Introduzione ai Grafi di Gain Formula e Signal Flow di Mason

La formula Gain di Mason (nota anche come regola di Mason) è una base di teoria del controllo classico. Fornisce un metodo sistematico e grafico-teoretico per calcolare la funzione di trasferimento generale tra un nodo di input e un nodo di uscita in un grafico di flusso di segnale (SFG). Un grafico di flusso del segnale è un grafico diretto che rappresenta un insieme di equazioni algebriche lineari: i nodi corrispondono a rami di calcolo (ad, ad esempio, le tensioni, i trasferimenti, le tensioni, le tensioni, le tensioni, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, le differenze, i percorsi, i percorsi, i percorsi, le differenze, i percorsi, i trasferimenti, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi, i percorsi

La formula stessa è elegantemente compatta:

T = (∑[]k]] ]k[]] Δ]]k]]] / Δ

]]]]

[LT][FLT]][FLT]][FLT:]] è il guadagno del percorso avanti k‐th, Δ è il determinante del grafico (1 – somma di tutti i singoli guadagni del ciclo + somma di prodotti di guadagno di tutte le coppie di loop non-touching – somma di triple, ecc

Tuttavia, molti sistemi del mondo reale sono nonlinear[]. Il loro comportamento dipende da ampiezza del segnale, punti operativi o storia. Applicare la formula Gain di Mason direttamente a un grafico di flusso del segnale non lineare viola le sue assunzioni fondamentali. Tuttavia, con un adattamento attento, le stesse idee fondamentali di percorsi, loop e guadagni possono essere estesi a domini non lineari.

La Fondazione Lineare: Come funziona la Regola di Mason

Considerare un SFG con N] nodi. Il rapporto tra i due nodi può essere derivato da elencare tutti i percorsi in avanti da fonte a affondare. Un percorso in avanti è una sequenza di rami che non visita mai un nodo più di una volta. Il guadagno del percorso è il prodotto di tutti i guadagni di ramo lungo quel percorso individuale.

Il denominatore Δ (il grafico determinante) è costruito da cappi:[
Δ = 1 – (somma di tutti i singoli guadagni di loop) + (somma di prodotti di guadagni di tutte le coppie di loop non-touching) – (somma di prodotti di guadagni di tutti i triple di loop non-touching) + ...

Il numeratore di una data coppia sorgente-sink è la somma su tutti i percorsi avanti k di (Pk × Δk]), dove Δk]] è il grafico determinante dopo aver rimosso tutti i loop che toccano il percorso k‐th forward.

Perché i grafici di flusso segnale non lineare sono diversi

I grafici di flusso del segnale non lineare contengono rami i cui guadagni sono funzioni[]] delle variabili nodi piuttosto che costanti. Ad esempio, un ramo che rappresenta una non linearità della saturazione potrebbe avere un guadagno che è una funzione dell'ampiezza del segnale di ingresso.

  • La sovrapposizione non riesce:[] La risposta ad una somma di input non è la somma delle risposte individuali.
  • I guadagni del grafico variano con il punto di funzionamento:[ Lo stesso percorso in avanti può avere diversi guadagni effettivi a seconda dell'ampiezza del segnale, rendendo un'unica funzione di trasferimento insignificante.
  • Multiple equilibria:[] I sistemi non lineari possono avere più punti di funzionamento a stato costante. La struttura SFG potrebbe essere la stessa, ma i guadagni linearizzati differiscono a ogni punto.
  • Biforcazioni e cicli di limite:[ Le nonlinearità possono causare cambiamenti qualitativi nel comportamento (ad esempio, oscillazioni) che una funzione di trasferimento lineare non può catturare.
  • Generazione armonica:[ Gli input sinusoidali producono output contenenti armoniche, così il concetto di un “gain” diventa dipendente dalla frequenza in senso più ricco della risposta di frequenza lineare.

Nonostante questi ostacoli, la formula Gain di Mason rimane uno strumento concettuale utile se si adatta correttamente la sua applicazione. La chiave è riconoscere che mentre il rapporto di input-output globale potrebbe non essere una semplice funzione di trasferimento, approssimazioni locali o speciali mappature di input-output possono ancora beneficiare di analisi path-loop.

Adattare la Formula di Mason per i sistemi non lineari

Esistono diverse strategie per estendere la regola di Mason nel dominio non lineare, che vanno dalla linearità (linearizzazione) alla sofisticata (funzioni di descrivimento, equilibrio armonico).

Linearizzazione di piccolo livello intorno a un punto operativo

L'approccio più comune è quello di linearize[] ogni ramo non lineare guadagna intorno a un punto di equilibrio scelto (o lungo una traiettoria nominale) Questo significa espandere la funzione non lineare f(x) come una serie Taylor e mantenere solo il termine di primo ordine: f(x0+δx) ≈ f(x0) + f′(x0) δx).

Una volta che tutti i rami non lineari sono sostituiti dai loro guadagni lineari (che sono costanti sotto il punto di funzionamento scelto), il risultato SFG è [LTI[] per i piccoli segnali. La regola di Mason può allora essere applicata per calcolare la funzione di trasferimento locale relativa piccole perturbazioni intorno a quel punto operativo.

Funzioni di descrizione (Linea di calcolo)

Per i sistemi in cui la non linearità è eccitata da un input insusoidale e l'uscita è dominata dall'armonica fondamentale, il funzione di descrivibilità[ metodo fornisce un guadagno complesso equivalente. Questo guadagno dipende dall'ampiezza del sinusoide di ingresso (e forse dalla sua frequenza lineare).

Nel contesto di un SFG, ogni ramo non lineare può essere sostituito dalla sua funzione di descrizione, rendendo il grafico generale lineare per una data ampiezza A. La regola di Mason poi produce una “funzione di trasferimento di acqua” T(s, A) che dipende dall’ampiezza. Questo è particolarmente utile per predire cicli limite]: se la condizione di guadagno di oscillazione del loop per gli effetti di oscillazione (|L

Metodi numerici iterativi utilizzando la struttura di Mason

Quando la linearità analitica è troppo grezza o descrive le funzioni sono inesatte, si può trattare numericamente il SFG non lineare. La struttura del grafico (percorsi, loop) è ancora topologicamente valida, ma i guadagni sono funzioni. Un approccio è quello di scrivere il sistema delle equazioni implicite dall’Equazione SFG (ogni variabile nodo corrisponde alla somma dei guadagni di ramo in arrivo moltiplicati dalle variabili del nodo sorgente).

In un dato punto di funzionamento, si possono calcolare i guadagni lineari numericamente (tramite differenze automatiche o finite) e quindi utilizzare la regola di Mason per ottenere un'approssimazione lineare locale. Questo viene fatto più volte come il sistema si evolve.

Linearizzazione dei pezzi

Un'altra tecnica pragmatica è quella di approssimare il guadagno di ramo non lineare come funzione lineare a senso unico. Per ogni regione (ad esempio, bassa ampiezza, media ampiezza, regione saturata), il guadagno è costante. L'SFG ha poi più regioni lineari, ognuna con il proprio set di guadagni. La regola di Mason può essere applicata per regione, e il comportamento del sistema globale è descritto cambiando tra questi modelli lineari basati su livelli di segnale analogico.

Applicazioni pratiche ed esempi

Questi metodi adattati non sono solo curiosità teoriche; sono utilizzati quotidianamente da ingegneri in vari campi. L'SFG rimane un potente strumento di visualizzazione anche quando il sistema non è lineare.

Case study: Controllo non lineare del feedback con la saturazione

Il sistema di controllo dell’unità-feedback, in cui la pianta è lineare (G(s) ma l’attuatore satura. La non linearità della saturazione può essere modellata come una branca nella SFG tra l’uscita del controller e l’ingresso dell’impianto. Per i piccoli segnali di riferimento, l’attuatore rimane nella sua gamma lineare, e la regola di Mason produce T(s) = G(s) /(s) = G(s) /(s) /(s)

Linearizzazione del sensore non lineare nei sistemi di misura

Un sistema di misurazione comune utilizza un sensore non lineare (ad esempio un termistore con una curva di temperatura di resistenza esponenziale), l'uscita del sensore viene elaborata da un amplificatore lineare e riattivata per controllare un riscaldatore. L'SFG ha un ramo non lineare che rappresenta il sensore.

Giunto robot con frizione e stizione

Le armi robotizzate presentano notevoli non linearità dovute all’attrito, alla stimolazione e alla flessibilità delle articolazioni. Un grafico di flusso del segnale di un singolo giunto potrebbe includere un ingresso di coppia, inerzia, smorzamento (lineare), e un modello di attrito non lineare (ad esempio, Coulomb + viscoso + stizione).

Limitazioni e precauzioni

Mentre gli adattamenti sopra sono utili, gli ingegneri devono essere consapevoli dei loro limiti:

  • Valutazione locale:[] I modelli lineari sono solo precisi vicino al punto di funzionamento. L'analisi del segnale richiede metodi più avanzati (ad esempio, le funzioni di descrizione sono valide solo per gli input sinusoidali e possono mancare i subharmonici).
  • Nessuna sovrapposizione:[] Una volta che si dispone di un SFG lineare, non è possibile combinare i risultati da diversi punti operativi linearmente.
  • Contenuto armonico:[] Le funzioni di descrivimento ignorano le armoniche, che possono essere significative in alcuni sistemi (ad esempio, convertitori di potenza con commutazione ad alta frequenza).
  • Topologia invariata:[] Le nonlinearità possono talvolta alterare la topologia del grafico (ad esempio, un interruttore che si apre o chiude).
  • Sensibilità numerica:[ I metodi iterativi che linearizzare ripetutamente possono essere sensibili all'ipotesi iniziale e possono convergere agli equilibri errati.

Nonostante queste avvertenze, la formula Gain di Mason rimane un prezioso quadro mentale, costringe l’ingegnere a tracciare tutti i percorsi di segnale e i loop di feedback, a chiarire le ipotesi e a tenere sistematicamente conto delle interazioni, anche quando il calcolo finale richiede un risolutore del computer.

Conclusioni

La formula Gain di Mason è intrinsecamente uno strumento lineare, ma la sua applicazione non deve fermarsi al limite della linearità. Utilizzando i sistemi di linearità di piccolo segno, descrivendo funzioni, approssimazioni di senso, o metodi numerici iterativi, gli ingegneri possono sfruttare le intuizioni strutturali dei grafici di flusso del segnale per analizzare e progettare sistemi non lineari.