自动控制：控制系统的灵敏度分析

自动控制：控制系统的灵敏度分析

引用

CSDN

1.

https://blog.csdn.net/weixin_39753819/article/details/139366455

灵敏度分析是控制系统设计中的重要环节，它衡量了系统对参数变化和扰动的响应程度。本文将详细探讨灵敏度函数的概念，并推导出开环和闭环控制系统在前向路径和反馈路径元素扰动下的灵敏度表达式。

引言

灵敏度问题在控制系统设计中至关重要。灵敏度衡量的是系统对参数变化和扰动的响应程度。本文将详细探讨灵敏度函数的概念，并推导出开环和闭环控制系统在前向路径和反馈路径元素扰动下的灵敏度表达式。

灵敏度概念简介

当提到“灵敏度”这个词时，通常会认为灵敏度应该很高。这个说法在一些个体元件如控制器、传感器和测量仪器中是正确的，因为这些设备需要能够检测到输入中的微小波动并相应地输出结果。

然而，当讨论控制系统的灵敏度时，情况正好相反。控制系统的灵敏度不同于个体元件的灵敏度。控制系统是由多个个体元件（如控制器、控制元件、被控对象、传感器等）集成而成。因此，这些个体元件的灵敏度应该很高，而整个集成系统（控制系统）的灵敏度应该很低。

控制系统的灵敏度

在控制系统中讨论灵敏度时，是指当系统中出现扰动时的情况。这些扰动可能是由于内部因素（如系统参数的变化）或外部因素（如环境条件的变化）引起的。

假设控制系统中出现了一些扰动：

• 如果系统的输出由于这种扰动而受到很大影响，那么这个控制系统被认为是高度灵敏的。
• 如果系统的输出由于这种扰动而没有受到很大影响，那么这个控制系统被认为是低灵敏的。

灵敏度函数

灵敏度函数描述了系统输出对输入或系统参数变化的响应程度。对于一个系统，其灵敏度函数定义为：

$$
S(s) = \frac{dY(s)/Y(s)}{dP(s)/P(s)}
$$

其中，$Y(s)$是系统的输出，$P(s)$是系统的参数。这意味着灵敏度函数衡量的是参数变化对系统输出的相对变化的影响。

开环控制系统的灵敏度分析

在开环控制系统中，我们只考虑系统的前向路径，没有反馈回路。假设系统的传递函数为$G(s)$，输入为$R(s)$，输出为$Y(s)$。则系统的输出可以表示为：

$$
Y(s) = G(s)R(s)
$$

当系统参数$P(s)$发生变化时，传递函数$G(s)$也会随之变化。假设$G(s)$的变化量为$\Delta G(s)$，则输出的变化量$\Delta Y(s)$为：

$$
\Delta Y(s) = \Delta G(s)R(s)
$$

灵敏度函数定义为输出相对变化与参数相对变化之比，因此开环系统的灵敏度函数$S_{OL}(s)$为：

$$
S_{OL}(s) = \frac{\Delta Y(s)/Y(s)}{\Delta G(s)/G(s)} = 1
$$

这意味着在开环系统中，系统对参数变化的灵敏度是完全的，即参数的任何变化都会直接反映在系统输出中。

闭环控制系统的灵敏度分析

在闭环控制系统中，系统包含一个反馈回路。假设闭环系统的前向路径传递函数为$G(s)$，反馈路径传递函数为$H(s)$，则系统的闭环传递函数$T(s)$为：

$$
T(s) = \frac{G(s)}{1 + G(s)H(s)}
$$

当系统参数$P(s)$发生变化时，传递函数$G(s)$变化量为$\Delta G(s)$，则闭环传递函数的变化量$\Delta T(s)$为：

$$
\Delta T(s) = \frac{\Delta G(s)}{1 + G(s)H(s)} - \frac{G(s)H(s) \Delta G(s)}{(1 + G(s)H(s))^2}
$$

简化后得到：

$$
\Delta T(s) = \frac{\Delta G(s)}{(1 + G(s)H(s))^2}
$$

因此，闭环系统的灵敏度函数$S_{CL}(s)$为：

$$
S_{CL}(s) = \frac{\Delta T(s)/T(s)}{\Delta G(s)/G(s)} = \frac{1}{1 + G(s)H(s)}
$$

这表明闭环系统的灵敏度函数与开环增益$G(s)H(s)$的倒数有关。当$G(s)H(s)$增加时，灵敏度函数$S_{CL}(s)$减小，即系统对参数变化的灵敏度降低。这是闭环系统相对于开环系统的一个重要优势。

控制系统的灵敏度和稳定性

灵敏度函数是衡量系统“脆弱”与“坚韧”的重要指标。一个“脆弱”的系统对参数变化高度敏感，容易受到扰动的影响，导致系统性能显著下降。相反，一个“坚韧”的系统对参数变化不敏感，能够在扰动和参数变化下保持稳定的性能。

影响灵敏度的因素

1. 前向路径增益：前向路径增益越高，闭环系统的灵敏度越低，系统越“坚韧”。
2. 反馈路径增益：适当的反馈路径增益可以降低系统的灵敏度，提高系统的“坚韧”性。
3. 系统结构：系统的结构设计对灵敏度有重要影响，合理的结构设计可以显著降低灵敏度。

设计稳定系统的方法

1. 增加前向路径增益：提高控制器和其他元件的增益，以降低闭环系统的灵敏度。
2. 优化反馈回路：设计合适的反馈回路，增加系统的负反馈，降低灵敏度。
3. 参数调整：通过参数调整，优化系统的动态特性，使系统对参数变化不敏感。

实例分析与Python代码实现

以下是一个简单的Python代码示例，用于展示开环和闭环控制系统的灵敏度分析。

import numpy as np
import matplotlib.pyplot as plt

# 定义传递函数
def G(s):
    return 1 / (s + 1)

def H(s):
    return 1

# 频率范围
s = np.linspace(0.01, 10, 400)

# 计算开环和闭环传递函数
G_s = G(s)
H_s = H(s)
T_open = G_s
T_closed = G_s / (1 + G_s * H_s)

# 计算灵敏度函数
S_open = np.ones_like(s)
S_closed = 1 / (1 + G_s * H_s)

# 绘制灵敏度函数
plt.figure(figsize=(10, 6))
plt.plot(s, S_open, label='Open-Loop Sensitivity')
plt.plot(s, S_closed, label='Closed-Loop Sensitivity')
plt.xlabel('Frequency (s)')
plt.ylabel('Sensitivity')
plt.title('Sensitivity Analysis of Open-Loop and Closed-Loop Systems')
plt.legend()
plt.grid(True)
plt.show()

代码说明

1. 定义传递函数：定义了前向路径传递函数$G(s)$和反馈路径传递函数$H(s)$。
2. 频率范围：定义了一个频率范围$s$，用于计算传递函数的值。
3. 计算传递函数：计算开环和闭环系统的传递函数$T_{open}$和$T_{closed}$。
4. 计算灵敏度函数：计算开环和闭环系统的灵敏度函数$S_{open}$和$S_{closed}$。
5. 绘制灵敏度函数：使用Matplotlib库绘制灵敏度函数的图像。

结论

灵敏度函数是衡量控制系统在参数变化和扰动下响应程度的重要指标。通过灵敏度函数的分析，可以指导控制系统的设计，使系统具有较低的灵敏度，提高系统的“坚韧”性。闭环控制系统通过反馈机制，能够显著降低灵敏度，相比开环系统具有更好的稳定性和鲁棒性。在实际控制系统设计中，合理利用灵敏度分析，可以有效提高系统的性能和可靠性。