Zavod za robotiku i automatizaciju proizvodnih sustava

Katedra za strojarsku automatiku
OP
´
CA TEORIJA SUSTAVA
Robusno upravljanje: MDS sustav
SEMINARSKI RAD
Danijel Mateˇsi´c
Zagreb, 2008.
Sadrˇzaj
Sadrˇzaj ii
Popis slika iv
Popis tablica vi
Popis oznaka 1
1. Uvod 1
1.1. Prijenosne funkcije sustava u zatvorenoj sprezi . . . . . . . . . . . . 6
1.2. LFT: Linearna transformacija razlomka . . . . . . . . . . . . . . . . 8
1.3. Pojam robusnosti i greˇska modeliranja . . . . . . . . . . . . . . . . 10
1.4. Robusna stabilnost . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5. Robusna performansa . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6. Pregled zakona za stabilnost i performansu . . . . . . . . . . . . . . 16
1.7. Povezanost stabilnosti i performanse SISO sustava . . . . . . . . . . 17
1.8. Strukturirana singularna vrijednost . . . . . . . . . . . . . . . . . . 18
1.9. Analiza robsne performanse koriˇstenjem SSV . . . . . . . . . . . . . 20
1.10. H

upravljanje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2. Formulacija problema 25
2.1. Objekt upravljanja . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3. Frekvencijska analiza 33
3.1. Sinteza regulacijskog kruga . . . . . . . . . . . . . . . . . . . . . . . 33
ii
SADR
ˇ
ZAJ iii
3.1.1. Nominalna stabilnost i performanse . . . . . . . . . . . . . . 34
3.1.2. Robusna stabilnost . . . . . . . . . . . . . . . . . . . . . . . 35
3.1.3. Povezanost modela . . . . . . . . . . . . . . . . . . . . . . . 37
4. Suboptimalni H

regulator 39
5. Analiza zatvorenog sustava sa regulatorom 42
6. Zakljuˇcak 50
7. Matlab kodovi 52
7.1. Prilog A - Matlab kodovi . . . . . . . . . . . . . . . . . . . . . . . . 52
7.1.1. Prilog A-1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
7.1.2. Prilog: Frekvencijska karakteristika . . . . . . . . . . . . . . 54
7.1.3. Prilog: Teˇzinske funkcije . . . . . . . . . . . . . . . . . . . . 54
7.1.4. Prilog: Otvoreni sustav . . . . . . . . . . . . . . . . . . . . . 55
7.2. Prilog B-(Sub)Optimalni H

regulator . . . . . . . . . . . . . . . . 57
7.3. Prilog B-(Sub)Optimalni H

regulator . . . . . . . . . . . . . . . . 57
7.4. Prilog C Analiza robusnosti . . . . . . . . . . . . . . . . . . . . . . 58
7.5. Prilog D Analiza nominalne i robusne performanse . . . . . . . . . 59
7.6. Prilog E Analiza robusnosti MDS sustava na referencu i poreme´caj 60
Literatura 61
Popis slika
1.1 Struktura regulacijskog kruga. . . . . . . . . . . . . . . . . . . . . . 2
1.2 Interna stabilnost regulacijskog kruga. . . . . . . . . . . . . . . . . 5
1.3 Sustav sa povratnom spregom . . . . . . . . . . . . . . . . . . . . . 8
1.4 Tipiˇcan izgled teˇzinske funkcije ω
P
(gore), moduli teˇzinske i funkcije
osjetljivosti (sredina) i krive performanse (dolje) . . . . . . . . . . . 9
1.5 Prijenosne funkcije kao linearne transformacije razlomka - LFT . . . 9
1.6 Multiplikativna (lijevo) i aditivna (desno) skupna greˇska modeliranja 10
1.7 Sustav u zatvorenoj petlji sa multiplikativnom greˇskom modeliranja 13
1.8 Krivulja prijenosne funkcije L
p
. . . . . . . . . . . . . . . . . . . . . 13
1.9 Strukture MIMO sustava za: (a)-sintezu regulatora, (b)- analizu
robusne performanse, (c)-analizu robusne stabilnosti . . . . . . . . . 13
1.10 Prikaz robusne performanse RP . . . . . . . . . . . . . . . . . . . . 16
1.11 Prikaz prevo¯ denja analize robusne performanse na analizu robusne
stabilnosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.12 Prikaz skaliranja matricom D . . . . . . . . . . . . . . . . . . . . . 19
1.13 Struktura sustava za analizu robusne performanse . . . . . . . . . . 20
1.14 Izjednaˇcavanje zakona za robusnu stabilnost i performansu . . . . . 21
1.15 Struktura modela H

optimalnog upravljanja . . . . . . . . . . . . 22
2.1 MDS sustav . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Blok dijagram MDS sustava . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Reprezentacija nepoznatih parametara kroz Linearne transformacije 28
2.4 Blok dijagram MDS sustava sa nepoznatim parametrima . . . . . . 28
iv
POPIS SLIKA v
2.5 Ulazno izlazni blok dijagram MDS sustava . . . . . . . . . . . . . . 30
2.6 Rjeˇsenje G
mds
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.7 Linearna reprezentacija MDS sustava sa ukljuˇcenom matricom . 32
3.1 Frekvencijska karakteristika perturbiranih modela . . . . . . . . . . 34
3.2 Struktura zatvorenog kruga . . . . . . . . . . . . . . . . . . . . . . 35
3.3 Singularne vrijednosti 1/w
p
. . . . . . . . . . . . . . . . . . . . . . 36
3.4 Struktura otvorene petlje . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5 Prikaz poop´cenog otvorenog sustava . . . . . . . . . . . . . . . . . . 38
3.6 Struktura zatvorene petlje . . . . . . . . . . . . . . . . . . . . . . . 38
4.1 Struktura zatvorene petlje H

regulatora . . . . . . . . . . . . . . . 39
4.2 Dobiveni rezultati (sub)optimalnog kontrolera . . . . . . . . . . . . 41
5.1 Singularne vrijednosti regulacijskog kruga sa K
hin
. . . . . . . . . . 43
5.2 Osjetna funkcija sa K
hin
. . . . . . . . . . . . . . . . . . . . . . . . 44
5.3 Robusna analiza stabilnosti regulatora K
hin
. . . . . . . . . . . . . 45
5.4 Robusna i nominalna performansa K
hin
. . . . . . . . . . . . . . . . 47
5.5 Odziv sustava na Step pobudu K
hin
. . . . . . . . . . . . . . . . . . 48
5.6 Odziv sustava na poreme´caj K
hin
. . . . . . . . . . . . . . . . . . . 49
Popis tablica
1.1 Prikaz zakona za stabilnost i performansu . . . . . . . . . . . . . . 16
vi
Poglavlje 1.
Uvod
Tema ovog seminarskog rada je analiza stabilnosti mehaniˇckog MDS sustava
primjenom robusnog upravljanja. Mnogi problemi koji se javljaju u teoriji uprav-
ljanja mehaniˇckim sustavima, upravljivi su u smislu poznavanja matematiˇckog
modela sustava iz kojega se izvodi zakon upravljanja za zadani tip objekta uprav-
ljanja. Suvremene metode upravljana zasnivaju se na prevo¯ denju izrazito nelinear-
nih modela u ekvivalentne linearne modele metodom eksterne linearizacije. Nakon
navedene transformacije primjenjuju se standardne metode sinteze linearnih sus-
tava. Nasuprot tome robusno upravljanje, uz poreme´cajnu veliˇcinu i nepoznavanje
modela sustava predstavlja samu srˇz teorije upravljanja. Robusno upravljanje se
poˇcelo prouˇcavati intenzivno od 1970 godine kada se ustanovilo da mnoge od po-
pularnih metoda upravljanja, kao ˇsto su optimalno LQR upravljanje, kontrolno
upravljanje observerom stanja vode do velike osjetljivosti takvih sustava na pore-
me´cajne veliˇcine. Moˇzemo re´ci da je nemodelirani dio sustava kritiˇcniji od npr.
poznavanja poreme´cajne veliˇcine, zato jer utjeˇce na stabilnost zatvorenog regu-
lacijskog sustava dok poreme´caj utjeˇce samo na performanse regulacijskog kruga
kojem je ve´c ustanovljena stabilnost.
Ako govorimo o pravom robusnom upravljanju prvi poˇceci poˇcinju 1980 -ih godina
prema Zamesu [5] i Francisu [6] i njihovoj, sada dobro poznatoj H

optimalnoj
teoriji [7],[2],[8],[14],[15],[1],[9], [10].
Svaki postupak projektiranja regulatora kre´ce od nekog modela procesa kojim se
1
Poglavlje 1. Uvod 2
upravlja. Najˇceˇs´ce su to jednostavni linearni stacionarni modeli, relativno niskog
reda, koji samo pribliˇzno opisuju ponaˇsanje realnog sustava. Ponaˇsanje sustava
moˇze biti opisivano za zadani reˇzim, za odre¯ dene vanjske uvjete i za ˇzeljeni frek-
vencijski opseg. Zakon upravljanja treba da bude robustan, odnosno da daje za-
dovoljavaju´ce rezultate i u sluˇcaju kad postoje razlike izme¯ du modela i realnog
procesa, a to je ono ˇsto se u praksi javlja najˇceˇs´ce.
Na slici 1.1 je prikazana regulacijska petlja procesa (gore) prema [14] i proces i
matematiˇcki model u regulacijskoj petlji (dolje).
Slika 1.1: Struktura regulacijskog kruga.
Ako sa S oznaˇcimo proces koji kontroliramo, sa K(s) matematiˇcki model line-
arnog regulatora, sa d vanjski poreme´caj, a sa G(s) linaerni matematiˇcki model
procesa u cilju da povratna sprega ostane nepromjenjena, moˇzemo pisati:
C(s) = K(s) [I +G(s)K(s)]
−1
(1.1)
gdje je f(s) = d(s) + [S −G(s)]
. .. .

u(s)
Poglavlje 1. Uvod 3
Sa je oznaˇcena nepoznati dio sustava ili nemodelirani dio. On nam govori da
matematiˇcki model nije egzaktna kopija procesa. Glavna razlika izme¯ du klasiˇcnog/
modernog upravljanja i robusnog upravljanja leˇzi u ˇcinjenici da je nemodeliranost
eksplicitno ukljuˇcena u hipotezu problema. Samim time, ako govorimo o robusnom
upravljanju, rijeˇc model nije jednaka rijeˇci sustav. Najlakˇse je to objasniti ovako.
Sustav se sastoji od skupa modela koji su vo¯ deni glavnim (nominalnim modelom)
i ograniˇcenom (limitiranom) . uvijek treba biti ograniˇcena jer ako bilo koji
regulator spojimo na potpuno nepoznati sustav uvijek postoji mogu´cnost da je u
zatvorenoj petlji on nestabilan. Bolje reˇceno, sa sigurnoˇs´cu je mogu´ce garantirati
stabilnost na modelu sa ograniˇcenom (limitiranom) . Glavni cilj robusne kontrole
je odrediti potreban broj konzervativnih uvjeta koji sa sigurnoˇs´cu odre¯ duju sta-
bilnost kruga kao i performanse nepoznatog modela (limitirani skup modela) koji
objaˇsnjavaju ponaˇsanje procesa. Kada se ta svojstva (stabilnost i performansa)
odnose na nominalni model nazivaju se nominalna stabilnost i performansa. Kada
se prethodno navedena svojstva odnose na cijeli skup modela ili nepoznati model
nazivaju se robusna stabilnost i performansa.
U klasiˇcnim SISO sustavima robusnost se postiˇze osiguranjem dobrog poja-
ˇcanje ograniˇcenih faznih karakteristika (phase margins). Sinteza regulatora koji
rezultira stabilnim ali ograniˇcenim faznim karakteristikama obiˇcno ima za poslje-
dicu dobivanja dobro priguˇsenog sustava, a samim time i performansi. Kada su
1960-ih razvijani multivarijabilni sustavi teˇznja se stavljala na dobre performanse
preko LQR kriterija iskljuˇcuju´ci robusnost sustava. U srˇzi postoje dvije kategorije
kontrolnih sustava. To su sustavi otvorene i sustavi zatvorene petlje (feedback).
Ve´cina industrijskih sustava su multivarijabilni sustavi (MIMO) sa snaˇznom spre-
gom (coupling) izme¯ du ”kanala” sustava.
Dinamika sustava je ˇcesto prikazana skupom diferencijalnih jednadˇzbi za otvoreni
ili zatvoreni sustav. Za vremenski invarijantne sustave, koji ´ce u ovom seminaru
biti obrazloˇzeni diferencijalne jednadˇzbe poprimaju linearnu osnovu u ˇcemu leˇzi i
bit, a to je da se nelinearni sustavi opisani nelinearnim jednadˇzbama preveslaju u
adekvatni linearni sustav na kojem se provodi sinteza. Svaki sustav se moˇze opisati
Poglavlje 1. Uvod 4
nizom jednadˇzbi:
˙ x = Ax(t) +Bu(t) (1.2)
y(t) = Cx(t) + Du(t) (1.3)
gdje je x(t) ∈ R
n
vektor stanja, u(t) ∈ R
m
vektor upravljanja, y(t) ∈ R
p
izlazni
(mjereni) vektor, a A, B, C, D su karakteristiˇcne matrice.
Ako pretpostavimo vremenski invarijantni sustav i poˇcetna stanja jednaka 0, u(t)=0
te koriˇstenjem Laplaceove transformacije jednadˇzbu (1.2) moˇzemo pisati kao pri-
jenosnu funkciju:
G(s) = C(sI −A)
−1
B + D (1.4)
koja zapisana u kra´coj formi kao matrica izgleda:
G(s) =

A
.
.
. B
. . . . . . . .
C
.
.
. D
¸
¸
¸
¸
(1.5)
Bitno je znati da je H

pristup fazno frekvencijska metoda (FFK), a za sustav
opisan jednadˇzbama (1.2) se podrazumijeva da je potpuno kontrolabilan i obser-
vabilan. Ako gledamo sa stanoviˇsta stabilnosti, povratna petlja ´ce ublaˇziti utjecaj
poreme´caja uslijed nemodeliranog modela i osigurati ˇzeljene performanse.
Isto tako neprimjeren regulator moˇze djelovati destabiliziraju´ce u zatvorenom regu-
lacijskom krugu iako je za otvorenu petlju primjeren. Za sustav opisan prijenosnom
funkcijom kaˇzemo da je stabilan ako za ograniˇcenu vrijednost upravljaˇcke varijable
daje ograniˇceni izlaz. Poznat je pod nazivom BIBO system (Bounded input Boun-
ded output). Ograniˇcenja su obiˇcno dana npr. iznosima napona, hodom cilindra,
kutom zakreta itd. Za naˇs sustav opisan jednadˇzbom (1.2) kaˇzemo da je stabilan
ako su polovi karakteristiˇcne jednadˇzbe u lijevoj polovici kompleksne ravnine sa
negativnim realnim dijelovima.
Isto tako za naˇs model moˇzemo definirati i asimptotsku stabilnost ako za bilo
koja inicijalna stanja i u(t) = 0 sustav konvergira vrijednosti 0. Za vremenski
invarijantni sustav opisan (1.2) sustav je asimptotski stabilan ako i samo ako su
svojstvene vrijednosti matrice A u lijevoj polovici kompleksne ravnine sa pozitiv-
nim realnim dijelovima.
Poglavlje 1. Uvod 5
Asimptotska stabilnost implicira i BIBO stabilnost ali ne i obrnuto. Ako je pro-
vedena minimalna realizacija A, B, C, D matrica onda BIBO stabilnost implicira
asimptotsku stabilnost. Gore opisane stabilnosti su uvjetovane za zatvorene i otvo-
rene regulacijske krugove.
Ako gledamo samo zatvoreni regulacijski krug mnogo je vaˇznija unutraˇsnja (in-
terna) stabilnost (internal stability) koja je predstavljena asimptotskom stabil-
noˇs´cu svih ulazno - izlaznih parova. Na slici 1.2 je prikazana struktura kao i zakon
unutarnje stabilnosti.
Slika 1.2: Interna stabilnost regulacijskog kruga.
Ako piˇsemo prijenosne funkcije:
T
yd
= G(I +KG)
−1
(1.6)
T
ur
= K(I + GK)
−1
(1.7)
T
ud
=
K
G(I +KG)
−1
(1.8)
(1.9)
moˇzemo re´ci daj je prijenosna funkcija u matriˇcnoj formi M interno stabilna od
¸
r
d
¸
do
¸
y
u
¸
prema [14] kako slijedi:
M =
¸
GK(I + GK)
−1
G(I + KG)
−1
K(I +GK)
−1
−KG(I + KG)
−1
¸
(1.10)
Poglavlje 1. Uvod 6
Ako navedenu jednadˇzbu (1.10) napiˇsemo kroz oblik svojstvenih vrijednosti dobi-
vamo funkciju za internu stabinost sustava prema jednadˇzbi (1.12)
ˆ
M =
¸
I −GK(I +GK)
−1
G(I +KG)
−1
K(I +GK)
−1
I −KG(I +KG)
−1
¸
(1.11)
ˆ
M =
¸
I −G
−K I
¸
−1
(1.12)
Isto tako prema [3] ako nema kra´cenja nestabilnih nula polova izme¯ du G i K,
tada bilo koja od 4 prijenosne funkcije koja je BIBO stabilna garantira internu
stabilnost cjelokupnog sustava.
1.1. Prijenosne funkcije sustava u zatvorenoj sprezi
Prema slici 1.3 moˇzemo pisati sljede´ce:
y = (I +GK)
−1
GK
. .. .
T
·r + (I +GK)
−1
. .. .
S
G
d
· d −(I +GK)
−1
GK
. .. .
T
·n (1.13)
U gornjoj jednadˇzbi L = GK predstavlja prijenosnu povratnu funkciju prema
[14] ,[13].
S = (I +GK)
−1
= (I + L)
−1
je tzv. funkcija osjetljivosti, dok je
T = (I + GK)
−1
GK = (I + L)
−1
L komplementarna funkcija osjetljivosti. Greˇska
upravljanja je dana sa:
e = y −r = −S · r + SG
d
· d −T · n (1.14)
U sluˇcaju kada imamo opis sustava bez povratne sprege imamo:
y = GK · r +G
d
· d + 0 · n (1.15)
Ako usporedimo jednadˇzbe (1.13) i (1.15) vidimo da se odziv na referencu i pore-
me´caj razlikuje za faktor S u odnosu na sustav s povratnom spregom, pa moˇzemo
re´ci da ova funkcija predstavlja mjeru smanjenja osjetljivosti izlaza sustava nakon
zatvaranja povratne sprege. Iz jednadˇzbe (1.14) se vidi da S predstavlja funkciju
Poglavlje 1. Uvod 7
prijenosa od r do e ili od −d do e za sluˇcaj kada je G
d
= 1 odnosno osjetljivost
sustava na promjenu reference ili djelovanje poreme´caja na izlazu. S obzirom da
je:
S + T = I (1.16)
dobili smo komplementarnu funkciju osjetljivosti.
Funkcija osjetljivosti dobar je pokazatelj ponaˇsanja sustava u zatvorenoj sprezi.
Tipiˇcan izgled amplitudne karakteristike povratne sprege je da ona ima visoke
vrijednosti na niskim frekvencijama i da opada s porastom frekvencije. S obzi-
rom da je S = (I + L)
−1
, |S(jω)| ima VF amlitudnu karakteristiku. Vrijednost
funkcije osjetljivosti na vrijednosti ω = 0 karakterizira ponaˇsanje u stacionarnom
stanju, jer je greˇska pra´cenja reference S(0)r
0
, a greˇska u odbacivanju poreme´caja
S(0)G
d
(0)d
0
, gdje je r
0
= r(s = 0) i d
0
= d(s = 0). Frekvencija pri kojoj funkcija
osjetljivosti dostiˇze vrijednost 0.7 moˇze se smatrati kao indikator frekvencijskog
opsega u kojem je sustav u stanju da uspjeˇsno prati referentni signal i odbacuje
poreme´caje. Maksimalna vrijednost S(jω) po frekvencijama se oznaˇcava sa M
s
i
predstavlja reciproˇcnu vrijednost najmanje udaljenosti grafa funkcije spregnutog
prijenosa L(jω) od kritiˇcne toˇcke −1.
Prema tome, M
S
je mjera robusnosti sustava. Bolje reˇceno, sustav je robusniji
ukoliko je ova vrijednost manja. U skladu sa gore navedenim, ˇzeljene karakte-
ristike sustava u zatvorenoj sprezi mogu se specificirati preko oblika amplitudne
karakteristike funkcije osjetljivosti. To npr. radimo tako ako definiramo funkciju
za ˇzeljenu performansu sustava kao:
w
p
(s) =
s
M
s
+ w
B
s +w
B
A
, (1.17)
prema jednadˇzbi (1.17) zakon glasi:
|S(jω)| < 1/|w
p
(jω)|, ∀ω ⇐⇒w
p
S

< 1 (1.18)
i ekvivalentan je zahtjevu da vrijednost amplitudne funkcije osjetljivosti bude ma-
nja od A na niskim odnosno od M
S
na visokim frekvencijama i da ne dostigne
vrijednost ve´cu od 1 bar do vrijednosti odre¯ dene sa w
B
. Na ovaj naˇcin definira
se ˇzeljeno ponaˇsanje sustava u stacionarnom stanju, njegova robusnost i propusni
Poglavlje 1. Uvod 8
opseg.
Na slici 1.4 je prikazan tipiˇcan izgled amplitudne karakteristike teˇzinske funkcije
za performansu, i jedan primjer u kojem |S| ne zadovoljava postavljene zahtjeve,
odnosno prelazi postavljenu gornju granicu, ˇsto se vidi i iz krive performanse (am-
plituda proizvoda teˇzinske i funkcije osjetljivosti) ˇciji je maksimum ve´ci od 1
Slika 1.3: Sustav sa povratnom spregom
1.2. LFT: Linearna transformacija razlomka
Linearna transformacija razlomka se provodi prema [13], kao i prema [4]. Neka
je matrica P, dimenzija (n
1
+ n
2
) ×(m
1
+m
2
) dana sa
P =
¸
P
11
P
12
P
21
P
22
¸
(1.19)
i neka su matrice i K dimenzija m
1
× n
1
i m
2
× n
2
. Donja i gornja linearna
transformacija razlomka (LFT) dane su sljede´cim izrazima:
F
l
(P, K) = P
11
+P
12
K(I −P
22
K)
−1
P
21
(1.20)
F
u
(P, ) = P
22
+P
21
(I −P
1
1)
−1
P
12
(1.21)
pri ˇcemu se indeksi l i p odnose na donju (eng. lower) i gornju (eng. upper) LFT.
Duˇza procedura dobivanja LFT objaˇsnjena je u [4].
Na slici 1.5 se vidi smisao ovakve LFT.
R
1
= F
l
(P, K) je prijenosna funkcija koja se dobije zatvaranjem pozitivne povratne
Poglavlje 1. Uvod 9
Slika 1.4: Tipiˇcan izgled teˇzinske funkcije ω
P
(gore), moduli teˇzinske i funkcije
osjetljivosti (sredina) i krive performanse (dolje)
sprege sa regulatorom K oko donjeg dijela matrice P (od posljednjih m
2
izlaza do
posljednjih n
2
ulaza), dok je R
2
= F
u
(P, ) rezultat zatvaranja pozitivne povratne
sprege preko oko gornjeg dijela P
Slika 1.5: Prijenosne funkcije kao linearne transformacije razlomka - LFT
Poglavlje 1. Uvod 10
1.3. Pojam robusnosti i greˇska modeliranja
Dinamiˇcko ponaˇsanje realnog procesa teˇsko je predstaviti jedinstvenim line-
arnim modelom. Zbog toga se uvodi skup perturbiranih modela Π pri ˇcemu se
smatra da se ponaˇsanje procesa u bilo kojem trenutku moˇze kvalitetno aproksi-
mirati nekom funkcijom G
p
iz tog skupa. Greˇske mogu biti parametarske, uslijed
nemodelirane ili zanemarene dinamike i skupne.
Najˇceˇs´ce se koristi skupna metoda predstavljanja greˇske modeliranja u multi-
plikativnoj ili aditivnoj varijanti, prikazanoj na slici 1.6.
Slika 1.6: Multiplikativna (lijevo) i aditivna (desno) skupna greˇska modeliranja
Na gornjoj slici 1.6 G predstavlja tzv. nominalni model. On se bira tako da
odstupanje funkcija iz skupa Π od tog modela bude ˇsto manje. Kao mjera odstu-
panja uzima se modulo razlike frekvencijskih odziva |G(jω)| − G
p
(jω)|. Tipiˇcan
naˇcin za odre¯ divanje nominalnog modela je pronalaˇzenje srednjih vrijednosti para-
metara perturbiranih modela. Perturbrane prijenosne funkcije za multiplikativnu,
odnosno aditivnu greˇsku modeliranja dane su sljede´cim izrazima:
G
p
(s) = G(s)(1 + w
m
(s) · (s)), |(jω)| ≤ 1
G
p
(s) = G(s) +w
a
(s) · (s), |(jω)| ≤ 1 (1.22)
U izrazu 1.22 (s) predstavlja bilo koju stabilnu prijenosnu funkciju ˇcija je
amplitudna frekvencijska karakteristika za svaku vrijednost manja od 1. U kom-
pleksnoj ravnini ona se moˇze predstaviti jediniˇcnim krugom, tako da se skup per-
turbiranih prijenosnih funkcija za nekoj frekvenciji ω moˇze predstaviti krugom
Poglavlje 1. Uvod 11
radijusa G(jω) · w
m
(jω) za multiplikativnu, odnosno w
a
(jω) za aditivnu greˇsku
modeliranja, sa centrom u toˇcki G(jω). Ovaj naˇcin predstavljanja greˇske modeli-
ranja je oˇcigledno nestrukturiran, s obzirom da ne postoje nikakva ograniˇcenja u
pogledu strukture funkcije (s).
Teˇzinske funkcije w
a
(s) i w
m
(s) biraju se tako da budu obuhva´ceni svi modeli iz
skupa Π.
Pri tome su bitni samo moduli ovih teˇzinskih funkcija, jer su varijacije u funkciji
pokrivene funkcijom (s). Stoga se bez gubitka opstojnosti moˇze re´ci da su one
stabilne i minimalne faze. Isto tako prema jednadˇzbi (1.23)
w
a
(s) = G(s)w
m
(s) (1.23)
vidimo da su aditivna i multiplikativna greˇska modeliranja ekvivalentne, jer je
uvijek mogu´ce svesti jedan oblik na drugi.
Iz tog razloga, daljnje razmatranje ´ce biti ograniˇceno na multiplikativnu vari-
jantu skupne greˇske modeliranja.
Polaze´ci od skupa perturbiranih modela Π i nominalnog modela G(s) teˇzinska
funkcija w
m
(s) moˇze se dobiti tako da se na svakoj frekvenciji prona¯ de maksimalno
odstupanje perturbiranih modela od nominalnog
l(ω) = max
G
P
∈Π

G
p
(jω) −G(jω)
G(jω)

, (1.24)
a zatim se ova gornja granica aproksimira racionalnom kompleksnom funkcijom
w
m
(s) tako da se zadovolji:
|w
m
(jω)| ≥ l(ω), ∀ω (1.25)
Zbog jednostavnosti se najˇceˇs´ce usvaja da je funkcija w
m
(s) prvog reda, u obliku
w
m
(s) =
τ · s +r
0
τ·s
r

+ 1
(1.26)
gdje su r
0
i r

vrijednosti greˇske modeliranja na niskim i na visokim frekvencijama,
a 1/τ je frekvencija na kojoj greˇska modeliranja dostiˇze 100%
Poglavlje 1. Uvod 12
1.4. Robusna stabilnost
Sustav u povratnoj sprezi je robusno stabilan ako je s datim regulatorom sta-
bilan svaki od perturbiranih modela. Ako se greˇska modeliranja predstavi u multi-
plikativnoj formi, sustav u zatvorenoj sprezi ima izgled kao na slici 1.7. Prijenosna
funkcija sustava izgleda
L
p
= G
p
K = GK(1 +w
m
) = L + w
m
L, |(jω)| ≤ 1, ∀ω. (1.27)
Uz pretpostavku da je nominalni sustav stabilan i da je svako L
p
stabilno, robusna
stabilnost svodi se na to da je sustav stabilan za svako L
p
. Prema Nyquistovom
kriteriju, ovo ´ce biti zadovoljeno ako nijedno L
p
ne obuhvati toˇcku −1 u komplek-
snoj ravnini.
Prema slici 1.8 | −1 −L| = |1 +L| je udaljenost od toˇcke −1 do centra kruga koji
predstavlja L
p
, a |w
m
L| je radijus ovog kruga.
Kako L
p
ne smije obuhvatiti toˇcku −1, najmanja udaljenost od granice kruga
do ove toˇcke mora biti pozitivna, ˇsto je ekvivalentno sa:
|w
m
L| < |1 +L|, ∀ω ⇐⇒

w
m
L
1 +w
m
L

< 1, ∀ω (1.28)
⇐⇒|w
m
T| < 1, ∀ω, ⇐⇒w
m
T

< 1, ∀ω (1.29)
Prema tome, da bi sustav bio robusno stabilan, modulo komplementarne funk-
cije osjetljivosti mora se uˇciniti malim na frekvencijama na kojima je greˇska mo-
deliranja velika. Prethodni zakon je dovoljan i potreban samo u sluˇcaju kada su
na svakoj frekvenciji zaista mogu´ci svi perturbirani modeli za koje je |(jω)| < 1.
Ukoliko je opis greˇske modeliranja konzervativan, u smislu da ukljuˇcuje i neke
perturbirane funkcije prijenosa koje se ne´ce javiti u realnom procesu, samo zakon
(1.28) je dovoljan.
Pri analizi MIMO sustava ˇcesto se koristi neka od struktura prikazanih na slici
1.9.
Shema (a) na slici 1.9 je pogodna za analizu regulatora K. Ovdje v predstavlja
mjerenja koje se koriste za generiranje upravljanja u. y

i u

su ulaz i izlaz iz
Poglavlje 1. Uvod 13
Slika 1.7: Sustav u zatvorenoj petlji sa multiplikativnom greˇskom modeliranja
Slika 1.8: Krivulja prijenosne funkcije L
p
Slika 1.9: Strukture MIMO sustava za: (a)-sintezu regulatora, (b)- analizu robusne
performanse, (c)-analizu robusne stabilnosti
Poglavlje 1. Uvod 14
bloka perturbacije .
Uslijed djelovanja reference i poreme´caja, predstavljenih signalom w, javlja se gre-
ˇska z koju treba minimizirati.
P je tzv. poop´ceni proces. U njega su ukljuˇcene teˇzinske funkcije za greˇsku modeli-
ranja i ˇzeljenu performansu, pa se shodno tome uzima da H

norma perturbacione
matrice nije ve´ca od 1. Pretpostavimo da je sistem sa slike 1.9 (b) nominalno sta-
bilan, ˇsto je ekvivalentno internoj stabilnosti sistema N, i da je perturbacija
tako¯ der stabilna. Kako je:
F
u
(N, ) = N
22
+N
21
(I −N
11
)
−1
N
12
(1.30)
i s obzirom da su N
22
, N
12
, N
21
i po pretpostavci stabilni, jedini izvor eventalne
nestabilnosti funkcije F
u
(N, ) je ˇclan (I −N
1
1)
−1
. Prema tome, pod pretpos-
tavkom nominalne stabilnosti, zakoni stabilnosti sa slika (b) i (c) na prikazu 1.9 su
isti, pri ˇcemu je M = N
11
. Shema sa slike 1.9(c) se naziva M strukturom.
Moˇze se pokazati da zakon stabilnosti M strukture zavisi od osobina matrice
. Iako je matrica puna, odnosno ako ne postoje nikakva ograniˇcenja u pogledu
njene strukture, onda je sistem sa slike stabilan ako i samo ako σ(M) < 1.
Ako promatramo stabilnost, najnepovoljniji je sluˇcaj kada se izabere tako da
bude σ() = 1 (najve´ca perturbacija), a da vektor y

ima pravac maksimalnog
pojaˇcanja matrice M, a koje se moˇze posti´ci jer pri izboru nema nikakvih
ograniˇcenja. Kada bi signal y

bio pojaˇcan pri prolasku kroz M, odnosno kada bi
σ(M) > 1, moduli oba signala bi rasli i dostigli proizvoljno velike vrijednosti, pa
sustav oˇcigledno ne bi bio stabilan. To znaˇci da mora biti σ(M) < 1. Sa druge
strane ako je δ kompleksni skalar i ako je = δI onda se zakon stabilnosti svodi
na ρ(M) < 1 pri ˇcemu je ρ spektralni radijus, odnosno maksimalna karakteristiˇcna
vrijednost matrice M
Kao i maloprije, najnepovoljniji sluˇcaj je kada je σ() = 1 odnosno |δ| = 1, s
obzirom da je dijagonalna matrica.
M struktura se sada svodi na sustav s jediniˇcnom povratnom spregom. Zakon
stabilnosti iz Nyquiatovog kriterija za sluˇcaj MIMO sustava koji kaˇze da je sustav
stabilan ako i samo ako karakteristiˇcne vrijednosti ne obuhva´caju kritiˇcnu toˇcku.
U ovom sluˇcaju ta je toˇcka 1, s obzirom da je povratna sprega pozitivna (minus je
Poglavlje 1. Uvod 15
ukljuˇcen u funkciju M).
Prema tome. zakon stabilnosti je ρ(M) < 1.
1.5. Robusna performansa
Za SISO sluˇcaj zakon nominalne performanse glasi:
|w
p
S| < 1, ∀ω ⇐⇒|w
p
| < (1 +L), ∀ω. (1.31)
Ako znamo da je |1 + L| na danoj frekvenciji ω udaljenost od L(jω) do toˇcke
−1 u kompleksnoj ravnini, nominalna performansa se postiˇze ako je udaljenost od
L(jω) do −1 ve´ca od |w
p
(jω)|, odnosno ako se L(jω) na svim frekvencijama nalazi
izvan kruga radijusa |w
p
(jω)| sa centrom u −1.
U sluˇcaju robusne performanse, gornji zakon mora biti zadovoljen za svaki od
perturbiranih modela:
RP ⇐⇒|w
p
S
p
| < 1, ∀S
p
, ∀ω (1.32)
Drugim rijeˇcima, svako L
p
(jω) se na svojim frekvencijama mora nalaziti izvan
kruga radijusa |w
p
(jω)| sa centrom u −1. Prema slici 1.10 ovaj zakon se svodi na:
RP ⇐⇒|w
p
| +|w
m
L| < |1 +L|, ∀ω, (1.33)
⇐⇒|w
p
(1 +L)
−1
| +|w
m
L(1 +L)
−1
| < 1, ∀ω, (1.34)
⇐⇒max
ω
(|w
p
S| +|w
m
T|) < 1. (1.35)
Za MIMO sluˇcaj za dani regulator K, analiza robusne performanse se izvodi
na osnovu strukturne sheme na slici 1.9 (b). Ovdje je N = F
l
(P, K), a zakon
za robusnom performansom je da je prijenosna funkcija od w do z manja od 1,
odnosno F
u
(N, )

< 1. Naime, prijenosna funkcija od ulaza w (poreme´caj
ili referenca) do signala greˇske z je zapravo normalizirana funkcija osjetljivosti
w
p
S, gdje je w
p
teˇzinska funkcija kojom se specificira ˇzeljena performansa (ˆ e i d
odgovaraju signalima z i w).
Poglavlje 1. Uvod 16
Slika 1.10: Prikaz robusne performanse RP
Tablica 1.1: Prikaz zakona za stabilnost i performansu
Ako je σ(w
p
S
p
) < 1 za svaku perturbaciju ˇcija H

norma nije ve´ca od 1, sustav
ima robusnu performansu.
Me¯ dutim, moˇze se pokazati da je prethodni zakon mogu´ce zadovoljiti i za nes-
tabilni sustav, pa se mora uvesti pretpostavka o nominalnoj stabilnosti. Dakle,
sustav ima robusnu performansu ako je nominalno stabilan i ako je σ(w
p
S
p
) < 1
za svako

≤ 1
1.6. Pregled zakona za stabilnost i performansu
U tablici 1.6. je dan prikaz zakona robusnosti i performanse za SISO i MIMO
sustave izvedenih prema slikama 1.7 i 1.9.
Poglavlje 1. Uvod 17
1.7. Povezanost stabilnosti i performanse SISO
sustava
Analiza robusne performanse SISO sustava moˇze se povezati sa analizom
robusne stabilnosti. Prikaz na slici 1.11 daje objaˇsnjenje prethodno navedene tvrd-
nje.
Slika 1.11: Prikaz prevo¯ denja analize robusne performanse na analizu robusne
stabilnosti
Ako znamo da funkcija osjetljivosti S predstavlja prijenosnu funkciju od po-
reme´caja na izlazu do greˇske koja je jednaka izlazu, s obzirom da je referenca
nula. Za sustav sa slike 1.11 (a) zakonitost robusne performanse je |w
p
S| < 1,
odnosno |ˆ y|/|d| < 1. Ako je sustav sa slike 1.11 (b) robusno stabilan za svako
|
m
| < 1 i |
p
| < 1, onda je odnos amplituda signala ˆ y i d sigurno manji od 1, jer
je |d| = |
p
ˆ y| < |ˆ y|.
Prema tome, sustav sa slike 1.11 (a) zadovoljava zakon robusne performanse ako i
samo ako je sustav sa slike 1.11 (b) robusno stabilan.
Poglavlje 1. Uvod 18
1.8. Strukturirana singularna vrijednost
SSV je detljno obra¯ dena u [14]. U poglavlju 1.4. je pokazano da stabilnost
M sa slike 1.9 (c) zavisi od oblika matrice i izvedeni su odgovaraju´ci zakoni
stabilnosti kada je ona puna, odnosno dijagonalna. U oba sluˇcaja je taj zakon
dan kao gornja granica, u prvom maksimalne singularne vrijednosti, a u drugom
spektralnog radijusa. Karakteristiˇcne vrijednosti predstavljaju pojaˇcanja sustava
u pravcu karakteristiˇcnih vektora, pa spektralni radijus sigurno nije ve´ci od mak-
simalne singularne vrijednosti koja predstavlja najve´ce mogu´ce pojaˇcanje sustava.
Teorijski, odnos izme¯ du ove dvije vrijednosti moˇze biti proizvoljno veliki, pa je
oˇcigledno da struktura matrice igra vaˇznu ulogu u stabilnosti sustava koji je
predstavljen M strukturom. Kada ona nije dijagonalna ni puna, ve´c ima blok
dijagonalnu strukturu, ni jedan od gornjih uvjeta nije primjenjiv. ρ(M) < 1 je
suviˇse slab, a σ(M) < 1 je proizvoljno konzervativan. Zbog toga se uvodi pojam
strukturirane singularne vrijednosti.
Neka je M kompleksna matrica i neka = diag{
i
} oznaˇcava skup kompleksih
matrica date dijagonalne blok strukture, pri ˇcemu je σ() < 1. Strukturirana
singularna vrijednost µ

(M) je relativna nenegativna funkcija definirana sa:
µ

(M) =
1
min{k
m
|det(I −k
m
M) = 0}
(1.36)
Ako ne postoji ni jedna matrica iz skupa takva da je mogu´ce prona´ci k
m
iz
gornje relacije, usvaja se µ

(M) = 0.
Ako se za veliˇcinu perturbacije primjeni njena maksimalna singularna vri-
jednost, onda se SSV zapravo odnosi na najmanju perturbaciju koja sustav dovodi
na granicu nestabilnosti.
Drugim rijeˇcima, µ

(M) = 1/σ(
min
), gdje je
min
najmanja perturbacija koja
zadovoljava zakon det(I −M
min
) = 0. Sustav koji nije robustan postati ´ce nes-
tabilan pri malim perturbacijama, pa je SSV ovog sustava velika. Prema tome,
veliˇcina SSV je obrnuto proporcionalna stupnju robusnosti sustava. U postavci
problema stabilnosti M je pretpostavljeno da iznosi σ() ≤ 1.
Ako se sustav moˇze destabilizirati jedino perturbacijama koje su ve´ce od 1, onda
je on oˇcigledno robusno stabilan, jer se takve perturbacije ne´ce javiti na realnom
Poglavlje 1. Uvod 19
procesu. Prema tome, pod pretpostavkom stabilnosti nominalnog sustava M i
perturbacije , zakon robusne stabilnosti se svodi na:
µ

(M(jω)) < 1, ∀ω, (1.37)
pri ˇcemu je struktura perturbacija fiksirana i unaprijed odre¯ dena, a njena maksi-
malna singularna vrijednost nije ve´ca od 1.
Iz definicije SSV slijedi da je:
ρ(M) ≤ µ

(M) ≤ σ(M), (1.38)
pri ˇcemu je ρ(M) = µ

(M) za dijagonalnu matricu perturbacije,
a µ

(M) = σ(M) kada je ona puna. Bolje reˇceno, SSV uzima u obzir i strukturu
bloka , ˇsto je istaknuto indeksom u njenoj oznaci. Korisno je imati neku procjenu
za njenu gornju granicu. Jedna je granica maksimalna singularna vrijednost. Kako
izraˇcunati tijesnu granicu prikazano je na slici 1.12
Slika 1.12: Prikaz skaliranja matricom D
Ideja je da se iskoristi blok dijagonalna struktura matrice . Naime, skaliranje
matricom D ne moˇze utjecati na stabilnost sustava, pa je sustav sa slike 1.12
stabilan ako i samo ako je stabilan sustav sa slike 1.9 (c). Ako bi se uz to i
struktura matrice D odabrala tako da bude DD
−1
= , onda bi i odgovaraju´ce
SSV za dva sustava bile jednake, odnosno bilo bi µ

(M) = µ

(DMD
−1
).
Ovo se moˇze posti´ci ako se za D usvoji blok dijagonalna struktura:
D = diag{d
i
I
i
} (1.39)
Poglavlje 1. Uvod 20
pri ˇcemu I
i
ima iste dimenzije kao i i-ti blok u perturbaciji , a d
i
je proizvoljan
kompleksni skalar. Kako je µ

(DMD
−1
) ≤ σ(DMD
−1
), slijedi
µ

(M) ≤ σ(DMD
−1
) (1.40)
Pogodnim izborom koeficijenata d
i
matrice D moˇze se posti´ci da gornja nejedna-
kost bude tijesna, odnosno da σ(DMD
−1
) bude znatno manje od σ(M). Moˇze se
prikazati da minimizacija vrijednosti σ(DMD
−1
) konveksna po elementima ma-
trice D, odnosno da ima samo jedan, globaln i minimum, ˇsto znatno olakˇsava
njenu softversku implementaciju.
1.9. Analiza robsne performanse koriˇstenjem SSV
Povezanost robusne performanse i stabilnosti MIMO sustava kao u poglavlju
1.7. za SISO sustave moˇze biti objaˇsnjena slikom 1.13.
Slika 1.13: Struktura sustava za analizu robusne performanse
Za robusnu perfrmansu treba zadovoljiti uvjet σ(w
p
S
p
) = σ(ˆ e/d) < 1, na svim
frekvencijama i pri svim perturbacijama
m
takvim da je σ(
m
) ≤ 1. S druge
Poglavlje 1. Uvod 21
strane, poznato je da za stabilnost klasiˇcne Mstrukture sa slike 1.9 (c), u sluˇcaju
kada je perturbacijska matrica puna, treba biti zadovoljeno σ(M) < 1. Ako
bi u taj sustav uveli fiktivnu perturbaciju u obliku pune kompleksne matrice ,
onda bi zakon stabilnosti ovakvog sustava bio ekvivalentan zakonu za robusnom
performansom poˇcetnog sustava.
Ovo je ilustrirano na slici 1.14.
Slika 1.14: Izjednaˇcavanje zakona za robusnu stabilnost i performansu
Sustav na slici 1.14 (a) ima robusnu performansu ako i samo ako je F

< 1
za svaku perturbaciju
m
koja zadovoljava
m


≤ 1.
Sustav sa slike 1.14 (b) je robusno stabilan ako i samo ako je F

< 1 za sve
perturbacije
m
i pod zakonom da njihove H

norme nisu ve´ce od 1. Pri
tome matrica
m
moˇze, ali ne mora biti puna (ovo zavisi od naˇcina predstavljanja
greˇske modeliranja), ali fiktivni blok mora biti nestrukturiran, odnosno pun, jer
je samo tada zakon za RS dan sa µ

(F) = σ(F) = F

< 1. Prema tome, sustav
sa slike 1.14 (a) ima robusnu performansu ako i samo ako je sustav sa slike 1.14 (b)
robusno stabilan. Sustavi na slikama 1.14 (c) i (d) su oˇcigledno ekvivalentni onom
sa slike (b), pa se zakon za robusnom performansom sustava na slici (a) svodi na:
µ

(M) < 1 (1.41)
Treba primjetiti da blok
ˆ
ima blok dijagonalnu strukturu i da je zbog toga
SSV matrice M uvijek manja od njene H

norme.
Poglavlje 1. Uvod 22
1.10. H

upravljanje
Pri sintezi H

regulatora polazi se od strukture na slici 1.15 prema [14],[4],[13].
Ona je opisana sljede´cim jednadˇzbama:
Slika 1.15: Struktura modela H

optimalnog upravljanja
¸
z
v
¸
= P(s) ·
¸
w
u
¸
=
¸
P
11
(s) P
12
(s)
P
21
(s) P
22
(s)
¸
·
¸
w
u
¸
, u = K(s) · v (1.42)
U blok P su ukljuˇcene nominalna matriˇcna prijenosna funkcija procesa i teˇzinske
funkcije koje opisuju greˇsku modeliranja i ˇzeljenu performansu (sliˇcno kao sluˇcaju
matrice M sa slike 1.13).
Algoritam za sintezu H

regulatora polazi od modela ove strukture u prostoru
stanja, u sljede´cem obliku:
P =

A
.
.
. B
1
B
2
. . . . . . . . . . . . . . . .
C
1
.
.
. D
11
D
12
C
2
.
.
. D
21
D
22
¸
¸
¸
¸
¸
¸
¸
(1.43)
Signal v je skup mjerenja koja reglator K koristi pri generiranju upravljanja
u. Ulazni signali, u koje spada poreme´caj, referenca i izlaz iz perturbacijskog
bloka, predstavljeni su vektorom w, a signal greˇske i ulaz u perturbacijski blok
ˇcine komponente signala z.
Poglavlje 1. Uvod 23
Zadatak sinteze H

optimalnog kontrolera je da se minimizira H

norma matrice
M odnosno da prona¯ demo ono K koje minimizira:
M(P, K)

= max
ω
σ(M(P, K)(jω)) (1.44)
Pri tome se uzimaju sljede´ce pretpostavke:
1. Ure¯ deni skup (A, B
2
, C
2
) je stabiliziraju´ci i detektabilan
2. D
12
i D
21
imaju pun rang
3.
¸
A −jωl B
2
C
1
D
12
¸
ima pun rang za svaku ω
4.
¸
A −jωl B
1
C
2
D
21
¸
ima pun rang za svaku ω
5. D
11
= 0 i D
22
= 0
Pretpostavka (1) mora biti ispunjena zbog egzistencije regulatora koji stabi-
lizira proces, a (2) je dovoljan zakon da bi regulator bio svojstven, odnosno da
ga je mogu´ce realizirati. (3) i (4) spreˇcavaju skra´civanje nula i polova procesa i
regulatora na imaginarnoj osi, ˇsto bi dovelo do nestabilnosti u zatvorenoj sprezi.
Pretpostavka (5) nije neophodna, ali garantira svojstvenost funkcija P
11
(s) i P
22
(s)
ˇsto znatno pojednostavljuje algoritam sinteze.
Ako sa γ
min
oznaˇcimo najmanju vrijednost izraza M

po svim regulatorima
K koji daju stabilnu funkciju spregnutog prijenosa. Zadatak sinteze suboptimalnog
H

zakona upravljanja za dato γ > γ
min
je da se na¯ de skup svih regulatora K,
takvih da je:
M(P, K)

< γ (1.45)
i da sustav u zatvorenoj sprezi bude stabilan. Ovakav kontroler postoji ako i samo
ako su toˇcne sljede´ce zakonitosti:
1. X

≥ 0 je Riccatijeva algebarska jednadˇzba prema [14].
A
T
X

+X

A +C
1
T
C
1
+X


−2
B
1
B
1
T
−B
2
B
2
T
)X

= 0, (1.46)
Poglavlje 1. Uvod 24
pri ˇcemu je Re{λ
i

A + (γ
−2
B
1
B
1
T
−B
2
B
2
T
)X

} < 0, ∀i
2. Y

≥ 0 je rjeˇsenje Riccatijeve algebarske jednadˇzbe prema [14].
AY

+Y

A
T
+B
1
B
1
T
+Y


−2
C
1
T
C
1
−C
2
T
C
2
)Y

= 0 (1.47)
pri ˇcemu je Re{λ
i

A +Y


−2
C
1
T
C
1
−C
2
T
C
2
)

} < 0, ∀i
3. ρ(X

Y
i
nfty) < γ
2
U tom sluˇcaju je skup regulatora koji zadovoljavaju postavljene zahtjeve dan slje-
de´cim jednadˇzbama:
K = K
c11
+K
c12
Q(I −K
c22
Q)
−1
K
c21
, (1.48)
K
c
(s) =

A

.
.
. −Z

L

Z

B
2
. . . . . . . . . . . . . . . . . . . . . . . . .
F

.
.
. 0 I
−C
2
.
.
. I 0
¸
¸
¸
¸
¸
¸
¸
(1.49)
F

= −B
2
T
X

, L

= −Y

C
2
T
, Z

= (I
−2
γ
Y

X

)
−1
, (1.50)
A

= A +γ
−2
B
1
B
1
T
X

+B
2
F

+ Z

L

C
2
(1.51)
a Q(s) je bilo koja svojstvena stabilna funkcija prijenosa takva da je Q

< γ.
Ako se uzme Q(s) = 0 dobiva se:
K(s) = K
c11
(s) = −Z

L

(sI −A

)
−1
F

(1.52)
Ovo je tzv. centralni regulator koji ima isti broj stanja kao i poop´ceni proces P.
U gornjim jednadˇzbama se pretpostavlja da je γ dano. U praksi je teˇsko oda-
brati vrijednost ovog parametra pa se optimali regulator traˇzi iterativno. Iterativna
procedura poˇcinje zadavanjem dvije vrijednossti γ
min
i γ
max
tako da se optimalna
vrijednost nalazi izme¯ du ove dvije. Sljede´ca vrijednost za γ traˇzi se kao srednja
vrijednost najmanjeg γ za koju su uvjeti ispunjeni i najve´ceg za koji nisi, a kada
razlika izme¯ du njih postane manja od zadane tolerancije, postupak se prekida.
U prvom poglavlju ovog seminara biti ´ce objaˇsnjen i izloˇzen dinamiˇcki model
MDS sustava.
Svi matlab kodovi za pojedina rjeˇsenja su dani u prilogu.
Poglavlje 2.
Formulacija problema
2.1. Objekt upravljanja
U ovom poglavlju biti ´ce izveden dinamiˇcki model objekta upravljanja drugog
reda poznat mod nazivom MDS sustav (mass- damper-spring) prema [13], [4],[14].
Da bi osigurali jednostavnost modela u obzir ´cemo uzeti samo strukturirane pertur-
bacije koeficijenata modela objaˇsnjene u 1.3.. Sintezu regulatora ´cemo provoditi
pomo´cu Robust Control Toolboxa iz programskog paketa MATLAB 7.6. Na
slici 2.1 je prikazan MDS sustav, a na slici 2.2 blok dijagram istog sustava.
Slika 2.1: MDS sustav
25
Poglavlje 2. Formulacija problema 26
Slika 2.2: Blok dijagram MDS sustava
Dinamiˇcki model MDS sustava se izvodi iz drugog Newtonovog zakona pri ˇcemu
dobivamo:
m¨ x +c ˙ x +kx = u (2.1)
gdje je x udaljenost bloka definiranog masom m od centra ravnoteˇze, u = F sila
koja djeluje na dotiˇcni blok, c je konstanta priguˇsnice i k je konstanta opruge. Ako
ovaj isti model usporedimo sa stvarnim modelom moˇzemo re´ci da tri fiziˇcka para-
metra m, c i k mi ne poznamo. Ono ˇsto mi znamo je da se vrijdnosti tih parametara
kre´cu u odre¯ denim granicama. Svaku vrijednost parametra moˇzemo prikazati no-
minalnom vrijednoˇs´cu kojoj dodajemo perturbacijsku mogu´cnost prema [13], [4].
Prema tome moˇzemo pisati
m = m(1 +p
m
δ
m
); c = c(1 +p
c
δ
c
); k = k(1 +p
k
δ
k
) (2.2)
gdje su m = 3, c = 1, k = 2 tzv. nominalne vrijednosti m, c i k.
p
m
, p
c
, p
k
kao i δ
m
, δ
c
i δ
k
reprezentiraju mogu´ce perturbacije tih triju parametara.
Za vrijednost p < 1 pretpostavljamo odre¯ deni postotak nepoznatog parametra.
Tako ´cemo i pretpostaviti 40% mogu´cih perturbacija mase, 20% perturbacija
koeficijenta priguˇsnice i 30% perturbacija ˇcvrsto´ce opruge.
Prema tome moˇzemo pisati:
p
m
= 0.4, p
c
= 0.2, p
k
= 0.3 (2.3)
Poglavlje 2. Formulacija problema 27
Isto tako moˇzemo pisati:
−1 ≤ δ
m
, δ
c
, δ
k
≤ 1 (2.4)
Tri bloka na slici 2.2 mogu biti zamijenjena sa m, p
m
δ
m
jedinstvenim unificiranim
pristupom. To radimo tako da postoje´ci blok prikaˇzemo u funkciji upravljaˇcke
varijable.
Ako bi prema tome raspisali blok
1
m
sa slike 2.2 kao reprezentaciju preko Linearne
transformacije razlomka objaˇsnjene u 1.2., kao i prema [13],[4] dobili bi:
1
m
=
1
m(1 +p
m
δ
m
)
=
1
m

p
m
m
δ
m
(1 +p
m
δ
m
)
−1
= F
U
(M
mi
, δ
m
) (2.5)
pri ˇcemu je:
M
mi
=
¸
−p
m
1
m
−p
m
1
m
¸
(2.6)
Parametar c = c(1 +p
c
δ
c
) se moˇze prikazati kao:
c = F
U
(M
c
, δ
c
), M
c
=
¸
0 c
p
c
c
¸
(2.7)
Parametar k prikazan kao k = k(1 +p
k
δ
k
) se moˇze prikazati kao:
k = F
U
(M
k
, δ
k
), M
k
=
¸
0 k
p
k
k
¸
(2.8)
Prema jednadˇzbama (2.6),(2.7) i (2.8) Linearne transformacije se mogu prikazati
blokovski prema slici 2.3.
Da bi detaljnije reprezentirali model kao linearnu transformaciju nepoznatih, real-
nih perturbacija δ
m
, δ
c
i δ
k
, prema slici 2.3 postavljamo ulazne i izlazne varijable
na dotiˇcne blokove δ
m
, δ
c
i δ
k
kao y
m
, y
c
, y
k
, u
m
, u
c
i u
k
prikazano na slici 2.4.
Preko gore navedenih jednadˇzbi povezuju´ci ulaze i izlaze moˇzemo pisati:
Poglavlje 2. Formulacija problema 28
Slika 2.3: Reprezentacija nepoznatih parametara kroz Linearne transformacije
Slika 2.4: Blok dijagram MDS sustava sa nepoznatim parametrima
¸
y
m
¨ x
¸
=
¸
−p
m
1
m
−p
m
1
m
¸¸
u
m
u −v
c
−v
k
¸
(2.9a)
¸
y
c
v
c
¸
=
¸
0 c
p
c
c
¸¸
u
c
˙ x
¸
(2.9b)
¸
y
k
v
k
¸
=
¸
0 k
p
k
k
¸

u
k
x

(2.9c)
u
m
= δ
m
y
m
(2.9d)
u
c
= δ
c
y
c
(2.9e)
u
k
= δ
k
y
k
(2.9f)
Poglavlje 2. Formulacija problema 29
Ako piˇsemo:
x
1
= x, x
2
= ˙ x = ˙ x
1
, y = x
1
(2.10)
takav da je:
˙ x
2
= ¨ x = ¨ x
1
(2.11)
kao rezultat dobivamo sljede´ce jednadˇzbe:
˙ x
1
= x
2
(2.12a)
˙ x
2
= −p
m
u
m
+
1
m
(u −v
c
−v
k
) (2.12b)
y
m
= −p
m
u
m
+
1
m
(u −v
c
−v
k
) (2.12c)
y
c
= cx
2
(2.12d)
y
k
= kx
1
(2.12e)
v
c
= p
c
u
c
+ cx
2
(2.12f)
v
k
= p
k
u
k
+kx
1
(2.12g)
y = x
1
(2.12h)
u
m
= δ
m
y
m
(2.12i)
u
c
= δ
c
y
c
(2.12j)
u
k
= δ
k
y
k
(2.12k)
Eliminiraju´ci varijable v
c
i v
k
jednadˇzbe koje pokrivaju dinamiˇcko ponaˇsanje mo-
dela su prikazane kao:
Poglavlje 2. Formulacija problema 30

˙ x
1
˙ x
2
. . .
y
m
y
c
y
k
. . .
y
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
=

0 1
.
.
. 0 0 0
.
.
. 0

k
m

c
m
.
.
. −p
m

p
c
m

p
k
m
.
.
.
1
m
. . . . . . . . . . . . . . . . . . . . . . . .

k
m
c
m
.
.
. −p
m

p
c
m

p
k
m
.
.
.
1
m
0 c
.
.
. 0 0 0
.
.
. 0
k 0
.
.
. 0 0 0
.
.
. 0
. . . . . . . . . . . . . . . . . . . . . . . .
1 0
.
.
. 0 0 0
.
.
. 0
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸

x
1
x
2
. . .
u
m
u
c
u
k
. . .
u
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
(2.13)

u
m
u
c
u
k
¸
¸
¸
¸
=

δ
m
0 0
0 δ
c
0
0 0 δ
k
¸
¸
¸
¸

y
m
y
c
y
k
¸
¸
¸
¸
(2.14)
Ako sa G
mds
oznaˇcimo ulazno izlaznu dinamiku MDS sustava koja uzima u obzir
nepoznatost parametara kako je prikazano slikom 2.5 moˇzemo re´ci da G
mds
ima
ˇcetiri ulaza (u
m
, u
c
, u
k
, u), ˇcetiri izlaza (y
m
, y
c
, y
k
, y) i dva stanja (x
1
i x
2
).
State Space prikaz G
mds
izgleda:
Slika 2.5: Ulazno izlazni blok dijagram MDS sustava
G
mds
=

A
.
.
. B
1
B
2
. . . . . . . . . . . .
C
1
.
.
. D
11
D
12
C
2
.
.
. D
21
D
22
¸
¸
¸
¸
¸
¸
¸
(2.15)
Poglavlje 2. Formulacija problema 31
gdje je:
A =
¸
0 1

k
m

c
m
¸
B
1
=
¸
0 0 0
−p
m

p
c
m

p
k
m
¸
B
2
=
¸
0
1
m
¸
C
1
=


k
m

c
m
0 c
k 0
¸
¸
¸
¸
, D
11
=

−p
m

p
c
m

p
k
m
0 0 0
0 0 0
¸
¸
¸
¸
,D
12
=

1
m
0
0
¸
¸
¸
¸
(2.16)
C
2
=

1 0

, D
21
=

0 0 0

,D
22
= 0
Iz jednadˇzbe (2.15) vidimo da G
mds
djeluje na m, c, k, p
m
, p
c
i p
k
kao i na originalnu
diferencijalnu jednadˇzbu koja povezuje y i u prema [13] Nasuprot tome ista G
mds
je poznata i ne sadrˇzi nepoznate parametre.
U M-fileu prijenosna.m u prilogu 7.1. je dan kod za izraˇcunavanje G
mds
.
Rjeˇsenje za G
mds
je prikazano na slici 2.6
Slika 2.6: Rjeˇsenje G
mds
Prema jednadˇzbama (2.6),(2.7) i (2.8) te uzimaju´ci obzir linearnu transforma-
ciju primjenjenu na dotiˇcne jednadˇzbe istu transformaciju moˇzemo provesti na
originalnom sustavu te ´cemo na taj naˇcin prikazati nepoznato ponaˇsanje original-
nog sustava. Pri tome moˇzemo pisati:
y = F
U
(G
mds
, )u (2.17)
sa dijagonalnom nepoznatom matricom = diag(δ
m
, δ
c
, δ
k
) kako je prikazano
na slici 2.7. Vaˇzno je naglasiti da matrica ima fiksnu strukturu i nazivamo
ju nepoznata matrica ili matrica nemodeliranog modela. Ona je dijagonalna pa
Poglavlje 2. Formulacija problema 32
se ˇcesto naziva i strukturirana nemodelirana dijagonalna matrica ili perturbirana
matrica.
Jasno je predstavljena prema [14], [4]. Naˇsu matricu G
mds
moˇzemo dobiti i
pomo´cu MATLAB-ove funkcije sysic dane u prilogu 7.1.1. u fileu prijenosna2.m.
Slika 2.7: Linearna reprezentacija MDS sustava sa ukljuˇcenom matricom
Poglavlje 3.
Frekvencijska analiza
nemodeliranog modela
Frekvencijska analiza koja se provodi za perturbacije otvorenog sustava da bi
se vidjelo ponaˇsanje u uvjetima otvorene petlje se vrˇsi pomo´cu naredbe starp iz
Robust Toolbox-a.
Analiza se provodi za nekoliko razliˇcitih vrijednosti perturbacijskih parametara δ
m
,
δ
c
i δ
k
. U Matlab fileu pfr mds.m tri vrijednosti u svakoj perturbaciji su izabrane
pri ˇcemu su na izlazu dobiveni frekvencijski odzivi danog modela koji su prikazani
na slici 3.1 za −1 ≤ δ
m
, δ
c
, δ
k
≤ 1.
Matlab kod za frekvencijsku karakteristiku je dan u prilogu 7.1.2.
3.1. Sinteza regulacijskog kruga
Nakon provedene frekvencijske analize otvorenog kruga treba prona´ci zahtjeve
za stabilnoˇs´cu zatvorenog kruga. Zahtjevi se prvenstveno odnose na traˇzenje line-
arne feedback kontrole, a koja je predstavljena kroz upravljaˇcku varijablu:
u(s) = K(s)y(s) (3.1)
koja zadovoljava svojstva zatvorenog regulacijskog kruga.
33
Poglavlje 3. Frekvencijska analiza 34
Slika 3.1: Frekvencijska karakteristika perturbiranih modela
3.1.1. Nominalna stabilnost i performanse
Kada govorimo o regulatoru njegov prvi zadatak je osigurati internu stabilnost
regulacijskog kruga. Performanse zatvorenog kruga bi trebale biti zadovoljene
za nominalni model G
mds
koji je prethodno opisan jednadˇzbom (2.15). Kriterij
performanse za zatvoreni sustav se joˇs naziva S over KS procedura ili S preko KS
koji je opisan prema [14] kao:

¸
W
p
S(G
mds
)
W
u
KS(G
mds
)
¸


< 1 (3.2)
gdje je S(G
mds
) = (I +G
mds
K)
−1
izlazna osjetilna funkcija nominalnog sustava, a
W
p
, W
u
su teˇzinske funkcije koje reprezentiraju frekvencijske karakteristike vanj-
skog poreme´caja d i zahtjeva performansi sa kontrolom sustava. Zadovoljavanje
gornje navedene norme dobro potiskuje efekt poreme´caja, kao ˇsto i ostvaruje dobre
performanse. Ako pogledamo S vidimo da ona oznaˇcava prijenosnu funkciju greˇske
slije¯ denja trajektorije.
Poglavlje 3. Frekvencijska analiza 35
3.1.2. Robusna stabilnost
Zatvoreni krug je robustan ako je interno stabilan za sve mogu´ce modele sustava
G = F
U
(G
mds
, ). Da bi to bolje pojasnili to znaˇci da sustav mora biti stabilan
za bilo koji 1.8 ≤ m ≤ 4.2, 0.8 ≤ c ≤ 1.2, 1.4 ≤ k ≤ 2.6.
Unatoˇc robusnoj stabilnosti robusna performansa zatvorenog sustava za sve
G = F
U
(G
mds
, ) mora zadovoljiti:

¸
W
p
(I +GK)
−1
W
u
K(I + GK)
−1
¸


< 1 (3.3)
Isto tako kompleksnost regulatora mora biti prihvatljiva. To znaˇci da je dovoljno
niskog reda. Na slici 3.2 je prikazan blok dijagram zatvorenog sustava koji ukljuˇcuje
modele koji se odnose na nemodelirani dio i zahtijeve performansi. Na prikazanoj
Slika 3.2: Struktura zatvorenog kruga
slici 3.2 crtkan kvadrat predstavlja prijenosnu funkciju G.
Unutar njega nalaze se nominalni model G
mds
MDS sustava i strukturirana ne-
poznata matrica koja ukljuˇcuje nemodelirani dio. Op´cenito govore´ci, matrica
moˇze biti matrica prijenosne funkcije i pretpostavlja se da je stabilna. Matrica
je nepoznata, ali zadovoljava uvjet norme

< 1.
Varijabla d je poreme´caj sustava na izlazu sustava. Lako je dokazati da je:
¸
e
p
e
u
¸
=
¸
W
p
(I +GK)
−1
W
u
K(I +GK)
−1
¸
d (3.4)
Poglavlje 3. Frekvencijska analiza 36
Kriterij performanse je takav da je prijenosna funkcija od d do e
p
i e
u
mala u
podruˇcju ·

za sve nepoznate prijenosne matrice . Teˇzinske funkcije W
p
i
W
u
se koriste da reflektiraju relativnu znaˇcajku zahtijeva za performansom preko
razliˇcitih frekvencijskih raspona. U danom sluˇcaju teˇzinska funkcija performanse
je skalarna funkcija W
p
(s) = ω
p
(s) i izabrana je kao:
ω
p
(s) = 0.95
s
2
+ 1.8s + 10
s
2
+ 8.0s + 0.01
(3.5)
koja osigurava uz dobar osje´caj poreme´caja kao dobar tranzijent odziva
(manje od 10s) i prekoraˇcenje manje od 20% u odnosu na nominalni model. Kon-
trolna teˇzinska funkcija W
u
je izabrana kao skalar ω
u
= 10
−2
. Ako pogledamo ovo
vidimo da je traˇzenje odgovaraju´ce teˇzinske funkcije jako vaˇzan korak u robusnoj
sintezi regulatora i obiˇcno traˇzi nekoliko pokuˇsaja. Teˇzinske funkcije su odre¯ dene
u fileu wts mds.m dane u prilogu 7.1.3..
Slika 3.3: Singularne vrijednosti 1/w
p
Da bi ostvarili ˇzeljene performanse uslijed poreme´caja i greˇske slije¯ denja po-
Poglavlje 3. Frekvencijska analiza 37
trebno je zadovoljiti jednadˇzbu:
W
p
(I + GK)
−1


< 1. (3.6)
Poˇsto znamo da je W
p
sklarna funkcija, singularne vrijednosti osjetilne funkcije
(I + GK)
−1
preko frekvencijskog raspona moraju leˇzati ispod onog raspona koji
je odre¯ den sa 1/ω
p
. Ovo indicira W
p
(I + GK)
−1

i
nfty < 1 ako i samo ako sve
frekvencije σ[(I +GK)
−1
(jω)] < |1/ω
p
(jω)|. Inverzna teˇzinska funkcija
1
ω
p
se izra-
ˇcunava preko filea wts mds.m danog u prilogu 7.1.3.. Singularne vrijednosti 1/ω
p
preko frekvencijskog raspona [10
−4
, 10
4
] su prikazane na slici 3.3. Teˇzinska funkcija
nam pokazuje da se za niske frekvencije zatvoreni sustav (nominalni i perturbirani)
mora smanjiti izlazni poreme´caj u rasponu od 10 do 0.01. Drugim rijeˇcima djelo-
vanje na poreme´caj u stanju mirovanja bi trebalo biti 10

3 ili manje. Isto vrijedi
i za slije¯ denje referentne trajektorije odnosno greˇsku jer prijenosna funkcija je u
korelaciji sa osjetilnom prijenosnom funkcijom. Ovaj zahtjev performanse postaje
manje obvezatan sa pove´canjem frekvencije.
3.1.3. Povezanost modela
Struktura otvorene petlje je prikazna na slici 3.4.
Varijabla y
c
ulaza regulatora je uzeta kao negativna jer Robust Toolbox vrˇsi
sintezu regulatora pretpostavljaju´ci pozitivnu povratn vezu. Varijable pertin i
pertout imaju tri elementa, a varijable control, dist, ep, eu, yc imaju jedan
element. Za stvaranje strukture otvorene petlje moˇzemo koristiti naredbu sysic.
Otvoreni sustav je spremljen pod nazivom sys ic, a koji je prikazan na slici 3.5
Isti sustav posjeduje 5 ulaznih i 6 izlaznih veliˇcina. Za kreiranje varijable sys_ic
koristimo MATLAB file olp_mds.m dan u prilogu 7.1.4..
Simulacija zatvorenog sustava sa dizajniranim regulatorom se oslanja na prikaz
na slici 3.6 . Struktura otvorenog modela je objaˇsnjena u fileu sim_mds.m danom
u prilogu 7.1.4.
Poglavlje 3. Frekvencijska analiza 38
Slika 3.4: Struktura otvorene petlje
Slika 3.5: Prikaz poop´cenog otvorenog sustava
Slika 3.6: Struktura zatvorene petlje
Poglavlje 4.
Suboptimalni H

regulator
Prvi tip regulatora koji ´ce ovdje biti prikazan je H

(sub) optimalni regula-
tor. Njegov glavni zadatak je da prema slici 3.6 minimizira normu F
L
(P, K) preko
svih stabilizirajuˇcih regulatora (Kontrolera) K. Ako se podsjetimo znamo da je
F
L
(P, K) matriˇcna prijenosna funkcija nominalnog zatvorenog sustava od poreme-
´caja (varijable dist) do greˇske e prema prikazu na slici 4.1, gdje je e =
¸
e
p
e
u
¸
.
Prvo ˇsto radimo je da izvuˇcemo iz sys ic odgovaraju´cu matriˇcnu prijenosnu funk-
ciju P koriˇstenjem dolje navedene komande i spremimo je u varijablu hin_ic.
hin_ic=sel(sys_ic,[4:6],[4:5])
Slika 4.1: Struktura zatvorene petlje H

regulatora
Pri Projektiranju regulatora koristimo komandu hinsyn koja izraˇcunava subopti-
malni H

regulator baziran na strukturi otvorene petlje. Sintaksa pisanja je dana
39
Poglavlje 4. Suboptimalni H

regulator 40
sljede´cim kodom:
[k,clp]=hinsyn(p,nmeas,ncon,glow,ghigh,tol)
Argumenti posjeduju sljede´ca znaˇcenja: Povezanost otvorene petlje je prikazana sa
p, nmeas je broj mjerenja, ncons broj izvrˇsenih kontrola. glow i ghigh su granice
presjeciˇsta (limiti), tol je apsolutna vrijednost tolerancije. Izlazni argumenti su:
k koji se odnosi na kontroler, clp zatvorena petlja (closed loop system)
U prethodnom primjeru struktura otvorenog modela je prikazana fileom hin_ic.
Sastoji se od jednog mjerenja (senzor), dvije pogreˇske signala, dva inputa, jednog
poreme´caja i ˇcetiri stanja (dva stanja od sustava i dva stanja od teˇzinskih funkcija
W
p
). Isto tako znamo da za danu strukturu, otvoreni sustav ˇcija norma mora biti
minimizirana ima jedan ulaz i dva izlaza.
Interval za γ iteraciju je izabran izme¯ du 0.1 i 10 sa tolerancom tol = 0.001 Nakon
svake iteracije program prikazuje trenutnu vrijednost γ kao i rezultat koji se sastoji
od 5 rezultata postojanosti suboptimalnog kontrolera.
Na kraju svake iteracje simbol p ili f je prikazan, a koji oznaˇcava vrijednost tre-
nutne γ ovisno da li je prihva´cena ili odbaˇcena. Simbol # se koristi da pokaˇze koji
se od 5 uvjeta za postojanost H

(sub)optimalnog kontrolera odnosi na izabranu
vrijednost γ.
Kada procedura iteriranja uspije postignuta vrijednost γ je minimalna. Matriˇcna
prijenosna funkcija zatvorenog sustava od dist do e se sprema u varijablu clp.
Za projektiranje (sub)optimalnog H

regulatora K
hin
je dan u fileu hin_mds.m
u prilogu 7.2., a dobivena rjeˇsenja su dana na slici 4.2.
Dobiveni regulator je regulator ˇcetvrtog reda. Provjera postignute i zadovoljene
H

norme zatvorenog sustava za koju je ustanovljeno da iznosi 0.95 u iteraciji,
moˇze se provjeriti preko linije:
hinfnorm(clp)
Poglavlje 4. Suboptimalni H

regulator 41
Slika 4.2: Dobiveni rezultati (sub)optimalnog kontrolera
Poglavlje 5.
Analiza zatvorenog sustava sa
regulatorom
Iz prethodnog poglavlja 3.1.1. prema jednadˇzbi (3.2) jasno je da je:

¸
W
p
(I +G
mds
K)
−1
W
u
K(I + G
mds
K)
−1
¸


< 1 (5.1)
zadovoljena i da zatvorena petlja osigurava performanse sustava za nominalne zah-
tjeve. Isto tako, sljede´cim kodom formiramo prijenosnu funkciju za prikaz na slici
4.1 sa projektiranim (sub)optimalnim H

regulatorom K
hin
u svrhu da analizi-
ramo ponaˇsanje zatvorene petlje.
minfo(K_hin)
spoles(K_hin)
omega = logspace(-2,6,100);
clp_g=frsp(clp,omega);
vplot(’liv,lm’,vsvd(clp_g))
title(’Singular Value Plot of clp’)
xlabel(’’)
ylabel(’’)
Slika 5.1 pokzuje singularne vrijednosti zatvorene petlje clp. Ako znamo da je
clp dimenzija 2x1 postoji samo jedna singularna vrijednost (ne nula) na svakoj
42
Poglavlje 5. Analiza zatvorenog sustava sa regulatorom 43
frekvenciji. Isto tako W
p
(I +G
mds
K)
−1


< 1 jer je H

norma zatvorene petlje
manja od 1. Provjera se moˇze vrˇsiti na taj naˇcin da se izraˇcuna osjetna funkcija
zatvorene petlje i usporedi sa inverzom performansi teˇzinske funkcije. U tu na-
mjenu se koristi file sen_mds.m dan u prilogu 7.3..
Slika 5.1: Singularne vrijednosti regulacijskog kruga sa K
hin
Rezultat usporedbe je dan na slici 5.2 na kojoj je vidljivo da u nisko frekven-
cijskom podruˇcju osjetna funkcija leˇzi ispod vrijednosti
1
w
p
. Sa punom linijom je
oznaˇcena nominalna teˇzinska funkcija, a sa isprekidanom inverzna teˇzinska funk-
cija,
Testiranje stabilnosti robusnog sustava se svodi na vode´ci 3x3 dijagonalni blok
matrice clp prijenosne funkcije, a test nominalnih performansi na donjem-desnom
dijelu (element 4-4), prijenosne funkcije 2x1.
Ove prijenosne funkcije mogu biti zadrˇzane koriˇstenjem naredbe sel od clp i nji-
hov frekvencijski odziv moˇze biti izraˇcunat naknadno.
Isto tako, mogu´ce je prvo izraˇcunati frekvencijski odziv clp_g cijelog sustava clp
i nakon toga koristiti sel za zadrˇzavanje odgovaraju´cih frekvencijskih odziva. Ma-
triˇcna forma prijenosne funkcije clp_ic je postojana od otvorene veze sys_ic sa
Poglavlje 5. Analiza zatvorenog sustava sa regulatorom 44
Slika 5.2: Osjetna funkcija sa K
hin
kontrolerom K implementiranjem funkcije starp. Iako je nepoznatost nemodeli-
ranog struktrirana, verifikacija robusne stabilnosti i robusne performanse zahtijeva
frekvencijski odziv u terminima µ vrijednosti. Sintaksa pisanja komande mu glasi:
[bnds,dvec,sens,pvec]=mu(matin,deltaset)
Funkcija mu za µ analizu izraˇcunava gornju i donju granicu za strukturirane sin-
gularne vrijednosti matrice matin sa oslanjanjem na strukturu bloka deltaset.
Matrica matin moˇze biti matrica tipa konstante ili promjenjiva kao ˇsto i odziv
zatvorenog kruga moˇze biti takav. Komanda mu pronalazi gornju i donju gra-
nicu za µ vrijednosti u 1x2 matrici bnds koja je promjenjiva, frekventno ovisnim
D-skaliraju´cim matricama u dvec, frekventno ovisnoj perturbaciji o donjoj granici
u pvec kao i osjetnosti gornje granice prilikom djelovanja D-skaliraju´ce u sens.
Da bi osigurali robusnu stabilnost vrlo je vaˇzno da je gornja granica µ vrijednosti
manja od 1 u frekventnom rasponu.
Frekventni odziv u podruˇcju µ vrijednosti se oznaˇcava sa rob_stab i blok struktura
Poglavlje 5. Analiza zatvorenog sustava sa regulatorom 45
je u tom sluˇcaju prikazana kao:
blksR=[-1 1;-1 1;-1 1]
To znaˇci da se u analizi robusne stabilnosti pretpostavlja da su perturbacije para-
metara realne. Za bolju konvergenciju algoritma koji izraˇcunava donju granicu µ
mi ukljuˇcujemo 1% kompleksne perturbacije. To naravno utjeˇce na konzervativ-
nost sustava. U slijede´cim linijama koda koje su dane u prilogu 7.4. u datoteci
rob_mds.m analiziramo robusnu stabilnost projektiranog sustava u kojima je:
K=K_hin;
Frekvencijski odzivi gornje i donje granice su prikazani na slici 5.3.
Slika 5.3: Robusna analiza stabilnosti regulatora K
hin
Vrlo je jasno sa slike da zatvoreni sustav sa regulatorom K
hin
osigurava ro-
busnu stabilnost. Maksimalna vrijednost µ iznosi 0.764 koja pokazuje strukturi-
rane perturbacije sa normom manjom od
1
0.764
su primjerene, stabilnost ostaje za
Poglavlje 5. Analiza zatvorenog sustava sa regulatorom 46


<
1
0.764
. U istom smo dijagramu prikazali frekvencijski odziv maksimalne
singularne vrijednosti vode´ce 3x3 matriˇcne prijenosne funkcije, koja karakterizira
robusnu stabilnost u odnosu na nestrukturirane perturbacije. Robusna stabilnost
nije zadrˇzana ako je nemodeliranost sustava takva da je ono ˇsto je nepoznato nes-
trukturirano, ˇsto pokazuje da µ vrijednosti daju manje konzervativne rezultate ako
je dodatna informacija o nepoznatosti modela dostupna. Nominalna performansa
zatvorenog sustava (u skladu sa teˇzinskom funkcijom performansi) se analizira
frekventnim odzivom donjeg desnog dijela (prijenosna funkcija 2x1) bloka clp.
Nominalna performansa je postignuta ako i samo ako je u frekvencijskom rasponu
odziva magnituda manja od 1. Robusne performanse zatvorenog regulacijskog
kruga sa K
h
in se mogu testirati primjenom µ analize. Prijenosna funkcija zatvo-
renog kruga clp ima 4 ulaza i 5 izlaza. Prva tri ulazno izlazna para odgovaraju
trima kanalima perturbacija , dok ˇcetvrti ulazno izlazni i peti izlazni odgovaraju
pomjeˇsanoj teˇzinskoj osjetnoj funkciji. Isto tako za µ analizu robusne performanse
blok struktura se mora sastojati od 3x3 nemodeliranog bloka (nepoznatog) i 1x2
bloka performanse kako slijedi:

P
:= {
¸
0
0
F
¸
: ∈ R
3x3
,
F
∈ C
1x2
} (5.2)
Robusna performansa projektiranog sustava je zadovoljena ako i samo ako µ

P
(.)
je manja od 1 za svaku frekvenciju.
Nominalna i robusna performansa zatvorenog regulacijskog kruga sa regulatorom
K
hin
se analizira koriˇstenjem datoteke nrp_mds.m dane u prilogu 7.5.. Frekvencijski
odzivi koji pokazuju nominalnu i robsnu performansu su prikazani na slici 5.4.
Sa slike je vidljivo da ´ce sustav sa K
hin
posti´ci nominalnu performansu ali ´ce
zatajiti u pogledu kriterija robusne performanse. Ova ˇcinjenica proizlaz iz toga da
frekvencijski odziv nominalne performanse ima maksimum koji iznosi 0.95, dok µ
krivulja za robusnu performansu ima maksimum na 1.67. Sa poˇstovanjem robusne
performanse, to znaˇci da ´ce se vrijednost perturbacijske matrice morati ograniˇciti
na


1
1.67
da bi se zadovoljila perturbacijska performansna funkcija:

¸
W
p
(I + F
U
(G
mds
,
G
)K)
−1
W
u
K(I + F
U
(G
mds
,
G
)K)
−1
¸


≤ 1 (5.3)
Poglavlje 5. Analiza zatvorenog sustava sa regulatorom 47
Slika 5.4: Robusna i nominalna performansa K
hin
Simulacija zatvorenog kruga sa datotekom clp_mds.m danom u prilogu 7.6. uklju-
ˇcuje odre¯ divanje tranzijenta odziva na referencu i poreme´caj u kojoj se koristi
naredba trsp. Tranzijenti odziva na step referencu ulaza referencu poreme´caja su
prikazani na slici 5.5 i 5.6.
Poglavlje 5. Analiza zatvorenog sustava sa regulatorom 48
Slika 5.5: Odziv sustava na Step pobudu K
hin
Poglavlje 5. Analiza zatvorenog sustava sa regulatorom 49
Slika 5.6: Odziv sustava na poreme´caj K
hin
Poglavlje 6.
Zakljuˇcak
U ovom seminarskom radu objaˇsnjena je sinteza suboptimalnog regulatora za
sluˇcaj robusnog upravljanja MDS sustava. Mnogi sustavi u prirodi pa tako i
MDS, daleko se viˇse razlikuju po svojoj prirodi od onakvih modela kakve mi stva-
ramo. Za jedan tipiˇcan MDS lako se utvrdi dinamiˇcki model sustava samo je
pitanje koliko je taj model toˇcan. Ako bi netko rekao da je to model drugog reda,
pitanje je da li je vikoznost fluida priguˇsnice uvrˇstena kao i promjena viskoziteta sa
promjenom temperature uslijed rada priguˇsnice. Sve su to dodatni faktori koji naˇs
model udaljavaju od stvarnog procesa, a koje sa inˇzenjerskog glediˇsta ne uvrˇsta-
vamo u model zbog zahtjeva za sintezom regulatora. Kada govorimo o robusnom
upravljanju onda govorimo o skupu modela. Svaki od modela ´ce opisati naˇs proces
u jednom svom malom dijelu, a regulator koji objedinjuje sve modele zajedno je
robustan. Suboptimalni kontroler je samo poˇcetak nove ere izuˇcavanja robusne
stabilnosti sustava kao i sinteze regulatora kroz stabilnost i performansu. H

i H
2
problemi se rjeˇsavaju matriˇcnim pristupom Youla parametrizacijom i prevo¯ denjem
u aproksimacijsku formu te rjeˇsavanjem projekcijom (H
2
) ili Nehari’s teoremom
(H

) prema [14]. Problem strukturiranih singularnih vrijednosti se rjeˇsava pos-
tupkom DK iteracija koji se koristi za poop´cene tipove nepoznatih sustava. Novi
tip sinteze regulatora se naziva optimalna
1
teorija upravljanja. Ona se zasniva
na kontekstu H

teorije za definiranje stabilnosti i performanse sa ciljem traˇzenja
zakona stabilnosti vremenski varijantnog sustava.
50
Poglavlje 6. Zakljuˇcak 51
U ovom seminarskom radu mnoge formule su dosta pojednostavljene, i preuzete
iz strane literature. Naglasak je dan na rjeˇsavanje problema robusnog upravljanja
na konkretnom primjeru. Za detaljnije shvaˇcanje potrebna je struˇcna literatura.
Poglavlje 7.
Matlab kodovi
7.1. Prilog A - Matlab kodovi
prijenosna.m
clc;
clear all;
m = 3;
c = 1;
k = 2;
pm = 0.4;
pc = 0.2;
pk = 0.3;
%
A = [ 0 1
-k/m -c/m];
B1 = [ 0 0 0
-pm -pc/m -pk/m];
B2 = [ 0
1/m];
C1 = [-k/m -c/m
0 c
52
Poglavlje 7. Matlab kodovi 53
k 0];
C2 = [ 1 0];
D11 = [-pm -pc/m -pk/m
0 0 0
0 0 0];
D12 = [1/m
0
0 ];
D21 = [0 0 0];
D22 = 0;
G = pck(A,[B1,B2],[C1;C2],[D11 D12;D21 D22]);
7.1.1. Prilog A-1
prijenosna2.m
m_nom = 3; c_nom = 1; k_nom = 2;
p_m = 0.4; p_c = 0.2; p_k = 0.3;
mat_mi = [-p_m 1/m_nom; -p_m 1/m_nom];
mat_c = [0 c_nom; p_c c_nom];
mat_k = [0 k_nom; p_k k_nom];
int1 = nd2sys([1],[1 0]);
int2 = nd2sys([1],[1 0]);
systemnames = ’mat_mi mat_c mat_k int1 int2’;
sysoutname = ’G’;
inputvar = ’[um;uc;uk;u]’;
input_to_mat_mi = ’[um;u-mat_c(2)-mat_k(2)]’;
input_to_mat_c =’[uc;int1]’;
input_to_mat_k = ’[uk;int2]’;
input_to_int1 =’[mat_mi(2)]’;
input_to_int2 = ’[int1]’;
outputvar =’[mat_mi(1);mat_c(1);mat_k(1);int2]’;
sysic;
Poglavlje 7. Matlab kodovi 54
7.1.2. Prilog: Frekvencijska karakteristika
pfr mds.m
%Frekvencijski odziv perturbiranog sustava
omega = logspace(-1,1,100);
[delta1,delta2,delta3] = ndgrid([-1 0 1],[-1 0 1],[-1 0 1]);
for j = 1:27
delta =diag([delta1(j),delta2(j),delta3(j)]);
olp = starp(delta,G);
olp_ic = sel(olp,1,1);
olp_g = frsp(olp_ic,omega);
figure(1)
vplot(’bode’,olp_g,’c-’)
subplot(2,1,1)
hold on
subplot(2,1,2)
hold on
end
subplot(2,1,1)
olp_ic = sel(G,4,4);
olp_g =frsp(olp_ic,omega);
vplot(’bode’,olp_g,’r--’)
subplot(2,1,1)
title(’Bode_ov prikaz perturbiranih modela’)
hold off
subplot(2,1,2)
hold off
7.1.3. Prilog: Teˇzinske funkcije
wts mds.m
nuWp = [1 1.8 10];
Poglavlje 7. Matlab kodovi 55
dnWp = [1 8 0.01];
gainWp = 0.95;
Wp =nd2sys(nuWp,dnWp,gainWp);
nuWu = 1; dnWu = 1;
gainWu = 10^(-2);
Wu= nd2sys(nuWu,dnWu,gainWu);
omega = logspace(-4,4,100);
Wp_g =frsp(Wp,omega);
Wpi_g = minv(Wp_g);
vplot(’liv,lm’,Wpi_g)
title(’Performansa te\v{z}inske funkcije’)
xlabel(’Frekvencija(rad/sec)’)
ylabel(’Amplituda’)
grid on
7.1.4. Prilog: Otvoreni sustav
olp mds.m
systemnames = ’ G Wp Wu ’;
inputvar = ’[ pert{3}; dist; control]’;
outputvar = ’[ G(1:3); Wp; -Wu; -G(4)-dist ]’;
input_to_G = ’[pert; control ]’;
input_to_Wp = ’[ G(4)+dist ]’;
input_to_Wu = ’[control ]’;
sysoutname = ’sys_ic’;
cleanupsysic = ’yes’;
sysic
%-----------------------------------------------------------
%Za analizu otvorenih sustava koristimo ove funkcije
%minfo(sys_ic)
Poglavlje 7. Matlab kodovi 56
%spoles(sys_ic)
%spoles(Wp)
sim mds.m
systemnames = ’ G ’;
inputvar = ’[ pert{3}; ref; dist; control ]’;
outputvar = ’[ G(1:3); G(4)+dist; ref - G(4) - dist ]’;
input_to_G= ’[ pert; control ]’;
sysoutname = ’sim_ic’;
cleanupsysic =’yes’;
sysic hin_ic = sel(sys_ic,[4:6],[4:5])
[k,clp] =hinfsyn(hin_ic,1,1,0.1,10,0.001)
%----------------------------------------------
%[k,clp] = hinfsyn(p,nmeas,ncon,glow,ghigh,tol)
%zamjeni p=hin_ic
%(matrix of type SYSTEM)
%number of measurements nmeas =1
%number of controls ncons=1
%lower bound of bisection glow
%upper bound of bisection ghigh
%absolute tolerance for the bisection method tol
Poglavlje 7. Matlab kodovi 57
7.2. Prilog B-(Sub)Optimalni H

regulator
hin mds.m
nmeas = 1;
ncon = 1;
gmin = 1;
gmax = 10;
tol = 0.001;
hin_ic =sel(sys_ic,4:6,4:5);
[K_hin,clp] =hinfsyn(hin_ic,nmeas,ncon,gmin,gmax,tol);
hinfnorm(clp)
minfo(K_hin)
spoles(K_hin)
omega = logspace(-2,6,100);
clp_g=frsp(clp,omega);
vplot(’liv,lm’,vsvd(clp_g))
title(’’)
xlabel(’’)
ylabel(’’)
7.3. Prilog B-(Sub)Optimalni H

regulator
sen mds.m
sim_mds
K = K_hin;
clp = starp(sim_ic,K);
wts_mds
omega = logspace(-4,2,100);
Wp_g = frsp(Wp,omega);
Wpi_g=minv(Wp_g);
Poglavlje 7. Matlab kodovi 58
sen_loop = sel(clp,4,5);
sen_g =frsp(sen_loop,omega);
vplot(’liv,lm’,Wpi_g,’m--’,vnorm(sen_g),’y-’)
title(’’)
xlabel(’’)
ylabel(’’)
[bnds,dvec,sens,pvec] = mu(matin,deltaset)
blksR = [-1 1;-1 1;-1 1]
7.4. Prilog C Analiza robusnosti
rob mds.m
K = K_hin;
clp_ic = starp(sys_ic,K);
omega = logspace(-1,2,100);
clp_g = frsp(clp_ic,omega);
blkrsR = [-1 1;-1 1;-1 1];
rob_stab =sel(clp_g,[1:3],[1:3]);
pdim = ynum(rob_stab);
fixl = [eye(pdim); 0.1*eye(pdim)]; % 1% Complex
fixr = fixl’; blkrs = [blkrsR; abs(blkrsR)]; clp_mix
=mmult(fixl,rob_stab,fixr); [rbnds,rowd,sens,rowp,rowg]
=mu(clp_mix,blkrs); disp(’ ’) disp([’mu-robust stability: ’ ...
num2str(pkvnorm(sel(rbnds,1,1)))]) disp(’ ’)
vplot(’liv,lm’,sel(rbnds,1,1),’y--’,sel(rbnds,1,2),’m-’, ...
vnorm(rob_stab),’c-.’)
title(’ROBUST STABILITY’)
xlabel(’Frequency (rad/s)’)
ylabel(’mu’)
Poglavlje 7. Matlab kodovi 59
7.5. Prilog D Analiza nominalne i robusne per-
formanse
nrp mds.m
clp_ic = starp(sys_ic,K);;
omega = logspace(-1,2,100);
clp_g =frsp(clp_ic,omega);
blkrsR = [-1 1;-1 1;-1 1];
%
% nominal performance
nom_perf = sel(clp_g,4,4);
%
% robust performance
rob_perf = clp_g;
blkrp = [blkrsR;[1 2]];
bndsrp=mu(rob_perf,blkrp);
vplot(’liv,lm’,vnorm(nom_perf),’y-’,sel(bndsrp,1,1),’m--’,...
sel(bndsrp,1,2),’c--’)
tmp1 = ’NOMINAL PERFORMANCE (solid) and’;
tmp2 = ’ ROBUST PERFORMANCE (dashed)’;
title([tmp1 tmp2])
xlabel(’Frequency (rad/s)’)
disp(’ ’)
disp([’mu-robust performance: ’ ...
num2str(pkvnorm(sel(bndsrp,1,1)))])
disp(’ ’)
Poglavlje 7. Matlab kodovi 60
7.6. Prilog E Analiza robusnosti MDS sustava na
referencu i poreme´caj
clp mds.m
% response to the reference
sim_mds
clp = starp(sim_ic,K);
timedata = [0 20 40];
stepdata = [10 1];
dist = 0;
ref = step_tr(timedata,stepdata,0.1,60);
u =abv(0,0,0,ref,dist);
y = trsp(clp,u,60,0.1);
figure(1)
vplot(sel(y,4,1),’y-’,ref,’r--’)
title(’CLOSED-LOOP TRANSIENT RESPONSE’)
xlabel(’Time (secs)’)
ylabel(’y (m)’)
%
% response to the disturbance
timedata = [0 20 40];
stepdata = [1 0 1];
dist =step_tr(timedata,stepdata,0.1,60);
ref = 0;
u =abv(0,0,0,ref,dist);
y = trsp(clp,u,60,0.1);
figure(2)
vplot(sel(y,4,1),’y-’,dist,’r--’)
title(’TRANSIENT RESPONSE TO THE DISTURBANCE’)
xlabel(’Time (secs)’)
ylabel(’y (m)’)
Poglavlje 7. Matlab kodovi 61
Literatura
[1] A.A.Stoorvogel. The H

Control Problem: A State Space Approach. Prentice
Hall, Englewood Cliffs, NJ, 1992.
[2] B.A.Francis. A Course in H

Control Theory, volume 88. Lecture Notes in
Control and Information Sciences, Springer- Verlag, 1987.
[3] W. C.A.Desoer. The feedback nterconnection of lumped linear time-invariant
systems. Journal of Franklin Institute 300:335-351, 1975.
[4] M. D.W.Gu, P.Hr.Petkov. Robust Control with Matlab. Springer-Verlag Lon-
don Limited, Novembar 2005.
[5] G.Zames. Feedback and optimal sensitivity: Model reference transformations,
multiplicative seminorms and approximate inverses. IEEE Transactions on
Automatic Control, AC-26:301-320, 1981.
[6] B. G.Zames. Feedback, minimax sensitivity, and optimal robustness. IEEE
Transactions on Automatic Control, AC-28:585-600, 1983.
[7] A. J.C.Doyle, B.A.Francis. Feedback Control Theory. Macmillan Publishing
Co., New York, 1992.
[8] O. J.W.Helton. Classical Control Using H

Methods. Society for Industrial
and Applied Mathematics, Philadelphia, PA, 1998.
[9] J. K.Zhou. Essentials of Robust Control. Prentice Hall, Upper Saddle River,
NJ, 1998.
62
LITERATURA 63
[10] K. K.Zhou, J.C.Doyle. Robust and Optimal Control. Prentice Hall, Upper
Saddle River, NJ, 1995.
[11] B. Novakovi´c. Metode vo¯denja tehniˇckih sistema: primjena u robotici, fleksi-
bilnim sistemima i procesima.
ˇ
Skolska knjiga, 1990.
[12] B. Novakovi´c. Regulacijski sistemi. Sveuˇciliˇsna naklada, Zagreb d.o.o, 1990.
[13] T. Petrovi´c. Predavanja i vjeˇzbe Robusni sistemi upravljanja. Elektrotehniˇcki
fakultet Beograd, http://www.etf.bg.ac.yu/, 2007.
[14] M. R.S.S´anchez-Pe˜ na. Robust Systems. Theory and Applications. John Wiley
and Sons, Inc., New York, 1998.
[15] I. S. Skogestad. Multivariable Feedback Control. John Wiley and Sons Ltd,
Chichester, UK, 1996.

Sadrˇaj z
Sadrˇaj z Popis slika Popis tablica Popis oznaka 1. Uvod 1.1. Prijenosne funkcije sustava u zatvorenoj sprezi . . . . . . . . . . . . 1.2. LFT: Linearna transformacija razlomka . . . . . . . . . . . . . . . . ii iv vi 1 1 6 8

1.3. Pojam robusnosti i greˇka modeliranja . . . . . . . . . . . . . . . . 10 s 1.4. Robusna stabilnost . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.5. Robusna performansa . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.6. Pregled zakona za stabilnost i performansu . . . . . . . . . . . . . . 16 1.7. Povezanost stabilnosti i performanse SISO sustava . . . . . . . . . . 17 1.8. Strukturirana singularna vrijednost . . . . . . . . . . . . . . . . . . 18 1.9. Analiza robsne performanse koriˇtenjem SSV . . . . . . . . . . . . . 20 s 1.10. H∞ upravljanje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2. Formulacija problema 25

2.1. Objekt upravljanja . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3. Frekvencijska analiza 33

3.1. Sinteza regulacijskog kruga . . . . . . . . . . . . . . . . . . . . . . . 33 ii

. . . . . .1.2. . . . . .1. . . . . . . . . . . . . . . . . . 58 7. . . 54 7. 57 7. . .1. . . Prilog: Otvoreni sustav . Suboptimalni H∞ regulator 5. . . . . Prilog A . . . . . . . . . Matlab kodovi 39 42 50 52 7. 54 z 7. . . . . .1. . . . . . . .1. . . . . . . 34 3. . . . . . . . . . . . . .1. .5. . Prilog D Analiza nominalne i robusne performanse . . . . . . . . . . 52 7. . . Prilog A-1 . . . . . 53 7.6. .2. . . . . . . . . . . . . . . . . . . . . . . . . . .1.1. . . . . Povezanost modela .3. . . . . . . . . . . . . . .3. .2.1. . . Prilog E Analiza robusnosti MDS sustava na referencu i poreme´aj c Literatura 60 61 . . Prilog: Frekvencijska karakteristika . 57 7. . Prilog B-(Sub)Optimalni H∞ regulator . . . . . . . .3. . . . . . . . .4. . . . Prilog: Teˇinske funkcije . . . 35 3. .Matlab kodovi .1. Nominalna stabilnost i performanse . . . . . . . . . . . . . . . . . . . . . .4. Prilog B-(Sub)Optimalni H∞ regulator . . . . . . 55 7. Prilog C Analiza robusnosti .ˇ SADRZAJ iii 3. . . . . . Robusna stabilnost . . . Analiza zatvorenog sustava sa regulatorom 6. 37 4. . Zakljuˇak c 7. . . . . . . . . . . . . . . . . . 59 7. . .

. . . . . . . 17 1. . . . 16 1. . . 21 c 1. . . . . . . . . . . . . . . . . Interna stabilnost regulacijskog kruga. . . .5 1. . . . . . . . . . . . . . . . . . . . . . moduli teˇinske i funkcije c z z osjetljivosti (sredina) i krive performanse (dolje) . . . . . . . (c)-analizu robusne stabilnosti . . . 26 Reprezentacija nepoznatih parametara kroz Linearne transformacije 28 Blok dijagram MDS sustava sa nepoznatim parametrima .Popis slika 1. 25 Blok dijagram MDS sustava . . . 13 1. . .3 2. . .analizu robusne performanse. . . . . . . . . . . . . . . . . . . . . . . . .12 Prikaz skaliranja matricom D . . . .1 1.7 1. . . . . . . . .1 2. . . . . . . . .2 2. . . . . . . . . Prijenosne funkcije kao linearne transformacije razlomka . . . . . Sustav u zatvorenoj petlji sa multiplikativnom greˇkom modeliranja s Strukture MIMO sustava za: (a)-sintezu regulatora. . . . . . . . . . . . . . .13 Struktura sustava za analizu robusne performanse . .LFT . . . 19 1. . . . 28 9 9 13 2 5 8 Multiplikativna (lijevo) i aditivna (desno) skupna greˇka modeliranja 10 s Krivulja prijenosne funkcije Lp . . . . . . . . . 13 iv .9 Struktura regulacijskog kruga. . . . . . . . .8 1. . . . . . . . .3 1. . . . . . . . . . .6 1. . Sustav sa povratnom spregom . . . Tipiˇan izgled teˇinske funkcije ωP (gore). . . . . .2 1. . . . . . . . .10 Prikaz robusne performanse RP . . . . . . . . . . . . . . . 20 1.4 1.15 Struktura modela H∞ optimalnog upravljanja . . . .4 MDS sustav . 22 2. . . . . .11 Prikaz prevo¯enja analize robusne performanse na analizu robusne d stabilnosti . . . . .14 Izjednaˇavanje zakona za robusnu stabilnost i performansu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (b). .

. . . . . .7 3. .6 2. . . . 39 Dobiveni rezultati (sub)optimalnog kontrolera . . .POPIS SLIKA v 2. . . . . . . . . . .6 4. . .1 3. . . 34 Struktura zatvorenog kruga . . . . . . . . . . . . 38 c Struktura zatvorene petlje . . . . . . . . 38 Prikaz poop´enog otvorenog sustava . . . . . . . . . . . . . 30 Rjeˇenje Gmds . . . . 43 Osjetna funkcija sa Khin . . . . . . . . . . . . . . . . . . . . . . . 44 Robusna analiza stabilnosti regulatora Khin . . . . . . . . . . . . 31 s Linearna reprezentacija MDS sustava sa ukljuˇenom c matricom . 45 Robusna i nominalna performansa Khin . . .4 5. . . . . . . . . . . . . . . . . . . . . 48 Odziv sustava na poreme´aj Khin . . . . . . . . . . . .2 5. . . . . . . . . . . . . . . .6 Ulazno izlazni blok dijagram MDS sustava . . 35 Singularne vrijednosti 1/wp . . . . . .5 3. . . . . . . . . . . . . . . .2 5. . . .5 5. . . . . . . . .5 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 Odziv sustava na Step pobudu Khin . . . . . . . . . . . . . . . . . . . . 38 Struktura zatvorene petlje H∞ regulatora . . . . . . . . . . . . . . . . . . . . . . 49 c .2 3. . . . . . . . . . .1 4.3 3.4 3. . . . . . . . . . . 32 Frekvencijska karakteristika perturbiranih modela . . . 41 Singularne vrijednosti regulacijskog kruga sa Khin . . . . . . . . . 36 Struktura otvorene petlje . .1 5.3 5. . .

. . . .Popis tablica 1. .1 Prikaz zakona za stabilnost i performansu . . . . 16 vi . . . . . .

[14]. [10]. Mnogi problemi koji se javljaju u teoriji upravljanja mehaniˇkim sustavima. uz poreme´ajnu veliˇinu i nepoznavanje c c modela sustava predstavlja samu srˇ teorije upravljanja. Svaki postupak projektiranja regulatora kre´e od nekog modela procesa kojim se c 1 . kontrolno s upravljanje observerom stanja vode do velike osjetljivosti takvih sustava na poreme´ajne veliˇine. c c z c c poznavanja poreme´ajne veliˇine. Robusno upravljanje se z poˇelo prouˇavati intenzivno od 1970 godine kada se ustanovilo da mnoge od poc c pularnih metoda upravljanja. kao ˇto su optimalno LQR upravljanje. Moˇemo re´i da je nemodelirani dio sustava kritiˇniji od npr.[8].[9]. upravljivi su u smislu poznavanja matematiˇkog c c modela sustava iz kojega se izvodi zakon upravljanja za zadani tip objekta upravljanja. Nasuprot tome robusno upravljanje. zato jer utjeˇe na stabilnost zatvorenog reguc c c lacijskog sustava dok poreme´aj utjeˇe samo na performanse regulacijskog kruga c c kojem je ve´ ustanovljena stabilnost.[1]. Suvremene metode upravljana zasnivaju se na prevo¯enju izrazito nelineard nih modela u ekvivalentne linearne modele metodom eksterne linearizacije.[15]. Nakon navedene transformacije primjenjuju se standardne metode sinteze linearnih sustava. c Ako govorimo o pravom robusnom upravljanju prvi poˇeci poˇinju 1980 -ih godina c c prema Zamesu [5] i Francisu [6] i njihovoj.Poglavlje 1. Uvod Tema ovog seminarskog rada je analiza stabilnosti mehaniˇkog MDS sustava c primjenom robusnog upravljanja.[2]. sada dobro poznatoj H∞ optimalnoj teoriji [7].

moˇemo pisati: z C(s) = K(s) [I + G(s)K(s)]−1 gdje je f (s) = d(s) + [S − G(s)] u(s) (1. Ponaˇanje sustava z s s moˇe biti opisivano za zadani reˇim. Uvod 2 upravlja. sa K(s) matematiˇki model linec c arnog regulatora. koji samo pribliˇno opisuju ponaˇanje realnog sustava. sa d vanjski poreme´aj. a to je ono ˇto se u praksi javlja najˇeˇ´e. Zakon upravljanja treba da bude robustan. relativno niskog c sc reda. odnosno da daje zadovoljavaju´e rezultate i u sluˇaju kad postoje razlike izme¯u modela i realnog c c d procesa. a sa G(s) linaerni matematiˇki model c c procesa u cilju da povratna sprega ostane nepromjenjena. Najˇeˇ´e su to jednostavni linearni stacionarni modeli. za odre¯ene vanjske uvjete i za ˇeljeni frekz z d z vencijski opseg. Ako sa S oznaˇimo proces koji kontroliramo.1) . s c sc Na slici 1.1 je prikazana regulacijska petlja procesa (gore) prema [14] i proces i matematiˇki model u regulacijskoj petlji (dolje).Poglavlje 1. c Slika 1.1: Struktura regulacijskog kruga.

Sinteza regulatora koji c c rezultira stabilnim ali ograniˇenim faznim karakteristikama obiˇno ima za posljec c dicu dobivanja dobro priguˇenog sustava. sa sigurnoˇ´u je mogu´e garantirati c sc c stabilnost na modelu sa ograniˇenom (limitiranom) c . Najlakˇe je to objasniti ovako. Kada se ta svojstva (stabilnost i performansa) s s odnose na nominalni model nazivaju se nominalna stabilnost i performansa. rijeˇ model nije jednaka rijeˇi sustav. d Dinamika sustava je ˇesto prikazana skupom diferencijalnih jednadˇbi za otvoreni c z ili zatvoreni sustav.Poglavlje 1. a samim time i performansi. Glavni cilj robusne kontrole je odrediti potreban broj konzervativnih uvjeta koji sa sigurnoˇ´u odre¯uju stasc d bilnost kruga kao i performanse nepoznatog modela (limitirani skup modela) koji objaˇnjavaju ponaˇanje procesa. uvijek treba biti ograniˇena jer ako bilo koji c regulator spojimo na potpuno nepoznati sustav uvijek postoji mogu´nost da je u c zatvorenoj petlji on nestabilan. a to je da se nelinearni sustavi opisani nelinearnim jednadˇbama preveslaju u z adekvatni linearni sustav na kojem se provodi sinteza. U srˇi postoje dvije kategorije c c z kontrolnih sustava. c c s Sustav se sastoji od skupa modela koji su vo¯eni glavnim (nominalnim modelom) d i ograniˇenom (limitiranom) c . koji ´e u ovom seminaru c biti obrazloˇeni diferencijalne jednadˇbe poprimaju linearnu osnovu u ˇemu leˇi i z z c z bit. Samim time. Za vremenski invarijantne sustave. Kada su s 1960-ih razvijani multivarijabilni sustavi teˇnja se stavljala na dobre performanse z preko LQR kriterija iskljuˇuju´i robusnost sustava. Kada se prethodno navedena svojstva odnose na cijeli skup modela ili nepoznati model nazivaju se robusna stabilnost i performansa. Glavna razlika izme¯u klasiˇnog/ c d c modernog upravljanja i robusnog upravljanja leˇi u ˇinjenici da je nemodeliranost z c eksplicitno ukljuˇena u hipotezu problema. Ve´ina industrijskih sustava su multivarijabilni sustavi (MIMO) sa snaˇnom sprec z gom (coupling) izme¯u ”kanala” sustava. Uvod 3 Sa je oznaˇena nepoznati dio sustava ili nemodelirani dio. ako govorimo o robusnom c upravljanju. On nam govori da c matematiˇki model nije egzaktna kopija procesa. U klasiˇnim SISO sustavima robusnost se postiˇe osiguranjem dobrog pojac z ˇanje ograniˇenih faznih karakteristika (phase margins). Svaki sustav se moˇe opisati z . To su sustavi otvorene i sustavi zatvorene petlje (feedback). Bolje reˇeno.

Isto tako za naˇ model moˇemo definirati i asimptotsku stabilnost ako za bilo s z koja inicijalna stanja i u(t) = 0 sustav konvergira vrijednosti 0. a za sustav opisan jednadˇbama (1. . . povratna petlja ´e ublaˇiti utjecaj s c z poreme´aja uslijed nemodeliranog modela i osigurati ˇeljene performanse. G(s) =   .3) gdje je x(t) ∈ Rn vektor stanja.2) sustav je asimptotski stabilan ako i samo ako su svojstvene vrijednosti matrice A u lijevoj polovici kompleksne ravnine sa pozitivnim realnim dijelovima. . c z Isto tako neprimjeren regulator moˇe djelovati destabiliziraju´e u zatvorenom reguz c lacijskom krugu iako je za otvorenu petlju primjeren.2) moˇemo pisati kao pris z z jenosnu funkciju: G(s) = C(sI − A)−1 B + D koja zapisana u kra´oj formi kao matrica izgleda: c   .2) kaˇemo da je stabilan s z z ako su polovi karakteristiˇne jednadˇbe u lijevoj polovici kompleksne ravnine sa c z negativnim realnim dijelovima. u(t)=0 c te koriˇtenjem Laplaceove transformacije jednadˇbu (1.2) (1. Ako gledamo sa stanoviˇta stabilnosti.2) se podrazumijeva da je potpuno kontrolabilan i obserz vabilan. c Ako pretpostavimo vremenski invarijantni sustav i poˇetna stanja jednaka 0. B. B A . . hodom cilindra. . .5) Bitno je znati da je H∞ pristup fazno frekvencijska metoda (FFK ). D su karakteristiˇne matrice. Poznat je pod nazivom BIBO system (Bounded input Bounc ded output). (1. Za sustav opisan prijenosnom funkcijom kaˇemo da je stabilan ako za ograniˇenu vrijednost upravljaˇke varijable z c c daje ograniˇeni izlaz.4) (1. Za vremenski invarijantni sustav opisan (1. .   . u(t) ∈ Rm vektor upravljanja. a A. . iznosima napona. C. Ograniˇenja su obiˇno dana npr. D C . .Poglavlje 1. c c kutom zakreta itd. Za naˇ sustav opisan jednadˇbom (1. y(t) ∈ Rp izlazni (mjereni) vektor. . Uvod 4 nizom jednadˇbi: z x = Ax(t) + Bu(t) ˙ y(t) = Cx(t) + Du(t) (1.

Ako gledamo samo zatvoreni regulacijski krug mnogo je vaˇnija unutraˇnja (inz s terna) stabilnost (internal stability) koja je predstavljena asimptotskom stabilnoˇ´u svih ulazno .2 je prikazana struktura kao i zakon sc unutarnje stabilnosti. Na slici 1. Ako piˇemo prijenosne funkcije: s Tyd = G(I + KG)−1 Tur = K(I + GK)−1 Tud =K G(I + KG)−1 (1.7) (1.Poglavlje 1. D matrica onda BIBO stabilnost implicira asimptotsku stabilnost. Gore opisane stabilnosti su uvjetovane za zatvorene i otvorene regulacijske krugove.izlaznih parova.6) (1. C.9) moˇemo re´i daj je prijenosna funkcija u matriˇnoj formi M interno stabilna od z c c r y do prema [14] kako slijedi: d u M= GK(I + GK)−1 K(I + GK)−1 G(I + KG)−1 −KG(I + KG)−1 (1.2: Interna stabilnost regulacijskog kruga.8) (1. B. Uvod 5 Asimptotska stabilnost implicira i BIBO stabilnost ali ne i obrnuto.10) . Ako je provedena minimalna realizacija A. Slika 1.

14) Ako usporedimo jednadˇbe (1.Poglavlje 1. Iz jednadˇbe (1.[13]. Uvod 6 Ako navedenu jednadˇbu (1. dok je T = (I + GK)−1 GK = (I + L)−1 L komplementarna funkcija osjetljivosti.1.15) (1.13) i (1.14) se vidi da S predstavlja funkciju z . Greˇka s upravljanja je dana sa: e = y − r = −S · r + SGd · d − T · n U sluˇaju kada imamo opis sustava bez povratne sprege imamo: c y = GK · r + Gd · d + 0 · n (1. funkcija osjetljivosti.3 moˇemo pisati sljede´e: y = (I + GK)−1 GK ·r + (I + GK)−1 Gd · d − (I + GK)−1 GK ·n T S T (1.12) c d Isto tako prema [3] ako nema kra´enja nestabilnih nula polova izme¯u G i K. pa moˇemo c z re´i da ova funkcija predstavlja mjeru smanjenja osjetljivosti izlaza sustava nakon c zatvaranja povratne sprege.15) vidimo da se odziv na referencu i porez me´aj razlikuje za faktor S u odnosu na sustav s povratnom spregom. 1.10) napiˇemo kroz oblik svojstvenih vrijednosti dobiz s vamo funkciju za internu stabinost sustava prema jednadˇbi (1. Prijenosne funkcije sustava u zatvorenoj sprezi z c Prema slici 1.12) z −1 G(I + KG)−1 ˆ = I − GK(I + GK) M K(I + GK)−1 I − KG(I + KG)−1 −1 (1. S = (I + GK)−1 = (I + L)−1 je tzv.13) U gornjoj jednadˇbi L = GK predstavlja prijenosnu povratnu funkciju prema z [14] . tada bilo koja od 4 prijenosne funkcije koja je BIBO stabilna garantira internu stabilnost cjelokupnog sustava.11) ˆ M= I −K −G I (1.

c c Prema tome.16) + wB s + wB A . Vrijednost funkcije osjetljivosti na vrijednosti ω = 0 karakterizira ponaˇanje u stacionarnom s stanju.17) zakon glasi: z |S(jω)| < 1/|wp (jω)|. Bolje reˇeno. s Tipiˇan izgled amplitudne karakteristike povratne sprege je da ona ima visoke c vrijednosti na niskim frekvencijama i da opada s porastom frekvencije. Funkcija osjetljivosti dobar je pokazatelj ponaˇanja sustava u zatvorenoj sprezi.7 moˇe se smatrati kao indikator frekvencijskog z z opsega u kojem je sustav u stanju da uspjeˇno prati referentni signal i odbacuje s poreme´aje. a greˇka u odbacivanju poreme´aja s c s c S(0)Gd (0)d0 . radimo tako ako definiramo funkciju za ˇeljenu performansu sustava kao: z wp (s) = prema jednadˇbi (1. S obzirom da c je: S+T =I dobili smo komplementarnu funkciju osjetljivosti.18) i ekvivalentan je zahtjevu da vrijednost amplitudne funkcije osjetljivosti bude manja od A na niskim odnosno od MS na visokim frekvencijama i da ne dostigne vrijednost ve´u od 1 bar do vrijednosti odre¯ene sa wB . Na ovaj naˇin definira c d c se ˇeljeno ponaˇanje sustava u stacionarnom stanju. njegova robusnost i propusni z s . Frekvencija pri kojoj funkcija osjetljivosti dostiˇe vrijednost 0. ˇeljene karaktez ristike sustava u zatvorenoj sprezi mogu se specificirati preko oblika amplitudne karakteristike funkcije osjetljivosti. jer je greˇka pra´enja reference S(0)r0 . |S(jω)| ima VF amlitudnu karakteristiku.Poglavlje 1. sustav je robusniji c ukoliko je ova vrijednost manja. MS je mjera robusnosti sustava. Uvod 7 prijenosa od r do e ili od −d do e za sluˇaj kada je Gd = 1 odnosno osjetljivost c sustava na promjenu reference ili djelovanje poreme´aja na izlazu. S obzirom da je S = (I + L)−1 . gdje je r0 = r(s = 0) i d0 = d(s = 0). To npr. (1.17) <1 (1. ∀ω ⇐⇒ wp S ∞ s Ms (1. U skladu sa gore navedenim. Maksimalna vrijednost S(jω) po frekvencijama se oznaˇava sa Ms i c c predstavlja reciproˇnu vrijednost najmanje udaljenosti grafa funkcije spregnutog c prijenosa L(jω) od kritiˇne toˇke −1.

19) i K dimenzija m1 × n1 i m2 × n2 .21) pri ˇemu se indeksi l i p odnose na donju (eng. dimenzija (n1 + n2 ) × (m1 + m2 ) dana sa P = i neka su matrice P11 P12 P21 P22 (1.2.4 je prikazan tipiˇan izgled amplitudne karakteristike teˇinske funkcije c z za performansu. i jedan primjer u kojem |S| ne zadovoljava postavljene zahtjeve. LFT: Linearna transformacija razlomka Linearna transformacija razlomka se provodi prema [13]. kao i prema [4]. c Duˇa procedura dobivanja LFT objaˇnjena je u [4].5 se vidi smisao ovakve LFT. ˇto se vidi i iz krive performanse (ams plituda proizvoda teˇinske i funkcije osjetljivosti) ˇiji je maksimum ve´i od 1 z c c Slika 1. Neka je matrica P. Donja i gornja linearna transformacija razlomka (LFT) dane su sljede´im izrazima: c Fl (P. lower) i gornju (eng.3: Sustav sa povratnom spregom 1.Poglavlje 1. upper) LFT. R1 = Fl (P.20) (1. Na slici 1. z s Na slici 1. K) = P11 + P12 K(I − P22 K)−1 P21 Fu (P. odnosno prelazi postavljenu gornju granicu. K) je prijenosna funkcija koja se dobije zatvaranjem pozitivne povratne . Uvod 8 opseg. ) = P22 + P21 (I − P1 1 )−1 P12 (1.

sprege preko oko gornjeg dijela P ) rezultat zatvaranja pozitivne povratne Slika 1. moduli teˇinske i funkcije c z z osjetljivosti (sredina) i krive performanse (dolje) sprege sa regulatorom K oko donjeg dijela matrice P (od posljednjih m2 izlaza do posljednjih n2 ulaza). Uvod 9 Slika 1.Poglavlje 1. dok je R2 = Fu (P.4: Tipiˇan izgled teˇinske funkcije ωP (gore).LFT .5: Prijenosne funkcije kao linearne transformacije razlomka .

22 (s)). Najˇeˇ´e se koristi skupna metoda predstavljanja greˇke modeliranja u multic sc s plikativnoj ili aditivnoj varijanti. Slika 1. On se bira tako da odstupanje funkcija iz skupa Π od tog modela bude ˇto manje.3. uslijed s nemodelirane ili zanemarene dinamike i skupne. Perturbrane prijenosne funkcije za multiplikativnu. Kao mjera odstus panja uzima se modulo razlike frekvencijskih odziva |G(jω)| − Gp (jω)|. nominalni model. odnosno aditivnu greˇku modeliranja dane su sljede´im izrazima: s c Gp (s) = G(s)(1 + wm (s) · Gp (s) = G(s) + wa (s) · U izrazu 1.6 G predstavlja tzv. Uvod 10 1.22) (s). | (jω)| ≤ 1 | (jω)| ≤ 1 (1. Pojam robusnosti i greˇka modeliranja s Dinamiˇko ponaˇanje realnog procesa teˇko je predstaviti jedinstvenim linec s s arnim modelom. prikazanoj na slici 1. Greˇke mogu biti parametarske.6.Poglavlje 1. tako da se skup perz c turbiranih prijenosnih funkcija za nekoj frekvenciji ω moˇe predstaviti krugom z . U kompleksnoj ravnini ona se moˇe predstaviti jediniˇnim krugom. Tipiˇan c naˇin za odre¯ivanje nominalnog modela je pronalaˇenje srednjih vrijednosti parac d z metara perturbiranih modela. (s) predstavlja bilo koju stabilnu prijenosnu funkciju ˇija je c amplitudna frekvencijska karakteristika za svaku vrijednost manja od 1. Zbog toga se uvodi skup perturbiranih modela Π pri ˇemu se c smatra da se ponaˇanje procesa u bilo kojem trenutku moˇe kvalitetno aproksis z mirati nekom funkcijom Gp iz tog skupa.6: Multiplikativna (lijevo) i aditivna (desno) skupna greˇka modeliranja s Na gornjoj slici 1.

Poglavlje 1. Uvod

11

radijusa G(jω) · wm (jω) za multiplikativnu, odnosno wa (jω) za aditivnu greˇku s modeliranja, sa centrom u toˇki G(jω). Ovaj naˇin predstavljanja greˇke modelic c s ranja je oˇigledno nestrukturiran, s obzirom da ne postoje nikakva ograniˇenja u c c pogledu strukture funkcije skupa Π. Pri tome su bitni samo moduli ovih teˇinskih funkcija, jer su varijacije u funkciji z pokrivene funkcijom (s). Stoga se bez gubitka opstojnosti moˇe re´i da su one z c stabilne i minimalne faze. Isto tako prema jednadˇbi (1.23) z wa (s) = G(s)wm (s) (1.23) (s). Teˇinske funkcije wa (s) i wm (s) biraju se tako da budu obuhva´eni svi modeli iz z c

vidimo da su aditivna i multiplikativna greˇka modeliranja ekvivalentne, jer je s uvijek mogu´e svesti jedan oblik na drugi. c Iz tog razloga, daljnje razmatranje ´e biti ograniˇeno na multiplikativnu varic c jantu skupne greˇke modeliranja. s Polaze´i od skupa perturbiranih modela Π i nominalnog modela G(s) teˇinska c z funkcija wm (s) moˇe se dobiti tako da se na svakoj frekvenciji prona¯e maksimalno z d odstupanje perturbiranih modela od nominalnog l(ω) = maxGP ∈Π Gp (jω) − G(jω) , G(jω) (1.24)

a zatim se ova gornja granica aproksimira racionalnom kompleksnom funkcijom wm (s) tako da se zadovolji: |wm (jω)| ≥ l(ω), ∀ω (1.25)

Zbog jednostavnosti se najˇeˇ´e usvaja da je funkcija wm (s) prvog reda, u obliku c sc wm (s) = τ · s + r0 τ ·s +1 r∞ (1.26)

gdje su r0 i r∞ vrijednosti greˇke modeliranja na niskim i na visokim frekvencijama, s a 1/τ je frekvencija na kojoj greˇka modeliranja dostiˇe 100% s z

Poglavlje 1. Uvod

12

1.4.

Robusna stabilnost

Sustav u povratnoj sprezi je robusno stabilan ako je s datim regulatorom stabilan svaki od perturbiranih modela. Ako se greˇka modeliranja predstavi u multis plikativnoj formi, sustav u zatvorenoj sprezi ima izgled kao na slici 1.7. Prijenosna funkcija sustava izgleda Lp = Gp K = GK(1 + wm ) = L + wm L , | (jω)| ≤ 1, ∀ω. (1.27)

Uz pretpostavku da je nominalni sustav stabilan i da je svako Lp stabilno, robusna stabilnost svodi se na to da je sustav stabilan za svako Lp . Prema Nyquistovom kriteriju, ovo ´e biti zadovoljeno ako nijedno Lp ne obuhvati toˇku −1 u komplekc c snoj ravnini. Prema slici 1.8 | − 1 − L| = |1 + L| je udaljenost od toˇke −1 do centra kruga koji c predstavlja Lp , a |wm L| je radijus ovog kruga. Kako Lp ne smije obuhvatiti toˇku −1, najmanja udaljenost od granice kruga c do ove toˇke mora biti pozitivna, ˇto je ekvivalentno sa: c s wm L < 1, 1 + wm L

|wm L| < |1 + L|, ⇐⇒ |wm T | < 1,

∀ω ⇐⇒

∀ω ∀ω

(1.28) (1.29)

∀ω, ⇐⇒ wm T

< 1,

Prema tome, da bi sustav bio robusno stabilan, modulo komplementarne funkcije osjetljivosti mora se uˇiniti malim na frekvencijama na kojima je greˇka moc s deliranja velika. Prethodni zakon je dovoljan i potreban samo u sluˇaju kada su c na svakoj frekvenciji zaista mogu´i svi perturbirani modeli za koje je | (jω)| < 1. c Ukoliko je opis greˇke modeliranja konzervativan, u smislu da ukljuˇuje i neke s c perturbirane funkcije prijenosa koje se ne´e javiti u realnom procesu, samo zakon c (1.28) je dovoljan. Pri analizi MIMO sustava ˇesto se koristi neka od struktura prikazanih na slici c 1.9. Shema (a) na slici 1.9 je pogodna za analizu regulatora K. Ovdje v predstavlja mjerenja koje se koriste za generiranje upravljanja u. y i u su ulaz i izlaz iz

Poglavlje 1. Uvod

13

Slika 1.7: Sustav u zatvorenoj petlji sa multiplikativnom greˇkom modeliranja s

Slika 1.8: Krivulja prijenosne funkcije Lp

Slika 1.9: Strukture MIMO sustava za: (a)-sintezu regulatora, (b)- analizu robusne performanse, (c)-analizu robusne stabilnosti

s obzirom da je povratna sprega pozitivna (minus je c c . javlja se grec ˇka z koju treba minimizirati. odnosno ako ne postoje nikakva ograniˇenja u pogledu c izabere tako da nema nikakvih njene strukture. Iako je matrica strukture zavisi od osobina matrice puna. To znaˇi da mora biti σ(M ) < 1. Sa druge c c strane ako je δ kompleksni skalar i ako je vrijednost matrice M Kao i maloprije. najnepovoljniji je sluˇaj kada se c bude σ( ) = 1 (najve´a perturbacija). pa sustav oˇigledno ne bi bio stabilan. pri ˇemu je M = N11 .Poglavlje 1.9 (b) nominalno stac bilan. pa se shodno tome uzima da H∞ norma perturbacione z matrice nije ve´a od 1. Ako promatramo stabilnost. a da vektor y c pojaˇanja matrice M . c c c c U ovom sluˇaju ta je toˇka 1. poop´eni proces. jedini izvor eventalne ) je ˇlan (I − N1 1 )−1 . onda je sistem sa slike stabilan ako i samo ako σ(M ) < 1.9(c) se naziva M c Moˇe se pokazati da zakon stabilnosti M z . tavkom nominalne stabilnosti. s c obzirom da je M dijagonalna matrica. ) = N22 + N21 (I − N11 )−1 N12 (1. po pretpostavci stabilni. pod pretposc strukturom. Uslijed djelovanja reference i poreme´aja. struktura se sada svodi na sustav s jediniˇnom povratnom spregom. moduli oba signala bi rasli i dostigli proizvoljno velike vrijednosti. Shema sa slike 1.30) i s obzirom da su N22 . odnosno kada bi c c σ(M ) > 1. Prema tome. predstavljenih signalom w. Uvod 14 bloka perturbacije .9 su isti. Pretpostavimo da je sistem sa slike 1. a koje se moˇe posti´i jer pri izboru c z c ima pravac maksimalnog ograniˇenja. ˇto je ekvivalentno internoj stabilnosti sistema N . s P je tzv. i da je perturbacija s tako¯er stabilna. N12 . N21 i nestabilnosti funkcije Fu (N. zakoni stabilnosti sa slika (b) i (c) na prikazu 1. najnepovoljniji sluˇaj je kada je σ( ) = 1 odnosno |δ| = 1. Kada bi signal y bio pojaˇan pri prolasku kroz M . U njega su ukljuˇene teˇinske funkcije za greˇku modelic c z s ranja i ˇeljenu performansu. Kako je: d Fu (N. odnosno maksimalna karakteristiˇna c c stabilnosti iz Nyquiatovog kriterija za sluˇaj M IM O sustava koji kaˇe da je sustav c z stabilan ako i samo ako karakteristiˇne vrijednosti ne obuhva´aju kritiˇnu toˇku. Zakon c = δI onda se zakon stabilnosti svodi na ρ(M ) < 1 pri ˇemu je ρ spektralni radijus.

Poglavlje 1. Uvod 15 ukljuˇen u funkciju M). Za MIMO sluˇaj za dani regulator K.33) (1. ∀ω. 1.35) ⇐⇒ |wp (1 + L)−1 | + |wm L(1 + L)−1 | < 1. ∀ω. (1. Prema slici 1.31) Ako znamo da je |1 + L| na danoj frekvenciji ω udaljenost od L(jω) do toˇke c −1 u kompleksnoj ravnini. U sluˇaju robusne performanse. Robusna performansa Za SISO sluˇaj zakon nominalne performanse glasi: c |wp S| < 1. odnosno Fu (N.10 ovaj zakon se svodi na: RP ⇐⇒ |wp | + |wm L| < |1 + L|. a zakon za robusnom performansom je da je prijenosna funkcija od w do z manja od 1. odnosno ako se L(jω) na svim frekvencijama nalazi c izvan kruga radijusa |wp (jω)| sa centrom u −1. ∀ω.9 (b). ⇐⇒ maxω (|wp S| + |wm T |) < 1. . zakon stabilnosti je ρ(M ) < 1. prijenosna funkcija od ulaza w (poreme´aj c ili referenca) do signala greˇke z je zapravo normalizirana funkcija osjetljivosti s wp S. ) ∞ < 1. c Prema tome. gornji zakon mora biti zadovoljen za svaki od c perturbiranih modela: RP ⇐⇒ |wp Sp | < 1. ∀Sp . gdje je wp teˇinska funkcija kojom se specificira ˇeljena performansa (ˆ i d z z e odgovaraju signalima z i w). nominalna performansa se postiˇe ako je udaljenost od z L(jω) do −1 ve´a od |wp (jω)|. analiza robusne performanse se izvodi c na osnovu strukturne sheme na slici 1. ∀ω (1.34) (1.5. K). svako Lp (jω) se na svojim frekvencijama mora nalaziti izvan c kruga radijusa |wp (jω)| sa centrom u −1. ∀ω ⇐⇒ |wp | < (1 + L).32) Drugim rijeˇima. Ovdje je N = Fl (P. (1. Naime.

. je dan prikaz zakona robusnosti i performanse za SISO i MIMO sustave izvedenih prema slikama 1.10: Prikaz robusne performanse RP Tablica 1. moˇe se pokazati da je prethodni zakon mogu´e zadovoljiti i za nesd z c tabilni sustav.Poglavlje 1. sustav ima robusnu performansu ako je nominalno stabilan i ako je σ(wp Sp ) < 1 za svako ∞ ≤1 1. ˇija H∞ norma nije ve´a od 1. Pregled zakona za stabilnost i performansu U tablici 1.6.1: Prikaz zakona za stabilnost i performansu Ako je σ(wp Sp ) < 1 za svaku perturbaciju ima robusnu performansu. Dakle.9. pa se mora uvesti pretpostavka o nominalnoj stabilnosti.6.7 i 1. sustav c c Me¯utim. Uvod 16 Slika 1.

11: Prikaz prevo¯enja analize robusne performanse na analizu robusne d stabilnosti Ako znamo da funkcija osjetljivosti S predstavlja prijenosnu funkciju od poreme´aja na izlazu do greˇke koja je jednaka izlazu.11 (b) robusno stabilan za svako y | m| <1i| ˆ py| p| < 1. y Prema tome.7. Ako je sustav sa slike 1.Poglavlje 1. jer ˆ je |d| = | < |ˆ|. s obzirom da je referenca c s nula. Prikaz na slici 1. odnosno |ˆ|/|d| < 1. Slika 1.11 daje objaˇnjenje prethodno navedene tvrds nje.11 (b) robusno stabilan.11 (a) zakonitost robusne performanse je |wp S| < 1. sustav sa slike 1. Uvod 17 1. . onda je odnos amplituda signala y i d sigurno manji od 1. Povezanost stabilnosti i performanse SISO sustava Analiza robusne performanse SISO sustava moˇe se povezati sa analizom z robusne stabilnosti.11 (a) zadovoljava zakon robusne performanse ako i samo ako je sustav sa slike 1. Za sustav sa slike 1.

Poglavlje 1. onda z c je on oˇigledno robusno stabilan. Prema tome. pa je d z oˇigledno da struktura matrice c predstavljen M igra vaˇnu ulogu u stabilnosti sustava koji je z strukturom. Ako se sustav moˇe destabilizirati jedino perturbacijama koje su ve´e od 1. Karakteristiˇne vrijednosti predstavljaju pojaˇanja sustava c c u pravcu karakteristiˇnih vektora. Uvod 18 1. µ (M ) = 1/σ( c zadovoljava zakon det(I − M min ).8.36) Ako ne postoji ni jedna matrica iz skupa gornje relacije. U oba sluˇaja je taj zakon c dan kao gornja granica. onda se SSV zapravo odnosi na najmanju perturbaciju koja sustav dovodi gdje je najmanja perturbacija koja min min ) = 0. Strukturirana c singularna vrijednost µ (M ) je relativna nenegativna funkcija definirana sa: µ (M ) = 1 min{km |det(I − km M ) = 0} (1. Kada ona nije dijagonalna ni puna. Neka je M kompleksna matrica i neka = diag{ i} oznaˇava skup kompleksih c matrica date dijagonalne blok strukture. ρ(M ) < 1 je suviˇe slab. veliˇina SSV je obrnuto proporcionalna stupnju robusnosti sustava. usvaja se µ (M ) = 0. pa spektralni radijus sigurno nije ve´i od makc c simalne singularne vrijednosti koja predstavlja najve´e mogu´e pojaˇanje sustava.9 (c) zavisi od oblika matrice stabilnosti kada je ona puna. U poglavlju 1. takva da je mogu´e prona´i km iz c c primjeni njena maksimalna singularna vri- jednost. U postavci c problema stabilnosti M je pretpostavljeno da iznosi σ( ) ≤ 1. a u drugom spektralnog radijusa. odnos izme¯u ove dvije vrijednosti moˇe biti proizvoljno veliki. c c c Teorijski. jer se takve perturbacije ne´e javiti na realnom c c . Drugim rijeˇima. pa je SSV ovog sustava velika. je pokazano da stabilnost d sa slike 1. Sustav koji nije robustan postati ´e nesc tabilan pri malim perturbacijama. pri ˇemu je σ( ) < 1. Zbog toga se uvodi pojam s strukturirane singularne vrijednosti. M Strukturirana singularna vrijednost i izvedeni su odgovaraju´i zakoni c SSV je detljno obra¯ena u [14]. u prvom maksimalne singularne vrijednosti. odnosno dijagonalna. a σ(M ) < 1 je proizvoljno konzervativan. Ako se za veliˇinu perturbacije c na granicu nestabilnosti. ve´ ima blok c dijagonalnu strukturu.4. ni jedan od gornjih uvjeta nije primjenjiv.

SSV uzima u obzir i strukturu c bloka . Ako bi se uz to i struktura matrice D odabrala tako da bude D D−1 = . c a µ (M ) = σ(M ) kada je ona puna.12 c (1. odnosno bilo bi µ (M ) = µ (DM D−1 ). c Iz definicije SSV slijedi da je: ρ(M ) ≤ µ (M ) ≤ σ(M ). Prema tome. pa je sustav sa slike 1. pri ˇemu je ρ(M ) = µ (M ) za dijagonalnu matricu perturbacije. Korisno je imati neku procjenu s za njenu gornju granicu. skaliranje matricom D ne moˇe utjecati na stabilnost sustava. Ovo se moˇe posti´i ako se za D usvoji blok dijagonalna struktura: z c D = diag{di Ii } (1.9 (c).37) pri ˇemu je struktura perturbacija fiksirana i unaprijed odre¯ena. a njena maksic d malna singularna vrijednost nije ve´a od 1. (1. ˇto je istaknuto indeksom u njenoj oznaci.Poglavlje 1.39) . Uvod 19 procesu. Jedna je granica maksimalna singularna vrijednost. zakon robusne stabilnosti se svodi na: µ (M (jω)) < 1. pod pretpostavkom stabilnosti nominalnog sustava M i perturbacije .38) Slika 1. onda bi i odgovaraju´e c SSV za dva sustava bile jednake. Bolje reˇeno. Kako izraˇunati tijesnu granicu prikazano je na slici 1. ∀ω. Naime.12: Prikaz skaliranja matricom D Ideja je da se iskoristi blok dijagonalna struktura matrice .12 z stabilan ako i samo ako je stabilan sustav sa slike 1.

slijedi µ (M ) ≤ σ(DM D−1 ) (1. Kako je µ (DM D ) ≤ σ(DM D ). S druge . odnosno da ima samo jedan. a di je proizvoljan kompleksni skalar.9.7. Moˇe se z prikazati da minimizacija vrijednosti σ(DM D−1 ) konveksna po elementima matrice D. Uvod 20 pri ˇemu Ii ima iste dimenzije kao i i-ti blok u perturbaciji c −1 −1 .13: Struktura sustava za analizu robusne performanse Za robusnu perfrmansu treba zadovoljiti uvjet σ(wp Sp ) = σ(ˆ/d) < 1. na svim e frekvencijama i pri svim perturbacijama m takvim da je σ( m) ≤ 1. za SISO sustave moˇe biti objaˇnjena slikom 1. z s Slika 1.Poglavlje 1. globaln i minimum.40) Pogodnim izborom koeficijenata di matrice D moˇe se posti´i da gornja nejednaz c kost bude tijesna. 1. Analiza robsne performanse koriˇtenjem SSV s Povezanost robusne performanse i stabilnosti MIMO sustava kao u poglavlju 1. odnosno da σ(DM D−1 ) bude znatno manje od σ(M ). ˇto znatno olakˇava s s njenu softversku implementaciju.13.

14: Izjednaˇavanje zakona za robusnu stabilnost i performansu c Sustav na slici 1.41) Treba primjetiti da blok ˆ ima blok dijagonalnu strukturu i da je zbog toga SSV matrice M uvijek manja od njene H∞ norme. jer ∞ moˇe. onda bi zakon stabilnosti ovakvog sustava bio ekvivalentan zakonu za robusnom Slika 1.14 (c) i (d) su oˇigledno ekvivalentni onom c sa slike (b).14 (b) je robusno stabilan ako i samo ako je F m m < 1 za sve pod zakonom da njihove H∞ norme nisu ve´e od 1. u sluˇaju c . pa se zakon za robusnom performansom sustava na slici (a) svodi na: µ (M ) < 1 (1. ali fiktivni blok s je samo tada zakon za RS dan sa µ (F ) = σ(F ) = F sa slike 1. Ako bi u taj sustav uveli fiktivnu perturbaciju u obliku pune kompleksne matrice performansom poˇetnog sustava. Uvod 21 strane. puna. Sustavi na slikama 1. ali ne mora biti puna (ovo zavisi od naˇina predstavljanja z c < 1. odnosno pun.14. ∞ Sustav sa slike 1. poznato je da za stabilnost klasiˇne M c kada je perturbacijska matrica strukture sa slike 1. .14 (a) ima robusnu performansu ako i samo ako je F za svaku perturbaciju perturbacije tome matrica i m ∞ <1 koja zadovoljava m ∞ ≤ 1. Pri c mora biti nestrukturiran. sustav greˇke modeliranja). c Ovo je ilustrirano na slici 1. Prema tome.14 (b) robusno stabilan. treba biti zadovoljeno σ(M ) < 1.14 (a) ima robusnu performansu ako i samo ako je sustav sa slike 1.9 (c).Poglavlje 1.

C1 . . . . u sljede´em obliku: c  A . .15 prema [14]. . Uvod 22 1.42) U blok P su ukljuˇene nominalna matriˇna prijenosna funkcija procesa i teˇinske c c z funkcije koje opisuju greˇku modeliranja i ˇeljenu performansu (sliˇno kao sluˇaju s z c c matrice M sa slike 1. .13). c . . u = K(s) · v (1. H∞ upravljanje Pri sintezi H∞ regulatora polazi se od strukture na slici 1. Ulazni signali.[13]. D21 D22 C2 . Signal v je skup mjerenja koja reglator K koristi pri generiranju upravljanja u. predstavljeni su vektorom w.43)   . .15: Struktura modela H∞ optimalnog upravljanja z v = P (s) · w u = P11 (s) P12 (s) P21 (s) P22 (s) · w u . Algoritam za sintezu H∞ regulatora polazi od modela ove strukture u prostoru stanja. referenca i izlaz iz perturbacijskog c bloka. .   . . u koje spada poreme´aj. . . . Ona je opisana sljede´im jednadˇbama: c z Slika 1. B1 B2  (1.   P =  . a signal greˇke i ulaz u perturbacijski blok s ˇine komponente signala z. . . .Poglavlje 1.10.[4]. . . D11 D12  .

ali garantira svojstvenost funkcija P11 (s) i P22 (s) ˇto znatno pojednostavljuje algoritam sinteze. odnosno da ga je mogu´e realizirati. K) ∞ <γ (1.46) . C2 ) je stabiliziraju´i i detektabilan d c 2. (3) i (4) spreˇavaju skra´ivanje nula i polova procesa i c c c regulatora na imaginarnoj osi. a (2) je dovoljan zakon da bi regulator bio svojstven.Poglavlje 1. K) ∞ = maxω σ(M (P. Ovakav kontroler postoji ako i samo ako su toˇne sljede´e zakonitosti: c c 1. z AT X∞ + X∞ A + C1 T C1 + X∞ (γ −2 B1 B1 T − B2 B2 T )X∞ = 0. Uvod 23 Zadatak sinteze H∞ optimalnog kontrolera je da se minimizira H∞ norma matrice M odnosno da prona¯emo ono K koje minimizira: d M (P. Zadatak sinteze suboptimalnog H∞ zakona upravljanja za dato γ > γmin je da se na¯e skup svih regulatora K. D12 i D21 imaju pun rang 3. (1. s Ako sa γmin oznaˇimo najmanju vrijednost izraza M c po svim regulatorima ∞ K koji daju stabilnu funkciju spregnutog prijenosa. d takvih da je: M (P. s Pretpostavka (5) nije neophodna. X∞ ≥ 0 je Riccatijeva algebarska jednadˇba prema [14]. Ure¯eni skup (A. ima pun rang za svaku ω 5. A − jωl C1 A − jωl C2 B2 D12 B1 D21 ima pun rang za svaku ω 4. B2 .44) Pri tome se uzimaju sljede´e pretpostavke: c 1. D11 = 0 i D22 = 0 Pretpostavka (1) mora biti ispunjena zbog egzistencije regulatora koji stabilizira proces. K)(jω)) (1.45) i da sustav u zatvorenoj sprezi bude stabilan. ˇto bi dovelo do nestabilnosti u zatvorenoj sprezi.

. Iterativna z procedura poˇinje zadavanjem dvije vrijednossti γmin i γmax tako da se optimalna c vrijednost nalazi izme¯u ove dvije.   . s . L∞ = −Y∞ C2 T . centralni regulator koji ima isti broj stanja kao i poop´eni proces P .51) ∞ A∞ = A + γ −2 B1 B1 T X∞ + B2 F∞ + Z∞ L∞ C2 a Q(s) je bilo koja svojstvena stabilna funkcija prijenosa takva da je Q Ako se uzme Q(s) = 0 dobiva se: K(s) = Kc11 (s) = −Z∞ L∞ (sI − A∞ )−1 F∞ < γ. .Poglavlje 1. 0 I    .47) ∀i (1. . . −C2 . .  F∞ . d U prvom poglavlju ovog seminara biti ´e objaˇnjen i izloˇen dinamiˇki model c s z c MDS sustava. Svi matlab kodovi za pojedina rjeˇenja su dani u prilogu. . .52) Ovo je tzv. U praksi je teˇko odaz s brati vrijednost ovog parametra pa se optimali regulator traˇi iterativno.    Kc (s) =   . (1. a kada c razlika izme¯u njih postane manja od zadane tolerancije. . Uvod 24 pri ˇemu je Re{λi A + (γ −2 B1 B1 T − B2 B2 T )X∞ } < 0. (1. Y∞ ≥ 0 je rjeˇenje Riccatijeve algebarske jednadˇbe prema [14].49) (1. −2 Z∞ = (Iγ Y∞ X∞ )−1 . . .48) (1. . c 3. . c ∀i 2. . . I 0 F∞ = −B2 T X∞ . . . ρ(X∞ Yi nf ty) < γ 2 U tom sluˇaju je skup regulatora koji zadovoljavaju postavljene zahtjeve dan sljec de´im jednadˇbama: c z K = Kc11 + Kc12 Q(I − Kc22 Q)−1 Kc21 .  ∞  . . . . . postupak se prekida. . . . . c U gornjim jednadˇbama se pretpostavlja da je γ dano. s z AY∞ + Y∞ AT + B1 B1 T + Y∞ (γ −2 C1 T C1 − C2 T C2 )Y∞ = 0 pri ˇemu je Re{λi A + Y∞ (γ −2 C1 T C1 − C2 T C2 ) } < 0. . −Z∞ L∞ Z∞ B2 A .50) (1. . Sljede´a vrijednost za γ traˇi se kao srednja d c z vrijednost najmanjeg γ za koju su uvjeti ispunjeni i najve´eg za koji nisi. .

Na c slici 2.1 je prikazan MDS sustav. Objekt upravljanja U ovom poglavlju biti ´e izveden dinamiˇki model objekta upravljanja drugog c c reda poznat mod nazivom MDS sustav (mass.. a na slici 2. [4].1.damper-spring) prema [13]. Da bi osigurali jednostavnost modela u obzir ´emo uzeti samo strukturirane perturc bacije koeficijenata modela objaˇnjene u 1.6. Formulacija problema 2.[14].1: MDS sustav 25 .Poglavlje 2.3. Slika 2. Sintezu regulatora ´emo provoditi s c pomo´u Robust Control Toolboxa iz programskog paketa MATLAB 7.2 blok dijagram istog sustava.

2. pk = 0.1) gdje je x udaljenost bloka definiranog masom m od centra ravnoteˇe. pc . pk kao i δm . pm .3) . Ako c s ovaj isti model usporedimo sa stvarnim modelom moˇemo re´i da tri fiziˇka paraz c c metra m. s c c Prema tome moˇemo pisati: z pm = 0. nominalne vrijednosti m. c = 1. Ono ˇto mi znamo je da se vrijdnosti tih parametara s kre´u u odre¯enim granicama.3 (2. c i k mi ne poznamo. Svaku vrijednost parametra moˇemo prikazati noc d z minalnom vrijednoˇ´u kojoj dodajemo perturbacijsku mogu´nost prema [13]. sc c Prema tome moˇemo pisati z m = m(1 + pm δm ). c Za vrijednost p < 1 pretpostavljamo odre¯eni postotak nepoznatog parametra. k = k(1 + pk δk ) (2.2: Blok dijagram MDS sustava Dinamiˇki model MDS sustava se izvodi iz drugog Newtonovog zakona pri ˇemu c c dobivamo: m¨ + cx + kx = u x ˙ (2.Poglavlje 2. k = 2 tzv. d Tako ´emo i pretpostaviti 40% mogu´ih perturbacija mase. 20% perturbacija c c koeficijenta priguˇnice i 30% perturbacija ˇvrsto´e opruge. c je konstanta priguˇnice i k je konstanta opruge. [4]. pc = 0.4. c = c(1 + pc δc ).2) gdje su m = 3. δc i δk reprezentiraju mogu´e perturbacije tih triju parametara. c i k. Formulacija problema 26 Slika 2. u = F sila z koja djeluje na dotiˇni blok.

uc i uk prikazano na slici 2. δk ). Mk = 0 k (2. yk . prema slici 2. δc .8) pk k Prema jednadˇbama (2.3 postavljamo ulazne i izlazne varijable na dotiˇne blokove δm . um . δc i δk .6) Parametar c = c(1 + pc δc ) se moˇe prikazati kao: z c = FU (Mc .. Formulacija problema 27 Isto tako moˇemo pisati: z − 1 ≤ δm .7) pc c z Parametar k prikazan kao k = k(1 + pk δk ) se moˇe prikazati kao: k = FU (Mk .2 kao reprezentaciju preko Linearne transformacije razlomka objaˇnjene u 1. realnih perturbacija δm .7) i (2. pm δm jedinstvenim unificiranim pristupom.2 mogu biti zamijenjena sa m. Ako bi prema tome raspisali blok 1 m sa slike 2. yc .4.4) Tri bloka na slici 2. kao i prema [13]. δc ). Da bi detaljnije reprezentirali model kao linearnu transformaciju nepoznatih. c Preko gore navedenih jednadˇbi povezuju´i ulaze i izlaze moˇemo pisati: z c z .6).5) (2.[4] dobili bi: s 1 1 pm 1 = = − δm (1 + pm δm )−1 m m(1 + pm δm ) m m = FU (Mmi .8) Linearne transformacije se mogu prikazati z blokovski prema slici 2.Poglavlje 2. δk ≤ 1 (2.3.2. δc i δk kao ym . Mc = 0 c (2. To radimo tako da postoje´i blok prikaˇemo u funkciji upravljaˇke c z c varijable.(2. δm ) pri ˇemu je: c Mmi = −pm −pm 1 m 1 m (2.

Formulacija problema 28 Slika 2.9e) (2.9c) (2.9f) um = δm ym uc = δc yc uk = δk yk .9a) = uc x ˙ uk x pc c 0 k (2.9b) = pk k (2.Poglavlje 2.9d) (2.3: Reprezentacija nepoznatih parametara kroz Linearne transformacije Slika 2.4: Blok dijagram MDS sustava sa nepoznatim parametrima ym x ¨ yc vc yk vk = −pm −pm 0 c 1 m 1 m um u − vc − vk (2.

takav da je: x2 = x = x1 ˙ ¨ ¨ kao rezultat dobivamo sljede´e jednadˇbe: c z x1 = x2 ˙ 1 (u − vc − vk ) m 1 ym = −pm um + (u − vc − vk ) m yc = cx2 x2 = −pm um + ˙ yk = kx1 vc = pc uc + cx2 vk = pk uk + kx1 y = x1 um = δm ym uc = δc yc uk = δk yk (2.12j) (2.12i) (2. Formulacija problema 29 Ako piˇemo: s x1 = x.10) Eliminiraju´i varijable vc i vk jednadˇbe koje pokrivaju dinamiˇko ponaˇanje moc z c s dela su prikazane kao: .12c) (2.12h) (2. ˙ ˙ y = x1 (2.12g) (2.12a) (2.12e) (2.Poglavlje 2.11) x2 = x = x1 .12d) (2.12b) (2.12k) (2.12f) (2.

  . 0 0 0 .Poglavlje 2. u . . . Formulacija problema 30 x1 ˙    k  x2  − m ˙      . 0 . .. 0   0 0 ym   δc 0   yc    0 δk yk   x1      x2   . . . 0 1 m . u). . . .5 moˇemo re´i da Gmds ima z c ˇetiri ulaza (um .. . . . . . . ..  .. . . .. .      . . . . .   .. D21 D22 C2 .. . .     . .. ..   ... 0 −pm 0 − pc m 0 − pk m . . yc . m m . . ... .13) (2. .5: Ulazno izlazni blok dijagram MDS sustava Gmds A B1 B2   . y) i dva stanja (x1 i x2 ). u  m   m .. . .. . c m c 0 . ..  . .   . . . .   .    =  .15) .. .. 1  . C1 . . . −pm − pc − pk . .. . 0 0 0 . . 0   uc    .. . uc .. 0   uk      .  (2. .  y 1    um δm     uc  =  0    0 uk    0 1 c −m .. D11 D12  . . . yk .     y  − k  m  m  =  yc   0        yk   k    . 0   (2. . 0 . 0 . . . . . . ˇetiri izlaza (ym .14) Ako sa Gmds oznaˇimo ulazno izlaznu dinamiku MDS sustava koja uzima u obzir c nepoznatost parametara kako je prikazano slikom 2. .. c c State Space prikaz Gmds izgleda: Slika 2. uk .. . . .

δk ) kako je prikazano ima fiksnu strukturu i nazivamo ju nepoznata matrica ili matrica nemodeliranog modela. Vaˇno je naglasiti da matrica z )u (2.16) D21 = 0 0 0 .Poglavlje 2. c Rjeˇenje za Gmds je prikazano na slici 2.7) i (2.D22 = 0 Iz jednadˇbe (2. je dan kod za izraˇunavanje Gmds .(2.   k 0 C2 = 1 0 .D12 =  0      0 0 0 0 B2 = 0 (2. Formulacija problema 31 gdje je: A= 0 k −m 1 c −m B1 = 0 0 − pc m 0 − pk m   k c −m −m   C1 =  0 c . pm . δc . Ona je dijagonalna pa .6: Rjeˇenje Gmds s Prema jednadˇbama (2.17) = diag(δm .15) vidimo da Gmds djeluje na m. sa dijagonalnom nepoznatom matricom na slici 2. k. D11 1 −pm m     1 −pm − pc − pk m m  m = 0 0 0  .7.m u prilogu 7.6 s Slika 2. z U M-fileu prijenosna.6).8) te uzimaju´i obzir linearnu transformaz c ciju primjenjenu na dotiˇne jednadˇbe istu transformaciju moˇemo provesti na c z z originalnom sustavu te ´emo na taj naˇin prikazati nepoznato ponaˇanje originalc c s nog sustava. Pri tome moˇemo pisati: z y = FU (Gmds . pc i pk kao i na originalnu z diferencijalnu jednadˇbu koja povezuje y i u prema [13] Nasuprot tome ista Gmds z je poznata i ne sadrˇi nepoznate parametre.1. c.

1.1. Formulacija problema 32 se ˇesto naziva i strukturirana nemodelirana dijagonalna matrica ili perturbirana c matrica. c Slika 2.Poglavlje 2.7: Linearna reprezentacija MDS sustava sa ukljuˇenom c matricom . u fileu prijenosna2. Jasno je predstavljena prema [14]. [4]. Naˇu matricu Gmds moˇemo dobiti i s z pomo´u MATLAB-ove funkcije sysic dane u prilogu 7.m.

Analiza se provodi za nekoliko razliˇitih vrijednosti perturbacijskih parametara δm .1 za −1 ≤ δm .1. δc .m tri vrijednosti u svakoj perturbaciji su izabrane pri ˇemu su na izlazu dobiveni frekvencijski odzivi danog modela koji su prikazani c na slici 3. 33 (3. Matlab kod za frekvencijsku karakteristiku je dan u prilogu 7.2.Poglavlje 3. δk ≤ 1.1. Zahtjevi se prvenstveno odnose na traˇenje linesc z arne feedback kontrole. a koja je predstavljena kroz upravljaˇku varijablu: c u(s) = K(s)y(s) koja zadovoljava svojstva zatvorenog regulacijskog kruga. c δc i δk . Frekvencijska analiza nemodeliranog modela Frekvencijska analiza koja se provodi za perturbacije otvorenog sustava da bi se vidjelo ponaˇanje u uvjetima otvorene petlje se vrˇi pomo´u naredbe starp iz s s c Robust Toolbox-a.1) . U Matlab fileu pfr mds. 3. Sinteza regulacijskog kruga Nakon provedene frekvencijske analize otvorenog kruga treba prona´i zahtjeve c za stabilnoˇ´u zatvorenog kruga.

Ako pogledamo S vidimo da ona oznaˇava prijenosnu funkciju greˇke c s slije¯enja trajektorije.15). Nominalna stabilnost i performanse Kada govorimo o regulatoru njegov prvi zadatak je osigurati internu stabilnost regulacijskog kruga. Zadovoljavanje c gornje navedene norme dobro potiskuje efekt poreme´aja.2) gdje je S(Gmds ) = (I + Gmds K)−1 izlazna osjetilna funkcija nominalnog sustava. Kriterij z performanse za zatvoreni sustav se joˇ naziva S over KS procedura ili S preko KS s koji je opisan prema [14] kao: Wp S(Gmds ) Wu KS(Gmds ) ∞ <1 (3. a Wp . d . kao ˇto i ostvaruje dobre c s performanse. Wu su teˇinske funkcije koje reprezentiraju frekvencijske karakteristike vanjz skog poreme´aja d i zahtjeva performansi sa kontrolom sustava. Performanse zatvorenog kruga bi trebale biti zadovoljene za nominalni model Gmds koji je prethodno opisan jednadˇbom (2.Poglavlje 3.1: Frekvencijska karakteristika perturbiranih modela 3. Frekvencijska analiza 34 Slika 3.1.1.

8 ≤ c ≤ 1. Unatoˇ robusnoj stabilnosti robusna performansa zatvorenog sustava za sve c G = FU (Gmds . Na slici 3.2: Struktura zatvorenog kruga slici 3.2.4) . Da bi to bolje pojasnili to znaˇi da sustav mora biti stabilan c Zatvoreni krug je robustan ako je interno stabilan za sve mogu´e modele sustava c G = FU (Gmds .2 crtkan kvadrat predstavlja prijenosnu funkciju G. Frekvencijska analiza 35 3.6. ali zadovoljava uvjet norme ∞ Varijabla d je poreme´aj sustava na izlazu sustava.8 ≤ m ≤ 4. matrica c c c < 1.2. Robusna stabilnost ).2 je prikazan blok dijagram zatvorenog sustava koji ukljuˇuje modele koji se odnose na nemodelirani dio i zahtijeve performansi. Lako je dokazati da je: c ep eu = Wp (I + GK)−1 Wu K(I + GK)−1 d (3.4 ≤ k ≤ 2.1. ) mora zadovoljiti: Wp (I + GK)−1 Wu K(I + GK)−1 ∞ <1 (3.Poglavlje 3. Na prikazanoj Slika 3. za bilo koji 1. moˇe biti matrica prijenosne funkcije i pretpostavlja se da je stabilna.3) Isto tako kompleksnost regulatora mora biti prihvatljiva. Op´enito govore´i. Matrica z je nepoznata. Unutar njega nalaze se nominalni model Gmds M DS sustava i strukturirana nepoznata matrica koja ukljuˇuje nemodelirani dio. To znaˇi da je dovoljno c c niskog reda. 1. 0.2.

3: Singularne vrijednosti 1/wp Da bi ostvarili ˇeljene performanse uslijed poreme´aja i greˇke slije¯enja poz c s d . Teˇinske funkcije Wp i z Wu se koriste da reflektiraju relativnu znaˇajku zahtijeva za performansom preko c razliˇitih frekvencijskih raspona. Ako pogledamo ovo z vidimo da je traˇenje odgovaraju´e teˇinske funkcije jako vaˇan korak u robusnoj z c z z sintezi regulatora i obiˇno traˇi nekoliko pokuˇaja.1.0s + 0.3.95 s2 + 1.Poglavlje 3. Slika 3. Konc trolna teˇinska funkcija Wu je izabrana kao skalar ωu = 10−2 . U danom sluˇaju teˇinska funkcija performanse c c z je skalarna funkcija Wp (s) = ωp (s) i izabrana je kao: ωp (s) = 0. Teˇinske funkcije su odre¯ene c z s z d u fileu wts mds.8s + 10 s2 + 8..01 (3.5) koja osigurava uz dobar osje´aj poreme´aja kao dobar tranzijent odziva c c (manje od 10s) i prekoraˇenje manje od 20% u odnosu na nominalni model.m dane u prilogu 7. Frekvencijska analiza 36 Kriterij performanse je takav da je prijenosna funkcija od d do ep i eu mala u podruˇju c · ∞ za sve nepoznate prijenosne matrice .

5 Isti sustav posjeduje 5 ulaznih i 6 izlaznih veliˇina. eu.1. Isto vrijedi c i za slije¯enje referentne trajektorije odnosno greˇku jer prijenosna funkcija je u d s korelaciji sa osjetilnom prijenosnom funkcijom. Za kreiranje varijable sys_ic c koristimo MATLAB file olp_mds. Ovaj zahtjev performanse postaje manje obvezatan sa pove´anjem frekvencije. Struktura otvorenog modela je objaˇnjena u fileu sim_mds. a koji je prikazan na slici 3. Varijabla yc ulaza regulatora je uzeta kao negativna jer Robust Toolbox vrˇi s sintezu regulatora pretpostavljaju´i pozitivnu povratn vezu. Povezanost modela Struktura otvorene petlje je prikazna na slici 3. (3. Ovo indicira Wp (I + GK)−1 i nf ty < 1 ako i samo ako sve d frekvencije σ[(I + GK)−1 (jω)] < |1/ωp (jω)|.m danog u prilogu 7.1.6) Poˇto znamo da je Wp sklarna funkcija.3. a varijable control. Varijable pertin i c pertout imaju tri elementa.4.Poglavlje 3. ep. Singularne vrijednosti 1/ωp c z preko frekvencijskog raspona [10−4 .m dan u prilogu 7.01. z Otvoreni sustav je spremljen pod nazivom sys ic. Simulacija zatvorenog sustava sa dizajniranim regulatorom se oslanja na prikaz na slici 3.3. Frekvencijska analiza 37 trebno je zadovoljiti jednadˇbu: z Wp (I + GK)−1 ∞ < 1.3. .4.4. Za stvaranje strukture otvorene petlje moˇemo koristiti naredbu sysic.1. yc imaju jedan element.m danom s u prilogu 7. singularne vrijednosti osjetilne funkcije s (I + GK)−1 preko frekvencijskog raspona moraju leˇati ispod onog raspona koji z je odre¯en sa 1/ωp . Inverzna teˇinska funkcija z 1 ωp se izra- ˇunava preko filea wts mds. c 3. 104 ] su prikazane na slici 3. Drugim rijeˇima djeloc c vanje na poreme´aj u stanju mirovanja bi trebalo biti 10− 3 ili manje...1. Teˇinska funkcija nam pokazuje da se za niske frekvencije zatvoreni sustav (nominalni i perturbirani) mora smanjiti izlazni poreme´aj u rasponu od 10 do 0. dist.6 .

5: Prikaz poop´enog otvorenog sustava c Slika 3.Poglavlje 3.4: Struktura otvorene petlje Slika 3.6: Struktura zatvorene petlje . Frekvencijska analiza 38 Slika 3.

6 minimizira normu FL (P. Ako se podsjetimo znamo da je c FL (P. Suboptimalni H∞ regulator Prvi tip regulatora koji ´e ovdje biti prikazan je H∞ (sub) optimalni regulac tor. K) preko svih stabilizirajuˇih regulatora (Kontrolera) K. K) matriˇna prijenosna funkcija nominalnog zatvorenog sustava od poremec ep ´aja (varijable dist) do greˇke e prema prikazu na slici 4.Poglavlje 4. gdje je e = c s . Sintaksa pisanja je dana 39 . s hin_ic=sel(sys_ic.[4:5]) Slika 4. eu Prvo ˇto radimo je da izvuˇemo iz sys ic odgovaraju´u matriˇnu prijenosnu funks c c c ciju P koriˇtenjem dolje navedene komande i spremimo je u varijablu hin_ic.1.1: Struktura zatvorene petlje H∞ regulatora Pri Projektiranju regulatora koristimo komandu hinsyn koja izraˇunava suboptic malni H∞ regulator baziran na strukturi otvorene petlje. Njegov glavni zadatak je da prema slici 3.[4:6].

1 i 10 sa tolerancom tol = 0. Simbol # se koristi da pokaˇe koji c c z se od 5 uvjeta za postojanost H∞ (sub)optimalnog kontrolera odnosi na izabranu vrijednost γ.tol) Argumenti posjeduju sljede´a znaˇenja: Povezanost otvorene petlje je prikazana sa c c p. Kada procedura iteriranja uspije postignuta vrijednost γ je minimalna.clp]=hinsyn(p.nmeas. moˇe se provjeriti preko linije: z hinfnorm(clp) . a dobivena rjeˇenja su dana na slici 4. a koji oznaˇava vrijednost trec nutne γ ovisno da li je prihva´ena ili odbaˇena.glow. Za projektiranje (sub)optimalnog H∞ regulatora Khin je dan u fileu hin_mds. jednog s poreme´aja i ˇetiri stanja (dva stanja od sustava i dva stanja od teˇinskih funkcija c c z Wp ).m u prilogu 7.ncon. Provjera postignute i zadovoljene c H∞ norme zatvorenog sustava za koju je ustanovljeno da iznosi 0. Izlazni argumenti su: s k koji se odnosi na kontroler. tol je apsolutna vrijednost tolerancije. Suboptimalni H∞ regulator 40 sljede´im kodom: c [k. ncons broj izvrˇenih kontrola.001 Nakon d svake iteracije program prikazuje trenutnu vrijednost γ kao i rezultat koji se sastoji od 5 rezultata postojanosti suboptimalnog kontrolera.ghigh.95 u iteraciji.2.. glow i ghigh su granice s presjeciˇta (limiti). otvoreni sustav ˇija norma mora biti c minimizirana ima jedan ulaz i dva izlaza.Poglavlje 4. nmeas je broj mjerenja. Sastoji se od jednog mjerenja (senzor). dva inputa. dvije pogreˇke signala. s Dobiveni regulator je regulator ˇetvrtog reda. Interval za γ iteraciju je izabran izme¯u 0. Na kraju svake iteracje simbol p ili f je prikazan. Isto tako znamo da za danu strukturu. clp zatvorena petlja (closed loop system) U prethodnom primjeru struktura otvorenog modela je prikazana fileom hin_ic.2. Matriˇna c prijenosna funkcija zatvorenog sustava od dist do e se sprema u varijablu clp.

Poglavlje 4.2: Dobiveni rezultati (sub)optimalnog kontrolera . Suboptimalni H∞ regulator 41 Slika 4.

1) zadovoljena i da zatvorena petlja osigurava performanse sustava za nominalne zahtjeve.100).2) jasno je da je: z Wp (I + Gmds K)−1 Wu K(I + Gmds K)−1 ∞ <1 (5.1. clp_g=frsp(clp. prema jednadˇbi (3. s minfo(K_hin) spoles(K_hin) omega = logspace(-2. Ako znamo da je clp dimenzija 2x1 postoji samo jedna singularna vrijednost (ne nula) na svakoj 42 . sljede´im kodom formiramo prijenosnu funkciju za prikaz na slici c 4. Isto tako.omega).1 pokzuje singularne vrijednosti zatvorene petlje clp.Poglavlje 5.vsvd(clp_g)) title(’Singular Value Plot of clp’) xlabel(’’) ylabel(’’) Slika 5.6. vplot(’liv.1 sa projektiranim (sub)optimalnim H∞ regulatorom Khin u svrhu da analiziramo ponaˇanje zatvorene petlje.lm’.1. Analiza zatvorenog sustava sa regulatorom Iz prethodnog poglavlja 3.

a test nominalnih performansi na donjem-desnom dijelu (element 4-4). Slika 5. Isto tako Wp (I + Gmds K)−1 ∞ < 1 jer je H∞ norma zatvorene petlje manja od 1. Analiza zatvorenog sustava sa regulatorom 43 frekvenciji. wp Sa punom linijom je oznaˇena nominalna teˇinska funkcija. U tu naz mjenu se koristi file sen_mds. Testiranje stabilnosti robusnog sustava se svodi na vode´i 3x3 dijagonalni blok c matrice clp prijenosne funkcije.3.1: Singularne vrijednosti regulacijskog kruga sa Khin Rezultat usporedbe je dan na slici 5. Maz c triˇna forma prijenosne funkcije clp_ic je postojana od otvorene veze sys_ic sa c 1 .Poglavlje 5.2 na kojoj je vidljivo da u nisko frekvencijskom podruˇju osjetna funkcija leˇi ispod vrijednosti c z cija.. prijenosne funkcije 2x1. z c Isto tako. Ove prijenosne funkcije mogu biti zadrˇane koriˇtenjem naredbe sel od clp i njiz s hov frekvencijski odziv moˇe biti izraˇunat naknadno.m dan u prilogu 7. a sa isprekidanom inverzna teˇinska funkc z z . Provjera se moˇe vrˇiti na taj naˇin da se izraˇuna osjetna funkcija z s c c zatvorene petlje i usporedi sa inverzom performansi teˇinske funkcije. mogu´e je prvo izraˇunati frekvencijski odziv clp_g cijelog sustava clp c c i nakon toga koristiti sel za zadrˇavanje odgovaraju´ih frekvencijskih odziva.

c Da bi osigurali robusnu stabilnost vrlo je vaˇno da je gornja granica µ vrijednosti z manja od 1 u frekventnom rasponu. Matrica matin moˇe biti matrica tipa konstante ili promjenjiva kao ˇto i odziv z s zatvorenog kruga moˇe biti takav.dvec.deltaset) Funkcija mu za µ analizu izraˇunava gornju i donju granicu za strukturirane sinc gularne vrijednosti matrice matin sa oslanjanjem na strukturu bloka deltaset. verifikacija robusne stabilnosti i robusne performanse zahtijeva frekvencijski odziv u terminima µ vrijednosti.pvec]=mu(matin.Poglavlje 5. frekventno ovisnoj perturbaciji o donjoj granici c u pvec kao i osjetnosti gornje granice prilikom djelovanja D-skaliraju´e u sens. Frekventni odziv u podruˇju µ vrijednosti se oznaˇava sa rob_stab i blok struktura c c . Komanda mu pronalazi gornju i donju graz nicu za µ vrijednosti u 1x2 matrici bnds koja je promjenjiva. frekventno ovisnim D-skaliraju´im matricama u dvec.2: Osjetna funkcija sa Khin kontrolerom K implementiranjem funkcije starp. Analiza zatvorenog sustava sa regulatorom 44 Slika 5.sens. Iako je nepoznatost nemodeliranog struktrirana. Sintaksa pisanja komande mu glasi: [bnds.

m analiziramo robusnu stabilnost projektiranog sustava u kojima je: K=K_hin.-1 1] To znaˇi da se u analizi robusne stabilnosti pretpostavlja da su perturbacije parac metara realne.3. Frekvencijski odzivi gornje i donje granice su prikazani na slici 5.3: Robusna analiza stabilnosti regulatora Khin Vrlo je jasno sa slike da zatvoreni sustav sa regulatorom Khin osigurava robusnu stabilnost.-1 1.764 su primjerene. U slijede´im linijama koda koje su dane u prilogu 7. To naravno utjeˇe na konzervativc c nost sustava. stabilnost ostaje za .4. Analiza zatvorenog sustava sa regulatorom 45 je u tom sluˇaju prikazana kao: c blksR=[-1 1. Za bolju konvergenciju algoritma koji izraˇunava donju granicu µ c mi ukljuˇujemo 1% kompleksne perturbacije. u datoteci c rob_mds. Slika 5. Maksimalna vrijednost µ iznosi 0.764 koja pokazuje strukturirane perturbacije sa normom manjom od 1 0.Poglavlje 5.

67. (. Nominalna performansa zatvorenog sustava (u skladu sa teˇinskom funkcijom performansi) se analizira z frekventnim odzivom donjeg desnog dijela (prijenosna funkcija 2x1) bloka clp. Robusne performanse zatvorenog regulacijskog kruga sa Kh in se mogu testirati primjenom µ analize. 0. Ova ˇinjenica proizlaz iz toga da c frekvencijski odziv nominalne performanse ima maksimum koji iznosi 0. Analiza zatvorenog sustava sa regulatorom 46 ∞ < 1 . dok ˇetvrti ulazno izlazni i peti izlazni odgovaraju c pomjeˇanoj teˇinskoj osjetnoj funkciji.) Nominalna i robusna performansa zatvorenog regulacijskog kruga sa regulatorom Khin se analizira koriˇtenjem datoteke nrp_mds.67 da bi se zadovoljila perturbacijska performansna funkcija: Wp (I + FU (Gmds . Nominalna performansa je postignuta ako i samo ako je u frekvencijskom rasponu odziva magnituda manja od 1. Robusna stabilnost nije zadrˇana ako je nemodeliranost sustava takva da je ono ˇto je nepoznato nesz s trukturirano.3) . to znaˇi da ´e se vrijednost perturbacijske matrice morati ograniˇiti c c c na ∞ ≤ 1 1. Prijenosna funkcija zatvorenog kruga clp ima 4 ulaza i 5 izlaza. ˇto pokazuje da µ vrijednosti daju manje konzervativne rezultate ako s je dodatna informacija o nepoznatosti modela dostupna. F ∈ C1x2 } (5. Sa slike je vidljivo da ´e sustav sa Khin posti´i nominalnu performansu ali ´e c c c zatajiti u pogledu kriterija robusne performanse. dok µ krivulja za robusnu performansu ima maksimum na 1.Poglavlje 5. Isto tako za µ analizu robusne performanse s z blok struktura se mora sastojati od 3x3 nemodeliranog bloka (nepoznatog) i 1x2 bloka performanse kako slijedi: P := { 0 0 F : ∈ R3x3 .m dane u prilogu 7. Wu K(I + FU (Gmds . koja karakterizira c c robusnu stabilnost u odnosu na nestrukturirane perturbacije. Prva tri ulazno izlazna para odgovaraju trima kanalima perturbacija .764 U istom smo dijagramu prikazali frekvencijski odziv maksimalne singularne vrijednosti vode´e 3x3 matriˇne prijenosne funkcije.2) P Robusna performansa projektiranog sustava je zadovoljena ako i samo ako µ je manja od 1 za svaku frekvenciju. Frekvencijski s odzivi koji pokazuju nominalnu i robsnu performansu su prikazani na slici 5.5. Sa poˇtovanjem robusne s performanse.95..4. −1 G )K) −1 G )K) ∞ ≤1 (5.

Analiza zatvorenog sustava sa regulatorom 47 Slika 5. .4: Robusna i nominalna performansa Khin Simulacija zatvorenog kruga sa datotekom clp_mds. Tranzijenti odziva na step referencu ulaza referencu poreme´aja su c prikazani na slici 5.5 i 5.Poglavlje 5. ukljuˇuje odre¯ivanje tranzijenta odziva na referencu i poreme´aj u kojoj se koristi c d c naredba trsp.6.m danom u prilogu 7.6.

Analiza zatvorenog sustava sa regulatorom 48 Slika 5.5: Odziv sustava na Step pobudu Khin .Poglavlje 5.

Poglavlje 5. Analiza zatvorenog sustava sa regulatorom 49 Slika 5.6: Odziv sustava na poreme´aj Khin c .

Ako bi netko rekao da je to model drugog reda. Sve su to dodatni faktori koji naˇ s s model udaljavaju od stvarnog procesa. H∞ i H2 problemi se rjeˇavaju matriˇnim pristupom Youla parametrizacijom i prevo¯enjem s c d u aproksimacijsku formu te rjeˇavanjem projekcijom (H2 ) ili Nehari’s teoremom s (H∞ ) prema [14].Poglavlje 6. Novi c tip sinteze regulatora se naziva optimalna 1 teorija upravljanja. Svaki od modela ´e opisati naˇ proces c s u jednom svom malom dijelu. c pitanje je da li je vikoznost fluida priguˇnice uvrˇtena kao i promjena viskoziteta sa s s promjenom temperature uslijed rada priguˇnice. a regulator koji objedinjuje sve modele zajedno je robustan. Suboptimalni kontroler je samo poˇetak nove ere izuˇavanja robusne c c stabilnosti sustava kao i sinteze regulatora kroz stabilnost i performansu. Zakljuˇak c U ovom seminarskom radu objaˇnjena je sinteza suboptimalnog regulatora za s sluˇaj robusnog upravljanja MDS sustava. Problem strukturiranih singularnih vrijednosti se rjeˇava poss tupkom DK iteracija koji se koristi za poop´ene tipove nepoznatih sustava. Mnogi sustavi u prirodi pa tako i c M DS. daleko se viˇe razlikuju po svojoj prirodi od onakvih modela kakve mi stvas ramo. Ona se zasniva na kontekstu H∞ teorije za definiranje stabilnosti i performanse sa ciljem traˇenja z zakona stabilnosti vremenski varijantnog sustava. a koje sa inˇenjerskog glediˇta ne uvrˇtaz s s vamo u model zbog zahtjeva za sintezom regulatora. Kada govorimo o robusnom upravljanju onda govorimo o skupu modela. 50 . Za jedan tipiˇan M DS lako se utvrdi dinamiˇki model sustava samo je c c pitanje koliko je taj model toˇan.

Poglavlje 6. Naglasak je dan na rjeˇavanje problema robusnog upravljanja s na konkretnom primjeru. Zakljuˇak c 51 U ovom seminarskom radu mnoge formule su dosta pojednostavljene. c c . i preuzete iz strane literature. Za detaljnije shvaˇanje potrebna je struˇna literatura.

-pm -pc/m -pk/m]. pc = 0. k = 2.2. c = 1.3. Prilog A .m clc. Matlab kodovi 7. % A = [ 0 B1 = [ 0 B2 = [ 0 1/m]. clear all. m = 3.1.Matlab kodovi prijenosna. pm = 0. pk = 0.4.Poglavlje 7. . C1 = [-k/m -c/m 0 c 52 1 0 0 -k/m -c/m].

4.mat_k(1).int2]’. sysic. systemnames = ’mat_mi mat_c mat_k int1 int2’.Poglavlje 7. Matlab kodovi 53 k C2 = [ 1 0 0 D12 = [1/m 0 0 ].C2].uk. inputvar = ’[um.[D11 D12. D22 = 0. p_k = 0. p_c = 0. Prilog A-1 prijenosna2.int1]’. p_k k_nom].uc.1. input_to_int1 =’[mat_mi(2)]’.[1 0]). p_m = 0.mat_c(1). -p_m 1/m_nom]. sysoutname = ’G’. 0 0 0 0].3. outputvar =’[mat_mi(1). mat_mi = [-p_m 1/m_nom.int2]’. input_to_mat_k = ’[uk. 0].D21 D22]). c_nom = 1. G = pck(A. mat_k = [0 k_nom. input_to_mat_mi = ’[um.[1 0]).B2]. 7. D11 = [-pm -pc/m -pk/m D21 = [0 0 0]. int2 = nd2sys([1]. 0]. mat_c = [0 c_nom. int1 = nd2sys([1]. p_c c_nom].[B1.u-mat_c(2)-mat_k(2)]’. .1. input_to_mat_c =’[uc.2. k_nom = 2.[C1. input_to_int2 = ’[int1]’.m m_nom = 3.u]’.

m nuWp = [1 1. olp_g =frsp(olp_ic.’c-’) subplot(2.Poglavlje 7.[-1 0 1]).1.1.8 10]. olp = starp(delta.4.2.1.100).1.1) hold on subplot(2. Matlab kodovi 54 7. for j = 1:27 delta =diag([delta1(j).1.1.1.1) olp_ic = sel(G. olp_ic = sel(olp. olp_g = frsp(olp_ic. Prilog: Teˇinske funkcije z wts mds.2) hold on end subplot(2. figure(1) vplot(’bode’. .omega).[-1 0 1].omega).1.m %Frekvencijski odziv perturbiranog sustava omega = logspace(-1.G).olp_g.olp_g.delta2. vplot(’bode’.delta3(j)]).4).1) title(’Bode_ov prikaz perturbiranih modela’) hold off subplot(2. [delta1.1).3.’r--’) subplot(2.2) hold off 7. Prilog: Frekvencijska karakteristika pfr mds.1.delta3] = ndgrid([-1 0 1].delta2(j).

input_to_Wp = ’[ G(4)+dist ]’. control ]’. omega = logspace(-4.gainWp).Poglavlje 7.omega). Wu= nd2sys(nuWu. outputvar = ’[ G(1:3). Matlab kodovi 55 dnWp = [1 8 0. cleanupsysic = ’yes’.4. -Wu. control]’.dnWu. dist.m systemnames = ’ G Wp Wu ’. sysic %----------------------------------------------------------%Za analizu otvorenih sustava koristimo ove funkcije %minfo(sys_ic) . dnWu = 1. Wp_g =frsp(Wp. inputvar = ’[ pert{3}.gainWu).100).dnWp.4.lm’. Wpi_g = minv(Wp_g). gainWp = 0. Wp. Prilog: Otvoreni sustav olp mds. nuWu = 1.01]. gainWu = 10^(-2).Wpi_g) title(’Performansa te\v{z}inske funkcije’) xlabel(’Frekvencija(rad/sec)’) ylabel(’Amplituda’) grid on 7. sysoutname = ’sys_ic’. input_to_G = ’[pert. Wp =nd2sys(nuWp.95. input_to_Wu = ’[control ]’. vplot(’liv. -G(4)-dist ]’.1.

input_to_G= ’[ pert. outputvar = ’[ G(1:3). dist.clp] = hinfsyn(p.ghigh. ref .1. control ]’.glow. G(4)+dist.1.[4:5]) [k. sysoutname = ’sim_ic’.dist ]’. inputvar = ’[ pert{3}.clp] =hinfsyn(hin_ic.Poglavlje 7. Matlab kodovi 56 %spoles(sys_ic) %spoles(Wp) sim mds.tol) %zamjeni p=hin_ic %(matrix of type SYSTEM) %number of measurements nmeas =1 %number of controls ncons=1 %lower bound of bisection glow %upper bound of bisection ghigh %absolute tolerance for the bisection method tol . ref. sysic hin_ic = sel(sys_ic.[4:6]. cleanupsysic =’yes’.G(4) .1.nmeas.m systemnames = ’ G ’.0. control ]’.10.001) %---------------------------------------------%[k.0.ncon.

vsvd(clp_g)) title(’’) xlabel(’’) ylabel(’’) 7.omega).gmin.ncon.m nmeas = 1.4:5).clp] =hinfsyn(hin_ic.2. vplot(’liv.6.tol). wts_mds omega = logspace(-4. tol = 0. gmax = 10. . hin_ic =sel(sys_ic.nmeas.m sim_mds K = K_hin. clp_g=frsp(clp.100). ncon = 1. Wpi_g=minv(Wp_g). Matlab kodovi 57 7.4:6.lm’.omega).2.Poglavlje 7. Wp_g = frsp(Wp.001.K). hinfnorm(clp) minfo(K_hin) spoles(K_hin) omega = logspace(-2.3. Prilog B-(Sub)Optimalni H∞ regulator hin mds.gmax. Prilog B-(Sub)Optimalni H∞ regulator sen mds. gmin = 1.100). clp = starp(sim_ic. [K_hin.

clp_mix =mmult(fixl.4.1).rowp.rob_stab. clp_ic = starp(sys_ic. Prilog C Analiza robusnosti rob mds.[1:3]). pdim = ynum(rob_stab). blkrs = [blkrsR. [rbnds..2.’y--’.rowg] =mu(clp_mix. .’m-’.100). blkrsR = [-1 1. clp_g = frsp(clp_ic.Poglavlje 7.sel(rbnds.1*eye(pdim)].omega).. % 1% Complex fixr = fixl’.1.’m--’. abs(blkrsR)].1. 0..Wpi_g. omega = logspace(-1.fixr).-1 1].omega). sen_g =frsp(sen_loop. num2str(pkvnorm(sel(rbnds.[1:3].’c-.’y-’) title(’’) xlabel(’’) ylabel(’’) [bnds.dvec.-1 1. disp(’ ’) disp([’mu-robust stability: ’ . Matlab kodovi 58 sen_loop = sel(clp. rob_stab =sel(clp_g.rowd.sel(rbnds.sens.pvec] = mu(matin.sens. vnorm(rob_stab). fixl = [eye(pdim).lm’.K).5). vplot(’liv.1)))]) disp(’ ’) vplot(’liv.-1 1] 7.lm’.’) title(’ROBUST STABILITY’) xlabel(’Frequency (rad/s)’) ylabel(’mu’) .m K = K_hin.blkrs).vnorm(sen_g).deltaset) blksR = [-1 1..4.2).-1 1.1.

[1 2]]. blkrp = [blkrsR.4).sel(bndsrp. clp_g =frsp(clp_ic..-1 1]. sel(bndsrp. num2str(pkvnorm(sel(bndsrp.K). title([tmp1 tmp2]) xlabel(’Frequency (rad/s)’) disp(’ ’) disp([’mu-robust performance: ’ .2). % % robust performance rob_perf = clp_g. Prilog D Analiza nominalne i robusne performanse nrp mds.100).1)))]) disp(’ ’) . omega = logspace(-1.2.-1 1.’c--’) tmp1 = ’NOMINAL PERFORMANCE (solid) and’.blkrp).1..vnorm(nom_perf).’m--’. % % nominal performance nom_perf = sel(clp_g..5.1. vplot(’liv.’y-’..1).Poglavlje 7.m clp_ic = starp(sys_ic.4. blkrsR = [-1 1.lm’.. tmp2 = ’ ROBUST PERFORMANCE (dashed)’..1. Matlab kodovi 59 7. bndsrp=mu(rob_perf.omega).

0.1.60). ref = step_tr(timedata. figure(2) vplot(sel(y.ref. ref = 0. u =abv(0.’r--’) title(’CLOSED-LOOP TRANSIENT RESPONSE’) xlabel(’Time (secs)’) ylabel(’y (m)’) % % response to the disturbance timedata = [0 20 40].1).60).0.ref.4. stepdata = [10 1].1).1).6.0.Poglavlje 7. y = trsp(clp.1).0. stepdata = [1 0 1].0.K).4.ref.0.dist).0.u. u =abv(0.60.m % response to the reference sim_mds clp = starp(sim_ic. dist = 0.dist.stepdata. timedata = [0 20 40].0.stepdata.’y-’.u. Matlab kodovi 60 7.60. dist =step_tr(timedata.’y-’.1.’r--’) title(’TRANSIENT RESPONSE TO THE DISTURBANCE’) xlabel(’Time (secs)’) ylabel(’y (m)’) . figure(1) vplot(sel(y. Prilog E Analiza robusnosti MDS sustava na referencu i poreme´aj c clp mds.dist). y = trsp(clp.

Matlab kodovi 61 .Poglavlje 7.

[6] B. Springer-Verlag London Limited. and optimal robustness. P. C. 1983. 1998. NJ.Petkov. Robust Control with Matlab.Desoer. Classical Control Using H ∞ Methods. Prentice Hall.A. The feedback nterconnection of lumped linear time-invariant systems.Zames. Upper Saddle River.Zames. [9] J.. Feedback and optimal sensitivity: Model reference transformations.Hr. [5] G. 1992. 62 . Lecture Notes in Control and Information Sciences. 1987. Macmillan Publishing Co. D. G. Prentice Hall. NJ.Stoorvogel.Verlag. [3] W. AC-26:301-320. volume 88. [7] A. Feedback Control Theory.Francis. B.Gu. Feedback.Doyle. A Course in H ∞ Control Theory.A. [4] M. Springer. AC-28:585-600. Novembar 2005.Literatura [1] A.A.Helton. [2] B. J. PA. Essentials of Robust Control. IEEE Transactions on Automatic Control. multiplicative seminorms and approximate inverses. New York. [8] O. 1992.C.Zhou. Philadelphia.W. minimax sensitivity. 1975.W. 1981. J. IEEE Transactions on Automatic Control.A. 1998. The H∞ Control Problem: A State Space Approach.Francis. K. Society for Industrial and Applied Mathematics. Englewood Cliffs. Journal of Franklin Institute 300:335-351.

1990. Sveuˇiliˇna naklada.S´nchez-Pe˜a. Metode vo¯enja tehniˇkih sistema: primjena u robotici. K. J. Skogestad. fleksic d c ˇ bilnim sistemima i procesima. [14] M. R. Zagreb d. Multivariable Feedback Control. . http://www.o. Robust Systems. NJ.ac.o. Theory and Applications. 2007.bg. Inc. Petrovi´.C. S. 1996. Upper Saddle River. UK.LITERATURA 63 [10] K.Zhou. 1990. Novakovi´. New York.. Predavanja i vjeˇbe Robusni sistemi upravljanja. Novakovi´.S. c c s [13] T. Robust and Optimal Control. John Wiley and Sons Ltd. Chichester. [15] I.etf. Regulacijski sistemi. Skolska knjiga. [11] B. Prentice Hall. 1998. Elektrotehniˇki c z c fakultet Beograd.Doyle. [12] B. John Wiley a n and Sons.yu/. 1995.

Sign up to vote on this title
UsefulNot useful