche Systeme, die mit diskreten Werten be-
schrieben werden können. Das Verhalten und die Dynamik dieser Systeme ist an bestimmte
Ereignisse gebunden. Ereignisse repräsentieren beispielsweise das Ein- oder Ausschalten von
Komponenten eines technischen Systems, die Weiterleitung von Datenpaketen oder die Über-
schreitung eines Schwellwertes. Solche Systeme werden als ereignisdiskrete Systeme bezeichnet.
Ein einfaches Beispiel ist die Funktion und Bedienung von Getränke- und Fahrkartenautomaten,
bei denen das Verhalten des Automaten durch Ereignisse bestimmt wird. Vor allem bei Ablauf-
und Koordinationssteuerungen größerer Industrieanlagen finden sich ereignisdiskrete Systeme
wieder.
Nicht immer ist die Modellierung eines Systems eindeutig, sodass je nach Aufgabenstellung
für das gleiche System unterschiedliche Modellierungen möglich und sinnvoll sind. Dies soll
anhand eines einfachen Beispiels verdeutlicht werden. Abbildung 12.1 zeigt den Verlauf eines
springenden Balls, der nach einer bestimmten Anzahl von Sprüngen schließlich zu wenig Energie
besitzt und am Boden liegen bleibt.

Höhe

Zeit

Abbildung 12.1: Höhenverlauf eines springenden Balls

Ist nun für den Betrachter die Höhe des Balls über den gesamten Zeitraum von Bedeutung, so
eignet es sich, die momentane Höhe über der Zeit aufzutragen. Es ist der kontinuierliche Ver-

205
lauf der Höhe des springenden Balls von Interesse. Im Gegensatz dazu kann aber auch nur der
Wechsel zwischen Bodenkontakt und Ball in der Luft von Bedeutung sein. Bei dieser Betrach-
tungsweise soll die Anzahl der Bodenkontakte des Balls ermittelt werden. In Abbildung 12.2 ist
die Anzahl der Bodenkontakte über der Zeit aufgetragen, die bei jedem Kontakt um 1 erhöht
wird. Je nach Aufgabenstellung ist also eine andere Modellierungsart sinnvoll.

Anzahl der
Bodenkontakte
5

Zeit

Abbildung 12.2: Anzahl der Bodenkontakte

12.2 Grundlagen

Die Klasse der ereignisdiskreten Systeme benötigt aufgrund der diskreten mathematischen
Struktur eine andere Modellierungsform als die kontinuierlichen Systeme. Im Folgenden wer-
den die dafür nötigen Grundlagen behandelt. Zunächst folgt die Definition eines endlichen
Zustandsautomaten, der als Grundform der Beschreibung ereignisdiskreter Systeme gilt. An-
schließend wird ein Überblick über die Verhaltensbeschreibung endlicher Automaten anhand
regulärer Sprachen gegeben.

12.2.1 Endliche Zustandsautomaten

Eine einfache Form, ereignisdiskrete Systeme zu beschreiben, stellen Zustandsautomaten dar.


Ein solcher Automat wird durch die von ihm annehmbaren Zustände dargestellt und durch
auftretende Ereignisse kann es zu Zustandsänderungen kommen. Ein Zustandsautomat heißt
endlich, wenn die Menge der Zustände endlich ist. Dabei wird zwischen deterministischen und
nicht-deterministischen Automaten unterschieden.
Definition: (deterministischer Automat)
Ein deterministischer Automat G ist ein 6-Tupel

G = (X,E,f,Γ, x0 , Xm ),

wobei

206
• X die diskrete Menge der Zustände,
• E die diskrete Menge der Ereignisse (Alphabet),
• f : X x E → X die Zustandsübergangsfunktion,
• Γ : X → 2E die Funktion, die den Zuständen die möglichen auftretenden Ereignisse
zuordnet,
• x0 den Anfangszustand und
• Xm ⊆ X die Menge der markierten Zustände darstellt.
Die Menge X der diskreten Zustände enthält alle möglichen Zustände, die der Automat anneh-
men kann. Die Menge E bezeichnet das endliche Ereignisalphabet, also die Menge der erlaubten
Eingabesymbole. Mit f : X × E → X wird die Zustandsübergangsfunktion bezeichnet, die für
jeden Zustand den Nachfolgezustand, bei Auftreten des entsprechenden Ereignisses, angibt. Die
Funktion Γ : X → 2E ordnet den Zuständen die möglichen auftretenden Ereignisse zu. Die
markierten Zustände kennzeichnen gesondert die Zielzustände des Automaten.
Zustände werden graphisch durch einen Kreis, markierte Zustände durch zwei Kreise dargestellt.
Der Anfangszustand x0 besitzt zusätzlich einen Pfeil ohne vorausgehenden Zustand. Die neu
eingeführten Begriffe werden im Folgenden anhand eines Beispiels verdeutlicht.
Beispiel:
Betrachtet wird ein einfacher Fahrkartenautomat, der nach Einwurf einer Münze und anschlie-
ßender Auswahl Ticket A oder Ticket B ausgibt. Im Ausgangszustand befindet sich der Automat
im Zustand 0, nach Einwurf einer Münze wechselt er in den Zustand 1, wo der Bediener zwischen
Ticket A und Ticket B wählen kann. Von den Zuständen 2 und 3 gelangt man durch Ausga-
be des entsprechenden Tickets wieder in den Ausgangszustand zurück. Der Einfachheit halber
kann im Zustand 1 keine weitere Münze eingeworfen, sondern nur noch das Ticket ausgewählt
werden.

dŝĐŬĞƚͲ
ĂƵƐŐĂďĞ
ϯ

DƺŶnjĞ 

Ϭ ϭ


dŝĐŬĞƚͲ Ϯ
ĂƵƐŐĂďĞ

Abbildung 12.3: Deterministischer Fahrkartenautomat

Die Menge X der diskreten Zustände kann der Abbildung 12.3 entnommen werden zu X =
{0,1,2,3}. Der Anfangszustand ist in diesem Beispiel der Zustand 0, also x0 = 0. Die Menge
der markierten Zustände ist Xm = {0}, da sich der Automat im Zustand in Ruhe befindet und

207
das Ziel nach einer erfolgreichen Ticketausgabe auch dieser Ruhezustand ist. Die Menge E der
diskreten Ereignisse ergibt sich zu E = {Münze, A, B, Ticketausgabe A, Ticketausgabe B}.
Als Beispiel für die Zustandsübergangsfunktion wird der Wechsel zwischen Zustand 0 und
Zustand 1 betrachtet: f (0,Münze) = 1 bedeutet also, dass sich ausgehend vom Zustand 0
der Zustand 1 einstellt, sofern das Ereignis Münze auftritt. Die Funktion Γ(x) gibt die Menge
der möglichen Ereignisse für den gegebenen Zustand wieder, zum Beispiel ergibt sich für den
Zustand 1 Γ(1) = {A,B}, wogegen Γ(2) = {Ticketausgabe A}.
Bei deterministischen Automaten kann es nur einen Anfangszustand geben und auf das Auf-
treten eines Ereignisses e ∈ Γ(x) folgt in jedem Zustand x ein eindeutig definierter Nachfol-
gezustand. Im Gegensatz dazu sind bei nicht-deterministischen Zustandsautomaten mehrere
Anfangszustände möglich und nach Auftreten eines Ereignisses können mehrere Nachfolge-
zustände in Frage kommen. Dies führt zu folgender Beschreibung:
Definition: (Nicht-deterministischer Automat)
Ein nicht-deterministischer Automat, im Folgenden als Gnd bezeichnet, ist ein 6-Tupel

Gnd = (X,E ∪ {ε} ,fnd ,Γ, x0 , Xm ),

wobei die bekannten Symbole die gleiche Bedeutung wie beim deterministischen Automaten
besitzen. Die Unterschiede sind die Menge der Anfangszustände x0 und die Funktion fnd ,
die jetzt keinen eindeutig definierten Nachfolgezustand besitzt, sondern auch auf Mengen von
Zuständen abbilden kann. Dadurch erhält man fnd : X x E ∪ {ε} → 2X . Das Element ε
bezeichnet das leere Ereignis, welches einen Zustandsübergang ohne Eintreten eines spezifischen
Ereignisses symbolisiert.
Beispiel:
Wird der obige deterministische Fahrkartenautomat so verändert, dass nach Einwurf einer
Münze die Auswahl des Fahrtickets nicht mehr beeinflussbar ist, dann ist sowohl Zustand 2
als auch Zustand 3 erreichbar. Der Automat gibt zufällig Ticket A oder B aus. Abbildung 12.4
stellt den Automaten dar.

dŝĐŬĞƚͲ
ĂƵƐŐĂďĞ
ϯ

DƺŶnjĞ 

Ϭ ϭ


dŝĐŬĞƚͲ Ϯ
ĂƵƐŐĂďĞ

Abbildung 12.4: Nicht-deterministischer Fahrkartenautomat

208
12.2.2 Sprache endlicher Zustandsautomaten

Automaten lassen sich durch ihre Sprache analysieren. Das sogenannte Alphabet, aus dem die
Sprache eines Automaten gebildet wird, besteht aus der endlichen Menge von Ereignissen E.
Aus diesen Ereignissen E lassen sich Wörter erzeugen, die eine endliche Folge an Ereignissen
darstellen. Die Sprache selbst ist dann eine möglicherweise unendliche Menge von Wörtern und
wird mit L bezeichnet. Das Symbol ε stellt ein leeres Wort dar. Sprachen dienen in der Auto-
matisierungstechnik als wichtiges Werkzeug, um die von einem gesteuerten System erzeugten
Ereignisfolgen darzustellen und zu analysieren. Jedem Automaten kann die von ihm generierte
Sprache L(G) zugeordnet werden.
Um die Sprache L (G) eines Automaten G zu ermitteln, müssen sämtliche Ereignisfolgen be-
trachtet werden, die sich durch eine gültige Ereignisabfolge ergeben können. Die Sprache, die
nur aus den Wörtern besteht, die in einem markierten Zustand enden, bezeichnet man als
markierte Sprache Lm (G).
Ein wichtiger Operator bei der Verwendung von Sprachen ist der Kleene-Abschluss, der mit
dem Symbol ∗ gekennzeichnet wird. Der Kleene-Abschluss ist die Menge aller Wörter, die aus
der entsprechenden Menge gebildet werden können, inklusive des leeren Wortes ε. Bildet man
z.B. den Kleene-Abschluss über der Menge aller Ereignisse aus E = {a, b, c}, so ergeben sich
folgende Wörter E ∗ = {ε, a, b, c, aa, ab, ba, bb, bc, ca, cb, cc, aaa, . . .}.
Die Operation des Aneinanderreihens von Wörtern wird als Konkatenation bezeichnet. Das
Ergebnis einer solchen Konkatenation wird String s genannt, wobei s = uvw mit u,v,w ∈ E ∗ .
Dabei wird u als Vorsilbe, v als Substring und w als Suffix bezeichnet. Beispielsweise ist ab
eine Vorsilbe von abba.
Abschließend wird noch der Vorsilbenabschluss L (G) eingeführt. Der Vorsilbenabschluss einer
Sprache ist definiert als die Menge aller Vorsilben von Wörtern, die in der Sprache vorhanden
sind, das heißt L (G) := {s ∈ E ∗ : (∃t ∈ E ∗ )[st ∈ L (G)]}. Sei L (G) = {abc}. Dann ergibt
sich der Vorsilbenabschluss zu L (G) = {ε,a,ab,abc}.
Beispiel:
Es sei der deterministische Fahrkartenautomat aus Abbildung 12.5 gegeben. Zur Vereinfachung
und besseren Übersicht wird hier nur der Teil mit Ticket A betrachtet und die Ereignisse
Münze, A, Ticketausgabe A mit m, a, t abgekürzt. Die Zustandsmenge ist X = {0, 1, 2};
die Ereignismenge E = {m, a, t}. Die generierte Sprache des Automaten ergibt sich zu
L (G) = {ε, m, ma, mat, matm, matma, matmat, n . . .}.oMit Hilfe des Kleene- und des Vor-
silbenabschlusses kann die Sprache zu L (G) = (mat)∗ vereinfacht werden.

Im Übrigen lassen sich Sprachen in reguläre und nicht-reguläre Sprachen unterteilen. Die Klasse
der Sprachen, die durch einen endlichen Automaten dargestellt werden kann, heißt regulär.
Damit sind auch alle endlichen Sprachen regulär. Mit den zwei folgenden Sprachen

L1 = {an bn | n ∈ N}
L2 = {an | n ist eine beliebige Primzahl}

sind zwei einfache Beispiele nicht-regulärer Sprachen gegeben.

209
ŵ
Ϭ ϭ
Ă

Ϯ
ƚ

Abbildung 12.5: Vereinfachter Fahrkartenautomat zur Sprachenbestimmung

12.3 Einführung in die Regelungstheorie ereignisdiskreter


Systeme

Der folgende Abschnitt beinhaltet eine Einführung in die Regelungstheorie ereignisdiskreter


Systeme. Neben der Grundidee wird ein Beispiel für die Spezifikation des Entwurfziels und ein
Beispiel zur Steuerung eines Automaten gezeigt (engl. Supervisory Control nach P.J. Ramadge
und W.M. Wonham).

12.3.1 Grundidee

Beim Entwurf einer Industrieanlage ist zumeist ein gewisses Verhalten gewünscht. In der Rea-
lität kann die Anlage allerdings vom gewünschten Verhalten abweichen, sofern sie nicht geregelt
wird. Die Dynamik der Industrieanlage stellt also die Regelstrecke dar, auf die der Regler wirken
soll. In automatisierten Industrieanlagen wäre beispielsweise ein unerwünschtes Verhalten, dass
versucht wird, ein gefertigtes Teil in einen vollen Speicher zu bringen. Um dies zu verhindern,
müssen bei der Planung und Regelung von Automaten bestimmte Zustände, die zu einem inak-
zeptablen Verhalten führen, vermieden werden. Das heißt, der Automat darf gewisse Zustände
nicht erreichen bzw. bestimmte Ereignisse dürfen in manchen Zuständen nicht auftreten. Für die
Realisierung wird ein Supervisor verwendet, der die Ereignisfolge überwacht und unerwünsch-
te Ereignisse verhindert. Mithilfe des Supervisors wird die Dynamik des Reglers entworfen, so
dass das gewünschte Entwurfsziel erreicht wird. Dadurch wird meist die zulässige Sprache des
Automaten auf eine Untersprache reduziert, die dann das gewünschte Systemverhalten anhand
von Spezifikationen erfüllt.

12.3.2 Spezifikationen

Spezifikationen können als Anforderungen an das Verhalten des Automaten verstanden werden.
So sollen z.B. Zustände vermieden werden, aus denen der Automat nicht mehr fortschreiten
kann oder die ein unerwünschtes Systemverhalten verursachen würden. Diese Spezifikationen
zeichnen sich zum einen durch eine Mindestanforderung Lr und zum anderen durch ein maximal
zulässiges Verhalten La aus. Die Mindestanforderung stellt sicher, dass der Automat auch die

210
gewünschte Funktion realisieren kann, während das maximal zulässige Verhalten dazu dient,
die inakzeptablen Zustände zu vermeiden. Dadurch ergibt sich folgende Beziehung:

Lr ⊂ La ⊆ L (G).

12.3.3 Steuerbarkeit

Für das Entwurfsziel, die maximal zulässige Sprache La zu realisieren, wird ein Supervisor S
benötigt. Der Supervisor S unterteilt die Ereignisse in kontrollierbare Ereignisse Ec und in
unkontrollierbare Ereignisse Eu , sodass E = Ec ∪ Eu gilt. Auf die unkontrollierbaren Ereignisse
Eu kann der Supervisor keinen Einfluss nehmen. Deshalb muss grundsätzlich gelten, dass die
Ereignisse, die nicht verhindert werden können, erlaubt sein müssen. Der Supervisor kann also
keine unkontrollierbaren Ereignisse Eu blockieren. Abbildung 12.6 zeigt die Verschaltung des
Automaten G mit dem Supervisor S, wobei S (s) die Menge an Ereignissen ist, die der Supervisor
für das aktuelle Wort s auszuführen erlaubt.

S(s) s

Abbildung 12.6: Die grundlegende Rückführung mit Supervisory Control

Um zu überprüfen, ob die gewünschte Spezifikation mit dem Supervisor realisierbar ist, wird
die Steuerbarkeitsbedingung betrachtet:
Steuerbarkeitsbedingung:
Es sei K eine Spezifikation und K ⊆ L (G), mit K 6= ∅. Die Spezifikation K ist genau dann
steuerbar, wenn K steuerbar ist. Damit K steuerbar ist, muss die Bedingung KEu∗ ∩L(G) ⊆ K
erfüllt sein. Diese Bedingung besagt, dass alle Elemente der Konkatenation von K und dem
Kleene-Abschluss der unkontrollierbaren Ereignisse Eu , die mit der Sprache des Automaten
realisierbar sind, eine Teilmenge von K sein müssen. Diese Bedingung wird durch die zwei
folgenden Beispiele verdeutlicht.
Beispiel 1:
Es sei der Automat
in Abbildung 12.7 gegeben. Die Sprache des Automaten lässt sich zu

L (G) = b, ab c bestimmen. Als unkontrollierbares Ereignis wird nur das Ereignis a ange-
nommen, Eu = {a}. Die gewünschte Spezifikation soll K = {abbc} sein. Der Supervisor soll
also den Automaten so steuern, dass im Anfangszustand das Ereignis a, dann zweimal das
Ereignis b und abschließend das Ereignis c auftritt.

211
ď

Ă Đ
Ϭ ϭ ϯ
ď

Abbildung 12.7: Supervisory Control Beispiel 1

Ist K steuerbar?
Um hier die Steuerbarkeit zu überprüfen, wird schrittweise die Menge S (s) betrachtet. S (s)
ist wie in Kapitel 12.3.2 bereits definiert, die Menge an Ereignissen, die der Supervisor für das
aktuelle Wort s auszuführen erlaubt. Der Anfangszustand ist Zustand 0 und da nur das Ereignis
a unkontrollierbar ist, ergibt sich S (ε) zu

S (ε) = {a}.

Um die Spezifikation zu erfüllen, muss im Zustand 0 das Ereignis b verhindert werden. Das
Ereignis a ist in diesem Zustand gewünscht und könnte ohnehin nicht blockiert werden, da es
unkontrollierbar ist. Da die nächsten beiden gewünschten Ereignisse jeweils das Ereignis b sind,
folgt:

S (a) = {a,b} und


S (ab) = {a,b} .

Obwohl durch die Struktur des Automaten im Zustand 1 kein weiteres a möglich ist, gehört
dieses Ereignis immer zu der Menge S (s), da es ein unkontrollierbares Ereignis ist. Im letzten
Schritt fehlt noch das Auftreten des Ereignis c. Um dies zu erreichen blockiert der Supervisor
wiederum b:

S (abb) = {a,c}.

Offenbar erfüllt der Automat unter der Regelung durch den Supervisor S hier die Steuerbar-
keitsbedingung, das heißt KEu∗ ∩ L(G) ⊆ K.
Beispiel 2:
Es wird wiederum der Automat aus Beispiel 1 betrachtet, allerdings um eine zusätzliche Ver-
bindung von Zustand 1 zu Zustand 2 erweitert.
Es gilt weiterhin
 Eu = {a} und K = {abbc}. Die Sprache des Automaten ergibt sich zu
∗ ∗
L (G) = b, ab c, ab a .

212
ď

Ă Đ
Ϭ ϭ ϯ
ď Ă

Abbildung 12.8: Supervisory Control Beispiel 2

Ist K steuerbar?
Wie bereits im ersten Beispiel wird schrittweise die Menge S (s) betrachtet. Zunächst folgt für
die Menge

S (ε) = {a}.

Nach Auftreten des Ereignis a soll laut Spezifikation K zweimal das Ereignis b folgen. Die
Menge S (s) im Zustand 1 ergibt sich analog zum Beispiel 1 zu

S (a) = {a,b}.

Da nun aber ein Übergang zwischen den Zuständen 1 und 2 möglich ist und dieser auf das
unkontrollierbare Ereignis a hin erfolgt, kann nun ein Wechsel vom Zustand 1 in den Zustand 2
erfolgen. Der Supervisor kann das unkontrollierbare Ereignis a nicht verhindern. Das bedeutet,
dass das Wort aa auftreten kann, das die Spezifikation K verletzt. Der Automat ist also nicht
steuerbar und die Bedingung KEu∗ ∩ L(G) ⊆ K wird nicht erfüllt, da aa ∈ KEu∗ ∩ L(G), aber
aa ∈/ K gilt.

12.4 Petri-Netze

Als alternativer Modellierungsformalismus bieten sich für ereignisdiskrete Systeme sogenannte


Petri-Netze an. Petri-Netze können als bipartite gerichtete Graphen modelliert werden. Sie
bestehen aus Stellen, Transitionen und Kanten. Es sind keine Kanten zwischen zwei Stellen
oder zwei Transitionen möglich. Die Stellen können dabei mit Markierungen gefüllt sein, die
beim Schalten einer Transition konsumiert und erzeugt werden und somit als Speicherfunktion
und Bedingung für einen Zustandswechsel zu verstehen sind.
Petri-Netze können eine größere Klasse von Sprachen als endliche Zustandsautomaten gene-
rieren. Grundsätzlich lässt sich jeder Automat auch als Petri-Netz darstellen, aber nicht alle
Petri-Netze können durch endliche Zustandsautomaten repräsentiert werden. Ein Hauptvorteil
der Verwendung von Petri-Netzen liegt darin, dass sich mit ihnen auch asynchrone, nebenläufige

213
oder parallele und verteilte Prozesse mit wenigen Zuständen beschreiben lassen. Solche Pro-
zessabläufe würden mit einem Zustandsautomaten zu einer Zustandsexplosion führen, da jeder
einnehmbare Kombinationszustand des parallelen Gesamtprozesses auf einen eigenen Knoten
abgebildet werden müsste.
Die nachfolgenden Kapitel behandeln die wichtigsten Eigenschaften und Dynamiken der Petri-
Netze und lassen dabei die Vorteile gegenüber endlichen Zustandsautomaten deutlich werden.

12.4.1 Definition

Ein markiertes Petri-Netz ist ein bipartiter gewichteter Graph

N = (P,T,A,w,X0 ),

wobei
• P, |P | = m die Menge der Stellen,
• T, |T | = n die Menge der Transitionen,
• A ⊆ (P × T ) ∪ (T × P ) die Menge der Kanten,
• w:A→N die Gewichtsfunktion für die Kante ai ∈ A, ∀i und
|P |
• X 0 ∈ N0 die Anfangsmarkierung ist.
Stellen werden durch Kreise dargestellt und beschreiben einen bestimmten Systemzustand.
Transitionen werden durch schwarze Rechtecke gebildet und repräsentieren Zustandsübergänge.
Enthält ein Zustand eine Marke, symbolisiert durch einen schwarzen Punkt im Zustand, so wird
dieser Zustand als markiert bezeichnet. Die Kante zwischen einer Stelle und einer Transition,
bzw. zwischen Transition und Stelle, ist mit einem Gewicht w versehen, das die erforderlichen
bzw. entstehenden Marken wiederspiegelt. Ist über der Kante kein Gewicht angegeben, so
bedeutet das, dass w = 1 ist. Sofern alle Stellen vor einer Transition mit der erforderlichen
Anzahl an Marken gefüllt sind, ist die Transition aktiviert und kann schalten. Abbildung 12.9
zeigt die Elemente eines einfachen Petri-Netzes. Die Dynamik der Petri-Netze wird im folgenden
Kapitel behandelt.

12.4.2 Dynamik von Petri-Netzen

Unter der Dynamik der Petri-Netze wird das Schalten, manchmal auch als Feuern bezeichnet,
der Transitionen und somit ein Zustandswechsel verstanden. Damit eine Transition schalten
kann, muss die Schaltbedingung

X(pi ) ≥ w(pi ,tj ) für alle pi ∈ I(tj )

214
Freie Stelle p2
p2

p1 Markierte Stelle p3

t2
Transition t4
t1
p3 t4

Anfangsmarkierung: t3
T Kante
X0 = [1,0,1,0]

p4

Abbildung 12.9: Elemente eines einfachen Petri-Netzes

erfüllt sein. Dabei bezeichnet I(tj ) die Menge aller Stellen, die eine Kante von der Stelle zur
Transition tj besitzen. Eine Transition tj kann also feuern, sofern alle Stellen pi , die in I(tj )
enthalten sind, mindestens so viele Marken wie das jeweilige Kantengewicht w(pi ,tj ) besit-
zen. Nach dem Schalten der aktivierten Transition werden in den der Transition nachfolgenden
Stellen entsprechend den gewichteten Kanten Marken erzeugt. Dabei kann es wegen der Kan-
tengewichte dazu kommen, dass die Anzahl der Marken im gesamten Petri-Netz vor und nach
dem Schalten einer Transition unterschiedlich ist. Abbildung 12.10 zeigt ein einfaches Beispiel
zum Schalten von Transitionen.

2 t 2 t
2 2

aktivierte Transition t nach Feuern von t

Abbildung 12.10: Schalten von Transitionen

Im linken Teil ist die Situation vor dem Feuern dargestellt. Die beiden Stellen vor der Transition
besitzen zwei bzw. eine Marke. Dies entspricht jeweils genau der zum Schalten erforderlichen
Anzahl an Marken. Nach dem Feuern, rechter Teil der Abbildung, haben die beiden Stellen vor
der Transition ihre Marken abgegeben und die Stelle nach der Transition erhält zwei Marken.
Je nachdem wie die Stellen mit den Transitionen verbunden sind, kann es zu unterschiedlichen
Transitionstypen kommen.

215
Transitionstypen:

a b

Kette Alternativ- Simultan- Synchronisation Begegnung


verzweigung verzweigung

Abbildung 12.11: Typen von Transitionen

Abbildung 12.11 zeigt die verschiedenen Typen von Transitionen.


Die Kette besteht aus einer abwechselnden Folge von Stellen und Transitionen ohne Verzwei-
gung, wobei das Schalten einer Transition bedeutet, dass die Stelle vor der Transition die
entsprechende Anzahl an Marken abgibt und die Stelle nach der Transition die entsprechende
Anzahl an Marken erhält.
Bei der Alternativ-Verzweigung können zwei unterschiedliche Transitionen schalten, sofern die
Stelle vor den beiden Transitionen markiert ist. Durch eine Bedingung kann geprüft werden,
ob Transition a oder Transition b schalten soll und sofern beide Bedingungen erfüllt sind, kann
auch mit Hilfe einer festgelegten Vorrangregel entschieden werden.
Die Simultan-Verzweigung ist eine Verzweigung nach einer Transition. Sobald die aktivierte
Transition schaltet, erhalten beide Stellen nach der Transition je nach Gewicht die entsprechen-
de Anzahl an Marken.
Der synchrone Schaltungstyp führt dazu, dass die Transition erst schalten kann, wenn beide
Stellen vor der Transition entsprechend mit Marken gefüllt sind. Sofern nur eine Stelle gefüllt
ist, muss auf die andere Stelle gewartet werden.
Bei dem Schaltungstyp Begegnung erhält die Stelle nach den Transitionen eine Marke sobald
eine der beiden Transitionen schaltet. Dabei ist es unabhängig, welche der beiden Transitionen
schaltet oder welche Transition im vorherigen Schritt bereits geschaltet hat.
Inzidenzmatrix:
Um Petri-Netze formal analysieren zu können, wird die sogenannte Inzidenzmatrix U eingeführt.
Diese Matrix gibt einen Zusammenhang zwischen den Verbindungen der einzelnen Transitionen
und der Stellen wieder. Den m Zeilen sind dabei die Stellen und den n Spalten die Transitionen
zugeordnet; daraus folgt U ∈ Zm×n . Dies führt zu folgender Definition eines Elements der
Inzidenzmatrix U:

216


 w(tj ,pi ), für (tj ,pi ) ∈ A und (pi , tj ) ∈
/A

−w(p ,t ),
i j für (pi ,tj ) ∈ A und (tj , pi ) ∈
/A
uij =

 w(tj ,pi ) − w(pi ,tj ), für (pi ,tj ) ∈ A und (tj , pi ) ∈ A


0, sonst
Der jeweilige Eintrag uij bestimmt sich also durch die Kanten und deren Gewichte. Eine Kante
von der Transition tj zur Stelle pi leistet einen positiven Beitrag, eine Kante von der Stelle pi
zur Transition tj leistet einen negativen Beitrag zum Element uij .

p2

 
p1 t1 t2 p4 −1 0 1
 1 −1 0 
U =
−1 1

p3 0
0 1 −1

Anfangsmarkierung:
X0 = [1,0,0,0]T

t3

Abbildung 12.12: Einfaches Petri-Netz mit zugehöriger Inzidenzmatrix

Abbildung 12.12 zeigt ein einfaches Petri-Netz mit zugehöriger Inzidenzmatrix. Zusätzlich ist
die Anfangsmarkierung X0 gegeben, bei der nur die erste Stelle eine Marke besitzt.
Zustandsgleichung:
Mithilfe der Zustandsgleichung kann geprüft werden, ob gewünschte Zustände erreichbar sind.
Die Zustandsgleichung für ein Petri-Netz lautet allgemein:

Xσ = X0 + UVσ ,

wobei
• σ = tσ1 ,tσ2 , . . . ,tσn die feuerbare Sequenz von n Transitionen ausgehend von X0 darstellt
und

• Vσ = (V1 , . . . ,Vp )T mit Vj als Anzahl der Feuerungen von tj in der Sequenz σ ist.
Eine Sequenz σ ist feuerbar, wenn jede Teilsequenz σ ′ = tσ1 , . . . ,tσn′ , n′ ≤ n, eine Markierung
Xσ′ ≥ 0 erzeugt.
Beispiel:
Betrachtet wird das Beispiel aus Abbildung 12.12. Untersucht werden soll, ob der Zustand Xσ =
[0, 0, 0, 1] vom Anfangszustand X0 = [1, 0, 0, 0] erreicht werden kann. Wird die Bedingung
ignoriert, dass Xσk ≥ 0 für alle k sein muss, so lässt sich durch einfaches Umformen und
Auflösen ein Vσ finden:

217
Xσ − X0 = [−1, 0, 0, 1] = UVσk
→ Vσ = [1, 1, 0] > 0.

Allerdings ist diese Feuersequenz nicht zulässig, da bereits die erste Teilsequenz gegen die
Bedingung Xσk ≥ 0 verstößt. Somit kann die Transition t1 nicht feuern und der gewünschte
Zustand kann nicht erreicht werden.
Beispiel:

p1 a p2 b

p3

Abbildung 12.13: Petri-Netz Beispiel 2

Ausgehend vom Petri-Netz in Abbildung 12.13 soll die Sequenz σ = aaab auf ihre Durchführ-
barkeit untersucht werden. Die Anfangsmarkierung lautet X0 = [1, 0, 2] und mit der Sequenz
σ = aaab ergibt sich Vσ = (3, 1)T . Im ersten Schritt wird mit der Zustandsgleichung der
Zustand Xσ errechnet:

  Xσ= X0 + UV
σ  
1 0 0   1
    3
Xσ = 0 + 1 −1 = 2.

1
2 −1 1 0

Für die komplette Sequenz σ sind alle Elemente von Xσ positiv. Damit die Sequenz σ allerdings
zulässig ist, müssen noch alle vorhandenen Teilsequenzen überprüft werden. Nach dem ersten
Schalten der Transition a ergibt sich
     
1 0 0   1
1
Xσ1 = 0 +  1 −1 = 1.
0
2 −1 1 1

Die zweite Teilsequenz, nach erneutem Feuern von Transition a, errechnet sich zu
     
1 0 0   1
    2
Xσ2 = 0 + 1 −1 = 2.

0
2 −1 1 0

Bei der Berechnung der nächsten Teilsequenz σ = aaa,

218
     
1 0 0   1
    3 
Xσ3 = 0 + 1 −1 = 3 ,
0
2 −1 1 −1

ergibt sich allerdings für die dritte Stelle im Petri-Netz ein negativer Eintrag und somit ist diese
Teilsequenz unzulässig. Damit ist auch die gesamte Sequenz σ = aaab nicht feuerbar.

12.4.3 Sprachen und Petri-Netze

Im Beispiel aus Abbildung 12.13 wurde die Durchführbarkeit einer bestimmten Sequenz σ ge-
prüft. Dies war bereits ein Vorgriff auf die Sprache eines Petri-Netzes, die sich analog zu den
Zustandsautomaten bilden lässt. Dazu wird das Petri-Netz als ein 8-Tupel betrachtet, mit

N = (P,T,A,w,E,l,X0 ,Xm ),

wobei
• N = (P,T,A,w,X0 ) ein Petri-Netz,
• E das Alphabet möglicher Ereignisse,
• l : T → E die Kennzeichnung der Transitionen ist und
• Xm die markierten Zustände sind.
Dabei symbolisieren die markierten Zustände anders als bei Automaten keine Zielzustände,
sondern stellen die Anzahl der Marken für die einzelnen Stellen zum gegebenen Zeitpunkt dar.
Die Sprache, die von einem Petri-Netz generiert wird, ist gegeben durch

L(N) = {ℓ(s) ∈ E ∗ : s ∈ T ∗ und f (x0 , s) ist definiert} .

Alle Zustandsautomaten lassen sich als Petri-Netz darstellen. Außerdem können nun Sprachen
realisiert werden, die die endlichen Zustandsautomaten nicht darstellen können. Ein Beispiel
dafür ist die Sprache L(N) = {an bn |n ∈ N}. Diese Sprache ist nicht-regulär. Dem interessierten
Leser sei für den formalen Beweis mithilfe des Pumping-Lemmas zum Beispiel das Lehrbuch
Ereignisdiskrete Systeme, Oldenbourg Verlag, 2006“ von Lunze empfohlen. Die Umsetzung

mit einem Petri-Netz ist in Abbildung 12.14 zu sehen.
Um Petri-Netze zu regeln, kann analog zu den Automaten, die Regelung mit Supervisory Control
angewendet werden. Außerdem ist eine Regelung mithilfe einer Kontrollstelle möglich, welche
Teil der Vorlesung Automatisierungs- und Leittechnik ist.

12.4.4 Steuerungstechnisch interpretierte Petri-Netze

Der zu einem Steuerungsobjekt und einer Steuerungsaufgabe gehörige Steuerungsablauf lässt


sich ähnlich wie mit Zustandsautomaten auch mit Petri-Netzen modellieren. Dazu muss dem
Petri-Netz eine anwendungsspezifische Semantik hinzugefügt werden, wodurch es zu einem

219
a

p b

Abbildung 12.14: Petri-Netz einer nicht-regulären Sprache

steuerungstechnisch interpretierten Petri-Netz erweitert wird. Die Erweiterungen betreffen im


einzelnen:

• Stellen werden um Stellaktionen ergänzt


Wie bei dem erweiterten Zustandsautomaten werden bei entsprechender Markierung ei-
ner Stelle die an die Stelle gebundenen Stellaktionen getätigt und bei Deaktivierung der
Stelle automatisch zurückgenommen. Da bei Petri-Netzen im Gegensatz zu Zustands-
automaten jedoch gleichzeitig mehr als eine Stelle markiert sein kann (Nebenläufigkeit),
darf es selbstverständlich zu keinen Widersprüchen in der Spezifikation von Stellaktionen
kommen!
• Transitionen werden um Schalt- oder Transitionsbedingungen erweitert
Bei steuerungstechnisch interpretierten Petri-Netzen liegen in der Regel gesteuerte (und
keine autonomen) Transitionen vor. Ist eine Transition aktiviert, so darf sie erst dann schal-
ten, wenn zusätzlich ein daran geknüpftes prozessabhängiges Ereignis, z.B. repräsentiert
durch eine logische Verknüpfung von Eingangssignalen, eingetreten ist. Analog dazu kann
ein Zustandsübergang bei Auftreten eines Ereignisses eines Automaten betrachtet wer-
den. Ist an eine Kante kein zusätzliches Ereignis geknüpft (autonome Kante), so spricht
man auch von einem Nullereignis. In diesem Fall erfolgt das Schalten unmittelbar nach
der Aktivierung.

Zur Demonstration der Modellierungstechnik eines steuerungstechnisch interpretierten Petri-


Netzes soll nun ein Beispiel zur Steuerung von Rührkesselreaktoren betrachtet werden. Die
Funktion eines Reaktors kann knapp wie folgt beschrieben werden: Fülle eine bestimmte Men-

ge von Produkt A in den Reaktor ein, heize A unter Rühren auf, lasse Produkt A zu Produkt
B reagieren, fülle Produkt B ab und warte.“ In Abbildung 12.15 ist das steuerungstechnisch
interpretierte Petri-Netz zu sehen, wobei unterhalb der Stellen und Transitionen vereinzelt Stel-
laktionen bzw. Schaltbedingungen hinzugefügt wurden. Gelangt der Prozess beispielsweise in
die Stelle p1 , so öffnet sich das Ventil und schließt sich beim Verlassen der Stelle wieder. Die
Schaltbedingung bei t3 fordert, dass durch das Heizen die nötige Temperatur für die Reaktion
erreicht wird. Die Schaltbedingung bei t4 stellt sicher, dass die Reaktion abgeschlossen ist, be-
vor die Entleerung beginnt. Dadurch lässt sich auch der zeitliche Aspekt berücksichtigen. Die

220
hier aufgeführten Stellaktionen und Schaltbedingungen dienen nur zur Veranschaulichung und
sind keinesfalls ausreichend um den Betrieb des Rührkesselreaktors vollständig zu beschreiben.

Füllen Heizen Reaktion Entleeren Warten

t1 p1 t2 p2 t3 p3 t4 p4 t5 p5

Ventil V auf Temperatur Reaktion AS


erreicht fertig auf
Abbildung 12.15: Steuerungstechnisch interpretiertes Petri-Netz Modell für eine Rührkessel-
reaktorsteuerung

Häufig stellt sich die Aufgabe, die Arbeitsweise modular entworfener Teilsteuerungen im Hin-
blick auf die Erfüllung eines übergeordneten Gesamtsteuerungszieles zu koordinieren: Hierzu
benötigt man im Petri-Netz koordinierende Steuerungselemente. Das entsprechende Vorgehen
soll anhand eines Systems zweier Rührkesselreaktoren verdeutlicht werden, vergleiche Abbil-
dung 12.16, die jeweils durch Einzelsteuerungen von Typ 12.15 betrieben werden. Darüber
hinaus bestehen jedoch weitergehende steuerungstechnische Spezifikationen.

Abbildung 12.16: Parallelbetrieb zweier Rührkesselreaktoren

Synchronisation nebenläufiger/paralleler Aktivitäten:


Zunächst sei die Spezifikation betrachtet, dass beide Kessel nur simultan (synchron!) entleert
werden dürfen. Dies lässt sich, dank Beschreibung der Einzelsteuerungen durch steuerungstech-
nisch interpretierte Petri-Netze, leicht durch (graphisches) Verschmelzen der beiden Transitio-
nen t′4 und t′′4 zu einer Transition erreichen. Diese Transition entspricht einer Kombination der
Typen Simultanverzweigung und Synchronisation, vergleiche dazu Abbildung 12.11. Die indivi-
duellen Schaltbedingungen sind entsprechend konjunktiv zu verknüpfen. Abbildung 12.17 zeigt
das Ergebnis: Erst wenn die neu entstandene Synchronisationstransition aktiviert ist (wenn sich

221
also beide Teilprozesse im Zustand Reaktion befinden) und wenn alle Schaltbedingungen erfüllt
sind, kann mit dem gemeinsamen Leeren begonnen werden.

Steuerung I Steuerung II
II
tI t1
1

I II
p1 p1
Füllen I Füllen II

I II
p3 p3
Reakt. I Reakt. II

tI t II
v
4 4

I II
p4 p4
Leeren I Leeren II

Abbildung 12.17: Koordination im Hinblick auf Synchronisation der Abfüllvorgänge

Verwaltung und Zuteilung einer gemeinsamen Ressource durch wechselseitigen Aus-



schluss“:
Beanspruchen mehrere Teilsteuerungen dasselbe, nur einfach vorhandene Betriebsmittel (Res-
source), so muss durch eine koordinierende Maßnahme sichergestellt werden, dass jeweils nur
einer Teilsteuerung diese Ressource zugeteilt wird. Beispielweise kann bei der Reaktorsteuerung
die Spezifikation lauten, dass maximal nur eine Teilsteuerung Zugriff auf die Füllanlage erhält,
sich also maximal nur eine Teilsteuerung gleichzeitig im Zustand Füllen“ befinden darf.

Derartige Forderungen nach wechselseitigem Ausschluss (mutual exclusion, MUTEX) lassen sich
ebenfalls einfach in die steuerungstechnisch interpretierten Petri-Netze der Einzelsteuerungen
einfügen. Dazu werden Semaphore (Merker- oder Metaplätze) herangezogen. Ein Semaphor
ist ein vormarkierter Informationsplatz, der, wie 12.18 zeigt, parallel zu den wechselseitig zu
sperrenden Plätzen, die steuerungstechnisch interpretierten Petri-Netze ergänzt. Die Merker-
marke kann quasi als eine Art Schlüssel verstanden werden: Sie wird bei Vergabe der Ressource
abgezogen und nach deren Freigabe wieder zurückgesetzt.
Semaphore bergen jedoch auch die Gefahr von Petri-Netz-Konflikten in sich: Beanspruchen im
Beispiel die zwei Reaktorsteuerungen exakt gleichzeitig (was man in der Praxis jedoch aus-
schließen kann) das Semaphor, so liegt ein Rückwärtskonflikt vor; er kann, wie bereits im
Abschnitt 12.4.2 besprochen, durch Prioritätsvorgabe gelöst werden. Mit diesen beispielhaf-
ten Betrachtungen haben wir zwei wesentliche Elemente von Koordinationssteuerungen ken-
nengelernt. Selbstverständlich können Synchronisationen und wechselseitige Ausschlüsse auch
gleichzeitig Bestandteile umfassenderer Koordinierungsmaßnahmen sein.

222
Steuerung I Steuerung II

II
tI t1 Merkerplatz
1

Füllen I I II Füllen II
p1 p1

I II
t t2
2

Abbildung 12.18: Wechselseitiger Ausschluss der simultanen Zuteilung der Abfüllanlage

12.5 Zusammenfassung und Ausblick


In diesem Kapitel wurde eine Einführung zur Beschreibung und Regelung von ereignisdiskreten
Systemen gegeben. Mithilfe von Automaten und Petri-Netzen wurden zwei Beschreibungsfor-
men vorgestellt und anhand von einigen Beispielen veranschaulicht. In der Realität reicht es aber
oft nicht aus, ein System nur als kontinuierlich oder nur als ereignisdiskret zu betrachten. Vereint
man die Beschreibungsformen der kontinuierlichen und der ereignisdiskreten Systeme, so erhält
man ein sogenanntes hybrides System. Bereits das sehr einfache Beispiel des springenden Balls
aus Abschnitt 12.1 führt zu einem solchen hybriden System, je nach gewählter Modellierungs-
tiefe. Der springende Ball kann beispielsweise als hybrides System mit einem kontinuierlichen
Zustand der Dimension 2 (vertikale Position und Geschwindigkeit) und einem diskreten Zustand
aufgefasst werden, wobei der Bodenkontakt ein Rücksetzen der kontinuierlichen Zustandsvaria-
ble Geschwindigkeit bewirkt: Mit dem Auftreffen des Balles am Boden wird die Geschwindigkeit
des Balles umgekehrt und betragsmäßig geringer, da der Ball einen Teil seiner Energie verliert.
Die Vorlesung Automatisierungs- und Leittechnik stellt eine Erweiterung dieser Einführung dar.
So folgt neben der Behandlung von Automaten und Petri-Netzen mit Zeit auch eine Erwei-
terung der nicht-deterministischen Automaten zu sogenannten Markovketten. Ferner werden
Warteschlangensysteme behandelt.
Als deutsches Lehrbuch empfiehlt sich Ereignisdiskrete Systeme, Oldenbourg Verlag, 2006“ von

Lunze. Als Standardwerk für ereignisdiskrete Systeme sei auch auf Introduction to Discrete

Event Systems, Springer Verlag, 2. Auflage 2010“ von Cassandras und Lafortune hingewiesen.

223
224
13 Technik von Regelungs-,
Steuerungs- und
Automatisierungssystemen

13.1 Prinzipieller Systemaufbau

Die gründliche Analyse und theoretische Durcharbeitung einer gestellten Steuerungs- und Rege-
lungsaufgabe mündet in die Entwicklung einer geeigneten Steuerungs- und Regelungskonzeption
einschließlich der zugehörigen Algorithmen ein. Als nächster Schritt folgt die Umsetzung dieser
Konzeption in eine für die spezifische Aufgabenstellung und Anwendung geeignete Hardware-
und Softwareumgebung. Dieses Steuerungs- und Regelungssystem wird bei umfangreicheren
Aufgabenstellungen als Automatisierungssystem bezeichnet. Wie Abb. 13.1 zeigt, besteht ein
Steuerungs-, Regelungs- oder Automatisierungssystem grundsätzlich aus folgenden sorgfältig
aufeinander abgestimmten Komponenten:

A k to r e n ( S te llg lie d e r )
F ü h ru n g s g rö ß e n w D A W
S te llg r ö ß e n u A u fg a b e n -
R e g e lu n g s - g rö ß e n y A
B e d ie n e r u n d S tre c k e ,
S te u e ru n g s - M e s s g rö ß e n x M
P ro z e s s
fu n k tio n e n
M M I- F u n k tio n e n :
A D W
A n z e ig e g r ö ß e n a
B e d ie n u n g
B e o b a c h tu n g A u to m a tis ie r u n g s e in r ic h tu n g S e n s o r e n ( M e s s g lie d e r )
D o k u m e n ta tio n ( L e its y s te m , S P S , e tc .)

Abbildung 13.1: Allgemeiner Aufbau eines modernen Automatisierungssystems

• Sensoren erfassen die Regelgröße und weitere prozessrelevante Variablen in Regelstrecke


oder Prozess,
• Regelungs- und Steuerungskomponenten nehmen die Regelungs-, Steuerungs- und Filte-
rungsfunktionen wahr,
• Aktoren führen die notwendigen Stelleingriffe in Regelstrecke oder Prozess aus,
• Bedien- und Beobachtungskomponenten dienen dem Prozessbediener als Schnittstelle
zum Prozess.

225
13.2 Sensoren und Aktoren

Zur Erfasssung physikalischer Prozessgrößen stehen eine Fülle von Sensorprinzipien und -syste-
men zur Verfügung. Sie reichen von einfachen Sensoren, wie etwa zur Messung von Tempera-
turen, Drücken, Winkelgeschwindigkeiten oder elektrischen Spannungen bis hin zu komplexeren
Sensoren, wie z.B. Analysegeräten zur Erfassung von Stoffgrößen, Inertialplattformen oder Vi-
deokameras mit schneller Bildverarbeitung. Häufig liefern diese Sensoren unmittelbar oder nach
A/D-Umsetzung eine digitale Ausgangsgröße als Abbild der gemessenen physikalischen Größe,
z.B. im 10 oder 12 Bit-Format.
Entsprechend vielfältig sind die für Aktorfunktionen verfügbaren Prinzipien und Geräte. Sie
beginnen bei Ventilen unterschiedlichster Baugröße zur Beeinflussung von Stoffströmen, leis-
tungselektronischen Bauelementen zur Erzeugung pulsbreiten-modulierter (PBM) Spannungen
oder Ströme und führen zu Schrittmotoren sowie elektrischen, hydraulischen oder pneumati-
schen Stellantrieben, die in sich bereits häufig hochwertige Steuerungs- und Regelungssysteme
darstellen. Stellglieder sind entweder direkt oder über einen D/A-Umsetzer, z.B. mit einem
Signal im 8 oder 10 Bit-Format, ansteuerbar.
Neben diesen kontinuierlich durchsteuerbaren Sensor- und Aktorkomponenten benötigt man
insbesondere für den Aufbau diskreter Steuerungen binäre oder ternäre Schaltelemente. Als
Sensoren kommen hier Mikroschalter, optoelektronische, induktive und kapazitive Taster, An-
näherungs- oder Grenzwertschalter in Frage, während als Aktoren elektronische Relais, Schütze
sowie elektrisch oder pneumatisch arbeitende Auf/Zu-Schaltventile eingesetzt werden.

13.3 Steuerungs-und Regelungskomponenten

Zur Realisierung der dynamischen Regelungs-, Filterungs- und Steuerungsfunktionen bedient


man sich heute überwiegend digitaler Mittel auf der Grundlage unterschiedlichster Hard- und
Softwarekomponenten. Dennoch sind in der Praxis vielfach noch analoge Reglersystemlösungen
gebräuchlich, die sich elektrischer oder aus Gründen des Explosionsschutzes auch pneumatischer
Hilfsenergie bedienen. Als Beispiel zeigt Abb. 13.2 ein industrielles Drehzahlreglersystem, das
aus Operationsverstärkern und diskreter Logik aufgebaut ist. Derartige Reglersysteme können
vom Lager weg gekauft und durch den Anwender für die spezielle Drehzahlregelungsaufgabe
parametriert werden. Ein Blick auf Abb. 13.2 lässt eine Kaskadenregelungsstruktur erkennen:
der eigentlichen Drehzahl-(Winkelgeschwindigkeits-)regelung sind für jede der drei Motorpha-
sen Stromregelkreise unterlagert. Das Gesamtsystem wird abgerundet durch Einrichtungen zur
Erzeugung von Sollwertverläufen (Rampengenerator), Signalaufbereitungsschaltungen für den
drehzahlgebenden Tachogenerator sowie diverse diskrete Steuerungsfunktionen für Schutz- und
Überwachungszwecke. Im Drehzahlregelungssystem sind augenscheinlich Regelungs- und Steue-
rungsfunktionen eng miteinander verzahnt, wie dies bei industriellen Automatisierungssystemen
praktisch immer der Fall ist.
Das betrachtete Beispiel macht aber auch bereits die Grenzen von rein hardware-gestützten
Reglerrealisierungen in analoger und diskreter Technik deutlich. Wesentlich flexiblere und über-
sichtlichere Lösungen lassen sich heute durch Einsatz leistungsfähiger Prozessor-, Rechner- und
digitaler Peripheriekomponenten finden. Mit der Möglichkeit Steuerungs-, Regelungs- und auf-

226
Externe Stromsollwertbegrenzung

Verst.
Pos. Stop
C1 P4
Neg. Stop

SW1 GEGEN
KOPPLUNGS
DIFF. SP U
Sollw. 1 P1 Offset NETZWERK STROM
VERST. REGLER
P6 -

RLG AUSWERTUNG
CR U

TREIBERSTUFE

ENDSTUFE
SP1
SP V MOTOR

PWM
DIFF. RAMP. ENDSCH. - DREHZAHL - STROM
Sollw. 2 P2
VERST. GENER. LOGIK REGLER REGLER
SW2 - SP2 - V
P3 SP W
P5 Rampe
Tacho DIFF. Tacho STROM
DC VERST. REGLER
- W

RLG
TACHO STROMMESS
U STROM
AUFBEREITUNG SCHALTUNG
Tacho V BEGRENZ.
AC W
St
I2 t -Meld. P7 P8
IEff
Int. ab SCHUTZ UND Iv, Iw Offset
Disable ÜBERWACH.
Betriebsbereit SCHALTUNG
Überstrom, Überspannung, Übertemperatur
Bremse
Vcc Vcc (Endstufe)

NETZTEIL +15 V RLG: Rotorlagegeber


BALLAST PWM: Pulsweitenmodulator
SCHALTUNG -15 V
SP: Summierpunkt
RB
(Endstufe)

Abbildung 13.2: Analoges Drehzahl-(Winkelgeschwindigkeits-)Regler-System

wendige Rechenfunktionen dabei in Hardware und Software umzusetzen wird ein bedeutend
höheres Maß an Entwurfsfreiheit, Zuverlässigkeit und Wirtschaftlichkeit erreicht. Multifunktio-
nale digitale Steuerungs- und Regelungskomponenten für Standardaufgaben werden von den
verschiedensten Herstellern angeboten und können leicht in Form von Embedded Systems in
die jeweilige Anwendung eingebunden werden.
Als Hardwareplattformen für moderne Steuerungs- und Regelungssysteme kommen je nach An-
wendung und Anforderung alle Standardtypen von Mikroprozessoren und Mikrorechnern mit
CISC- oder RISC-Architektur sowie Signalprozessoren und Parallelrechnersysteme zum Tragen.
Darüberhinaus stehen für Massenanwendungen in der Kfz- oder Datentechnik aus Standard-
architekturen abgeleitete bzw. kundenspezifisch adaptierte Regelungs-Signalprozessoren oder
Mikrosteuerrechner, auch Mikrocontroller genannt, zur Verfügung. Sie bilden häufig die Grund-
lage von sog. Embedded Control-Anwendungen.
Diese Bezeichnung deutet darauf hin, dass die zur Sicherstellung der Funktionalität hoch-
wertiger Produkte unbedingt erforderlichen Steuerungs- und Regelungsprozessoren zwar zu
deren festem Bestandteil werden, ohne jedoch häufig nach außen hin gerätetechnisch deut-
lich in Erscheinung zu treten. Typische Anwendungsbeispiele für eingebettete Steuerungs-

/Regelungskomponenten“ finden sich bei Mechatroniksystemen, wie etwa bei Plattenlaufwer-
ken, Präzisionswaagen, Robotern, Kraftfahrzeugen oder Satelliten; hierbei gehen Mechanik und
Regelungselektronik im Hinblick auf die gewünschte Gesamtsystemfunktion eine untrennbare
Verbindung ein.
Abb. 13.3 zeigt als einfaches Beispiel ein mit Mikrocontroller realisiertes Winkellage-Regelungs-
system für eine Anwendung in Datenendgeräten. Es fällt auf, dass der Ein- oder Mehrchip-
Controller neben der CPU auch bereits die anwendungsspezifischen Peripheriebausteine um-

227
fasst, wie Capture/Compare-Register für die Winkellagedetektion, Zähler für die Ermittlung
der Winkelgeschwindigkeit und einen Signalgenerator zur Ansteuerung des pulsbreitenmodulier-
ten (PWM) Transistorstellgliedes.
Daisy Wheel Encoder
Position detector
Compare/capture
preset

A CI Up/down Up
discrimi- U/D counter
B CTRL nator Down (16)
Zero CLR CLR

Compare/capture
(16)

Velocity detector
FRC
(16)

CPT CPU
(16)

D/A Converter
PWM

Q S
PWM
R Down counter

Abbildung 13.3: Winkellage-Regelungssystem mit Mikrocontroller

13.4 Busgekoppelte Steuerungs- und Regelungssysteme


Die Praxis stellt häufig Automatisierungsaufgaben, bei denen an der gleichen Maschine oder
dem gleichen technologischen Prozess eine Vielzahl teilweise verkoppelter Steuerungs- und Re-
gelungsfunktionen wirksam werden müssen. Dies ist bei Kunststoffspritzmaschinen und Prozes-
sen der Getränke- oder Nahrungsmittelindustrie ebenso der Fall wie beim Motor-Management
moderner Otto- oder Dieselmotoren. Hier erweist sich eine datentechnische Vernetzung der er-
forderlichen Sensoren, Aktoren sowie Steuerungs- und Regelungsrechner über Buskoppler und
einen sog. Sensor/Aktor- oder Feldbus als zweckmäßig. Bussysteme ermöglichen eine zyklische
oder ereignisgesteuerte digitale Datenübertragung (Kommunikation) in einer nach Form und
Inhalt im sog. Busprotokoll festgelegten Vorschrift. Wegen der stark divergierenden Anforde-
rungen an die Kommunikationsleistung und den Feldumfang der Feldbusse sind heute mehrere
zum Teil genormte und auf dem ISO-Schichtenmodell aufbauende Bussysteme im Gebrauch.
Die wichtigsten sind:
- Feldbusse wie z.B. Interbus-S, Profibus, Profibus-DP
- CAN Controller Area Network
- FlexRay
- GPIB General Purpose Interface Bus
- Industrial Ethernet
Abb. 13.4 zeigt als Beispiel eine vernetzte Zellensteuerung. Dabei kommt auf Zellenebene der
Profibus und auf Feld- oder Komponentenebene der Profibus-DP und seine eigensichere Variante

228
Profibus-PA zum Einsatz. Der Profibus ist ein Master-Slave Bus. Mit einer Bruttodatenrate von
bis zu 500 kBit/s werden Daten zwischen den entfernten Busteilnehmern ausgetauscht.
Buszykluszeit < 100 ms

PC / VME
Zellen- CNC
Zellenebene,

rechner

Profibus FMS

SPS
Segmentkoppler
Buszykluszeit < 10 ms
Feldebene,

Profibus DP Profibus PA

M
Meß-
Feld- Feld-
E/A umfor-
geräte Antrieb geräte
mer

Abbildung 13.4: Vernetzte Maschinensteuerung

Mit Bussystemen ist nicht nur eine sehr flexible Verschaltung von netzwerkfähigen Senso-
ren, Aktoren, Steuerungs-, Regelungsrechnern zu einem Kleinautomatisierungssystem möglich;
darüberhinaus lassen sich auch erhebliche Einsparungen an Verkabelungs- und Wartungskosten
erzielen. Eine aus regelungstechnischer Sicht kritische Größe derartiger vernetzter Automatisie-
rungssysteme stellt jedoch die von Buszykluszeit und -belastung abhängige Verzugszeit für den
zyklischen Datenaustausch zwischen Sensoren, Regelrechner und Aktoren dar. Diese geht als
Totzeit – mit ihrer bekanntermaßen destabilisierenden Wirkung – in die Regelkreisdynamik ein.

13.5 Leitsysteme

Bei noch umfassenderen Automatisierungsaufgaben in mehr oder weniger eng vermaschten An-
lagen und Prozessen, wie etwa in den Anwendungsbereichen Transport, Verkehr, Erzeugung,
Produktion, Ver- und Entsorgung oder auch Labor setzt man zur Implementierung der Auto-
matisierungskonzeption sog. Leitsysteme ein, Abb. 13.5. Leitsysteme sind konfektionierte hier-
archisch strukturierte und busgekoppelte (Echtzeit-) Rechnersysteme, die eine dezentrale, d.h.
funktionelle und örtliche Verteilung der erforderlichen Mess-, Steuerungs-, Regelungs-, Bedien-,
Beobachtungs- und Protokollierungsfunktionen erlauben. Diese Art von dezentraler Systemar-
chitektur erweist sich z.B. bei der Automatisierung einer Fertigungslinie für Siliziumscheiben
oder -chips mit ihren vielfältigen, vernetzten chemischen und physikalischen Prozessabschnit-
ten und -schritten als außerordentlich zweckmäßig. Sensoren und Aktoren sind dabei entweder
konventionell sternförmig oder über einen Feldbus an die sog. prozessnahen Automatisierungs-

229
stationen auf der Feldebene des Leitsystems angekoppelt. Diese Stationen führen quasiparal-
lel, unter Kontrolle eines Echtzeitbetriebssystems eine Vielzahl von Filterungs-, Steuerungs-,
Regelungs- und Koordinationsfunktionen aus. Die Funktionen von Automatisierungsstationen
können – mit Anwendungsschwerpunkt diskrete Steuerung – auch durch sog. Speicherprogram-
mierbare Steuerungen (SPS) wahrgenommen werden. Die prozessabschnittsbezogenen Auto-
matisierungsstationen kommunizieren über den Systembus untereinander und tauschen mit der
Prozessleitebene verdichtete Daten aus. Neben Prozess-Bedien- und Beobachtungsstationen
umfasst die Prozessleitebene auch Störungsbearbeitungs- und Optimierungsrechner. In diese
Ebene sind bei größeren Leitsystemen auch CAE-Workstations eingebunden, die der Projektie-
rung und Konfigurierung der Automatisierungsfunktionen auf der Feld- und Prozessleitebene
dienen. Zusammenfassend werden die Funktionseinheiten der Feld- und Prozessleitebene als das
Prozessleitsystem bezeichnet.

...................................
• Unternehmensleitebene .......... ......
...... ....
... ..
.....
...
..... WWW
........ ....
. ...
.
..

• Betriebs-(Produktions-)leitebene ............................................

..
. Ethernet TCP/IP



 • Prozessleitebene










 Störungs-

 Bedien-/


 bearbeitungs–,

 CAE-Workstation Beobachtungs-

 Optimierungs-

 station


 ... rechner







 Systembus





Prozess- 
leit- 
system  
 Automatisierungs- Automatisierungs-




 station/SPS ... station/SPS




✻ ✻




 • Feldebene


s s s s Feldbus





 ... ...
✻ ✻







 ... ...

 Aktor Sensor






❅❄ ❄ ❄ ❄

Prozessabschnitt 1 ✛ ✲ Prozessabschnitt n

Prozess

Abbildung 13.5: Grundsätzliche Architektur eines modernen, dezentralen Leitsystems

Konfektionierte Leitsysteme, wie sie von den verschiedensten Herstellern angeboten werden, sind
häufig für spezifische Anwendungsbedürfnisse, so z.B. für die der chemischen Verfahrenstechnik,
der Kraftwerkstechnik oder der mechanischen oder elektronischen Fertigung und Montage,
ausgelegt. Bei umfassenderen Computer-Integrierten-Produktionen (CIP) besteht ferner über
Internet/Intranet-Verbindungen ein Informationsverbund zwischen der Prozessleitebene und den
Rechnern auf der Betriebs- (Produktions-) und Unternehmensleitebene. Letztere nehmen - im

230
Gegensatz zu den physikalisch orientierten, operativen Aufgaben der unterlagerten Ebenen -
primär betriebswirtschaftlich orientierte, also dispositive Aufgaben wahr, wobei sie sich auf
Softwaresysteme wie etwa SAP R3 abstützen.
Während die Automatisierungsstationen oder SPS relativ schnelle Steuerungs- und Regelungs-
aufgaben, etwa im Sekunden- oder Minutenbereich, ausführen, schließen sich über die Auto-
matisierungskomponenten der Prozessleitebene solche Regelkreise, die mittel- und längerfristig
angelegte Aufgaben, z.B. im Stunden- oder Tagesbereich, betreffen. Zu letzteren gehören u.a.
die Rezeptursteuerung, die Qualitätsregelung oder die Regelung der optimalen Auslastung der
einzelnen Anlagen- und Prozessabschnitte. Eine Internet-Verbindung erlaubt auch die Ferndia-
gnose des Prozessleitsystems oder die Fernüberwachung der gesamten automatisierten Anlage.
Das Programmiersystem eines Prozessleitsystems stellt konfektionierte Softwarebausteine für
Standard-Steuerungs-, Regelungs- und Leitfunktionen zur Verfügung, die der Anwender zur Im-
plementierung seiner Automatisierungskonzeption konfigurieren und parametrieren kann. Nur
mit diesen, im Gegensatz zur klassischen Einzelgerätetechnik, als Systemtechnik bezeichne-
ten Automatisierungsmitteln ist es heute möglich, Großprozesse der Chemie oder elektrischen
Energieerzeugung mit mehreren tausend Steuerungs- und Regelungsfunktionen sowie zehntau-
send oder mehr Sensoren und Aktoren wirtschaftlich und sicher zu projektieren, betreiben und
warten.

13.6 Bedien- und Beobachtungskomponenten

Steuerungs-, Regelungs- und Automatisierungssysteme benötigen vermehrt komfortable Bedien-


und Anzeigekomponenten, so z.B. zur Einstellung von Reglerparametern oder zur Anzeige der
Momentanwerte bzw. der historischen Entwicklung von Regel- und/oder Stellgrößen. Bei mo-
dernen rechnergestützten Systemen kommen für diese Zwecke Tastaturen, Mäuse, Displays und
Großbildschirme in Frage. Mit der Verfügbarkeit dieser hochwertigen Komponenten im Auto-
matisierungssystem bietet sich darüberhinaus die Möglichkeit diese zur umfassenden Bedienung
und Überwachung des gesamten Prozessgeschehens einschließlich der Regelungs- und Steue-
rungsfunktionen heranzuziehen. Diese Entwicklung schlägt sich u.a. in den sog. Bedien- und
Beobachtungsstationen an der Mensch-Computer-Schnittstelle des Prozessleitsystems nieder.
Sie stellen dem Prozessbediener – auf der Grundlage von rechnergraphisch aufbereiteten An-
lagenbildern unterschiedlichen Detaillierungsgrades, die durch Einblendung sensoriell erfasster
Anlagen- und Prozesszustände zusätzlich animiert werden – ein aktuelles Anlagen- und Prozess-
zustandsbild zur Verfügung. Sie geben ihm damit die Möglichkeit, überwachende und steuernde
Funktionen wahrzunehmen. Ein Beispiel für ein industrielles Prozessleitsystem zeigt Abb. 13.6.

13.7 Fehlertolerante Steuerungs- und Regelungssysteme

In zunehmendem Maße verlangt die Praxis neben der korrekten Implementierung der Automati-
sierungsfunktionen an sich deren hohe Verfügbarkeit unter allen voraussehbaren Betriebsbedin-
gungen. So reicht es in sicherheitsrelevanten Anwendungen, wie in der Luft- und Raumfahrt, der
Kfz- oder Kernkraftwerkstechnik, nicht aus, Funktionen in einfacher Ausführung zu realisieren.

231
X -W IN D O W D IS P L A Y D A T A M A N A G E M E N T X -W IN D O W D IS P L A Y
C E N T E R X D C 3 2 0 0 C E N T E R D M C 3 2 0 0 C E N T E R X D C 3 2 0 0

X -T E R M IN A L S X -T E R M IN A L S

P r o z e s s le ite b e n e
B E D IE N E N U N D
B E O B A C H T E N T C P /IP
T C P /IP E T H E R N E T
A R C H IV IE R E N E T H E R N E T
D A T E N V E R W A L T U N G
K O N F IG U R A T IO N

X D C S E R V E R X D C S E R V E R D R U C K E R X D C S E R V E R

1 0 M b p s E T H E R N E T T C P /IP
G L A S F A S E R

F e ld e b e n e
D C U 3 2 D C U 3 2 D C U 3 2 D C U 3 2
R E G E L N z . B . F E L D B U S
S T E U E R N z . B .
S P S
P R O Z E S S -
W A A G E N
E IN - U N D G C
A U S G A B E z . B . R E G L E R

P R O Z E S S

Abbildung 13.6: Systemarchitektur eines industriellen Prozessleitsystems

Vielmehr wird mit vermehrfachten, d.h. redundanten Hard- und Softwaresystemen gearbeitet,
um z.B. ein fail-safe oder gar fehlertolerantes Regelungssystemverhalten bei Hardwareausfällen
und/oder Softwarefehlern zu erzielen. Zu diesem Zweck müssen Regelungs- und Steuerungssys-
teme als duplizierte, triplizierte oder quadruplizierte Systeme mit integrierten Vergleichseinrich-
tungen (Votern) ausgeführt werden, was ein Erkennen bzw. Tolerieren eines oder auch mehrerer
gravierender Systemfehler gestattet. Die Vermehrfachung von Komponenten und Funktionen
kann sich dabei über die gesamte signal- und datenverarbeitende Kette von den Sensoren über
die Steuer- und Regelrechner bis hin zu den Aktoren erstrecken. Wie Abb. 13.6 zeigt, wer-
den deshalb auch bei Leitsystemanwendungen mit erhöhten Verfügbarkeitsanforderungen nicht
nur Sensoren, Aktoren und Automatisierungsstationen sondern selbstverständlich auch die der
Kommunikation dienenden Bussysteme mehrfach – hier doppelt – ausgeführt und auf Fehler
überwacht.

13.8 Autonome Steuerungs- und Regelungsysteme

Neue wissenschaftliche wie technische Herausforderungen stellen sich für die Regelungs- und
Steuerungstechnik bei der Konzipierung semiautonomer oder autonomer Systeme, also von Sys-
temen, die neben einem hohen Automatisierungsgrad auch über anthropomorphe oder maschi-
nelle Intelligenzfunktionen verfügen. Anschauliche Beispiele für derartige Entwicklungen bilden
Aufgabenstellungen, bei denen man sich Kameras oder anderer abbildender Komplexsensoren
als technisches Auges bedient, um automatisierte Systeme, wie Fahrzeuge, Bau- und Landma-
schinen, Inspektions-, Service- oder Haushaltsroboter, kollisionsfrei durch natürliche im Innen-
wie Außenraumumgebungen zu führen. Andere Beispiele für den erfolgversprechenden Einsatz
von Autonomiefunktionen finden sich bei der (Fern-)Überwachung automatisierter Anlagen, in

232
der unbemannten Raumfahrt, in der Medizintechnik, Neuroprothetik oder bei Telepräsenz- und
Teleoperationssystemen.

233
234
A Appendix

235
236
A.1 Verhalten typischer linearer Regelkreisblöcke
Bodediagramm s-Ebene
System Differentialgleichung Übertragungs- Übergangsfunktion Ortskurve Amplitudengang Phasengang
Nullstelle × Pol
funktion (doppeltlogarithm.) (halblogarithm.)
xa Im F |F| j jw s
K kein Pol
1 P xa = K · xe (t) K
K Re
K
+90
keine s
-90 Nullstelle
t w

T1
K
2 PT1 T1 ẋa + xa = K · xe (t)
1 + T1 s K w ¥
K w =0
1:1 wE
1/T1
-90
wE =1/T1 wE

Aperio. Fall: 0<D<1 w0


ẍa + 2Dω0 ẋa + ω02 xa = Kω02 Fall:
3 PT2 = Kω02 · xe (t) ω02 + 2Dω0 s + s2 K D³1
w0
K/2D K
2:1
-90
Fall: 0<D<1
D w0D
^ x
= 2 PT1 -180
w0

Z
237

KI
4 I xa = KI xe (t)dt
s KI
1:1

1 KI
1 -90

1:1 ω E = 1 / T1
T1 ẋaZ+ xa = KI
5 IT1
KIT1

KI
= KI xe (t)dt s(1 + T1 s) 2:1 -90
-180 1 / T1
T1 1 KIT1 wE

dxe (t) +90


6 D xa = KD
dt
KD s 1:1
1
1 / KD
KD
T1 wE = 1/ T1
dxe (t) KD s
7 DT1 T1 ẋa + xa = KD
dt 1 + T1 s 1:1 +90

T1 wE 1 / T1
KD / T1 wE
Bodediagramm s-Ebene
System Differentialgleichung Übertragungs- Übergangsfunktion Ortskurve Amplitudengang Phasengang
Nullstelle × Pol
funktion (doppeltlogarithm.) (halblogarithm.)

xa = ZK(xe (t)+  
1 wI =1 / Tn
8 PI +
1
xe (t)dt)
K 1+
Tn s
1:1
Tn K -90 1 / Tn
Tn K wI

1 T1 K
T1 ẋa + xZ
a = K(xe (t)+ 1+ 1:1 T1<Tn wI = 1 wE = 1
Tn s
9 PIT1 +
1
xe (t)dt)
K
1 + T1 s
KTv
Tn 1:1
Tn T1 1 / Tn

Tn K -90 1 / T1
Tn wI wE


xa = K xe (t)+ 1:1 +90
10 PD dxe (t)  K (1 + Tv s)
wD=1/Tv
+Tv K
dt K 1 / Tv
wD

 K wE=1/Tn T1<Tv
T1 ẋa + xa = K xe (t)+ (1 + Tv s) KTv
T1 < Tv +90
11 PDT1 dxe (t)  K
1 + T1 s T1
1:1 T1<Tv
wD= 1 wE= 1
1 / Tv
+Tv T1 K
KTv /T1 Tv T1 1 / T1
dt wD wE

xa = K xe (t)+  1
1
238

Z +90 wI= 1 Tv<Tn


K 1+ + Tv<Tn
1 Te1
12 PID +
Tn
xe (t)dt+ Tn s
1:1 1:1 1
Te1
+Tv s K wD=
dxe (t)  -90 1
K Te2
+Tv Tn wI wD Te2
dt

T1 ẋa + xa = K xe (t)+ 1 1
Z KTv / T1 Tv<Tn
1+ + Tv s +90 w T1 1 Tv<Tn
1 Tn s K Tv
13 PIDT1 +
Tn
xe (t)dt+ K
1 + T1 s T1
T1<Tv
1:1
I
wD 1
Te1
T1 K 1:1 -90 wE=
dxe (t)  K(1-T1 / Tn ) 1
T1 T1<Tv
+Tv Tn wI wD wE Te2
dt
p / Tt
w = 2np
Tt Pole bei - ¥
14 Tt xa = xe (t − Tt ) e−sTt Tt
1
1

1 Nullstellen bei + ¥
n=0,1, 2 ... -180

T1 wE=1 / T1
T1 ẋa + xa = K
-K +K
Allpaß 1 − T1 s K
15 1.Ordn.
= K (xe (t) − T1 ẋe (t)) K
1 + T1 s
-90
1 1
(T1 , K > 0) wE =1/ T1 -180 T1 T1
-K
A.2 Wichtige Korrespondenzen der L-Transformation

g(t) G(s) = L {g(t)}

1 Einheitsimpuls δ(t) 1
1
2 Einheitssprung σ(t) s
1
3 t s2
tn−1 1
4 (n−1)!
(n = 1,2,3,...) sn
n!
5 tn (n = 1,2,3,...) sn+1
1
6 e−at s+a
1
7 te−at (s+a)2
1 1
8 (n−1)!
tn−1 e−at (n = 1,2,3,...) (s+a)n
n!
9 tn e−at (n = 1,2,3,...) (s+a)n+1
ω
10 sin ωt s2 +ω 2
s
11 cos ωt s2 +ω 2
ω
12 sinh ωt s2 −ω 2
s
13 cosh ωt s2 −ω 2
1 1
14 a
(1 − e−at ) s(s+a)
1 1
15 b−a
(e−at − e−bt ) (s+a)(s+b)
1 s
16 b−a
(be−bt − ae−at ) (s+a)(s+b)
1
 1
 1
17 ab
1+ a−b
(be−at − ae−bt ) s(s+a)(s+b)
1 1
18 a2
(1 − e−at − ate−at ) s(s+a)2
1 1
19 a2
(at − 1 + e−at ) s2 (s+a)
ω
20 e−at sin ωt (s+a)2 +ω 2
s+a
21 e−at cos ωt (s+a)2 +ω 2
p 2
ωn
22 √ωn e−ζωn t sin ωn 1 − ζ 2t s2 +2ζωn s+ωn
2
2
1−ζ
p
23 − √ 1 2 e−ζωn t sin(ωn 1 − ζ 2t − φ)) s
s2 +2ζωn s+ωn
2
1−ζ

−1 1−ζ 2
φ = tan ζ
1
p 2
ωn
24 1 − √ 2 e n t sin(ωn 1 − ζ 2t + φ)
−ζω
s(s2 +2ζωn s+ωn
2)
1−ζ

−1 1−ζ 2
φ = tan ζ
ω2
25 1 − cos ωt s(s2 +ω 2 )

239
g(t) G(s) = L {g(t)}
ω3
26 ωt − sin ωt s2 (s2 +ω 2 )
2ω 3
27 sin ωt − ωt cos ωt (s2 +ω 2 )2
1 s
28 2ω
t sin ωt (s2 +ω 2 )2
s2 −ω 2
29 t cos ωt (s2 +ω 2 )2
1 s
30 ω22 −ω12
(cos ω1 t − cos ω2 t) (ω12 6= ω22 ) (s2 +ω12 )(s2 +ω22 )
1 s2
31 2ω
(sin ωt + ωt cos ωt) (s2 +ω 2 )2

Rechenregeln der Laplace-Transformation

Zeitbereich Laplace-Bereich Kommentar


1 c1 g1 (t) + c2 g2 (t) c1 G1 (s) + c2 G2 (s) Linearitätsregel
2 g(t − Tt ) e−sTt G(s) Verschiebungsregel
Rückwärtsverschiebung
um Totzeit Tt > 0
1
3 g(at) a
G( as ) Ähnlichkeitsregel, a 6= 0
4 eat g(t) G(s − a) Dämpfungsregel
dk g
5 sk G(s) − sk−1 g(−0) − Differentiationsregel
dtk
sk−2 ġ(−0) − . . . −
g (k−1) (−0)
Rt 1
6 g(τ )dτ s
G(s) Integrationsregel, s 6= 0
0
k
7 k
t g(t) (−1)k d dsG(s)
k Differentiation der Bild-
funktion
8 g1 (t) ∗ g2 (t) G1 (s)G2 (s) Faltungssatz
Rt
= g1 (t − τ )g2 (τ )dτ
0
9 g(+0) = lim g(t) lim sG(s) Grenzwertsatz
t→+0 s→∞
10 lim g(t) lim sG(s) Grenzwertsatz
t→∞ s→+0

240
A.3 Blockschaltbildalgebra

Originales Blockdiagramm Äquivalentes Blockdiagramm

x−y x−y+z x−y+z


✲ ❥ ✲ ❥ ✲ ❥ ✲ ❥
x x x+z
✲ ✲
✻ ✻ ✻ ✻
y z z y
1

z z
❄ x−y+z x−y ❄ x−y+z
✲ ❥ ✲ ❥ ✲ ❥
x x
✲ ✲
✻ ✻
y y
2

x G1 x G1 G2 x x G2 x G1 G2 x
✲ G1 ✲ G2 ✲ ✲ G2 ✲ G1 ✲

x G1 x G1 G2 x x G1 G2 x
✲ G1 ✲ G2 ✲ ✲ G1 G2 ✲

G1 x + G2 x
✉ ✲ ❥
x G1 x
✲ G1 ✲
x G1 x + G2 x
✻ ✲ G1 + G2 ✲

G2 x
✲ G2
5

y
x− Gx − y
✲ ❥
x G✲
G ✲
Gx − y
✲ ❥
x Gx
✲ G ✲ ✻
✻ y
y y 1 ✛
G G
6

241
Originales Blockdiagramm Äquivalentes Blockdiagramm

Gx − Gy
✲ ❥
x Gx
✲ G ✲

Gx − Gy ✻
✲ ❥
x x−y
✲ G ✲
y Gy
✻ ✲ G
y
7

✉ ✉
x Gx x Gx
✲ G ✲ ✲ G ✲

Gx Gx
✲ ✲ G ✲
8

✉ ✉
x Gx x Gx
✲ G ✲ ✲ G ✲

x 1 x
✲ ✲ ✲
9 Gx G

y
x−y ❄ x−y
✲ ✲ ❥ ✲

x−y x−y
✲ ❥ ✉ ✉ ✲ ❥
x x
✲ ✲
✻ ✻
y y
10

G1 x + G2 x G1 x G1 x+
✉ ✲ ❥ ✉✲ 1 ✲ G1 ✲ ❥ ✲
x G1 x x G2 x x
✲ G1 ✲ ✲ G2
G2
✻ ✻ G2 x

G2 x
✲ G2
11

y y
✲ ❥ ✲ G1 ✉ ✲ ❥ ✲ G2 ✉✲
x x
✲ ✲ 1 ✲ G1

G2 ✻

G2 ✛
12

y
✲ ❥ ✲ G1 ✉
x

x G1 y
✻ ✲ ✲
1 + G1 G2
G2 ✛
13

242
A.4 Einführung in die rechnergestützte
regelungstechnische Analyse und Synthese mit
MATLAB

Matlab (= matrix laboratory) ist ein interaktives, interpretierendes Programmpaket für nu-
merische Berechnungen. Es unterstützt darüber hinaus die graphische Aufbereitung und Visua-
lisierung von Ergebnissen, symbolisches Rechnen sowie die Modellierung und Simulation von
kontinuierlichen dynamischen Systemen.
Das Programmpaket besteht aus einem Matlab–Kern für grundlegende Rechenoperationen,
wie etwa Matrixmultiplikation oder Eigenwertberechnung, und umfangreichen Erweiterungen,
sog. Matlab–Toolboxen. Letztere stellen Sammlungen numerischer Algorithmen für unter-
schiedlichste technische Anwendungen dar. Als Beispiel sei die Control Systems“ – Toolbox

genannt, die die einfache Modellierung von LTI-Systemen erlaubt und viele Möglichkeiten zur
Systemanalyse und zum Reglerentwurf bietet.
Matlab ist gleichermaßen auf PCs und Workstations verfügbar. In Matlab erstellte Pro-
gramme können vielfältig weiterverwendet werden. So ist beispielsweise die automatische Kon-
vertierung in eigenständigen C-Code möglich. Dieser kann auf unterschiedlichen Zielplattformen,
wie etwa Mikrocontrollern oder Signalprozessoren, zur Ausführung gebracht werden. Alle Funk-
tionalitäten, die in einem integrierten Entwurfsprozess von Streckenmodellierung und -analyse,
über Regelungsentwurf und Simulation, bis hin zur Implementierung in eingebettete Systeme,
nötig sind, werden also von Matlab unterstützt.
Der Umgang mit dem Programmpaket kann anhand der auf der Homepage zur Verfügung
gestellten Unterlagen (und einschlägiger Handbücher) leicht im Selbststudium erlernt werden.
Beim Arbeiten am Rechner können schnelle Fortschritte im Umgang mit Matlab erzielt wer-
den. Das Werkzeug kann daher auch mit Vorteil bei der Bearbeitung von Rechenbeispielen
und Übungsaufgaben zu den Vorlesungen RS-1 und RS-2 eingesetzt werden. Auch im Rahmen
von Praktikas, wie Regelungs- und Leittechnik“, findet es Verwendung. Das Programmpaket

inklusive Simulink und der Control Toolbox steht Studenten auf den Rechnern im EIKON und
auf den Institutsrechners zur Verfügung. Für die Installation auf dem privaten PC kann eine
Studentenversion erworben werden. Diese ist in ihrer Funktionalität gegenüber der Vollversion
nur leicht eingeschränkt. Genauere Informationen finden sich am Ende dieses Abschnitts.
Um das Interesse am Erlernen und am Einsatz dieses leistungsfähigen Ingenieurwerkzeugs zu
wecken, finden Sie im Folgenden eine Einführung in die grundlegenden Eigenschaften und Funk-
tionalitäten von Matlab 6.x und Simulink.

Wie wird MATLAB gestartet?


Windows: Anklicken des Matlab-Icons oder Auswahl aus dem Startmenü.
Linux: Eine Konsole (shell) öffnen und matlab“ eintippen.

Hinweis: Matlab kann unter Linux auch mit dem Kommandozeilenargument -nojvm ohne
graphische Oberfläche gestartet werden und läuft dann oft stabiler.

243
Die Bedienoberfläche von MATLAB

Abbildung A.1: Der Workspace“


Der Arbeitsbereich von Matlab kann auch von der in Abb. A.1 gezeigten Darstellung abwei-
chen, gliedert sich aber im wesentlichen in die folgenden Bereiche.

1. Command Window
Dies ist das wichtigste Fenster in Matlab. Nach der Eingabeaufforderung (prompt) >> können
Eingaben gemacht werden und die in Matlab implementierten Funktionen aufgerufen werden.
Auch die Ausgaben finden sich in diesem Fenster.

2. Workspace Browser/Launch Pad


Im Workspace Browser werden alle verwendeten Variablen angezeigt und können verändert und
im Menü /File/Save Workspace as gespeichert werden.
Das Launch Pad bietet eine Übersicht der einzelnen Programmpakete. Hier können Hilfedateien
eingesehen und Demos augeführt werden.
Zu beachten ist, dass in Matlab 7.x das Launch Pad in Form eines Start-Button am unteren
Rand integriert ist.

3. Command History/Current Directory


Im Command History“ Fenster werden sämtliche eingegebenen Befehle angezeigt und können

durch Doppelklick noch einmal ausgeführt werden.
Im Current Directory Browser“ werden die Dateien und Unterverzeichnisse im derzeitigen

Arbeitsverzeichnis angezeigt und können von dort aus geöffnet oder ausgeführt werden.

244
Datentypen & Grundlagen
Der grundlegende Datentyp in Matlab ist eine m × n Rechtecksmatrix mit reell- und/oder
komplexwertigen Elementen. Ein Skalar wird als eine Matrix der Dimension 1 × 1 aufgefasst.
Daher können Skalare, Vektoren und Matrizen gleichermaßen behandelt werden.
Die Elemente eines Vektors können auch als Koeffizienten eines Polynoms interpretiert werden,
wenn eine entsprechende Rechenoperation z.B. die Ermittlung von Nullstellen durchgeführt
wird.
Die Eingabezeile
>> A = [1 3 -6.2; sin(2*pi) .8/4 sqrt(-1)]
weist der Variablen A eine 2 × 3 Matrix zu. Das Semikolon grenzt dabei die erste von der
zweiten Zeile ab. Die Elemente innerhalb einer Zeile werden durch Leerzeichen oder Kommas
getrennt. Matlab reagiert auf diese Benutzereingabe mit der Ausgabe
1.0000 3.0000 -6.2000
A =
-0.0000 0.2000 0 + 1.0000i

Spalten- oder Zeilenvektoren werden wie Matrizen der Dimension m × 1 bzw. 1 × n behandelt:
Zeilenvektor: >> a = [2 3.7 1.4]
Spaltenvektor: >> b = [1; 4.7; 0.5; 7*.3]
oder mittels Transposition: >> b = [1 4.7 0.5 7*.3]’
Der Vollständigkeit halber sei erwähnt, dass ab Programmversion 5.0 weitere Datentypen exis-
tieren: mehrdimensionale Tensoren, Strukturen und Zellen. Zudem ist durch Verwendung von
Klassen und Objekten auch objektorientierte Programmierung unter Matlab möglich.

Zusammenfassung wichtiger Funktionen


A Ausgabe der Variablen A
A*B Multiplikation
A.*B Elementweise Multiplikation
pi Konstante π
exp(x) Funktion ex
t=[a:c:b] Vektor von a bis b mit Schrittweite c
size(A) Dimension der Matrix A
rank(A) Rang der Matrix A
det(A) Determinante der Matrix A
inv(A) Inverse der Matrix A
eig(A) Eigenwerte der Matrix A
poly(A) Charakteristisches Polynom det(λE − A)
roots(a) Nullstellen eines Polynoms mit Koeffizienten a
log(a) Logarithmus naturalis von a
logx(a) Logarithmus zur Basis x von a
eye(n) n × n Einheitsmatrix E
ones(n) Matrix mit nur 1“ Einträgen vom Rang n

zeros(n) Matrix mit nur 0“ Einträgen vom Rang n

245
Visuelle Aufbereitung
Matlab unterstützt auch die graphische Ausgabe der Ergebnisse. Im Folgenden sind einige
wichtige Befehle tabellarisch zusammengefasst.
plot(a,b) Stellt a in x-Richtung und b in y-Richtung dar
figure(n) Erstellt ein neues graphisches Fenster mit der Nummer n
subplot(m,n,p) Einteilung der figure. m: Zeilen, n: Spalten, p: Position
grid on Hilfslinien in eine figure einblenden
axis([xmin xmax ymin ymax]) Achsenbegrenzung
title(’Abc’) Einblendung des Titels Abc“

xlabel(’Abc’,’FontSize’,12) x-Achsenbeschriftung Abc“ mit Schrifgröße 12

ylabel(’Abc’,’FontSize’,12) y-Achsenbeschriftung Abc“ mit Schrifgröße 12

text(x,y,’Abc’) Beschriftung Abc“ an der Stelle x,y

Hilfe
Eine Auflistung von Hilfethemen erfolgt durch Eingabe von help. Nähere Informationen zur
Funktionsweise eines bestimmten Befehls werden durch Eingabe von
>> help befehlsname
anzeigt. Statt befehlsname kann auch der Name einer Toolbox stehen (z.B.
control, simulink, usw.).

Navigation
Um bei größeren Projekten in Matlab nicht die Übersicht zu verlieren, sind die folgenden
Befehle von Bedeutung.
ls, dir Inhalt des aktuellen Arbeitsverzeichnisses wird angezeigt
cd Aktuelles Arbeitsverzeichnis wird angezeit
cd dirname Wechselt ins Verzeichnis dirname
cd .. Wechselt eine Verzeichnisebene nach oben
type test Inhalt der Datei test.m“ wird ausgegeben

edit test Öffnet test.m“ in einem Editor. Hat die gleiche Funktion wie: open test

who Verwendete Variablen werden angezeigt
clear alle Variablen aus dem Workspace werden gelöscht

Control Toolbox
Die Control Toolbox stellt viele regelungstechnisch interessante Funktionen zur Verfügung, von
denen einige hier vorgestellt werden.
Für die aktuelle Programmversion von Matlab wird dies am Beispiel der Übertragungsfunktion

1.39(s + 0.306)
G(s) =
s2 + 0.805s + 1.478

der Flugzeuglageregelung aus Abschnitt 8.3.3 durchgeführt.

246
Zunächst sind die Koeffizienten des Zähler- und Nennerpolynoms von G(s) nach fallenden
Potenzen von s geordnet einzugeben. Dies erfolgt in Matlab über
>> zaehler = [1.39 1.39*0.306]
>> nenner = [1 .805 1.478]
Anschließend können von G(s) Nullstellen z, Pole p und der Proportionalbeiwert Q, der durch
das Verhältnis der Koeffizienten der jeweils höchsten Potenz von s im Zähler- und Nennerpo-
lynom bestimmt wird, mit einer einzigen Kommandozeileneingabe
>> [z,p,Q] = tf2zp(zaehler,nenner)
berechnet werden. Für die nächsten Schritte wird aus Zähler- und Nennerpolynom der Übert-
ragungsfunktion zunächst ein Objekt mit dem exemplarischen Bezeichner flugzeug erstellt.
>> flugzeug = tf(zaehler,nenner)
Dieses Objekt repräsentiert jetzt obige Übertragungsfunktion G(s).
Nun kann die stationäre Verstärkung G(0) mit
>> g0 = dcgain(flugzeug)
berechnet werden. Die graphische Darstellung des Bode-Diagramms oder der Nyquist-Ortskurve
zu G(jω) über der Kreisfrequenz ω in rad/s erfolgt durch
>> bode(flugzeug)
>> nyquist(flugzeug)
Amplitudendurchtrittsfrequenz und Phasenrand von G(jω) erhält man mittels
>> margin(flugzeug)
Die Wurzelortskurve des geschlossenen Kreises bezüglich einer Kreisverstärkung 0 < K < ∞
folgt auf
>> rlocus(flugzeug)
Impuls- und Sprungantwort werden mit
>> impulse(flugzeug)
>> step(flugzeug)
dargestellt.
Für zwei zueinander in Reihe-, Kreis- bzw. Parallelstruktur geschaltete G1 (s) und G2 (s) ergeben
sich die resultierenden Übertragungsfunktionen aus
>> greihe = series(g1,g2)
>> gkreis = feedback(g1,g2)
>> gparallel = parallel(g1,g2)
wobei g1 und g2 Variablen bezeichnen, die die jeweilige Übertragungsfunktion von G1 (s) bzw.
G2 (s) darstellen.

247
SIMULINK Toolbox
Die Toolbox Simulink erweitert Matlab um eine blockorientierte Bedienoberfläche und wird
für die Simulation von dynamischen Systemen eingesetzt. Ein Simulationsmodell kann ähnlich
wie ein mathematischer Blockschaltplan aus Simulink-Funktionsblöcken aufgebaut werden.
So erscheint ein Simulink-Blockschaltplan für den Regelkreis aus Abb. 6.6 – erweitert um
einen Aktor mit Stellgrößenbegrenzung – wie folgt auf dem Bildschrim:

Die graphische Ausgabe der zeitlichen Verläufe von Regelgröße und Stellgröße für
Kp = 10, Ks = 1 und T = 0.5 stellt sich wie folgt dar:

Simulink kann entweder über die Eingabe von simulink im Matlab Command Window
oder über klicken auf aufgerufen werden. Zunächst öffnet sich der Simulink Library Browser.
Von dort aus kann im Menü File/New/Model eine neue Simulink-Datei erstellt werden.

Jetzt können die Blöcke der einzelnen Kategorien per Drag & Drop“ in das neue Simulink

Modell gezogen werden. Um Verbindungen zwischen den Ein- und Ausgängen der Blöcke im

248
Modell herzustellen, muss mit gedrückter linker Maustaste eine Linie von nach gezogen
werden. Verzweigungen werden mit der rechten Maustaste erstellt.
Hinweis: Probieren Sie die General“ Simulink Demos im Matlab Launch Pad aus, um die

Funktionsweise von Simulink nachzuvollziehen.
Da Simulink mit numerischen Lösungsverfahren arbeitet, wird hier auf einige Einstellungen der
sogenannten Solver eingegangen. Diese Einstellungen können nach der Erstellung einer neuen
Simulink-Datei im Menüpunkt Simulation/Simulation Parameters verändert werden.
Die Max step size setzt die maximale Schrittweite des numerischen Integrators fest. Durch
Verringerung dieser Schrittweite wird die Genauigkeit erhöht und die Simulationsgeschwindigkeit
herabgesetzt, da mehr Rechenschritte pro Zeiteinheit durchgeführt werden.
Die Stop time setzt fest, wie lange die Simulation läuft. Speziell bei der Betrachtung von
Einschwingvorgängen ist es wichtig die Simulationsdauer ausreichend lang zu wählen.

Weitere Informationen
Detaillierte Informationen über Matlab finden Sie unter der URL:

http://www.mathworks.com

Die Studentenversion von Matlab (CD-ROM und Handbücher) kann direkt von Mathworks
unter obiger URL für ca. 70$ erworben werden. Sie umfasst die Control Systems“-, “Signal

Processing“-, “Symbolic Math“- und die Simulink“-Toolboxen. Weitere Toolboxen können

zum Preis von 30$ dazugekauft werden. Eine Einschränkung gegenüber der Vollversion ist die
Begrenzung der Anzahl der Blöcke in Simulink-Modellen auf 1000.

249
A.5 Steuerungs- und regelungstechnische Fachausdrücke

Deutsch Englisch

A
Ablaufsteuerung sequential control
Abtaster sampling element, sampler
Abtastregelung sampled data control, time discrete con-
trol
Abtastzeit sampling time
Allpasselement all-pass element
Amplitudengang amplitude response, gain response
Amplitudenreserve gain margin
analoge Regelung analogue closed loop control
analoge Steuerung analogue open loop control
Anschwingzeit response time
Arbeitspunkt operating point
Aufgabengröße final controlled variable
Ausgangsgröße output variable
Ausgangsrückführung output feedback
Automat, endlicher finite automaton
B
Baueinheit physical unit
Betriebsart operating mode
– Automatik automatic operation
– Hand manual operation
binäre Steuerung binary open loop control
Block functional block
Bodediagramm Bode plot
C
Chargenprozess discontinuous process
D
Dämpfung damping
Dämpfungsgrad damping ratio
D-Element derivative element, D-element
Differentialgleichung differential equation
Differenzengleichung difference equation
Durchtrittskreisfrequenz gain crossover angular frequency

250
Deutsch Englisch

E
Eckkreisfrequenz corner (angular) frequency
Eigenwert eigen value
Eingangsgröße input value
Einschwingzeit settling time
ereignisdiskretes System discrete event system
Ersatztotzeit equivalent dead time
F
Festwertregler set-point control
freiprogrammierbare Steuerung programmable logic controller, PLC
Frequenzgang frequency response
–, Ortskurve des -s frequency response locus
Frequenzkennlinien frequency response characteristics, Bode
diagram
Führungsgröße reference variable
Führungsverhalten des Regelkreises reference action of the control loop
G
Gewichtsfunktion weighting function, unit pulse response
H
Halteglied holding element
hierarchische Regelung hierarchical control
I
I-Element integral element, I-element
Impulsantwort pulse response
Istwert actual value
K
Kaskadenregelung cascade control
Kennkreisfrequenz characteristic (angular) frequency
Kennlinie characteristic curve
Kennlinienfeld set of characteristic curves
Kreisstruktur closed loop structure
Kreisverstärkung open loop gain
Kriterium criterion

251
Deutsch Englisch

M
Mehrgrößenregelung multivariable control system
Minimalphasenelement minimum phase element
Modell model
N
Nachstellzeit reset time
Nebenläufigkeit concurrency
nichtlineares Übertragungselement nonlinear transfer element
Nullstellen zeros
P
Parallelstruktur parallel structure
Parameteridentifizierung parameter identification
P-Element proportional element, P-element
Phasengang phase response
Phasenreserve phase margin
Pole poles
R
Regeldifferenz error (variable)
–, bleibende steady-state error signal
–, vorübergehende transient error signal
Regelgröße controlled variable
Regelkreis control loop
Regeln closed loop control
Regelstrecke controlled system, plant, process
Regelung closed loop control
–, im Zustandsraum state control
–, mit Führungsaufschaltung feedforward control with reference varia-
ble input
–, mit Störgrößenaufschaltung feedforward control with disturbance va-
riable input
–, unterlagerte subsidiary control
Reglerausgangsgröße controller output variable
Reihenschaltung elementarer Elemente serial connection of elementary elements
Resonanzkreisfrequenz resonance angular frequency

252
Deutsch Englisch

S
Sinusantwort sinus response
Sollwert desired value, demand value
Sollwertabweichung desired value deviation
Sprungantwort step response
Stabilität stability
Stabilitätsreserve, –rand stability margin
Stellgröße manipulated variable
Steuerung open loop control
Störgröße disturbance (variable)
Stör- oder Führungsgrößenaufschaltung feedforward control
T
Totzeit dead time, delay
U
Überschwingweite overshoot
Übertragungselement transfer element
V
Verklemmungssituation deadlock
Verstärkungsgrad gain value
Verzögerungselement lag element
Vorhaltelement lead element
Vorhaltzeit rate time
Z
zeitinvariant time invariant
Zeitkonstante delay time, time constant
z-Übertragungsfunktion z-transfer function
Zustandsbeschreibung state description
Zustandsgleichungen state equations
Zustandsgrößen state variables
Zustandsrückführung state feedback

253
254
Zentralübungen

Regelungssysteme 1

Univ.-Prof. Dr.-Ing. Tokio M. Buss


Lehrstuhl für Steuerungs- und Regelungstechnik
Technische Universität München

Ausgabe SS 2019
c 2019 Prof. Dr.-Ing./Univ. Tokio M. Buss
c bis 2003 Univ.-Prof. Dr.-Ing. Dr.-Ing. E.h. G Schmidt

Alle Rechte, auch das des auszugsweisen Nachdrucks, der auszugsweisen oder vollständigen Wiedergabe
(Photokopie, Mikrokopie), der Speicherung in Datenverarbeitungsanlagen und das der Übersetzung,
vorbehalten.
Lehrstuhl für STEUERUNGS- REGELUNGSSYSTEME 1
UND REGELUNGSTECHNIK
Technische Universität München 1. Zentralübung
Prof. Dr.-Ing./Univ. Tokio Martin Buss

1. Aufgabe: Grundlagen
In dieser Aufgabe soll ein Kfz-Assistenzsystem betrachtet werden, welches den Abstand zu einem vor-
ausfahrenden Fahrzeug regelt.

V 1 V 2

G e s c h w in d ig k e ite n d e r F a h r z e u g e : V 1 (t), V2 (t) A b s ta n d : a (t)

1.1 Beschreiben Sie das Regelproblem bei der konstanten Längsabstandshaltung zweier Fahrzeuge
innerhalb einer Kfz-Kolonne.
1.2 Tragen Sie Führungsgröße, Aufgabengröße, Regelgröße und Stellgröße(n) im Wirkschaltplan der
Abstandsregelung ein und nennen Sie typische Störgrößen.

zum Gaspedal
(Vergaser) v1 Abstandssensor v2
✲ ✲
✲ ✻
zur Bremseinr. ✛ ❄ ✲
(Servo) ❣ ❣ ❣ ❣

✻ ✻ aist

Regler ✛ ✐✛
asoll

Abbildung A.2: Wirkschaltplan der Abstandsregelung

UE-1
2. Aufgabe: Systemanalyse durch Linearisierung
Die Aufhängung eines Magnetschwebefahrzeugs mit der Gesamtmasse m = (32 · 104 /9,81) kg erfolgt
mit 8 gleichartigen, steuerbaren Tragmagneten. Die experimentelle Untersuchung eines Tragmagneten
ergab das Kennlinienfeld FM (i,y):

FM / kN Tragkraft
0,5
Schiene 1,0
zur
70 Kabine 1,5
2,0
60 y FM

50 y /cm

40
Trag-
i Spaltweite

30
magnet FS / 8
mg / 8
20

10

0 i /A
10 20 30 Steuerstrom

2.1 Entwickeln Sie das dynamische Modell der Vertikalbewegung des als Massepunkt angenommenen
Fahrzeugs mit dem Strom i und der Störkraft FS als Eingangsgrößen (alle Magnete seien in Reihe
geschaltet) und dem Luftspalt y als Ausgangsgröße.
2.2 Wandeln Sie die Modellgleichung in die nichtlineare Zustandsform

ẋ = f (x,u)
y = h(x,u)
um.
2.3 Entwickeln Sie aus dem Zustandsmodell ein Blockschaltbild.
2.4 Linearisieren Sie die Zustandsgleichungen um den Betriebspunkt
1
y = y ∗ = 1 cm, FM = FM

= mg und FS = FS∗ = 0 N ,
8
und skizzieren Sie das lineare Blockschaltbild.
2.5 Entnehmen Sie dem Blockschaltbild die Übertragungsfunktionen

∆Y (s) ∆Y (s)
G1 (s) = und G2 (s) = .
∆I(s) ∆FS (s)

2.6 Wie lauten Gewichts- und Übergangsfunktionen zur Übertragungsfunktion G2 (s)? Fertigen Sie eine
Skizze mit charakteristischen Kennwerten an.

UE-2
Lehrstuhl für STEUERUNGS- REGELUNGSSYSTEME 1
UND REGELUNGSTECHNIK
Technische Universität München 2. Zentralübung
Prof. Dr.-Ing./Univ. Tokio Martin Buss

System- und Regleranalyse mit Grenzwertsätzen


Mb

uP
KP
uw✲ ❥ ❄uR m ❄
✉ ❥ ✲
ua ✲ ❥ ✲ K1 M✲ ❥ ✲ K3 ✉ ✉✲

Kv
✻ ✻ ✻ 1 + T1 s s
✲ KI
s uI K2 ✛

uT
Motor
K4 ✛

K1 = Kv = K4 = 1 ; K2 = K3 = 0,25 ; T1 = 16
dimensionslose Signale und Parameter

Für die Untersuchungen der in der Vorlesung behandelten Drehgeschwindigkeitsregelung eines Gleich-
strommotors soll der skizzierte normierte und skalierte Signalflussplan zugrunde gelegt werden. (Die
Werte beziehen sich auf einen bürstenlosen Gleichstrommotor.)
1) Bestimmen Sie die Übertragungsfunktionen des ungeregelten Motors:

Ω(s) Ω(s)
G1 (s) = und G2 (s) = .
ua (s) Mb (s)

2) Welches Übertragungsverhalten zeigen G1 (s) und G2 (s)? Geben Sie die allg. Form der Pole von
G1 (s) an.
3) Geben Sie die Formeln für die Kennwerte ω0 , D, ωe des Motors in Abhängigkeit von K1 , K2 , K3
und T1 sowie zahlenmäßig an.
4) Bestimmen Sie Anfangs- und Endwerte der Übergangsfunktionen des Motors gemäß 1)
(Einschwingverhalten qualitativ skizzieren).
Ω(s)
5) Wie lauten die Führungsübertragungsfunktion Gw (s) = und die
uw (s)
Ω(s)
Störübertragungsfunktion GM (s) = des Regelkreises?
Mb (s)
6) Untersuchen Sie Anfangs- und Endwerte der Übergangsfunktionen zu den Übertragungsfunktionen
aus 5) für KP 6= 0 (KI = 0); KI 6= 0 (KP = 0); KP , KI 6= 0 .
(Einschwingverhalten qualitativ skizzieren).
Welche Schlussfolgerungen lassen sich ziehen?

UE-3
Lehrstuhl für STEUERUNGS- REGELUNGSSYSTEME 1
UND REGELUNGSTECHNIK
Technische Universität München 3. Zentralübung
Prof. Dr.-Ing./Univ. Tokio Martin Buss

Vereinfachte Systemanalyse durch Ordnungsreduktion


Der Kurswinkel ψ eines Schiffes wird mit einem P-Regler GR (s) = KR geregelt.

Nordrichtung

V
ψw✲ ❥e ✲ u✲ ρ✲ ✉
ψ✲
GR GRM GS

w
ψ

KK
✻ Kreiselkompaß (GKK )
R
GKK = 1 ✛
RM

Regler (GR )
Rudermaschine (GRM )
ρ

Ruder

K = 0,1
T1 = 5 ψ = Kurswinkel ψ(s) (1 + sT3 )
GS (s) = =K·
T2 = 100 ρ = Ruderwinkel ρ(s) s(1 + sT1 )(1 + sT2 )
T3 = 20
1) Die gegebene Schiffsregelstrecke GS (s) gilt für v = konst. > 0. Skizzieren Sie die
Pol/Nullstellenverteilung. Welche Pole und Nullstellen dominieren im Systemverhalten?
2) Skizzieren Sie die näherungsweise gültige Sprung- und Impulsantwort ψ ∗ (t) der Regelstrecke auf
der Grundlage des reduzierten Systems.
3) Die elektrohydraulische Rudermaschine habe PT1 -Verhalten:

ρ(s) 1
GRM (s) = =
u(s) 1+τ ·s

Welchen Wert sollte deren Zeitkonstante τ haben, damit ihr Einfluss auf das dynamische Verhalten
des Schiffes vernachlässigbar klein bleibt?
4) Bestimmen Sie unter Vernachlässigung der kleinsten Zeitkonstanten (T1 ) in GS (s) für τ = 10
und für eine Reglerverstärkung KR = 0,9 Pole und Nullstellen der Führungsübertragungsfunktion
Gw (s) und tragen Sie diese zusammen mit den Polen und Nullstellen der Übertragungsfunktion
des aufgeschnittenen Regelkreises G0 (s) = GR (s) · GRM (s) · GS (s) · GKK (s) in die s-Ebene ein.
Hinweis: Gw (s) besitzt ein konjugiert komplexes Polpaar s1/2 = −0,01 ± j · 0,03.

UE-4
5) Wie groß ist im eingeschwungenen Zustand die bleibende Regeldifferenz e bei folgendem Verlauf
der Führungsgröße:
a) ψw (t) = δ(t) b) ψw (t) = t · σ(t)
(konstante Drehgeschwindigkeit)
6) Für welchen Wertebereich KR arbeitet die Regelung stabil?
(nicht-reduziertes GS (s) verwenden!)

UE-5
Lehrstuhl für STEUERUNGS- REGELUNGSSYSTEME 1
UND REGELUNGSTECHNIK
Technische Universität München 3b. Zentralübung
Prof. Dr.-Ing./Univ. Tokio Martin Buss

Steuerbarkeit, Beobachtbarkeit, Stabilität

Ein Zirkusartist möchte ein neues Kunststück ein-


studieren, bei dem er versucht zwei auf einer
ϕ 2 l2 ϕ 1 l1
Stange befestigte Pendel aufrecht zu balancieren
(siehe rechte Abbildung). Die Beschleunigung der
m2 = 1
Stange soll dabei nur in horizontaler Richtung er-
l2
folgen. Das aus der Vorlesung bekannte linearisier- m1 = 1
te Modell eines Pendels (Stab-Wagen-System) ist l1
gegeben durch ϕ2 ϕ1

ẋi = Ai xi + bi u, s
" #   s̈ = u
0 1 0  
ϕ
Ai = g , bi =  1  , xi = i
0 − ωi
li li
wobei i der Index für das i-te Pendel ist.

1 Wie lautet das Gesamtmodell unter Zuhilfenahme der Modelle der einzelnen Pendel?
Im Folgenden soll durch eine Steuerbarkeitsuntersuchung festgestellt werden, ob das Kunststück theore-
tisch möglich ist.
2.1 Zeigen Sie, dass die Steuerbarkeitsmatrix für das Gesamtmodell folgendermaßen berechnet werden
kann:  
b1 A1 b1 . . . A31 b1
QC =
b2 A2 b2 . . . A32 b2

2.2 Stellen Sie die Steuerbarkeitsmatrix QC auf.

2.3 Ist das System mit beliebigen Parameterwerten vollständig steuerbar? Diskutieren Sie das Ergebnis.

Der Artist versucht zunächst das Kunststück zu beherrschen, indem er sich auf den horizontalen Abstand
der Endpunkte der Pendel konzentriert. Dieser Abstand kann linearisiert als y = l1 ϕ1 − l2 ϕ2 angegeben
werden.
3.1 Zeigen Sie, dass die Beobachtbarkeitsmatrix für das Gesamtmodell folgendermaßen berechnet wer-
den kann (y = cT1 x1 + cT2 x2 ):
" #
T T3
c A1 c1 . . . A1 c1
QO = 1 3
c2 AT2 c2 . . . AT2 c2

UE-6
3.2 Stellen Sie die Beobachtbarkeitsmatrix QO auf.
3.3 Kann der Artist mit dieser Technik das System vollständig beobachten?
Im Folgenden soll das Eingangs-/Ausgangsverhalten untersucht werden.
4 Wie lautet die Übertragungsfunktion G(s) für l1 = l2 und l1 6= l2 ? Benutzen Sie dazu
 −1  −1 
A 0 A 0
=
0 B 0 B −1
 −1  
a11 a12 1 a22 −a12
=
a21 a22 a11 a22 − a12 a21 −a21 a11

Nach einiger Zeit bemerkt der Artist, dass die Regelaufgabe sehr schwer zu beherrschen ist. Daher
konzentriert er sich zunächst auf das Balancieren eines Stabes. Dabei wählt er einen Stab der Länge
l1 = 1[m] und die Erdbeschleunigung wird vereinfacht als g = 10[m/s2 ] angenommen.
5.1 Zu Beginn trainiert er sich folgendes proportionale Regelgesetz an:

u = ky, y = l1 ϕ 1

Wie lautet das Zustandsraummodell des geregelten Pendels? Kann er mit diesem Regelgesetz das
System stabilisieren? Untersuchen Sie die Stabilität mit dem Routh-Hurwitz-Kriterium.
5.2 Als nächstes versucht der Artist folgenden PD-Regler:

u = k1 y + k2 ẏ = 11y + ẏ, y = l1 ϕ 1

Zeigen Sie die Stabilität des Gesamtsystems mit der direkten Methode von Lyapunov.
5.3 Wie müssen die Parameter k1 ,k2 des PD-Reglers eingestellt werden, damit sich für die absolute
Stabilitätsreserve σgr = −1 ergibt und das Pendel in minimaler Zeit einschwingt?
5.4 Nach einiger Zeit nimmt der Artist wieder ein zweites Pendel mit einer Länge von l2 = 2 hinzu. Kann
er mit dem parametrierten PD-Regelgesetz aus Aufgabe 5.3 und dem Beobachten des Abstandes
der Pendelspitzen (y = cT1 x1 + cT2 x2 ) das System stabilisieren?

UE-7
Lehrstuhl für STEUERUNGS- REGELUNGSSYSTEME 1
UND REGELUNGSTECHNIK
Technische Universität München 4. Zentralübung
Prof. Dr.-Ing./Univ. Tokio Martin Buss

Stabilitätsanalyse mit Nyquist-Ortskurve

Strecke GS
Regler GR
Eingangs- ω Voltage ω✲a Ausgangs-
e ✲ 1 e ❥∆ϕ
ϕ✲ ✲ Loop ✲ Controlled ✉
signal- signal-
frequenz s ✻ Filter Oscillator frequenz
ϕa (VCO)
1
Phasenvergleich,
s
Demodulation
PLL

Die Übertragungsfunktion G0 (s) eines aufgeschnittenen linearisierten elektronischen Phasenregelkreises


(Phase Locked Loop) lautet:

(0,25 + s)(0,5 + s) 1
G0 (s) = GR (s) · GS (s) · Gr (s) = KR · 2,6 · .
| {zs
2
} |{z} s
|{z}
GR GS G
r

1) Bestimmen Sie aus der Schwingbedingung G0 (jω) = −1 die Werte von ωkrit und KR,krit .
2) Skizzieren Sie nun die Nyquist-Ortskurven G0 (jω) mit KR = 0.05, KR = KR,krit und KR = 0.1
in der komplexen G0 -Ebene.
Berechnen Sie dazu die Werte für ω = 0; 0,3; 0,4; 0,5; ∞ und ω = ωkrit.
Unter welchem Winkel beginnt und endet die Ortskurve bei ω = 0 bzw. ω = +∞ ?
3) Bestimmen Sie aus der Ortskurve mit Hilfe des Nyquist-Kriteriums den Wertebereich von KR , für
den der geschlossene Regelkreis stabil arbeitet.

UE-8
Lehrstuhl für STEUERUNGS- REGELUNGSSYSTEME 1
UND REGELUNGSTECHNIK
Technische Universität München 5. Zentralübung
Prof. Dr.-Ing./Univ. Tokio Martin Buss

Reglerentwurf mit Bodediagramm

Die Schadstoffemission bei Ottomotoren ist in hohem Maße abhängig vom Luft-Brennstoff-Verhältnis
(Air/Fuel) in den Zylindern. Um den CO-Ausstoß zu beeinflussen, bedient man sich des folgenden Re-
gelkreises:

z1 = (A/F )0

soll

✲ ❥ ✲ GR (jω) ✲ ❥ KS e−jωTt ✉
y = qCO e ✲
y = qCO

✻ ∆(A/F ) (A/F ) 1 + T jω
Regler
Motor

Gr = 1 ✛ ❥✛
z3

λ-Sensor

1) Eine Vermessung der Strecke ergab die nachstehend aufgetragenen Frequenzkennlinien. Ermitteln
Sie die Streckenparameter KS , T , Tt .
2) Für die Regelung wird zunächst ein P-Regler, GR (s) = KP , eingesetzt:
a) Bestimmen Sie die Werte AR , ψR , ωD1 , ωD2 für KP = 1.
b) Bestimmen Sie KP,krit.
c) Dimensionieren Sie KP nach Ziegler-Nichols-Einstellregeln. Bestimmen Sie für diesen Fall
ψR , ωB und T̃Ein . Welche Aussage lässt sich bei w bzw. z1 = σ(t) bezüglich der bleibenden
Regeldifferenz e(t → ∞) machen?
3) Die Regelung soll nun mit einem I-Regler, GR (s) = KI /s, erfolgen:
a) Skizzieren Sie den Amplituden- und Phasengang von G0 (s) für KI = 1.
b) Bestimmen Sie die Werte AR und ψR .
c) Welcher Wert ergibt sich für KI , so dass ψR ≃ 500 gilt?
d) Welche bleibende Regeldifferenz, e(t → ∞), ergibt sich jeweils für w = σ(t) und z1 = σ(t)?
Vergleichen Sie mit den Ergebnissen aus 2).

UE-9
Frequenzgang
A

GS

GS

UE-10
Lehrstuhl für STEUERUNGS- REGELUNGSSYSTEME 1
UND REGELUNGSTECHNIK
Technische Universität München 6. Zentralübung
Prof. Dr.-Ing./Univ. Tokio Martin Buss

Regelkreisanalyse mit Wurzelortskurve

1
Im abgebildeten Standardregelkreis sei GP (s) = und GR (s) = K.
s(s + 1)(s + 2)

✲ ❥ ✉
w e ✲
u ✲ ✲
y
GR (s) GP (s)

1) Skizzieren Sie die Wurzelortskurve für K > 0. Berechnen Sie dafür den Wurzelschwerpunkt pw und
den Asymptotenwinkel. Was kann man anhand der Skizze über die Stabilität des geschlossenen
Kreises bei zunehmendem K sagen?
2) Berechnen Sie den Verzweigungspunkt.
Hinweis: Eine doppelte Nullstelle eines Polynoms zeichnet sich dadurch aus, daß auch die Ableitung
diese Nullstelle besitzt.
3) Berechnen Sie den Verstärkungsfaktor Kkrit und die Polverteilung für den Fall der Grenzstabilität.
4) Für welchen Verstärkungsfaktor besitzt der geschlossene Kreis ein komplexes Polpaar mit dem
relativen Dämpfungsgrad 0,5? Markieren Sie den Punkt in Ihrer Skizze.

UE-11
Lehrstuhl für STEUERUNGS- REGELUNGSSYSTEME 1
UND REGELUNGSTECHNIK
Technische Universität München 7. Zentralübung
Prof. Dr.-Ing./Univ. Tokio Martin Buss

Regelung mit vollständiger Zustandsrückführung


Für eine Niveauregelstrecke gelten folgende arbeitspunktbezogenen Zustandsgleichungen:
(u : Steuergröße; z : Störgröße)


     
−1 0 1 0 ❅
ẋ = x+ u+ z ✄ ❅

0,2 −0,1 0 −0,2
| {z } | {z } | {z } u
x1
A b1 b2
y = [0 1] x
| {z }

cT ✄ ❅

x2


✄ ❅


z

Der Füllstand in Behälter 2 soll mittels vollständiger linearer Zustandsrückführung geregelt werden, d.h.
u = Kv w − k T x.

1) Zeichnen Sie den Signalflussplan mit vollständiger Zustandsrückführung.


2) Auf welche Teilsysteme und Zustandsgrößen des ungeregelten Systems wirken sich die Eingangs-
größe u und die Störgröße z jeweils aus?
3) Wie muss k T gewählt werden, damit die Pole des Regelkreises bei s1/2 = −2 liegen?
4) Bestimmen Sie Kv so, dass das stationäre Übertragungsverhalten von Gw (s) eins beträgt.
5) Wie wirkt sich eine Änderung des Parameters a21 von 0,2 auf 0,15 auf den stationären Wert der
Regelgröße nach einem Einheitssprung aus? Welche physikalische Bedeutung hat a21 ?
6) Wie wirkt sich ein Störgrößensprung z = z0 · σ(t) auf den stationären Wert der Regelgröße y aus?
7) Wie wirkt sich der Ausfall eines Sensors auf die Stabilität des Regelkreises aus? (Zwei Füllstand-
sensoren messen x1 und x2 )

UE-12
Lehrstuhl für STEUERUNGS- REGELUNGSSYSTEME 1
UND REGELUNGSTECHNIK
Technische Universität München 8. Zentralübung
Prof. Dr.-Ing./Univ. Tokio Martin Buss

Simulation und Implementierung eines digitalen Regelkreises

Ein Regler soll für einen Durchlauferhitzer in einer verfahrenstechnischen Anlage vor seinem Einsatz
simuliert und anschließend digital implementiert werden. Der Durchlauferhitzer hat angenähert PT1 -
Verhalten
1
GS (s) =