⎧a + b = 0 ⎧a = 1 : ‫در ﻧﺘﻴﺠﻪ دارﻳﻢ‬

⎪ ⎪ e −ξωnt
⎨a.2ξω n + c = 0 ⇒ ⎨b = −1 ⇒ x 2 (t ) = 1 − sin(ω n 1 − ξ 2 t + cos −1 ξ )
⎪ ⎪c = −2ξω 1−ξ 2
⎩a.ω n = ω n
2 2
⎩ n

B
‫ و‬ωn = K M ‫ و‬ξ=
2 KM
: ‫اﻳﻦ ﻣﺴﺌﻠﻪ در ارﺗﻌﺎﺷﺎت ﺑﺼﻮرت زﻳﺮ ﺟﻞ ﻣﻲ ﺷﻮد‬
: ( ‫ﻣﻌﺎدﻟﻪ وﻳﮋه را ﺗﺸﻜﻴﻞ ﻣﻲ دﻫﻴﻢ ؛ )از ﻗﺎﻧﻮن دوم ﻧﻴﻮﺗﻦ‬
m 2 + 2ξω n m + ω n = 0 ⇒ m1, 2 = −ξω n +ω n ξ 2 − 1
2

transiant solution depends on damping ratio ξ

⎧ ξ > 1 ⇒ roots
⎪⎪
[( ) ] [(
real ⇒ x 2 (t ) = A1 exp − ξ + ξ 2 − 1 ω n t + A2 exp − ξ − ξ 2 − 1 ω n t ) ]
⎨ ξ > 1 ⇒ roots real & equal ⇒ x 2 (t ) = A1e −ξωnt + A 2 te −ξωnt
⎪ξ < 1 ⇒ m = −ξω + jω 1 − ξ 2 ⇒ x (t ) = Ae −ξωnt sin(ω 1 − ξ 2 t + φ )
⎪⎩ 1, 2 n n 2 n

‫ در ﺣﺎﻟﺘﻲ ﻛﻪ ورودي ﻳﻚ ﺗﺎﺑﻊ ﭘﻠﻪ ﺑﺎﺷﺪ ؛‬x2 (t) ‫ﺑﺮاي ﺟﻮاب ﻛﺎﻣﻞ‬

x 2 (t ) = 1 + Ae −ξωnt sin(ω n 1 − ξ 2 t + φ ) *
‫ﭼﻮن ﺳﻴﺴﺘﻢ از ﺣﺎﻟﺖ ﺳﻜﻮن ﺷﺮوع ﺑﻪ ﺣﺮﻛﺖ ﻧﻤﻮده اﺳﺖ ؛‬
x 2 ( 0) = 0 ‫و‬ x& 2 (0) = 0

61
 ‫ﺑﺎ ﻣﺸﺘﻖ ﮔﻴﺮي از ﻣﻌﺎدﻟﻪ * ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ ؛‬
⇒ 0 = 1 + A sin φ → 0 = −ξω n A sin φ + ω n 1 − ξ 2 A cos φ
⎧
−1 1 − ξ
2
−1
⎪A = ‫ و‬φ = tan = cos −1 ξ
⎪ 1 − ξ 2 ξ
⇒⎨ −ξωn t
⎪ x (t ) = 1 − e sin(ω n 1 − ξ 2 t + cos −1 ξ )
⎪ 2
1−ξ 2
⎩
MATLAB ‫ اﺳﺘﻐﺎده از‬، ‫ﻳﻚ راه ﺣﻞ ﺑﺴﻴﺎر ﺳﺎده ﻣﻮﻗﻌﻲ ﻛﻪ ﻛﺴﺮﻫﺎي ﺟﺰﺋﻲ ﻧﺴﺒﺘﺎ ﭘﻴﭽﻴﺪه ﺗﺮي دارﻳﻢ‬
B ( s ) num . ‫ﻣﻲ ﺑﺎﺷﺪ‬
= , [r , p, k ] = residue(num, den)
A( s ) den
B ( s ) 2 S 3 + 5S 2 + 3S + 6 ⎧num = [2 5 3 6]
= , ⎨
A( s ) S 3 + 6 S 2 + 11S + 6 ⎩ den = [1 6 11 6]
[r , p, k ] = residue(num, den)
⎫
r= P= k= ⎪
2⎪
−6 −3 ⎪
⎪ B( s) −6 −4 3
−4 −2 ⎬⇒ = + + +2
⎪ A( s ) S + 3 S + 2 S + 1
3 −1
⎪
⎪
⎪
⎭ 62
 : ‫ﻣﺜﺎل دﻳﮕﺮي از ﺑﺪﺳﺖ آوردن ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ‬

m&x& + bx& + kx = f (t ) = u (t )

: ‫ﺑﺎﮔﺮﻓﺘﻦ ﺗﺒﺪﻳﻞ ﻻﭘﻼس ازاﻳﻦ ﻣﻌﺎدﻟﻪ ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ‬

m[ S 2 X ( s ) − Sx (0) − x& (0)] + b[ SX ( s ) − x(0)] + kX ( s ) = U ( s )

[ ]
⇒ mS 2 + bS + k X ( s ) = mSx (0) + mx& (0) + bx (0) + U ( s )

⎧ x ( 0) = 0
⇒⎨ ( )
⇒ mS 2 + bS + k X ( s ) = U ( s )
⎩ x& (0) = 0

output X ( s ) 1
= = G (s) =
input U (s) mS 2 + bS + k

63
 ‫ﺗﺎ اﻳﻨﺠﺎ ﺑﺎ اﺳﺘﻔﺎده از ﻣﻌﺎدﻟﻪ )ﻣﻌﺎدﻻت ( دﺑﻔﺮاﻧﺴﻴﻞ )ﻋﻤﺪﺗﺎ ﻣﻌﺎدﻟﻪ دﺑﻔﺮاﻧﺴﻴﻞ ﺧﻄﻲ از رﺳﺘﻪ ‪ n‬ام( ﻧﻤﺎﻳﺶ‬
‫رﻳﺎﺿﻲ ﻳﻚ ﺳﻴﺴﺘﻢ دﻳﻨﺎﻣﻴﻜﻲ را ﻧﺸﺎن دادﻳﻢ ‪ .‬دﻳﺪﻳﺪ ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ ‪ ،‬ﻳﻚ اﺑﺰار ﺑﺴﻴﺎر ﻣﻨﺎﺳﺐ ﺑﺮاي ﻧﺸﺎن دادن‬
‫ﻳﻚ ﺳﻴﺴﺘﻢ دﻳﻨﺎﻣﻴﻜﻲ اﺳﺖ ‪.‬‬
‫ﻧﻤﺎﻳﺶ‬
‫‪N‬ﻣﻌﺎدﻟﻪ دﻳﻔﺮاﻧﺴﻴﻞ‬ ‫ﻳﻚ ﻣﻌﺎدﻟﻪ دﻳﻔﺮاﻧﺴﻴﻞ‬
‫رﻳﺎﺿﻲ‬
‫ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ‬ ‫ﺧﻄﻲ رﺳﺘﻪ ‪ 1‬ﻳﺎ‬ ‫ﺧﻄﻲ رﺳﺘﻪ ‪ n‬ام‬
‫ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ ﺑﺮداري‬

‫ﻧﻤﺎﻳﺶ‬
‫دﻳﺎﮔﺮام ﺟﺮﻳﺎن‬ ‫دﻳﺎﮔﺮام ﺟﻌﺒﻪ اي‬
‫ﻛﻨﺘﺮﻟﻲ‬
‫‪Signal flow diagram‬‬ ‫‪Block diagram‬‬

‫‪64‬‬
 ‫ﺑﻨﺎﺑﺮاﻳﻦ ﺑﺮاي ﻧﻤﺎﻳﺶ رﻳﺎﺿﻲ ﻳﻚ ﺳﻴﺴﺘﻢ ﺧﻄﻲ ﭘﻴﻮﺳﺘﻪ ‪ 3‬روش دارﻳﻢ ‪:‬‬
‫‪ -1‬ﻣﻌﺎدﻟﻪ دﻳﻔﺮاﻧﺴﻴﻞ ﺧﻄﻲ رﺳﺘﻪ ‪n‬ﻛﻪ ﻗﺒﻼ ﺑﺤﺚ ﺷﺪه اﺳﺖ‪nth order Differential equition .‬‬
‫‪-2‬ﻣﻌﺎدﻟﻪ ﺑﺮداري ﺣﺎﻟﺖ )ﻧﻤﺎﻳﺶ ﻓﻀﺎي ﺣﺎﻟﺖ (‪state_space Representation .‬‬
‫‪-3‬ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ ‪transfer Function .‬‬
‫‪ -‬ﻣﻌﺎدﻟﻪ ﺑﺮداري ﺣﺎﻟﺖ )ﻧﻤﺎﻳﺶ ﻓﻀﺎي ﺣﺎﻟﺖ (‪ :‬در اﻳﻨﺠﺎ ﺑﺠﺎي ﻧﻮﺷﺘﻦ ﻳﻚ ﻣﻌﺎدﻟﻪ دﻳﻔﺮاﻧﺴﻴﻞ ﻣﺮﺗﺒﻪ ‪n‬‬
‫از ﭼﻨﺪ ﻣﻌﺎدﻟﻪ دﻳﻔﺮاﻧﺴﻴﻞ ﺧﻄﻲ اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻴﻢ ‪ .‬دو ﻣﺜﺎل زﻳﺮ اﻳﻦ ﻣﻮﺿﻮع را روﺷﻨﺘﺮ ﻣﻲ ﻛﻨﺪ ؛‬
‫ﻣﺜﺎل ‪ : 1‬راﺑﻄﻪ اي ﻛﻪ ﻣﻨﺠﺮ ﺑﻪ ﻣﻌﺎدﻟﻪ دﻳﻔﺮاﻧﺴﻴﻞ ﺷﺪ ‪،‬‬
‫دﺑﻲ ﺧﺮوﺟﻲ – دﺑﻲ ورودي = ﺗﻐﻴﻴﺮ ﺣﺠﻢ ﻣﺎﻳﻊ‬

‫‪dh1‬‬ ‫‪h − h2‬‬ ‫ﺑﺮاي ﻇﺮف اول ‪:‬‬

‫‪A1‬‬ ‫‪= Q0 − 1‬‬
‫‪dt‬‬ ‫‪R1‬‬
‫‪dh2‬‬ ‫‪h − h 2 h2‬‬ ‫ﺑﺮاي ﻇﺮف اول ‪:‬‬
‫‪A2‬‬ ‫‪= Q0 − 1‬‬ ‫‪−‬‬
‫‪dt‬‬ ‫‪R1‬‬ ‫‪R2‬‬
‫ﺑﻨﺎﺑﺮاﻳﻦ ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ )ﺗﻘﺴﻴﻢ ﻣﻌﺎدﻟﻪ اول ﺑﺮ ‪ A1‬و ﻣﻌﺎدﻟﻪ دوم ﺑﺮ ‪. ( A2‬‬
‫‪⎧ dh1‬‬ ‫‪1‬‬ ‫‪h2‬‬ ‫‪h1‬‬ ‫⎡‬ ‫‪1‬‬ ‫‪1‬‬ ‫⎤‬
‫=‬ ‫‪Q‬‬ ‫‪+‬‬ ‫‪−‬‬ ‫‪−‬‬
‫‪⎪ dt‬‬
‫⎪‬ ‫‪A1‬‬
‫‪0‬‬
‫‪R1 A1 R1 A1‬‬ ‫‪d ⎡ h1 ⎤ ⎢ R1 A1‬‬ ‫‪R1 A1‬‬ ‫⎤ ‪⎥ ⎡ h1 ⎤ ⎡ 1‬‬
‫⎨‬ ‫⎢=⎥ ⎢ ⇒‬ ‫‪⎥ ⎢ ⎥ + ⎢ A1 ⎥Q0‬‬
‫‪dh‬‬ ‫‪h‬‬
‫(‪⎪ 2 = 1 −‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪dt ⎣h2 ⎦ ⎢ 1‬‬ ‫(‪−‬‬
‫‪1‬‬
‫‪+‬‬
‫⎥ ⎢ ⎦ ‪1 ⎥ ⎣ h2‬‬
‫)‬
‫‪+‬‬ ‫‪) h2‬‬ ‫‪⎢⎣ R1 A2‬‬ ‫⎦‪⎣0‬‬
‫‪⎪⎩ dt‬‬ ‫‪R1 A2‬‬ ‫‪R1 A2 R2 A2‬‬ ‫⎦⎥ ‪R1 A2 R2 A2‬‬

‫‪65‬‬
 ‫‪h1 − h2‬‬ ‫‪⎡1‬‬ ‫⎤ ‪1 ⎤⎡h‬‬ ‫دﺑﻲ ﺧﺮوﺟﻲ از ﻇﺮف اول ﺑﻪ ﻇﺮف دوم‬
‫= ‪Q1‬‬ ‫⎢ = ‪⇒ Q1‬‬ ‫‪− ⎥ ⎢ 1 ⎥ + 0.Q0‬‬
‫‪R1‬‬ ‫‪⎣ R1‬‬ ‫⎦ ‪R1 ⎦ ⎣h2‬‬
‫⎡‬ ‫‪1‬‬ ‫‪1‬‬ ‫⎤‬
‫‪−‬‬
‫‪⎢ RA‬‬ ‫⎥‬ ‫⎤‪⎡1‬‬
‫⎤ ‪⎡ h1‬‬ ‫‪R1 A1‬‬ ‫‪⎡1‬‬ ‫⎤‪1‬‬
‫و⎥ ⎢=‪h‬‬ ‫⎢=‪A‬‬ ‫‪1 1‬‬
‫و⎥‬ ‫⎥ ‪b = ⎢ A1‬‬ ‫و‬ ‫⎢=‪c‬‬ ‫‪−‬‬ ‫و⎥‬ ‫‪d =0‬‬
‫⎢‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫⎥ ⎢‬
‫⎦‪⎣ 2‬‬
‫‪h‬‬ ‫(‪−‬‬ ‫‪+‬‬ ‫⎥)‬ ‫⎦‪⎣0‬‬
‫‪⎣ R1‬‬ ‫⎦ ‪R1‬‬
‫‪⎢⎣ R1 A2‬‬ ‫⎦⎥ ‪R1 A2 R2 A2‬‬
‫ﺑﺮاي ﻳﻚ ﺳﻴﺴﺘﻢ از ﻣﺮﺗﺒﻪ ‪n‬ﺑﺮدار ﺣﺎﻟﺖ ﻧﻴﺰ داراي ‪ n‬ﻋﻨﺼﺮ ﺧﻮاﻫﺪ ﺑﻮد ‪ .‬اﮔﺮ ﺑﺮدار ﺣﺎﻟﺖ را ﺑﺎ ‪ X‬ﻧﺸﺎن‬
‫داده ﺷﻮد ‪،‬‬
‫⎤ ‪⎡ x1‬‬
‫⎥ ‪⎢x‬‬ ‫ﺑﺮاي اﻳﻦ ﺳﻴﺴﺘﻢ ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ ﻣﺮﺗﺒﻪ ‪n‬ام را ﻣﻲ ﺗﻮان ﺑﺼﻮرت ‪ n‬ﻣﻌﺎدﻟﻪ دﻳﻔﺮاﻧﺴﻴﻞ‬
‫⎥‪X = ⎢ 1‬‬ ‫ﻣﺮﺗﺒﻪ ﻳﻚ ﺧﻄﻲ ﻧﻮﺷﺖ ‪ ).‬در ﺻﻮرﺗﻲ ﻛﻪ ﺳﻴﺴﺘﻢ داراي ﻳﻚ ورودي ﺑﺎﺷﺪ ‪(.‬‬
‫⎥‪⎢M‬‬
‫⎥ ⎢‬
‫⎦ ‪⎣ xn‬‬
‫‪x&1 = a11 x1 + a12 x2 + a13 x3 + L + a1n xn + b1u‬‬
‫‪x&2 = a21 x1 + a22 x2 + a23 x3 + L + a2n xn + b2u‬‬

‫‪x&n = an1 x1 + an2 x2 + an3 x3 + L + ann xn + bn u‬‬

‫‪66‬‬
 ‫ﺧﺮوﺟﻲ ﻧﻴﺰ ﻣﻲ ﺗﻮاﻧﺪ ﺗﺎﺑﻌﻲ از ﻣﺘﻐﻴﺮ ﻫﺎي ﺣﺎﻟﺖ ﻳﺎ ورودي ﺑﺎﺷﺪ ؛‬
‫‪y = c1 x1 + c 2 x 2 + c3 x3 + L + c n x n + du‬‬
‫‪d‬‬
‫‪X = AX + bu‬‬ ‫‪y = cX + du‬‬
‫‪dt‬‬

‫‪⎡ a11‬‬ ‫‪a12‬‬ ‫⎤ ‪L a1n‬‬ ‫⎤ ‪⎡ b1‬‬

‫‪⎢a‬‬ ‫‪a 22‬‬ ‫⎥⎥ ‪L a 2 n‬‬ ‫⎥ ‪⎢b‬‬
‫‪A = ⎢ 21‬‬ ‫⎥‪b = ⎢ 2‬‬ ‫‪c = [c1‬‬ ‫] ‪c2 L cn‬‬
‫‪⎢ M‬‬ ‫‪M‬‬ ‫⎥‬ ‫⎥‪⎢M‬‬
‫⎢‬ ‫⎥‬ ‫⎥ ⎢‬
‫‪⎣a n1‬‬ ‫‪an2‬‬ ‫⎦ ‪a nn‬‬ ‫⎦ ‪⎣bn‬‬
‫ﻣﺜﺎل ‪: 2‬‬
‫) ‪m&x& + kx = u (x‬‬
‫اﮔﺮ ﺗﻐﻴﻴﺮ ﻣﻜﺎن و ﺳﺮﻋﺖ ﻣﺘﻐﻴﺮ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﻮد ) ﻳﺎ ﻣﺘﻐﻴﺮ ﺣﺎﻟﺖ ( ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ ‪:‬‬

‫و‪x = x‬‬ ‫&‪x = x& ⇒ x& = x ⇒ &x& = x‬‬

‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬
‫ﺑﺎ اﻧﺘﺨﺎب اﻳﻦ دو ﻣﺘﻐﻴﺮ ﺑﻌﻨﻮان ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ ‪ ،‬رﻓﺘﺎر و وﺿﻌﻴﺖ ﺳﻴﺴﺘﻢ‬
‫ﻛﺎﻣﻼ ﻣﺸﺨﺺ ﻣﻲ ﺷﻮد ‪.‬‬
‫‪−k‬‬ ‫‪1‬‬
‫= &‪mx& + kx = u (t ) ⇒ x‬‬ ‫) ‪x + u (t‬‬ ‫ﺑﻨﺎﺑﺮاﻳﻦ ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ ؛‬
‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪m‬‬ ‫‪m‬‬

‫ﭼﻮن ‪ )x‬ﺗﻐﻴﻴﺮ ﻣﻜﺎن ‪ ( m‬ﺑﻌﻨﻮان ﺧﺮوﺟﻲ ﻣﺪ ﻧﻈﺮ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ ‪:‬‬
‫‪y=x‬‬
‫‪1‬‬ ‫‪67‬‬
 ‫‪⎧ x&1 = x 2‬‬
‫⎪‬ ‫‪⎡ x&1 ⎤ ⎡ 0‬‬ ‫⎤ ‪1⎤ ⎡ x ⎤ ⎡ 0‬‬ ‫ﺑﻨﺎﺑﺮاﻳﻦ ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ ؛‬
‫⎨‬ ‫‪−k‬‬ ‫‪1 ⇒ ⎢ ⎥ = ⎢− k‬‬ ‫‪⎥ ⎢ 1 ⎥ + ⎢ 1 ⎥u‬‬
‫⎥ ⎢ ⎦ ‪0⎥ ⎣ x 2‬‬
‫‪⎪⎩ x& 2 = m x1 + m u‬‬ ‫‪⎣ x& 2 ⎦ ⎢⎣ m‬‬ ‫⎦‬ ‫⎦‪⎣m‬‬

‫⎤ ‪⎡ x1‬‬ ‫‪⎡ 0‬‬ ‫⎤‪1‬‬ ‫⎤‪⎡0‬‬

‫‪y = x1 ⇒ y = [1 0]⎢ ⎥ + [0]u ⇒ A = ⎢ − k‬‬ ‫⎥‬ ‫⎥‪B = ⎢1‬‬ ‫]‪c = [1 0‬‬ ‫‪d =0‬‬
‫⎦ ‪⎣ x2‬‬ ‫‪⎢⎣ m‬‬ ‫⎥‪0‬‬ ‫⎦⎥ ‪⎢⎣ m‬‬
‫⎦‬

‫ﺣﺎل ﻣﻲ ﺗﻮان ﺑﺎ اﺳﺘﻔﺎده از ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ ‪ ،‬ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ را ﺑﺮاي اﻳﻦ ﺳﻴﺴﺘﻢ ﻳﻚ ورودي – ﻳﻚ ﺧﺮوﺟﻲ‬
‫ﺑﺪﺳﺖ آورد ‪ .‬ﻳﻌﻨﻲ ﻣﻲ ﺧﻮاﻫﻴﻢ از ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ ﻣﻘﺎﺑﻞ ‪ ،‬ﺗﺒﺪﻳﻞ ﻻﭘﻼس ﺑﮕﻴﺮﻳﻢ ‪.‬‬
‫‪⎧d‬‬
‫) ‪⎪ x (t ) = Ax (t ) + bu (t‬‬
‫‪⎨ dt‬‬ ‫) ‪L[ x(t )] = X ( s‬‬ ‫) ‪L[u (t )] = U ( s‬‬ ‫) ‪L[ y (t )] = Y ( s‬‬
‫) ‪⎪⎩ y (t ) = cx(t ) + du (t‬‬

‫‪d‬‬ ‫⎫‬
‫[‪L‬‬ ‫) ‪x (t )] = L[ Ax (t ) + bu (t )]⎪ ⎧SX ( s ) − x(0) = AX ( s ) + bU ( s‬‬
‫‪dt‬‬ ‫⎨⇒⎬‬
‫) ‪Y ( s ) = cX ( s ) + dU ( s‬‬
‫⎩ ⎭⎪ ]) ‪L[ y (t )] = L[cx (t ) + du (t‬‬
‫])‪⎧( SI − A) X ( s ) = bU ( s ) + x (0) ⇒ X ( s ) = ( SI − A) −1 [bU ( s ) + x (0‬‬
‫⎨⇒‬ ‫‪−1‬‬
‫) ‪⎩ Y ( s ) = c ( SI − A) [bU ( s ) + x (0)] + dU ( s‬‬
‫ﭼﻮن ﻣﻲ ﺧﻮاﻫﻴﻢ ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ را ﺑﺪﺳﺖ آورﻳﻢ ‪ ،‬ﻃﺒﻖ ﺗﻌﺮﻳﻒ ﺷﺮاﻳﻂ اوﻟﻴﻪ ﺑﺮاﺑﺮ ﺻﻔﺮ ﺑﺎﻳﺪ ﺑﺎﺷﻨﺪ ‪ ،‬ﺑﻨﺎﺑﺮاﻳﻦ‬
‫ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ ‪.‬‬
‫‪68‬‬
‫]) ‪⎧⎪ x(0) = 0 ⇒ X ( s ) = ( SI − A) −1 [bU ( s‬‬
‫⎨‬
‫) ‪⎪⎩Y ( s ) = c( SI − A) −1 [bU ( s )] + dU ( s ) ⇒ Y ( s ) = [c ( SI − A) −1 b + d ].U ( s‬‬
‫)‪Y (s‬‬
‫⇒‬ ‫) ‪= c( SI − A) −1 b + d = G ( s‬‬
‫)‪U (s‬‬

‫ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ ‪ ،‬ﺣﺎﺻﻞ ﺗﻘﺴﻴﻢ ﺧﺮوﺟﻲ ﺑﻪ ورودي ﻫﻨﮕﺎﻣﻲ ﻛﻪ ﺷﺮاﻳﻂ اوﻟﻴﻪ ﺑﺮاﺑﺮ ﺻﻔﺮ ﺑﺎﺷﻨﺪ ‪ .‬ﺑﻌﺪا ﺧﻮاﻫﻴﻢ دﻳﺪ‬
‫ﻛﻪ رﻓﺘﺎر و ﻋﻜﺲ اﻟﻌﻤﻞ ﺳﻴﺴﺘﻢ ﺑﺴﺘﮕﻲ ﺑﻪ ﻣﻌﻜﻮس ﻣﺎﺗﺮﻳﺲ )‪ ( SI − A‬دارد ‪.‬‬
‫)‪adjo int( SI − A‬‬
‫= ‪( SI − A) −1‬‬
‫)‪det ermiaant ( SI − A‬‬
‫ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ‪ Charactristic Equation‬ﻣﻌﺎدﻟﻪ ﺣﺎﺻﻞ از دﺗﺮﻣﻴﻨﺎن ﻣﺎﺗﺮﻳﺲ )‪ ( SI − A‬ﻣﻴﺒﺎﺷﺪ‪.‬‬

‫‪det( SI − A) = charactris tic‬‬ ‫‪Equation‬‬

‫رﻳﺸﻪ ﻫﺎي اﻳﻦ ﻣﻌﺎدﻟﻪ ﻗﻄﺒﻬﺎي ﺳﻴﺴﺘﻢ ﻧﺎﻣﻴﺪه ﻣﻲ ﺷﻮد ‪.‬اﻳﻦ ﻣﻌﺎدﻟﻪ را ﺑﺮاي ﻣﺜﺎل ﻣﻮرد ﻧﻈﺮ ﺑﺪﺳﺖ ﻣﻴﺎورﻳﻢ‪:‬‬

‫‪⎡ S‬‬ ‫⎤‪+ 1‬‬

‫‪⎢ k‬‬ ‫⎥‬
‫‪⎡S‬‬ ‫⎤‪− 1‬‬ ‫‪−‬‬
‫‪⎢⎣ m‬‬ ‫‪S‬‬ ‫⎦⎥‬
‫‪−1‬‬
‫‪G ( s ) = c( SI − A) b + d‬‬ ‫‪SI − A = ⎢ k‬‬ ‫⎥‬ ‫‪( SI − A) −1‬‬ ‫=‬
‫‪⎢⎣ m‬‬ ‫⎥‪S‬‬ ‫‪S −1‬‬
‫⎦‬ ‫‪k‬‬
‫‪S‬‬
‫‪m‬‬

‫‪69‬‬
 ‫ﺑﻨﺎﺑﺮاﻳﻦ ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ ؛‬
‫⎤‪⎡1‬‬
‫‪⎡ S‬‬ ‫⎤‪+ 1‬‬ ‫⎥‪⎢m‬‬
‫‪⎢ k‬‬ ‫⎥‬ ‫⎥ ‪⎢S‬‬
‫⎤ ‪⎢⎣− m S ⎥⎦ ⎡ 0‬‬ ‫⎥ ⎢‬ ‫‪1‬‬
‫⎣‬ ‫‪m‬‬ ‫⎦‬ ‫= ‪m‬‬ ‫‪1‬‬
‫]‪G ( s ) = [1 0‬‬ ‫]‪⎢ 1 ⎥ + 0 = [1 0‬‬ ‫=‬
‫⎥ ⎢ ‪k‬‬ ‫‪k‬‬ ‫‪k‬‬ ‫‪mS‬‬ ‫‪2‬‬
‫‪+k‬‬
‫‪S +‬‬
‫‪2‬‬
‫⎦‪⎣m‬‬ ‫‪S +‬‬
‫‪2‬‬
‫‪S +‬‬
‫‪2‬‬

‫‪m‬‬ ‫‪m‬‬ ‫‪m‬‬

‫ﻣﺜﺎل دﻳﮕﺮ ‪ :‬ﻗﺒﻼ در ﻣﺜﺎل ﺑﺎ اﺳﺘﻔﺎده از ﺗﺒﺪﻳﻞ ﻻﭘﻼس ﻣﺴﺘﻘﻴﻢ ﻣﻌﺎدﻟﻪ ﺣﺮﻛﺖ ‪ ،‬ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ‬
‫را ﺑﺪﺳﺖ آورده ﺑﻮدﻳﻢ ‪.‬‬
‫) ‪output X ( s‬‬ ‫‪1‬‬
‫=‬ ‫= )‪= G ( s‬‬
‫‪input‬‬ ‫)‪U (s‬‬ ‫‪mS 2 + bS + k‬‬

‫ﺣﺎل ﻣﻲ ﺧﻮاﻫﻴﻢ ﺑﺎ اﺳﺘﻔﺎده از ﻣﻌﺎدﻻت ﺣﺎﻟﺖ اﻳﻨﻜﺎر را اﻧﺠﺎم دﻫﻴﻢ ‪،‬‬

‫) ‪⎧m&x& + bx& + kx = u (t‬‬ ‫‪−k‬‬ ‫‪b‬‬ ‫‪1‬‬
‫⎨‬ ‫= ‪⇒ mx& 2 + bx 2 + ux1 = u ⇒ x& 2‬‬ ‫‪x1 − x 2 + u‬‬
‫‪⎩( x1 = x x 2 = x& ) ⇒ ( x&1 = x 2‬‬ ‫)&‪x& 2 = &x‬‬ ‫‪m‬‬ ‫‪m‬‬ ‫‪m‬‬
‫‪y = x1‬‬
‫‪⎧ x&1 = x 2‬‬
‫⎪‬ ‫‪−k‬‬ ‫‪b‬‬ ‫‪1‬‬ ‫‪⎡ x&1 ⎤ ⎡ 0‬‬ ‫⎤ ‪1 ⎤ ⎡ x1 ⎤ ⎡ 0‬‬
‫= ‪⇒ ⎨ x& 2‬‬ ‫‪x1 − x 2 + u ⇒ ⎢ ⎥ = ⎢− k‬‬ ‫‪− b ⎥ ⎢ x ⎥ + ⎢ 1 ⎥u‬‬
‫⎪‬ ‫‪m‬‬ ‫‪m‬‬ ‫‪m‬‬ ‫&‬
‫‪⎣ 2 ⎦ ⎢⎣ m‬‬
‫‪x‬‬ ‫⎦⎥ ‪m ⎥⎦ ⎣ 2 ⎦ ⎢⎣ m‬‬
‫⎩‬ ‫‪y‬‬ ‫=‬ ‫‪x‬‬‫‪1‬‬

‫⎤ ‪⎡x‬‬
‫‪y = [1 0]⎢ 1 ⎥ + [0]u‬‬
‫⎦ ‪⎣ x2‬‬ ‫‪70‬‬
 ‫ﺑﻨﺎﺑﺮاﻳﻦ ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ ؛‬
‫‪⎡ 0‬‬ ‫⎤ ‪1‬‬ ‫⎤ ‪⎡ 0‬‬
‫‪A = ⎢− k‬‬ ‫⎥ ‪−b‬‬ ‫⎥ ‪B = ⎢1‬‬ ‫]‪c = [1 0‬‬ ‫‪d =0‬‬
‫‪⎢⎣ m‬‬ ‫⎦⎥ ‪m‬‬ ‫⎦⎥ ‪⎢⎣ m‬‬
‫‪⎡S + b‬‬ ‫⎤‪1‬‬ ‫‪⎡S + b‬‬ ‫⎤‪1‬‬
‫⎢‬ ‫‪m‬‬ ‫⎥‬ ‫⎢‬ ‫‪m‬‬ ‫⎥‬
‫‪⎡ S‬‬ ‫⎤ ‪−1‬‬ ‫⎢‬ ‫‪−‬‬ ‫‪k‬‬ ‫⎥‪S‬‬ ‫⎢‬ ‫‪−‬‬ ‫‪k‬‬ ‫⎥‪S‬‬
‫‪( SI − A) = ⎢ k‬‬ ‫(‬ ‫‪−‬‬ ‫)‬ ‫‪−1‬‬
‫=‬ ‫⎣‬ ‫‪m‬‬ ‫⎦‬ ‫=‬ ‫⎣‬ ‫‪m‬‬ ‫⎦‬
‫‪S +b‬‬ ‫⎥‬ ‫‪SI‬‬ ‫‪A‬‬
‫‪⎢⎣ m‬‬ ‫⎦⎥ ‪m‬‬ ‫‪S‬‬ ‫‪−1‬‬ ‫‪S2 + b S + k‬‬
‫‪m‬‬ ‫‪m‬‬
‫‪k‬‬ ‫‪S +b‬‬
‫‪m‬‬ ‫‪m‬‬
‫‪⎡S + b‬‬ ‫⎤‪1‬‬
‫⎢‬ ‫‪m‬‬ ‫⎥‬
‫⎢‬ ‫‪−‬‬ ‫‪k‬‬ ‫⎤ ‪S⎥ ⎡ 0‬‬
‫)‪Y (s‬‬ ‫⎣‬ ‫⎦‬ ‫‪1‬‬
‫‪= c ( SI − A) b + d = [1 0]. 2‬‬ ‫= ]‪⎢ 1 ⎥ + [0‬‬
‫‪−1‬‬ ‫‪m‬‬
‫= )‪G (s‬‬
‫)‪U ( s‬‬ ‫⎦⎥ ‪S + b S + k ⎢⎣ m‬‬ ‫‪mS 2 + bS + k‬‬
‫‪m‬‬ ‫‪m‬‬

‫ﻳﺎدآوري ﭼﻨﺪ ﺗﻌﺮﻳﻒ ‪:‬‬

‫‪ -1‬ﺳﻴﺴﺘﻢ وﻗﺘﻲ ﻛﻨﺘﺮل ﭘﺬﻳﺮاﺳﺖ ﻛﻪ ورودي روي ﻫﻤﻪ ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ ﺗﺎﺛﻴﺮداﺷﺘﻪ ﺑﺎﺷﺪو ﺳﻴﺴﺘﻢ وﻗﺘﻲ‬
‫ﻣﺸﺎﻫﺪه ﭘﺬﻳﺮ اﺳﺖ ﻛﻪ ﺧﺮوﺟﻲ از ﻫﻤﻪ ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ ﺗﺎﺛﻴﺮ ﮔﺮﻓﺘﻪ ﺑﺎﺷﺪ ‪.‬‬
‫‪ -2‬رﻳﺸﻪ ﻫﺎي ﺻﻮرت ﻛﺴﺮ ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ ‪ c( SI − A) −1 b + d‬ﻫﻤﺎن ﺻﻔﺮﻫﺎي ﺳﻴﺴﺘﻢ ورﻳﺸﻪ ﻫﺎي ﻣﺨﺮج‬
‫آن ﻗﻄﺒﻬﺎي ﺳﻴﺴﺘﻢ ﻣﻲ ﺑﺎﺷﻨﺪ ‪.‬‬

‫‪71‬‬
 ‫‪ -3‬راﺟﻊ ﺑﻪ ﺗﻌﺪاد ﺻﻔﺮ ﻫﺎ و ﻗﻄﺒﻬﺎ ‪:‬‬
‫ﭼﻮن ﺑﺮاي ﻳﻚ ﺳﻴﺴﺘﻢ رﺳﺘﻪ ‪n‬ﻣﺎﺗﺮﻳﺲ اﻟﺤﺎﻗﻲ )‪ ( SI − A‬از درﺟﻪ ‪ n-1‬ﻣﻲ ﺑﺎﺷﺪ ‪ ،‬در ﺻﻮرت‬
‫ﺻﻔﺮ ﺑﻮدن ﻣﺎﺗﺮﻳﺲ ‪ d=0‬ﺗﻌﺪاد ﻗﻄﺒﻬﺎ از ﺗﻌﺪاد ﺻﻔﺮﻫﺎ ﺣﺪاﻗﻞ ﻳﻜﻲ ﺑﻴﺸﺘﺮ اﺳﺖ ‪.‬‬
‫‪ -4‬ﺻﻔﺮﻫﺎي ﺳﻴﺴﺘﻢ ﻣﻘﺎدﻳﺮي ﻫﺴﺘﻨﺪ ﻛﻪ ﺑﻪ اﻧﺪازه آﻧﻬﺎ ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ ‪ G(s)=0‬ﻣﻲ ﺷﻮد و ﻗﻄﺒﻬﺎي‬
‫ﺳﻴﺴﺘﻢ ﻣﻘﺎدﻳﺮي ﻫﺴﺘﻨﺪ ﻛﻪ ﺑﻪ اﻧﺪازه آﻧﻬﺎ ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ ∞=)‪G(s‬ﻣﻲ ﺷﻮد ‪ ).‬ﻫﻤﺎن ﻣﻘﺎدﻳﺮي ﻛﻪ‬
‫ﺑﻪ ازاي آﻧﻬﺎ ‪ det( SI − A) = 0‬اﺳﺖ ‪ (.‬ﻳﻌﻨﻲ ﻗﻄﺒﻬﺎي ﺳﻴﺴﺘﻢ ﻣﻘﺎدﻳﺮ وﻳﮋه ﻣﺎﺗﺮﻳﺲ ‪ A‬ﻫﺴﺘﻨﺪ ‪.‬‬
‫ﺑﺮﻋﻜﺲ اﻳﻦ ﻣﺴﺌﻠﻪ ‪ ،‬ﻳﻌﻨﻲ ﻫﺮ ﻣﻘﺪار وﻳﮋه ﻫﻤﺎن ﻗﻄﺐ ﺳﻴﺴﺘﻢ اﺳﺖ ‪ ،‬ﻫﻨﮕﺎﻣﻲ درﺳﺖ اﺳﺖ ﻛﻪ‬
‫ﺳﻴﺴﺘﻢ ﻛﻨﺘﺮل ﭘﺬﻳﺮ و ﻣﺸﺎﻫﺪه ﭘﺬﻳﺮ ﺑﺎﺷﺪ ‪.‬‬
‫ﺳﻴﺴﺘﻢ ﻓﻀﺎي ﺣﺎﻟﺖ ﺑﺮاي ﻳﻚ ﺳﻴﺴﺘﻢ ﭼﻨﺪ ورودي‪ -‬ﭼﻨﺪ ﺧﺮوﺟﻲ ‪:‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از ﻳﻚ ﻣﺜﺎل اﻳﻦ ﻛﺎر را اﻧﺠﺎم ﻣﻲ دﻫﻴﻢ ‪ .‬ﺳﻴﺴﺘﻢ ﺳﻴﺎﻻﺗﻲ داراي ﺳﻪ ﻇﺮف ﺑﺎ دو ورودي و ﺳﻪ‬
‫ﺧﺮوﺟﻲ زﻳﺮ را در ﻧﻈﺮ ﻣﻲ ﮔﻴﺮﻳﻢ ‪:‬‬

‫‪72‬‬
 ‫از آﻧﺠﺎﻳﻲ ﻛﻪ ارﺗﻔﺎﻋﻬﺎي ﻣﺘﻐﻴﺮ ‪ h1,h2,h3‬وﺿﻌﻴﺖ ﺳﻴﺴﺘﻢ را ﻧﺸﺎن ﻣﻲ دﻫﻨﺪ ‪ ،‬ﺑﻨﺎﺑﺮاﻳﻦ ﻫﻤﺎﻧﻬﺎ را ﺑﻌﻨﻮان‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ ﺳﻴﺴﺘﻢ در ﻧﻈﺮ ﻣﻲ ﮔﻴﺮﻳﻢ ‪:‬‬
‫ﺳﻴﺴﺘﻢ داراي دو ورودي ‪)u1,u2‬ﺑﻪ ﻇﺮف اول و ﻇﺮف دوم (و ﺳﻪ ﺧﺮوﺟﻲ ‪ Q1,Q2,Q3‬از ﺳﻪ ﻇﺮف‪:‬‬
‫‪⎧ A x& = u − x1‬‬ ‫‪⎧ y = Q = x1‬‬
‫‪⎧ h1 = x1‬‬ ‫‪⎪ 1 1‬‬ ‫‪1‬‬ ‫‪R1‬‬ ‫‪⎪ 1‬‬ ‫‪1‬‬ ‫‪R1‬‬
‫⎪‬ ‫⎪‬ ‫‪x‬‬ ‫‪x‬‬ ‫⎪‬ ‫‪x‬‬
‫‪⎨ 2‬‬
‫‪h‬‬ ‫=‬ ‫‪x‬‬ ‫‪2‬‬ ‫⇒‬ ‫‪⎨ A2 x& 2 = u 2 + 1 R − 2 R‬‬ ‫‪⎨ y 2 = Q2 = 2 R‬‬
‫‪⎪h = x‬‬ ‫⎪‬ ‫‪1‬‬ ‫‪2‬‬
‫⎪‬ ‫‪2‬‬
‫‪⎩ 3‬‬ ‫‪3‬‬
‫‪⎪ A1 x&1 = x 2‬‬ ‫‪− 3‬‬
‫‪x‬‬ ‫‪⎪ y 3 = Q3 = x 3‬‬
‫⎩‬ ‫‪R2‬‬ ‫‪R3‬‬ ‫⎩‬ ‫‪R3‬‬

‫⎧‬ ‫⎤ ‪⎡ x1‬‬
‫⎪‬ ‫⎥ ⎢‬
‫⎥ ‪⎪ X = ⎢ x2‬‬
‫⎪‬ ‫⎦⎥ ‪⎢⎣ x3‬‬
‫⎧‬ ‫‪x1‬‬ ‫‪u1‬‬ ‫⎪‬
‫‪⎪ 1‬‬ ‫&‬
‫‪x‬‬ ‫=‬ ‫‪−‬‬ ‫‪+‬‬ ‫⎪‬ ‫⎤ ‪⎡ x&1‬‬
‫⎪‬ ‫‪R1 A1 A1‬‬ ‫⎥ ‪⎪ X& = ⎢ x& 2‬‬
‫⎪‬ ‫‪x1‬‬ ‫‪x2‬‬ ‫‪u2‬‬ ‫⎪‬ ‫⎥ ⎢‬ ‫‪⎧ X& (t ) n*1 = An*n X (t ) n*1 + Bn*rU r *1 (t ) r *1‬‬
‫= ‪⎨ x2‬‬
‫&‬ ‫‪−‬‬ ‫‪+‬‬ ‫⎨⇒‬ ‫⎦⎥ ‪⎢⎣ x& 3‬‬ ‫⎨⇒‬ ‫)*(‬
‫⎪‬ ‫‪R‬‬ ‫‪A‬‬
‫‪1 2‬‬ ‫‪R‬‬ ‫‪A‬‬
‫‪2 2‬‬ ‫‪A‬‬ ‫‪2‬‬ ‫⎪‬ ‫⎤ ‪⎡u‬‬ ‫‪⎩ Y (t ) m*1 = C m*n X (t ) n*1 + Dm*rU (t ) r *1‬‬
‫&⎪‬ ‫‪x2‬‬ ‫‪x3‬‬ ‫⎥ ‪⎪U = ⎢ 1‬‬
‫‪⎪ x3 = 0.x1 + R A − R A‬‬ ‫⎪‬ ‫⎦ ‪⎣u 2‬‬
‫⎩‬ ‫‪2 3‬‬ ‫‪3 3‬‬
‫⎪‬ ‫⎤ ‪⎡ y1‬‬
‫⎪‬ ‫⎥ ⎢‬
‫⎥ ‪⎪Y = ⎢ y 2‬‬
‫⎪‬ ‫⎦⎥ ‪⎢⎣ y 3‬‬
‫⎩‬ ‫‪73‬‬
 ‫ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ ؛‬
‫⎡‬ ‫‪1‬‬ ‫⎤‬ ‫‪⎡1‬‬ ‫⎤‬ ‫‪⎡1‬‬ ‫⎤‬
‫‪⎢−‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫⎥‬ ‫‪⎢A‬‬ ‫⎥ ‪0‬‬ ‫⎢‬ ‫⎥‬
‫‪⎢ R1 A1‬‬ ‫⎥‬ ‫‪⎢ 1‬‬ ‫⎥‬ ‫‪⎢ R1‬‬ ‫⎥‬
‫‪1‬‬ ‫‪1‬‬ ‫⎥ ‪1‬‬ ‫‪1‬‬
‫⎢=‪A‬‬ ‫‪−‬‬ ‫⎥ ‪0‬‬ ‫و‬ ‫‪B=⎢0‬‬ ‫و‬ ‫⎢=‪C‬‬ ‫و⎥‬ ‫‪D=0‬‬
‫‪⎢ R1 A2‬‬ ‫‪R2 A2‬‬ ‫⎥‬ ‫⎢‬ ‫⎥ ‪A2‬‬ ‫⎢‬ ‫‪R2‬‬ ‫⎥‬
‫⎢‬ ‫‪1‬‬ ‫⎥ ‪1‬‬ ‫‪⎢0‬‬ ‫⎥ ‪0‬‬ ‫⎢‬ ‫⎥ ‪1‬‬
‫‪⎢ 0‬‬ ‫‪−‬‬ ‫⎥‬ ‫⎢‬ ‫⎥‬ ‫⎢‬ ‫⎥‬
‫⎣⎢‬ ‫‪R2 A3‬‬ ‫⎦⎥ ‪R3 A3‬‬ ‫⎣‬ ‫⎦‬ ‫⎣⎢‬ ‫⎦⎥ ‪R3‬‬
‫ﺣﺎل ﺑﺮاي ﺑﺪﺳﺖ اوردن ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ از ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ ﻳﻚ ﺳﻴﺴﺘﻢ ‪ MIMO‬دارﻳﻢ ‪:‬‬
‫ﻣﻲ ﺗﻮان از ﻣﻌﺎدﻻت )*( ﺻﻔﺤﻪ ﻗﺒﻞ ﺗﺒﺪﻳﻞ ﻻﭘﻼس ﺑﮕﻴﺮﻳﻢ ؛‬
‫)) ‪⎛ SX ( s ) − x(0) = AX ( s ) + BU ( s ) ⎧ X ( s ) = ( SI − A) −1 ( x (0) + BU ( s‬‬
‫⎜⎜‬ ‫⎨⇒‬
‫⎝‬ ‫‪Y‬‬ ‫(‬ ‫‪s‬‬ ‫)‬ ‫=‬ ‫‪CX‬‬ ‫(‬ ‫‪s‬‬ ‫)‬ ‫‪+‬‬ ‫‪DU‬‬ ‫(‬ ‫‪s‬‬ ‫)‬ ‫‪−1‬‬
‫) ‪⎩ Y ( s ) = C ( SI − A) ( x (0) + BU ( s )) + DU ( s‬‬
‫ﺑﺎ ﻓﺮض ‪x(0)=0‬ﺑﺮاي ﺑﺪﺳﺖ آوردن ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ )‪ G(s‬ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ ‪:‬‬
‫)‪Y (s‬‬
‫‪= G ( s ) ⇒ G ( s ) = C ( SI − A) −1 B + D‬‬ ‫‪Y ( s ) m*1 = G ( s ) m*r .U ( s ) r *1‬‬
‫)‪U ( s‬‬

‫⎤ ) ‪⎡Y1 ( s ) ⎤ ⎡ G11 ( s ) G12 ( s ) L G1r ( s ) ⎤ ⎡U 1 ( s‬‬

‫⎥ ) ‪⎢Y ( s ) ⎥ ⎢ G ( s ) G ( s ) L G ( s ) ⎥ ⎢U ( s‬‬
‫‪⎢ 2 ⎥ = ⎢ 21‬‬ ‫‪22‬‬ ‫‪2r‬‬ ‫⎥ ‪⎥⎢ 2‬‬
‫‪⎢ M ⎥ ⎢ M‬‬ ‫‪M‬‬ ‫⎥ ‪M ⎥⎢ M‬‬
‫⎢‬ ‫⎢ ⎥‬ ‫⎢⎥‬ ‫⎥‬
‫(‬ ‫)‬
‫‪⎣ 3 ⎦ ⎣ m1‬‬
‫‪Y‬‬ ‫‪s‬‬ ‫‪G‬‬ ‫(‬ ‫‪s‬‬ ‫)‬ ‫‪G‬‬ ‫‪m2‬‬ ‫(‬ ‫‪s‬‬ ‫)‬ ‫‪L‬‬ ‫‪G‬‬ ‫(‬ ‫‪s‬‬ ‫)‬ ‫‪U‬‬ ‫(‬
‫⎦ ‪⎦⎣ r‬‬ ‫‪s‬‬ ‫)‬
‫‪mr‬‬ ‫‪74‬‬
 ‫ﻳﻌﻨﻲ ﻣﻲ ﺗﻮان ﮔﻔﺖ ‪ :‬ﻫﺮ ﻛﺪام از ﺧﺮوﺟﻲ ﻫﺎي ﺳﻴﺴﺘﻢ ﺑﻮﺳﻴﻠﻪ ‪ r‬ﺗﺎﺑﻊ ﺗﺒﺪﻳﻞ ﺑﺎ ‪ r‬ورودي ﺳﻴﺴﺘﻢ ارﺗﺒﺎط‬
‫دارﻧﺪ ‪ .‬ﻳﻌﻨﻲ ؛‬
‫) ‪Yi ( s ) = Gi1 ( s ).U 1 ( s ) + Gi 2 ( s ).U 2 ( s ) + L + Gir ( s ).U r ( s‬‬ ‫‪i = 1,2,3,....., m‬‬
‫‪r‬‬
‫) ‪Yi ( s ) = ∑ Gij ( s ).U j ( s‬‬ ‫‪i = 1,2,3,....., m‬‬
‫ﻣﺨﺮج ﻛﻠﻴﻪ ﺗﻮاﺑﻊ ﺗﺒﺪﻳﻞ ‪ G‬ﻋﺒﺎرت )‪ det( SI − A‬ﻣﻲ ﺑﺎﺷﺪ ﻛﻪ ﺗﺴﺎوي آن ﺑﺎ ﺻﻔﺮﻫﻤﺎن ﻣﻌﺎدﻟﻪ‪j =1‬ﻣﺸﺨﺼﻪ‬
‫‪ij‬‬
‫ﺳﻴﺴﺘﻢ ﻣﻲ ﺑﺎﺷﺪ ‪.‬‬

‫دﻳﺎﮔﺮام ﻫﺎي ﺟﻌﺒﻪ اي و ﺟﺮﻳﺎﻧﻲ ) ‪: (signal flow diagram & Block diagram‬‬
‫ﺗﻮﺳﻂ ﻣﺜﺎل ‪ :‬ﺑﺮاي ﻳﻚ ﻣﺨﺰن ﻣﺎﻳﻊ ) ﺳﻴﺴﺘﻢ ﺳﻴﺎﻻﺗﻲ ( ﺑﻌﻨﻮان اﻧﺘﮕﺮال ﮔﻴﺮﻧﺪه ؛‬
‫‪t‬‬
‫‪1‬‬ ‫‪1 1‬‬
‫∫ ‪x (t ) = x 0 +‬‬ ‫‪u (t ).dt = x 0 +‬‬ ‫) ‪u (t‬‬
‫‪0‬‬
‫‪A‬‬ ‫‪D A‬‬
‫‪x0‬‬
‫‪U‬‬ ‫‪(1/A)U‬‬ ‫‪+‬‬ ‫)‪X(t‬‬
‫‪1/A‬‬ ‫‪1/D‬‬ ‫‪+‬‬

‫‪1/A‬‬ ‫‪1/D‬‬
‫‪1‬‬
‫‪U‬‬ ‫‪(1/A)U‬‬ ‫)‪X(t‬‬
‫‪75‬‬
‫‪x0‬‬
‫اﺳﺘﻔﺎده از ﻳﻚ ﻣﺜﺎل ) ﻳﻚ ﺳﻴﺴﺘﻢ رﺳﺘﻪ ﻳﻚ ( ﺑﺮاي ﺗﻮﺿﻴﺢ دﻳﺎﮔﺮاﻣﻬﺎي ﺟﻌﺒﻪ اي و ﺟﺮﻳﺎﻧﻲ در ﻣﻴﺪان‬
‫) ‪x (t‬‬ ‫‪−1‬‬ ‫‪1‬‬ ‫زﻣﺎن و ﻻﭘﻼس ‪:‬‬
‫‪Ax& (t ) = u (t ) −‬‬ ‫= ) ‪x& (t‬‬ ‫‪x (t ) +‬‬ ‫) ‪u (t‬‬
‫‪R‬‬ ‫‪RA‬‬ ‫‪A‬‬
‫‪1‬‬ ‫‪−1‬‬
‫ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ ‪،‬‬ ‫‪=b‬‬ ‫ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ‪= a‬‬
‫‪A‬‬ ‫‪RA‬‬

‫) ‪x& (t ) = ax (t ) + bu (t‬‬ ‫]) ‪(*) ⇒ x(t ) = x0 + 1 [ax(t ) + bu (t‬‬

‫‪1‬‬ ‫‪D‬‬
‫] ‪[ax + bu‬‬ ‫دﻳﺎﮔﺮام ﺟﻌﺒﻪ اي در ﻣﻴﺪان زﻣﺎن ‪x0‬‬
‫‪D‬‬
‫‪U‬‬ ‫‪+‬‬ ‫&‪X‬‬ ‫‪x‬‬
‫‪b‬‬ ‫‪1/D‬‬
‫‪+‬‬

‫‪a‬‬ ‫دﻳﺎﮔﺮام ﺟﺮﻳﺎﻧﻲ در ﻣﻴﺪان زﻣﺎن‬

‫‪X0‬‬
‫‪b‬‬
‫&‪X‬‬ ‫‪1‬‬ ‫‪X‬‬
‫‪D‬‬
‫‪1‬‬
‫‪U‬‬
‫‪a‬‬
‫‪76‬‬
 ‫) ‪SX ( s ) − x(0) = aX ( s ) + bU ( s‬‬ ‫ﺑﺎ ﻻﭘﻼس ﮔﺮﻓﺘﻦ از ﻣﻌﺎدﻟﻪ )*( دارﻳﻢ ‪:‬‬
‫‪x0‬‬
‫) ‪U (s‬‬ ‫) ‪X (s‬‬
‫‪b‬‬ ‫‪1/s‬‬
‫دﻳﺎﮔﺮام ﺟﻌﺒﻪ اي در ﻣﻴﺪان ﻻﭘﻼس ؛‬
‫‪x0‬‬ ‫‪a‬‬
‫‪1‬‬
‫‪1‬‬
‫) ‪U (s‬‬ ‫‪S‬‬ ‫) ‪X (s‬‬ ‫دﻳﺎﮔﺮام ﺟﻌﺒﻪ اي در ﻣﻴﺪان ﻻﭘﻼس ؛‬

‫‪b‬‬
‫‪a‬‬
‫ﺗﻔﺎوت دﻳﺎﮔﺮام ﻫﺎي ﺟﻌﺒﻪ اي و ﺟﺮﻳﺎﻧﻲ ‪:‬‬
‫دﻳﺎﮔﺮام ﺟﺮﻳﺎﻧﻲ‬ ‫دﻳﺎﮔﺮام ﺟﻌﺒﻪ اي‬

‫داﻳﺮه ﻛﻮﭼﻚ‬ ‫ﺧﻂ ﺛﺎﺑﺖ‬ ‫ﺳﻴﮕﻨﺎل‬

‫ﺧﻂ ﻣﻨﺤﻨﻲ‬ ‫ﺟﻌﺒﻪ‬ ‫ﺗﺎﺑﻊ‬

‫‪77‬‬
 ‫ﻃﺮز ﻧﻤﺎﻳﺶ ﻳﻚ ﺳﻴﺴﺘﻢ رﺳﺘﻪ ‪N‬ﺑﺎ ﻳﻚ ورودي و ﻳﻚ ﺧﺮوﺟﻲ ‪:‬‬
‫‪d‬‬ ‫‪d‬‬ ‫‪1‬‬
‫‪X n*1 = An*n X n*1 + bn*1U n*1‬‬ ‫‪,‬‬ ‫) ‪= D ⇒ X (t ) = X (0) + I ( AX + bU‬‬ ‫‪I : n*n‬‬
‫‪dt‬‬ ‫‪dt‬‬ ‫‪D‬‬
‫‪y1*1 = C1*n X n*1 + d 1*1U 1*1‬‬
‫ﺧﻂ ﺿﺨﻴﻢ در دﻳﺎﮔﺮام ﺟﻌﺒﻪ اي ﻧﺸﺎن دﻫﻨﺪه ﺳﻴﮕﻨﺎﻟﻬﺎي ﺑﺮداري ‪.‬‬
‫ﺧﻂ ﺿﺨﻴﻢ در دﻳﺎﮔﺮام ﺟﺮﻳﺎﻧﻲ ﻧﺸﺎن دﻫﻨﺪه ﺗﻮاﺑﻊ ﺑﺮداري ‪.‬‬

‫‪d‬‬ ‫‪X0‬‬
‫‪+‬‬ ‫‪+‬‬ ‫) ‪y (t‬‬
‫) ‪U (t‬‬ ‫‪+‬‬
‫‪b‬‬
‫‪1‬‬
‫‪D‬‬
‫‪I‬‬ ‫‪C‬‬
‫‪+‬‬

‫‪A‬‬
‫)دﻳﺎﮔﺮام ﺟﻌﺒﻪ اي در ﻣﻴﺪان زﻣﺎن ﻳﺼﻮرت ﺑﺮداري(‬

‫‪78‬‬
 ‫‪X0‬‬ ‫‪I‬‬

‫‪b‬‬ ‫‪c‬‬
‫‪D −1 I‬‬
‫) ‪y (t‬‬
‫&‪X‬‬ ‫‪X‬‬
‫) ‪U (t‬‬

‫)دﻳﺎﮔﺮام ﺟﺮﻳﺎﻧﻲ در ﻣﻴﺪان زﻣﺎن ﺑﺼﻮرت ﺑﺮداري (‬

‫‪d‬‬
‫‪X0‬‬

‫) ‪U (s‬‬ ‫‪1‬‬ ‫) ‪X (s‬‬ ‫) ‪Y (s‬‬

‫‪b‬‬ ‫‪S‬‬
‫‪I‬‬ ‫‪c‬‬

‫‪A‬‬
‫) دﻳﺎﮔﺮام ﺟﻌﺒﻪ اي در ﻣﻴﺪان ﻻﭘﻼس ﺑﺼﻮرت ﺑﺮداري ﺑﺮاي ﻳﻦ ﺳﻴﺴﺘﻢ ﺧﻄﻲ رﺳﺘﻪ ‪ n‬ﺑﺎ‬
‫ﻳﻚ ورودي و ﻳﻚ ﺧﺮوﺟﻲ (‬ ‫‪79‬‬
 ‫ﻣﺜﺎل ‪ :‬ﻣﻄﻠﻮب اﺳﺖ ﺗﺮﺳﻴﻢ دﻳﺎﮔﺮام ﺟﻌﺒﻪ اي ﺑﺮاي ﺳﻴﺴﺘﻢ ﻣﺜﺎل ‪:‬‬
‫‪x&1 = x 2‬‬ ‫) ‪⎫ ⎧ SX 1 ( s ) − x1 (0) = X 2 ( s‬‬
‫‪k‬‬ ‫⎪⎪ ⎪⎪ ‪1‬‬ ‫‪k‬‬ ‫‪1‬‬
‫) ‪x& 2 = − x1 + u ⎬ ⇒ ⎨ SX 2 ( s ) − x 2 ( s ) = − X 1 ( s ) + U ( s‬‬
‫‪m‬‬ ‫⎪ ⎪ ‪m‬‬ ‫‪m‬‬ ‫‪m‬‬
‫‪y = x1‬‬ ‫) ‪⎪⎭ ⎪⎩Y ( s ) = X 1 ( s‬‬

‫‪x2 0‬‬ ‫‪x1 0‬‬

‫) ‪U (s‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫) ‪Y (s‬‬
‫)‪X 2 (s‬‬ ‫) ‪SX 1 ( s‬‬ ‫)‪X 1 (s‬‬
‫‪1/m‬‬
‫‪1/m‬‬ ‫‪+‬‬
‫‪SX 2‬‬
‫‪1/s‬‬
‫‪1/s‬‬ ‫‪+‬‬ ‫‪1/s‬‬
‫‪+‬‬

‫‪-k/m‬‬
‫) دﻳﺎﮔﺮام ﺟﻌﺒﻪ اي در ﻓﻀﺎي ﻻﭘﻼس ﺳﻴﺴﺘﻢ ﺟﺮم و ﻓﻨﺮ(‬
‫روش ﺳﺎده ﻧﻤﻮدن دﻳﺎﮔﺮام ﻫﺎي ﺟﻌﺒﻪ اي ﻳﺎ ﺟﺮﻳﺎﻧﻲ ‪:‬‬
‫‪c‬‬ ‫‪-1‬‬
‫‪−‬‬
‫‪a‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪a−b−c‬‬ ‫‪a‬‬ ‫‪+‬‬ ‫‪a−b−c‬‬

‫‪−‬‬ ‫‪−‬‬ ‫‪−‬‬

‫‪b‬‬ ‫‪c‬‬ ‫‪b‬‬
‫‪80‬‬