51197

Цифровое управляющее устройство в контуре управления

Лабораторная работа

Коммуникация, связь, радиоэлектроника и цифровые приборы

Цифровое управляющее устройство в контуре управления Влияние периода дискретизации. Поэтому значения управляемых координат присутствующих в ЦВМ отличаются от значений их же в объекте управления.1 h=l Наилучшие параметры по результатам проведенных опытов а0=1 1=l с дискретизацией h=100 Вывод: По результатам исследования системы мы можем утверждать что при увеличении шага дискретизации цифрового управляющего устройства качество переходных процессов в системах управления ухудшается что связанно с запаздыванием по времени вносимым...

Русский

2014-02-07

466.86 KB

0 чел.

Поволжский государственный университет телекоммуникаций и информатики

Кафедра ПОУТС

Отчет

По лабораторным работам № 3-4.

«Цифровое управляющее устройство в контуре управления»

«Влияние периода дискретизации».

                                                             Выполнили:

                                                                             Софронов Н.

Юхина Д.

Самара 2013

Цель:

  1.  Определить установившуюся ошибку.
  2.  Определить максимальное перерегулирование:
  3.  Определить время затухания, определяется временем достижения 5% отклонения от установившегося значения.
  4.  Для отработки блока дискретизации рассмотрено упрощенное описание управляющего устройства в части исполнительных органов, динамика которых не учитывается.

Дискретное цифровое управляющее устройство работает, обновляя информацию с периодом дискретизации h. Поэтому значения управляемых координат, присутствующих в ЦВМ отличаются от значений их же в объекте управления. Интегрировали методом Эйлера, так как стандарт в MathCad Рунге-Кутт не позволяет вставить блок дискретизации.

2)                                                                             

                                                                                

                                                                                

                                                                      

                                                                                 

                                                                      

                                                                       h=30

                                                                       ∆t

            

                                                                       h=30∙∆t

Рис 1. Метод Эйлера

 - запрос перерегулирования

Т-время затухания переходного процесса

T1-время первого прохождения через установившееся значение

а0=2

Пр

Т

T1

а1=0.1

0.811

75

1.4

а1=0.4

0.58811

14

1.4

а1=0.7

0.36

7

1.4

а1=l

0.217

4.8

1.4

а0=1

Пр

Т

T1

а1=0.1

0.8

57

3

а1=0.4

0.34

7

3

а1=0.7

0.11

8

3

а1=l

0.02

5.5

5.3

а0=3

Пр

Т

T1

а1=0.1

0.9699

97

1

а1=0.4

0.71

19

1

а1=0.7

0.55

7

1

а1=l

0.38

5

1

а0=a1=1

1

Т

T1

h=1

0.02

5.5

5.3

h=10

0

5.9

6

h=20

0.04

5

5.5

h=30

0.046

4.7

4.9

h=100

0.246

2.75

10.5

Наилучшие параметры по результатам проведенных опытов а0=1, a1=l, h=l

Наихудшие параметры по результатам проведенных опытов а0=3, a0=0.1, h=l

Наилучшие параметры по результатам проведенных опытов а0=1, a1=l с дискретизацией h=100

Вывод:

  1.  По результатам исследования системы, мы можем утверждать, что при увеличении шага дискретизации цифрового управляющего устройства качество переходных процессов в системах управления ухудшается, что связанно с запаздыванием по времени, вносимым ЦВМ в контур управления.
  2.  Наилучший режим работы системы управления при значениях цифрового управляющего устройства в контуре управления при значениях коэффициентов закона управления а0=1, a1=l. Отклонение их от данных значений приводит к ухудшению качества переходных процессов.


 

А также другие работы, которые могут Вас заинтересовать

21704. Модуль Нейрокибернетика 380 KB
  В первом случае сформированная нейронная сеть выступает в роли регрессионной модели и имеет k входов и один выход то есть в качестве входных значений нейронной сети выступают предшествующие значения котировок а в качестве выхода значение на текущий момент. В автоматическом управлении нейронные сети так же не плохо справляются со своей задачей и если учесть что не нужно проводить сложных расчетов то выбор в пользу использования нейронных сетей становиться очевидным. Так же нейронные сети находят практическое применение при диагностике...
21705. Технология личностного ориентирования в географии 103.5 KB
  Содержание личностно-ориентированного образования, его средства и методы структурируются так, что позволяют ученику проявить избирательность к предметному материалу, его виду и форме, в этих целях разрабатываются индивидуальные программы обучения, которые моделируют исследовательское мышление.
21706. Методы экспертного оценивания 136 KB
  5] Анализ компетентности экспертов по взаимооценкам [0.6] Анализ компетентности экспертов по оценкам объектов [0. Типичные ситуации группового выбора: распределение конкурсной комиссией поощрений; обсуждение и согласование нескольких альтернативных законопроектов; ранжирование по перспективности внедрения образцов новых промышленных изделий производимое группой экспертов. Например для 3х объектов предпочтение одного из экспертов или он может количественно выразить интенсивность ; ; .
21707. Разделы модуля «Базовые понятия. Методы извлечения знаний» 368 KB
  Методы извлечения знаний [1] История и этапы развития искусственного интеллекта [2] Подходы к созданию систем искусственного интеллекта [3] Искусственный интеллект в России [4] Направления развития искусственного интеллекта [5] Основные определения [6] Методы извлечения знаний [7] Классификация методов извлечения знаний [8] Пассивные методы [9] Наблюдения [10] Анализ протоколов мыслей вслух [11] Лекции [12] Активные методы [13] Активные индивидуальные методы [14] Анкетирование [15] Интервью [16] Свободный диалог [17] Активные групповые методы...
21708. Модуль Жизненный цикл интеллектуальной системы 147.5 KB
  2] Этап 2: Разработка прототипной системы [1.4] Этап 4: Оценка системы [1.5] Этап 5: Стыковка системы [1.
21709. Модуль Методы представления знаний: Нечеткая логика 192 KB
  Математический аппарат Характеристикой нечеткого множества выступает функция принадлежности Membership Function. Обозначим через MFcx – степень принадлежности к нечеткому множеству C представляющей собой обобщение понятия характеристической функции обычного множества. Значение MFcx=0 означает отсутствие принадлежности к множеству 1 – полную принадлежность. Так чай с температурой 60 С принадлежит к множеству 'Горячий' со степенью принадлежности 080.
21711. Оценка вероятностей возможных последствий от нарушений электроснабжения потребителей 181.5 KB
  Оценка вероятностей возможных последствий от нарушений электроснабжения потребителей Для решения широкого класса задач эксплуатации и проектирования с учётом фактора надёжности необходимо определение вероятностей возникновения возможных последствий от нарушения электроснабжения потребителей которые сводятся к следующим: вероятность возникновения катастрофических и аварийных ситуаций исследование которых необходимо для нормирования надёжности электроснабжения; вероятность возникновения отдельных составляющих ущерба их величина и...
21712. ИСПЫТАНИЯ НА НАДЕЖНОСТЬ ЭМС. КОНТРОЛЬНЫЕ ИСПЫТАНИЯ 2.49 MB
  Показатели надежности экспериментальными методами могут быть получены по результатам либо испытаний – специальных или совмещенных либо наблюдением за функционированием объекта в условиях эксплуатации. Методы испытаний организуются специально с целью определения показателей надежности объем их обычно заранее планируется условия функционирования объектов устанавливаются исходя из требований оценки конкретных показателей. Показатели надежности таких объектов оцениваются в основном либо по результатам совмещенных испытаний при которых...