Nelinearni Sistemi Upravljanja

UNIVERZITET U TUZLI
FAKULTET ELEKTROTEHNIKE
AUTOMATIKA I ROBOTIKA
Nelinearni (Radna
sistemi upravljanja
skripta)
Mujki¢ Alen
Tuzla, 2017
Sadrºaj
1 Uvod u nelinearne sisteme 4

1.1 Matemati£ki modeli nelinearnih sistema . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Stanje sistema, prostor stanja, varijable stanja, trajektorije sistema . . . . . . . . 5
2 Linearni sistemi 6
2.1 Kretanje slobodnog LTI sistema u prostoru stanja . . . . . . . . . . . . . . . . . . 9
2.2 Kretanje prinuenog LTI sistema u prostoru stanja . . . . . . . . . . . . . . . . . 11
2.3 Laplace-ova transformacija za rje²avanje kretanja LTI sistema u prostoru stanja . 12
2.4 Karakteristi£na jedna£ina sistema i svojstvene vrijednosti matrice sistema . . . . . 13
3 Transformacija sli£nosti 14
3.1 Modalna transformacija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Jordanova kanoni£na forma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.3 Odreivanje modela sistema u prostoru stanja direktnim postupkom . . . . . . . . 17
4 Nelinearni fenomeni 21
4.1 Kona£no vrijeme pobjega . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.2 Vi²estruka stanja ravnoteºe (ta£ke ekvilibrijuma, stacionarne ta£ke) . . . . . . . . 22
4.3 Grani£ki ciklusi (krugovi) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.4 Subharmonijske, harmonijske ili gotovo periodi£ne oscilacije . . . . . . . . . . . . 25
4.5 Haos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.6 Multipli modova pona²anja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.7 Primjeri nelinearnih sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5 Naj£e²¢i (tipi£ni) nelinearni elementi 31
5.1 Stati£ki (bezinercioni) bezmemorijski nelinearni elementi . . . . . . . . . . . . . . 31
5.1.1 Idealni dvopoloºajni relej . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5.1.2 Blok zasi¢enja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5.1.3 Mrtva zona (zona neosjetljivosti) . . . . . . . . . . . . . . . . . . . . . . . 33
5.1.4 Kvantizacijska nelinearnost . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.1.5 Idealni tropoloºajni relej . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.2 Stati£ki elementi sa memorijom . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.2.1 Dvopoloºajni relej sa histerezisom (pozitivnim) . . . . . . . . . . . . . . . 34
5.2.2 Tropoloºajni relej sa histerezisom (pozitivnim) . . . . . . . . . . . . . . . . 35
5.2.3 Nelinearnost tipa zazora u zup£anicima (Backlash) . . . . . . . . . . . . . 35
5.2.4 Histerezis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.3 Denicije . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.3.1 Denicija 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.3.2 Denicija 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.3.3 Denicija 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6 Sistemi drugog reda 37
6.1 Fazna ravan, fazna trajektorija i fazni portret . . . . . . . . . . . . . . . . . . . . 37
6.2 Kvalitativno pona²anje linearnog sistema drugog reda . . . . . . . . . . . . . . . . 38
6.2.1 Svojstvene vrijednosti su razli£ite meusobno i razli£ite od nule . . . . . . 40
6.2.2 Svojstvene vrijednosti su kompleksne . . . . . . . . . . . . . . . . . . . . . 42
6.2.3 Svojstvene vrijednosti su iste i razli£ite od nule . . . . . . . . . . . . . . . 46
6.2.4 Jedna ili obje svojstvene vrijednosti su jednake nuli . . . . . . . . . . . . . 47
0. SADRAJ
6.3 Kvalitativno pona²anje nelinearnih sistema oko ta£ke ekvilibrijuma . . . . . . . . . 49

6.3.1 Grani£ni ciklusi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
7 Analiza nelinearnih sistema drugog reda u faznoj ravnini 56
7.1 Metode konstrukcije faznog portreta . . . . . . . . . . . . . . . . . . . . . . . . . 56
7.1.1 Analiti£ke metode konstrukcije faznog portreta . . . . . . . . . . . . . . . . 56
7.1.2 Konstrukcija faznog portreta metodom izoklina . . . . . . . . . . . . . . . 59
8 Stabilnost nelinearnih sistema po Lyapunov-u 63
8.1 Stabilnost autonomnih sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
8.1.1 I (indirektni) metod Lyapunov-a . . . . . . . . . . . . . . . . . . . . . . . . 64
8.1.2 II (direktni) metod Lypunov-a . . . . . . . . . . . . . . . . . . . . . . . . . 65
8.2 Teorema Lyapunov-a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
8.3 Teorema LaSalle (princip invarijantnosti) . . . . . . . . . . . . . . . . . . . . . . . 70
8.4 Teorema Barbashin-Krasovskii (dodatak na teoremu Lyapunov-a) . . . . . . . . . 71
8.5 Teorema Chetaev-a o nestabilnosti ta£aka ekvilibrijuma . . . . . . . . . . . . . . . 71
8.6 Teorema - dovoljni uslovi nestabilnosti . . . . . . . . . . . . . . . . . . . . . . . . 71
8.7 Teorija stabilnosti po Lyapunov-u za linearne sisteme . . . . . . . . . . . . . . . . 72
8.7.1 Teorema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
8.8 Metoda varijabilnog gradijenta - Schultz-Gibson-ova metoda . . . . . . . . . . . . 73
8.9 Uslovi za izbor g(x) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
9 Frekvencijske metode analize nelinearnih sistema 77
9.1 Metod harmonijske linearizacije (balansa) ili metod opisne funkcije. Opisna funkcija
nelinearnih blokova . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
9.1.1 Analiti£ki metod . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
9.1.2 Gra£ki metod . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
10 Metode upravljanja nelinearnim sistemima 83
10.1 Metoda autotuninga (samopode²avanja) parametara PID kontrolera bazirana na
relejnoj povratnoj sprezi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
10.2 Relejno upravljanje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
10.2.1 Regulatori sa dvopoloºajnim djelovanjem . . . . . . . . . . . . . . . . . . . 85
10.2.2 Dvopoloºajna regulacija proporcionalnih procesa . . . . . . . . . . . . . . . 86
10.2.3 Dvopoloºajna regulacija integralnih procesa . . . . . . . . . . . . . . . . . 90
10.3 Upravljanje kliznim reºimom (Sliding mode control) . . . . . . . . . . . . . . . . . 92
A Dodatak 101
3
1. Uvod u nelinearne sisteme
1 Uvod u nelinearne sisteme
1.1 Matemati£ki modeli nelinearnih sistema

U kursu se bavimo dinami£kim sistemima koji su modelirani kona£nim brojem (povezanih) dife-
rencijalnih jedna£ina prvog reda (u op²tem slu£aju nelinearnih).
ẋ1 = f1 (x1 , x2 , ..., xn , u1 , u2 , ..., up , t)
ẋ2 = f2 (x1 , x2 , ..., xn , u1 , u2 , ..., up , t)
(1.1)
........................................................
ẋn = fn (x1 , x2 , ..., xn , u1 , u2 , ..., up , t)
(Normalna ili Cauchy-eva forma modela sistema u prostoru stanja)
Najve¢i broj sistema sa koncentrisanim parametrima (kona£no dimenzionalni sistemi) moºe se
opisati modelom 1.1.
Varijable x1 , x2 , ...xn se zovu varijable stanja, te sadrºe akumulirane informacije o pro²losti sis-
tema.
x˙1 , x˙2 , ..., x˙n su izvodi varijabli stanja.
u1 , u2 , ..., up su ulazne varijable.
f1 , f2 , ..., fn skalarne funkcije vektorskog argumenta, u op²tem slu£aju nelinearne.
U vektorskoj formi moºemo zapisati:
Ẋ = f (t, X, U ) (1.2)
    
x1 x˙1 u1
 x2   x˙2   u2 
X =  ..  Ẋ =  ..  U =  .. 
     
. . .
xn x˙n up
X je vektor stanja dimenzija [nx1], Ẋ je dimenzija [nx1], U je vektor ulaza dimenzija [px1].
f (t, X, U ) - vektorska funkcija vektorskog argumenta, u op²tem slu£aju nelinearna.
Jedna£ina 1.1, odnosno 1.2, je jedna£ina stanja sistema (diferencijalna jedna£ina).
Jedna£ini stanja se pridruºuje algebarska jedna£ina ili jedna£ina izlaza:
Y = h(t, X, U ) (1.3)
 
y1
y2 
Y =  .. 
 
.
yq
Y je vektor izlaza dimenzija [qx1], h je vektorska funkcija vektorskog argumenta, u op²tem slu£aju
nelinearna.
Jedna£ine 1.2 i 1.3 £ine matemati£ki model sistema u prostoru stanja.
Klasikacija nelinearnih sistema
• Sistem je vremenski varijantan ako je f eksplicitna funkcija vremena. Matemati£ki model
sistema je dat u formi:
Ẋ = f (t, X, U ) ili Ẋ = f (t, X)
• Sistem je vremenski invarijantan (stacionaran) ukoliko f nije eksplicitna funkcija vremena.
Matemati£ki model sistema je dat u formi:
Ẋ = f (X, U )
4
1. Uvod u nelinearne sisteme
• Sistem je prinuen(forsiran) ako je f funkcija od U . Matemati£ki model sistema je dat u

formi:
Ẋ = f (X, U ) ili Ẋ = f (t, X, U )
• Sistem je slobodan (neforsiran) ako f nije funkcija U . Matemati£ki model sistema je dat u
formi:
Ẋ = f (t, X)
• Ukoliko f nije funkcija niti t niti U , tada je sistem autonoman. Matemati£ki model sistema
je dat u formi:
Ẋ = f (X)
Denicija:
Ta£ka ekvilibrijuma (stacionarna ta£ka) slobodnog sistema Ẋ = f (t, X) jeste ta£ka u pros-
toru stanja koja ima osobinu da ako se sistem dovede u ovu ta£ku, zauvijek ostaje u ovoj
ta£ki.
Ta£ka ekvilibrijuma autonomnog sistema Ẋ = f (X) predstavljaju realna rje²enja jedna£ine
f (X) = 0. Ta£ka ekvilibrijuma moºe biti izolovana ili moºe postojati kontinuum ta£aka
ekvilibrijuma.
• Ukoliko je f linearna funkcija argumenta X tada se radi o linearnom diferencijalnom sistemu
• Ukoliko je f nelinearna funkcija argumenta X tada se radi o nelinearnom sistemu.
1.2 Stanje sistema, prostor stanja, varijable stanja, trajektorije sistema

Stanje sistema predstavlja ukupno znanje o statusu sistema u odreenom vremenskom trenutku.
Poznavanjem stanja sistema u nekom po£etnom trenutku t0 kao i poznavanje pobuda (ulaza) koje
djeluju na deterministi£ki sistem nakon trenutka t0 omogu¢ava da se jednozna£no odredi stanje
sistema u svakom trenutku t1 ≥ t0 .
U bilo kojem trenutku, stanje sistema je mogu¢e opisati vrijednostima skupa varijabli stanja xi ,
i = 1, 2, ..., n, pri tome varijable stanja mogu imati zikalni smisao ili biti apstraktne veli£ine. Ako
imaju zikalni smisao, tada su uvijek vezane uz gomili²ta energije sistema. Broj varijabli stanja
jednak je broju gomili²ta energije sistema.
U elektri£nim sistemima gomili²ta energije su vezana uz kondenzatore i zavojnice, u mehani£-
kom su to tijela sa masom, momentom inercije i mehani£ke opruge, u uidnim sistemima su to
akumulirane visine teku¢ine ili gasovi pod pritiskom, dok u termi£kom sistemu su to termi£ke
kapacitivnosti.
Sistem koji se moºe opisati kona£nim brojem varijabli stanja se zove kona£no dimenzionalni od-
nosno sistem sa koncentrisanim parametrima (eng. lumped).
Denicija stanja sistema
Stanje sistema je matemati£ka struktura koja sadrºi n varijabli x1 , x2 , ..., xn zvanih varijable stanja
koje omogu¢avaju da se uz po£etne vrijednosti xi (t0 ) (i = 1, 2, ..., n) i signale pobude na sistem
uj (t) (j = 1, 2, ..., p, t ≥ t0 ) jednozna£no odredi kretanje sistema za t ≥ t0 . Kao matemati£ka
struktura stanja sistema usvojen je vektor stanja.
Denicija prostora stanja
Prostor stanja je (n dimenzijski) euklidski prostor u kome su koordinate prostora komponente
vektora stanja.
Varijable stanja se podvrgavaju slede¢im pravilima:
• moraju biti linearno nezavisne
• njihov broj mora biti dovoljan da kompletno opisuje dinami£ko pona²anje sistema
5
2. Linearni sistemi
• ne mogu biti ulazi niti linearna kombinacija ulaza
• broj varijabli stanja odreuje red sistema
Denicija trajektorije
Geometrijsko mjesto ta£aka u prostoru stanja koje opisuje vrh vektora stanja od trenutka t0 do
trenutka t ≥ t0 naziva se trajektorija ili orbita stanja sistema sa po£etkom u ta£ki x0 = x(t0 ).
x3
x1 = x(t1 )
→
−
x (t)
x0 = x(t0 ) →
−
x1 = →
−
x (t1 )
→
−
x0 = →
−
x (t0 )
x2
x1
Napomena:
Fundamentalna razlika izmeu autonomnog i neautonomnog sistema leºi u £injenici da je tra-
jektorija stanja kod autonomnih sistema nezavisna od odabira po£etnog vremena (prema tome
invarijantna je na vremenski pomak), dok kod neautonomnih sistema u op²tem slu£aju ovo ne
vrijedi.
x(t, t1 )
x2 x2
x(t, t0 ) = x(t, t1 )
x(t, t0 )
x(t0 ) = x0 x(t0 ) = x0
x(t1 ) = x0 x(t1 ) = x0
x1 x1
Autonomni sistem Neautonomni sistem
2 Linearni sistemi
Matemati£ki modeli linearnih vremenski varijantnih sistema se mogu predstaviti u normalnom ili
Cauchy-evom obliku:
- skupom n diferencijalnih jedna£ina stanja:
n p
(2.1)
X X
ẋi = aij (t)xj + bij (t)uj i = 1, 2, ..., n
j=1 j=1
6
2. Linearni sistemi
- i skupom q algebarskih jedna£ina izlaza:

n p
(2.2)
X X
yk = ckj (t)xj + dkj (t)uj k = 1, 2, ..., q
j=1 j=1
U matri£noj formi matemati£ki model linearnog vremenskog varijantnog sistema moºe biti napisan
u obliku:
Ẋ(t) = A(t)X(t) + B(t)U (t)
(2.3)
Y (t) = C(t)X(t) + D(t)U (t)
U modelu sistema je:
• A - matrica dimenzija nxn - matrica sistema
 
a11 (t) a12 (t) . . . a1n (t)
 a21 (t) a22 (t) . . . a2n (t) 
A =  ..
 
 .


an1 (t) an2 (t) . . . ann (t) nxn
• B - matrica dimenzija nxp - matrica ulaza

 
b11 (t) b12 (t) . . . b1p (t)
 b21 (t) b22 (t) . . . b2p (t) 
B =  ..
 
 .


bn1 (t) bn2 (t) . . . bnp (t) nxp
• C - matrica dimenzija qxn - matrica izlaza

 
c11 (t) c12 (t) . . . c1n (t)
c21 (t) c22 (t) . . . c2n (t)
C =  ..
 
 .


cq1 (t) cq2 (t) . . . cqn (t) qxn
• D - matrica dimenzija qxp - matrica unaprijednog prolaza

 
d11 (t) d12 (t) . . . d1p (t)
d21 (t) d22 (t) . . . d2p (t)
D =  ..
 
 .


dq1 (t) dq2 (t) . . . dqp (t) qxp
• X - vektor stanja dimenzija nx1  

x1
 x2 
X =  .. 
 
.
xn nx1
• U - vektor ulaza dimenzija px1  

u1
 u2 
U =  .. 
 
.
up px1
7
2. Linearni sistemi
• Y - vektor izlaza dimenzija qx1  

y1
y2 
Y =  .. 
 
.
yq qx1
Strukturni blok dijagram linearnog vremenski varijantnog sistema moºe biti napisan u slede¢oj
formi:
Ẋ = AX + BU
Y = CX + DU
u + ẋ x y
B C
R
+
Primjer 1 (Odabir varijabli stanja)

Za elektri£ni sistem na slici odrediti matemati£ki model prostora stanja.
uL uR uC
i
L R C
u(t)
Rje²enje:
uL (t) + uR (t) + uC (t) = u(t) (2.4)
a) Z t
diL (t) 1
L + Ri(t) + i(t)dt = u(t) (2.5)
dt C 0
Neka su odabrane varijable stanja:
Z t
1
x1 = uc = idt
C 0 (2.6)
1 di 1
x2 = uR = Ri =⇒ i = x2 =⇒ = x˙2
R dt R
Prema tome je:
1 1
x˙1 = i= x2 (2.7)
C RC
Uvrstimo 2.7 u 2.4 i dobijamo:
L
x˙2 + x2 + x1 = u(t) (2.8)
R
8
2. Linearni sistemi
R R R
x˙2 = − x1 − x2 + u (2.9)
L L L
U matri£noj formi je: " # " #" # " #
1
x˙1 0 x1 0
= RC
+ R u (2.10)
x˙2 −R
L
−RL
x2 L
Algebarska jedna£ina izlaza je:

" # " #" #
y1 1 0 x1
Y = = (2.11)
y2 0 1 x2
b)
dq d2 q dq q
i= = q̇ =⇒ L 2 + R + = u(t) (2.12)
dt dt dt C
Uzmimo da su varijable stanja:
x1 = q
(2.13)
x2 = q̇
x˙1 = x2 (2.14)
Iz jedna£ine 2.12:
1
Lx˙2 + Rx2 + x1 = u (2.15)
C
1 R 1
x˙2 = − x1 − x2 + u (2.16)
LC L L
U matri£noj formi imamo:
" # " #" # " #
x˙1 0 1 x1 0
= 1
+ 1 u (2.17)
x˙2 − LC −R
L
x2 L
2.1 Kretanje slobodnog LTI sistema u prostoru stanja

Kretanje sistema u prostoru stanja moºemo dobiti rje²avanjem diferencijalne jedna£ine modela
sistema u vremenskom domenu ili primjenom neke od pogodnih transformacija kao ²to je Laplace-
ova transformacija. Neka imamo homogenu diferencijalnu jedna£inu prvog reda (matemati£ki
model slobodnog LTI sistema prvog reda).
ẋ = ax
x(0) = x0
dx
= ax
dt Z
dx (2.18)
= adt/ ()
x
lnx = at + lnC1
x
ln = at/e()
C1
x
= eat
C1
9
2. Linearni sistemi
x(t) = C1 eat (2.19)

x(0) = x0 = C1 ea·0 = C1
C 1 = x0 (2.20)
Iz 2.19 i 2.20:
x(t) = x0 eat (2.21)
Po analogiji se moºe rije²iti i homogena matri£na jedna£ina:
Ẋ = Anxn X
(2.22)
X(0) = X0
Neka je Φ(t) eksponencijalna matri£na funkcija:

Φ(t) = eAt (2.23)
∞
1 ii 1
(2.24)
X
At
Φ(t) = e = A t = I + At + (At)2 + ...
i=0
i! 2!
Neka je data konstantna matrica C dimenzija nx1, tada vrijedi:
d(eAt · C) d 1
= [(I + At + (At)2 + ...) · C] =
dt dt 2! (2.25)
1 1
= (A + A2 t + A3 t2 + ...) · C = A(I + At + A2 t2 + ...) · C = AeAt · C
2 2
d(eAt · C)
= AeAt · C (2.26)
dt
Uporedimo li jedna£ine 2.22 i 2.26 dobijamo rje²enje matri£ne diferencijalne jedna£ine sa po£etnim
uslovom X(0) = X0 :
X(t) = eAt · X0 (2.27)
Φ(t) = eAt (2.28)
Φ(t) je matrica prelaza stanja sistema dimenzija nxn (fundamentalna matrica).
Matrica prelaza stanja zadovoljava matri£nu jedna£inu 2.22 sa po£etnim uslovima jednakim jedi-
ni£noj matrici, tj.:
dΦ(t)
= AΦ(t)
dt (2.29)
Φ(0) = I
Osobine matrice prelaza stanja:

• Φ(0) = I
• Φ−1 (t) = Φ(−t)
• Φ(t2 − t0 ) = Φ(t2 − t1 ) · Φ(t1 − t0 )
• Φk (t) = Φ(kt)
10
2. Linearni sistemi
2.2 Kretanje prinuenog LTI sistema u prostoru stanja

Neka je dat prinueni LTI sistem modelom u prostoru stanja:
Ẋ = AX + BU
Y = CX + DU (2.30)
X(0) = X0
Rje²avanje kretanja sistema u prostoru stanja ¢emo izvr²iti metodom varijacije konstanti. Pret-
postavimo da se rje²enje traºi u obliku:
d
X(t) = eAt C1 (t) / () (2.31)
dt
Ẋ(t) = AeAt C1 (t) + eAt Ċ1 (t) (2.32)
Uporedimo jedna£ine 2.30 i 2.32 imamo da je:
eAt Ċ1 (t) = BU (t) /pomnozimo sa lijeve strane sa e−At (2.33)
Z t
−At
Ċ1 (t) = e BU (t) / () (2.34)
0
Z t
C1 (t) − C1 (0) = e−Aτ BU (τ )dτ (2.35)
0
Iz 2.31 slijedi da je:
C1 (0) = X(0) = X0 (2.36)
Ako 2.35 zamjenimo u 2.31 dobijamo da je:
Z t
X(t) = e At
X(0) + e−Aτ
BU (τ )dτ (2.37)
0
Z t
At
X(t) = e X(0) + eA(t−τ ) BU (τ )dτ (2.38)
0
Odnosno: Z t
X(t) = Φ(t)X(0) + Φ(t − τ )BU (τ )dτ (2.39)
0
Y (t) = CX(t) + DU (t) (2.40)

Z t
Y (t) = CΦ(t)X(0) + C Φ(t − τ )BU (τ )dτ + DU (t) (2.41)
0
U slu£aju da je po£etni trenutak t0 imamo:
Z t
X(t) = Φ(t, t0 )X(t0 ) + Φ(t, τ )BU (τ )dτ (2.42)
t0
Φ(t, t0 ) = Φ(t − t0 ) = eA(t−t0 )

(2.43)
Φ(t, τ ) = Φ(t − τ ) = eA(t−τ )
U slu£aju da imamo vremenski promjenljiv sistem:
Ẋ(t) = A(t)X(t) + B(t)U (t)
(2.44)
Y (t) = C(t)X(t) + D(t)U (t), t ≥ t0
11
2. Linearni sistemi
Rje²enje je dato u obliku:

Z t
X(t) = Φ(t, t0 )X(t0 ) + Φ(t, τ )B(τ )U (τ )dτ, t ≥ t0 (2.45)
t0
Z t
Y (t) = C(t)Φ(t, t0 )X(t0 ) + C(t) Φ(t, τ )B(τ )U (τ )dτ + D(t)U (t), t ≥ t0 (2.46)
t0
d
Φ(t, t0 ) = A(t)Φ(t, t0 )
dt (2.47)
Φ(t0 , t0 ) = I
2.3 Laplace-ova transformacija za rje²avanje kretanja LTI sistema u

prostoru stanja
Neka se ima model LTI sistema u prostoru stanja:
Ẋ = AX + BU
Y = CX + DU (2.48)
X(0) = X0
Izvr²imo Laplace-ovu transformaciju prethodnih jedna£ina:
SX(s) − X(0− ) = AX(s) + BU (s) (2.49)
(sI − A)X(s) = X(0− ) + BU (s) /P omnozimo sa lijeve strane sa (sI − A)−1 (2.50)
X(s) = (sI − A)−1 X(0− ) + BU (s) /L−1 {} (2.51)

X(t) = L−1 {(sI − A)−1 }X(0− ) + L−1 {(sI − A)−1 BU (s)} (2.52)
Usporedbom 2.52 sa 2.39 dobijamo da je :
Φ(t) = L−1 {(sI − A)−1 } (2.53)
Φ(s) = (sI − A)−1 (2.54)
1
Φ(s) = adj(sI − A) (2.55)
det(sI − A)
X(s) = Φ(s)X(0− ) + Φ(s)BU (s)
(2.56)
Y (s) = CΦ(s)X(0− ) + [CΦ(s)B + D] U (s)
Ukoliko je X(0− ) = 0 (nulti po£etni uslov) to je:
Y (s) = [CΦ(s)B + D] U (s) = C(sI − A)−1 B + D U (s) (2.57)

Budu¢i da je matrica prenosa sistema denisana sa jedna£inom:

Y (s) = G(s)U (s) (2.58)
to vrijedi da je:
G(s) = C(sI − A)−1 B + D (2.59)
Ako je u pitanju SISO sistem tada je:
bm sm + bm−1 sm−1 + ... + b1 s + b0
G(s) = (2.60)
sn + an−1 sn−1 + ... + a1 s + a0
Ako je:
• n = m funkcija prenosa je pravilna
• n > m funkcija prenosa je striktno pravilna
Funkcija prenosa je striktno pravilna akko je D = 0
12
3. Linearni sistemi
2.4 Karakteristi£na jedna£ina sistema i svojstvene vrijednosti matrice

sistema
Neka je dat SISO sistem opisan slede¢om jedna£inom:
(pn + an−1 pn−1 + ... + a1 p + a0 )y(t) = (bm pm + bm−1 pm−1 + ... + b1 p + b0 )u(t) (2.61)
p - operator diferenciranja pi = dtd i , i = 1, 2, ..., n
i
Laplace-ove transformacija za nulte po£etne uslove daje:

(sn + an−1 sn−1 + ... + a1 s + a0 )Y (s) = (bm sm + bm−1 sm−1 + ... + b1 s + b0 )U (s) (2.62)
U (s) = L{u(t)}, Y (s) = L{y(t)} (2.63)
Funkcija prenosa je:
Y (s) bm sm + bm−1 sm−1 + ... + b1 s + b0
G(s) = = , n≥m (2.64)
U (s) sn + an−1 sn−1 + ... + a1 s + a0
Karakteristi£ni polinom je:
∆(s) = sn + an−1 sn−1 + ... + a1 s + a0 (2.65)
Karakteristi£na jedna£ina sistema je:
sn + an−1 sn−1 + ... + a1 s + a0 = 0 (2.66)
1
G(s) = C(sI − A)−1 B + D = C{adj(sI − A)}B + D =
|sI − A|
1
(2.67)
= {C [adj(sI − A)] B + |sI − A|D}
|sI − A|
pri £emu je det(sI − A) = |sI − A|.
Usporedbom 2.64 i 2.67 imamo:
sn + an−1 sn−1 + ... + a1 s + a0 = |sI − A| (2.68)
Odnosno:
|sI − A| − karakteristicni polinom sistema
(2.69)
|sI − A| = 0 − karakteristicna jednacina sistema
Svojstvena vrijednost i svojstveni vektor matrice A se odreuje iz jedna£ine:
Av = λv (2.70)
pri £emu je v - svojsteni vektor, a λ odgovaraju¢a svojstvena vrijednost.
λv − Av = 0 (2.71)
(λI − A)v = 0 (2.72)
Trivijalno rje²enje je v ≡ 0 tj. da je v nula vektor.
Netrivijalno rje²enje je u slu£aju da je:
det(λI − A) = 0 (2.73)
odnosno
|λI − A| = 0 (2.74)
Dobijen je skup rje²enja λ1 , λ2 , ..., λn
Usporedbom 2.69 i 2.74 dolazimo do zaklju£ka da su svojstvene vrijednosti λ1 , λ2 , ..., λn matrice
A polovi funkcije prenosa sistema.
13
3. Transformacija sli£nosti
3 Transformacija sli£nosti
Neka se ima linearni vremenski invarijantni sistem £iji je model dat u formi:
Ẋ = AX + BU
Y = CX + DU (3.1)
X(0) = X0
Neka je izvr²ena transformacija vektora stanja:

X = P X̂ (3.2)
gdje je: X̂ novi transformirani vektor i P regularna matrica.
Nadalje vrijedi da je:
˙
Ẋ = P X̂ (3.3)
Uvr²tavanjem u jedna£inu sistema dobija se da je:
˙
P X̂ = AP X̂ + BU / · P −1
(3.4)
Y = CP X̂ + DU
˙
X̂ = P −1 AP X̂ + P −1 BU
(3.5)
Y = CP X̂ + DU
Ako uvedemo oznake:
Â = P −1 AP
B̂ = P −1 B
(3.6)
Ĉ = CP
D̂ = D
Tada koriste¢i navedenu transformaciju vektora stanja koja se naziva transformacija sli£nosti,
dobija se matemati£ki model sistema u transformiranoj formi:
˙
X̂ = ÂX̂ + B̂U
(3.7)
Y = Ĉ X̂ + D̂U
Osim toga je i X̂(0) = P −1 X(0).
• Transformacija sli£nosti £uva svojstvene vrijednosti matrice sistema, pa prema tome i polove
funkcije odnosno matrice prenosa sistema.
Dokaz
Karakteristi£ni polinom sistema je:
|sI − Â| = |sI − P −1 AP | = |P −1 (sI − A)P | = |P −1 ||sI − A||P | =
|P |= 1 (3.8)
−1 |P −1 |
= |sI − A||P ||P | = |sI − A|
Karakteristi£ni polinom novog sistema jednak je karakteristi£nom polinomu starog sistema.
14
• Transformacija sli£nosti £uva funkciju prenosa (matricu funkcija prenosa)

Dokaz
Ĝ(s) = Ĉ(sI − Â)−1 B̂ + D̂ = CP (sI − P −1 AP )−1 P −1 B + D =
= CP [P −1 (sI − A)P ]−1 P −1 B + D =
(AB)−1 =B −1 A−1 (3.9)
= CP P (sI − A) P P B + D = C(sI − A)−1 B + D
−1 −1 −1
3.1 Modalna transformacija

Transformacija sli£nosti koja matricu sistema (ukoliko je to mogu¢e) prevodi u dijagonalnu formu
se zove modalna transformacija, a matrica transformacije se zove matrica modalne transformacije.
Ovom transformacijom se vektor X prevodi u oblik X̂ .
X = V X̂ (3.10)
Prema tome vrijedi:
 
λ1 0 . . . 0
 0 λ2 . . . 0 
V −1 AV = Â = Λ = diag(λ1 , λ2 , ..., λn ) =  ..

.. . . .. 

(3.11)
. . . .
0 0 . . . λn
Karakteristi£ni polinom sistema je:

|sI − Λ| = |diag(s − λ1 , s − λ2 , ..., s − λn )| = (s − λ1 )(s − λ2 ) · · · (s − λn ) (3.12)
Determinanta dijagonalne matrice jednaka je proizvodu dijagonalnih elemenata.
Dijagonalna forma matrice sistema se moºe dobiti modalnom transformacijom sli£nosti samo uko-
liko ima sve svojstvene vrijednosti realne i razli£ite (jednostruke). U slu£aju da je matrica sistema
dijagonalna ima se raspregnut sistem. Matemati£ki model sistema se sastoji od n nezavisnih
diferencijalnih jedna£ina prvog reda u formi:
ẋ1 = λ1 x1 + b1 u
ẋ2 = λ2 x2 + b2 u
.. (3.13)
.
ẋn = λn xn + bn u
Odnosno u matri£noj formi:

      
ẋ1 λ1 0 . . . 0 x1 b1
 ẋ2   0 λ2 . . . 0   x2   b2 
 ..  =  .. .
. . . .  .  +  . u
.
. .   ..   .. 
      
. . . (3.14)
ẋn 0 0 . . . λn xn bn
Y = CX + DU
15
+ ẋ1 R x1 c1
b1
+
u P P y
λ1
.. .. .. ..
. . . .
+ ẋn R xn
bn cn
+
λn
3.2 Jordanova kanoni£na forma

U slu£aju da matrica sistema ima l realnih razli£itih svojstvenih vrijednosti, pri £emu je svaka
svojstvena vrijednost vi²estrukosti li , i = 1, 2, ..., n. Tada matrica sistema moºe biti prevedena u
Jordanovu formu:  
J1 (λ1 ) 0 ... 0
 0 J2 (λ2 ) ... 0 
J =  ..

.. ... .. 

(3.15)
 . . . 
0 0 . . . Jl (λl )
odnosno, na dijagonali ove matrice imamo Jordanove blokove konstruisane u skladu sa slede¢im
pravilima:
1. Ako je li = 1 tada je Ji (λi ) = λi (jednostruka svojstvena vrijednost)
2. Ako je li > 1 tada dijagonalni blokovi Ji (λi ) dimenzija li × li imaju formu:
 
λi 1 0 0 ... 0
 0 λi 1 0 ... 0
Ji (λi ) =  ... ... .. .. .. 
 

. . ... . (3.16)
 
0 0 0 0 ... 1
0 0 0 0 ... λi
Primjer
Neka je n=3. Imamo svojstvene vrijednosti:
• λ1 multipliciteta l1 = 2
• λ2 multipliciteta l2 = 1

λ1 1
(3.17)

J1 (λ1 ) = J2 (λ2 ) = λ2
0 λ1
 
λ1 1 0
J =  0 λ1 0  (3.18)
0 0 λ2
16
3.3 Odreivanje modela sistema u prostoru stanja direktnim postup-

kom
a) Neka je model SISO sistema opisan slede¢om diferencijalnom jedna£inom sa konstantnim
koecijentima n − tog reda.
y (n) (t) + an−1 y (n−1) (t) + ... + a1 y (1) (t) + a0 y(t) = u(t) (3.19)
Direktni postupak odreivanja modela sistema u prostoru stanja ogleda se u slede¢em:
Prvu varijablu stanja nazovemo izlaz x1 (t) = y(t)
Drugu varijablu stanja ozna£imo kao x2 (t) = ẏ(t)
Tre¢u varijablu stanja ozna£imo kao x3 (t) = ÿ(t)
N-tu varijablu stanja ozna£imo kao xn (t) = y (n−1) (t)
Diferenciramo prethodne izraze i imamo:
ẋ1 (t) = ẏ(t) = x2 (t)
ẋ2 (t) = ÿ(t) = x3 (t)
.. (3.20)
.
ẋn−2 (t) = y n−2 (t) = xn−1 (t)
ẋn−1 (t) = y n−1 (t) = xn (t)
Ako iz jedna£ine 3.19 izrazimo y (n) (t) i primjenimo 3.20 imamo da je:
y (n) (t) = ẋn (t) = −a0 x1 (t) − a1 x2 (t) − ... − an−1 xn (t) + u(t) (3.21)
Zajedno jedna£ine 3.20 i 3.21 predstavljaju jedna£ine stanja sistema. Algebarska jedna£ina
izlaza je data kao:
y(t) = x1 (t) (3.22)
U matri£noj formi imamo:
     
x˙1 0 1 0 0 ... 0 x1 0
 x˙2   0 0 1 0 ... 0
  x2  0
      
 x˙3   0
 = 0 0 1 ... 0
  x3  0
  +  u (3.23)
 ..   .. .
.. .
.. .. ... ..   .  .
.  . . .   ..   .. 
x˙n −a0 −a1 −a2 −a3 . . . −an−1 xn 1
Ovo je tzv. kontrolabilna kanoni£ka forma matrice sistema. Matrica izlaza je:
 
x1
 x2 
 
0  x3  (3.24)

Y = 1 0 0 ...
 
 .. 
.
xn
17
u P ẋn 1
xn = ẋn−1 1
xn−1
...
x3 1
x2 1
x1 y
s s s s
−an−1
−a1
−a0
Kod kontrolabilne kanoni£ke forme prva prate¢a (eng. rst companion) forma matrice je:

O I
(3.25)
x x
I-jedini£na matrica dimenzija (n − 1) × (n − 1), O nul vektor stupac dimenzija (n − 1) × 1

x I OT x x x
ili ili (3.26)
x OT I x I O
b) Za sistem opisan diferencijalnom jedna£inom u formi:

y (n) + an−1 y (n−1) + ... + a1 y (1) + a0 y = bm u(m) + bm−1 u(m−1) + ... + b1 u(1) + b0 u (3.27)
pri £emu je m < n.
U narednom je dat metod odreivanja modela sistema u prostoru stanja direktnim postup-
kom:
Ukoliko je u navedeni sistem ulaz u tada je izlaz ξ i vrijedi:
ξ (n) + an−1 ξ (n−1) + ... + a1 ξ (1) + a0 ξ = u (3.28)
Budu¢i da se radi o linearnom sistemu vrijedi princip superpozicije:
Ako je ulaz u sistem b0 u tada je izlaz b0 ξ
Ako je ulaz u sistem b1 u(1) tada je izlaz b1 ξ (1)
Ako je ulaz u sistem b2 u(2) tada je izlaz b2 ξ (2)
Ako je ulaz u sistem bm u(m) tada je izlaz bm ξ (m)
Ako je ulaz u sistem b0 u + b1 u(1) + ... + bm u(m) tada je izlaz:
y = b0 ξ + b1 ξ (1) + ... + bm ξ (m) (3.29)
Ako su uvedene varijale stanja:

x1 = ξ
x2 = ξ˙
.. (3.30)
.
xn = ξ (n−1)
18
Diferenciramo jedna£inu 3.30 i dobijamo:

ẋ1 = x2 = ξ˙
ẋ2 = x3 = ξ¨
.. (3.31)
.
ẋn−1 = xn = ξ (n−1)
ẋn = ξ (n) = −a0 x1 − a1 x2 − ... − an−1 xn + u
Prethodnih n jedna£ina su jedna£ine stanja sistema. Iz jedna£ina 3.29 i 3.30 dobijamo
algebarsku jedna£inu izlaza:
y = b0 x1 + b1 x2 + ... + bm xm+1 (3.32)
U matri£noj formi:
ẋ1 0 1 0 ... 0 0 0 ... 0 x1 0
     
 ẋ2  0 0 1 ... 0 0 0 ... 0  x2  0
      
 ẋ3
 .  
  0 0 0 ... 0 0 0 ... 0  x3
  .  0. 
  
 .   .. .. .. .. .. .. ..   .  .
 .   . . . ... . . . ... .   .  .
 ẋm  =  0 0 0 ... 0 1 0 ... 0   xm  + 0 u
      
ẋm+1   0 0 0 ... 0 0 1 ... 0  xm+1  0
      
ẋm+2   0 0 0 ... 0 0 0 ... 0  xm+2  0
      
 .   .. .. .. .. .. .. ..   .  .
 ..   . . . ... . . . ... .   ..   .. 
ẋn −a0 −a1 −a2 ... −am−1 −am −am+1 ... −an−1 xn 1
(3.33)
x1
 
 x2

 

 . x3

 . 
 . 
(3.34)

Y = b0 b1 . . . bm 0 . . . 0  xm 
 
xm+1 
 
xm+2 
 
 . 
 .. 
xn
c) Za m = n sistem je opisan diferencijalnom jedna£inom u formi:
y (n) + an−1 y (n−1) + ... + a1 y (1) + a0 y = bn u(n) + bn−1 u(n−1) + ... + b1 u(1) + b0 u (3.35)
u(t) 1 ξ y(t)
pn +an−1 pn−1 +...+a1 p1 +a0 bn pn + ... + b1 p + b0
ξ (n) + an−1 ξ (n−1) + ... + a1 ξ (1) + a0 ξ = u(t)

(3.36)
y = bn ξ (n) + bn−1 ξ (n−1) + ... + b1 ξ (1) + b0 ξ
Uvedemo vektor stanja:
x1 = ξ
x2 = ξ (1)
.. (3.37)
.
xn = ξ (n−1)
19
Diferenciramo jedna£inu 3.37 i dobijamo:

ẋ1 = x2 = ξ (1)
ẋ2 = x3 = ξ (2)
.. (3.38)
.
ẋn−1 = xn = ξ (n−1)
ẋn = −a0 x1 − a1 x2 − ... − an−1 xn + u
Y = b0 x1 + b1 x2 + ... + bn−1 xn + bn ẋn

= b0 x1 + b1 x2 + ... + bn−1 xn + bn (−a0 x1 − a1 x2 − ... − an−1 xn + u)
(3.39)
= (b0 − bn a0 )x1 + (b1 − bn a1 )x2 + ... + (bn−1 − bn an−1 )xn + bn u
= c1 x1 + c2 x2 + ... + cn xn + bn u
U matri£noj formi:
     
ẋ1 0 1 0 ... 0 x1 0
 ẋ2   0 0 1 ... 0
  x2  0
 ..  =  .. .
.. .. ..   .  + . u (3.40)
.   ..   .. 
      
.  . . ...
ẋn −a0 −a1 −a2 . . . −an−1 xn 1
 
x1
 x2 

. . . bn−1 − bn an−1  ..  + bn u (3.41)

Y = b 0 − b n a0 b 1 − b n a1
.
xn
bn
b2
b1
u P ẋn 1
xn 1
xn−1
...
x3 1
x2 1
x1 P y
s s s s b0
−an−1
−a1
−a0
Uop²teno govore¢i, model sistema (nelinearnog) moºe biti preveden u normalnu (Cauchy-evu)
formu prikazanu u obliku n diferencijalnih jedna£ina prvog reda kad god je mogu¢e diferencijalnu
jedna£inu n-tog reda sistema rije²iti po najvi²em izvodu.
f (y (n) (t), ..., y(t), u(t), t) = 0 (3.42)
Ukoliko je to mogu¢e, onda je:
y (n) (t) = g(y (n−1) (t), ..., y(t), u(t), t) (3.43)
20
4. Nelinearni fenomeni
Zatim se uvedu smjene:

x1 (t) = y(t)
x2 (t) = ẏ(t)
x3 (t) = ÿ(t) (3.44)
..
.
xn (t) = y (n−1) (t)
Diferenciramo jedna£inu 3.44 i dobijamo n diferencijalnih jedna£ina prvog reda koje predstavljaju
jedna£ine stanja sistema:
ẋ1 = x2 (t) = ẏ(t)
ẋ2 = x3 (t) = ÿ(t)
..
. (3.45)
ẋn−1 = xn (t) = y (n−1) (t)
ẋn = y (n) (t) = g(xn−1 (t), ..., x1 (t), u(t), t)
I imamo algebarsku jedna£inu izlaza:
y = x1 (3.46)
4 Nelinearni fenomeni
4.1 Kona£no vrijeme pobjega

Stanje linearnog nestabilnog sistema moºe oti¢i u beskona£nost samo u beskona£nom vremenu.
Za razliku od toga, stanje nelinearnog sistema moºe oti¢i u beskona£nost i u realnom vremenu.
Primjer Neka je dat neki skalarni sistem opisan slede¢om diferencijalnom jedna£inom:
ẋ = −x2 , x(0) = −1
Treba odrediti kretanje stanja sistema u vremenu.
Rje²enje:
Iz ẋ = −x2 imamo da je Z
dx
= −dt / ()
x2
1
− = −t + C1
x
1
= t − C1
x
1
x=
t − C1
x(t = 0) = −1
1
−1=
−C1
C1 = 1
Pa je partikularno rje²enje:
1
x(t) =
t−1
Odavdje se vidi da kada t → 1 imamo da x → ∞
21
4.2 Vi²estruka stanja ravnoteºe (ta£ke ekvilibrijuma, stacionarne ta£ke)

Linearni sistem moºe imati samo jednu izolovanu ta£ku ekvilibrijuma ili moºe postojati kontinuum
ta£aka ekvilibrijuma. Nelinearni sistem moºe imati ve¢i broj izolovanih ta£aka ekvilibrijuma, a
moºe takoer postojati i kontinuum ta£aka ekvilibrijuma.
Primjer: Klatno sa viskoznim trenjem
Neka je klatno duºine l i neka je sva masa koncentrisana u ta£ki mase m.
θ
l
Ftv m
Ft Fn
mg
Ugao zakretanja klatna ra£una se od vertikalne ose pri £emu je pozitivan smjer obiljeºen na slici.
Silu zemljine teºe moºemo razloºiti na normalnu i tangencijalnu komponentu. Osim toga na klatno
djeluje i sila viskoznog trenja Ftv . Prema drugom Kirchoovom zakonu za rotacione sisteme vrijedi:
(4.1)
X
J θ̈ = M
J = ml2
X (4.2)
M = −Ft l − Ftv l
Tangencijalna komponenta sile teºe je:
Ft = mg sin θ (4.3)
dok je sila viskoznog trenja proporcionalna linijskoj brzini (za male brzine):
Ftv = kv = k θ̇l (4.4)
(4.5)
X
M = −mgl sin θ − klv = −mgl sin θ − k θ̇l2
Matemati£ki model ovog sistema ima slede¢u formu:
ml2 θ̈ = −mgl sin θ − k θ̇l2 / : ml2 (4.6)
g k
θ̈ = − sin θ − θ̇ (4.7)
l m
Jedna£ina 4.7 predstavlja nelinearni model u formi diferencijalne jedna£ine drugog reda.
Uvedimo varijable stanja:
x1 = θ
(4.8)
x2 = θ̇
Diferencirajmo jedna£ine 4.8 pa imamo:

x˙1 = x2
g k (4.9)
x˙2 = − sin x1 − x2
l m
22
Jedna£ine 4.9 predstavljaju model sistema u prostoru stanja.

Ta£ke ekvilibrijuma ovog homogenog sistema odreujemo kao rje²enja jedna£ina kada sve izvode
izjedna£imo sa nulom:
0 = x2
g k (4.10)
0 = − sin x1 − x2
l m
Uvrstimo x2 iz prve jedna£ine u drugu pa imamo da je:
g
− sin x1 = 0
l (4.11)
sin x1 = 0
x1 = kπ, k = 0, ±1, ±2, ... (4.12)

x2
. . . −2π −π 0 π 2π ... x1
Imamo beskona£no mnogo ta£aka ekvilibrijuma, a to su ta£ke:

xe = (kπ, 0), k = 0, ±1, ±2, ... (4.13)
pri £emu su 2 netrivijalne:
xe1 (0, 0)
(4.14)
xe2 (π, 0)
To su ta£ke kada je klatno u donjem poloºaju i brzina mu jednaka nuli i kada je klatno u gornjem
poloºaju i brzina mu jednaka nuli.
θ = π, θ̇ = 0
θ = 0, θ̇ = 0
Pri £emu je donja ta£ka ekvilibrijuma asimptotski stabilna, a gornja ta£ka ekvilibrijuma nije
stabilna.
23
4.3 Grani£ki ciklusi (krugovi)

Da bi linearni sistem oscilirao mora imati par konjugovano-kompleksnih polova na imaginarnoj osi,
pri £emu su svi ostali polovi smje²teni u lijevoj poluravnini. Ovo ne predstavlja robusno rje²enje
budu¢i da je u praksi nemogu¢e postaviti polove na imaginarnu osu pa se realni oscilatori nikad ne
realiziraju kao linearni. Za razliku od toga, nelinearni sistemi mogu da iskazuju fenomen poznat
kao grani£ni ciklusi, odnosno mogu¢a je pojava oscilacija u nelinearnom sistemu £ija amplituda ne
zavisi od po£etnog uslova kao kod linearnih sistema. Primjer ovakvog oscilatora je Van der Pol-ov
oscilator.
x2 x2
x1 x1
linearni sistem nelinearni sistem
Primjer: Harmonijski oscilator - klatno bez trenja i linearizirano

Neka imamo matemati£ki model tog klatna:
ẋ1 = x2
g (4.15)
ẋ2 = − sin x1
l
Pretpostavljamo da smo u blizini ta£ke ekvilibrijuma xe (0, 0) i vrijedi da je sin x1 = x1 . Prema
tome matemati£ki model postaje:
ẋ1 = x2
g (4.16)
ẋ2 = − x1
l
Matrica sistema je:
0 1
A= (4.17)
− gl 0
Odredimo svojstvene vrijednosti matrice sistema iz jedna£ine:
det(sI − A) = 0 (4.18)

λ 0 0 1 λ −1 g
det − = det = λ2 + = 0 (4.19)
0 λ − gl 0 g
l
λ l
Svojstvene vrijednosti matrice sistema su:
r
g
λ1,2 = ±j (4.20)
l
Neka je ω02 = g
l
pa je:
λ1,2 = ±jω0 (4.21)
24
Odredimo matricu prelaza stanja:

−1 1 1 s −1
Φ(s) = (sI − A) = adj(sI − A) = 2 g adj g =
det(sI − A) s +l s
l
(4.22)
1 s 1
= 2 g g
s + l −l s
Kako vrijedi da je:

−1 s
L = cosbt · u(t)
s 2 + b2
(4.23)
−1 b
L = sinbt · u(t)
s 2 + b2
1

cosω0 t sinω t
−1
Φ(t) = L {Φ(s)} = ω0
0
(4.24)
−ω0 sinω0 t cosω0 t
1

cosω0 t sinω t x (0)
x(t) = Φ(t)x(0) = ω 0
0 1
(4.25)
−ω0 sinω0 t cosω0 t x2 (0)
Ako se uzme npr. da je x1 (0) = x10 i x2 (0) = 0, to je:

x10 cosω0 t
x(t) = (4.26)
−x10 ω0 sinω0 t
x2
x1
Pri £emu je amplituda oscilacija ovisna od x10 , ²to u op²tem slu£aju nije kod nelinearnih sistema.
4.4 Subharmonijske, harmonijske ili gotovo periodi£ne oscilacije

Stabilni linearni sistem pod periodi£nom uzbudom daje izlaz iste frekvencije tj. harmonijski izlaz.
Nelinearni sistem pod periodi£nom uzbudom moºe oscilirati na istoj frekvenciji kao i frekven-
cija uzbude ili na frekvencijama koje su multipul frekvencije uzbude (subharmonijske oscilacije).
Nelinearni sistem moºe generirati gotovo periodi£ne oscilacije primjer £ega je suma periodi£nih
oscilacija sa frekvencijama £iji odnos nije racionalan broj.
4.5 Haos
Nelinearni sistemi mogu imati komplikovanije pona²anje u stacionarnom stanju kao ²to je haos.
Haoti£ni sistem u svom kretanju pokazuje naizgled slu£ajno pona²anje uprkos svojoj determi-
nisti£koj prirodi (tzv. deterministi£ki haos). Karakteristi£na osobina sistema je da trajektorija
nikad ne slijedi isti put, odnosno male promjene po£etnih uslova dugoro£no vode do velike di-
vergencije rje²enja. Primjer haoti£nog sistema je Lorenz attractor sistem jedna£ina koji opisuje
dvodimenzionalni tok uida.
25
4.6 Multipli modova pona²anja

Nije neobi£no da jedan te isti nelinearni sistem pokazuje vi²e modova pona²anja. Neforsirani
sistem moºe imati vi²e od jednog grani£nog ciklusa. Forsirani sistem sa periodi£nom uzbudom
moºe ispoljavati harmonijsko, subharmonijsko ili kompliciranije pona²anje u stacionarnom stanju
zavisno od amplitude i frekvencije ulaznog signala. Moºe pokazivati diskontinualni skok u modu
pona²anja iako se amplituda i frekvencija uzbude glatko mjenjaju.
4.7 Primjeri nelinearnih sistema

Primjer: Masa, opruga, trenje sistem
Masa m se kre¢e po horizontalnoj podlozi i preko opruge je povezana na vertikalnu povr²inu.
Pozitivni smjerovi sila su prikazani na slici.
Ff
Fsp
m F
Prema drugom Kirchoovom zakonu vrijedi da je:
(4.27)
X
mÿ = Fi
i
pri £emu je F - eksterna sila, Fsp - sila opruge i Ff - sila trenja. Za odabrani smjer sila i nezavisne
koordinate y vrijedi da je:
mÿ + Ff + Fsp = F (4.28)
Pretpostavka je da sila opruge Fsp zavisi samo od pomjeraja Fsp = g(y).
Postoje razli£iti modeli sile opruge:
• linearni model - naj£e²¢e primjenjivan za male pomjeraje
g(y) = ky
k - koecijent krutosti opruge.
Za velike pomjeraje:
• Softening spring
g(y) = k(1 − a2 y 2 )y, |ay| < 1
• Hardening spring
g(y) = k(1 + a2 y 2 )y
Sila trenja:
a) Suho trenje
1. Stati£ko suho trenje
26
2. Kineti£ko suho trenje (Coulomb-ovo trenje)

1. Stati£ko suho trenje
Sila stati£kog suhog trenja ima reaktivan karakter. Javlja se izmeu dva tijela u dodiru
i relativnom mirovanju, izmeu kojih nema lubrikanata. Znamo da na tijelo koje je na
strmoj ravni djeluje sila zemljine teºe i sila stati£kog trenja. Sila zemljine teºe se razlaºe na
tangencijalnu i normalnu komponentu.
|Fs | ≤ µs FN (4.29)
µs - koecijent stati£kog suhog trenja i uzima vrijednosti 0 ≤ µs ≤ 1
Fs
v=0
Ft
FN
mg
Koecijent stati£kog suhog trenja zavisi od materijala tijela i podloge i ugla£anosti podloge.
Sila stati£kog suhog trenja ima suprotan smjer od narinute sile na tijelo i jednaka je narinutoj
sili sve dok je narinuta sila manja od µs FN , u tom slu£aju ¢e biti u ravnoteºi ove sile. Kad
narinuta sila preraste µs FN , dolazi do kretanja, tj. vrijedi:

Ft , |Ft | ≤ µs FN
Fs = (4.30)
0, |Ft | > µs FN
U ovom drugom slu£aju kada tijelo po£ne sa kretanjem, tada nestaje sila stati£kog suhog
trenja a pojavljuje se sila kineti£kog suhog trenja
2. Kineti£ko suho trenje
Kineti£ko suho trenje se javlja izmeu dva tijela u dodiru i relativnom kretanju izmeu kojih
nema lubrikanata. Sila ovog trenja ima konstantan iznos, a to je:
|Fc | = µc FN (4.31)
FN - normalna sila izmeu tijela i podloge, µc koecijent Coulomb-ovog trenja (kineti£kog),
te vrijedi da je:
µc < µs |Fc | < |Fs | (4.32)
Fc
v 6= 0
Ft
FN
mg
27
Smjer sile je uvijek suprotan smjeru kretanja i vrijedi:


 0, v = 0
Fc = −µc FN , v < 0 (4.33)
µc F N , v > 0

Fc
µc F N
v=0,Fc = 0
v
−µc FN
Fc
µs F N
Stribeckov efekat
µc F N
kineti£ko
stati£ko
−µc FN
−µs FN
b) Viskozno trenje
Viskozno trenje se javlja kada se tijelo kre¢e kroz viskozni medij. Modelira se kao nelinearna
funkcija brzine tj.
Fv = h(v) (4.34)
Za male brzine vrijedi:
Fv = cv (4.35)
c- konstanta viskoznog trenja
Za ve¢e brzine h je obi£no funkcija vi²eg stepena po v .
28
Ff
F = Fs + Fc + Fv
Na slici su prikazana sva tri trenja: stati£ko suho, kineti£ko suho i viskozno trenje.
Primjer: Hardening opruga, linearno viskozno trenje i eksterna sila F = cosωt daje tzv. Dung
(Georg Dung) jedna£inu:
mÿ + cẏ + k(1 + a2 y 2 )y = Acosωt (4.36)
Jedna£ina se koristi kao klasi£an primjer periodi£ne uzbude nelinearnog sistema. Sistem ima mo-
dove pona²anja od grani£nog ciklusa do haosa.
Primjer: Linearna opruga, stati£ko suho trenje, kineti£ko suho trenje, linearno viskozno trenje i
eksterna sila
cẏ
ky
k
m
η(y, ẏ) y
(4.37)
X
mÿ = Fi
i
Sumiraju¢i sve sile na ovo tijelo, uzimaju¢i u obzir smjerove imamo:

mÿ + ky + cẏ + η(y, ẏ) = 0 (4.38)
Pri £emu je: 
 µc mgsign(ẏ), |ẏ| > 0
η(y, ẏ) = −ky, ẏ = 0 i |y| ≤ µskmg (4.39)
µs mg
−µs mgsign(y), ẏ = 0 i |y| >

k
Primjer: Oscilator sa negativnom otporno²¢u
Oscilator sa negativnom otporno²¢u je prikazan na donjoj slici pri £emu je karakteristika nelinearne
otpornosti denisana slede¢om formulom:
i = h(v) (4.40)
29
i - struja, v - napon
pri £emu h(.) zadovoljava uslove:
h(0) = 0
dh
h0 (0) = (0) = 0 (4.41)
dv
h(v) = ±∞, kada v → ±∞
h(v)
Zona negativnog otpora
Npr.
1 i +
ic iL otporni£ki
C L v elemenat
0.3V 0.3V
U £voru 1 vrijedi:
iC + iL + i = 0 (4.42)
30
5. Naj£e²¢i (tipi£ni) nelinearni elementi
Z ∞
dvc 1 d
C + v(s)ds + h(v) = 0 / · L () (4.43)
dt L −∞ dt
d2 v dv
LC 2
+ v + Lh0 (v) = 0 (4.44)
dt dt
Uvedimo smjenu: τ = √t
LC
:
dt √
= LC
dτ
dv dv dt √ dv dv 1 dv
= = LC ⇒ =√
dτ dt dτ dt dt LC dτ
(4.45)
d2 v d √ dv √ d2 v

d dv d dv dt
= = = LC LC = LC 2
dτ 2 dτ dτ dt dτ dτ dt dt dt
d2 v 1 dv 2
=
dt2 LC dτ 2
1 d2 v 1 dv
LC 2
+ v + Lh0 (v) √ =0 (4.46)
LC dτ LC dτ
r
L
v̈ + h0 (v) v̇ + v = 0 (po τ ) (4.47)
C
Odnosno: r
L
v̈ + h0 (v)v̇ + v = 0, = (4.48)
C
²to predstavlja specijalan slu£aj Lienard-ove jedna£ine:
v̈ + f (v)v̇ + g(v) = 0 (4.49)
U slu£aju da je h(v) = −v + 13 v 3 ima se da je:
v̈ − (1 − v 2 )v̇ + v = 0 (4.50)
Jedna£ina 4.50 predstavlja Van der Poll-ov oscilator i sluºi kao karakteristi£ni primjer u teoriji
nelinearnih oscilacija. Posjeduje periodi£no rje²enje (stabilan grani£ni ciklus) koji privla£i bilo
koje drugo rje²enje osim nultog rje²enja u jedinstvenoj ta£ki ekvilibrijuma v = v̇ = 0.
5 Naj£e²¢i (tipi£ni) nelinearni elementi
5.1 Stati£ki (bezinercioni) bezmemorijski nelinearni elementi

Stati£ki bezmemorijski elementi su takvi elementi kod kojih je izlaz u trenutku t ovisan samo o
vrijednosti ulaza u element u trenutku t.
u(t) y(t)
f
Sistem je odreen u potpunosti jednozna£nim preslikavanjem f .
31
5.1.1 Idealni dvopoloºajni relej

Stati£ka karakteristika idealnog dvopoloºajnog releja je opisana sa sgn funkcijom:

 1, u > 0
y = f (u) = sgn(u) = 0, u = 0 (5.1)
−1, u < 0

0
u
−1
Ovakve nelinearnosti mogu modelirati elektromehani£ke releje, tiristorske, tranzistorske i druge

prekida£ke elemente, suho trenje i dr.
5.1.2 Blok zasi¢enja

Blok zasi¢enja je karakteristi£an za sva prakti£na poja£ala (elektronska, magnetna, pneumatska,
hidrauli£na). Takoe se koriste kao limiteri, da se uradi restrikcija opsega promjene varijable.
Normalizirana saturacija je opisana stati£kom karakteristikom:

u, |u| ≤ 1
y = f (u) = sat(u) = (5.2)
sgn(u), |u| > 1
1
−1
1 u
−1
Saturacija koja nije normalizirana data je kao:

k

u, |u| ≤ δ
y = f (u) = δ (5.3)
ksgn(u), |u| > δ
32
k
−δ
δ u
−k
5.1.3 Mrtva zona (zona neosjetljivosti)

Tipi£na je za ventile i poja£ala kada imaju na ulazu male signale. Karakteristika ovakvog elementa
je data kao:
0, |u| ≤ δ
y = f (u) = (5.4)
( kδ u − sgn(u)k), |u| > δ
−δ
δ u
−k
5.1.4 Kvantizacijska nelinearnost

Kvantizacijska nelinearnosti je tipi£na za AD konvertore. Karakteristika ovakvog elementa ima
slede¢i oblik:
y
q
q u
2
33
5.1.5 Idealni tropoloºajni relej

Stati£ka karakteristika ovakvog elementa je prikazana na slede¢oj slici:
y
1
−δ
δ u
−1

 1, u ≥ δ
y = f (u) = 0, −δ < u < δ (5.5)
−1, u ≤ −δ

5.2 Stati£ki elementi sa memorijom

Stati£ki elementi sa memorijom su takvi elementi kod kojih izlaz u trenutku t zavisi od trenutne
vrijednost ulaza (ulaz u trenutku t) i po£etnog stanja elementa. Izlaz ne zavisi od historije ulaza.
Ovakvi elementi su predstavljeni vi²ezna£nim preslikavanjem.
5.2.1 Dvopoloºajni relej sa histerezisom (pozitivnim)

Stati£ka karakteristika ovakvog elementa je gra£ki predstavljena na slede¢oj slici:
y
−S S u
−L
Ako se za po£etno stanje releja sa histerezisom usvoji vrijednost izlaznog signala nakon posljednjeg
preklapanja (komutacije releja) tj. y = x0 = {−L, +L}, tada je karakteristika releja data sa:


 −L, u ≤ −S
−L, −S < u < +S, x0 = −L

y = f (u) = (5.6)

 L, u ≥ +S
L, −S < u < +S, x0 = +L

34
5.2.2 Tropoloºajni relej sa histerezisom (pozitivnim)

Stati£ka karakteristika ovakvog elementa je data na slici:
y
−ua −ub
ub ua u
−L
Ako se za po£etno stanje tropoloºajnog releja sa histerezisom usvoji vrijednost izlaznog signala
nakon posljednjeg preklapanja releja, tada je karakteristika releja data sa:


 −L, x ≤ −ua
−L, −ua < x < −ub , x0 = −L




 0, −ub < x < +ub


y = f (u) = 0, −ua < x < −ub , x0 = 0 (5.7)
0, +ub < x < +ua , x0 = 0




+L, x ≥ +ua




+L, +ub < x < +ua , x0 = +L

5.2.3 Nelinearnost tipa zazora u zup£anicima (Backlash)

Ovaj tip nelinearnosti je uobi£ajen u zup£anicima. Pretpostavlja se da je veliki odnos sile trenja
prema inerciji.
u y
ua
Pogonski Pogonjeni
zup£anik zup£anik
ua
Stati£ka karakteristika ima slede¢i izgled:
35
y
B0 A0
B
yb A
−ua
ua u
−yb
C
D
C0 D0
Histerezisna petlja zavisi od amplitude ulaznog signala, pri £emu je:


 k(u − ua ), ẏ > 0
y= k(u + ua ), ẏ < 0 (5.8)
const, ẏ = 0, |u − ky | < ua

yb
k= (5.9)
ua
5.2.4 Histerezis
Histerezis je nelinearnost koja je tipi£na za magnetne materijale.
y
5.3 Denicije
5.3.1 Denicija 1
Sistem je stati£ki (bezinercioni) ako ulazno-izlazno preslikavanje
fT : X0 × U → Y (5.10)
gdje je X0 skup po£etnih stanja x0 , takvo da za proizvoljno x0 ∈ X0 i t ∈ T vrijedi:
y(t) = fT (x0 , u(t)) = fT (x0 , u0 (t)) (5.11)
36
6. Sistemi drugog reda
pri £emu u, u0 ∈ U kad god je u(t) = u0 (t). tj. sistem je stati£ki ako je izlaz u svakom trenutku
t ∈ T odreen isklju£ivo vrijedno²¢u ulaza i po£etnim stanjem.
5.3.2 Denicija 2
Sistem je bezmemorijski (stati£ki bez memorije) ako je stati£ki i ako za svako x0 , x00 ∈ X0 i u, u0 ∈ U
iz uslova u(t) = u0 (t) slijedi
y(t) = f (x0 , u(t)) = f (x00 , u0 (t)) (5.12)
Sistem je odreen samo preslikavanjem f.
5.3.3 Denicija 3
Sistem koji nije stati£ki je inercioni. Izlaz kod ovakvih sistema zavisi od po£etnog stanja, ali i od
£itave historije ulaza. Inercioni sistem za koji je denisana funkcija prelaza stanja je dinami£ki
sistem. Inercioni i dinami£ki sistemi takoe spadaju u sisteme sa memorijom.
Stati£ki
Inercioni
Stati£ki Stati£ki
bez sa
memorije memorijom
Dinami£ki
Sa memorijom
6 Sistemi drugog reda
6.1 Fazna ravan, fazna trajektorija i fazni portret

Posebnu klasu sistema £ine autonomni sistemi drugog reda £iji se matemati£ki model sastoji od
dvije diferencijalne jedna£ine prvog reda:
ẋ1 = f1 (x1 , x2 )
(6.1)
ẋ2 = f2 (x1 , x2 )
Neka je x(t) = (x1 (t), x2 (t)) jedinstveno rje²enje jedna£ine 6.1 koje polazi iz po£etnog stanja
x0 = (x10 , x20 ). Geometrijsko mjesto ta£aka x2 = Φ(x1 , x0 ) u ravni (x1 , x2 ) rje²enja x(t) za svako
t ≥ 0 koje polazi iz ta£ke x0 se zove fazna trajektorija (orbita) jedna£ine 6.1.
x2
Φ(x1 , x0 )
x0 = (x10 , x20 )
x1
37
Ravan (x1 , x2 ) se zove fazna ravan.

Koriste¢i vektorski zapis Ẋ(t) = f (x) gdje je f (x) = (f1 (x), f2 (x))T dobijamo vektorsko polje nad
faznom ravninom u kojoj je svakoj ta£ki x dodijeljen vektor f (x). Ovaj vektor je u svakoj ta£ki
fazne ravnine tangenta na faznu trajektoriju koja prolazi tom ta£kom i zaklapa ugao sa pozitivnim
dijelom x ose £iji je tangens dat formulom 6.2.
x2 f x2 = Φ(x1 , x0 )
f2
x2 α
f1
x0
x1 x1
dΦ(x1 , x0 ) dx2 ẋ2 f2 (x1 , x2 )

tgα = = = = (6.2)
dx1 dx1 ẋ1 f1 (x1 , x2 )
Za vizuelizaciju f (x) se predstavlja kao vektor koji polazi iz ta£ke x a zavr²ava u ta£ki x + f (x).
Npr. Ako je f (x) = (2x21 , x2 )T , tada se za npr. x = (1, 1)T crta strelica koja kre¢e iz ta£ke (1, 1)T
do ta£ke (1, 1)T + f (x) = (1, 1)T + (2 · 12 , 1)T = (3, 2)T .
x2
f
2
1 3 x1
√ √
Duºina strelice je f1 (x)2 + f2 (x)2 , odnosno u na²em primjeru je 22 + 1 = 5 = 2.73.
p
Familija trajektorija rje²enja jedna£ine 6.1 se zove fazni portret. Budu¢i da vrijeme nije vidljivo
sa fazne trajktorije, sa fazne trajektorije nije mogu¢e rekonstruisati rje²enja x(t) = (x1 (t), x2 (t))
pa trajektorije daju samo kvalitativni uvid u pona²anje sistema, a ne i kvantitativni.
6.2 Kvalitativno pona²anje linearnog sistema drugog reda

Neka je dat linearni autonomni sistem drugog reda:
ẋ = Ax (6.3)
gdje je x = (x1 , x2 )T .
Ta£ke ekvilibrijuma autonomnog sistema se dobijaju kao rje²enja jedna£ine:
Ax = 0 (6.4)
U slu£aju da rang(A) = 2, tada postoji jedinstveno trivijalno rje²enje gornje jedna£ine
xe = (0, 0) (6.5)
Nul prostor od A je trivijalan i sadrºi samo jednu ta£ku
N (A) = {0} (6.6)
38
Denicija:
Za matricu dimenzija m × n skup N (A) = {xn×1 |Ax = 0} ⊆ Rn se zove nul prostor od A.
Drugim rije£ima, N (A) je skup svih rje²enja homogenog sistema:
Ax = 0 (6.7)
Vrijedi da je
dimN (A) = n − r (6.8)
gdje je r = rang(A) i A ima dimenzije m × n.
U slu£aju da je rang(A) = 1 tada je dimenzija nul prostora od A:
dimN (A) = 1 (6.9)
i rje²enje jedna£ine 6.4 je skup svih ta£aka u prostoru stanja koje leºe na odreenom pravcu (skup
ta£aka ekvilibrijuma je kontinuum - pravac).
U slu£aju da je A ≡ 0 tada je dimenzija nul prostora od A
dimN (A) = 2 (6.10)
i svaka ta£ka fazne ravnine jeste ta£ka ekvilibrijuma.
Rje²enje sistema 6.3 je:
x(t) = T eJr T T −1 x0
(6.11)
x0 = x(0)
Jr je realna Jordanova forma pri £emu je:
T −1 AT = Jr (6.12)
T - realna regularna matrica.
Zavisno od svojstvenih vrijednosti, matrica Jr moºe imati jednu od slede¢ih formi:

λ1 0 λ k α −β
ili ili , k ∈ {0, 1} (6.13)
0 λ2 0 λ β α
Prvi slu£aj odgovara kada su svojstvene vrijednosti realne i razli£ite, drugi slu£aj kada su svoj-
stvene vrijednosti realne i iste, a tre¢i slu£aj kada su svojstvene vrijednosti konjugovano kompleksni
brojevi (λ1,2 = α ± jβ ).
Zavisno od vrste svojstvenih vrijednosti matrice sistema postoje i razli£iti tipovi ta£aka ekvilibri-
juma £ime je odreeno i pona²anje sistema u okolini ta£aka ekvilibrijuma.
1. Svojstvene vrijednosti λ1 i λ2 su realne i razli£ite meusobno i razli£ite od 0. (λ1 , λ2 ∈ R,
λ1 6= λ2 6= 0).
(a) λ1 i λ2 su istog znaka - ta£ka ekvilibrijuma je tipa £vor (eng. node) (stabilni ili
nestabilni).
(b) λ1 i λ2 su razli£itog znaka - ta£ka ekvilibrijuma je tipa sedlo (nestabilna ta£ka ekvili-
brijuma).
2. Svojstvene vrijednosti λ1 i λ2 su konjugovano kompleksne (λ1,2 = α ± jβ ).
(a) α < 0 - ta£ka ekvilibrijuma je tipa stabilni fokus.
(b) α > 0 - ta£ka ekvilibrijuma je tipa nestabilni fokus.
39
(c) α = 0 - ta£ka ekvilibrijuma je tipa centar.

3. Svojstvene vrijednosti λ1 i λ2 su realne i iste, ali razli£ite od 0. (λ1 , λ2 ∈ R, λ1 = λ2 = λ 6= 0).
(a) λ > 0 - ta£ka ekvilibrijuma je nestabilni £vor.
(b) λ < 0 - ta£ka ekvilibrijuma je stabilni £vor.
4. Jedna ili obje svojstvene vrijednosti su jednake nula.
Ima se kontinuum ta£aka ekvilibrijuma - A ima netrivijalni nul prostor.
6.2.1 Svojstvene vrijednosti su razli£ite meusobno i razli£ite od nule

λ1 6= λ2 6= 0 λ1 , λ2 ∈ R (6.14)
Tad je mogu¢e transformacijom sli£nosti prevesti sistem u modalnu formu

λ 0
J= 1 (6.15)

V = T = v1 v2 ,
0 λ2
Pri £emu transformacijom sli£nosti z = T −1 x varijable stanja prevodimo u nove varijable stanja i
dobijamo raspregnuti model
z˙1 = λ1 z1
(6.16)
z˙2 = λ2 z2
Rje²enje matri£nih jedna£ina pri po£etnim uslovima:
z10 = z1 (0)
(6.17)
z20 = z2 (0)
je dato kao:
z1 (t) = z10 eλ1 t
(6.18)
z2 (t) = z20 eλ2 t
Iz prve jedna£ine izrazimo t
z1
λ1 t = ln
z10
1 z1 (6.19)
t= ln
λ1 z10
i uvrstimo u drugu jedna£inu, te dobijamo:
λλ2
λ2 z
ln z 1 z1 1
z2 (t) = z20 e λ1 10 = z20
z10
λ2 (6.20)
z20 λ2
z2 (t) = λ2 (z1 ) λ1 = Cz1λ1
λ1
z10
1. U slu£aju da je λ2 λ1 > 0, fazne trajektorije su parabole.
(a) λ1 < 0 i λ2 < 0
eλ1 t → 0, kada t → ∞
(6.21)
eλ2 t → 0, kada t → ∞
Ta£ka ekvilibrijuma je tipa stabilan £vor. Fazni portret ima slede¢i izgled:
40
z2
stabilni £vor
λ1 6= λ2 6= 0
z1
λ 1 < 0 i λ2 < 0
v2
x2
v1
stabilni £vor
λ1 6= λ2 6= 0
x1
λ1 < 0 i λ2 < 0
(b) λ1 > 0 i λ2 > 0

Ta£ka ekvilibrijuma je tipa nestabilan £vor. Fazne trajektorije imaju isti izgled kao i u
prethodnom slu£aju:
z2
nestabilni £vor
λ1 6= λ2 6= 0
z1
λ 1 > 0 i λ2 > 0
41
2. λ2 λ1 < 0
λ2
z2 = Cz1 λ1
(6.22)
Ta£ka ekvilibrijuma je nestabilna.
Pretpostavimo da je : λ1 < 0 < λ2 .
Sve fazne trajektorije divergiraju u beskona£nost, pri £emu fazna trajektorija duº svojstvenog
vektora koji odgovara svojstvenoj vrijednosti λ1 konvergira ka ishodi²tu. Fazni portret ima
slede¢i izgled:
z2
z1
x2
v2
v1
x1
6.2.2 Svojstvene vrijednosti su kompleksne

λ1,2 = α ± jβ, β>0 (6.23)
Transformacijom sli£nosti prevodimo sistem u slede¢u formu:
z˙1 = λ1 z1
(6.24)
z˙2 = λ2 z2
42
z1 i z2 su kompleksne varijable, pri £emu uzimamo da je:
z1 = u + jv
(6.25)
z2 = u − jv
Nadalje je:
z˙1 = u̇ + j v̇
(6.26)
z˙2 = u̇ − j v̇
a to je:
z˙1 = (α + jβ)(u + jv) = (αu − βv) + j(βu + αv)
(6.27)
z˙2 = (α − jβ)(u − jv) = (αu − βv) − j(βu + αv)
Iz 6.26 i 6.27 slijedi:

u̇ = αu − βv
(6.28)
v̇ = βu + αv
Odnosno u matri£noj formi je:

u̇ α −β u
= (6.29)
v̇ β α v
Na osnovu svojstvenih vrijednosti zaklju£ujemo da ¢e sistem biti oscilatoran, pa je bolje pre¢i u
polarne koordinate.
v
θ
u
√
r= u2 + v 2
v (6.30)
θ = arctg
u
1 1
ṙ = √ (2uu̇ + 2v v̇)
2 u + v2
2
1 1
ṙ = √ [2u(αu − βv) + 2v(βu + αv)]
2 u + v2
2
ṙ
1
= √
1
[2αu2 − 2βuv + 2βuv + 2αv 2 ] (6.31)
2 u2 + v 2
1 1
ṙ = √ 2α(u2 + v 2 )
2 u2 + v 2
√
ṙ = α u2 + v 2 = αr
ṙ = αr (6.32)
43
1 v̇u − v u̇
θ̇ = v 2
1 + (u) u2
1
θ̇ = 2 [u(βu + αv) − v(αu − βv)]
u + v2 (6.33)
1
θ̇ = 2 [βu2 + αuv − αuv + βv 2 ]
u + v2
1
θ̇ = 2 β(u2 + v 2 ) = β
u + v2
θ̇ = β (6.34)
Jedna£ine 6.32 i 6.34 predstavljaju model sistema u polarnim koordinatama.
√
ṙ = αr, (r0 = r(0) = u2 + v 2 )
dr
= αr
dt Z
dr
= αdt/ () (6.35)
r
lnr = lnr0 + αt
r
ln = αt
r0
r = r0 eαt (6.36)
Prethodni izraz 6.36 predstavlja rje²enje prve diferencijalne jedna£ine.
θ̇ = β, (θ0 = θ(0))
dθ
dt
=β (6.37)
Z
dθ = βdt/ ()
θ = θ0 + βt (6.38)
Prethodni izraz 6.38 predstavlja rje²enje druge diferencijalne jedna£ine. Iz ovog izraza, izrazit
¢emo t i uvrstiti u 6.36 pa imamo:
θ − θ0
t=
β
α
r = r0 e β (θ−θ0 )
(6.39)
α α
r = r0 e − β θ 0 e β θ
α
r = C1 e β θ (6.40)
Kako je β > 0, imamo slede¢e slu£ajeve:
α
1. α < 0 => r = r0 e β t −t→∞
−−→ 0
xe = 0 - Stabilni fokus.
44
Stabilni fokus
2. α > 0 => r = r0 e β t −t→∞

α
−−→ ∞
xe - Nestabilni fokus.
Nestabilni fokus
0
3. α = 0 => r = r0 e β t −t→∞
−−→ r0
xe - Centar.
Centar
r02
r01
45
6.2.3 Svojstvene vrijednosti su iste i razli£ite od nule

λ = λ1 = λ2 6= 0
Transformacijom sli£nosti z = T −1 x polazni sistem se transformi²e u formu:
z˙1 = λz1 + kz2
z˙2 = λz2 (6.41)
k = 0, 1
Matrica prelaza stanja je:
−1 −1
s 0 λ k s − λ −k
Φ(s) = (sI − Jr ) = −1
− = (6.42)
0 s 0 λ 0 s−λ

1 s−λ k
Φ(s) = · (6.43)
(s − λ)2 0 s − λ
Nadalje:
Φ(t) = L−1 {Φ(s)} (6.44)
1 k λt
e kteλt
Φ(s) = s−λ (s−λ)2
=> Φ(t) = (6.45)
0 1
s−λ
0 eλt
z(t) = Φ(t)z0 (6.46)
λt λt

e kte z10 z10 eλt + z20 kteλt
z(t) = = (6.47)
0 eλt z20 z20 eλt
z1 (t) = z10 eλt + z20 kteλt
(6.48)
z2 (t) = z20 eλt
Iz druge jedna£ine izrazimo t:
1 z2
t= ln (6.49)
λ z20
i uvrstimo u prvu jedna£inu pa imamo:
ln 2 1 z2
z z
ln 2
z1 (t) = z10 e z20 + kz20 e z20 ln
λ z20

z10 k z2
(6.50)
z1 (t) = z2 + ln
z20 λ z20

z10 k z2
z1 (t) = z2 (t) + ln (6.51)
z20 λ z20
Za k = 0 dobijamo:
z20
z2 = z1 (6.52)
z10
Za λ < 0 i k = 0 Za λ > 0 i k = 0
z2 z2
Stabilan £vor Nestabilan £vor

z1 z1
46
Za λ < 0 i k = 1 Za λ > 0 i k = 1
z2 z2
Stabilan £vor Nestabilan £vor

z1 z1
6.2.4 Jedna ili obje svojstvene vrijednosti su jednake nuli

U ovom slu£aju matrica sistema ima netrivijalan nul prostor, tj. sistem ima ekvilibrijum podpros-
tor. Dimenzija nul prostora moºe biti 1 ili 2. Ako je dimenzija nul prostora 2, tada je matrica
sistema nula matrica ²to predstavlja trivijalan slu£aj kada je svaka ta£ka prostora stanja sistema
ta£ka ekvilibrijuma. Kada je dimenzija nul prostora 1, tada oblik Jordanove matrice Jr zavisi od
multipliciteta svojstvene vrijednosti. Kada je λ1 = 0 i λ2 6= 0 transformacijom sli£nosti, pri £emu
je matrica transformacije T = v1 v2 , dobija je Jordanova matrica sistema:

0 0
Jr = (6.53)
0 λ2
pri £emu u ovom slu£aju vektor v1 raspreºe nul prostor matrice sistema, odnosno sistem se tran-
sformira u formu:
z˙1 = 0
(6.54)
z˙2 = λ2 z2
Rje²enje ovih jedna£ina je:

z1 (t) = z10
(6.55)
z2 (t) = z20 eλ2 t
Ekvilibrijum podprostor je pravac z2 = 0 (to je osa z1 )

z2
z1
ekvilibrijum podprostor
Zavisno od znaka λ2 , ta£ke ekvilibrijuma konvergiraju ka ekvilibrijum podprostoru u slu£aju da

je λ2 < 0, odnosno divergiraju za λ2 > 0.
47
λ1 = 0, λ2 < 0 z2 z2 λ1 = 0, λ2 > 0
z1 z1
ekvilibrijum
podprostor
λ1 = 0, λ2 < 0 x2 x2 λ1 = 0, λ2 > 0
v2 v2
v1 v1
ekvilibrijum ekvilibrijum
podprostor podprostor
x1 x1
Kada su obje svojstvene vrijednosti jednake nuli λ1 = λ2 = 0, transformacija varijabli (z = T −1 x)

rezultira u:
z˙1 = z2
(6.56)
z˙2 = 0
gdje je Jordanova matrica data sa:

0 1
Jr = (6.57)
0 0
Rje²avanjem sistema diferencijalnih jedna£ina dobijamo:
z1 (t) = z10 + z20 t
(6.58)
z2 (t) = z20
z2
z1
ekvilibrijum
podprostor
48
x2
ekvilibrijum
podprostor
x1
Razmatranje pona²anja linearnog sistema oko ta£ke ekvilibrijuma x = 0 je vaºno zato ²to je u
najve¢em broju slu£ajeva lokalno pona²anje nelinearnog sistema oko ta£ke ekvilibrijuma jednako
pona²anju njegove linearizirane verzije u ta£ki ekvilibrijuma. vor, fokus i sedlo su strukturalno
stabilne ta£ke ekvilibrijuma, jer se njihovo pona²anje ne mijenja ako se izvr²e male perturbacije
matrice sistema. Centar nije strukturalno stabilna ta£ka ekvilibrijuma.
6.3 Kvalitativno pona²anje nelinearnih sistema oko ta£ke ekvilibrijuma

Neka je p = (p1 , p2 )T ta£ka ekvilibrijuma sistema:
x˙1 = f1 (x1 , x2 )
(6.59)
x˙2 = f2 (x1 , x2 )
Neka su funkcije f1 i f2 analiti£ke funkcije u okolini ta£ke ekvilibrijuma (imaju konvergentne

razvoje u Taylor-ov red u okolini ta£ke ekvilibrijuma). Tada se desne strane gornjih jedna£ina
mogu razviti u konvergentan Taylor-ov red u okolini ta£ke p tj.:
x˙1 = f1 (p1 , p2 ) + a11 (x1 − p1 ) + a12 (x2 − p2 ) + H.O.T.
(6.60)
x˙2 = f2 (p1 , p2 ) + a21 (x1 − p1 ) + a22 (x2 − p2 ) + H.O.T.
pri £emu su:

∂f1 (x1 , x2 ) ∂f1 (x1 , x2 )
a11 = |x=p a12 = |x=p
∂x1 ∂x2
(6.61)
∂f2 (x1 , x2 ) ∂f2 (x1 , x2 )
a21 = |x=p a22 = |x=p
∂x1 ∂x2
U ta£ki ekvilibrijuma vrijedi da je:
f1 (x1 , x2 ) = f1 (p1 , p2 ) = 0
(6.62)
f2 (x1 , x2 ) = f2 (p1 , p2 ) = 0
i usvojimo oznake:
y1 = ∆x1 = x1 − p1
(6.63)
y2 = ∆x2 = x2 − p2
Tada vrijedi da je:

y˙1 = x˙1
(6.64)
y˙2 = x˙2
49
Uvr²tavanjem 6.63 i 6.64 u 6.60 dobijamo:

y˙1 = a11 y1 + a12 y2
(6.65)
y˙2 = a21 y1 + a22 y2
pri £emu se H.O.T. zanemaruju.

y˙1 a11 a12 y1
= (6.66)
y˙2 a21 a22 y2
Nova ta£ka ekvilibrijuma postaje ye = (0, 0).
x2 y2
(0, 0)
y1
(p1 , p2 )
x1
Teorema
Ako je ishodi²te (ta£ka ekvilibrijuma) lineariziranih jedna£ina stanja 6.59 stabilan (nestabilan)
£vor sa jednostrukim ili vi²estrukim svojstvenim vrijednostima, stabilan (nestabilan) fokus ili
ta£ka sedla, tada se u dovoljno maloj okolini ta£ke ekvilibrijuma, trajektorije nelinearnih jedna£ina
stanja pona²aju kao stabilan (nestabilan) £vor, stabilan (nestabilan) fokus ili ta£ka sedla.
Primjer:
Neka se ima klatno sa trenjem £iji je matemati£ki model:
ẋ1 = x2
(6.67)
ẋ2 = −10sinx1 − x2
Odrediti ta£ke ekvilibrijuma nelinearnog sistema, a zatim odrediti tipove ta£aka ekvilibrijuma.
Rje²enje:
Ta£ke ekvilibrijuma dobijamo kada sve izvode varijabli stanja izjedna£imo sa nulom:
ẋ1 = 0 =⇒ x2 = 0
(6.68)
ẋ2 = 0 =⇒ −10sinx1 − x2 = 0 =⇒ x1 = kπ, k = 0, ±1, ±2, . . .
xe = (kπ, 0)
(6.69)
(0, 0); (π, 0)
• Lineariziramo model nelinearnog sistema u okolini ta£ke ekvilibrijuma (0,0)

Izra£unajmo matricu Jakobijana u toj ta£ki:
 ∂f ∂f1

1
∂x1 ∂x2
(6.70)
∂f
A= ∂x x=(0,0)
= 
∂f2 ∂f2
∂x1 ∂x2 x=(0,0)
50
   
0 1 0 1
A=  =  (6.71)
−10cosx1 −1 −10 −1
x=(0,0)
Da bi odredili tip ta£ke ekvilibrijuma trebamo odrediti svojstvene vrijednosti matrice sis-
tema:
     
λ 0 0 1 λ −1
det(λI − A) = det  −  = det  
0 λ −10 −1 10 λ + 1
(6.72)
= λ(λ + 1) + 10 = λ2 + λ + 10 = 0
√ √
−1 ± 1 − 40 1 39
λ1,2 = =− ±j
2 2 2
α = − 12 =⇒ Ta£ka ekvilibrijuma (0,0) je tipa stabilni fokus.
x2
Stabilni fokus
x1
• Lineariziramo model nelinearnog sistema u okolini ta£ke ekvilibrijuma (π, 0)

Izra£unajmo matricu Jakobijana u toj ta£ki:
 ∂f ∂f1

1
∂x1 ∂x2
(6.73)
∂f
A= ∂x x=(π,0)
= 
∂f2 ∂f2
∂x1 ∂x2 x=(π,0)
   
0 1 0 1
A=  =  (6.74)
−10cosx1 −1 10 −1
x=(π,0)
Da bi odredili tip ta£ke ekvilibrijuma trebamo odrediti svojstvene vrijednosti matrice sis-
tema:
     
λ 0 0 1 λ −1
det(λI − A) = det  −  = det  
0 λ 10 −1 −10 λ + 1
(6.75)
= λ(λ + 1) − 10 = λ2 + λ − 10 = 0
√ √
−1 ± 1 + 40 1 41 1
λ1,2 = =− ± = − ± 3.2
2 2 2 2
λ1 > 0, λ2 < 0. Ta£ka ekvilibrijuma (π, 0) je tipa sedlo.
51
x2
x1
6.3.1 Grani£ni ciklusi

Neka se ima modicirana Van der Pol-ova jedna£ina sa dodatnim £lanom v̇ 3 (v̈−(1−v 2 )v̇+v = 0)
v̈ − (1 − v 2 − v̇ 2 )v̇ + v = 0 (6.76)
Uporedimo ovu jedna£inu sa jedna£inom harmonijskih oscilacija:
v̈ + v = 0 (6.77)
Vidimo da jedna£ina 6.76 u odnosu na jedna£inu harmonijskih oscilacija ima £lan sa prigu²enjem.
Matemati£ki model harmonijskih oscilacija 6.77 moºe biti prikazan u prostoru stanja:
x1 = v
(6.78)
x2 = v̇
Diferenciramo prethodnu jedna£inu i dobijamo:

ẋ1 = x2
(6.79)
ẋ2 = v̈ = −v = −x1
ẋ1 = x2
(6.80)
ẋ2 = −x1
Uvode¢i smjenu r(t) = x21 (t) + x22 (t) i θ(t) = arctg xx21 (t) , odnosno:
p
(t)
x1 (t) = r(t)cos(θ(t))
(6.81)
x2 (t) = ẋ1 (t)
Nadalje imamo da je:

1 1
ṙ = p (2x1 ẋ1 + 2x2 ẋ2 ) (6.82)
2 x21 + x22
1 1
ṙ = p (2x1 x2 − 2x2 x1 ) = 0 (6.83)
2 x21 + x22
52
1 ẋ2 x1 − ẋ1 x2 1
θ̇ = 2 2
= 2 2
(−x21 − x22 ) = −1 (6.84)
x2 x 1 x 1 + x 2
1+ x1
Neka imamo po£etne uslove:

(r0 , θ0 ) = (r(t = 0), θ(t = 0)) (6.85)
Pa imamo rje²enja diferencijalnih jedna£ina:
r(t) = r0
(6.86)
θ(t) = θ0 − t
Stoga imamo da je:

x1 (t) = r0 cos(θ0 − t)
(6.87)
x2 (t) = ẋ1 (t) = −r0 sin(θ(t))θ̇(t) = r0 sin(θ0 − t)
x2
r(t)
(r0 , θ0 ) θ0
r0 θ(t)
(0, 0) x1
Amplituda oscilacija zavisi od po£etnih uslova, ta£ka ekvilibrijuma je tipa centar (nije strukturalno
stabilna). Za razliku od linearnih oscilacija, kod nelinearnih oscilacija se moºe posti¢i da amplituda
oscilacija ne zavisi od po£etnih uslova i da je ta£ka ekvilibrijuma strukturalno stabilna.
v̈ − (1 − v 2 − v̇ 2 )v̇ + v = 0, >0 (6.88)
x1 = v
(6.89)
x2 = v̇
Diferenciramo prethodnu jedna£inu i dobijamo:
ẋ1 = x2
ẋ2 = (1 − v 2 − v̇ 2 )v̇ − v (6.90)
ẋ2 = −x1 + (1 − x21 − x22 )x2
Ta£ke ekvilibrijuma dobijamo iz:

ẋ1 = 0
(6.91)
ẋ2 = 0
x2 = 0
(6.92)
− x1 + (1 − x21 − x22 )x2 = 0 =⇒ x1 = 0
53
Ta£ka ekvilibrijuma je (0, 0). Trebamo sada linearizirati model sistema u okolini ta£ke ekvilibri-
juma.  ∂f ∂f 
1 1
∂x1 ∂x2
(6.93)
∂f
A= ∂x x=(0,0)
= 
∂f2 ∂f2
∂x1 ∂x2 x=(0,0)
   
0 1 0 1
A=  =  (6.94)
2 2 2
−1 − 2x1 x2 −2x2 + (1 − x1 − x2 ) −1
x=(0,0)
Da bi odredili tip ta£ke ekvilibrijuma trebamo odrediti svojstvene vrijednosti matrice sistema:
     
λ 0 0 1 λ −1
det(λI − A) = det  −  = det  
0 λ −1 1 λ−
(6.95)
= λ(λ − ) + 1 = λ2 − λ + 1 = 0
√
± 2 − 4
λ1,2 =
2
Za 0 < < 2 √
4 − 2
λ1,2 = ± j (6.96)
2 2
Ta£ka ekvilibrijuma je tipa nestabilni fokus.
Za = 2
λ1,2 = 1 (6.97)
Imamo dvostruku svojstvenu vrijednost i ta£ka ekvilibrijuma je tipa nestabilni £vor.
Za > 2 √
2 − 4
λ1,2 = ± (6.98)
√ 2 2
Pri £emu je > 2 − 4 iz £ega znamo da su obje svojstvene vrijednosti pozitivne.
Ta£ka ekvilibrijuma je tipa nestabilni £vor.
Pretpostavimo da je rje²enje:
v(t) = sin(t) (6.99)
pa je:
x1 (t) = sin(t)
(6.100)
x2 (t) = cos(t)
Uvrstimo 6.100 u 6.88:
− sin(t) − (1 − sin2 (t) − cos2 (t))cos(t) + sin(t) = 0 (6.101)
x2
x1
54
Ako se naemo na kruºnici polupre£nika 1, zauvijek ¢emo ostati na kruºnici bez obzira na po£etni
uslov.
Uvedimo polarne koordinate:
r2 (t) = x21 (t) + x22 (t) (6.102)
d 2
(r ) = 2x1 ẋ1 + 2x2 ẋ2 =
dt
= 2x1 x2 + 2x2 [−x1 + (1 − x21 − x22 )x2 ] = (6.103)
= 2(1 − x21 − x22 )x22 = 2[1 − (x21 + x22 )]x22
Prema tome:
d 2
(r ) > 0 =⇒ x21 + x22 < 1 (6.104)
dt
Kada smo unutar kruºnice r ¢e rasti.
x2
x1
d 2
(r ) < 0 =⇒ x21 + x22 > 1 (6.105)
dt
Kada smo izvan kruºnice r ¢e se smanjivati.
x2
x1
Prema tome, sve trajktorije koje po£inju unutar i izvan jedini£nog kruga na kraju zavr²avaju na
grani£nom ciklusu (stabilan grani£ni ciklus).
Teorema (Pincare-Boundixon kriterij o postojanju grani£nog ciklusa)
Neka je dat sistem drugog reda:
ẋ = f (x) (6.106)
55
7. Analiza nelinearnih sistema drugog reda u faznoj ravnini
gdje je f (x) neprekidno diferencijabila (ima neprekidne prve parcijalne derivacije) i neka je M
zatvoreni ograni£eni (kompakt) podskup fazne ravnine takav da:
• M ne sadrºi ta£ke
ekvilibrijuma ili sadrºi samo jednu ta£ku ekvilibrijuma takvu da matrica
Jakobijana ∂x u toj ta£ki ima svojstvene vrijednosti sa pozitivnim realnim dijelovima
∂f
(prema tome ta£ka ekvilibrijuma je nestabilan fokus ili nestabilan £vor)

• Svaka trajektorija koja po£inje u M ostaje u M zauvijek,
tada M sadrºi periodi£nu orbitu (grani£ni ciklus) sistema ẋ = f (x).
7 Analiza nelinearnih sistema drugog reda u faznoj ravnini

Analiza u faznoj ravnini podrazumijeva gra£ku analizu nelinearnog autonomnog sistema drugog
reda u formi:
ẋ1 = f1 (x1 , x2 )
(7.1)
ẋ2 = f2 (x1 , x2 )
Prvi korak u analizi je konstrukcija faznog portreta.
7.1 Metode konstrukcije faznog portreta

Najbolja tehnika za konstrukciju faznog portreta je simulacija jedna£ina nelinearnog sistema na
personalnom ra£unaru. Meutim, razvijene su i analiti£ke i gra£ke metode konstrukcije faznog
portreta. Prema tome, metode konstrukcije faznog portreta mogu biti:
• analiti£ke metode
• metode izoklina
7.1.1 Analiti£ke metode konstrukcije faznog portreta

Postoje dvije metode analiti£ke konstrukcije faznog portreta. Obje se sastoje u odreivanju funk-
cije izmeu varijabli stanja x1 i x2 u formi
g(x1 , x2 , c) = 0 (7.2)
odnosno:
x2 = h(x1 , c) (7.3)
c - konstanta koja uklju£uje efekat po£etnih uslova.
Crtanjem graka ove relacije za razli£ite po£etne uslove dobija se fazni portret sistema.
1. Prva tehnika se sastoji u rje²avanju (ukoliko je to mogu¢e) jedna£ina 7.1 po x1 i x2 u funkciji
vremena, tj.
x1 = g1 (t)
(7.4)
x2 = g2 (t)
a zatim eliminaciji vremena iz jedna£ine 7.4.

Primjer
Nacrtati fazni portret sistema masa opruga kori²tenjem prvog analiti£kog metoda.
56
k=1
m=1
ẍ + x = 0 (7.5)
Sa po£etnim uslovom
x0 = x(0)
(7.6)
ẋ(0) = 0
Prema tome uvode¢i varijable stanja:
x1 = x
(7.7)
x2 = ẋ
i diferenciraju¢i prethodni izraz imamo:
ẋ1 = x2
(7.8)
ẋ2 = ẍ = −x = −x1
Sada, rje²enje sistema jedna£ina je:
x1 (t) = x0 cos(t)
(7.9)
x2 (t) = −x0 sin(t)
Ako kvadriramo i saberemo ova rje²enja imamo:
x21 + x22 = x20 [cos2 (t) + sin2 (t)] = x20 (7.10)
x2
x0
x1
Prema tome, budu¢i da je za:

dx1
x2 > 0 =⇒ = x2 > 0 (7.11)
dt
to sve trajktorije u gornjoj poluravni fazne ravnine se kre¢u s lijeva na desno i budu¢i da je
dx1
x2 < 0 =⇒ = x2 < 0 (7.12)
dt
to sve trajktorije u donjoj poluravni fazne ravnine se kre¢u s desna na lijevo.
57
x2
x1
Osim toga vrijedi da je:

dx2
dx2 f2 (x1 , x2 )
= dt
dx1
= (7.13)
dx1 dt
x2
dx2
dx1
- nagib fazne trajektorije u svakoj ta£ki.
Za x2 → 0 =⇒ dx 2
dx1
→ ∞, to zna£i da kad god fazna trajektorija sije£e osu x1 , ona je sije£e
pod pravim uglom.
x2
x1
Prethodno re£eno vrijedi za sisteme forme:

ẍ − f2 (x, ẋ) = 0 (7.14)
Za izabrane varijable stanja:
ẋ1 = x2
(7.15)
ẋ2 = f2 (x1 , x2 )
2. Drugi analiti£ki metod za konstrukciju faznog portreta

Treba primjetiti da iz jedna£ine modela vrijedi:
dx2 f2 (x1 , x2 )
= (7.16)
dx1 f1 (x1 , x2 )
Metod se sastoji u direktnoj eliminaciji vremena rje²avanjem jedna£ine 7.16 za dobijanje
funkcionalne relacije izmeu x1 i x2 .
58
Primjer masa-opruga sistem

ẋ1 = x2
(7.17)
ẋ2 = −x1
x1 (0) = x0
(7.18)
x2 (0) = 0
Rje²enje:
dx2
dx2 x1
dt
dx1
= =− =⇒ x2 dx2 = −x1 dx1 (7.19)
dt
dx1 x2
Integriramo prethodnu relaciju i imamo:
x22 = −x21 + c
(7.20)
x21 + x22 = c
Za t = 0:
x21 (0) + x22 (0) = x20 + 0 = x20 = c
(7.21)
c = x20
Pa je jedna£ina fazne trajektorije:

x21 + x22 = x20 (7.22)
7.1.2 Konstrukcija faznog portreta metodom izoklina

Ovo je najpopularniji metod gra£ke analize sistema drugog reda.
• U po£etnom koraku je potrebno formirati mreºu izoklina, tj. GMT u kojem je nagib na
fazne trajektorije konstanstan, tj.
dx2
x02 = = M = const (7.23)
dx1
Tangens ugla na fazne trajektorije je konstantan i jednak M.
Mreºa izoklina se dobija varijacijom parametara M u jedna£ini 7.23.
• Konstrukcija faznih trajektorija pomo¢u izoklina polazi od po£etne ta£ke fazne ravnine odre-
ene po£etnim uslovima. U ovoj ta£ki se nacrta pravac sa nagibom
α0 = arctgM0 (7.24)
koji je jednak nagibu tangente na trajektoriju kroz ta£ku (x10 , x20 ). Presjek ove tangente sa
susjednom izoklinom M1 daje novu ta£ku trajektorije (x11 , x21 ).
Postupak se dalje nastavlja sukcesivnim prelascima sa jedne izokline na drugu pod odgova-
raju¢im nagibima i spajanjem odgovaraju¢ih ta£aka.
59
x2 M2
M0 M1
(x12 , x22 )
M3
(x11 , x21 )
(x13 , x23 )
M4
α0 = tg −1 M0
(x10 , x20 )
x1
Neka se ima sistem automatskog upravljanja sa linearnim i nelinearnim dijelom koji se mogu
razdvojiti kao na slici:
r(t) = 0 e(t) u = g(e) = g(−x1 ) u(t) LT Isistem y = x1

+
staticka ẋ1 = x2
−
nelinearnost ẋ2 = f2 (x1 , x2 , u)
Linearni dio sistema je opisan modelom u prostoru stanja:

ẋ1 = x2
ẋ2 = f2 (x1 , x2 , u) (7.25)
y = x1
pri £emu je f2 linearna funkcija svojih elemenata.
Nelinearnost je stati£ka i vrijedi da je:
u(t) = g(e(t)) = g(−y) = g(−x1 ) (7.26)
Osim toga, karakteristika nelinearnosti (grak nelinearnog preslikavanja) je po dijelovima linearan.
Konstrukcija faznog portreta i analiza metoda izokline se vr²i na slede¢i na£in:
1. Formirati jedna£inu:
dx2 f2 (x1 , x2 , u)
M= = (7.27)
dx1 x2
2. U segmentima linearnosti stati£ke karakteristike g(−x1 ), zamjeniti u = g(−x1 ) u jedna£ini
7.27, na koji na£in se dobija:
f2 (x1 , x2 , g(−x1 ))
M= (7.28)
x2
60
3. Konstruisati mreºu izoklina za svaki linearni segment variraju¢i parametar M, a zatim na-
crtati fazne trajektorije za svaki linearni segment.
4. Analizirati sistem po segmentima linearne karakteristike.
Primjer:
Neka se ima nelinearan sistem sa nelinearnom karakteristikom tipa zona neosjetljivosti £iji nagib
iznosi 2. Primjenom metoda izoklina, nacrtati fazne trajektorije sistema i izvr²iti analizu sistema.
r(t) = 0 + e(t) -1 u(t) 1 y = x1

s(s+1)
− 1
Rje²enje
Za linearni dio sistema vrijedi:
d2 y dy
s(s + 1)Y (s) = U (s) =⇒ + = u(t) (7.29)
dt2 dt
Model se moºe napisati u prostoru stanja ako se za varijable stanja uzme:
x1 = y
(7.30)
x2 = ẏ
Izvr²imo diferenciranje relacija 7.30 pa imamo:

ẋ1 = x2
(7.31)
ẋ2 = ÿ = −ẏ + u = −x2 + u
Formiramo jedna£inu:
dx2
−x2 + u
M= dx
dx1
= (7.32)
dt
x2
Vrijedi da je: 
 2(e − 1), e > 1
u= 0, |e| ≤ 1 (7.33)
2(e + 1), e < −1

S obzirom da je e = −x1 , to je:


 −2(x1 + 1), x1 < −1
u= 0, |x1 | ≤ 1 (7.34)
−2(x1 − 1), x1 > 1

• U opsegu |x1 | ≤ 1, jedna£ina izoklina je:

−x2 + u
M= |u=0 = −1 (7.35)
x2
Jedna£ine izoklina su pravci sa nagibom -1(-45o ).
61
• U regionu x1 > 1, jedna£ina izoklina je:

−x2 + u −x2 − 2(x1 − 1)
M= |u=−2(x1 −1) = (7.36)
x2 x2
−2(x1 − 1)
x2 = (7.37)
M +1
Jedna£ine izoklina su pravci sa nagibom −2
M +1
i presjekom sa osom x1 u ta£ki (1, 0).
• U regionu x1 < −1, jedna£ina izoklina je:
−x2 + u −x2 − 2(x1 + 1)
M= |u=−2(x1 +1) = (7.38)
x2 x2
−2(x1 + 1)
x2 = (7.39)
M +1
Jedna£ine izoklina su pravci sa nagibom −2
M +1
i presjekom sa osom x1 u ta£ki (−1, 0).
Nagib Jedna£ina izokline
M x1 > 1 x1 < −1
∞ x2 = 0 x2 = 0
1 x2 = −(x1 − 1) x2 = −(x1 + 1)
0 x2 = −2(x1 − 1) x2 = −2(x1 + 1)
-1 x1 = 1 x1 = −1
-2 x2 = 2(x1 − 1) x2 = 2(x1 + 1)
-3 x2 = x1 − 1 x2 = x1 + 1
M =0 M = −1 M = −1 M = −2
x2
M =1 M = −3
-1 1 M =∞ x1
M = −3 M =1
M = −2 M =0
62
8. Stabilnost nelinearnih sistema po Lyapunov-u
Ako je |x1 | ≤ 1, tada je u = 0, pa je matemati£ki model dat sa:

ẋ1 = x2
(7.40)
ẋ2 = −x2
Da bi odredili ta£ke ekvilibrijuma, izjedna£imo izvode iz relacije 7.40 sa nulom:
0 = x2
0 = −x2 (7.41)
=⇒ x2 = 0
Imamo kontinuum ta£aka ekvilibrijuma |x1 | ≤ 1 i x2 = 0.

Provjerimo da li izvan datog regiona ima ta£aka ekvilibrijuma:
0 = x2
0 = −x2 + u (7.42)
=⇒ x2 = 0, u = 0
Izvan regiona |x1 | ≤ 1 vrijedi:

u = −2(x1 + 1) ili u = −2(x1 − 1) (7.43)
Odavdje slijedi, uzimaju¢i u obzir jedna£inu 7.42 (u = 0):
x1 = ±1 (7.44)
to zna£i da izvan regiona |x1 | ≤ 1 nema ta£aka ekvilibrijuma.
8 Stabilnost nelinearnih sistema po Lyapunov-u
8.1 Stabilnost autonomnih sistema

Neka je dat sistem
ẋ = f (x) (8.1)
gdje je f preslikavanje (f : D → Rn ) lokalno Lipschitz-ovo preslikavanje iz domena (otvoren
povezan skup) D, koji je podskup od Rn , u Rn .
Cilj je ispitivanje stabilnosti ta£ke ekvilibrijuma nelinearnog sistema.
Radi jednostavnosti, pretpostavimo da je ta£ka ekvilibrijuma ishodi²te prostora Rn , tj. xe = 0.
Ukoliko to nije slu£aj, ta£ka ekvilibrijuma se moºe postaviti u ishodi²te prostora stanja zamjenom
varijabli stanja, npr.:
Uzmimo da je:
y = x − xe
(8.2)
f (xe ) = 0, xe 6= 0
Tada slijedi da je:
ẏ = ẋ = f (x) = f (y + xe ) = g(y) (8.3)
Budu¢i da je:
g(y = 0) = f (xe ) = 0 (8.4)
Prema tome y = 0 ta£ka ekvilibrijuma ẏ = g(y)
Denicija 1 (Stabilnost ta£ke ekvilibrijuma po Lyapunov-u)
Ta£ka ekvilibrijuma x = 0 sistema 8.1 je:
63
• Stabilna ako ∀ > 0 postoji δ = δ() > 0 tako da euklidska norma ||x(0)|| < δ povla£i
(slijedi) da je:
||x(t)|| < , ∀t ≥ 0 (8.5)
• Nestabilna ako nije stabilna
• Asimptotski stabilna ako je stabilna i ako δ moºe biti izabrano tako da vrijedi:
||x(0)|| < δ =⇒ lim x(t) = 0 (8.6)

t→∞
x2
x1
δ
Denicija 2(Region atrakcije - privla£enja)

Neka je x(t) = Φ(t, x0 ) rje²enje jedna£ine 8.1 koje po£inje iz po£etnog stanja x0 u vremenu t = 0.
Tada je region privla£enja ta£ke ekvilibrijuma denisan kao skup svih ta£aka x0 takvih da je
Φ(t, x0 ) denisano za ∀t ≥ 0 i lim Φ(t, x0 ) = 0
t→∞
Ako vrijedi da je region atrakcije pravi podskup od Rn S ⊂ Rn (ne S ⊆ Rn ) tada se kaºe da je
ta£ka ekvilibrijuma lokalno asimptotski stabilna (asimptotski stabilna u malom).
Ako vrijedi da je S = Rn ta£ka ekvilibrijuma je globalno asimptotski stabilna (asimptotski stabilna
u velikom).
Sistem sa vi²e ta£aka ekvilibrijuma ne moºe biti globalno stabilan.
8.1.1 I (indirektni) metod Lyapunov-a

Neka je nelinearni sistem 8.1 lineariziran u okolini ta£ke ekvilibrijuma xe = 0 i njegova linearizirana
verzija:
ẋ = Ax (8.7)
 ∂f1 ∂f1 ∂f1

∂x1 ∂x2
... ∂xn
|x=xe =0 =  ... .. .. .. 
∂f
A=

. . .  (8.8)
∂x ∂fn ∂fn ∂fn
∂x1 ∂x2
... ∂xn x=xe =0
Ukoliko je f : D → R , pri £emu je D okolina ishodi²ta, kontinualno diferencijabilna funkcija (ima

n
neprekidne prve parcijalne derivacije, a ²to je ekvivalentno da ima neprekidnu prvu derivaciju po
vremenu), tada je:
• ta£ka ekvilibrijuma xe = 0 sistema 8.1 asimptotski stabilna ukoliko su sve svojstvene vrijed-
nosti matrice A sa negativnim realnim dijelovima:
Re{λi } < 0, i = 1, 2, . . . , n (8.9)
64
• ta£ka ekvilibrijuma xe = 0 sistema 8.1 je nestabilna ukoliko je barem jedna svojstvena

vrijednost od A sa pozitivnim realnim dijelom
∃λi |Re{λi } > 0 (8.10)
• ukoliko su neke svojstvene vrijednosti od A sa Re{λ} = 0, a sve ostale su u lijevoj polurav-

nini, tada se ne moºe ni²ta re¢i o ta£ki ekvilibrijuma.
8.1.2 II (direktni) metod Lypunov-a

Neka se ima klatno kao na donjoj slici:
θ
l
θ̇
m
Fg = mg
Matemati£ki model klatna sa usvojenim varijablama stanja

x1 = θ
(8.11)
x2 = θ̇
ẋ1 = x2
g k (8.12)
ẋ2 = θ̈ = − sin θ − θ̇
l m
ẋ1 = x2
g k (8.13)
ẋ2 = θ̈ = − sin x1 − x2
l m
Potencijalna energija sistema, ako se usvoji da je referentni nivo nulte potencijalne energije kada
se klatno nalazi u najniºoj ta£ki, je:
Ep (x1 ) = mg(l − l cos x1 ) = mgl(1 − cos x1 ) (8.14)
Kineti£ka energija je:
mv 2 m(lθ̇)2 ml2 x22
Ek (x2 ) = = = (8.15)
2 2 2
Suma kineti£ke i potencijalne energije je:
ml2 x22
V (x1 , x2 ) = Ep (x1 ) + Ek (x2 ) = mgl(1 − cos x1 ) + (8.16)
2
V (x1 , x2 ) je energetska funkcija.
Nije te²ko pokazati da vrijedi:
1.
V (x1 = 0, x2 = 0) = 0 (8.17)
65
2.
V (x1 , x2 ) > 0, ∀x 6= 0 (8.18)
dV (x1 , x2 ) ∂V dx1 ∂V dx2 ∂V ∂V
V̇ (x1 , x2 ) = = + = ẋ1 + ẋ2 =
dt ∂x1 dt ∂x2 dt ∂x1 ∂x2 (8.19)
= mgl sin x1 ẋ1 + ml2 x2 ẋ2
1. U slu£aju klatna bez trenja je k = 0, pa je:
g
V̇ (x1 , x2 ) = mgl sin x1 · x2 + ml2 x2 (− sin x1 ) = 0 (8.20)
l
2. U slu£aju klatna sa trenjem k 6= 0, pa je:

g k
V̇ (x1 , x2 ) = mgl sin x1 · x2 + ml2 x2 (− sin x1 − x2 ) =
l m (8.21)
= −kl2 x22 < 0, ∀x2 6= 0
Dakle, razmatraju¢i energiju sistema duº trajektorije sistema, kao i trend promjene energije,
mogu¢e je (uslovno govore¢i) zaklju£iti o stabilnosti sistema.
1892. godine se pokazalo da se za potrebe odreivanja stabilnosti ta£ke ekvilibrijuma mogu koristiti
neke druge funkcije (umjesto energetskih) tzv. Lyapunov-e funkcije.
Neka je V : D → R (V- skalarna funkcija vektorskog argumenta) kontinualno diferencijabilna
funkcija (ima neprekidne prve parcijalne izvode) svih varijabli stanja denirana u domenu D ⊂ Rn
koji sadrºi ishodi²te. Izvod od V duº trajektorije sistema 8.1 (ẋ = f (x)) je:
n n
X ∂V X ∂V
V̇ (x) = ẋ1 = fi (x) =
i=1
∂xi i=1
∂xi
 
f1 (x) (8.22)
 f (x) 
∂V  2 ∂V
.
∂V ∂V
= ...
.  = grad(V ) · f = f (x)

∂x1 ∂x2 ∂xn 
 .  ∂x
fn (x)
Treba napomenuti da je V (x) funkcija svih varijabli stanja, a V̇ (x) je izvod po x.

d
V̇ (x) = V (Φ(t, x)) (8.23)
dt
gdje je Φ(t, x) rje²enje od 8.1 koje po£inje iz inicijalnog stanja x u trenutku t = 0.
8.2 Teorema Lyapunov-a

Neka je x = 0 ta£ka ekvilibrijuma sistema 8.1 i D ⊂ Rn domen koji sadrºi x = 0. Neka je
V : D → R kontinualno diferencijabilna funkcija takva da je:
V (0) = 0
(8.24)
V (x) > 0, u D\{0}
(tj. V je pozitivno denitna funkcija)

V̇ (x) ≤ 0, u D (8.25)
66
(tj. V̇ (x) je negativno semidenitna u D)

Tada x = 0 je stabilna ta£ka ekvilibrijuma.
tavi²e, ako je V̇ (x) < 0 u D\{0} (tj. V̇ (x) je negativno denitna), tada je ta£ka ekvilibrijuma
asimptotski stabilna.
Problem teoreme je ²to daje samo dovoljne uslove, a ne i potrebne.
(Ako utvrdimo da je V (0) = 0 i V (x 6= 0) > 0 tada je takva funkcija kandidat za funkciju
Lyapunov-a).
Ukoliko se Lyapunov-a funkcija ne pronae, tada se ne moºe ni²ta govoriti o stabilnosti ta£ke
ekvilibrijuma.
Primjer 1:
Neka je dat sistem prvog reda:
ẋ = −g(x) (8.26)
r=0 + ẋ 1
x
−g(x) s
+
gdje je g(x) lokalno Lipschitz-ovo preslikavanje sa (−a, a), a > 0 i koje zadovoljava uslov:
g(0) = 0
(8.27)
xg(x) > 0, ∀x 6= 0 i x ∈ (−a, a)
Ispitati stabilnost ta£ke ekvilibrijuma navedenog sistema.
Rje²enje:
Mogu¢i dijagram od g(x) jeste kao na slici:
g(x)
x
−a a
Moºemo pretpostaviti da je funkcija V (x) kandidat za funkciju Lyapunov-a data u slede¢oj formi:
Z x
V (x) = g(y)dy (8.28)
0
Z 0
V (0) = g(y)dy = 0
0
Z x
za x > 0 =⇒ g(x) > 0 =⇒ V (x) = g(y)dy > 0 (8.29)
0
Z x Z 0 Z 0
za x < 0 =⇒ g(x) < 0 =⇒ V (x) = g(y)dy = − g(y)dy = (−g(y))dy > 0
0 x x
67
Na osnovu jedna£ina 8.29, V (x) je pozitivno denitna.

∂V
V̇ (x) = ẋ = g(x) · (−g(x)) = −g 2 (x) (8.30)
∂x
Kako je g(x) po uslovu zadatka Lipschitz-ova, ona je i neprekidna (uniformno neprekidna).
Iz toga slijedi da je i −g 2 (x) takoe neprekidna, pa je i V̇ (x) neprekidna funkcija, odnosno funkcija
V (x) je neprekidno diferencijabilna. V (x) je ispunila sve uslove, pa je V (x) kandidat za funkciju
Lyapunov-a.
Treba ispitati znak od V̇ (x).
V̇ (x) = −g 2 (x) = 0, za x = 0
2
(8.31)
V̇ (x) = −g (x) < 0, za ∀x ∈ (−a, a)\{0}
Prema tome, ta£ka ekvilibrijuma ovakvog sistema je asimptotski stabilna budu¢i da je V̇ (x) ne-
gativno denitna.
Primjer 2:
Neka je dato klatno sa trenjem:
ẋ1 = x2
(8.32)
ẋ2 = −a sin x1 − bx2
gdje su:
g
a= >0
l
k (8.33)
b= >0
m
Ispitati stabilnost ta£ke ekvilibrijuma (0, 0).
Rje²enje:
Neka je
1
V (x) = a(1 − cos x1 ) + x22 (8.34)
2
funkcija Lyapunov kandidat. V (x) je pozitivno denitna u dovoljno maloj okolini ta£ke (0, 0), a
V̇ je neprekidno diferencijabilna.
V̇ (x) = aẋ1 sin x1 + x2 ẋ2 = −(ẋ2 + bx2 )x2 + x2 ẋ2

V (x) = 0 za x = 0
(8.35)
V (x) > 0 za x 6= 0
V̇ (x) = 0 za x = 0 ali i x2 = 0
(x2 = 0 - duº ose x1 )

V̇ (x) je negativno semidenitna. Sa ovakvim izborom funkcije Lyapunov-a prema teoremi Lyapunov-
a, vrijedi da je ta£ka ekvilibrijuma samo stabilna, meutim, poznato je da je ova ta£ka ekvilibri-
juma stabilni fokus, a prema tome i asimptotski stabilna. Zbog toga treba poku²ati sa drugim
izborom funkcije Lyapunov-a.
Neka je:
1
V (x) = X T P X + a(1 − cosx1 ) (8.36)
2
gdje je P simetri£na pozitivno denitna matrica dimenzija 2x2:

p p
P = 11 12 (8.37)
p12 p22
68
X T P X je pozitivno denitna kvadratna forma

1 p11 p12 x1
V (x) = x1 x2 + a(1 − cosx1 ) (8.38)
2 p12 p22 x2
V (x) je kandidat za funkciju Lyapunov-a.

Prema Silvester-ovom kriteriju za pozitivnu denitnost matrice P , potrebno je da svi glavni minori
matrice budu pozitivni.
p11 > 0 (8.39)
p11 p22 − p212 > 0 (8.40)
Nadalje, izvod od V je:
∂V
V̇ (x) = ẋ (8.41)
∂x
pri £emu je:

1 x1
V (x) = p11 x1 + p12 x2 p12 x1 + p22 x2 + a(1 − cosx1 ) =
2 x2
(8.42)
1
= (p11 x21 + p12 x1 x2 + p12 x1 x2 + p22 x22 ) + a(1 − cosx1 )
2

∂V ∂V
ẋ1 x2
V̇ (x) = ∂x1 ∂x2 = p11 x1 + p12 x2 + asinx1 p12 x1 + p22 x2 =
ẋ2 −asinx1 − bx2
(8.43)
= (p11 x1 + p12 x2 + asinx1 )x2 + (p12 x1 + p22 x2 )(−asinx1 − bx2 ) =
= a(1 − p22 )x2 sinx1 − ap12 x1 sinx1 + (p11 − p12 b)x1 x2 + (p12 − p22 b)x22
Problem za denitnost nam predstavljaju meusobni proizvodi x1 i x2 , pa ¢emo poku²ati da
napravimo da su prvi i tre¢i £lan prethodne jedna£ine jednaki nuli, odnosno imamo da je:
1 − p22 = 0 =⇒ p22 = 1 (8.44)
p11 − p12 b = 0 =⇒ p11 = bp12 (8.45)
Iz uslova 8.40, a primjenjuju¢i uslov 8.45 imamo:
p11 p22 − p212 = bp12 p22 − p212 = p12 (bp22 − p12 ) > 0 (8.46)
Po²to je iz uslova 8.39 (p11 > 0) i iz uslova zadatka 8.33 (b > 0) imamo da je iz uslova 8.45:
p12 > 0 (8.47)
Sada je iz uslova 8.46, primjenjuju¢i uslove 8.44 i 8.47:
bp22 − p12 > 0 =⇒ b − p12 > 0 =⇒ p12 < b (8.48)
Nadalje, iz uslova 8.47 i 8.48:
0 < p12 < b (8.49)
Uzmimo da je:
1
p12 = b (8.50)
2
Sada iz uslova 8.45 primjenjuju¢i 8.50 dobijamo:
1
p11 = b2 (8.51)
2
69
Provjerimo da li je V̇ (x) negativno denitna.

1 1
V̇ (x) = −ap12 x1 sinx1 + (p12 − bp22 )x22 = − abx1 sinx1 − bx22 (8.52)
2 2
Ako odaberemo da je x1 u regionu D
0 ≤ |x1 | < π :D (8.53)
D = {x ∈ R2 ||x1 | < π} (8.54)

x1 sinx1 > 0
u regionu 0 < |x1 | < π (8.55)
bx22 > 0
x2
x1
−π π
V̇ (x) je negativno denitna funkcija u D koji obuhvata ishodi²te, pa je ta£ka ekvilibrijuma asimp-
totski stabilna.
8.3 Teorema LaSalle (princip invarijantnosti)

Neka je x = 0 ta£ka ekvilibrijuma autonomnog sistema
ẋ = f (x) (8.56)
gdje je f : D → Rn lokalno Lipschitz-ovo preslikavanje.
Neka je V : D → R kontinualno diferencijabilno preslikavanje pozitivno denitno na domenu D
koji sadrºi ishodi²te x = 0 takvo da je
V̇ (x) ≤ 0, ∀x ∈ D (8.57)
Neka je S skup svih x iz D takvih da je:
V̇ (x) = 0, (S = {x ∈ D|V̇ (x) = 0}) (8.58)
Pretpostavimo da ni jedno rje²enje ne moºe ostati u S osim trivijalnog rje²enje x(t) ≡ 0. Tada je
ishodi²te asimptotski stabilno.
70
8.4 Teorema Barbashin-Krasovskii (dodatak na teoremu Lyapunov-a)

Neka je x = 0 ta£ka ekvilibrijuma sistema 8.56. Neka je V : Rn → R kontinualno diferencijabilna
funkcija takva da je
V (0) = 0
(8.59)
V (x) > 0, ∀x 6= 0
(V (x) je pozitivno denitna).

||x|| → ∞ =⇒ V (x) → ∞ (V (x) je radijalno neograni£ena)
V̇ (x) < 0, ∀x 6= 0 (V̇ (x) je negativno denitna)
Tada je x = 0 globalno asimptotski stabilna ta£ka ekvilibrijuma.
8.5 Teorema Chetaev-a o nestabilnosti ta£aka ekvilibrijuma

Neka je V : D → R kontinualno diferencijabilna funkcija na domenu D ⊂ Rn koja sadrºi ishodi²te
x = 0. Neka je V (0) = 0 i neka postoji ta£ka x0 proizvoljno blizu ishodi²ta takva da je V (x0 ) > 0.
Izaberimo r > 0 tako da je sfera Br = {x ∈ Rn | ||x|| < r} sadrºana u D i neka je U skup svih
ta£aka u Br takvih da je V (x) > 0 (U = {x ∈ Br |V (x) > 0).
Primjer
2 2
Za funkciju V (x) = x1 −x2
2
provjeriti zadovoljenje gore navedenih uslova i odrediti skup U .
Rje²enje:
∂V
∂x1
= x1 , kontinualna funkcija u Br = {x ∈ Rn | ||x|| < r}
∂V
∂x2
= −x2 , kontinualna funkcija u Br = {x ∈ Rn | ||x|| < r}
Pa je prema tome ∂V ∂x
kontinualna funkcija, tj V̇ (x) je kontinualna funkcija.
V (x) = 0 =⇒ x21 − x22 = 0 =⇒ x2 = ±x1 (8.60)
x2 x2 = x1
V (x) > 0
x1
U
x2 = −x1
Prema tome U je skup svih ta£aka prikazanih i²rarano i za proizvoljno x0 koje je blisko ta£ki
x = 0 i x0 ∈ U vrijed da je V (x0 ) > 0.
8.6 Teorema - dovoljni uslovi nestabilnosti

Neka je ta£ka x = 0 ta£ka ekvilibrijuma sistema 8.56. Neka je V : D → R kontinualno diferenci-
jabilna funkcija takva da je V (0) = 0 i V (x0 ) > 0 za neko x0 £iji je moduo ||x0 || proizvoljno mali.
Denirajmo skup U kako je prethodno re£eno i neka je V̇ (x) > 0 u U . Tada je x = 0 nestabilna
ta£ka ekvilibrijuma.
71
8.7 Teorija stabilnosti po Lyapunov-u za linearne sisteme

Za linearni sistem
Ẋ = AX (8.61)
funkcija kandidat za funkciju Lyapunov-a je
V = XT P X (8.62)
gdje je P realna simetri£na pozitivno denitna matrica.
Izvod od V po vremenu duº trajektorija sistema 8.61 je:
d
V̇ (x) = (X T P X) = Ẋ T P X + X T P Ẋ = (AX)T P X + X T P AX =
dt (8.63)
= X T AT P A + X T P AX = X T (AT P + P A)X = −X T QX
gdje je:
Q = −(P A + AT P ), odnosno
(8.64)
− Q = P A + AT P
Ako je Q pozitivno denitna tada se po teoremi Lyapunov-a moºe zaklju£iti da je ta£ka ekvilibri-
juma linearnog sistema (sistem)asimptotski stabilna.
8.7.1 Teorema
Matrica A je Hurwitz-ova tj. Re{λi } < 0 za sve svojstvene vrijednosti od A (∀i = 1, 2, ..., n) ako i
samo ako (akko) za bilo koju pozitivno denitnu simetri£nu matricu Q postoji pozitivno denitna
simetri£na matrica P koja zadovoljava Lyapunov-u jedna£inu:
P A + AT P = −Q (8.65)
tavi²e, ako je A Hurwitz-ova, tada je P jedinstveno rje²enje gornje jedna£ine.
Primjer
Neka je Ẋ = AX gdje je
0 −1
A= (8.66)
1 −1
Ispitati stabilnost ta£ke ekvilibrijuma linearnog sistema.
Rje²enje
Budu¢i da uslovi teoreme vrijede za bilo koju pozitivno denitnu matricu Q, obi£no se uzima da
je:
1 0
Q= (8.67)
0 1
i rje²ava se Lyapunov-a jedna£ina po P .
Neka je
p11 p12
P = (8.68)
p12 p22
a Lyapunov-a jedna£ina
P A + AT P = −Q (8.69)

p11 p12 0 −1 0 1 p11 p12 1 0
+ =−
p12 p22 1 −1 −1 −1 p12 p22 0 1

p12 −p11 − p12 p12 p22 −1 0
+ = (8.70)
p22 −p12 − p22 −p11 − p12 −p12 − p22 0 −1

2p12 −p11 − p12 + p22 −1 0
=
p22 − p11 − p12 −2p12 − 2p22 0 −1
72
1
2p12 = −1 =⇒ p12 = −
2
− p11 − p12 + p22 = 0 (8.71)
p22 − p11 − p12 = 0
− 2p12 − 2p22 = −1 =⇒ p22 = 1
1 3
− p11 + + 1 = 0 =⇒ p11 = (8.72)
2 2
Pa je matrica P :
3
− 12

P = 2 (8.73)
− 21 1
Prema Silvester-ovom teoremu, glavni minori matrice P moraju biti pozitivni:
3
>0
2 (8.74)
3 11 5
− = >0
2 22 4
Prema tome, P je pozitivno denitna, pa je ta£ka ekvilibrijuma asimptotski stabilna.
8.8 Metoda varijabilnog gradijenta - Schultz-Gibson-ova metoda

Ovom metodologijom se nastoji na sistemati£an na£in odrediti funkcija Lyapunov-a. Ideja je da
se prvo predloºi vektorsko polje g(x) gradijenta potencijalne funkcije V (x), tj.
 ∂V 
∂x1
∂V  ∂V 
g(x) = ∇V =
 ∂x 
=  .2  (8.75)
∂X  .. 
∂V
∂xn
∇ - nabla operator:
∂~ ∂ ∂
∇= i + ~j + ~k (8.76)
∂x ∂y ∂z
g(x) se pretpostavlja u kvazilinearnoj formi:
   
g1 (x) a11 x1 + a12 x2 + · · · + a1n xn
 g2 (x)   a21 x1 + a22 x2 + · · · + a2n xn 
g(x) =  ..  = 
  
.
.

(8.77)
 .   .


gn (x) an1 x1 + an2 x2 + · · · + ann xn
Pri £emu su a11 − ann u op²tem slu£aju funkcije od X

aij = aij (X) (8.78)
npr. βx31 = βx21 x1 = a1 (x1 )x1 .
8.9 Uslovi za izbor g(x)

1. g(x) mora zadovoljiti uslov neprekidnost ²to proizilazi iz uslova da je V (x) neprekidno dife-
rencijabilna
73
2. Koecijent aij (x) moraju biti tako odabrani da V (x) bude pozitivno denitna pri £emu je:
Z x
V (x) = g T (y)dy (8.79)
0
3. Koecijenti aij (x) treba da budu odabrani tako da V̇ (x) bude negativno (semi)denitna
ukoliko je to mogu¢e
4. Budu¢i da je g(x) vektorsko polje gradijenta potencijalne funkcije (potencijalno polje) to je
ono bezvrtloºno, a za bezvrtloºno polje vrijedi da je rotg = 0
Napomena:  
i j k
rot~g = ∇ × ~g =  ∂x∂ 1 ∂
∂x2
∂ 
∂x3 (8.80)
g1 g2 g3
Npr.: Za n=3
 
∂g3 ∂g2
∂x2
− ∂x3
rotg =
 ∂g1
 ∂x3 − ∂g3 
∂x1  (8.81)
∂g2 ∂g1
∂x1
− ∂x2
Odnosno u op²tem
∂gi ∂gj
= , ∀i, j = 1, 2, ..., n (8.82)
∂xj ∂xi
to predstavlja dodatnih n(n−1)
2
uslova.
Drugim rije£ima, matrica:
∂2V ∂2V ∂2V
 ∂g1  
∂g1 ∂g1  ...
∂x1 ∂x2
... ∂xn ∂x2 ∂x1 ∂x1 ∂x1 ∂xn
∂g2 ∂g2 ∂g2   ∂ 2 V1 ∂2V ∂2V 
∂g(x)  ... ...
∂x22
(8.83)
 ∂x1 ∂x2 ∂xn 
 ∂x2 ∂x1 ∂x2 ∂xn 

= . = ..
 ..

∂x .
  

∂gn ∂gn ∂gn ∂2V ∂2V ∂2V
∂x1 ∂x2
... ∂xn ...
∂xn ∂x1 ∂xn ∂x2 ∂x2n
mora biti simetri£na.

Vrijedi da je:
Z x Z x1 Z x2 Z xn
T
V (x) = g (y)dy = g(y1 , 0, ..., 0)dy1 + g(x1 , y2 , ..., 0)dy2 + · · · + g(x1 , x2 , ..., yn )dyn
0 0 0 0
(8.84)
x3
x2
x1
74
Primjer:
Neka je dat sistem drugog reda:
ẋ1 = x2
(8.85)
ẋ2 = −h(x1 ) − ax2
gdje je: a > 0, h(·) - lokalno Lipschitz-ovo preslikavanje:

h(0) = 0
(8.86)
yh(y) > 0, ∀y > 0 ∧ y ∈ (−b, c), b > 0, c > 0
Mogu¢i blok dijagram ovog sistema je:

r=0 + 1
x2 1
x1
s s
+ +
−a
−h(x1 )
Moºe se predstaviti i kao:

r=0 + 1
x2 1
x1
−h(x1 ) s s
+ +
−a
Ispitati stabilnost ta£ke ekvilibrijuma (0, 0).

Rje²enje:
Biramo polje gradijenta skalarne funkcije u kvazi linearnoj formi:

α(x)x1 + β(x)x2 g1 (x)
∇V = g(x) = = (8.87)
γ(x)x1 + δ(x)x2 g2 (x)
Tada vrijedi da je:

∂V ∂V
V̇ (x) = ẋ1 + ẋ2 = g1 (x)x2 − g2 (x) [h(x1 ) + ax2 ] =
∂x1 ∂x2
= α(x)x1 x2 + β(x)x22 − γ(x)x1 h(x1 ) − γ(x)x1 ax2 − δ(x)x2 h(x1 ) − δ(x)ax22 =
(8.88)
= [α(x)x1 − aγ(x)x1 − δ(x)h(x1 )] x2 + β(x)x22 − γ(x)x1 h(x1 ) − δ(x)ax22
Problem za denitnost nam prave meuproizvodi, pa pretpostavimo da je izraz u zagradi nula.

(I) α(x)x1 − aγ(x)x1 − δ(x)h(x1 ) = 0 (8.89)
(II) β(x) = β = const (8.90)
(III) γ(x) = γ = const (8.91)
(IV ) δ(x) = δ = const (8.92)
75
Iz uslova I (jedna£ina 8.89) imamo:

α(x)x1 = aγx1 + δh(x1 ) =⇒ α(x) = f (x) (8.93)
Tj. α je samo funkcija od x. Iz uslova bezvrtloºnosti (konzervativnosti) vektorskog polja dobija
se:
∂g1 ∂g2
=
∂x2 ∂x1
(8.94)
∂α ∂β ∂γ ∂δ
x1 + x2 + β = x1 + γ + x2
∂x2 ∂x2 ∂x1 ∂x1
(V ) β = γ = const (8.95)
Prema tome uvr²tavanjem I (8.89) i V (8.95) u 8.87 imamo:

aγx1 + δh(x1 ) + γx2
g(x) = (8.96)
γx1 + δx2
Nadalje:
Z x1 Z x2 Z x1 Z x2
V (x) = g1 (y1 , 0)dy1 + g2 (x1 , y2 )dy2 = (aγy1 + δh(y1 ))dy1 + (γx1 + δy2 )dy2 =
0 0 0 0
Z x1 Z x1
1 2 1 2 1 2 2

= aγx1 + δ h(y1 )dy1 + γx1 x2 + δx2 = aγx1 + 2γx1 x2 + δx2 + δh(y1 )dy1 =
2 0 2 2 0
Z x1
T aγ γ x1
= x1 x2 +δ h(y1 )dy1
γ δ x2 0
(8.97)
(Prvi dio je kvadratna forma, dok je integral ve¢i
od nula
za ∀x 6= 0)
aγ γ
V (x) ¢e biti pozitivno denitna ako je matrica pozitivna i ako je δ > 0.
γ δ
(V I) δ > 0 (8.98)
(V II) aγ > 0 (8.99)
2
(V III) aγδ − γ > 0 =⇒ (aδ − γ)γ > 0 (8.100)
(Uslovi 8.99 i 8.100 su uslovi za pozitivnu matricu).
Budu¢i da je a > 0 po pretpostavci zadatka, to iz V II (8.99) slijedi:
(IX) γ > 0 (8.101)
Iz IX (8.101) i V III (8.100) slijedi:
(X) aδ − γ > 0 =⇒ γ < aδ (8.102)
0 < δ = const
γ = const (A)
(8.103)
0 < γ < aδ
β=γ
α(x1 )x1 = aγx1 + δh(x1 ) (B) (8.104)
V̇ (x) = −(aδ − γ)x22 − γx1 h(x1 ) (8.105)
Prvi £lan je uvijek pozitivan za x2 6= 0, dok je drugi £lan uvijek pozitivan za x1 6= 0.
Pa je V̇ (x) < 0, ∀x 6= 0. (V̇ (x) je negativno denitna.)
Po²to smo dokazali sve uslove, to je ta£ka (0, 0) asimptotski stabilna.
76
9. Frekvencijske metode analize nelinearnih sistema
9 Frekvencijske metode analize nelinearnih sistema
9.1 Metod harmonijske linearizacije (balansa) ili metod opisne funkcije.

Opisna funkcija nelinearnih blokova
Metod harmonijske linearizacije je procedura kojom se nastoji da se metode analize linearnih
sistema u frekventnom domenu primjene na nelinearne sisteme. Neka se ima sistem automatskog
upravljanja kao na donjoj slici:
r=0 + x(t) NL y(t) c(t)
G(s)
− f (x)
Pri £emu je pretpostavljeno da je nelinearno preslikavanje N L : y = f [x(t)] bezmemorijsko presli-

kavanje £ija je karakteristika simetri£na u odnosu na ishodi²te, G(s) je funkcija prenosa linearnog
dijela sistema koji je NF lter (bolje vi²eg reda).
Neka je ulaz u nelinearni blok prostoperiodi£an:
x(t) = A sin ωt (9.1)
pri £emu je prosje£na vrijednost ovog signala jednaka nuli. U tom slu£aju je i izlaz iz nelinearnog
bloka prostoperiodi£an pri £emu je perioda izlaznog signala jednaka periodi ulaznog signala. Izlaz
je neparna funkcija. Budu¢i da je y(t) periodi£na funkcija vremena, ona se moºe razviti u Fourier-
ov red: ∞ ∞
a0 X
(9.2)
X
y= + ak cos kωt + bk sin kωt
2 k=1 k=1
a0 je srednja vrijednost signala na periodu:
2 T 2 T
Z Z
a0 = y(t)dt = f (x(t))dt (9.3)
T 0 T 0
Budu¢i da je y(t) periodi£an neparan signal, njegova prosje£na vrijednost je jednaka nuli.
2 T 2 T
Z Z
a0 = y(t)dt = f (x(t))dt = 0 (9.4)
T 0 T 0
2 T 2 T
Z Z
ak = y(t) cos kωtdt = f (x(t)) cos kωtdt (9.5)
T 0 T 0
Po²to se radi o neparnom signalu:
ak = 0 (9.6)
T
2 T
Z Z
2
bk = y(t) sin kωtdt = f (x(t)) sin kωtdt 6= 0 (9.7)
T 0 T 0
Ako se pretpostavi da je G(s) NF lter, tada ¢e on propu²tati samo osnovni harmonik, dok ¢e vi²i
harmonici biti prigu²eni.
y(t) ≈ b1 sin ωt (9.8)
Odnosno, izlazni signal je iste frekvencije i faze kao i ulazni, samo izmjenjene amplitude.
U op²tem slu£aju, ako je stati£ka nelinearnost sa memorijom i opet centralno simetri£na u odnosu
na ishodi²te, tada izlazni signal u op²tem nije ni parna ni neparna funkcija, tj. izlazni signal je
77
fazno pomjeren u odnosu na ulazni. Kako je centralno simetri£an u odnosu na ishodi²te, to je i

sada:
a0 = 0 (9.9)
U ovom slu£aju je izlazni signal:
y ≈ a1 cos ωt + b1 sin ωt (9.10)
Odnosno: !
a1 b1
q
y(t) = a21 + b21 p cos ωt + p 2 sin ωt (9.11)
a21 + b21 a1 + b21
√ a21
a1 +b21
i √ab21+b2 su po modulu uvijek manji od 1.
1 1
y(t) ≈ N1 (sin ϕ cos ωt + cos ϕ sin ωt) =

(9.12)
= N1 sin (ωt + ϕ)
q
N1 = a21 + b21
a1
ϕ = arctg
b1 (9.13)
a1 = N1 sin ϕ
b1 = N1 cos ϕ
Sinusoida iz jedna£ine 9.12 u vremenskom domenu moºe biti zapisana u kompleksnom domenu:
y(jω) ≈ N1 ej(ωt+ϕ) = (N1 cos ϕ + jN1 sin ϕ)ejωt = (b1 + ja1 )ejωt (9.14)
Sli£no konceptu frekventnog odziva (frekventne funkcije prenosa) deni²e se opisna funkcija
nelinearnih elemenata kao kompleksni odnos komponente izlaza nelinearnog elementa i ulazne
sinusoide.
N1 ej(ωt+ϕ) N1 ϕ 1
N (A, ω) = jωt
= e = (b1 + ja1 ) = g(A, ω) + jd(A, ω) (9.15)
Ae A A
pri £emu je: Z 2π
b1 1 1
g(A, ω) = = f (A sin u) sin udu = I1 (9.16)
A πA 0 πA
Z 2π
a1 1 1
d(A, ω) = = f (A sin u) cos udu = I2 (9.17)
A πA 0 πA
Ako je bezmemorijsko preslikavanje, tada je opisna funkcija £isto realan broj i nezavisna od ulazne
frekvencije.
Primjer
Odrediti opisnu funkciju idealnog dvopoloºajnog releja.
y y(t) x(t) = A sin u · A sin ωt
π
2 π
x t
-K
78
Rje²enje:
N (A) = g(A) + jd(A) (9.18)

Z 2π Z π Z 2π
1 1 1 1
g(A) = I1 = f (A sin u) sin udu = K sin udu + (−K) sin udu =
πA πA 0 πA 0 πA π
−K K −K K
= cos u|π0 + cos u|2π
π = (−1 − 1) + (1 − (−1))
πA πA πA πA
(9.19)
4K
g(A) = (9.20)
πA
Z 2π Z π Z 2π
1 1 1 1
d(A) = I2 = f (A sin u) cos udu = K cos udu + (−K) cos udu =
πA πA 0 πA 0 πA π
K K K K
= sin u|π0 − sin u|2π
π = (0 − 0) − (0 − 0) = 0
πA πA πA πA
(9.21)
4K
N (A) = (9.22)
πA
Vidimo da je opisna funkcija £isto realan broj.
Neka sada imamo dvopoloºajni relej sa histerezisom.
y
+L
−S +S u
−L


 −L, u < −S
−L, −S ≤ u ≤ +S, ẋ > 0

y = f (u) = (9.23)

 +L, u > +S
+L, −S ≤ u ≤ +S, ẋ < 0

U principu se ovakav relej predstavlja sa sistemom sa 2 ulaza i jednim izlazom.

x
f (x, ẋ) y
ẋ
y = f (x, ẋ) (9.24)

Sada je:
1 1 2π
Z Z 2π
1
y(t) = f (A sin u, ωA cos u)du + f (A sin u, ωA cos u) sin udu · sin ωt+
2 π 0 π 0
Z 2π (9.25)
1
+ f (A sin u, ωA cos u) cos udu · cos ωt + visi harmonici
π 0
79
x = A sin ωt = A sin u, u = ωt (9.26)

ẋ = ωA cos ωt = ωA cos u, u = ωt (9.27)
Uzimamo u obzir samo prvi harmonik, te uzimaju¢i u obzir da je srednja vrijednost jednaka nuli,
imamo:
Z 2π
1
y(t) ≈ f (A sin u, ωA cos u) sin udu · A sin ωt+
πA 0
Z 2π (9.28)
1 1
+ f (A sin u, ωA cos u) cos udu · Aω cos ωt
ω πA 0

1
y(A) = g(A) + d(A)p x(t) (9.29)
ω
p = jω (9.30)
Y (jω) = [g(A) + jd(A)] X(jω) (9.31)
Dobijamo da je opisna funkcija idealnog dvopoloºajnog releja sa histerezisom:
N (A) = g(A) + jd(A) (9.32)
Primjer:
Odrediti opisnu funkciju idealnog dvopoloºajnog releja sa histerezisom
y y(t)
+L
+L
u1 u1 + π u1 + 2π
−S +S x u = ωt
−L
−L
A
x(u)
u1
−u1 + π
u1 + π
−u1 + 2π
u = ωt
80
S
A sin u1 = +S =⇒ sin u1 = (9.33)
A
S
u1 = arcsin (9.34)
A
Razmatrajmo slu£aj A > S
Z u1 +2π
1
g(A) = f (A sin u, ωA cos u) sin udu =
πA u1
Z u1 +π Z u1 +2π
1 1 L L
= L sin udu + (−L) sin udu = (− cos u)|uu11 +π + (cos u)|uu11 +2π
+π =
πA u1 πA u1 +π πA πA
L L 4L
= [−(− cos u1 ) + cos u1 ] + [cos u1 − (− cos u1 )] = cos u1 =
πA s πA πA
2
4L p 2 4L S
= 1 − sin u1 = 1−
πA πA A
(9.35)
Z u1 +2π
1
d(A) = f (A sin u, ωA cos u) cos udu =
πA u1
Z u1 +π Z u1 +2π
1 1 L L
= L cos udu + (−L) cos udu = (sin u)|uu11 +π − (sin u)|uu11 +2π
+π =
πA u1 πA u1 +π πA πA
L L −4L
= [− sin u1 − sin u1 ] − [sin u1 − (− sin u1 )] = sin u1 =
πA πA πA
−4L S −4LS
= =
πA A πA2
(9.36)
s s 
2 2
4L S 4LS 4L  S S
N (A) = 1− −j 2
= 1− − j  = Re + jIm (9.37)
πA A πA πA A A
Razmotrimo slu£aj da je A ≤ S
y(t) = +S ili y(t) = −S (9.38)
i nema komutacije.
Budu¢i da je y(t) = const slijedi da je:
I1 = I2 = 0 (9.39)
pa je:
N (A, ω) = 0 (9.40)
r=0 + x(t) y(t) c(t)
N (A, ω) G(s)
−
Pretpostavili smo da je izlaz c(t) periodi£an, a to je mogu¢e samo ako u sistemu postoje oscilacije,
odnosno grani£ni ciklus. Opisana metoda linearizacije se zove harmonijska metoda linearizacije
ili metoda harmonijskog balansa (metod opisne funkcije). Metodologija prvenstveno sluºi za pre-
dikciju grani£nog ciklusa. Ovom metodologijom se moºe objasniti rad mnogih sklopova kao ²to
81
su oscilatori, sigma-delta AD konvertori, PWM modulatori, odnosno svi sklopovi koji pokazuju
fenomen grani£nih ciklusa, a mogu se razdvojiti na linearni i nelinearni dio.
Znamo da ¢e se pojaviti oscilacije u sistemu kada je ispunjen sljede¢i uslov:
1 + N (A, ω) · G(jω) = 0 (9.41)
odnosno kada Nyquist-ov dijagram prolazi kroz ta£ku (−1, j0).
Jedna£ina 9.41 se zove jadna£ina harmonijskog balansa. Iz nje (jedna£ine 9.41) slijedi:
1
+ G(jω) = 0 (9.42)
N (A, ω)
Rje²avaju¢i 9.42 po A i ω mogu se dobiti rje²enja za amplitudu i frekvenciju oscilacija (A i ω ).
Meutim, sva rje²enja ne moraju dati stabilne oscilacije (stabilne grani£ne cikluse). Ova jedna£ina
se moºe rije²iti analiti£ki i gra£ki.
9.1.1 Analiti£ki metod

G(jω) = u(ω) + jv(ω) (9.43)
N (A, ω) = g(A, ω) + jd(A, ω) (9.44)
Iz jedna£ine harmonijskog balansa slijedi:
G(jω) · N (A, ω) = −1 (9.45)
[u(ω) + jv(ω)] · [g(A, ω) + jd(A, ω)] = −1 + j0 (9.46)
Izjedna£avaju¢i realne i imaginarne dijelove dobijamo sistem od dvije jedna£ine sa dvije nepoznate:
u(ω)g(A, ω) − v(ω)d(A, ω) = −1
(9.47)
v(ω)g(A, ω) + u(ω)d(A, ω) = 0
Odredimo realna rje²enja:
Ai , ωi , i = 1, 2, . . . (9.48)
Neka od rje²enja ¢e dati stabilan grani£ni ciklus.
9.1.2 Gra£ki metod

U kompleksnoj ravnini nacrta se kriva N−1(A)
koja se zove kriti£na kriva, variraju¢i parametar A od
0 do +∞. U istoj ravni nacrta se Nyquist-ov dijagram G(jω). Sa presjeka ove dvije krive o£ita
(odredi) se amplituda i frekvencija (A i ω ) oscilacija.
Im
(A2 ,ω2 )
Ta£ka stabilnog
grani£nog ciklusa
Re
(A1 ,ω1 )
Ta£ka nestabilnog
grani£nog ciklusa G(jω)
82
10. Metode upravljanja nelinearnim sistemima
Presjek ove dvije krive odreuje stabilni ili nestabilni grani£ni ciklus ²to se moºe odrediti prema
sljede¢em kriteriju:
Svaka ta£ka presjeka krive G(jω) i kriti£ne krive − N (A)
1
odgovara grani£nom ciklusu. Ako ta£ka
blizu ta£ke presjeka i duº krive − N (A) u smjeru pove¢anja A nije obuhva¢ena krivom G(jω) tada
1
je odgovaraju¢i grani£ni ciklus stabilan. Ina£e je grani£ni ciklus nestabilan.
10 Metode upravljanja nelinearnim sistemima
10.1 Metoda autotuninga (samopode²avanja) parametara PID kontro-

lera bazirana na relejnoj povratnoj sprezi
Neka se ima sistem automatskog upravljanja kao na slici:
r(t) = 0 + 2 y(t)
− 1, 3
SISTEM
PID
U normalnom radu prekida£ je u poziciji 1, tj. PID regulator je uklju£en. Meutim, kada se ºeli
obaviti autotuning parametara PID regulatora, prekida£ se prebaci u poziciju 2, tj. upravljanje
se prebaci na idealni dvopoloºajni relej, izazove se grani£ni ciklus, odredi se period oscilacija T,
odnosno frekvencija oscilacija ω . Takoe se odredi kriti£no poja£anje k = N (A) gdje je N (A)
opisna funkcija idealnog dvopoloºajnog releja. Na osnovu Ziegler-Nichlos preporuka se odrede
parametri PID regulatora, a zatim se upravljanje prebaci na PID regulator (prekida£ u poziciju
3).
Primjer
Neka se ima sistem automatskog upravljanja kao na prethodnoj slici pri £emu je funkcija prenosa
sistema:
6
G(s) = (10.1)
(s + 1)(s + 2)(s + 3)
Ispitati mogu¢nost postojanja oscilacija u sistemu sa idealnim dvopoloºajnim relejem (prekida£ u
poziciji 2) kao i parametre PID regulatora prema Ziegler-Nichlos preporukama.
Rje²enje:
Opisna funkcija idealnog dvopoloºajnog releja je:
4k
N (A) = (10.2)
πA
83
1 πA
− =− (10.3)
N (A) 4k
Im
Ta£ka stabilnog
grani£nog ciklusa
G(jω)
−1
N (A) ω→∞ A
K ω→0 Re
6
G(jω) = =
(jω + 1)(jω + 2)(jω + 3)
6 6
= 2
= =
(2 − ω + 3jω)(jω + 3) 3(2 − ω ) − 3ω + [(2 − ω 2 )ω + 9ω] j
2 2
6 6 [6(1 − ω 2 ) − (11 − ω 2 )ωj] (10.4)

= = =
6(1 − ω 2 ) + (11 − ω 2 )ωj [6(1 − ω 2 )]2 + [(11 − ω 2 )ω]2
36(1 − ω 2 ) 6(11 − ω 2 )ω
= − j
[6(1 − ω 2 )]2 + [(11 − ω 2 )ω]2 [6(1 − ω 2 )]2 + [(11 − ω 2 )ω]2
Presje£ne ta£ke A i K se dobijaju iz jedna£ina:
Im{G(jω)} = 0 (10.5)
√
(11 − ω 2 )ω = 0 =⇒ ωA = 0, ωK = 11 (10.6)
2π
T =√ , ω = ωK = ωπ (10.7)
11
arg{G(jωπ )} = −π (10.8)
2
36(1 − ωK ) −1
Re{G(jωK )} = 2 2 = (10.9)
2
[6(1 − ωK 2
)] + [(11 − ωK )ωK ] 10
Za ω = ωK je:
1
− = G(jω) (10.10)
N (A)
odnosno
πA −1 4k 2k
− = =⇒ A = = (10.11)
4k 10 10π 5π
4k 4k
Kkr = N (A) = = π2k = 10 (10.12)
πA 5π
Na osnovu Ziegler-Nichols preporuka odreuju se parametri kontrolera.
Kp Ti Td
P 0.5 Kkr ∞ 0
PI 0.45 Kkr 0.833 T 0
PID 0.6 Kkr 0.5 T 0.125 T
84
Funkcija kontrolera je
1
GP ID = KP 1 + Td s + (10.13)
Ti s
Prema tome, algoritam autotuninga je:
1. Iz jedna£ine − N (A)
1
= G(jωπ ) odrediti amplitudu oscilacija i ωk tj. T = 2π
ωk
iz dvije jedna£ine
za realni i imaginarni dio.
2. Kriti£no poja£anje Kkr = N (A) = −1
G(jωπ )
3. Primjeniti Ziegler-Nichols preporuke.
10.2 Relejno upravljanje

10.2.1 Regulatori sa dvopoloºajnim djelovanjem
Kontinualni regulatori generiraju upravlja£ki signal koji moºe uzeti vrijednosti izmeu minimalne
Umin i maksimalne Umax . Dvopoloºajni regulatori generiraju dvije diskretne vrijednosti upravlja£-
kog signala Umin i Umax , odnosno regulator moºe biti samo u uklopljenom i isklopljenom stanju.
Naj£e²¢e kori²teni dvopoloºajni regulator je dvopoloºajni relej sa histerezisom.
Umax
r(t) + e(t) u(t) c(t)

G(s)
−
e
∆c
e(t) = r(t) − c(t) (10.14)

Stati£ka karakteristika idealnog dvopoloºajnog releja je data na slici:
u
Umax
isklop
∆c
− ∆c ∆c e
2 2 uklop
Umax
∆c u = f (e)
Umin = 0 r e
85
c=r−e (10.15)
Kada je upravljana (regulirana) veli£ina manja od vrijednosti reference r, regulator na izlazu daje
puni upravlja£ki signal Umax , koji predstavlja uklop izvr²nog sistema (aktuatora). Kada je uprav-
ljana veli£ina ve¢a od reference r, tada regulator daje na izlazu Umin , tj. izvr²ni £lan je isklju£en.
Meutim, zbog postojanja histereze, uklapanje nastaje kada gre²ka e = r − c poraste iznad vri-
jednosti e = ∆c
2
, odnosno isklapanje nastaje kada gre²ka opadne ispod vrijednosti e = − ∆c 2
. irina
histereze je ∆c.
Dvopoloºajni regulatori mogu biti elektri£ni, mehani£ki, hidrauli£ki, pneumatski ili kombinirani.
Upotrebljavaju se za reguliranje pritiska, temperature, nivoa, itd. Pogodni su za digitalnu realiza-
ciju budu¢i da nije potrebno koristiti DA konvertore. Prednosti kori²tenja dvopoloºajne regulacije
su jednostavnost i mala cijena izvedbe. Nedostaci su njihanje upravlja£ke veli£ine (i upravljane
veli£ine), udari u mreºi zbog uklapanja i isklapanja, tro²enje kontakata, itd.
10.2.2 Dvopoloºajna regulacija proporcionalnih procesa

Za primjer, neka se ima tehni£ki proces grijanja prostorije. Kada grija£ ne djeluje temperatura
u prostoriji je jednaka temperaturi okolike (15o ). Ako se sada grija£ uklju£i koji daje uprav-
lja£ki signal 5kW , temperatura u prostoriji po£inje da raste do temperature Cmax (npr. 25o ).
T je vremenska konstanta prostorije. Ako se isklju£i grija£ nakon ²to je dostignuta maksimalna
temperatura, temperatura prostorije zbog gubitaka po£inje da pada ka C0 . Proces prvog reda
za relativno male devijacije oko radne ta£ke su sa odzivom bez preskoka (vi²eg reda) kao kod
Ziegler-Nichols-a:
(10.16)
t
C(t) = C0 + (Cmax − C0 )(1 − e− T )
Funkcija proces moºe se predstaviti kao:
K
Gp (s) = e−Tm s (10.17)
Ts + 1
pri £emu je e−Tm s £isto transportno ka²njenje, a Tm vremenska konstanta sistema prvog reda. Za
na² konkretan primjer je:
Cmax − C0 10o C o
C
K= = =2 (10.18)
umax 5kW kW
Odziv sistema ima izgled kao na slici:
C
Tm T
Cmax = 25o C
C0 = 15o C
0.2 1.2 Isklop t
Uklop
Tm = 0.2 =⇒ T = 1
86
U
Umax
r(t) = 0 + e(t) u(t) c(t)

K
T s+1
e−Tm s
−
e
∆c
Slika 10.1:
Uklapanjem i isklapanjem moºemo posti¢i temperaturu izmeu (C0 , Cmax ). Neka imamo proces
bez £istog transportnog ka²njenja i neka se razmatra samo devijacija temperature oko radne ta£ke
pri £emu se ofset od 15o C ne uzima u obzir.
Slika A.1 se nalazi u dodatku ovog dokumenta (na kraju).
U slu£aju da prekinemo povratnu spregu i da je regulator uklju£en, upravljana varijabla bi narasla
na C∞ .
Umax K
C = C∞ = lim s = KUmax (10.19)
s→0 s Ts + 1
U tom slu£aju bi se odziv sistema kretao po krivoj a. Kada bismo nakon dostizanjat C∞ isklju£ili
regulator temperatura prostorije bi opadala po krivoj b odnosno po zakonu e− T . Neka sada
imamo sistem sa zatvorenom povratnom spregom i neka je referenca postavljena na r = 0.5C∞
u trenutku 1. U tom slu£aju temperatura bi rasla paralelno krivoj a i kada upravljana varijabla
dostigne referencu, regulator bi se trebao islju£iti, ali zbog postojanja histereze, regulator se isklju£i
tek kada upravljana varijabla dostigne C = r + ∆c 2
. Zatim opada paralelno krivoj b, i ne uklju£uje
se sve dok se ne dostigne C = r − 2 . Proces se dalje nastavlja i prakti£no izlazni signal po£inje
∆c
da osciluje, dolazi do njihanja oko referentne vrijednosti, pri £emu ¢e veli£ina njihanja biti upravo
veli£ina histereze. Razmah njihanja je Cd = ∆c. Izlaz osciluje izmeu r − ∆c 2
i r + ∆c
2
, pri £emu je
srednja vrijednost izlaza r. Ako smanjimo referentnu vrijednost na 0.2C∞ , prema slici vidimo da
¢e izlazni signal varirati izmeu r − ∆c
2
i r + ∆c2
, dok se je frekvencija smanjila kao i faktor ispune.
Najve¢a frekvencija i faktor ispune upravljanog signala je u slu£aju r = 0.5C∞ , pri £emu je gre²ka
stacionarnog stanja jednaka nuli.
ess = r − Csr (10.20)
Neka imamo slu£aj da imamo regulator bez histerezisa, pri £emu proces ima £isto transportno
ka²njenje.
Ako uklju£imo grija£, tada se temperatura mijenja po krivoj c. Neka je r = 0.8C∞ . U tom slu-
£aju kada izlazni signal dostigne r grija£ ¢e se isklju£iti, a tot isklju£enje ¢e se osjetiti tek nakon
Tm . Tada po£inje da opada temperatura po zakonu C∞ e− T . Kada temperatura opadne ispod
r = 0.8C∞ grija£ ¢e se uklju£iti, meutim temperatura opada za vrijeme Tm , te se tek tada po£ne
osje¢ati uticaj grija£a. Postojati ¢e gre²ka stacionarnog stanja, jer srednja vrijednost izlaza nije
jednaka referentnoj. Frekvencija preklapanja je najve¢a za r = 0.5C∞ . U slu£aju da je r = 0.5C∞ ,
tada je srednja vrijednost izlaznog signala jednaka referentnom signalu. Ako je r 6= 0.5C∞ dobija
se gre²ka stacionarnog stanja. Za r < 0.5C∞ gre²ka stacionarnog stanja ¢e biti negativna, dok za
r > 0.5C∞ gre²ka stacionarnog stanja ¢e biti pozitivna.
Neka imamo regulator sa histerezisom i imamo £isto transportno ka²njenje.
Za odreivanje njihanja, frekvencije i gre²ke stacionarnog stanja koriste se pribliºne metode.
Eksponencijalnu funkciju ¢emo aproksimirati sa linearnom funkcijom u ta£ki kada regulirana ve-
li£ina C dostiºe referencu.
87
Tm
∆c1
cd ∆c
∆c2
tra trb
Tm
T1 T2
Izvod krive a = C∞ (1 − e− T ) u ta£ki t = tra je:

t
t
da d(C∞ (1 − e− T )) 1 C∞ − tra
(10.21)
tra
|t=tra = |t=tra = −C∞ e− T (− ) = e T
dt dt T T
Za t = tra je:
(10.22)
tra
r = C∞ (1 − e− T )
r
(10.23)
tra
= 1 − e− T
C∞
r
(10.24)
tra
e− T = 1 −
C∞
Prema tome, nagib krive a je:
dc C∞ − tra C∞ r 1
|t=tra = e T = (1 − ) = (C∞ − r) (10.25)
dt T T C∞ T
Nadalje:
∆c1 1
= (C∞ − r) (10.26)
Tm T
Tm
∆c1 = (C∞ − r) . . . (A) (10.27)
T
Izvod krive b = C∞ e− T u ta£ki t = trb je:
t
t
db d(C∞ e− T ) C∞ − trb
|t=trb = |t=trb = − e T (10.28)
dt dt T
Za t = trb je:
trb
r = C∞ e− T (10.29)
trb r
e− T = (10.30)
C∞
Prema tome, nagib krive b je:
dc C∞ r r
|t=trb = − =− (10.31)
dt T C∞ T
Nadalje:
∆c2 r
= (10.32)
Tm T
88
Tm
∆c2 = r . . . (B) (10.33)
T
Sumiraju¢i (A) i (B) sa ∆c dobijamo:
Tm Tm
cd = ∆c + [(C∞ − r) + r] = ∆c + C∞ . . . (C) (10.34)
t T
Prema tome, valovitost izlaznog signala je ve¢a ²to je ve¢a ²irina histereze, transportno ka²njenje,
odnosno ²to je manja vremenska konstanta sistema i ²to je ve¢a ustaljena vrijednost C∞ = KUmax
izlaznog signala, odnosno ²to je ve¢e poja£anje sistema K .
Iz nagiba pravaca sa slike je vidljivo:
cd 1
= (C∞ − r) (10.35)
T1 T
i cd r
= (10.36)
T2 T
Ako saberemo ove dvije jedna£ine dobijamo:
T1 T2 T T
+ = + (10.37)
cd cd C∞ − r r
C∞
Tp = T1 + T2 = cd T (10.38)
r(C∞ − r)
Kori²tenjem formule (C) dobijamo:
Tm C∞ C∞ (Tm + T C∆c )
Tp = (∆c + C∞ )T = ∞
(10.39)
T r(C∞ − r) r(1 − Cr∞ )
Tm + T C∆c
Tp = r
∞
r . . . (D) (10.40)
C∞
(1 − C∞
)
1
fp = (10.41)
Tp
Period oscilacija je ve¢i ²to je ve¢e Tm i T i ²to je ve¢a ²irina histereze ∆c. Minimalan period se
dobija ja r = 0.5C∞ .
Maksimalna vrijednost izlaznog signala Cmax je:
∆c 1
Cmax = r + + (C∞ − r)Tm (10.42)
2 T
Minimalna vrijednost izlaznog signala Cmin je:
∆c r
Cmin = r − − Tm (10.43)
2 T
Prosje£na vrijednost izlaznog signala Csr je:

1 Tm C∞
Csr = (Cmax + Cmin ) = r + −r . . . (E) (10.44)
2 T 2
Gre²ka stacionarnog stanja je:

Tm C∞ Tm C∞
Ce = ess = r − Csr = − −r = r− . . . (F ) (10.45)
T 2 T 2
89
Vrijedi da je:
Za r = 0.5C∞ gre²ka je ess = 0
Za r > 0.5C∞ gre²ka je pozitivna ess > 0
Za r < 0.5C∞ gre²ka je negativna ess < 0
Primjer
Za regulirani sistem na slici 10.1 odrediti pri ∆c = 2o C , K = 2 kW , T = 1h, Tm = 0.2h, C∞ = 10o C ,
oC
r = 7o C i temperaturi okoline Co = 15o C , karakteristi£ne parametre pomo¢u jedna£ina (A) − (F )

i pomo¢u simulacije.
Rje²enje
Prema formulama je:
Tm 0.2
cd = ∆c + C∞ = 2 + 10 = 4o C (10.46)
T 1
Tm + T C∆c 0.2 + 1 102
Tp = r ∞
= 7 = 1.9h (10.47)
C∞
(1 − Cr∞ ) 10
7
(1 − 10 )

Tm C∞ 0.2
Csr = r + −r =7+ (5 − 7) = 6.6o C (10.48)
T 2 1
Csraps = Co + Csr = 15 + 6.6 = 21.6o C (10.49)

Tm C∞
Ce = r− = 0.2(7 − 5) = 0.4o C (10.50)
T 2
Simulacijom:
cd = 3.5o C (10.51)
Tp = 1.7h (10.52)
Csr = 6.6o C (10.53)
Ce = 0.4o C (10.54)
10.2.3 Dvopoloºajna regulacija integralnih procesa

Proporcionalne procese pri dvopoloºajnoj regulaciji je mogu¢e regulirati sa nivoima Umax i 0.
Budu¢i da pri u = Umax upravljanja veli£ina raste, dok pri u = 0 opada. Integralni proces
(proces sa astatizmom 1), pri upravlja£koj veli£ini nula, odrºava vrijednost regulirane veli£ine.
Zbog toga je za uspje²nu realizaciju potrebno realizirati negativnu upravlja£ku veli£inu. Ovo
zahtjeva uvoenje dodatnih elemenata u aktuator. Meutim, ako kod integralnih procesa postoji
konstantno odvoenje energijskog ili masenog toka, tada je mogu¢e primjeniti relejno dvopoloºajno
upravljanje (0 i Umax ). Odvoenje (gubitak) energije odnosno mase, moºemo predstaviti kao
konstatnu smetnju. Neka se za primjer ima hidrauli£ki proces na slici.
90
Reg
u
k2 Tm
qul1
qizl = const
pumpa
qul
c k1
Matemati£ki model sistema je:

dc
= qul − qizl
k1 (10.55)
dt
k1 - uidni kapacitet, qul - ulazni zapreminski protok, qizl - izlazni zapreminski protok, c - visina
teku¢ine u tanku (regulirana veli£ina).
Pretpostavljaju¢i da postoji mrtvo vrijeme Tm , kao vrijeme da teku¢ina doe od ventila do posude,
kao i da je konstrukcijska karakteristika ventila proporcionalna, to je:
dc
k1 = k2 u(t − Tm ) − qizl (10.56)
dt
qizl smatramo kao konstatnu smetnju u ulaznom dijelu sistema. Strukturni blok dijagram je
prikazan na slici:
Umax
qizl
r(t) + e(t) u(t) qul − 1 1
c(t)
−
k2 e−Tm s + k1 s
e
∆c
Kada je upravlja£ka veli£ina u = Umax po isteku vremena Tm posuda se puni po zakonu:

Z t
1 1
c= (k2 Umax − qizl )dτ + c1 = (k2 Umax − qizl )t + c1 . . . (A) (10.57)
k1 0 k1
c1 - integralna konstanta - po£etna visina vode.
Kada je u = 0 posuda se prazni:
1 t
Z
1
c= (−qizl )dτ + c2 = (−qizl )t + c2 . . . (B) (10.58)
k1 0 k1
1
tgα1 = (k2 Umax − qizl ) (10.59)
k1
91
1
− tgα2 = (−qizl ) (10.60)
k1

1
α1 = arctg (k2 Umax − qizl ) (10.61)
k1

1
α2 = arctg qizl (10.62)
k1
Sa slike je vidljivo da je njihanje:
cd = ∆c + Tm (tgα1 + tgα2 ) (10.63)
Njihanje je ve¢e ²to je ve¢a histereza i transportno ka²njenje, odnosno ²to su manje vremenske
konstante punjenja t1 i t2 .
∆c
Cmax = r + + tgα1 Tm (10.64)
2
∆c
Cmin = r − − tgα2 Tm (10.65)
2
1 1
Csr = (Cmax + Cmin ) = r + Tm (tgα1 − tgα2 ) (10.66)
2 2
Tm
Ce = (tgα2 − tgα1 ) (10.67)
2
Tp = 2Tm + t1 + t2 (10.68)
gdje je iz:
cd cd
= tgα1 =⇒ t1 = − Tm (10.69)
t1 + Tm tgα1
cd cd
= tgα2 =⇒ t2 = − Tm (10.70)
t2 + Tm tgα2
10.3 Upravljanje kliznim reºimom (Sliding mode control)

Neka je dat linearan sistem drugog reda:
ẋ1 = x2
(10.71)
ẋ2 = −a0 x1 − a1 x2 + u
Pri £emu su a0 , a1 koecijenti, dok je upravljanje u = −kx1 .

Prema tome sistem je upravljan u povratnoj sprezi. Nadalje, model sistema u prostoru stanja je:

ẋ1 0 1 x1
= (10.72)
ẋ2 −(a0 + k) −a1 x2
Zavisno od vrijednosti parametara a0 i a1 , kao i koecijenta k dobijaju se razli£ite svojstvene

vrijednosti matrice sistema, pa prema tome i razli£iti tipovi ta£aka ekvilibrijuma. Svojstvene
vrijednosti matrice sistema su rje²enja karakteristi£ne jedna£ine:
λ2 + a1 λ + (a0 + k) = 0 (10.73)
Odavdje se dobija: p
−a1 ± a21 − 4(a0 + k)
λ1,2 = (10.74)
2
Ukoliko je:
92
• a1 > 0 i a21 − 4(a0 + k) < 0 - svojstvene vrijednosti su konjugovano kompleksne, pa je ta£ka

ekvilibrijuma stabilan fokus.
• a1 > 0 i a21 − 4(a0 + k) > a21 ²to je mogu¢e ukoliko je a0 + k < 0 - ta£ka ekvilibrijuma je tipa
sedlo jer je λ1 > 0 i λ2 < 0.
Svojstveni vektori matrice sistema se dobijaju kao rje²enja jedna£ine:
(λI − A)Xs = 0 (10.75)

λ 0 0 1 x1
− =0 (10.76)
0 λ −(a0 + k) −a1 x2

λ −1 x1
=0 (10.77)
a0 + k a1 + λ x2
x2 = λx1 (10.78)
Ako se uzme da je λ = λ1 ili λ = λ2 , druga jedna£ina je zavisna jer je:
det(A − λ1,2 I) = 0 (10.79)
Odnosno:
rang(A − λI) = 2 − 1 (10.80)
• Za λ = λ1 je
x1 =11
x2 = λ1 x1 =⇒ v1 = (10.81)
λ1
• Za λ = λ2 je
1
x1 =1
x2 = λ2 x1 =⇒ v2 (10.82)
λ2
x2
v1 (λ1 > 0)
Tip sedlo λ2 < 0 < λ1
x1
Stabilne trajektorije
v2 (λ2 < 0)
Neka k moºe uzimati dvije vrijednosti α i β i neka je nadalje izbor ovih vrijednosti odreen znakom
kontinualne funkcije s = s(x1 , x2 ) pri £emu je u = −kx1 i:

α, s(x1 , x2 ) > 0
k= (10.83)
β, s(x1 , x2 ) < 0
93
α i β su konstante, a s(x1 , x2 ) je neprekidna funkcija stanja sistema.

Pona²anje £itavog sistema zavisi od izbora α i β kao i skupa ss = {x|s(x1 , x2 ) = 0}. Izborom
navedenih parametara moºe se dobiti ºeljena forma faznog portreta u ºeljenim segmentima fazne
ravnine, pri £emu se pona²anje sistema naglo mijenja na prekida£koj liniji s(x1 , x2 ) = 0. Neka su α
i β odabrani tako da je za k = β fazni portret sistema tipa stabilni fokus, a za k = α fazni portret
je tipa sedlo. Nadalje, neka je odabrano da se preklapanje (komutacija) obavlja na linijama:
s1 (x1 , x2 ) = x2 + µ1 x1 = 0, µ1 > 0 (10.84)
s2 (x1 , x2 ) = x1 = 0 (10.85)
Fazni portret sistema za slu£aj λ2 < 0 < λ1 i 0 < −λ2 < µ1 je prikazan na slici:
x2
x2 = −µ1 x1
x2 = λ2 x1 (x10 , x20 ) x2 = λ 1 x1
Sedlo
u = −αx1
Stabilan fokus
u = −βx1
x1
Stabilan fokus
Sedlo
Linije
preklapanja
Kretanje je odreeno sa dva tipa strukture sistema koje su odreene sa izborom u = −αx1 ili
u = −βx1 . Ovo je dakle sistem sa promjenljivom strukturom (SPS). Treba napomenuti da su λ1
i λ2 izra£unate za vrijednosti k = −α tj. kao svojstvene vrijednosti matrice sistema:
ẋ1 = x2
(10.86)
ẋ2 = −a0 x1 − a1 x2 − αx1 = −(a0 + α)x1 − a1 x2
Neka je prva linija komutacije

s1 (x1 , x2 ) = x2 + µ1 x1 = 0 (10.87)
odabrana tako da je 0 < µ1 < −λ2 .
94
x2
x2 = λ 2 x1 (x10 , x20 ) x2 = λ1 x1
x2 = −µ1 x1 1
Sedlo
u = −αx1
Stabilan fokus
u = −βx1
2
x1
3
A
Sedlo
?
4
O£ito je da kada fazna trajektorija sistema stigne u ta£ku A ne¢e se nastaviti kretati po trajektoriji
(4) budu¢i da trajektorija (4) ide po liniji preklapanja
s1 (x1 , x2 ) = x2 + µ1 x1 = 0 (10.88)
Jedino mogu¢e kretanje je duº linije preklapanja (3) i ovo kretanje se naziva klizni reºim (sliding
mode). O£ito je da kada faza sistema padne na liniju preklapanja (switching line) daljnje kretanje
nije odreeno strukturom stabilni fokus niti strukturom tipa sedlo. Budu¢i da je nakon ²to faza
sistema stigne u ta£ku A vrijedi da je x2 = −µ1 x1 to model sistema postaje:
ẋ1 = x2
(10.89)
x2 = −µ1 x1
odnosno
ẋ1 = −µ1 x1 (10.90)
dx1
= −µ1 x1 (10.91)
dt
x1 = x1A e−µ1 t (10.92)
Prema tome ukoliko je µ1 > 0 tada se kretanje sistema nastavlja duº prekida£ke linije u smjeru
ka ishodi²tu prostora stanja. Sistem se na prekida£koj liniji pona²a kao sistem prvog reda sa
modelom
ẋ1 = −µ1 x1 (10.93)
Ukoliko je µ1 < 0 tada se kretanje sistema nakon ta£ke A nastavlja duº prekida£ke linije ali u
smjeru od ishodi²ta (nestabilan sistem prvog reda).
Neka se sada ima sistem u formi:
dxi
= xi+1 , i = 1, 2, . . . , n − 1
dt (10.94)
dxn
= f (x1 , x2 , . . . , xn , t) + u
dt
95
gdje je f u op²tem nelinearna funkcija argumenata x i t, dok je u upravljanje takvo da je:

u+ (x, t), s>0
u= (10.95)
u− (x, t), s<0
n
(10.96)
X
s= ci x i , c = const, cn = 1
i=1
Ako fazna ta£ka sistema 10.94 i 10.96 iz bilo kojeg po£etnog poloºaja pada na povr²inu s = 0 i u
svakoj ta£ki ove povr²ine su ispunjeni uslovi za kretanje po kliznoj povr²ini, tada ¢e se kretanje
odvijati po povr²ini:
n
(10.97)
X
s= ci x i = 0
i=1
Ako iz jedna£ine 10.97 izrazimo xn preko ostalih varijabli stanja, imamo da je:
n−1
(10.98)
X
xn = − ci x i
i=1
na koji na£in se dobija, uvr²tavanjem u 10.94:

ẋ1 = x2
ẋ2 = x3
..
. (10.99)
n−1
X
ẋn−1 = xn = − ci x i
i=1
Prema tome, xn vi²e nije varijabla stanja jer je linearna kombinacija drugih varijabli stanja i
pona²anje sistema duº klizne povr²ine je potpuno odreeno sistemom jedna£ina 10.99. Izborom
koecijenata ci moºe se uspostaviti ºeljena dinamika sistema duº klizne povr²ine u ta£ku ekvili-
brijuma. Kretanje u kliznom reºimu je odreeno samo poloºajem klizne ravnine tj. koecijenata
ci i uop²te ne zavisi od parametara sistema £ime se dobija veoma robusno rje²enje. U stvarnosti
postoji vremensko ka²njenje izmeu trenutka kada postane s = 0 i vremena komutacije upravlja-
nja (aktuator je realan objekat sa svojom vremenskom konstantom) pa trajektorija pree preko
linije preklapanja pa ponovo na drugu stranu tj. dolazi do ²kljocanja (chatering).
s=0
s>0
s<0
Postavlja se pitanje pod kojim uslovima se kretanje koje padne na kliznu povr²inu nastavlja duºe
klizne povr²ine. Neka se ima nelinearan sistem £iji je model u prostoru stanja:
dx
= f (x, t) + B(x, t)u (10.100)
dt
dim(x) = n
dim(f (x, t)) = n
(10.101)
dim(u) = m
dim(B(x, t)) = n × m
96
f i B su neprekidne funkcije svojih argumenata x i t. Neka je u upravljanje sastavljeno od m

komponenata, pri £emu se svaka komponenta sastoji od neprekidnih funkcija £ije se preklapanje
vr²i na linijama:
si (x, t) = 0, i = 1, 2, . . . , m (10.102)
tj.
u+

i (x, t), si (x, t) > 0
ui (x, t) = (10.103)
u−
i (x, t), si (x, t) < 0
(10.104)
T
u = u1 u2 . . . um
i i ui su neprekidne funkcije po x i t, si su kontinualno diferencijabilne.
−
u+
Da bi kretanje koje padne na povr²inu preklapanja nastavilo da se kre¢e po liniji preklapanja,
trajektorije moraju biti usmjerene ka liniji preklapanja. Ovaj uslov moºe biti iskazan u formi:

ds ∂s ∂s ∂s
lim+ = lim+ ẋ = lim+ ẋ1 + · · · + ẋn <0 (10.105)
s→0 dt s→0 ∂x s→0 ∂x1 ∂xn

ds ∂s ∂s ∂s
lim− = lim− ẋ = lim− ẋ1 + · · · + ẋn >0 (10.106)
s→0 dt s→0 ∂x s→0 ∂x1 ∂xn
Izvod s po t u okolini linije preklapanja se radi duº trajektorije sistema. Prethodni uslovi zna£e
da odstupanje funkcije s = s(x, t) od linije preklapanja s(x, t) = 0 i brzina promjene ove funkcije
duº trajktorije sistema u okolini linije preklapanja imaju suprotan znak.
Neka se ima nelinearan sistem drugog reda:
ẋ1 = x2
(10.107)
ẋ2 = h(x) + g(x)u
gdje su h i g nelinearne funkcije i

g(x) ≥ g(x0 ) = g(0) > 0, ∀x (10.108)
Neka h i g zadovoljavaju nejednakost
µ x + h(x)
1 2
≤ ρ(x),

∀x ∈ R2 (10.109)
g(x)

pri £emu je ρ(x) neka poznata funkcija.

Tada upravlja£ki zakon
u = −β(x)sgn(s) (10.110)
gdje je
β(x) ≥ ρ(x) + β0 , β0 > 0 (10.111)

 1, s > 0
sgn(s) = 0, s = 0 (10.112)
−1, s < 0

vodi trajektorije sistema na kliznu povr²inu

s(x1 , x2 ) = µ1 x1 + x2 = 0 (10.113)
u kona£nom vremenu.
Kada se klizna povr²ina jedanput dostigne, tada se kretanje sistema odvija po zakonu
ẋ1 = −µ1 x1 (10.114)
97
i ako se uzme µ1 > 0 (tj. prekida£ka linija leºi u drugom i £etvrtom kvadrantu ravni x1 x2 ) ovo
garantuje da ¢e kretanje zavr²iti u ishodi²tu tj. x(t) → 0, t → ∞. U slu£aju da vrijedi
µ x + h(x) n c o
1 2
≤ k1 ,

∀x ∈ Ω = |x1 | ≤ , |s| ≤ c (10.115)
g(x) µ1

tada zakon upravljanja u = −ksgn(s), k > k1 > 0 sve trajektorije odvodi na kliznu povr²inu
ukoliko one po£inju iz x0 ∈ Ω.
Neka se ima linearan sistem
ẋ1 = x2
(10.116)
ẋ2 = −a0 x1 − a1 x2 + u

Uslov g(x) ≤ k1 postaje
µ1 x2 +h(x)
µ x − a x − a x
1 2 0 1 1 2
= (µ1 − a1 )x2 − a0 x1 ≤ k1

(10.117)
1

Uzmimo region n c o
Ω = |x1 | ≤ , |µ1 x1 + x2 | ≤ c (10.118)
µ1
x2
B
2c
c
x2 = −µ1 x1 − c
c
µ1
− µc1
Ω x1
x2 = −µ1 x1 + c
-c
x2 = −µ1 x1
-2c
A
Na donjoj slici su prikazani dijagrami funkcije

a0 1
(µ1 − a1 )x2 − a0 x1 = z =⇒ x2 = x1 + z1 , (10)
µ 1 − a1 µ 1 − a1
a0 (10.119)
=⇒ x2 = x1 + M (100 )
µ 1 − a1
Za ksiranu vrijednost µ1 −a1

najve¢a vrijednost odsje£ka na x2 osi (pravcu (10)) je u nekoj od
1
ta£aka − µc1 , 0 , µc1 , 0 , − µc1 , 2c , µc1 , −2c ²to zavisi od znaka µ1 −a
1
1
kao i veli£ine i znaka.
Samim time i apsolutna vrijednost od z je najve¢a upravo u nekoj od ovih ta£aka.
Prema tome, potrebno je izra£unati vrijednost izraza (µ1 − a1 )x2 − a0 x1 u nekoj od navedenih

ta£aka, a zatim uzeti upravlja£ki zakon u = −ksgn(s) pri £emu je (µ1 − a1 )x2 − a0 x1 < k
98
x2
A
2c
a0
x2 = µ1 −a1 x1 + M1
c
M1 > M0
a0
c x2 = µ1 −a1 x1 + M0
µ1
− µc1 x1
-c
-2c
B
Primjer
Za klatno satrenjem projektovati kontrolu za upravljanje u kliznom reºimu. Model sistema je:
ẋ1 = x2
g0 k0 1 (10.120)
ẋ2 = − sin (x1 + δ1 ) − x2 + 2 u
l m ml
Podaci su: δ1 = π2 , x1 = θ − δ1 , x2 = θ, m = 0.1, l = 1, k0 = 0.02, g0 = 9.81.
Napomena: Za x1 = 0 =⇒ θ = δ1
Rje²enje
Odabra¢e se zakon za upravljanje u formi
u = −β(x)sgn(s) = −β(x)sgn(µ1 x1 + x2 ), µ1 = 1 (10.121)
g0 k0
h(x) = − sin (x1 + δ1 ) − x2 (10.122)
l m
1
g(x) = (10.123)
ml2
Provjera uslova:
µ x + h(x) x − − g0 sin (x + δ ) − k0 x
1 2 2 l 1 1 m 2
= 1 =
g(x)

ml 2
(10.124)

= ml2 x2 − mg0 l cos(x1 ) − l2 k0 x2 =

2
= l (m − k0 )x2 − mg0 l cos(x1 )

n o
Ako se ograni£imo na region fazne ravnine |x1 | ≤ π
µ1
= π, |µ1 x1 + x2 | = |x1 + x2 | ≤ π tj c = π ,
tada vrijedi:
99
x2
2π
π
−π x1
−π
|x1 + x2 | ≤ π
−2π

2
l (m − k0 )x2 − mg0 l cos(x1 ) ≤ l2 (m − k0 )2π + mg0 l =

= 1(0.1 − 0.02)2π + 0.1 · 9.81 · 1 = (10.125)

= 0.08 · 2π + 0.981 = 1.23 = k1
Prema tome, moºe se odabrati
β(x) = k = 2 > k1 (10.126)
gdje je zakon upravljanja
u = −2sgn(x1 + x2 ) (10.127)
100
A. Dodatak
A Dodatak
Slika A.1: Regulator sa histerezisom
101
A. Dodatak
Slika A.2:
102
A. Dodatak
Slika A.3: Upravlja£ka i upravljana veli£ina kada je proces sa mrtvim vremenom i regulator sa
histerezisom
103
A. Dodatak
Slika A.4: Relejna dvopoloºajna regulacija (sa histerezisom) integralnog procesa sa mrtvim vre-
menom
104

Nelinearni Sistemi Upravljanja

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Nelinearni Sistemi Upravljanja

Uploaded by

Copyright:

Available Formats

UNIVERZITET U TUZLI

1 Uvod u nelinearne sisteme 4

6.3 Kvalitativno pona²anje nelinearnih sistema oko ta£ke ekvilibrijuma . . . . . . . . . 49

1 Uvod u nelinearne sisteme

1.1 Matemati£ki modeli nelinearnih sistema

• Sistem je prinuen(forsiran) ako je f funkcija od U . Matemati£ki model sistema je dat u

• Ukoliko je f nelinearna funkcija argumenta X tada se radi o nelinearnom sistemu.

1.2 Stanje sistema, prostor stanja, varijable stanja, trajektorije sistema

• ne mogu biti ulazi niti linearna kombinacija ulaza

• broj varijabli stanja odreuje red sistema

- i skupom q algebarskih jedna£ina izlaza:

• B - matrica dimenzija nxp - matrica ulaza

• C - matrica dimenzija qxn - matrica izlaza

• D - matrica dimenzija qxp - matrica unaprijednog prolaza

• X - vektor stanja dimenzija nx1  

• U - vektor ulaza dimenzija px1  

• Y - vektor izlaza dimenzija qx1  

Primjer 1 (Odabir varijabli stanja)

Algebarska jedna£ina izlaza je:

2.1 Kretanje slobodnog LTI sistema u prostoru stanja

x(t) = C1 eat (2.19)

Neka je Φ(t) eksponencijalna matri£na funkcija:

Osobine matrice prelaza stanja:

• Φ−1 (t) = Φ(−t)

• Φ(t2 − t0 ) = Φ(t2 − t1 ) · Φ(t1 − t0 )

2.2 Kretanje prinuenog LTI sistema u prostoru stanja

Y (t) = CX(t) + DU (t) (2.40)

Φ(t, t0 ) = Φ(t − t0 ) = eA(t−t0 )

Rje²enje je dato u obliku:

2.3 Laplace-ova transformacija za rje²avanje kretanja LTI sistema u

Budu¢i da je matrica prenosa sistema denisana sa jedna£inom:

2.4 Karakteristi£na jedna£ina sistema i svojstvene vrijednosti matrice

Laplace-ove transformacija za nulte po£etne uslove daje:

Neka je izvr²ena transformacija vektora stanja:

Osim toga je i X̂(0) = P −1 X(0).

Karakteristi£ni polinom novog sistema jednak je karakteristi£nom polinomu starog sistema.

• Transformacija sli£nosti £uva funkciju prenosa (matricu funkcija prenosa)

3.1 Modalna transformacija

Karakteristi£ni polinom sistema je:

Odnosno u matri£noj formi:

3.2 Jordanova kanoni£na forma

3.3 Odreivanje modela sistema u prostoru stanja direktnim postup-

I-jedini£na matrica dimenzija (n − 1) × (n − 1), O nul vektor stupac dimenzija (n − 1) × 1

b) Za sistem opisan diferencijalnom jedna£inom u formi:

Ako su uvedene varijale stanja:

Diferenciramo jedna£inu 3.30 i dobijamo:

ξ (n) + an−1 ξ (n−1) + ... + a1 ξ (1) + a0 ξ = u(t)

Diferenciramo jedna£inu 3.37 i dobijamo:

Y = b0 x1 + b1 x2 + ... + bn−1 xn + bn ẋn

Zatim se uvedu smjene:

4.1 Kona£no vrijeme pobjega

4.2 Vi²estruka stanja ravnoteºe (ta£ke ekvilibrijuma, stacionarne ta£ke)

Diferencirajmo jedna£ine 4.8 pa imamo:

Jedna£ine 4.9 predstavljaju model sistema u prostoru stanja.

x1 = kπ, k = 0, ±1, ±2, ... (4.12)

Imamo beskona£no mnogo ta£aka ekvilibrijuma, a to su ta£ke:

4.3 Grani£ki ciklusi (krugovi)

linearni sistem nelinearni sistem

Primjer: Harmonijski oscilator - klatno bez trenja i linearizirano

Odredimo matricu prelaza stanja:

4.4 Subharmonijske, harmonijske ili gotovo periodi£ne oscilacije

4.6 Multipli modova pona²anja

4.7 Primjeri nelinearnih sistema

• Sistem je prinuen(forsiran) ako je f funkcija od U . Matemati£ki model sistema je dat u

• broj varijabli stanja odreuje red sistema

2.2 Kretanje prinuenog LTI sistema u prostoru stanja

Budu¢i da je matrica prenosa sistema denisana sa jedna£inom:

3.3 Odreivanje modela sistema u prostoru stanja direktnim postup-

Prema drugom Kirchoovom zakonu vrijedi da je:

k - koecijent krutosti opruge.

Sistem je odreen u potpunosti jednozna£nim preslikavanjem f .

6.2.1 Svojstvene vrijednosti su razli£ite meusobno i razli£ite od nule

Odnosno u matri£noj formi je:

gdje je Jordanova matrica data sa:

pri £emu se H.O.T. zanemaruju.