Observability och kontrollerbarhetsmatriser är viktiga verktyg i kontrollteori, som används för att analysera egenskaperna hos komplexa system. De hjälper till att avgöra om ett systems tillstånd kan observeras eller kontrolleras genom ingångar och utgångar. Denna artikel ger en steg-för-steg guide för att härleda dessa matriser för komplexa system.
Förstå Systemmodellen
Innan du härrör från matriserna, upprätta stats-rymden representation av systemet. Den typiska formen är:
] = Ax(t) + Bu(t)[]
] y(t) = Cx(t) + Du(t)[]]
[] är statsvektorn ]u(t)[]] är ingångsvektorn, och ][ är utgångsvektorn. Matrices ]][[[[FL]]][[[[FL]]]][[[[[[[[[FL]]]]]]]]]]]]]][[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[
Härleda kontrollerbarhetsmatrix
Kontrollerbarhetsmatrisen avgör om systemet kan köras till önskat värde med hjälp av ingångar. Den är konstruerad som:
] Kontrollabilitetsmatrix = [B, AB, A2B, ..., An−1B][]
Där ][] är antalet stater. Varje term innebär att multiplicera matrisen ]]] A] med ] upprepade gånger, fånga inverkan av ingångar över tiden.
Härleda observationsmatrisen
Observability matrix bedömer om systemets tillstånd kan rekonstrueras från utgångar. Det bildas som:
]Observability Matrix = [[]]T ], (CA)]]]]], (CA2)]]]]]]], [CAn−1)]]]]]]]]]]]]]]][[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[FLT]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]
Alternativt kan det skrivas som:
]O= [C; CA; CA2; ...; CAn−1][]
Tillämpning av komplexa system
För komplexa system med flera ingångar och utgångar blir matriserna större, men härledningsprocessen är fortfarande densamma. Det är viktigt att verifiera rangordningen för dessa matriser för att bestämma kontrollerbarhet och observerbarhet.
- Beräkna matriserna baserat på systemmodellen.
- Konstruera kontrollerbarhet och observerbarhetsmatriser.
- Kontrollera rangordningen för varje matris.
- Om det är full rang är systemet kontrollerbart eller observerbart.