非线性环节的线性化处理

为什么需要线性化?

⚠️
核心问题:大多数物理系统本质上都是非线性系统,但非线性系统难以分析。线性化后可以应用线性叠加原理,大大简化分析过程。

非线性系统的特点

  • 通常用一般的非线性微分方程描述:
  • 例如:滴定曲线、电机转矩特性曲线等都呈现高度非线性
notion image

线性化的基本原理

💡
核心思想:研究非线性系统在某一工作点(平衡点)附近的性能,用平衡点附近的直线代替曲线

泰勒级数展开法

设非线性函数 ,在平衡点 的邻域内,可展开为泰勒级数:
其中:
  • 为原平衡点
  • 为偏移量
  • 为平衡点处的斜率
notion image

线性化近似

忽略二阶及以上高阶项,得到线性化方程:
或写成偏移量形式:
适用条件:偏移量 越小,线性化结果越准确。不同平衡点有不同的 值。

线性化应用实例

例1:交流伺服电机

系统描述
  • 输入:控制电压
  • 输出:角速度
  • 非线性关系:
notion image
建模步骤
  1. 平衡方程(非线性系统):
  1. 动态方程(含扰动):
  1. 减去平衡方程,得:
  1. 泰勒级数线性化
  1. 最终线性化模型
【插入图片:线性化过程的框图表示】

例2:钟摆系统

系统描述
  • 输入:外力
  • 输出:摆角
  • 非线性方程:
notion image
线性化
较小(如 )时,,得到线性化模型:
线性化误差:摆角越大,线性化误差越大。对比动画显示,小摆角时线性模型与非线性模型吻合良好,大摆角时偏差明显。
【插入图片:线性化模型与非线性模型的对比(小摆角vs大摆角)】

例3:液位系统

系统描述:流出量同时与液位 和阀门流通面积 相关:
【插入图片:液位系统示意图】
泰勒级数展开(在平衡点 附近):
计算偏导数:
简化为:
其中:
  • 液位变化引起流出量的变化
  • 阀门开度变化引起流出量的变化

线性化步骤总结

建立系统线性化微分方程的步骤
  1. 确定平衡点:找出系统处于平衡状态时各元件的工作点
  1. 列偏移量方程:列出各元件在工作点附近的偏移量方程式,消去中间变量
  1. 得到线性化方程:得到整个系统以偏移量表示的线性化方程式

特殊环节的建模

1. 纯滞后(Time Delay)

定义

⏱️
纯滞后:输入变量改变后,输出变量并不立即改变,而是要过一段时间 才开始变化的现象。

数学模型

时域表示
传递函数
notion image

应用示例:溶解槽

  • 输入流量 从料斗流入传送带
  • 经过距离 ,速度 ,纯滞后时间
  • 输出流量
notion image

一阶+纯滞后系统

许多工业对象可近似为一阶惯性环节+纯滞后
微分方程
传递函数
阶跃响应
【插入图片:一阶+纯滞后系统的阶跃响应曲线,标注

应用:直接蒸汽加热器

系统描述
  • 控制蒸汽流量 来调节出口液体温度
  • 考虑蒸汽阀到加热器入口的距离产生时滞
【插入图片:直接蒸汽加热器示意图】
微分方程
传递函数(调节通道):
  • 无时滞:
  • 有时滞:

2. 分布参数(Distributed Parameter)

定义

🌡️
分布参数对象:被控变量与物理空间位置分布相关,建模时采用偏微分方程描述。

应用示例:金属壁传热

物理模型
  • 金属平板,面积 ,壁厚方向热量传递
  • 两侧壁面温度:
  • 壁内温度:(随时间和空间变化)
【插入图片:金属壁传热原理示意图,标注薄层XY和温度梯度】
能量平衡(薄层XY):
输入热量:
输出热量:
积聚热量:
偏微分方程模型
其中 为导热系数(W/(m·K))

3. 积分环节

定义

积分特性:只要有一个增量不为零的输入作用于对象,其输出就会无限制地增加;只有当输入增量为零时,输出才会稳定在某个值上。

应用示例:储槽液位控制

系统描述
  • 出口装有正位移泵(流量恒定)
  • 液位变化仅与注入流量 相关
notion image
微分方程
传递函数
阶跃响应:输入阶跃信号后,液位呈线性上升,直到输入恢复为零。
notion image

4. 高阶系统

定义

一般称三阶或更高阶的方程为高阶方程,相应的对象称为高阶对象

降阶近似

📉
工程简化策略
  • 对于稳定系统,高阶系统的单位阶跃响应与二阶系统相似
  • 常用一阶+纯滞后近似二阶或更高阶对象
蓝色的曲线为一阶+纯滞后;红色的曲线为原高阶对象
蓝色的曲线为一阶+纯滞后;红色的曲线为原高阶对象
近似传递函数
其中:
  • :等效纯滞后时间
  • :等效时间常数
  • :稳态增益
通过阶跃响应曲线的切线法可确定这些参数。

控制系统其他环节的数学模型

控制系统组成示意图。虚线框内为控制器
控制系统组成示意图。虚线框内为控制器
很多情况下在控制系统设计时,可以将执行机构、测量元件与对象考虑在一起,成为广义对象
notion image

控制器(Controller)

控制器是建立在计算机中的虚拟的算法;而执行机构、被控对象、测量元件等都是真实存在的物理结构,需要对他们的行为进行数学建模

PID控制器

🎛️
PID控制:控制器输出是对偏差 进行比例(P)积分(I)微分(D)的综合。
时域表达式
传递函数
notion image
离散化形式(用于数字控制):

测量元件(Sensor)

示例:热电阻测温元件

原理:热电阻阻值 与温度 存在一一对应关系。
无保护套管的热电阻
无保护套管的热电阻
有保护套管的热电阻
有保护套管的热电阻
无保护套管(一阶系统):
有保护套管(二阶系统):
其中:
  • :时间常数
  • :热阻
  • :热容

执行机构(Actuator)

示例:薄膜式气动控制阀

结构
  • 上部:薄膜式气室、刚性弹簧
  • 下部:阀体
notion image
数学模型
若阀体呈线性特性,则:
简化为一阶系统:
小到可忽略,近似为比例环节

小结

关键要点
  1. 线性化:用泰勒级数展开,保留一阶项,在小偏移量范围内有效
  1. 纯滞后,常见于传输过程
  1. 分布参数:用偏微分方程描述,如热传导
  1. 积分环节,输出无限增长直到输入为零
  1. 高阶系统:可用一阶+纯滞后近似
  1. 各环节建模方法本质相同:都基于物理定律(能量守恒、牛顿定律等)
有了控制系统各环节的数学模型,就可以基于模型(微分方程、传递函数、状态方程等)进行系统整体分析控制系统设计
Loading...