Računalne Simulacije - Literatura

1.
UVOD
RAČUNALNE SIMULACIJE - UVOD 1.

Računalna simulacija ili računalni model je računalni program koji simulira ponašanje
apstraktnog modela nekog realnog sustava. Računalne simulacije postale su važan dio
matematičkog modeliranja realnih sustava iz područja fizike, kemije, biologije,
socioloških znanosti, ekonomije, inženjerskih procesa kojima se nastoji steći dublji uvid
u načine funkcioniranja takvih sustava. Tradicionalni pristup formalnom modeliranju
sustava podrazumijeva dobivanje matematičkog modela, na temelju kojeg se nastoji
dobiti analitičko rješenje problema koje omogućuje predviđanje ponašanja sustava s
obzirom na parametre sustava i početne uvjete.
Razvoj računalnih simulacija odvijao se paralelno s ubrzanim razvojem računala. Prvi
veliki i složeni proces koji se nastojao simulirati bio je proces nuklearne eksplozije što je
razvijano za vrijeme drugog svjetskog rata u okviru projekta 'Manhattan' pod vodstvom
fizičara Roberta Oppenheimera. Računalne simulacije često se koriste kao pomagalo ili
kao zamjena u postupku modeliranja sustava kod kojih je teško doći do konačnog
analitičkog rješenja.
Prvi programabilni funkcionalni računalni automat pod nazivom ZUSE Z3 napravio je
1941. godine njemački inženjer i pionir u polju računarstva KONRAD ZUSE (1910. –
1995.). Program je bio spremljen na bušenoj traci. Primjeri računalnih simulacija u
praksi su npr.: simulacija strujanja fluida, simulator leta aviona, zagađenost zraka (npr. u
tunelu), simulacija utjecaja buke, meteorologija, te u različitim područjima znanosti,
tehnologije i zabave.
1.1. Simulacija sustava
Istraživanja realnog sustava mogu se provesti analitičkim putem, proučavanjem

apstraktnog sustava koji je zapravo adekvatan matematički model toga realnog sustava.
Da li će se neki realni sustav ponašati onako kako predviđa analiza apstraktnog sustava
ovisi o valjanostima pretpostavki pri određivanju njegovog matematičkog modela. Ako
model nije adekvatan, analiza može voditi ka krivim zaključcima. Kod sustava kod kojih
je vrlo teško ili gotovo nemoguće odrediti matematički model ne može se koristiti
analitički pristup. U slučajevima kada je moguće odrediti matematički model sustava,
analitički i numerički postupci predstavljaju brz i efikasan put da se odrede svojstva
sustava i predvidi njegovo ponašanje.
Različiti realni sustavi mogu se predstaviti istim apstraktnim sustavom. Tako npr. jedan
mehanički sustav i jedan električni sustav mogu imati isti matematički model i istu
diferencijalnu jednadžbu koja opisuje dinamičke odnose u sustavu. Isto tako, jedan
apstraktni sustav (npr. skup diferencijalnih jednadžbi može se interpretirati kao model
jednog električnog sustava ili jednog mehaničkog sustava). Za takve sustave se kaže da
su međusobno analogni, npr. naponi i struje u granama električnog sustava će se vladati
1
jednako kao pomaci, brzine, ubrzanja u mehaničkom sustavu. Zbog toga se analiza,
mjerenje ili podešavanje realnog mehaničkog sustava može provesti, npr. na analognoj
električnoj mreži, što je često jednostavnije, jeftinije i brže nego na samom mehaničkom
sustavu. Tada se takva električna mreža naziva analognim modelom mehaničkog
sustava. Analogni modeli se često grade kad su istraživanja na originalnom sustavu
skupa, opasna po život ili neizvediva iz bilo kojih razloga.
Točno ili približno ponavljanje procesa u sustavu na analognom modelu naziva se
simulacija, a postupak određivanja apstraktnog modela naziva se modeliranjem.
Razvoj elektroničkih sustava omogućio je ostvarenje analognih računala (ranije) i
digitalnih računala koja omogućuju realizaciju vrlo složenih apstraktnih sustava i
simuliranje procesa u njima.
Poznavanje dinamičkih svojstava procesa je nephodan dio tehničke i znanstvene prakse.
Dakle, želi se doći do egzatnih matematičkih izraza i jednadžbi, odnosno do
matematičkih modela sustava. Na temelju ponašanja modela može se zaključiti o
svojstvima originala, tj. realnog sustava. Model se može dobiti na dva načina:
TEORETSKI (postupkom MODELIRANJA),
EKSPERIMELTALNO (postupkom IDENTIFIKACIJE).
MODELIRANJE je proces postavljanja modela teorijskim putem uz primjenu osnovnih
prirodnih zakona očuvanja mase, energije i implusa.
IDENTIFIKACIJA predstavlja proces postavljanja modela eksperimentalnim putem uz
primjenu mjerenih signala ulaza i izlaza stvarnog procesa i njegova modela, pri čemu se
pogreška između stvarnog procesa i modela, promjenom parametara ili strukture modela,
nastoji učiniti što manjom.
MODELIRANJE IDENTIFIKACIJA
Struktura modela proizlazi iz prirodnih zakona Struktura modela mora se pretpostaviti unaprijed
Reproduciraju se veze između ulaznih, izlaznih Dobiva se model tipa „crne kutije“ (samo veza
i internih varijabli ulaza i izlaza)
Parametri modela povezani s fizičkim
Parametri su čiste brojke
veličinama
Dobiveni model upotrebljiv i za srodne procese Model upotrebljiv samo za određeni režim rada
Model se može postaviti i za proces koji nije
Model se može odrediti samo na već postojećim
realiziran u praksi (npr. moguće ispitivati
postrojenjima
havarijske procese)
Pripremljeni programi lako se primjenjuju za
Za svaki novi proces polazi se ispočetka
dobivanje modela različitih procesa
2
2. LINEARNI SUSTAVI
LINEARNI SUSTAVI 2.
2.1. LAPLACEOVA TRANSFORMACIJA
Metoda Laplaceove transformacije zamjenjuje rješavanje složenih diferencijalnih

jednadžbi relativno lako rješivim algebarskim jednadžbama.
U općenitom slučaju regulacijski sustav opisuje se diferencijalnom jednadžbom oblika:
d n y (t ) dy (t ) d mu (t ) du (t )
an n
+ ... + a1 + a 0 y (t ) = bm m
+ ... + b1 + b0u (t )
dt dt dt dt
Rješavanje linearnih diferencijalnih jednadžbi (osobito diferencijalnih jednadžbi višeg
reda) može biti vrlo složen postupak. Da bi se pojednostavnio postupak rješavanja
diferencijalnih jednadžbi primjenjuje se tzv. operatorski račun, pri kojem se operacija
derivacije d/dt zamjenjuje operatorom s. Na taj način diferencijalna jednadžba poprima
oblik algebarske jednadžbe
(an s n + ... + a1s + a0 ) Y ( s ) = (bm s m + ... + b1s + b0 ) U ( s )
te se daljnji postupak rješavanja svodi na mnogo jednostavnije algebarske operacije. Pri
tome je uobičajeno da se vrijednosti varijabli nakon Laplaceove transformacije
označavaju velikim slovom (npr. y(t) → Y(s)). Postupak prevođenja neke vremenske
funkcije f(t) iz područja 'originala' (vremenskog područja) u područje 'slike' (s-područje)
obavlja se metodom linearne integralne transformacije, koja se uobičajeno naziva
Laplaceova transformacija (prema franc. matematičaru Pierre-Simone Laplaceu 1749-
1827).
Direktna Laplaceova transformacija vremenske funkcije f(t) dana je nepravim
integralom:
∞
∫ f (t ) e
− st
L[ f (t )] = dt = F ( s )
0
gdje je L[ f (t )] kraći zapis za Laplaceov integral. Rješavanjem integrala dobiva se
funkcija F(s) koja ima operator s kao nezavisnu varijablu. Operator s je kompleksna
vrijednost oblika σ + jω , pa je područje konvergencije integrala za vrijednost funkcije
f(t) neko područje u kompleksnoj ravnini. Uvjet konvergencije nepravog integrala, a
time i uvjet za transformaciju vremenske funkcije je da f(t) s vremenom raste sporije
nego što prigušni član e − st pada.
Pretvorba funkcije F(s) u vremensku domenu f(t) vrši se obratnom Laplaceovom
transformacijom pomoću integrala kompleksne varijable:
σ + jω
1
f (t ) = L−1[ F (s )] = ∫
st
F (s) e ds .
2π j
σ ω
−j
3
Postupak rješavanja diferencijalne jednadžbe primjenom direktne i obratne Laplaceove
transformacije može se shematski prikazati donjom slikom.
Slika 1: Shematski prikaz rješavanja diferencijalne jednadžbe primjenom
Laplaceove transformacije
f ( y, u, t ) = 0 y = f (u, t )
Tablice L[ f ( t )] Tablice L−1[ F ( s )]
n
Kj
F (Y ,U , s ) = 0 Y = F (U , s) Y= ∑s−s
j =0 j
Ovakav postupak bio bi redovito složeniji od izravnog rješavanja diferencijalnih

jednadžbi kada bi se svaki put morala računati direktna i obratna Laplaceova
transformacija. Međutim, ako se za najvažnije i često korištene funkcije izračunaju
odgovarajući parovi f(t) i F(s) i slože u tablice, postupak pretvorbe funkcije iz područja
'originala' u područje 'slike' i obratno svodi se na čitanje odgovarajućih vrijednosti iz
tablica. Primjeri Laplaceove transformacije nekih često korištenih funkcija daje sljedeća
tablica.
Tablica 1: Laplaceova transformacija funkcija

f (t ) F (s ) f (t ) F (s )
1 a
1 ⇔ sin a t ⇔
s s + a2
2
1 s
t ⇔ cos a t ⇔
s2 s + a2
2
1 b
e −a t ⇔ e − a t sin b t ⇔
s+a ( s + a) 2 + b 2
1 s+a
t e −a t ⇔ e − a t cos b t ⇔
( s + a) 2 ( s + a) 2 + b 2
4
Primjer 1: Izračunati Laplaceovu transformaciju konstantne funkcije f(t)=1
∞ ∞
1 − st ∞ 1 − ∞  1 0  1  1  1
F (s) = ∫
0
∫
f (t ) e − st dt = e − st dt =
0
s
e
0
= e −  − e  = ⋅ 0 −  − ⋅ 1 =
s  s  s  s  s
Primjer 2: Izračunati Laplaceovu transformaciju eksponencijalne funkcije

f(t)=e-at
∞ ∞ ∞
1 − ( s + a )t ∞ 1
F (s) = ∫
0
∫
0
∫
f (t ) e − st dt = e − at e − st dt = e − ( s + a )t dt = −
0
s+a
e
0
=
s+a
2.1.1. Svojstva Laplaceove transformacije
Neke značajne osobine Laplaceove transformacije ukratko su nabrojana u sljedećoj

tablici.
Tablica 2. Značajne osobine Laplaceove transformacije
Vremenska Laplaceova transformacija Svojstvo Opaska

domena F(s)
f(t)
1. a1 f1 (t ) + a 2 f 2 (t ) a1F1 ( s) + a 2 F2 ( s ) Linearnost Specijalan slučaj:
L[a f (t )] = aF ( s )
2 f (t − λ ) e − sλ
F (s) Pomak u Pomak u desno u
vremenu vremenskom
području odgovara
množenju
transformata s
prigušnim članom
e − sλ
3 f (a t ) 1 s Skaliranje
F 
a a
4 e − a t f (t ) F (s + a) Pomak u Prigušenje u
frekvenciji vremenskom
području odgovara
pomaku u lijevo
transformata
5
5 d n f (t ) n
d (i −1) f (t ) Derivacija U transformirani
dt n
s n F (s) − ∑ s n−k
dt i −1 t =0+
oblik uključena je i
k =1 početna vrijednost
funkcije f(0+)
6 t
 t  Integracija Transformat se
∫ 0
f (τ )dτ
1

 ∫ 0
f (τ )dτ 
 0+
dobiva metodom
F ( s) + parcijalne
s s integracije
7 f1 (t ) ∗ f 2 (t ) F1 ( s) F2 ( s ) Konvolucija Konvolucija u
vremenskoj domeni
odgovara množenju
u frekvencijskoj
domeni
8 f (0+) = lim f (t ) lim s F ( s ) Teorem Početnu vrijednost
t →0 + s →∞
početne funkcije f(t)
vrijednosti moguće je odrediti
iz njezine
Laplaceove
transformacije
9 f (∞) = lim f (t ) lim s F ( s ) Teorem Konačnu vrijednost
t →∞ s→ 0
konačne funkcije f(t)
vrijednosti moguće je odrediti
iz njezine
Laplaceove
transformacije
1 f1 (t ) f 2 (t ) c + j∞ Vremenski Množenje u
1
0
2πj ∫
c − j∞
F1 (α ) F2 ( s − α )dα = produkt vremenskoj domeni
odgovara
1
konvoluciji u
= F1 ( s ) ∗ F2 ( s) frekvencijskoj
2πj
domeni
1 t f (t ) d Množenje Množenje
− F (s)
1 ds vremenom vremenom
odgovara derivaciji
u frekvencijskoj
domeni
U općem slučaju transformirana funkcija ima oblik razlomka:

B ( s ) bm s m + ... + b1 s + b0
Y ( s) = = n ,
N (s) s + ... + a1 s + a0
gdje su koeficijenti bi i ai realni brojevi, pri čemu su brojnik i nazivnik razlomka
podijeljeni s koeficijentom najvišeg člana nazivnika. Ovaj oblik razlomljene racionalne
funkcije može se svesti na oblik u kojem je nazivnik napisan u obliku umnoška faktora,
tj.
6
B( s) B( s )
Y ( s) = = ,
N ( s ) ( s + s1 ) ⋅ ( s + s 2 ) ⋅ ⋅ ⋅ ( s + s n )
te zatim rastaviti na zbroj parcijalnih razlomaka:
B ( s) A1 A2 An
Y ( s) = = + + ... + .
N ( s) ( s + s1 ) ( s + s 2 ) (s + sn )
Rješenja u nazivniku, tj. korjeni si mogu biti realni i različiti, realni s višestrukim
ponavljanjem, te konjugirano kompleksni, pa će i tehnika rastavljanja razlomka na zbroj
parcijalnih razlomaka zavisiti od tipa korjena. Ukratko ćemo razmotriti postupak
rješavanja za svaki spomenuti slučaj.
a) Realni i različiti korjeni
Rješenje u s-području rastavlja se na zbroj parcijalnih razlomaka na sljedeći način:

B( s) B( s ) A A1 A2 An
P( s) = = = 0+ + + ... +
N ( s) s ( s − s1 ) ⋅ ( s − s2 ) ⋅ ⋅ ⋅ ( s − sn ) s ( s − s1 ) ( s − s2 ) ( s − sn )
Obratnom Laplaceovom transformacijom P(s) dobiva se vremenska funkcija f(t) oblika:
f (t ) = A0 + A1 e s1 t + A2 e s 2 t + .... + An e s n t .
Pri tome za realne korjene vrijedi pravilo za računanje obratne Laplaceove
transformacije:
 K 
L−1  at
= Ke .
s+a
b) Realni korjeni s višestrukim ponavljanjem
Rješenje u s-području, rastavljeno na zbroj parcijalnih razlomaka, uz pretpostavku da se

korjen s2 ponavlja tri puta ima izgled:
B( s) B ( s) A A A22 A23
P( s) = = 3
= 1 + 21 + 2
+
N ( s ) ( s − s1 ) ⋅ ( s − s 2 ) s − s1 s − s 2 ( s − s 2 ) (s − s2 )3
Obratnom Laplaceovom transformacijom P(s) dobiva se vremenska funkcija f(t) oblika:
t 2 s2 t
f (t ) = A1 e s1 t + A21 e s 2 t + A22 t e s 2 t + A23 e .
2
Pri tome za korjene koji se višestruko ponavljaju vrijedi pravilo za računanje obratne
Laplaceove transformacije:
 K  1
L−1  =
n  ( n − 1)!
K t n −1 e a t .
 ( s − a ) 
c) Konjugirano kompleksni korjeni
Rješenje u s-području rastavlja se na zbroj parcijalnih razlomaka na sljedeći način:

B( s) B ( s) A + A12 s A2
P( s) = = = 11 +
N ( s ) ( s 2 + q s + p ) ⋅ ( s − s3 ) ( s 2 + q s + p ) ( s − s3 )
7
pri čemu su rješenja polinoma drugog reda u nazivniku konjugirano kompleksni korjeni.
Za parcijalni razlomak koji sadrži konjugirano kompleksni par korjena vrijedi sljedeće
pravilo za računanje obratne Laplaceove transformacije:
 s+d 
L−1  K ⋅ 2 2
= K A e a t sin(ω t + α )
 ( s − a ) + ω 
1
gdje se parametri A i α računaju kao A=
1
ω
[(a + d ) 2
+ ω2 ] 2
ω
α = arctg .
a+d
Vremenska funkcija f(t) dobivena obratnom Laplaceovom transformacijom P(s) imat će
oblik:
f (t ) = K A e a t sin(ω t + α ) + A2 e s 3 t .
Koeficijente Ai, koji se nazivaju rezidui funkcije Y(s) moguće je izračunati pomoću
metode neodređenih koeficijenata ili pomoću metode Heavisideovog razvoja.
Metoda neodređenih koeficijenata izvodi se izjednačavanjem koeficijenata pri

jednakim potencijama kompleksne varijable s brojnika obje strane jednadžbe, pri čemu
se dobiva sustav jednadžbi. Rješavanjem tog sustava jednadžbi dobivaju se koeficijenti
Ai u brojnicima parcijalnih razlomaka.
Metodom Hevisideovog razvoja koeficijenti Ai određuju se prema pravilu:

B( s)
Ai =
N ' (s) s = si
gdje su si korjeni funkcije.
Primjer 3: Potrebno je naći rješenje diferencijalne jednadžbe

&y& + 5 y& + 6 y = u (t )
gdje je u(t) jedinična odskočna funkcija. Početni uvjeti su: y (0+ ) = −1 ,

y& t =0+ = 1
Rješenje:
&y& + 5 y& + 6 y = u (t )
Primjenom direktne Laplaceove transformacije, koristeći tablice, dobiva se:
{ }
s 2 Y ( s ) − s y t = 0 ) − y& t = 0 + 5 { s Y ( s ) − y (0)} + 6 Y ( s ) =
1
s
Uvrštenjem početnih uvjeta u gornji izraz dobiva se:
8
1
( s 2 Y ( s ) + s − 1) + 5 ( s Y ( s ) + 1) + 6 Y ( s ) =
s
Sređivanjem jednadžbe uz izlučivanje zajedničkog faktora Y(s) može se pisati:
1
( s 2 + 5 s + 6) Y ( s ) = − s + 1 − 5
s
i dalje:
− s2 − 4 s + 1
( s 2 + 5 s + 6) Y ( s ) =
s
odakle slijedi rješenje u s-području:
− s2 − 4 s + 1
Y (s) = .
s ( s 2 + 5 s + 6)
Dobiveno rješenje u s-području potrebno je napisati kao zbroj parcijalnih razlomaka, da
bi se primjenom obratne Laplaceove transformacije dobilo rješenje u vremenskom
području.
a) Metoda neodređenih koeficijenata
Korjeni nazivnika su realni, bez ponavljanja i iznose s1 = 0 , s2 = −2 , s3 = −3 , pa se

rješenje Y(s) može pisati kao zbroj parcijalnih razlomaka
− s2 − 4 s +1 A A2 A3
Y (s) = 2
= 1 + +
s ( s + 5 s + 6) s − s1 s − s 2 s − s3
− s2 − 4 s + 1 A A A
Y ( s) = 2
= 1+ 2 + 3
s ( s + 5 s + 6) s s + 2 s +3
Svođenjem na zajednički nazivnik
− s2 − 4 s + 1 A ( s + 2) ( s + 3) + A2 s ( s + 3) + A3 s ( s + 2)
Y ( s) = 2
= 1
s ( s + 5 s + 6) s ( s + 2) ( s + 3)
i usporedbom koeficijenata uz zajedničku potenciju od s na obje strane izraza dobiva se
sustav jednadžbi:
koef. uz s2: A1 + A2 + A3 = −1
koef. uz s1: 5 A1 + 3 A2 + 2 A3 = −4
koef. uz s0: 6 A1 = 1
odakle slijede koeficijenti Ai :

1 5 4
A1 = , A2 = − , A3 =
6 2 3
Sada se rješenje Y(s) može pisati kao:
1 5 4
−
Y ( s) = 6 + 2 + 3
s s+2 s+3
9
Primjenom obratne Laplaceove transformacije dobiva se vremenska funkcija
1 5 4
f (t ) = − e − 2 t + e − 3 t .
6 2 3
b) Metoda Heavisideovog razvoja
B( s)
Ovom metodom koeficijenti Ai određuju se prema pravilu Ai = , gdje su si
N ' (s) s = si
korjeni nazivnika, i u ovom primjeru imaju iznose s1 = 0 , s2 = −2 , s3 = −3 .

− s2 − 4 s +1 A A2 A3
Y (s) = 2
= 1 + +
s ( s + 5 s + 6) s − s1 s − s 2 s − s3
Uvrštenjem brojčanog iznosa korjena u brojnik i derivaciju nazivnika dobivaju se
sljedeće vrijednosti:
B( s) − s2 − 4 s +1 1
A1 = = =
N ' (s) s=0 3 s 2 + 10 s + 6 s=0 6
2
B( s) − s − 4 s +1 5
A2 = = =−
N ' (s) s = −2 3 s 2 + 10 s + 6 s = −2 2
2
B( s) − s − 4 s +1 4
A3 = 2
= =
N ' (s)s = −3 3 s + 10 s + 6 s = −3 3
Slijedi rješenje Y(s) u obliku zbroja parcijalnih razlomaka:
1 5 4
−
6
Y ( s) = + 2 + 3
s s+2 s+3
Primjenom obratne Laplaceove transformacije dobiva se vremenska funkcija
1 5 4
f (t ) = − e − 2 t + e − 3 t .
6 2 3
Rješenje zadane diferencijalne jednadžbe primjenom Matlaba koristeći postupak

direktne i obratne Laplaceove transformacije prikazan je u nastavku.
Rješenje primjenom Matlaba
Primjena Laplaceove transformacije u rješavanju diferencijalnih jednadžbi

% Rješenje diferencijalne jednadžbe
% y'' + 5y' + 6y = u(t)
% gdje je u(t) jedinična odskočna funkcija.
% Početni uvjeti su: y(0+)=-1, y'|(t=0) = 1
>> y = sym('y(t)');
>> u = sym('u(t)');
% Laplaceova transformacija
diferencijalne % jednadžbe
10
>> L = laplace(diff(diff(y)) + 5*diff(y) + L=
6*y - u) s*(s*laplace(y(t),t,s)-y(0))-
>> Ls = char(L); D(y)(0)+5*s*laplace(y(t),t,s)-
5*y(0)+6*laplace(y(t),t,s)-
% Zamjena početnih uvjeta stvarnim laplace(u(t),t,s)
% vrijednostima
>> Ls = strrep(Ls, 'D(y)(0)', '1');
>> Ls = strrep(Ls, 'y(0)', '(-1)');
% Zamjena oznake laplace(y(t),t,s)

% varijablom Y Ls =
>> Ls = strrep(Ls, 'laplace(y(t),t,s)','Y') s*(s*Y-(-1))-1+5*s*Y-5*(-1) +
6*Y-laplace(u(t),t,s)
% Zamjena oznake laplace(u(t),t,s)
% Laplaceovom transformacijom jedinične Ls =
% odskočne funkcije L[u(t)]=1/s s*(s*Y-(-1))-1+5*s*Y-5*(-1) +
>> Ls = strrep(Ls, 'laplace(u(t),t,s)','1/s') 6*Y-1/s
% Rješenje jednadžbe La =
>> syms Y; -(s^2-1+4*s)/s/(5*s+6+s^2)
>> La = solve([Ls '=0'], Y)
f=
% Provedba obratne Laplaceove 1/6+4/3*exp(-3*t)-5/2*exp(-2*t)
% transformacije 0.4
>> f = ilaplace(La) 0.2
%Određivanje vremenskog intervala -0.2
% Izračunavanje funkcije, prikaz rezultata

y(t)
-0.4
>> t = 0:0.1:5; -0.6
>> y=eval(f);
>> plot(t,y)
-0.8
>> xlabel('t'), ylabel('y(t)'), grid -1

0 0.5 1 1.5 2 2.5
t
3 3.5 4 4.5 5
Prevođenje rješenja iz s-područja u vremensko područje moguće je izvesti i primjenom

Matlabove funkcije residue za razvoj rješenja u zbroj parcijalnih razlomaka na
sljedeći način:
Primjena Matlabove funkcije residue pri izvođenju obratne Laplaceove

transformacije
[R,P,K] = RESIDUE(B,A) računa rezidue R, polove P i izravni član K razlomka,
napisanog kao omjer dva polinoma oblika B(s)/A(s), te rastavljenog na zbroj
parcijalnih razlomaka
Za korjene koji se ne ponavljaju vrijedi:
11
B(s) R(1) R(2) R(n)
---- = -------- + -------- + ... + -------- + K(s)
A(s) s - P(1) s - P(2) s - P(n)
Ukoliko se korjeni ponavljaju pri čemu je P(j) = ... = P(j+m-1) pol koji se ponavlja
m puta, tada razvoj ima sljedeći oblik:
R(j) R(j+1) R(j+m-1)
-------- + ------------ + ... + ------------
s - P(j) (s - P(j))^2 (s - P(j))^m
% Rješenje primjenom Matlabove funkcije
residue
>> clear
>> s=sym('s');
>> num=[-1 -4 1];
>> den=[1 5 6 0]; r= 1.3333
>> [r,p,k]=residue(num,den) -2.5000
% Rezidui 0.1667
p= -3.0000
-2.0000
% Polovi 0
k= []
Y = 4/3/(s+3)-5/2/(s+2)+1/6/s
>>Y=r(1)/(s-p(1)) + r(2)/(s-p(2)) + r(3)/(s-
p(3)) f =1/6+4/3*exp(-3*t)-5/2*exp(-
>> f=ilaplace(Y) 2*t)
>> t=0:0.1:5; 0.4
>> y=eval(f); 0.2
>> plot(t,y, 'b*') 0
-0.2
% Identično rješenje moguće je dobiti i

y(t)
-0.4
primjenom funkcije impulse -0.6
>> yi=impulse(num,den,t)
>> plot(t,yi)
-0.8
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t
12
2.2. LINEARNI VREMENSKI NEPROMJENLJIVI (LTI)
SUSTAVI
Analitičko rješavanje diferencijalnih jednadžbi kojim je opisan vremenski odziv

regulacijskog sustava na proizvoljnu pobudnu funkciju je složen postupak za sustave
višeg reda kakvi se uobičajeno susreću u praksi. Vremenski odziv je vrlo važna značajka
regulacijskog sustava, jer omogućuje kvantitativnu analizu i usporedbu dinamičkog
ponašanja sustava prema određenim kriterijima. Za analizu u vremenskom području
koriste se uglavnom grafičke metode, a vremenski odziv se često određuje i
eksperimentom, osobito kod sustava kod kojih je vrlo teško postaviti matematički model
(npr. kod procesnih postrojenja). Ulazni signali (pobude) su u stvarnim regulacijskim
sustavima uglavnom nepoznati i slučajnog karaktera. Da bi se regulacijski sustavi mogli
uspoređivati uvedeni su pokusni ulazni signali ili standardne pobudne funkcije. Ovakav
pristup analizi je vrlo koristan, jer postoji značajna povezanost između odziva sustava na
standardnu pobudu i ponašanja sustava u normalnim radnim stanjima. Nadalje,
korištenje standardnih pobuda omogućuje projektantu usporedbu nekoliko mogućih
rješenja regulacijskog postupka.
2.2.1. Standardni pobudni signali
Pri analizi sustava u vremenskom području uobičajeno se koriste odskočna, nagibna,

parabolična i impulsna funkcija, a njihov izgled i karakteristike dane su u nastavku.
Impulsna funkcija Vremensko područje Kompleksno područje

f (t )
f(t) F(s)
δ (t ) δ (t − a) 0 , t < 0
 F (s) = 1
δ (t ) = ∞ , t = 0
0 , t > 0
a t

du (t )
Impulsna funkcija je derivacija odskočne funkcije, tj. δ (t ) = . Naziva se i
dt
Diracova funkcija (engl. fizičar Paul Dirac) ili jedinični impuls, jer zatvara jediničnu
površinu:
∞ ∞ du (t ) ∞
−∞ ∫δ (t ) dt = ∫
− ∞ dt
dt = u (t ) = 1 .
−∞
Impulsna funkcija ima u trenutku t=0 impuls neizmjerne amplitude, te stoga ima čisto
teoretsko značenje i moguće ju je samo približno ostvariti u praktičnim primjenama.
Odziv sustava na pobudu u obliku jediničnog impulsa naziva se težinska funkcija:
dh(t )
g (t ) = .
dt
13
Odskočna funkcija Vremensko područje Kompleksno područje
f (t )
f(t) F(s)
u (t )
1 0 , t < 0 1
u (t ) =  F (s) =
1 , t ≥ 0 s
Skokovita promjena s vrijednosti 0 na vrijednost 1 stavlja sustav pred oštre zahtjeve, pa

se zorno može sagledati dinamičko vladanje sustava. Često se naziva i jedinični odskok i
označava kao 1(t). Lako se ostvaruje u praksi (npr. protočni ventil, prekidač za struju,
papučica gasa i dr.), te se stoga najčešće primjenjuje. Odziv sustava na pobudu u obliku
odskočne funkcije naziva se prijelazna funkcija i zapisuje u obliku:
y (t )
h(t ) = ,
X u u (t )
tj. prijelazna funkcija je izlazna funkcija svedena na odskočnu funkciju amplitude Xu na
ulazu.
Nagibna funkcija Vremensko područje Kompleksno područje

f (t )
f(t) F(s)
At
0 , t<0 A
f (t ) =  F (s) =
At , t ≥ 0 s2
45°
t
Nagibna funkcija može se predočiti kao integral jediničnog odskoka:

t
f (t ) = ∫ u(t ) dt = t u(t ) .
0
Parabolična funkcija Vremensko područje Kompleksno područje

f (t )
f(t) F(s)
At 2
 0 , t<0 2A
f (t ) =  2 F (s) =
At , t ≥ 0 s3
t
Parabolična funkcija može se predočiti kao integral nagibne funkcije:
f (t ) = t 2 u (t ) .
14
Odskočna, nagibna i parabolična funkcija koriste se kao pobudne funkcije kod
ispitivanja točnosti slijednih sustava (servo sustava), kod kojih se traži da izlazna
veličina što točnije slijedi vodeću (ulaznu) veličinu.
• Vremenski odziv sustava
Za ispitivanje vremenskog odziva sustava Control System Toolbox sadrži nekoliko

naredbi kao i grafičko korisničko sučelje za analizu sustava.
Za ilustraciju neka je dinamika sustava definirana oblikom prijenosne funkcije
5
G (s) = 2 .
s + 2 ⋅ s + 10
Primjer vremenskog odziva sustava
Analiza sustava u vremenskom području

% Prijenosna funkcija:
%
>> s = tf('s'); Transfer function:
>> G = 5/(s^2+2*s+10) 5
>> t = 0:0.1:10; --------------
s^2 + 2 s + 10
% ODSKOČNI ODZIV
% Odziv sustava (izlaz) xi(t) za pobudu u
obliku odskočne funkcije u(t)
>> step(G,t)
% ili
>> xi=step(G,t);
% pri čemu se rezultat sprema u varijablu
xi.
% Za generiranje odskočne funkcije može
se koristiti naredba stepfun(t,t0),
koja daje vrijednosti 0 za elemente vektora
t<t0, a vrijednost 1 za elemente t≥t0. Npr.
u = stepfun(t,1)
% Iznos stacionarnog rješenja koje se
postiže nakon iščezavanja prijelaznih
pojava dobiva se naredbom dcgain, npr.: sv =
>> sv = dcgain(G) 0.5000
% Iznos maksimuma odzivne funkcije xi

sustava pobuđenog odskočnom funkcijom
može se izračunati na sljedeći način:
>> xi_max = max(xi) xi_max =
% a postotni prebačaj odziva kao:
15
>> xi_preb = (xi_max - sv) / sv * 100 0.6734
xi_preb =
% IMPULSNI ODZIV 34.6893
% Odziv sustava (izlaz) xi(t) za pobudu
(ulaz) u obliku impulsne (Diracove)
funkcije δ(t)
>> impulse(G,t)
% ili xi = impulse(G,t)
pri čemu se rezultat sprema u varijablu xi,
te se može iscrtati naredbom plot(t,xi)
% PROIZVOLJNA ULAZNA FUNKCIJA

% Zadavnje pobude u obliku nagibne,
parabolične ili neke proizvoljne funkcije
ne obavlja se direktno kao u slučaju
impulsne i odskočne funkcije, pa je
potrebno generiranje željene funkcije. Pri
tome se za simulaciju sustava koristi
naredba lsim koja je općenita funkcija i
prihvaća proizvoljno zadani ulaz.
• Nagibna funkcija
>> u1 = 2*t;
>> y1 = lsim(G,u1,t);
>> plot(t,u1,t,y1), legend('pobuda','izlaz',2)
• Parabolična funkcija
>> u2 = t.^2; % Kvadrira se svaki
element
>> y2 = lsim(G,u2,t);
>> plot(t,u2,t,y2), legend('pobuda','izlaz',2)
• Proizvoljni ulaz
>> u3 = 1.5*sin(2*t);
>> y3 = lsim(G,u3,t);
>> plot(t,u3,t,y3), legend('pobuda','izlaz')
% Za zadavanje ulazne funkcije može se

koristiti i naredba gensig (engl. signal
generator) za tvorbu ulaznog signala
određene vrste (sinusni, pravokutni,
impulsni) i perioda ponavljanja. Oblik
zadavanja funkcije je:
[U,T]=gensig(TYPE,TAU,TF,TS)
16
TYPE - 'sin' sinusni signal
'square' pravokutni signal
'pulse' impulsni signal
TAU = period ponavljanja,
TF = trajanje signala,
TS = vrijeme uzorkovanja.
% Npr.:
>> Tp=1; Tf=10; Ts=0.01;
>> [u,t] = gensig('square',Tp,Tf,Ts);
>> plot(t,u), axis([0 10 -0.5 1.5])
• Početni uvjeti
Vremenski odziv sustava također se može ispitati i ako početni uvjeti nisu jednaki nuli.
U tu svrhu koristi se naredba initial, uz potrebu pretvorbe modela u oblik prostora
stanja.
Primjer vremenskog odziva sustava uz zadane početne uvjete
Analiza sustava u vremenskom području uz zadane početne uvjete

% Pretvorba modela iz oblika prijenosne
funkcije u oblik prostora stanja:
>> Gps = ss(G);
>> x0 = [-1, 1]; % Početni uvjeti
>> [y,t,x,]=initial(Gps,x0);
>> plot(t,y), xlabel('t'), ylabel('y')
Prva kolona matrice x sadrži prvu varijablu

stanja, a druga kolona sadrži drugu
varijablu stanja. Krivulja koja povezuje
odgovarajuće točke varijabli stanja naziva
se fazna trajektorija, a koordinatni sustav
u kojem je takva krivulja prikazana naziva
se fazna ravnina.
>> x1 = x(:,1); x2 = x(:,2);
17
>> plot(x1,x2), grid
Zbog postojanja prigušnog člana ζ (koji se
dade izračunati izjednačavanjem nazivnika
prijenosne funkcije s2+2s+10, s izrazom
s2+2ζω0s+ω02) krivulja ima oblik prigušene
spirale, koja započinje iz točke koja
predstavlja početne uvjete (x01, x02) i ide
prema ishodištu koordinatnog sustava,
kada se sustav smiruje.
18
2.3. MODELI LTI SUSTAVA
U inženjerskoj praksi uobičajeno je da postupku regulacije nekog sustava prethodi razvoj
matematičkog opisa dinamike sustava. U tu svrhu Control System Toolbox pruža široke
mogućnosti za rad i analizu linearnih vremenski invarijantnih modela, kako
kontinuiranih tako i vremenski diskretnih sustava. Regulacijski sustavi mogu biti
jednovarijabilni sustavi s jednom ulaznom i jednom izlaznom varijablom (engl. single-
input/single-output, SISO), te multivarijabilni sustavi s dvije i više ulaznih varijabli i/ili s
dvije i više izlaznih varijabli (engl. multiple-input/multiple-output, MIMO). Matlab
pruža mogućnost pohranjivanja nekoliko linearnih vremenski invarijantnih modela u
jedno polje pod određenim nazivom. Pri tome svaki model predstavlja jedan element
polja, što pruža velike mogućnosti pri analizi i projektiranju složenih sustava sastavljenih
od većeg broja dinamičkih modela podsustava. Pri definiranju modela sustava, radi
jednostavnosti, uobičajeno se koriste strukture podataka, a Matlab podržava nekoliko
načina zapisa modela linearnih sustava i to u obliku prijenosne funkcije (engl. transfer
function, tf), u obliku nultočki-polova-pojačanja sustava (engl. zero-pole-gain, zpk), te u
obliku prostora stanja (engl. state space, ss).
• Prijenosna funkcija
Već je ranije spomenuto (vidi odjeljak o Laplaceovoj transformaciji) da se općenito

regulacijski sustavi opisuju diferencijalnim jednadžbama koje daju povezanost ulaznih i
izlaznih varijabli. Ukoliko se primjeni Laplaceova transformacija na diferencijalnu
jednadžbu i izluči zajednički faktor Xi(s) i Xu(s), tada se omjer Laplaceove transformacije
izlazne varijable i Laplaceove transformacije ulazne varijable, popdrazumjevajući da su
početni uvjeti jednaki nuli, naziva prijenosna funkcija i zapisuje u obliku:
m
L { izlaz } Y ( s ) bm s + bm −1s
m m −1
+ ... + b1s + b0
∑b s
i =0
i
i
G (s) = = = =
L { ulaz } U ( s ) an s n + an −1s n −1 + ... + a1s + a0 n
∑a s
i =0
i
i
Prijenosna funkcija može biti definirana samo za linearne, stacionarne sustave (s

konstantnim parametrima). Nestacionarni sustavi, koji se često nazivaju vremenski
promjenljivi sustavi imaju jedan ili više vremenski promjenljivih parametara, te za takve
sustave nije moguće načiniti Laplaceovu transformaciju. Prijenosna funkcija mora biti
razlomljena racionalna funkcija, tj. mora vrijediti m < n (red polinoma brojnika manji od
reda polinoma nazivnika), jer u protivnom uz s→∞, prijenosna funkcija G(s)→∞, što
znači da su u matematičkom opisu fizikalnog sustava provedena nedopustiva
pojednostavnjenja. Često se prijenosna funkcija prikazuje pomoću bloka koji povezuje
odzivnu veličinu s pobudnom veličinom, tj.
19
U (s ) Y (s )
G (s) Y ( s) = G(s) ⋅ U (s )
Za regulacijske tehnike i metode koje se temelje na opisu sustava pomoću prijenosne

funkcije (npr. metoda lokusa korjena ili frekvencijske metode) često se koristi izraz
klasične metode analize i sinteze sustava.
Primjer zadavanja u Matlabu
Model zapisan u obliku prijenosne funkcije

Prijenosna funkcija zapisuje se u obliku dva vektora koji sadrže koeficijente
polinoma brojnika (numerator) i koeficijente polinoma nazivnika (denumerator) u
padajućem redoslijedu.
s +1
% G (s) = 2
s + 3s + 2
% zapisuje se u obliku:
>> num = [1 1];
>> den = [1 3 2];
Transfer function:
>> Gpf=tf(num,den)
s+1
% Ili na direktan način:
-------------
>> Gpf=tf([1 1],[1 3 2]);
s^2 + 3 s + 2
% A moguće je koristiti zareze, bez
korištenja razmaka:
>> Gpf=tf([1,1],[1,3,2]);
% Moguće je također i simboličko
predstavljanje prijenosne funkcije na
direktan način definiranjem varijable s,
npr:
Transfer function: s
>> s=tf('s')
Transfer function:
>> G1=(s+5)/(s^2+2*s+1)
s+5
% Moguće je i izvođenje aritmetičkih
-------------
operacija (primjenom operatora +, -, *, /, \,
s^2 + 2 s + 1
inv, ', ^) nad linearnim vremenski
nepromjenljivim modelima. Tako npr.
prijenosna funkcija zatvorenog kruga
U (s ) Y (s )
G1( s )
može se izračunati na direktan način:
20
>> Gz=G1/(1+G1) Transfer function:
% umjesto da se primjeni funkcija s^3 + 7 s^2 + 11 s + 5
feedback koja vrši istu radnju. -------------------------------
>> Gz1=feedback(G1,1,-1) s^4 + 5 s^3 + 13 s^2 + 15 s + 6
% U gornjoj naredbi 1 se odnosi na
prijenosnu funkciju povratne grane, a -1 Transfer function:
označava negativnu povratnu vezu, koja se s+5
u naredbi feedback podrazumjeva , pa se -------------
ovdje može i izostaviti. s^2 + 3 s + 6
Iako se na prvi pogled čini da su direktnim načinom izračunavanja i primjenom naredbe

feedback dobivene različite vrijednosti prijenosne funkcije zatvorenog kruga, njihovo
dinamičko ponašanje bilo bi identično. Naime, prijenosna funkcija Gz sadrži parove
nultočki i polova (o kojima će biti nešto više rečeno u nastavku poglavlja), koji se
međusobno poništavaju, čime se prijenosna funkcija Gz zapravo svodi na prijenosnu
funkciju Gz1. Funkcija koja služi za poništavanje bliskih nultočki i polova prijenosne
funkcije je minreal (engl. minimal realization).
% Transfer function:
>> minreal(Gz) s+5
-------------
s^2 + 3 s + 6
• Nultočke-polovi-pojačanja
Izraz za prijenosnu funkciju može se pisati i u obliku umnoška faktora polinoma

brojnika i polinoma nazivnika:
m
( s − z1 ) ⋅ ( s − z 2 ) ⋅ ⋅ ⋅ ( s − z m )
∏ (s − z )
i =1
i
G (s) = K ⋅ =K⋅ n
( s − p1 ) ⋅ ( s − p2 ) ⋅ ⋅ ⋅ ( s − pn )
∏ (s − p )
i =1
i
Vrijednosti s = zi (rješenja polinoma brojnika), za koje je G ( s) = 0 , nazivaju se

nultočke (engl. zero) prijenosne funkcije G(s). Vrijednosti s = pi (rješenja polinoma
nazivnika), za koje je G (s) = ∞ nazivaju se polovi (engl. poles) prijenosne funkcije
G(s). Omjer K = bm / am naziva se prijenosni omjer (ako izlazna i ulazna veličina
imaju različite dimenzije) ili pojačanje (ako izlazna i ulazna veličina imaju iste
dimenzije).
Primjer zadavanja u obliku nultočki-polova-pojačanja u Matlabu
21
Model zapisan u obliku nultočke-polovi-pojačanje
% Prijenosna funkcija napisana u obliku
nultočki, polova i pojačanja sustava:
(s + 1 + 2 j) (s + 1 − 2 j)
% G ( s ) = 10
( s + 3) ( s + 4)
% Nultočke i polovi prijenosne funkcije
mogu biti i kompleksni brojevi
>> Gzpk=zpk([-1-2j, -1+2j],[-3,-4],10)

Zero/pole/gain:
10 (s^2 + 2s + 5)
% Množenjem faktora u brojniku
------------------
prijenosne funkcije dobiva se:
(s+3) (s+4)
(s + 1 + 2 j) (s + 1 − 2 j ) = s 2 + 2 s + 5
Primjer prikaza položaja nultočki i polova prijenosne funkcije
% Za prikaz položaja nultočki i polova

prijenosne funkcije u s-ravnini može se
iskoristiti naredba pzmap.
% Prijenosne funkcije Gz1 i Gz definirane
su u prethodnom odjeljku.
>> pzmap(Gz1), axis([-6 0 -2.5 2.5])

% Prijenosna funkcija Gz1 ima jednu
nultočku (-5) i dva pola (-1.5±1.94i).
>> pzmap(Gz), axis([-6 0 -2.5 2.5])

% Samo izračunavanje položaja nultočki i
polova prijenosne funkcije postiže se
naredbom u obliku:
>> [polovi,nule]=pzmap(Gz);
% Izostavljanjem parametara koje
funkcija pzmap vraća, nultočke i polovi
se samo prikazuju u kompleksnoj ravnini.
% Prijenosna funkcija Gz sadrži pored

nultočke smještene u -5 i konjugirano
kompleksnog para polova u -1.5±1.94i,
još i dvije nultočke i dva pola smještena u
-1, koji se korištenjem naredbe minreal
poništavaju. To se dobro uočava prikazom
prijenosne funkcije Gz u obliku nultočki-
22
polova-pojačanja:
>> zpk(Gz)
Zero/pole/gain:
% Za izračunavanje nultočki i polova (s+5) (s+1)^2
modela zadanog prijenosnom funkcijom -----------------------
može se pisati: (s+1)^2 (s^2 + 3s + 6)
>> z=zero(Gz)
% ili z=roots(num) z= p=
>> p=pole(Gz) -5.0000 -1.5000 + 1.9365i
% ili p=roots(den) -1.0000 -1.5000 - 1.9365i
-1.0000 -1.0000 + 0.0000i
-1.0000 - 0.0000i
• Prostor stanja
Stanje nekog dinamičkog sustava je matematička struktura načinjena od najmanjeg

skupa varijabli (koje zovemo varijable stanja) čijim poznavanjem vrijednosti u nekom
početnom trenutku zajedno s poznavanjem ulaza sustava u potpunosti je jednoznačno
određeno i dinamičko ponašanje sustava u bilo kojem budućem trenutku. Dakle,
varijable stanja sustava u potpunosti određuju dinamiku toga sustava. Sustav koji se
može opisati konačnim brojem varijabli stanja naziva se sustav s koncentriranim
parametrima, a matematički alat kojim se opisuju ovakvi sustavi su obične diferencijalne
jednadžbe konačnog reda, kod kojih je vrijeme jedina nezavisna varijabla. Kada se osim
vremena pojavljuju i prostorne ili neke druge koordinate kao nezavisne promjenljive,
opis dinamike sustava bit će predočen parcijalnim diferencijalnim jednadžbama, a takve
sustave nazivamo sustavi s raspodijeljenim parametrima.
Područje zanimanja inženjera je uglavnom usmjereno ka fizikalnim sustavima, gdje su
varijable npr. napon, struja, položaj, brzina, tlak, temperatura i slične fizikalne veličine.
Međutim, teorija stanja sustava nije ograničena samo na analizu fizikalnih sustava, nego
se može uspješno koristiti i u analizi npr. bioloških, socioloških, ekonomskih i dr.
sustava. Za ovakve sustave koncept stanja proširuje se s jednadžbi održanja energije,
mase i impulsa fizikalnih sustava prema sagledavanju značajki važnih za opis budućeg
ponašanja sustava. Ne postoji općeniti postupak za izbor varijabli stanja, jer njihov izbor
zavisi od vrste i svrhe projekta, kao i umješnosti projektanta. Pri tome treba voditi računa
da se izaberu samo linearno nezavisne fizikalne varijable koje se ne mogu izraziti
pomoću preostalih varijabli stanja. Varijable stanja ne moraju biti fizikalno mjerljive
veličine, tj. mogu biti i čisto matematičke veličine.
Pristup analizi sustava primjenom prostora stanja često se označava kao moderna ili
suvremena teorija. Ideja prostora stanja proizlazi iz opisa dinamičkog sustava nizom
diferencijalnih jednadžbi prvog reda u obliku varijabli stanja. Sustav diferencijalnih
jednadžbi prvog reda ima opći oblik zapisa:
23
x&1 = a11 x1 + ... + a1n xn + b11u1 + ... + b1m um
M
x&n = an1 x1 + ... + ann xn + bn1u1 + ... + bnmu m
y1 = c11 x1 + ... + c1n xn + d11u1 + ... + d1m um

M
y p = c p1 x1 + ... + c pn xn + d p1u1 + ... + b pm um
Koji se uobičajeno zapisuje u matričnom obliku kao:
x& = A x + B u
y = C x + Du
U gornjem izrazu vektor x zove se vektor stanja i ima oblik:
x = [x1 (t ) x2 (t ) .... xn (t )] T .
Matrica A (dim n×n) je matrica koeficijenata sustava, matrica B (dim n×m) je matrica
ulaza sustava, matrica C (dim p×n) je matrica izlaza sustava, a matrica D (dim p×m) je
matrica prijenosa.
Primjer zadavanja u Matlabu
Model zapisan u obliku prostora stanja

% Matematički model napisan u obliku
% matrica prostora stanja:
>> A=[-4 -2; 2 1]; B=[2; 0]; C=[1 0]; D=0;
% Matlab koristi skraćenicu ss za
% prostor stanja (engl. state space)
a= b=
>> Gss=ss(A,B,C,D) x1 x2 u1
% Matlab ispisuje matrice a,b,c,d, koje su x1 -4 -2 x1 2
različitog imena od matrica sustava i služe x2 2 1 x2 0
samo u svrhu prikaza rezultata, te se ne
spremaju u radnu memoriju. c= d=
% Izračunavanje vlastitih (svojstvenih) x1 x2 u1
vrijednosti modela prostora stanja postiže y1 1 0 y1 0
se naredbom eig (engl.eigenvalues). Continuous-time model.
>> v=eig(Gss)
% Vlastite vrijednosti kao i polovi sustava v=
uvijek će biti realni i/ili konjugirano -3
kompleksni brojevi, dobiveni kao rješenja 0
(korjeni) karakteristične jednadžbe oblika:
s 2 + 2 ξ ω0 s + ω02 .
Funkcijom damp može se izračunati
24
stupanj prigušenja ξ i vlastita
(neprigušena) frekvencija ω0 kompleksnih
parova ili vlastitih vrijednosti, a još se Eigenvalue Damping Freq. (rad/s)
ispisuju i iznosi polova (vlastitih
vrijednosti) sustava. 0.00e+000 -1.00e+000 0.00e+000
>> damp(Gss) -3.00e+000 1.00e+000 3.00e+000
2.3.1. Pretvorba različitih oblika zapisa modela
Matlab omogućuje pretvorbu jednog zapisa modela linearnog sustava u drugi.
Primjer pretvorbe različitih oblika modela
Pretvorba zapisa modela tf-zpk-ss

% Koriste se ranije definirani izrazi Gpf,
% Gzpk, Gss:
%:Gpf=tf([1 1],[1 3 2])
% Gzpk=zpk([-1-2j, -1+2j],[-3,-4],10) Zero/pole/gain:
% Gss=ss(A,B,C,D) (s+1)
% -----------
(s+2) (s+1)
>> Gzpk1=zpk(Gpf)
% ili [z,p,k]=tf2zp(num,den); Transfer function:
% Nultočka n=-1, Polovi p1=-1, p2=-2 2s-2
% Pojačanje k=1 ---------
s^2 + 3 s
>> Gpf1=tf(Gss) a= b=
% ili [num,den]=ss2tf(A,B,C,D); x1 x2 u1
x1 -3 -0.5 x1 1
>> Gss1=ss(Gpf) x2 4 0 x2 0
% ili [a,b,c,d]=tf2ss(num,den); c= d=
x1 x2 u1
y1 1 0.25 y1 0
Continuous-time model.
Struktura modela može se dohvatiti naredbom get, a promjena svojstva u strukturi

modela može se promijeniti naredbom set.
25
Ispis i izmjena strukture modela pomoću naredbi get i set.
Ispis strukture modela
>> get(Gpf) num: {[0 1 1]}

den: {[1 3 2]}
% Slična struktura dobiva se i za naredbe Variable: 's'
Ts: 0
>> get(Gzpk); ioDelay: 0
InputDelay: 0
>> get(Gss); OutputDelay: 0
InputName: {''}
% U ispisu svojstava modela Ts je vrijeme OutputName: {''}
uzorkovanja, koje za vremenski InputGroup: {0x2 cell}
kontinuirane modele iznosi 0. OutputGroup: {0x2 cell}
Notes: {}
% Za pristup nekom određenom parametru UserData: []
u strukturi modela potrebno je naznačiti
oznaku parametra uz ime modela
korištenjem naredbe get.
>> num2=get(Gpf, 'num') num2 =
% Za postavljanje i pridruživanje imena [1x3 double]
određenom svojstvu u strukturi modela
koristi se naredba set. Npr. ulaznoj
varijabli se pridružuje ime 'napon', a
izlaznoj varijabli ime 'protok'. Transfer function from input
>> set(Gpf, 'InputName',{'napon'}) "napon" to output "protok":
>> set(Gpf, 'OutputName',{'protok'}) s+1
% Ova imena će se sada koristiti kod ispisa -------------
podataka vezanih uz prijenosnu funkc.Gpf s^2 + 3 s + 2
>> Gpf
Dohvaćanje pojedinačnih parametara i pridruživanje određenog imena u strukturi

modela može se načiniti korištenjem naredbi tfdata, zpkdata, ssdata uz naznaku
'v' što označava ispis rezultata u vektorskom formatu ili 'cell' za ispis u obliku
ćelije.
Dohvaćanje pojedinačnih parametara u strukturi modela
Dohvaćanje pojedinačnog parametra

>> [num1,den1]=tfdata(Gpf,'v') num1 = 0 1 1
den1 = 1 3 2
26
>> [z1,p1,k1]=zpkdata(Gzpk,'v') z1 = -1.0000 - 2.0000i
-1.0000 + 2.0000i
p1 = -3
-4
k1 = 10
>> [A1,B1,C1,D1]=ssdata(Gss)
A1 = -4 -2 B1 = 2
% Korištenje 'v' ili 'cell' u naredbi ssdata 2 1 0
daje samo dimenzije matrica modela
C1 = 1 0 D1 = 0
Dohvaćanje nekog elementa unutar polja može se postići i na direktan način ispisom
imena elementa i korištenjem vitičastih zagrada. Za sustave s jednim ulazom i jednim
izlazom (SISO) izraz unutar vitičastih zagrada je uvijek jednak jedinici. Vitičaste
zagrade označavaju polje ćelija, s obzirom da se u prijenosnu funkciju sustava s više
ulaza i više izlaza (MIMO) mogu pohraniti vektori različitih tipova i/ili veličina unutar
ćelije. Polje ćelija predstavlja matricu s promjenljivom veličinom matrice, npr.:
Direktno dohvaćanje pojedinačnih parametara u strukturi modela
Direktno dohvaćanje pojedinačnog parametra

% Direktno dohvaćanje nazivnika
prijenosne funkcije Gpf den2 =
>> den2=Gpf.den{1} 1 3 2
% Bez vitičastih zagrada ispisuje se
rezultat u kojem se ne vide numeričke den2 =
vrijednosti [1x3 double]
>> den2=Gpf.den
% Polje ćelija: p_c =
>> p_c={5, [5,4], [5,4,3], [5,4,3,2]} [5] [1x2 double] [1x3 double]
[1x4 double]
>> p_c{3} ans = 5 4 3
% Dohvaćanje pojedinog elementa u
drugim strukturama zapisa postiže se na
sličan način, npr.:
% Druga nultočka z2 = -1.0000 + 2.0000i

>> z2=Gzpk.z{1}(2)
% Prvi pol
>> p1= Gzpk.p{1}(1) p1 = -3
27
% Matrica koeficijenata sustava
>> A1=Gss.a A1 = -4 -2
2 1
Potrebno je naglasiti da ove tri vrste modela (tf, zpk, ss) nisu podjednako pogodne za
numeričke izračune. Točnost izračuna u Matlabu pomoću modela prijenosne funkcije
(osobito višeg reda) je često vrlo slaba. Zbog toga pretvorba modela u oblik prijenosne
funkcije može uzrokovati gubitak na točnosti, koji se ispoljava kao značajna razlika
položaja polova u odnosu na model nultočki-polova-pojačanja ili prostora stanja.
Pretvorba modela predstavljenog oblikom prijenosne funkcije ili nultočki-polova-
pojačanja u model prostora stanja nije jedinstveno definiran. To znači da je model
prijenosne funkcije kao i model nultočki-polova-pojačanja jednoznačno definiran za neki
linearni sustav, dok postoji više zapisa u obliku prostora stanja koji daju istu prijenosnu
funkciju. Zbog toga je najprikladniji oblik sa stanovišta numeričkih izračuna oblik
prostora stanja.
Višeznačnost modela prostora stanja

% Za model sustava Gss definiran a= b=
matricama prostora A, B, C, D stanja x1 x2 u1
načinit će se pretvorba u oblik prijenosne x1 -4 -2 x1 2
funkcije i ponovno natrag u oblik prostora x2 2 1 x2 0
stanja.
% Početni model: c= d=
>> Gss x1 x2 u1
y1 1 0 y1 0
Continuous-time model.
% Model nakon pretvorbe u oblik
prijenosne funkcije i ponovno natrag u a= b=
oblik prostora stanja: x1 x2 u1
>> Gpr=ss(tf(Gss)) x1 -3 0 x1 2
x2 1 0 x2 0
% Moguće je uočiti razliku u iznosima c= d=
matrica a i c za početni model Gss i za x1 x2 u1
model nakon izvršene pretvorbe Gpr, iako y1 1 -1 y1 0
oba modela imaju isti položaj nultočki i Continuous-time model.
polova.
>> pzmap(Gss), axis([-4 2 -1 1])
>> pzmap(Gpr), axis([-4 2 -1 1])
28
2.3.2. Linearni model s transportnim kašnjenjem
Linearni vremenski invarijantni model vrlo često može sadržavati i transportno

kašnjenje ili mrtvo vrijeme (engl. time-delay). Komponenta kašnjenja pojavljuje se u
matematičkom opisu sustava kod kojih se neka pojava širi konačnom brzinom i nije
dovoljno velika u odnosu na brzinu promjene fizikalnih veličina značajnih za opis
procesa. Ovaj slučaj često se pojavljuje u procesnoj tehnici.
Komponenta kašnjenja opisuje se u vremenskom području jednadžbom oblika:
y (t ) = u (t − τ m ) ,
iz koje slijedi da je izlazna veličina komponente po iznosu jednaka ulaznoj veličini, ali je
vremenski pomaknuta za vrijeme kašnjenja τm. Laplaceovom transformacijom gornjeg
izraza može se dobiti prijenosna funkcija komponente kašnjenja:
Y ( s)
Gm ( s ) = = e −τ m s .
U (s)
Primjer zapisa modela s transportnim kašnjenjem
Dodavanje transportnog kašnjenja u linearni model

K s −Tm s
Prijenosna funkcija sustava s transportnim kašnjenjem Gm ( s ) = e
T s +1
% Neka konstante imaju slijedeće iznose:

>> K = 2; T = 5; Tm = 1;
>> num = [K, 0]; den = [T, 1]; Transfer function:
>> Gm = tf(num, den, 'InputDelay', Tm) 2s
exp(-1*s) * -------
5s+1
2.3.3. Model s više ulaza i/ili više izlaza
Multivarijabilni ili višestruki sustavi predstavljaju sustave koji sadrže više ulaznih i
izlaznih veličina (MIMO). To su općenito složeniji sustavi koji sadrže više jednostrukih,
funkcionalno povezanih ulaznih i izlaznih veličina. U pravilu se javljaju u procesnoj
industriji pri upravljanju složenih objekata, u vojnoj tehnici, robotici, pri upravljanju
kozmičkim letjelicama i sl. Iste funkcije koje se koriste kod zapisa sustava s jednom
ulaznom i jednom izlaznom veličinom (SISO) mogu se koristiti i u slučaju
multivarijabilnih (MIMO) sustava. To znači da se mogu koristiti oblici zapisa modela
pomoću prijenosne funkcije, nultočki-polova-pojačanja i prostora stanja, pri čemu se
jednostavniji podsustavi povezuju u složenije sustave kojima je omogućen pristup i
manipuliranje pojedinačnim strukturama zapisa.
Iz dinamičkog modela opisanog prostorom stanja linearnog vremenski invarijantnog
sustava:
29
x& (t ) = A x(t ) + B u (t )
y (t ) = C x(t ) + D u (t )
moguće je dobiti matricu prijenosnih funkcija G(s), kao model u području kompleksne
varijable s. U tu svrhu potrebno je najprije izvršiti Laplaceovu transformaciju gornjeg
izraza:
s X ( s ) − X (0 ) = A X ( s ) + B U ( s )
Y ( s) = C X (s ) + DU (s)
Uz pretpostavku da je X(0)=0, tj. početno stanje sustava jednako nuli, dobiva se:
[sI − A ] X (s ) = B U (s)
gdje je I jedinična matrica. Nadalje slijede izrazi za vektor stanja X(s) i vektor izlaza
Y(s):
X ( s ) = [sI − A ] −1 B U ( s ) = Φ( s ) B U ( s )
{ }
Y ( s ) = C [sI − A ] −1 B + D U ( s )
Matrica Φ( s ) = [sI − A ] naziva se resolventna matrica sustava. Obratnom
−1
Laplaceovom transformacijom resolventne matrice Φ(s ) dobiva se matrica prijelaza

sustava ili temeljna matrica Φ(t ) :
Φ(t ) = L −1 [Φ( s )] = L −1 [sI − A ] −1 .
Matrica prijelaza sustava opisuje zakon po kojem se odvija prijelaz iz početnog u neko
drugo stanje.
Matrica prijenosnih funkcija G(s) preslikava vektor ulaza U(s) na vektor izlaza Y(s) u
području kompleksne varijable, tj.:
Y ( s) = G (s) U (s) ,
gdje je
G ( s ) = C [sI − A ] −1 B + D .
Pri tome je matrica prijenosnih funkcija G(s) sačinjena od niza 'običnih' prijenosnih
funkcija koje daju povezanost između j-tog ulaza i i-tog izlaza sustava, tj.:
[ ]
G ( s ) = g ij ( s ) , i = 1,...., p; j = 1,...., m.
Primjer određivanja matrice prijenosnih funkcija
Multivarijabilni sustav s više ulaznih i izlaznih veličina (MIMO sustav)

% Neka je zadan MIMO sustav s dva ulaza
i dva izlaza u obliku matrica prostora a= b=
stanja: x1 x2 u1 u2
x1 0 1 x1 1 1
x2 -2 -3 x2 0 -2
c= d=
x1 x2 u1 u2
30
0 1 1 1  y1 0 -2 y1 0 0
x& =   x + 0 − 2  u , y2 1 0 y2 0 0
 − 2 − 3  
0 − 2  Continuous-time model.
y= x
1 0 
Transfer function from input 1 to
>> A=[0 1;-2 -3]; B=[1 1;0 -2];
output...
>> C=[0 -2; 1 0]; D=[0 0;0 0];
4
>> sys=ss(A,B,C,D)
#1: ------------- % g11
s^2 + 3 s + 2
% Matrica prijenosnih funkcija imat će
 g11 g12  s+3
izgled: G ( s ) = C Φ( s ) B =  
 g 21 g 22 #2: ------------- % g21
% a može se izračunati kao: s^2 + 3 s + 2
>> Gmpf=tf(sys)
Transfer function from input 2 to
% Blokovski prikaz koji daje povezanost output...
pojedinih ulaza i izlaza sustava ima 4s+4
slijedeći izgled: #1: ------------- % g12
s^2 + 3 s + 2
G (s ) s+1
u1 ( s ) 4 y1 ( s ) #2: ------------- % g22
g11 = 2 s^2 + 3 s + 2
s + 3s + 2
s+3
g 21 = 2
s + 3s + 2
4
g12 =
s+2
Transfer function:
1
g 22 = 4
u2 ( s) s+2 -----
y2 ( s)
s+2
% U prijenosnim funkcijama g12 i g22 Transfer function:

izvršeno je poništavanje bliskih nultočki i 1
polova: -----
>> g12=tf([4 4],[1 3 2]); s+2
>> g22=tf([1 1],[1 3 2]);
>> minreal(g12), minreal(g22)
Ukoliko su poznate prijenosne funkcije koje daju povezanost pojedinih ulaza i izlaza
sustava, tada se prijenosna funkcija složenog sustava može zapisati na način da se
31
pojedine prijenosne funkcije zapisuju kao elementi matrice ili se definira polje ćelija svih
brojnika i nazivnika prijenosnih funkcija koje se povežu u zajedničku cjelinu naredbom
tf.
Model MIMO sustava u obliku prijenosne funkcije
Prijenosna funkcija MIMO modela

% Neka je sustav zadan matricom
prijenosnih funkcija:
 s−2 
 s+2  Transfer function from input to
G (s) =  s +1  output...
 2  s-2
 s + 5 s + 10  #1: -----
• Povezivanje pojedinačnih s+2
prijenosnih funkcija
>> g11 = tf([1 -2],[1 2]); s+1
>> g21 = tf([1 1],[1 5 10]); #2: ----------------
>> G = [g11; g21] s^2 + 5 s + 10
• Definiranjem polja ćelija brojnika

i nazivnika prijenosne funkcije Transfer function from input to
output...
>> NUM = {[1 -2]; [1 1]}; s-2
>> DEN = {[1 2]; [1 5 10]}; #1: -----
>> G = tf(NUM, DEN) s+2
s+1
#2: ----------------
s^2 + 5 s + 10
Slično kao u slučaju prijenosne funkcije modela složeni sustav može biti zadan i u obliku
nultočki-polova-pojačanja pojedinačnih podsustava, koji se zatim mogu povezati u
složeni model primjenom naredbe zpk. Pri tome se oblikuje polje ćelija koje se odnose
na nultočke, polove i pojačanja pojedinih podsustava.
Model MIMO sustava u obliku nultočki-polova-pojačanja
Nultočke-polovi-pojačanja MIMO modela

% Oblikovanjem polja ćelija nultočki,
polova i pojačanja i korištenjem naredbe
zpk:
Zero/pole/gain from input 1 to
32
>> Z = {[ ], 2; [2-i 2+i], [ ]}; output...
>> P = {0, [-1 -1]; [1 2 4], [ ]}; -2
>> K = [-2 5; 4 0]; #1: --
>> G = zpk(Z, P, K) s
% dobiva se model sustava s dva ulaza i 4 (s^2 - 4s + 5)

dva izlaza: #2: --------------------
 −2 5( s − 2)  (s-1) (s-2) (s-4)
 s ( s + 1) 2 
G (s) =  2 Zero/pole/gain from input 2 to
 4( s − 4s + 5)  output...
 ( s − 1) ( s − 2) ( s − 4) 0 
  5 (s-2)
#1: ---------
(s+1)^2
#2: 0
33
2.4. FREKVENCIJSKE KARAKTERISTIKE
Za određivanje vremenskog odziva dinamičkih sustava najčešće se kao pobudne funkcije
upotrebljavaju odskočna (step) i impulsna (impulse) funkcija. Uz ove dvije funkcije
često se za ispitivanje linearnih vremenski nepromjenljivih (LTI) sustava primjenjuje
pobuda u obliku harmonijske funkcije (npr. sinusne funkcije). Ukoliko se na ulaz
stabilnog LTI sustava narine pobuda u obliku sinusne funkcije u (t ) = Au sin ω t , izlazna
veličina sustava također će se mijenjati, nestankom prijelaznih pojava, u obliku sinusne
funkcije s jednakom frekvencijom, ali općenito izmjenjenom amplitudom i faznim
pomakom, tj. y (t ) = Ai sin(ω t + ϕ ) . Time se zapravo i analiza sustava u frekvencijskom
području svodi na ispitivanje promjena amplitude i faznog pomaka izlaznog signala za
različite frekvencije ulaznog signala. Teorijski, frekvencije ulaznog siganala mogu se
mijenjati od nule do beskonačnosti, međutim stvarni regulacijski sustavi rade u području
ograničenih frekvencija.
u = Au sin ω t
y = Ai sin(ω t + ϕ )
u = Au sin ωt u (t ) y (t )
Au sustav Au
Ai
t t
ϕ
2π 2π
Određivanje vrijednosti izlazne harmonijske funkcije pomoću vremenskih karakteristika

svodi se na rješenje diferencijalne jednadžbe u kojoj su vrijednosti ulaza u (t ) i izlaza
y (t ) zamijenjene iznosima sinusnih funkcija:
n m
d j ( Ai sin(ωt + ϕ )) d k ( Au sin(ωt ))
∑
j =0
aj
dt j
= ∑
k =0
bk
dt k
.
To vodi ka dosta složenim matematičkim operacijama s nizom trigonometrijskih

pretvorbi, što je sa stanovišta prakse neprikladno. Nešto lakši put dobivanja rješenja
predstavlja zamjena trigonometrijskih funkcija eksponencijalnim primjenom Eulerove
transformacije:
e jωt = cos ωt + j sin ωt .
Međutim, uobičajeni postupak analize sustava u frekvencijskom području svodi se na
neku od grafičkih metoda prikaza promjene amplitude i faze kod različitih frekvencija,
što je i najveća vrijednost ovog postupka.
Slično kao što je kod analize u području kompleksne varijable (s-području) uveden
pojam prijenosne funkcije i ovdje se uvodi pojam sinusne prijenosne funkcije
(frekvencijske prijenosne funkcije), koja predstavlja omjer izlazne i ulazne funkcije a
definirana je na slijedeći način:
34
y ( jω )
G ( jω ) = = G ( jω ) e jϕ .
u ( jω )
Modul sinusne prijenosne funkcije (amplitudno frekvencijska karakteristika, AFK, engl.
magnitude) je apsolutna vrijednost omjera amplituda izlaznog i ulaznog signala:
A
M (ω ) = G ( jω ) = i = [Re G ( jω )] 2 + [Im G ( jω )] 2
Au
a argument (fazno frekvencijska karakteristika, FFK, engl. phase) se naziva fazni kut:
Im G ( jω )
ϕ = ∠G ( jω ) = ϕi − ϕu = arctan
Re G ( jω )
Sinusna prijenosna funkcija je kompleksan broj, te se može grafički prikazati u
kompleksnoj (Gaussovoj) ravnini, gdje udaljenost od ishodišta predstavlja modul sinusne
prijenosne funkcije, a kut mjeren od realne osi predstavlja argument sinusne prijenosne
funkcije.
Im G ( jω )
G ( jω )
j ω)
G(
ϕ
Re G ( jω )
Sinusna prijenosna funkcija G ( jω ) može se smatrati posebnim slučajem prijenosne
funkcije G (s ) pri čemu je operator vremenski kontinuirane Laplaceove operacije s
zamijenjen kompleksnom frekvencijom jω .
Frekvencijska karakteristika sustava može se prikazati u određenom frekvencijskom
rasponu na način da se odvojeno prikažu zavisnost amplitude G i faze ϕ u zavisnosti
od frekvencije ω . Na ovaj način prikazane su frekvencijske karakteristike u Bodeovim
dijagramima, pri čemu se radi bolje preglednosti u širem rasponu frekvencija, te analize i
ocjene karakteristika koristi logaritamsko mjerilo. Drugu mogućnost predstavlja
iscrtavanje točaka frekvencijske karakteristike (sinusne prijenosne funkcije) u
kompleksnoj ravnini, izračunatih za različite vrijednosti frekvencije ω (pri tome se ω
mijenja od nule do beskonačnosti). Spajanjem tih točaka dobiva se polarni dijagram s
frekvencijom ω kao parametrom, a naziva se još i Nyquistov dijagram. Zbog slabije
preglednosti Nyquistovog dijagrama, a time i težeg očitanja AFK i FFK kod visokih
frekvencija češće se u primjeni koriste Bodeovi dijagrami.
Najveći broj tehničkih sustava pokazuje karakteristično svojstvo filtera u smislu da ako
se na ulaz sustava dovede harmonijska funkcija frekvencije ω , onda će amplituda
izlaznog signala Ai biti sve manja što je frekvencija pobude veća, a u slučaju da
ω → ∞ , amplituda izlaza Ai → 0 . To se još naziva i prigušno ili filtersko svojstvo
sustava.
35
Primjer frekvencijskog odziva sustava u Bodeovim dijagramima
Analiza sustava u frekvencijskom području, bode()

Potrebno je prikazati frekvencijske karakteristike sustava zadanog prijenosnom
5
funkcijom G ( s ) = 2 , ako je ulaz sustava u (t ) = 1.5 sin (2 t ) .
s + 2 s + 10
>> s = tf('s');
>> G = 5/(s^2+2*s+10) Transfer function:
>> t = 0:0.1:10; 5
>> u = 1.5*sin(2*t); --------------
% Odziv sustava (izlaz) u vremenskom s^2 + 2 s + 10
području već je obrađen u potpoglavlju
koje govori o standardnim pobudnim 1.5
pobuda
signalima. 1
izlaz
>> y = lsim(G,u,t);
>> plot(t,u,'--',t,y), legend('pobuda','izlaz')
0.5
% Harmonijska pobuda uzrokuje također i 0
harmonijski izlaz sustava iste frekvencije. -0.5
Iznos AFK (engl. magnitude) izlaznog -1
signala, kao i FFK (engl. phase) moguće je

izračunati iz zadane prijenosne funkcije -1.5
0 1 2 3 4 5 6 7 8 9 10
zamjenom s=j ω, korištenjem funkcije

bode. Npr. za ω=2 AFK i FFK imaju
iznose:
>> [mag, phase]=bode(G, 2) mag =

0.6934
% Usporedba ponašanja odziva sustava za phase =
različite vrijednosti frekvencije ulaza -33.6901
>> t = 0:0.05:10; w1 w2
>> w1=1; w2=2; w3=4; w4=10; 2 2
>> u1=1.5*sin(w1*t);
1 1
0 0
>> u2=1.5*sin(w2*t); -1 -1
>> u3=1.5*sin(w3*t); -2
0 5 10
-2
0 5 10
>> u4=1.5*sin(w4*t); 2
w3
2
w4
>> y1 = lsim(G,u1,t); 1 1
>> y2 = lsim(G,u2,t); 0 0
>> y3 = lsim(G,u3,t);
-1 -1
-2 -2
>> y4 = lsim(G,u4,t);
0 5 10 0 5 10
>> subplot(221), plot(t,u1,'--',t,y1), title('w1'),

>> subplot(224), plot(t,u4,'--',t,y4), title('w4')
36
% Vrijednosti amplitude i faze
frekvencijske prijenosne funkcije za
iznose zadanih frekvencija: mag1 = 0.5423, phase1 = -12.5288
>> [mag1, phase1] = bode(G, w1) mag2 = 0.6934, phase2 = -33.6901
>> [mag4, phase4] = bode(G, w4)
% Ili u vektorskom obliku za frekvencije mag = 0.5423 phase = -12.5288

0.5518 -14.0516
između 1 i 10 rad/s
0.5624 -15.6621
>> w=1:0.1:10; . .
>> num = 5; den = [1 2 10]; . .
>> [mag, phase] = bode(num, den, w) . .
0.0542 -167.4712
% Ili u grafičkom prikazu
>> subplot(211), plot(w, mag)
>> subplot(212), plot(w, phase)
1
0.8
% Pri čemu se dobiva Bodeov dijagram u 0.6
0.4
linearnom mjerilu. Radi pojednostavljenja 0.2
analize i ocjene karakteristika uobičajeno 0

1 2 3 4 5 6 7 8 9 10
se AFK prikazuje u log-log mjerilu a AFK 0
u lin-log mjerilu: -50
-100
-150
>> w=logspace(-1, 2, 100); -200

1 2 3 4 5 6 7 8 9 10
% Generira se npr. 100 logaritamskih

ekvidistantnih frekvencija između 10-1=0.1
i 102=100
Bodeov dijagram
0
>> [mag, phase]=bode(num, den, w); -20

|G| ( dB )
-40
>> subplot(211), semilogx(w, 20*log10(mag)) -60
>> title('Bodeov dijagram') -80

10
-1
10
0
10
1 2
10
>> ylabel('|G| ( dB )') 0
>> subplot(212),semilogx(w, phase) -50
>> ylabel('\phi ( ° )') % grčko slovo ϕ,

φ ( °)
-100
kut u stupnjevima
-150
-200
>> xlabel('\omega ( rad/s )')

-1 0 1 2
10 10 10 10
ω ( rad/s )
>> hold on
% Crtanje faze od ϕ = -180°, što je
značajno kod provjere stabilnosti u
Bodeovim dijagramima
>> semilogx([0.1 100], [-180 -180], '--');
% A može se i jednostavno pozvati
naredba bode koja iscrtavanje dijagrama
radi automatski:
>> bode(G), % bode(num,den)
37
% Potrebno je primjetiti da se AFK kao Bode Diagram
omjer amplituda izlaznog i ulaznog signala

0
-20
uobičajeno prikazuje u jedinicama dB
Magnitude (dB)
-40
(decibel), pri čemu se broj u dB računa -60
kao: N[dB]=20 log(N), npr. -80

0
>> Mag1 = 0.1; Mag2 = 1; Mag3 = 10; -45
>> Mag4 = 100;
Phase (deg)
-90
-135
>> Mag1_dB=20*log10(Mag1)
-180
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
Mag1_dB = -20
Mag2_dB = 0
Mag3_dB = 20
Mag4_dB = 40
Primjer frekvencijskog odziva sustava u Nyquistovim dijagramima
Analiza sustava u frekvencijskom području, nyquist()
% Frekvencijske karakteristike mogu se 0.5

Nyquistov dijagram
također prikazati i u kompleksnoj ravnini,

što predstavlja Nyquistov dijagram
0
>> Re=real(mag.*exp(j*phase*pi/180));
Imag
>> Im=imag(mag.* exp(j*phase*pi/180)); -0.5
>> plot(Re, Im), axis([-0.5 1 -1 0.5])

>> xlabel('Real'), ylabel('Imag')
>> title('Nyquistov dijagram') -1
-0.5 0
Real
0.5 1
% A može se i jednostavno pozvati

Nyquist Diagram
naredba nyquist koja iscrtavanje 0.8

1
dijagrama radi automatski: 0.6
>> nyquist(num,den), % nyquist(G) 0.4
0.2
Imaginary Axis
% Pri tome naredba nyquist prikazuje i -0.2
inverznu polarnu krivulju (za negativne -0.4
-0.6
iznose frekvencija). Udaljenost neke točke -0.8
na polarnoj krivulji predstavlja AFK -1

-1 -0.8 -0.6 -0.4 -0.2
Real Axis
0 0.2 0.4 0.6
(|G(j ω)|), a kut mjeren od pozitivne realne

osi predstavlja FFK (ϕ).
38
Oblik Bodeovog i Nyquistovog dijagrama karakterističan je za određeni tip sustava.
Analizom frekvencijskih karakteristika u Bodeovom dijagramau, kao i polarne krivulje u
Nyquistovom dijagramu mogu se donijeti važni zaključci o dinamičkom ponašanju
sustava, njegovoj stabilnosti i sl.
U regulacijskoj tehnici vrlo često se složeni sustav rastavlja na niz serijski spojenih
podsustava, pri čemu je svaki od njih opisan svojom (sinusnom) prijenosnom funkcijom,
koje se onda algebarski množe. Uvođenje logaritamskog mjerila u Bodeovim
dijagramima dovodi do povoljne situacije da se onda i frekvencijske karakteristike
podsustava grafički zbrajaju. Ranije, prije pojave masovnog korištenja računala,
nerijetko se koristio postupak aproksimativnog prikaza frekvencijskih karakteristika radi
preliminarnog uvida u dinamiku sustava. Slijedeći primjer pokazuje da je u širem
frekvencijskom rasponu aproximacija frekvencijskih krivulja pravcima, vrlo bliska
stvarnom obliku karakteristika.
Aproksimacija Bodeovog dijagrama
Potrebno je prikazati aproksimirani i točni oblik Bodeovog dijagrama za sustav

5
predstavljen prijenosnom funkcijom G ( s ) =
s (2 s + 1) (0.1 s + 1)
% Prijenosna funkcija: Transfer function:

>> s=tf('s'); 5
>> G=5/(s*(2*s+1)*(0.1*s+1)) -------------------------
>> [num,den]=tfdata(G,'v'); 0.2 s^3 + 2.1 s^2 + s
>> p=roots(den)
p= 0
% Polovi sustava su: 0, -0.5, -10, a to su -10.0000
ujedno i lomne frekvencije u Bodeovom -0.5000
dijagramu. Uvodimo slijedeće
frekvencijske raspone za računanje:
ω1=[0.1 0.5]; ω2=[0.5 10]; ω3=[10 20]
>> w1 = logspace(log10(0.1), log10(0.5), 10)
>> w2 = logspace(log10(0.5),1,10);
>> w3 = logspace(1, log10(20),10)
>> w = [w1 w2 w3];
% Aproksimacija za član 1/s:

>> mag1=1./w;
% Aproksimacija za član 1/(2s+1). Ispod

lomne frekvencije član se može
aproksimirati s vrijednošću 1 (s0,
niskofrekvencijska asimptota, NFA), a
iznad lomne frekvencije s vrijednošću1/s
(s∞, visokofrekvencijska asimptota,
39
VFA):
>> w2NFA=[w1]; w2VFA=[w2 w3];
>> mag2NFA=1./(0*w2NFA+1);
>> mag2VFA=1./(2.*w2VFA);
>> mag2=[mag2NFA mag2VFA];
% Aproksimacija za član 1/(0.1s+1).

>> w3NFA=[w1 w2]; w3VFA=[w3];
>> mag3NFA=1./(0*w3NFA+1);
>> mag3VFA=1./(0.1.*w3VFA);
>> mag3=[mag3NFA mag3VFA]; 2
10
% Izračunavanje približne i stvarne

10 aproksimacija
stvarna
>> mag_apr=5*mag1.*mag2.*mag3; 0
10
>> mag_stv=bode(num,den,w);
|G|
-1
10
% Prikaz u dijagramu -2
10
>> loglog(w,mag_apr,w,mag_stv)
>> ylabel('|G|'), xlabel('\omega')
-3
10
-1 0 1 2
10 10 10 10
ω
>> text(0.2,5,'stvarna')
>> text(0.8,10,'aproksimacija')
U većini praktičnih slučajeva razlika između stvarne i približne karakteristike je

prihvatljiva. Najveća pogreška javlja se na lomnim frekvencijama (u ovom slučaju na
ωL1=0.5 i ωL2=10), a iznosi oko 3 dB.
40
2.5. DINAMIČKE KARAKTERISTIKE OSNOVNIH
ČLANOVA
Sustav je u općenitom slučaju sastavljen od niza međusobno povezanih komponenti koje
ostvaruju željenu funkciju. Da bi se olakšalo proučavanje složenijih sustava,
raščlanjujemo ih na niz jednostavnijih podsustava. Analiza linearnih dinamičkih sustava
temelji se na ispitivanju međusobnog utjecaja komponenti sustava.
Koristeći oblik vremenskih konstanti, linearni sustavi mogu se općenito opisati pomoću
elementarnih dinamičkih komponenti na slijedeći način:
c d
Y (s) K B( s ) K i
∏ (Ti s + 1) ∏ (T i
2 2
s + 2 ζ Ti s + 1)
= G ( s ) = ki = i =1 i =1
e −Tm s
U (s) s A( s ) s k e f
∏ (T s + 1) ∏ (T
i =1
i
i =1
i
2 2
s + 2 ζ Ti s + 1)
gdje je Ki ukupno pojačanje kad je s = 0 , k je broj integracija u sustavu, Tm je mrtvo

vrijeme. Pojedini parametri elementarnih dinamičkih komponenti u većini slučajeva
određeni su konstrukcijsko-funkcionalnim dijelovima sustava, a s obzirom na
karakteristike odziva razlikuju se proporcionalni, integralni i derivacijski članovi.
Proporcionalni član nultog reda, P0-član: G ( s ) = K
Diferencijalna jednadžba P0-člana:

a0 y = b0 u ,
odnosno
y = Kp u ,
svela se zapravo na algebarsku jednadžbu. Vrijednost Kp=b0/a0 a naziva se prijenosni
omjer (ako izlazna i ulazna veličina imaju različite dimenzije) ili pojačanje (ako imaju
iste dimenzije).
Primjer P0-člana:
Djelitelj napona (električni potenciometar)
R2
Y (u 2 ) = U (u1 )
R1 R1 + R2
U (u1 )
Y (u2 ) = K p U (u1 )
R2 Y (u 2 )
41
Mehanička poluga
b
y y= u
a b a
y = Kp u
u
Pretpostavlja se da se prijenos signala s ulaza na izlaz komponente vrši trenutačno, bez

kašnjenja, što je zapravo fizikalna aproksimacija, jer se ni jedan sustav ne može zamisliti
bez spremnika energije, odnosno inercije sustava.
Primjer P0-člana u Matlabu
P0 - član
Vremenski i frekvencijski odziv sustava predstavljenog prijenosnom funkcijom
G (s) = K
>> s = tf('s');
>> K = 2;
>> G0=tf(K/1) Transfer function:
>> t0 = 0:0.1:10; 2
% VREMENSKI ODZIV: Prijelazna

P0-clan
3
ulaz u(t) = 1
y (t ) izlaz y(t) = K
funkcija P0-člana, h(t ) = =K 2.5
Au u (t ) 2
>> u0=ones(size(t0)); % Jedinični ulaz

u, y
1.5
>> y0=lsim(G0,u0,t0);
>> plot(t0,u0,'--',t0,y0), axis([0 10 0 3])
1
>> xlabel('t'), ylabel('y'), title('P0-clan') 0.5
>> Legend('ulaz u(t) = 1','izlaz y(t) = K') 0

0 1 2 3 4 5 6 7 8 9 10
% Ili jednostavno pozivom naredbe step t
% >> step(G0,t0)
% Iz odziva P0-člana može se uočiti da 7.5
Bode Diagram
izlazna funkcija kruto slijedi ulaznu 7

Magnitude (dB)
funkciju.
6.5
% FREKVENCIJSKI ODZIV 5.5
% Prikaz P0-člana u Bodeovom 5

1
dijagramu 0.5
Phase (deg)
% AFK: |G|=K, |G|dB=20*log(K) -0.5

0
% FFK: ϕ=0 -1
0 1
>> bode(G0)
10 10
Frequency (rad/sec)
42
% Prikaz P0-člana u Nyquistovom Nyquist Diagram
dijagramu:
1
0.8
0.6
>> nyquist(G0, 'o'), axis([-2 3 -1 1])

0.4
0.2
Imaginary Axis
ω=0-∞
0
|G| = K
>> text(2,0.1,'\omega = 0 - \infty') -0.2
-0.4
φ=0
>> text(2,-0.1,'|G| = K') -0.6
>> text(2,-0.2,'\phi = 0') -0.8
-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3
Real Axis
K
Proporcionalni član prvog reda, P1-član: G ( s ) =
T s +1

dy
a1 + a0 y = b0 u ,
dt
odnosno
dy
T + y = Kp u ,
dt
a b
gdje je T = 1 , vremenska konstanta, a K p = 0 . Vremenska konstanta je interval
a0 a0
vremena potreban da odziv sustava, mijenjajući se maksimalnom brzinom, postigne
stacionarnu vrijednost.
Prijelazna funkcija P1-člana ima opći oblik:
t
−
h(t ) = K p (1 − e τ ).
Maksimalna brzina promjene odzivne funkcije, tj. nagib tangente prijelazne funkcije
najveći je u ishodištu i iznosi:
d  − 
t
dh(t ) τ
Kp
=  K p (1 − e ) =
dt t =0 dt 
  t = 0 τ
što pokazuje da tangenta presijeca pravac stacionarne vrijednosti na iznosu koji
odgovara jednoj vremenskoj konstanti. Teoretski prijelazni proces traje beskonačno
dugo, ali u praksi za aperiodski odziv obično se uzima da je za interval vremena od pet
vremenskih konstanti prijelazna pojava praktički nestala i sustav je postigao novu
stacionarnu vrijednost.
Primjer P1-člana:
43
Električni RC sustav
i t
−
Rješenje: uc = u0 (1 − e τ ),
duc
RC + uc = u0
R dt gdje je τ = RC .
u0 C uc
Mehanički DS sustav
t
F −
dy Rješenje: y = (1 − e τ ) ,
D +S y = F S
S D dt
D
gdje je τ =
S
F y
Pneumatski sustav
t
−
Rješenje: p = P0 (1 − e τ ),
dp
P0 p = k ( P0 − p)
dt 1
gdje je τ =
k
Toplinski sustav
t
−
ϑ dϑ Rješenje: ϑ = Θ0 (1 − e τ ),
= k (Θ 0 − ϑ )
dt 1
gdje je τ =
k
Θ0
P1 - član
K
G( s) =
T s +1
>> s = tf('s'); Transfer function:
>> K = 4; T = 2; 4
>> G1 = K/(T*s+1) ---------
>> t1 = 0:0.1:20; 2s+1
44
% VREMENSKI ODZIV: Prijelazna 4
P1-clan
funkcija P1-člana, h(t ) 3.5
>> u1=ones(size(t1)); % Jedinični ulaz 3
>> y1=lsim(G1,u1,t1); 2.5
>> plot(t1,u1,'--',t1,y1)
2
y
>> xlabel('t'), ylabel('y'), title('P1-clan')
1.5
% Ili jednostavno pozivom naredbe step 0.5
>> step(G1) 0
0 2 4 6 8 10 12 14 16 18 20
t
% Odzivna veličina se aperiodski

približava konačnoj vrijednosti, pa se P1- Step Response
član naziva i aperiodskim članom.

4
3.5
% Iz odziva P1-člana može se uočiti da 3
izlazna funkcija dostiže stacionarnu 2.5
vrijednost za približno 10 sekundi, što
Amplitude
2
iznosi 5 vremenskih konstanti. 1.5
% VREMENSKI ODZIV: Impulsna 0.5
prijelazna funkcija P1-člana ili težinska

0
0 2 4 6 8 10 12
Time (sec)
t
dh(t ) K − T
funkcija, g (t ) = = e ⋅ u (t ) ,
dt T 2
Impulse Response
gdje je u(t) jedinična odskočna funkcija. 1.8
1.6
1.4
>> impulse(G1) 1.2

Amplitude
0.8
% Stacionarna vrijednost, y(t∞) sustava 0.6
može se izarčunati primjenom teorema 0.4
0.2
konačne vrijednosti: 0
0 2 4 6 8 10 12
y (t → ∞) = lim s Y ( s ) = lim s G ( s )U ( s ) ,
Time (sec)
s →0 s →0
% gdje je U(s) Laplaceova transformacija
ulaza, a u slučaju jedinične odskočne
funkcije slijedi:
1
y (t → ∞) = lim s G ( s ) = lim G ( s )
s →0 s s →0
% Stacionarna vrijednost za sustav zadan
prijenosnom funkcijom G1 iznosi: y1_stac =
4 4
y (t → ∞) = =4
2 s + 1 s =0
% ili primjenom Matlaba:
>> y1_stac=dcgain(G1)
% P1-član se također može predstaviti u
45
obliku nultočki, polova i pojačanja:
kp 4 2
G1 ( s ) = = = ,
s − p 2( s + 0.5) s + 0.5
1 K
% gdje je p = − , kp =
T T
% Ili pomoću Matlaba: z1 = Empty matrix: 0-by-1
>> [z1, p1, k1] = zpkdata(G1, 'v') p1 = -0.5000
k1 = 2
% FREKVENCIJSKI ODZIV
% Apsolutna vrijednost pola prijenosne
funkcije predstavlja frekvenciju loma AFK
prikazane u Bodeovom dijagramu. 15
Bode Diagram
>> bode(G1) 10
Magnitude (dB)
5
Koristeći ranije prikazani postupak -5
-10
aproksimacije Bodeove karakteristike -15

0
dobiva se slijedeći prikaz:
Phase (deg)
-45
% Pol sustava je: -0.5. Uvodimo slijedeće

frekvencijske raspone za računanje:
-90
-2 -1 0 1
10 10 10 10
Frequency (rad/sec)
ω1=[0.01 0.5]; ω2=[0.5 10];

>> w1 = logspace(log10(0.01), log10(0.5), 10);
>> w2 = logspace(log10(0.5),1,10);
>> w = [w1 w2];
% Ispod lomne frekvencije član se može

aproksimirati s vrijednošću 4 (s0,
niskofrekvencijska asimptota, NFA), a
iznad lomne frekvencije s vrijednošću 2/s
(s∞, visokofrekvencijska asimptota,
VFA):
>> wNFA=[w1]; wVFA=[w2];
>> magNFA=4./(0*wNFA+1);
>> magVFA=4./(2.*wVFA);
>> mag=[magNFA magVFA];
% Izračunavanje približne i stvarne
karakteristike:
>> mag_apr= mag;
>> [num,den]=tfdata(G1,'v');
>>[mag_stv,phase_stv]=bode(num,den,w);
>> subplot(211), semilogx(w,
20*log10(mag_stv)), hold on
>> semilogx([1/T 1/T],[-20 20],'--')
>> subplot(211),semilogx(w,
46
[20*log10(mag_apr)],'r') 20
Bodeov dijagram
>> text(0.7,12,'aprox'), text(0.3, 7,'stv'), 10

stv
aprox
|G| ( dB )
>> text(0.6, -15, '\omega_L=1/T') -10
0
>> title('Bodeov dijagram') -20

-2 -1
ωL=1/T
0 1
>> ylabel('|G| ( dB )') 10
0
10 10 10
>> subplot(212),semilogx(w, -20
phase_stv),hold on -40
φ ( °)
-60
>> semilogx([0.01 10],[-90 -90],'--') -80
>> ylabel('\phi ( ° )') % grčko slovo ϕ,

-100
-2 -1 0 1
10 10 10 10
ω ( rad/s )
kut u stupnjevima
>> xlabel('\omega ( rad/s )')
% U praktičnim primjenama može se uzeti
da smanjenje amplitude izlaznog signala
(prigušno ili filtersko svojstvo sustava)
nastaje za frekvencije ulaznog signala veće
od frekvencije loma ωL.
% Prikaz P1-člana u Nyquistovom

dijagramu:
>> nyquist(num,den)
>> axis([-2 5 -3 3])
>> h=line([0 2],[0 -2]);
>> set(h, 'Linestyle','--')
Nyquist Diagram
>> text(4.1,0.25,'\omega = 0') 3
>> text(4.1,-0.25,'|G| = K_p') 2
>> text(4.1,-0.5,'\phi = 0') 1

Imaginary Axis
ω=∞ ω= 0
0
|G| = Kp
>> text(2,-1.75,'\omega=1/T') % ! ωL.

|G| = 0
φ = - π/2 φ=0
-1
>> text(2,-2.25,'|G| = K_p/\surd2') ω=1/T
>> text(2,-2.5,'\phi = - \pi/4')

-2
|G| = Kp/√2
φ = - π/4
-3
-2 -1 0 1 2 3 4 5
Real Axis
>> text(-0.85,0.25,'\omega = \infty')

>> text(-0.85,-0.25,'|G| = 0')
>> text(-0.85,-0.5,'\phi = - \pi/2')
% P1-član ne može imati kašnjenje signala
veće od π/2 (90°).
47
K
Proporcionalni član drugog reda, P2-član: G ( s ) = 2 2
T s + 2ζ T s + 1

d2y dy
a2 2
+ a1 + a0 y = b0 u ,
dt dt
odnosno
1 d 2 y 2 ζ dy
+ + y = Kp u ,
ωn2 dt 2 ωn dt
1 a2 2ζ a b
pri čemu je = , = 1 , K p = 0 . U gornjem izrazu ωn predstavlja
ωn2 a0 ωn a0 a0
neprigušenu vlastitu frekvenciju, a ζ je koeficijent prigušenja.
Prijenosna funkcija P2-člana napisana pomoću ωn i ζ može se dati u obliku:
y(s) K K ωn2
G(s) = = = 2 .
u(s) 1 2 2ζ s + 2ζ ω s + ω 2
2
s + s +1 n n
ωn ωn
P2-član naziva se i aperiodska komponenta drugog reda ili oscilacijski član, a
ekvivalentan je serijskoj vezi dva aperiodska člana prvog reda (dva P1-člana) s općim
koeficijentom pojačanja K i vremenskim konstantama T1 i T2, tj:
y (s) K 1 1
G(s) = = , gdje je T1 = − , T2 = − .
u ( s ) (T1 s + 1) (T2 s + 1) s1 s2
Prijelazna funkcija P2-člana ima opći oblik:
e −ζ ω n t
h(t ) = K p (1 − sin(ωn 1 − ζ 2 t + arccos ζ ) .
2
1− ζ
ili pisano pomoću vremenskih konstanti:
t t
− −
T1 T2
h(t ) = K p (1 − e T1 + e T2 )
T1 − T2 T1 − T2
Primjer P2-člana:
Električni RLC sustav

i
duc2 du
R L LC 2
+ RC c + uc = u0
u0 uc dt dt
C
48
Mehanički MDS sustav
y
S
d2y dy
M +D +S y = F
F dt 2
dt
M
D
P2 - član
K K
G (s) = 2 2 =
T s + 2ζ T s + 1 1 2 2ζ
2
s + s +1
ωn ωn
% Neka su u prijenosnoj funkciji P2-člana
pojačanje i neprigušena vlastita frekvencija
jednake jedinici:
>> K = 1; omega = 1;
% Karakteristična jednadžba sustava dobiva
se izjednačavanjem nazivnika prijenosne
funkcije s nulom
∆ ( s ) = s 2 + 2 ζ ωn2 s + ωn2 = 0
pa će položaj polova prijenosne funkcije P2-
člana zavisiti o koeficijentu prigušenja ζ.
>> num=[omega^2];
>> zeta0=0; zeta1=0.2; zeta2=0.5;
>> zeta3=0.7; zeta4=1; % zeta5=2;
>> den0=[1 2*zeta0*omega omega^2]; Pole-Zero Map
>> den1=[1 2*zeta1*omega omega^2];

1
ζ= 0
ζ = 0.2
ζ = 0.5
>> den3=[1 2*zeta3*omega omega^2]; 0.5

ζ = 0.7

Imaginary Axis
ζ = 1.0
0
%den5=[1 2*zeta5*omega omega^2]; -0.5
>> hold on
>>pzmap(num,den0),text(0.05,0.95,'\zeta = 0'); -1
>>pzmap(num,den1),text(-0.2,0.8,'\zeta = 0.2'); -1 -0.8 -0.6 -0.4

Real Axis
-0.2 0 0.2
>>pzmap(num,den2),text(-0.5,0.7,'\zeta = 0.5');
>>pzmap(num,den3),text(-0.7,0.6,'\zeta = 0.7');
>>pzmap(num,den4),text(-0.95,0.1,'\zeta=1.0');
%pzmap(num,den5),text(-0.95,-0.1,'\zeta=2.0');
49
>> axis([-1.2 0.2 -1.4 1.4])
>> hold off
% VREMENSKI ODZIV: Prijelazna

funkcija P2-člana, h(t ) na pobudu u obliku
odskočne funkcije imat će različit oblik
zavisno od stupnja prigušenja
>> t = 0:0.1:20; P2 - clan, ωn = 1, ζ = [0 ... 2]
>> [y0,x,t]=step(num,den0,t); 2
>> [y1,x,t]=step(num,den1,t);
1.8 ζ=0
1.6
>> [y2,x,t]=step(num,den2,t); 1.4 ζ=0.2
>> [y3,x,t]=step(num,den3,t); 1.2

ζ=0.5
y(t)
1
ζ=0.7
0.8
ζ=1.0
0.6
0.4 ζ=2.0
>> plot(t,y0,':',t,y1,t,y2,t,y3,t,y4,t,y5) 0.2
>> xlabel('\omega_n*t'), ylabel('y(t)') 0 2 4 6 8 10

ωn*t
12 14 16 18 20
>>title('P_2-clan,\omega_n=1,\zeta=[0...2]')
>> text(3,0.45,'\zeta=2.0')
>> text(3,0.75,'\zeta=1.0') ζ > 1 - aperiodski proces
>> text(3,0.95,'\zeta=0.7')
ζ = 1 - granični aperiodski proces
>> text(3,1.1,'\zeta=0.5')
>> text(3,1.4,'\zeta=0.2') 0 < ζ < 1 - prigušene oscilacije
>> text(3,1.8,'\zeta=0') ζ = 0 - neprigušene oscilacije
ζ < 0 - raspršene oscilacije
% Značajke odziva (za. ζ=0.2)
% Maksimalna vrijednost odziva
ζπ
−
1−ζ 2
M p = 1+ e y1_max = 1.5266
>> y1_max=max(y1)
% Stacionarna vrijednost y1_stac = 1
>> y1_stac=dcgain(num,den1)
% Postotni prebačaj y1_preb = 52.6610
>> y1_preb=(y1_max-y1_stac)/y1_stac*100
% Vrijeme prvog prebačaja
π
Tp =
ωn 1 − ζ 2 t_preb = 3.2064
>> t_preb=pi/(omega*sqrt(1-zeta1^2))
% FREKVENCIJSKI ODZIV
% Frekvencijska prijenosna funkcija G(j ω)
dobiva se zamjenom kompleksne varijable s
u izrazu za prijenosnu funkciju G(s):
50
K ωn2
G ( jω ) =
( jω ) 2 + 2 ζ ωn jω + ωn2
% Amplitudno frekvencijska karakteristika
K ωn2
M (ω ) = G ( jω ) =
(ωn2 − ω 2 ) 2 + 4 ζ 2ωn2 ω 2
% Fazno frekvencijska karakteristika
2ζ ω ω
ϕ (ω ) = ∠G ( jω ) = − arctan( 2 n 2 )
ωn − ω
% Da bi se mogle prikazati frekvencijske
karakteristike za ζ≈0 u ovom primjeru
postavljeno je zeta0=0.00001;
>> w=0:0.01:5;
>> [mag0,phase0,w]=bode(num,den0,w);
>> [mag3,phase3,w]=bode(num,den3,w); 4
Bodeov dijagram
>> [mag4,phase4,w]=bode(num,den4,w); 3 ζ=0
|G|, ( dB )
>> [mag5,phase5,w]=bode(num,den5,w); 2
>> subplot(211) 0
0
ζ=2.0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
>> plot(w,mag0,':',w,mag1,w,mag2,... 0
w,mag3,w,mag4,w,mag5) -50
ζ=0
>> axis([0 5 0 4])

ζ=2.0
φ, ( ° )
-100
>> title('Bodeov dijagram'), -150
-200
>> ylabel('|G|, ( dB )') 0 0.5 1 1.5 2 2.5
ω, rad/s
3 3.5 4 4.5 5
>> text(0.1, 0.35,'\zeta=2.0')

>> text(1.25, 3,'\zeta=0')
>> subplot(212)
>> plot(w,phase0,':',w,phase1,w,phase2,...
w,phase3,w,phase4,w,phase5)
>> xlabel('\omega, rad/s'), ylabel('\phi, ( ° )')
>> text(0.1, -80,'\zeta=2.0')
>> text(1.1, -25,'\zeta=0')
>> hold on
>> plot([0 5],[-180 -180],'--')
>>hold off
% Ukoliko je stupanj prigušenja ζ<0.7 dolazi
do rezonantnog izdizanja AFK na lomnoj
frekvenciji
51
% Prikaz P2-člana u Nyquistovom Nyquist Diagram
dijagramu:
3
>> nyquist(num,den0,':'),axis([-1.5 2 -3 3]) 1
Imaginary Axis
>> hold on 0
ω=∞→ ζ = 2.0
ζ= 0
←ω = 0
>> nyquist(num,den1), nyquist(num,den2), -1

|G| = 0
φ =-π
|G| = K
φ=0
>> nyquist(num,den3) -2
>> nyquist(num,den4), nyquist(num,den5) ζ = 0.2
>> text(1.25, 0.15,'\zeta = 0')

-3
-1.5 -1 -0.5 0 0.5 1 1.5 2
Real Axis
>> text(0.75, -2.65,'\zeta = 0.2')

>> text(0.25, -0.25,'\zeta = 2.0')
>> text(1.5,-0.1,'\leftarrow\omega = 0')
>> text(1.6,-0.5,'|G| = K')
>> text(1.6,-0.75,'\phi = 0')
>> text(-1.3,-0.1,'\omega = \infty \rightarrow')
>> text(-1.3,-0.5,'|G| = 0')
>> text(-1.3,-0.75,'\phi = - \pi')
% P2-član ne može imati kašnjenje signala
veće od π (180°).
K
Integralni član, I0-član: G ( s ) =
s
Integralni član ima značajku da je izlazna veličina y(t) u statičkom režimu

proporcionalna integralu ulazne veličine u(t). Dinamičko ponašanje integralnog člana
opisuje se diferencijalnom jednadžbom oblika:
∫
y (t ) = K u (t ) dt ,
što znači da odziv povezan s pobudom preko integrala. Prijelazna funkcija I0-člana ima
opći oblik:
h(t ) = K t .
Često se u prikazu prijenosne funkcije I0-člana umjesto pojačanja K koristi integralna
vremenska konstanta koja je jednaka recipročnoj vrijednosti pojačanja, tj. T=1/K.
Velik broj realnih komponenti, kao što su različite vrste motora (električni, hidraulički,
pneumatski i sl.), zavisno od režima rada, mogu se pojednostavljeno opisati dinamikom
idealnog I0-člana. Tako npr. kod istosmjernog elektromotora uz konstantnu struju
magnetskog polja Im narinuti napon armature ua razmjeran je brzini vrtnje ω, pa se zakret
osovine ϕ , kao izlazna veličina sustava, dobiva integriranjem.
52
Primjer I0-člana:
Istosmjerni elektromotor
ϕ ϕ = K ua dt∫
ua M dϕ
gdje je = ω = 2π n
dt
I m = konst.
Spremnik tekućine
qu 1
y (t ) =
A ∫
u (t ) dt
gdje je u (t ) = qu (t ) − qi (t )
y
A qi
Primjer I0-člana u Matlabu
I0 - član
K 1
G (s) = =
s Ts
>> s = tf('s');
>> K1 = 1; K2 = 4; Transfer function: 1/s
% Vremenske konstante su T1=1, T2=1/4 Transfer function: 4/s
>> G1 = K1/s, G2 = K2/s
>> [num1,den]=tfdata(G1,'v'); 1
Pole-Zero Map
>> [num2,den]=tfdata(G2,'v'); 0.8
0.6
0.4
>> pzmap(G1,G2) 0.2

Imaginary Axis
Pol u ishodištu!
>> text(0.1,0.1,'Pol u ishodištu!') 0
-0.2
% I0-član uvodi pol u ishodište -0.4
kompleksne ravnine. -0.6
-0.8
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
>> step(G1,G2) Real Axis
>> xlabel('t'), ylabel('y(t)')

>> title('I_0 - clan')
% Prijelazna funkcija I0-člana je oblika
nagibne funkcije s koeficijentom nagiba
53
jednakim pojačanju K. I0 - clan
4.5
% Značajke odziva I0-člana 3.5
y1_stac=dcgain(G1) 3
y2_stac=dcgain(G2) 2.5
y(t)
2
1.5
bode(G1,G2), grid 0.5
% U Bodeovom dijagramu AFK I0-člana

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t (sec)
je pravac konstantnog nagiba -20 dB/dek, y1_stac =

prema izrazu G dB = −20 log (Tω ) , Inf
a fazni kut konstantno iznosi -π/2 (-90°) za y2_stac =
sve frekvencije ulaznog signala. Inf
Bode Diagram
20
% Nyquistov dijagram I0-člana 10
Magnitude (dB)
% S obzirom da naredba nyquist() crta 0
dijagram i za negativne frekvencije, radi -10
bolje zornosti dijagram će se iscrtati -20

-89
postupno. -89.5
Phase (deg)
>> w = logspace(-3, 3, 100); -90
-90.5
>> [mag, phase] = bode(num1, den, w); -91
>> Re = real(mag.*exp(j*phase*pi/180));
0 1
10 10
Frequency (rad/sec)
>> Im = imag(mag.*exp(j*phase*pi/180)); Nyquistov dijagram
>>plot(Re, Im), 10
0 ω=∞
>> xlabel('Real'), ylabel('Imag') -10
|G| = 0
φ = - π/2
>> title('Nyquistov dijagram') -20
-30
>> axis([-1 1 -100 10]) -40

Imag
>> text(0.1,-96,'\downarrow\omega = 0') -50
-60
>> text(0.1, -90, '|G| = \infty') -70
>> text(0.1, -84, '\phi = -\pi/2') -80

φ = -π/2
>> text(0.1, -1, '\omega = \infty')

-90 |G| = ∞
↓ω = 0
-100
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
>> text(0.1, -8, '|G| = 0') Real
>> text(0.1, -16, '\phi = - \pi/2')

% Polarna krivulja je pravac uzduž
imaginarne osi -j∞ do ishodišta
K
Integralni član s kašnjenjem, I1-član: G ( s ) =
s (T s + 1)
Ukoliko se zbog mase, induktivnosti i sl. kašnjenja izlazne funkcije ne mogu zanemariti
pojavljuju se dodatni derivacijski članovi u diferencijalnoj jednadžbi:
54
dy (t )
T
dt ∫
+ y (t ) = K u (t ) dt ,
pa se dobiva integralni član s kašnjenjem ili I1-član. Prijelazna funkcija I1-člana ima opći
oblik:
t
−
h(t ) = K (t − T ) + K T e T .
Primjer I1-člana u Matlabu
I1 - član
K
G(s) =
s (T s + 1)
% Usporedba dinamičkog ponašanja I0-

člana, I1-člana i I2-člana: Transfer function:
>> s = tf('s'); 1
>> K = 1; % Pojačanje ---
>> T1=2; T2=5; % Vremenske konstante s
>> G1 = K/s, % I0-član Transfer function:
>> G2 = K/(s*(T1*s+1)) % I1-član 1
>> G3 = K/(s*(T1*s+1)*(T2*s+1)) % I2 ---------
>> t = 0:0.1:20; 2 s^2 + s
>> figure(1), step(G1, G2, G3, t) Transfer function:
>> text(10, 12, 'I_0'), text(10, 7, 'I_1'), 1
>> text(10, 3, 'I_2') ------------------
% Prijelazni proces realnih integralnih 10 s^3 + 7 s^2 + s
komponenti (I1-člana i I2-člana) odvija se
usporeno, kao posljedica inercijskih Step Response
značajki sustava predstavljenih

25
vremenskim konstantama T1 i T2. 20
15
>> figure(2), bode(G1, G2, G3)

Amplitude
I0
>> text(20, 50, 'I_0'), text(20, 15, 'I_1'), 10
>> text(20, -20, 'I_2')

I1
% Iz Bodeovog dijagrama je vidljivo da I1- I2
član predstavlja dinamičku komponentu

0
0 2 4 6 8 10 12 14 16 18 20
Time (sec)
sastavljenu od idealne integralne

komponente (I0-član) i aperiodske
komponente prvog reda (P1-član), dok je
I2-član sastavljen od I0-člana i P2-člana.
>> figure(3), nyquist(G1, G2, G3)

>> text(0.2, -20, 'I_0'),text(-1.5, -20, 'I_1'),
55
>> text(-5, -20, 'I_2') Bode Diagram
% Polarne krivulje realnih integralnih

100
50
komponenti smještene su u trećem
Magnitude (dB)
0 I0
I1
kvadrantu i za ω0 fazni kut iznosi ϕ=-

-50
I2
-100
90°, te zatim za ω∞ dolaze prema -150

-90
ishodištu pod kutom ϕ=-180°. -135
Phase (deg)
-180
-225
-270
-3 -2 -1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)
Nyquist Diagram
100
80
60
40
20
Imaginary Axis
0
-20 I2 I1 I0
-40
-60
-80
-100
-7 -6 -5 -4 -3 -2 -1 0 1
Real Axis
Derivacijski član, D0-član: G ( s ) = K s
Dinamičko ponašanje derivacijskog člana opisuje se diferencijalnom jednadžbom oblika:

du (t )
y (t ) = K = K δ (t ) .
dt
Prijelazna funkcija D0-člana ima oblik:
 0 za t < 0
y (t ) 
h(t ) = = ∞ za t = 0 ,
Au u (t ) 
 0 za t > 0
što znači da je prijelazna funkcija D0-člana matematički definirana kao derivacija
odskočne funkcije, te bi u trenutku t=0 trebala imati neizmjernu vrijednost, a to ne
odgovara fizikalnoj stvarnosti.
Kao i kod integralnog člana, često se u prikazu prijenosne funkcije D0-člana umjesto
pojačanja K koristi derivacijska vremenska konstanta koja je jednaka recipročnoj
vrijednosti pojačanja, tj. T=1/K.
Kao primjer derivacijskog člana može se uzeti električni generator kod kojeg je uz
konstantnu struju magnetskog polja Im broj okretaja n razmjeran naponu armature ua. Za
razliku od električnog motora sada je pobuda kut zakreta osovine ϕ , a odziv je napon ua.
56
Primjer D0-člana:
Električni generator
dϕ
ua = K
dt
G ua
dϕ
ϕ gdje je = ω = 2π n
I m = konst. dt
Primjer D0-člana u Matlabu
D0 - član
G( s) = K s = T s
>> s = tf('s');
>> K1 = 1; K2 = 4;
% Vremenske konstante su T1=1, T2=1/4 Transfer function:
>> G1 = K1*s, G2 = K2*s s
>> [num1,den]=tfdata(G1,'v'); Transfer function:
>> [num2,den]=tfdata(G2,'v'); 4s
>> pzmap(G1,G2) Pole-Zero Map
>> text(0.1,0.1,'Nultocka u ishodištu')

1
0.8
% D0-član uvodi nultočku u ishodište 0.6
kompleksne ravnine.
0.4
0.2
Imaginary Axis
Nultocka u ishodištu
0
% Prijelazna funkcija D0-člana je oblika -0.2
-0.4
impulsne funkcije, ali je nije moguće -0.6
realizirati u Matlabu zbog toga što -0.8
prijenosna funkcija D0-člana nije

-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis
razlomljena racionalna funkcija (red

polinoma brojnika mora biti manji ili
jednak redu polinoma nazivnika)
>> step(G1,G2)
y1_stac =
% Značajke odziva 0
>> y1_stac=dcgain(G1) y2_stac =
>> y2_stac=dcgain(G2) 0
>> bode(G1,G2), grid
57
% U Bodeovom dijagramu AFK D0-člana Bode Diagram
je pravac konstantnog nagiba +20 dB/dek,

40
30
prema izrazu G dB = 20 log (Tω ) , a fazni
Magnitude (dB)
20
10
kut konstantno iznosi π/2 (90°) za sve 0
frekvencije ulaznog signala.

-10
91
90.5
Phase (deg)
90
% Nyquistov dijagram 89.5
% S obzirom da naredba nyquist() crta 89

10
0
10
1
dijagram i za negativne frekvencije, radi Frequency (rad/sec)
bolje zornosti dijagram će se iscrtati

postupno.
>> w = logspace(-3, 3, 100);
>> [mag, phase] = bode(num1, den, w);
>> Re = real(mag.*exp(j*phase*pi/180));
>> Im = imag(mag.*exp(j*phase*pi/180));
>>plot(Re, Im),
>> xlabel('Real'), ylabel('Imag')
>> title('Nyquistov dijagram') Nyquistov dijagram
>> axis([-1 1 -10 100]) 100
90
↑ω= ∞
|G| = ∞
>> text(0.1, 0, '\omega = 0') 80

φ = π/2
>> text(0.1, 10, '|G| = 0') 70
>> text(0.1, 5, '\phi = \pi/2')

60
50
Imag
>> text(0.1, 95,'\uparrow \omega = \infty') 40
>> text(0.1, 90,'|G| = \infty')

30
20
>> text(0.1, 85,'\phi = \pi/2') 10 |G| = 0

φ = π/2
% Polarna krivulja je pravac od ishodišta -10

0 ω=0
uzduž imaginarne osi j∞.

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real
Ks
Derivacijski član s kašnjenjem, D1-član: G ( s ) =
T s +1
Dinamičko ponašanje realnih derivacijskih komponenti uključuje kašnjenje izlazne

funkcije zbog inercije, induktivnosti i sl., te se u diferencijalnoj jednadžbi idealne
derivacijske komponente pojavljuju dodatni derivacijski članovi:
dy (t ) du (t )
T + y (t ) = K .
dt dt
Prijelazna funkcija D1-člana ima oblik:
t
y (t ) K −
h(t ) = = e T.
Au u (t ) T
58
Što je manja vremenska konstanta T prema trajanju prijelazne pojave, to će biti izrazitije
derivacijsko djelovanje.
Primjer D1-člana u Matlabu
D1 - član
Ks
G (s) =
T s +1
% Usporedba dinamičkog ponašanja D0-

člana, D1-člana i D2-člana: Transfer function:
>> s = tf('s'); s
>> K = 1; % Pojačanje Transfer function:
>> T1=2; T2=5; % Vremenske konstante s
>> G1 = K*s, % D0-član -------
>> G2 = K*s/(T1*s+1) % D1-član 2s+1
>> G3 = K*s/((T1*s+1)*(T2*s+1)) % D2 Transfer function:
>> t = 0:0.1:20; s
%>> step(G1, t) Odziv bi trebao biti ------------------
impulsna funkcija, ali se ne može prikazati 10 s^2 + 7 s + 1
u Matlabu.
>> figure(1), step(G2, G3, t) Step Response
>> text(1.8, 0.3, 'D_1'),

0.5
0.45
>> text(8, 0.1, 'D_2') 0.4
% Prijelazni proces realnih derivacijskih

0.35
0.3 D1
komponenti (D1-člana i D2-člana) odvija se

Amplitude
0.25
usporeno u odnosu na prijelazni proces 0.2
0.15
idealne derivacijske komponente 0.1 D2
(impulsna funkcija), kao posljedica 0.05
inercijskih značajki sustava predstavljenih

0
0 2 4 6 8 10 12 14 16 18 20
Time (sec)
vremenskim konstantama T1 i T2.
>> figure(2), bode(G1, G2, G3)

>> text(5, 70, 'D_0'), text(5, 25, 'D_1'),
Bode Diagram
40
20
>> text(5, -65, 'D_2')

Magnitude (dB)
% Iz Bodeovog dijagrama je vidljivo da

-20
-40
D1-član predstavlja dinamičku -60
-80
komponentu sastavljenu od idealne 90

D0
derivacijske komponente (D0-član) i

45
Phase (deg)
D1
0
aperiodske komponente prvog reda (P1- -45

D2
član), dok je D2-član sastavljen od D0- -90

10
-3
10
-2
10
-1
10
0 1
10 10
2
člana i P2-člana. Frequency (rad/sec)
59
>> figure(3), nyquist(G1, G2, G3) Nyquist Diagram
>> axis([-0.2 0.6 -0.8 0.8])

0.8
0.6
>> text(0.02, -0.6, 'D_0'), 0.4

D0
>> text(0.2, -0.32, 'D_1'),

D1
0.2
Imaginary Axis
D2
>> text(0.12, -0.12, 'D_2') 0
% Polarne krivulje realnih derivacijskih -0.2
komponenti smještene su u četvrtom -0.4
kvadrantu i imaju oblik polukružnice koja -0.6
završava na osi apscisa na udaljenosti K/T.

-0.8
-0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5 0.6
Real Axis
K1 K
Proporcionalno integralni član, PI-član: G ( s ) = + K 2 = (T s + 1)
s s
Zbroj proporcionalnog i idealnog integralnog člana daje proporcionalno integralni član,

koji se opisuje diferencijalnom jednadžbom:
∫
y (t ) = K1 u (t ) + K 2 u (t ) .
Prijelazna funkcija PI-člana ima oblik:
y (t )
h (t ) = = ( K1 t + K 2 ) .
Au u (t )
Primjer PI-člana u Matlabu
PI - član
K
G (s) = 1 + K 2
s
% PI-član
>> s = tf('s');
>> K1 = 1; % Integralni član
>> K2=2; % Proporcionalni član
>> G = K1/s + K2 % PI-član (K=1, T=2) Transfer function:
2s+1
>> t = 0:0.1:5; --------
>> figure(1), step(G, t) s
>> axis([0 5 0 7])
% Prijelazni proces PI-člana odgovara
60
prijelaznom procesu idealne integralne Step Response
komponente, ali pomaknut iz ishodišta za

7
iznos proporcionalnog člana

6
>> figure(2), bode(G)

4
Amplitude
% Iz Bodeovog dijagrama je vidljivo da se
3
PI-član u području niskih frekvencija

2
( ω<1/T) ponaša kao idealni integralni član,

1
dok se u području visokih frekvencija

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Time (sec)
( ω>1/T) ponaša kao proporcionalni član.

Bode Diagram
>> figure(3), nyquist(G) 50
40
>> text(1.8, -4, 'K_2'),
Magnitude (dB)
30
>> text(2.2, -35, '0') 20
>> text(2.2, -10, '\uparrow')

10
>> text(2.2, -20,'\omega')

0
>> text(2.2, -30, '\uparrow')
Phase (deg)
-45
>> text(2.2, -5, '\infty')

% Polarna krivulja je pravac paralelan s -90
10
-2
10
-1
10
0
10
1
imaginarnom osi -j∞ koji završava na osi

Frequency (rad/sec)
apscisa na udaljenosti koja odgovara

iznosu koeficijenta proporcionalne 40
Nyquist Diagram
komponente. 30
20
10
Imaginary Axis
0
K2
∞
-10 ↑
-20 ω
-30 ↑
0
-40
-1 -0.5 0 0.5 1 1.5 2 2.5
Real Axis
Proporcionalno derivacijski član, PD-član: G ( s ) = K1 s + K 2 = K (T s + 1)
Zbroj proporcionalnog i idealnog derivacijskog člana daje proporcionalno derivacijski

član, koji se opisuje diferencijalnom jednadžbom:
du (t )
y (t ) = K1 + K 2 u (t ) .
dt
Prijelazna funkcija PI-člana ima oblik:
h(t ) = K T δ (t ) + K u (t ) .
61
Primjer PD-člana u Matlabu
PD - član
G ( s ) = K (T s + 1) = K1 s + K 2
% PD-član
>> s = tf('s');
>> K1 = 1; % Derivacijski član
>> K2=2; % Proporcionalni član
>> G = K1*s + K2 % PI-član (K=2, Transfer function:
T=1/2) s+2
% t = 0:0.1:5;
% figure(1), step(G, t) % Ne može se
prikazati u Matlabu
% Prijelazni proces PD-člana u trenutku
t=0 odgovara prijelaznom procesu idealne
derivativne komponente (impulsna
funkcija), a zatim za t>0 ima iznos
proporcionalnog člana Bode Diagram
>> figure(2), bode(G)

50
40
% Iz Bodeovog dijagrama je vidljivo da su

Magnitude (dB)
30
frekvencijske karakteristike PD-člana 20
10
analogne inverznoj karakteristici 0

90
aperiodskog člana prvog reda (P1-člana). U

Phase (deg)
području niskih frekvencija (ω<1/T) PD- 45
član prevladavaju karakteristike

proporcionalnog člana, dok u području
0
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
visokih frekvencija ( ω>1/T) prevladavaju

karakteristike idealnog derivacijskog Nyquist Diagram
člana. 40
∞
30 ↑
20 ω
>> figure(3), nyquist(G) 10 ↑
>> text(1.8, 4, 'K_2'),

Imaginary Axis
K2 0
0
>> text(2.2, 5, '0') -10
>> text(2.2, 10, '\uparrow') -20
>> text(2.2, 20,'\omega') -30
>> text(2.2, 30, '\uparrow') -40

-1 -0.5 0 0.5
Real Axis
1 1.5 2 2.5
>> text(2.2, 35, '\infty')

% Polarna krivulja je pravac paralelan s
imaginarnom osi j∞ koji započinje na osi
apscisa na udaljenosti koja odgovara
iznosu koeficijenta proporcionalne
komponente.
62
1 1
Fazno-neminimalni članovi: ; 2 2 ; T s −1 ; T 2 s2 m 2ζ T s ± 1
T s − 1 T s m 2ζ T s ± 1
U prijenosnoj funkciji fazno-neminimalnih članova pojavljuju se nultočke i polovi u

desnoj poluravnini kompleksne ravnine.
Primjer fazno-neminimalnog člana u Matlabu
Fazno-neminimalni član
K
G (s) =
T s −1
% Fazno-neminimalna komponenta prvog

reda Transfer function:
>> s = tf('s'); 1
>> K = 1; -------
>> T=2; 2s-1
>> G = K/(T*s-1) 1
Pole-Zero Map
>> pzmap(G) 0.8
0.6
>> text(0.5, 0.2, 'p = 1/T'), axis([-1 1 -1 1])

0.4
0.2 p = 1/T
Imaginary Axis
>> t = 0:0.1:5; -0.2
0
>> figure(1), step(G, t)

-0.4
-0.6
>> axis([0 5 0 7]) -0.8
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
% Zbog postojanja pola u desnoj

Real Axis
poluravnini izlazna veličina teži

beskonačnosti. Sustav je nestabilan. 7
Step Response
>> figure(2), bode(G) 5
>> hold 4
Amplitude
>> bode(1,[2 1],'r.') % P1-član, K=1, T=2 3
>> text(1, -45, 'P_1-clan') 2
>> text(1, -135, 'fazno-neminimalni clan') 1
% Iz Bodeovog dijagrama se uočava da 0

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
fazno-neminimalna komponenta može Time (sec)
imati istu AFK kao i stabilna komponenta

(u ovom slučaju je to P1-član), ali
odgovarajuće FFK se bitno razlikuju.
>> figure(3), nyquist(G)

>> axis([-1.5 0.5 -1 1])
>> text(-1.2, -0.08, '\omega = 0'),
>> text(-1.2,-0.2,'|G| = K')
63
>> text(-1.2,-0.3,'\phi = -pi') Bode Diagram
>> text(0.1, -0.08, '\omega = \infty')

0
-5
>> text(0.1,-0.2,'|G| = 0')
Magnitude (dB)
-10
-15
>> text(0.1,-0.3,'\phi = -pi/2') -20
% Polarna krivulja fazno-neminimalne

-25
-30
0
komponente prvog reda smještena je u -45 P1-clan
trećem kvadrantu i ima oblik polukružnice
Phase (deg)
-90
koja započinje na negativnoj realnoj osi na -135 fazno-neminimalni clan
udaljenosti K, a završava u ishodištu.

-180
-2 -1 0 1
10 10 10 10
Frequency (rad/sec)
Nyquist Diagram
1
0.8
0.6
0.4
0.2
Imaginary Axis
0
ω=0 ω=∞
-0.2 |G| = K |G| = 0
φ = -pi φ = -pi/2
-0.4
-0.6
-0.8
-1
-1.5 -1 -0.5 0 0.5
Real Axis
Transportni član (član s mrtvim vremenom), Tm-član: G ( s ) = e −Tm s
Transportni član često se pojavljuje u procesnoj tehnici, a ima značajku da je izlazna

veličina y(t) po iznosu jednaka ulaznoj veličini u(t), ali je pomaknuta za vrijeme
kašnjenja t=Tm. Mrtvo vrijeme se uvodi u model svuda gdje se neka pojava širi
konačnom brzinom koju je potrebno uzeti u obzir u odnosu na brzinu promjene
fizikalnih veličina u procesu. Ovakve pojave se općenito opisuju parcijalnim
diferencijalnim jednadžbama, ali uzevši samo vrijeme kao nezavisnu varijablu ovaj član
se može opisati slijedećom jednadžbom:
y (t ) = u (t − Tm ) .
Prijenosna funkcija transportnog člana je:
Y (s)
G (s) = = e −Tm s .
U (s)
Prijelazna funkcija transportnog člana ima opći oblik:
y (t ) 0 za t < Tm
h(t ) = = ,
Au u (t ) 1 za t ≥ Tm
što znači da je za odskočnu funkciju na ulazu i izlazna funkcija odskočna, samo
pomaknuta za vrijeme kašnjenja Tm.
Sinusna prijenosna funkcija transportnog člana može se pisati kao:
G ( jω ) = e − j ω Tm ,
64
gdje je amplitudno frekvencijska karakteristika: G ( jω ) = e − j ω Tm = 1 ,
{ }
a fazno-frekvencijska karakteristika: arg e − j ω Tm = −ω Tm
Primjer Tm-člana:
Transporter materijala
y y = u (t − Tm )
u v
L
gdje je Tm =
v
Primjer Tm–člana u Matlabu
Tm - član
G ( s ) = e −Tm s
% Prijenosna funkcija transportnog člana: e −Tm s

% Usporedba dinamičkog ponašanja sustava
predstavljenih prijenosnim funkcijama: Transfer function:
1
K K
G1 ( s ) = i G2 ( s ) = e −Tm s -------
T s +1 T s +1 5s+1
>> Tm = 2; T =5; K = 1;
>> num1 = K; den1 = [T 1]; Transfer function:
>> G1 = tf(num1, den1) -s^5 + 15 s^4 - 105 s^3 + 420 s^2 - 945 s + 945
---------------------------------------------------------------
−Tm s
% Eksponencijalna funkcija e aproksimira 5s^6+76s^5+540s^4+2205s^3+5145s^2+5670s+945
se primjenom Padéove aproksimacije pomoću
racionalnog razlomka m-tog reda, tj.: 1.2
Step Response
m
1 + b1 s + ... + bm s
e −Tm s ≅
1
. U ovom primjeru
1 + a1 s + ... + am s m 0.8 G1(s)
koristi se Padéova aproksimacija petog reda. Što

0.6
Amplitude
je veći red Padéove funkcije bolja je

0.4
G2(s)
aproksimacija komponente mrtvog člana.

0.2
>> [numt, dent] = pade(Tm, 5);

0
Tm
>> Gt = tf(numt, dent);

-0.2
0 5 10 15 20 25 30
Time (sec)
65
>> G2 = G1*Gt
>> figure(1), step(G1), hold, step(G2) Transportni clan
>> text(0.5,-0.1,'T_m')
4
>> text(5,0.8,'G_1(s)'), text(5,0.3,'G_2(s)') 2
>> figure(2), pzmap(G1,G2)

p = -1/T
y(t)
0
>> text(-1,0.5,'p = -1/T') -1
>> xlabel('t'), ylabel('y(t)') -2
>> title('Transportni clan') -3
% Sustav predstavljen prijenosnom funkcijom

-4
-4 -3 -2 -1 0 1 2 3 4
t
G2(s) ima jedan pol na negativnoj realnoj osi u

p=-1/T (od P1-člana), te općenito beskonačni -10
-2
broj polova smještenih u lijevoj poluravnini i

beskonačni broj nultočki smještenih u desnoj -10
0
poluravnini kompleksne ravnine. Zbog korištene 2
Padéove aproksimacije petog reda postoji pet

-10
-2 -1 0 1
10 10 10 10
polova i pet nultočki. Ovakav sustav može se 0
shvatiti i kao stabilni fazno-neminimalni sustav. -500
-1000
% Bodeov dijagram -1500

10
-2
10
-1 0
10 10
1
% |G1| = |G2|, ϕ2 = ϕ1 - ωT m
w=logspace(-2, 1, 100); 0
[mag1, phase1]=bode(num1, den1, w); -200
delay=180/pi*Tm*w'; % rad stupanj -400
mag2=mag1; phase2=phase1-delay; -600

φ
figure(3), subplot(211), -800
loglog(w,20*log10(mag2),w,20*log10(mag1),'.') -1000
subplot(212), semilogx(w,phase2,w,phase1,'.') -1200
% FFK zakrenuta prema dolje zbog log-lin -1400

0 1 2 3 4 5 6 7 8 9 10
mjerila ω
% Fazni kut prikazan u linearnom mjerilu

Nyquistov dijagram
figure(4), plot(w,phase1,'.',w,phase2)
0.3
0.2
xlabel('\omega'),ylabel('\phi') 0.1
-0.1
%Nyquistov dijagram G1(s) i G2(s)

Imag
-0.2
-0.3
Re1=real(mag1.*exp(j*phase1*pi/180)); -0.4 G1(s)
Im1=imag(mag1.*exp(j*phase1*pi/180));
-0.5
-0.6
Re2=real(mag2.*exp(j*phase2*pi/180)); -0.7 G2(s)
Im2=imag(mag2.*exp(j*phase2*pi/180));
-0.8
-0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2
Real
figure(5), plot(Re1,Im1,':', Re2,Im2)

axis([-0.4 1.2 -0.8 0.4])
xlabel('Real'), ylabel('Imag')
title('Nyquistov dijagram')
66
text(0.4,-0.4,'G_1(s)'), text(0.4, -0.72,'G_2(s)') Nyquist Diagram
1
0.8
% Amplitudno-frekvencijska karakteristika 0.6
−Tm s
0.4
transportnog člana e je jedinična kružnica 0.2
Imaginary Axis
sa središtem u ishodištu. 0
-0.2
figure(6), nyquist(G1,Gt) -0.4

G1(s)
axis equal -0.6

G(s) = e-Tm s
text(0.5,-0.3,'G_1(s)'),
-0.8
-1
-1 -0.5 0 0.5 1
text(0.15,-0.7,'G(s) = \ite^{-T_m s}') Real Axis
67
1. VJEŽBA
VJEŽBA- LINEARNI SUSTAVI A .

A1. Diferencijalne jednadžbe jednostavnih sustava
Primjer električkog sustava: RC–krug

U0 = U R + UC
d uC
UR = R ⋅i ; i=C
dt
Linearna diferencijalna jednadžba:
du
R C C + uC = U 0
dt
 −t 
Analitičko rješenje: uC = U 0  1 − e R C 
 
Primjena funkcije ode23 u rješavanju diferencijalnih jednadžbi: RC-krug

Rješenje diferencijalne jednadžbe
d uC 1 U
=− ⋅ uC + 0
dt RC RC
Početni uvjeti su: uC (0) = 0
rckrug.m % Otvoren novi zapisnik

function ycrta=rckrug(t,y)
% Dif. jed. za RC-krug
% U 0 = 10 V ; R = 5 kΩ ; C = 1 µF
12
U0=10; R=5e3; C=1e-6;
ycrta=-1/(R*C)*y + U0/(R*C); 10
------------------------------------------------ 8
>> U0=10; R=5e3; C=1e-6;
>> t0=0; tf=0.1; y0=0; 6
y
>> [t,y]=ode23('rckrug', [t0 tf], y0); 4

>> plot(t, y), hold
>> y1 = U0*(1-exp(-t/(R*C))); 2
Simulacija pomocu funkcije ode23
>> plot(t, y1, 'r*') 0
Analiticko rjesenje
>> xlabel('t'), ylabel('y') 0 0.02 0.04

t
0.06 0.08 0.1
>> Legend('Simulacija pomocu funkcije

ode23', 'Analiticko rjesenje',4)
68
Primjer mehaničkog sustava: MDS–sustav
Jednadžba održanja gibanja:

F (t ) + m g = S [ y (t ) + y0 ] + D v(t ) + M a(t )
U stacionarnom stanju bez djelovanja sile :
S D
m g = S y0
y0
Amortizer (prigušnik) u stacionarnom
stanju ne djeluje. Sila amortizera je
proporcionalna brzini.
y d y (t ) d 2 y (t )
v(t ) = , a (t ) =
dt dt
M
M &y&(t ) + D y& (t ) + S y (t ) = F (t )
F +G 1 D S
&y&(t ) = F (t ) − y& (t ) − y (t )
M M M
Blokovska shema:
F (t ) 1 &y& y& y
1 1
M
s s
D
M
S
M
Sustav je 2. reda (ima 2 spremnika energije), pa možemo izabrati 2 varijable stanja:

x1 = y
x2 = y&
Derivacije varijabli stanja:
x&1 = y& = x2
1
x&2 = &y& =[ f (t ) − D y& − S y ]
M
Ili zapisano na drugačiji način:
x&1 = x2
S D 1
x&2 = − x1 − x2 + u (t )
M M M
 x&   0 1  x   0  x 
Zapis u matričnom obliku:  1  =  S D  ⋅ 1 +  1  ⋅u , y = [1 0]⋅  1 
− −   x2   
 x&2   M M    M   x2 
69
Simulacija u Matlabu
Primjena funkcije ode23 u rješavanju diferencijalnih jednadžbi: MDS-sustav

% Rješenje sustava diferencijalnih
% jednadžbi
 x&   0 1  x   0 
%  1 =  S D  ⋅ 1 +  1  ⋅u
− −   x2   
 x&2   M M    M 
x 
% y = [1 0]⋅  1 
 x2 
mds.m % Otvoren novi zapisnik
function y2crta=mds(t,x)
% Sustav dif. jednadžbi
M=5; D=5; S=50; F=1;
y2crta=[x(2); -D/M*x(2)-
S/M*x(1)+1/M*F];
------------------------------------------------ 0.035
>> t0=0; tf=10; y0=[0 0]; 0.03

>> [t,y]=ode23('mds', [t0 tf], y0);
>> plot(t,y(:,1)) 0.025
>> xlabel('t'), ylabel('y') 0.02
% Usporedba sa simulacijom
y
0.015
na step pobudu
>> M=5; D=5; S=50; 0.01
>> A0=[0 1; -S/M –D/M]; B0=[0; 1/M]; 0.005
C0=[1 0]; D0=[0]; 0

>> step (A0, B0, C0, D0) 0 2 4
t
6 8 10
SIMULINK:
1/M y' y
y''
Step 1/s 1/s
Gain1
Integrator Integrator Scope
t
Clock y
Vrijeme
D/M Polozaj
M=5; D=5; S=50; F=1;
Gain2
S/M
Gain3
70
A2. Simulacija sustava opisanih linearnim diferencijalnim
jednadžbama
Opis linearnog, vremenski invarijantnog kontinuiranog sustava s konstantnim

parametrima linearnom diferencijalnom jednadžbom:
an y ( n ) + an −1 y ( n −1) + ... + a2 &y& + a1 y& + a0 y = b0 u
Blokovska shema:
u y
y = f (u, t )
Operacije nad signalima na putu između blokova:
1. Točka grananja 2. Točka zbrajanja
Pretpostavke:
x3 = x1 − x2
Nema protudjelovanja
Djelovanje bloka je jednosmjerno
Ulazne i izlazne veličine povezane
jednoznačno
Prikaz diferencijalne jednadžbe blokovskom shemom:
Izražavanje najviše derivacije izlazne varijable pomoću ostataka diferencijalne

jednadžbe:
y (n) =
1
an
[
b0 u − (an −1 y ( n −1) + ... + a2 &y& + a1 y& + a0 y ) ]
71
Nelinearna diferencijalna jednadžba:
y ( n ) = f ( y ( n −1) , ... y, u ( m) ... u , t )
Kod matematičkog opisa procesa polazi se od jednadžbi dinamičke ravnoteže ili

jednadžbe očuvanja mase, energije i implusa. Pri tome se polazi od osnovnih fizikalnih
zakona. Opća jednadžba dinamičke ravnoteže ima oblik:
d (m vi )
Ravnoteža količine gibanja:
dt
= ∑ F ji
m – masa,
vi – brzina u i-tom smjeru,
Fji – j-ta komponenta sile koja djeluje u i-tom smjeru.
d ( M y& )
= S (u − y ) − D y&
y (t ) dt
u (t ) M &y& + D y& + S y = S u :S
M D
S M D &y& + y& + y = u
S S
T22 &y& + T1 y& + y = u
Vremenske konstante:
M D
T2 = , T1 =
S S
72
Postavljanje fenomenoloških jednadžbi:
Ohmov zakon, Kirchhoffov zakon – ELEKTRIČNI SUSTAVI
Newtonov zakon, D'Alambertovo načelo – MEHANIČKI SUSTAVI
Fourierov zakon o prijenosu topline, Newtonov zakon hlađenja – TOPLINSKI SUSTAVI
Darcyjev zakon, Hagen-Poiseuilleov zakon strujanja – HIRADULIČKI SUSTAVI
Euler-Lagrangeova jednadžba – za gradnju dinamičkih modela složenih sustava s
međusobnim interakcijama (npr. ROBOTSKI SUSTAVI)
A3. Prikaz sustava u prostoru stanja
Sustav predstavljen diferencijalnom jednadžbom n-tog reda predstavlja se pomoću n

diferencijalnih jednadžbi 1. reda.
Sustav s jednim ulazom i jednim izlazom (SISO).
Sustav s všie ulaza i više izlaza (MIMO).
 x&1   a11 a12 L a1n   x1   b1 

 x&  a     
 2  =  21 a22 L a2 n  ⋅  x2  + b2  ⋅ u ,
M  M M M M  M M
       
 xn   an1 an 2 L ann   xn  bn 
&
 x1 
x 
y = [c1 c2 L cn ] ⋅  2  + [d1 ] ⋅ u
M
 
 xn 
x& = A x + B u
SKRAĆENI ZAPIS linearnog sustava u matričnom obliku:
y = C x + Du
Gdje su: x – vektor varijabli stanja
y – vektor izlaznih varijabli
u – vektor ulaznih varijabli
A – matrica sustava dim A = n × n
B – ulazna matrica dim B = n × m, m – broj ulaza
C – izlazna matrica dim C = p × n, p – broj izlaza
D – matrica direktnog preslikavanja ulaza na izlaz dim D = p × m
Vektorska blokovska shema sustava:
73
Iz blokovske sheme: izlaz iz svakog integratora je VARIJABLA STANJA
Prijelaz iz diferencijalne jednadžbe u prostor stanja za SISO sustav:

an y ( n ) + an −1 y ( n −1) + ... + a2 &y& + a1 y& + a0 y = b0 u
y (n) =
1
an
[
− an −1 y ( n −1) − ... − a2 &y& − a1 y& − a0 y + b0 u]
Zamjena diferencijalne jednadžbe n-tog reda s n diferencijalnih jednadžbi 1. reda
x1 = y
x2 = x&1 = y&
x3 = x&2 = &y&
M
xn = xn −1 = y ( n −1)
&
x&n = y ( n) =
1
an
[
− an −1 y ( n −1) − ... − a2 &y& − a1 y& − a0 y + b0 u ]
1
x&n = y ( n) = [ − an −1 xn − ... − a2 x3 − a1 x2 − a0 x1 + b0 u ]
an
Ili u matričnom zapisu:
 x&1   0 1 0 L 0   x  0
 &   0 0 1 L 1   1  0
 2  
x   x2   
 M =  M M M L M     M 
   0  ⋅  M  +   ⋅u
0 0 L 1  0
 x&n −1   a0 a1 a2 an −1   xn −1   b0 
 x&n   − − − L −  
   an an an an   xn   an 
 x1 
 x 
 2 
y = [1 0 0 L 0]⋅  M  + [0]⋅ u
 
 xn −1 
 xn 
 
• Ovako izabrane varijable stanja nazivaju se FAZNE VARIJABLE STANJA
• A = F naziva se FROBENIUS-ova MATRICA
74
A4. Prikaz diferencijalne jednadžbe grafom toka signala
(Signal Flow Graph)
Karakteristike:
Prikaz signala u modelu
Vidljive varijable
Topološka sturktura slična blokovskoj shemi
Tokovi energije nisu vidljivi
y (t )
Elementi grafa toka signala: Varijable predstavljene čvorovima
f
Funkcije predstavljene usmjerenim linijama
(signalima)
Značaj grafa toka signala:

1. Alternativa pristupu preko blok-dijagrama
Može biti prikladniji kod kompleksnih sustava
Pogodan za sustave sa velikim brojem veza
Varijable sustava su predstavljene kao čvorovi
Povezanosti između čvorova (varijabli) predstavljeno je pomoću usmjerenih
linija (funkcija)
2. Primjena Mason-ovog pravila („flow graph gain formula“) omogućuje direktno
izračunavanje prijenosne funkcije sustava bez korištenja algebre blokova
OSNOVNI GRAF TOKA SIGNALA
75
Primjer:
PUTANJA: Jedna ili više grana koja povezuje određeni čvor s ostalim čvorovima.
PETLJA: Zatvorena putanja koja izvire i završava u istom čvoru.
POSTOJANJE DODIRA: Dvije petlje nisu u dodiru (kontaktu), ako ne dijele zajednički
čvor.
MASON-ovo PRAVILO:
Y (s) Pk ∆ k
R( s )
= ∑ ∆
k
Pk – pojačanje k-te izravne grane između ulaza R(s) i izlaza Y(s)

∆ – determinanta grafa
∆ = 1− ∑
L1 + ∑ ∑
L2 − L3 + ...
∑ L1 – zbroj prijenosa svih zatvorenih petlji

∑ L2 – zbroj produkata prijenosa u svim mogućim kombinacijama dvije petlje koje ne
dijele zajednički čvor
∑ L3 – zbroj produkata prijenosa u svim mogućim kombinacijama tri petlje koje ne
dijele zajednički čvor
∆k – vrijednost determinante ∆ za dio grafa koji ne dodiruje k-tu izravnu granu
76
Primjer:
Sustav ima 4 petlje čiji prijenosi iznose: –G2H1, –G4H2, –G2G3G4H3 i –G1G2G3G4
∑L1= – G2H1 – G4H2 – G2G3G4H3 – G1G2G3G4
Postoje dvije petlje koje se ne dodiruju
∑L2= (– G2H1)(– G4H2)
Iako postoje četiri petlje, nema skupa od tri petlje koje nemaju zajednički čvor.
∑L3= 0
Izravna grana: P1= G1G2G3G4
∆ 1= 1
Primjer:
Blok dijagram
77
Graf toka signala
Masonovo pravilo
• K=1 postoji samo jedna izravna grana između R(s) i Y(s)
• Postoji 5 petlji
• Tri petlje se međusobno ne dodiruju
Y (s)
Primjer: Naći prijenosnu funkciju , uz pretpostavku da je R(s)=0.
Z ( s)
78
• Postoji jedna izravna grana između Z(s) i Y(s) → K=1
• Postoje dvije petlje. Međusobno se dodiruju (imaju zajednički čvor)
79
ZADACI ZA VJEŽBU (Graf toka signala):
Primjer 1:
80
Primjer 2:
81
Primjer 3:
Blok-dijagram
Graf toka signala
82
Primjer mehaničkog sustava: MDS–sustav
d2y dy
y (t ) f (t ) = M 2
+D +S y
S dt dt
f (t ) 2
d y 1 D dy S
M D 2
= f (t ) − − y
dt M M dt M
Sustav s 2 spremnika energije
M – spremnik kinetičke energije
S – spremnik potencijalne energije
Blok-dijagram MDS–sustava
f (t ) 1 &y& y& y
1 1
M
s s
D
M
S
M
Sustav je 2. reda (ima 2 spremnika energije), pa možemo izabrati 2 varijable stanja:

x1 = y
x2 = y&
Derivacije varijabli stanja:
x&1 = y& = x2
1
[ f (t ) − D y& − S y ]
x&2 = &y& =
M
Ili zapisano na drugačiji način:
x&1 = x2
S D 1
x&2 = − x1 − x2 + u (t )
M M M
Zapis u matričnom obliku:

 x&1   0 1  x   0  x 
&  − =  S D  ⋅ 1 +  1  ⋅u , y = [1 0]⋅  1 
x −   x2   
   M
2  M    M   x2 
83
Primjena funkcije ode23 u rješavanju diferencijalnih jednadžbi: MDS-sustav

% jednadžbi
 x&   0 1  x   0 
%  1 =  S D  ⋅ 1 +  1  ⋅u
− −   x2   
 x&2   M M    M 
x 
% y = [1 0]⋅  1 
 x2 
mds.m % Otvoren novi zapisnik 0.035
function y2crta=mds(t,x) 0.03

% Sustav dif. jednadžbi
0.025
M=5; D=5; S=50; F=1;
y2crta=[x(2); -D/M*x(2)- 0.02
S/M*x(1)+1/M*F];
y
0.015
------------------------------------------------
>> t0=0; tf=10; y0=[0 0]; 0.01
>> [t,y]=ode23('mds', [t0 tf], y0); 0.005
>> plot(t,y(:,1)) 0
>> xlabel('t'), ylabel('y') 0 2 4
t
6 8 10
84
2. VJEŽBA
VJEŽBA- LINEARNI SUSTAVI B.

Na slici je prikazan shematski prikaz ovjesa automobila.
x1 (t )
M1
B k1
x2 (t ) Parametri sustava:
M2
m1=250; % kg
m2=50; % kg
k2
u (t )
k1=1000; % N/m
k2=5000; % N/m
k2=2000; % N/m
b=1000; % Ns/m
Ulaz sustava u(t), izlaz sustava x1(t).
Suma sila u vertikalnom smjeru:

Za masu m1:
Za masu m2: (1)
(2)
85
Ako se definira:
 x1 
 x 2
Onda se vektor stanja može pisati: x =  
 x3 
 
 x 4
Model zapisan u obliku prostora stanja:
Iz jednadžbe (2) slijedi:
Sustav diferencijalnih jednadžbi može se sada predstaviti u obliku matrica prostora

stanja:
Simulacijski model sustava u SIMULINKU:
86
Simulacija sustava definiranog u prostoru stanja pomoću funkcije lsim

% Parametri sustava:
>> m1=250; % kg
>> m2=50; % kg
>> k1=1000; % N/m
>> k2=2000; % N/m
>> b=1000; % Ns/m
% ---------------------------------------------
>> A=[ 0 0 1 0;
0 0 0 1;
-k1/m1 k1/m1 -b/m1 b/m1;
k1/m2 -(k1+k2)/m2 b/m2 -b/m2];
>> B=[0; 0; 0; k2/m2];
>> C=[1 0 0 0];
>> D=[0];
>> sys=ss(A,B,C,D) 0.25
>> t=0:0.1:10;
% u=1*ones(size(t)); 0.2
% Npr.: ako je ulaz 0.15 →

>> u=0.15*ones(size(t))
0.15
x1
>> yout=lsim(sys, u, t); 0.1
>> plot(t,yout)
>> xlabel('t'), ylabel('x1') 0.05
% ---------------------------------------------
0
0 2 4 6 8 10
t
% Ili na drugi način:
>> u=0.15; %m
>> sys=ss(A,B*u,C,D)
>> step(sys,t)
% Ili preko prijenosne funkcije:
[num,den]=ss2tf(A,B*u,C,D)
step(num,den,t)
Primjena funkcije ode23 u rješavanju diferencijalnih jednadžbi: sustav-ovjes

% jednadžbi
87
ovjes_dj.m % Otvoren novi zapisnik
function dy= ovjes_dj(t,x)
% Parametri sustava:
m1=250; % kg
m2=50; % kg
k1=1000; % N/m
k2=2000; % N/m
b=1000; % Ns/m
u=0.15; % m
dy=zeros(4,1);
dy(1)=x(3);
dy(2)=x(4); 0.25
dy(3)=-b/m1*x(3) - k1/m1*x(1) +
b/m1*x(4) + k1/m1*x(2); 0.2
dy(4)=-b/m2*x(4) - ((k1/m1)/m2)*x(2) +
b/m2*x(3) + k1/m2*x(1) + k2/m2*u; 0.15
x1
------------------------------------------------ 0.1
>> [t,y]=ode23(@ovjes_dj,[0 10],[0 0 0 0]);

0.05
% Ili:
% [t,y]=ode23('ovjes_dj', [0 10], [0 0 0 0]); 0
0 2 4 6 8 10
t
>> xlabel('t'), ylabel('x1')
Zadatak:
Odrediti krivulju ovisnosti nadvišenja u odzivu na step pobudu o vrijednosti prarmetara
k1 u intervalu [500 2000] N/m.
Potrebno je napraviti:
1. Mijenjati iznos krutosti k1 od 500 do 2000 N/m s korakom, npr. 250
2. Za svaku vrijednost krutosti k1 potrebno je provesti simulaciju, te iz odziva
izračunati nadvišenje prema izrazu: (ymax-yss) / yss * 100%
Promjena parametara u simulink modelu

% Promjena parametra k1 u intervalu [500
2000] N/m
nadvisenje.m % Otvoren novi zapisnik
%k1=1000;
m1=250; m2=50; k2=2000; b=1000;
88
% ovjes_k1 - ime zapisnika u kojem se
% nalazi simulink model ovjesa
i=0;
for k1=500:250:2000
i=i+1;
set_param('ovjes_k1/Gain1', 'Gain',
num2str(k1/m1));
set_param('ovjes_k1/Gain3', 'Gain',
num2str((k1+k2)/m2)); 72
set_param('ovjes_k1/Gain5', 'Gain', 70
num2str(k1/m1)); 68
set_param('ovjes_k1/Gain7', 'Gain', 66
Nadvisenje [%]
num2str(k1/m2));
64
62
sim('ovjes_k1'); 60
sigma(i)=(max(x1)-x1(end))/x1(end)*100 58
k(i)=k1; 56
end 54
plot(k,sigma,'-o') 52
500 1000 1500
Krutost k1 [N/m]
2000
xlabel('Krutost k1 [N/m]'),
ylabel('Nadvisenje [%]')
89
3. VJEŽBA
VJEŽBA C .
Na slici je prikazan zatvoreni regulacijski krug.
PID regulator:
idealni:
P-regulator: - Utječe na brzinu odziva i stacionarnu vrijednost

- Smanjuje pogrešku regulacije
- Smanjuje stabilnost (povećava oscilatornost)
Simulacija sustava primjenom P-regulatora

% P regulator
% Definiranje prijenosne funkcije: numc = 0 0 1
>> num=1; den=[1 1 1]; denc = 1 1 2
90
>> [numc,denc]=cloop(num,den); P - regulator
% Odziv na odskočnu funkciju

2
Kp=1
1.8 Kp=2
>> step(numc,denc,12) 1.6

Kp=5
Kp=10
>> xlabel('t'), ylabel('y'),

Kp=100
1.4
>> title('P - regulator') 1.2
>> hold 1
y
>> [numc,denc]=cloop(2*num,den); 0.8
>> step(numc,denc,12)
0.6
0.4
>> [numc,denc]=cloop(5*num,den); 0.2
>> step(numc,denc,12) 0
0 2 4 6 8 10 12
>> [numc,denc]=cloop(10*num,den); t (sec)
>> step(numc,denc,12) Bode Diagram
>> [numc,denc]=cloop(100*num,den); 50
>> step(numc,denc,12)
Magnitude (dB)
0
>> Legend('Kp=1', 'Kp=2', 'Kp=5', Kp=1

Kp=2
'Kp=10', 'Kp=100')
-50 Kp=5
Kp=10
% Bode-ov dijagram
Kp=100
-100
0
>> bode(num,den) -45
Phase (deg)
>> hold -90
>> bode(2*num,den ) -135
>> bode(5*num,den) -180

-2 -1 0 1 2
>> bode(10*num,den)
10 10 10 10 10
Frequency (rad/sec)
>> bode(100*num,den) Nyquist Diagram
>> Legend('Kp=1', 'Kp=2', 'Kp=5', 20

Kp=1
'Kp=10', 'Kp=100') 15 Kp=2

Kp=5
Kp=10
% Nyquist-ov dijagram 10
Kp=100
>> nyquist(num,den) 5
Imaginary Axis
% rlocus(num,den) 0
-5
-10
-15
-20
-20 -10 0 10 20
Real Axis
PI-regulator: - Integral pogreške s konstantnim pojačanjem

- Povećava tip sustava za 1
- Uklanja trajnu regulacijsku pogrešku za step ulaz
91
Simulacija sustava primjenom PI-regulatora

% PI regulator Step Response
% Odziv na odskočnu funkciju 1.6

Ki=0
Ki=0.5
figure, hold 1.4
Ki=1
Ki=1.5
for Ki=0:0.5:2; 1.2
Ki=2
Kp=2; 1
Amplitude
numr=[Kp Ki];denr=[1 0] 0.8
System: Ki=0
Time (sec): 18.7
Amplitude: 0.667
numo=conv(numr,num); 0.6
deno=conv(denr,den); 0.4
[numc,denc]=cloop(numo,deno); 0.2
step(numc,denc) 0
legend('Ki=0','Ki=0.5','Ki=1','Ki=1.5','Ki=2')
0 10 20 30 40
Time (sec)
end Bode Diagram

% Bode-ov dijagram 100
figure, hold
Magnitude (dB)
50
for Ki=0:0.5:2; 0
Kp=2; -50
numr=[Kp Ki];denr=[1 0] -100

numo=conv(numr,num); 0
Ki=0
Ki=0.5
deno=conv(denr,den); -45
Phase (deg)
Ki=1
Ki=1.5
bode(numo,deno) -90
Ki=2
legend('Ki=0','Ki=0.5','Ki=1','Ki=1.5','Ki=2') -135
end -180 -2
10 10
-1
10
0
10
1
10
2
% Veća amplituda u području NFA–bolja točnost

Frequency (rad/sec)
% Nyquist-ov dijagram 5
Nyquist Diagram
figure, hold Ki=0

Ki=0.5
for Ki=0:0.5:2; Ki=1

Ki=1.5
Kp=2; 0
Ki=2
numr=[Kp Ki];denr=[1 0]
Imaginary Axis
numo=conv(numr,num);
nyquist(numo,deno)
legend('Ki=0','Ki=0.5','Ki=1','Ki=1.5','Ki=2')
end -10
-5 0 5
% fazno zaostajanje Real Axis
92
PD-regulator:
Simulacija sustava primjenom PI-regulatora

% PD regulator Step Response
% Odziv na odskočnu funkciju

0.9
Kd=0
Kd=2
figure, hold
0.8
Kd=4
Kd=6
for Kd=0:2:10;
0.7
Kd=8
0.6 Kd=10
Kp=1;
Amplitude
0.5
numr=[Kd Kp];denr=1;
0.4
deno=conv(denr,den); 0.2
[numc,denc]=cloop(numo,deno) 0.1
step(numc,denc) 0
legend('Kd=0','Kd=2','Kd=4','Kd=6',... 0 5 10 15
Time (sec)
20 25 30
'Kd=8','Kd=10');
Bode Diagram
end 20
% Bode-ov dijagram 0
Magnitude (dB)
figure, hold -20
for Kd=0:2:10; -40
Kp=1; -60
numr=[Kd Kp]; denr=1; -80

90
Kd=0
numo=conv(numr,num); Kd=2
Phase (deg)
0 Kd=4
deno=conv(denr,den); Kd=6
Kd=8
bode(numo,deno) -90
Kd=10
legend('Kd=0','Kd=2','Kd=4','Kd=6',... -180
10
-2
10
0
10
2
'Kd=8','Kd=10'); Frequency (rad/sec)
end
% Nyquist-ov dijagram
figure, hold
for Kd=0:2:10;
Kp=1;
numr=[Kd Kp];denr=1;
deno=conv(denr,den);
93
nyquist(numo,deno) Nyquist Diagram
legend('Kd=0','Kd=2','Kd=4','Kd=6',... 6
Kd=0
'Kd=8','Kd=10'); 4
Kd=2
Kd=4
end Kd=6
Kd=8
2 Kd=10
Imaginary Axis
0
-2
-4
-6
-2 0 2 4 6 8 10 12
Real Axis
PID-regulator:
Simulacija sustava primjenom PID-regulatora

% PID regulator Step Response
% Odziv na odskočnu funkciju 1.4
Kp=1, Kd=0, Ki=0
figure, hold 1.2

Kp=1, Kd=0, Ki=1
Kp=1, Kd=1, Ki=0
for Kd=0:1; 1
Kp=1, Kd=1, Ki=1
for Ki=0:1;
Kp=1;
Amplitude
0.8
numr=[Kd Kp Ki];denr=[1 0]; 0.6
0.2
[numc,denc]=cloop(numo,deno);
step(numc,denc) 0
0 5 10 15 20 25
legend('Kp=1, Kd=0, Ki=0',... Time (sec)
'Kp=1, Kd=0, Ki=1',...

'Kp=1, Kd=1, Ki=0', ...
'Kp=1, Kd=1, Ki=1')
94
end Bode Diagram
end 50
% Bode-ov dijagram
Magnitude (dB)
0
figure, hold Kp=1, Kd=0, Ki=0
for Kd=0:1; -50 Kp=1, Kd=0, Ki=1
Kp=1, Kd=1, Ki=0
for Ki=0:1; -100
Kp=1, Kd=1, Ki=1
Kp=1; 0
numr=[Kd Kp Ki];denr=[1 0]; -45
Phase (deg)
numo=conv(numr,num); -90
bode(numo,deno) -180
10
-2
10
-1
10
0
10
1
10
2
legend('Kp=1, Kd=0, Ki=0',... Frequency (rad/sec)
'Kp=1, Kd=0, Ki=1',...

'Kp=1, Kd=1, Ki=0', ...
'Kp=1, Kd=1, Ki=1') Nyquist Diagram
5
end Kp=1, Kd=0, Ki=0
Kp=1, Kd=0, Ki=1
end Kp=1, Kd=1, Ki=0
Kp=1, Kd=1, Ki=1
% Nyquist-ov dijagram
figure, hold
0
Imaginary Axis
for Kd=0:1;
for Ki=0:1;
Kp=1; -5
numr=[Kd Kp Ki];denr=[1 0];

-1.5 -1 -0.5 0 0.5 1 1.5
Real Axis
nyquist(numo,deno)
legend('Kp=1, Kd=0, Ki=0',...
'Kp=1, Kd=0, Ki=1',...
'Kp=1, Kd=1, Ki=0', ...
'Kp=1, Kd=1, Ki=1')
end
end
95
3. NELINEARNI SUSTAVI
NELINEARNI SUSTAVI 3.
3.1. LINEARIZACIJA SUSTAVA
Jednostavni spremnik sa slobodnim otjecanjem.
Jedan ulazni tok qu

Jedan izlazni tok qi
Regulirana veličina: razina h
Upravljačka varijabla: ulazni tok qu
Parametri sustava:
A=5 m2
A0=0.25 m2
g=9.81 m/s2
qu=1 m3/s
Zakon o očuvanju mase:

Prirast fluida u spremniku = Ulazni tok fluida – Izlazni tok fluida
A – površina presjeka spremnika (konstanta!)

dh 1
= (qu − qi ) (2)
dt A
Izlazni tok qi u funkciji razine h (Torricellijeva formula – definira brzinu slobodnog
istjecanja fluida iz spremnika samo pod utjecajem gravitacijske sile, uz zanemarivanje
koeficijenta kontrakcije i koeficijenta gubitka brzine)
A0 – izlazni presjek cijevi iz spremnika
dh 1
= (qu − A0 2 g h )
dt A
Nelinearna zavisnost h i qu
96
LINEARIZACIJA OKO NEKE RADNE TOČKE qi0, h0
Ovu jednadžbu zamjenjujemo linearnom jednadžbom , gdje je u

radnoj točki qi0, h0.
Deriviranjem po qi:
Ako uvrstimo za h=h0, qi=qio dobiva se:
Slijedi: → (8)
Ako se (8) uvrsti u jednadžbu (2) dobiva se:
Sređivanjem se dobiva LDJ koja aproksimira ponašanje sustava oko radne točke qi0, h0
dh g A02 1
LDJ + h = qu / L Laplaceova transformacija uz nulte početne
dt qi 0 A A
uvjete qi0, h0
g A02 1
s h( s ) + h( s ) = qu ( s )
qi 0 A A
 2
 s + g A0  h( s ) = 1 qu ( s )
 qi 0 A  A

1 qi 0
h( s ) A g A02 K
PRIJENOSNA FUNKCIJA: G (s) = = = =
2 qi 0 A
qu ( s )
s+
g A0
2
s +1 τ s +1
qi 0 A g A0
Linearizirani model spremnika sa slobodnim istjecanjem je prijenosna funkcija oblika P1

člana. Vremenska konstanta τ punjenja spremnika direktno je proporcionalna s
presjekom spremnika A, a obrnuto proporcionalna kvadratu presjeka izlazne cijevi A0.
97
Spremnik tekućine
>> plot(tout,nelin,tout,lin, '.', tout,h_pf)

A = 5 (m^2) - Povrsina spremnika
>> axis([0 100 0 1.4]), xlabel('Vrijeme (s)'), ylabel('q_u, q_i, h'), grid
>> Legend('nelin q_u','nelin h','nelin q_i','lin q_u','lin h', 'qi0=0.5', 'h(s)=G(s)*qu(s)') A0 = 0.25 (m^2) - Presjek izlazne cijevi
g = 9.81 (m/s^2) - Gravitacijsko ubrzanje
qi0=0.5;
--- NELINEARNI MODEL --- Parametri
qu - Ulazni protok spremnika
Ulazni protok qu
Dot Prod. dh/dt

A 1/u Razina - h
1/s
Povrsina Fcn
spremnika Integrator Scope
Dot Product
nelin
Fcn1
Dot Prod. To Workspace
qi - Izlazni protok sqrt(u)
A0
Presjek izlazne
cijevi
g
Dot Prod.
Gravitacijsko qi0/(g*A0^2)(s)
ubrzanje sqrt(u)
(qi0*A)/(g*A0^2)s+1
Dot Prod. sqrt(2g) Ulazni protok Scope2
2 Transfer Fcn
qu
Konstanta K h_pf
--- LINEARNI MODEL --- -------
T s +1 To Workspace2
qi0=0.5
qu - Ulazni protok
Ulazni protok qu
dh/dt
A 1/u Razina - h
1
Dot Prod. s
Povrsina Fcn
spremnika Integ. Scope1
lin
A0 u^2
To Workspace
Presjek izlazne Fcn
cijevi
g Product of
Elements
Gravitacijsko
ubrzanje
qi0 1/u
Konstanta qi0 Fcn
98
Simulink model: spremnik tekućine

% Parametri spremnika sa slobodnim
istjecanjem tekucine
A=5; % m^2
A0=0.25; % m^2 1.2
g=9.81; % m/s^2
qi0=0.5; % m^3/s 1
qu=1; % m^3/s 0.8
qu, qi, h
------------------------------------------------ 0.6
>> plot(tout,nelin,tout,lin, '.', tout,h_pf)

nelin qu
0.4 nelin h
>> axis([0 100 0 1.2]), xlabel('Vrijeme nelin qi

lin qu
(s)'), ylabel('q_u, q_i, h'), grid 0.2 lin h
qi0=0.5
>> Legend('nelin q_u','nelin h','nelin 0
h(s)=G(s)*qu(s)
q_i','lin q_u','lin h', 'qi0=0.5', 0 20 40 60

Vrijeme (s)
80 100
'h(s)=G(s)*qu(s)',4)
Proces s dva spremnika (otjecanje iz jednog spremnika u drugi)
Parametri sustava:
qu0=0.25 m3/s
A1=1 m2
A2=2 m2
k1=0.05 m2
k2=0.1 m2
Iz Bernoullijeve jednadžbe
dobije se izraz za istjecanje
fluida iz spremnika, uz
zanemarivu promjenu brzine
tekućine u spremnik:
99
a) DJ za visine punjenja h1(t) i h2(t) uz promjenjivi dotok qu(t)
Kako je
dh2 1 k 2g k1 2 g k2 2 g
= qi1 − 2 h2 = h1 − h2
dt A2 A2 A2 A2
b) Radna točka (stacionarno stanje) dobije se izjednačavanjem derivacija s nulom.
qu0=qi1=qi2
Linearizirani model:
Uz zadane vrijednosti, dobiju se razine h10 i h20 u radnoj točki
Parametri linearnog modela:
100
Ako se za izlaznu veličinu uzme h2 dobiva se model u obliku prostora stanja:
Prijenosna funkcija:
Za zadane vrijednosti parametara a1 ... a4 prijenosna funkcija glasi:
101
3.2. MATRICA PRIJENOSNIH FUNKCIJA
Kod LTI kontinuiranih dinamičkih sustava, opisanih prostorom stanja:
, →početno stanje sustava jednako nuli,

tj. svi spremnici energije prazni
moguće je definirati MATRICU PRIJENOSNIH FUNKCIJA G(s) kao model sustava u

s-području.
Potrebno je izvršiti Laplaceovu transformaciju:
I – jedinična matrica (elementi na dijagonali jednaki jedinici)
→ RESOLVENTNA MATRICA sustava
Inverznom L.T. resolventne matrice dobije se MATRICA PRIJELAZA SUSTAVA

(FUNDAMENTALNA MATRICA) Φ(t)
Supstitucijom x(s) u jednadžbu izlaza dobiva se oblik:
→ G(s) – matrica prijenosnih funkcija
G(s) je model LTI kontinuiranog sustava koja vektor ulaza U(s) preslikava na vektor
izlaza y(s) u području kompleknse varijable ''s''.
→prijenosna funkcija između i-tog izlaza i j-tog ulaza sustava
Blok dijagram sustava opisanog matricom prijenosnih funkcija G(s)
102
→ ovako se ne može pisati!
Npr.: sustav ima 2 ulaza i 3 izlaza:
, gdje je
dimG(s)=3x2, p=3, m=2, pxm
Krećemo od izraza:
Budući da vrijedi:
Može se pisati:
Svođenjem na zajednički nazivnik:

- vrijedi i kod jednovarijablinih sustava
→ karakteristična jednadžba sustava
s1, s1, ..., sn → polovi sustava (rješenja k. j.)
Rješenja brojnika → nule za svaku prijenosnu funkciju gij(s) u matrici prijenosnih

funkcija G(s)
103
Primjer
Matrice prostora stanja:
Adjungirana martica je transponirana matrica kod koje je svaki element zamijenjen

svojim kofaktorom.
Za zadane vrijednosti parametara a1 ... a4 prijenosna funkcija glasi:
Matlab:
>> Gss=ss(A,B,C,D)
>> Gtf=tf(Gss)
>> [z,p,k]=ss2zp(A,B,C,D)
104
Proces s dva spremnika (otjecanje iz jednog spremnika u drugi)
qu0=0.25;A1=1;A2=2;k1=0.05;k2=0.1;g=9.81; h10=1/(2*g)*(qu0/k1)^2, h20=1/(2*g)*(qu0/k2)^2, qu
>> plot(tout,nelin,tout,lin,'.'), Legend('qu','h_1nelin','h_2nelin','qu','h_1lin','h_2lin'), xlabel('Vrijeme (s)'), ylabel('q_u, h_1, h_2')

h1 A1
k1
qi1
--- NELINEARNI MODEL --- h2

A2
k2
Scope
h1 h2' h2 qi2
h1' 1 1
1/A1 sqrt(u) k1/A2*sqrt(2*g) nelin
s s
Ulazni protok Integrator Integrator1 To Workspace
Gain Fcn1
qu
Fcn
Fcn
k1/A1*sqrt(2*g) sqrt(u)
k2/A2*sqrt(2*g) sqrt(u)
--- LINEARNI MODEL ---
Scope2
delta h1' delta h1
1 delta h2' 1 delta h2 lin
1/A1 k1/A2* sqrt(g/(2*h10) )
s s To Workspace
Ulazni protok Integ.
Gain Integ.
qu=qu0/2
linh2
k2/A2*sqrt( g/(2*h20) ) To Workspace1
k1/A1*sqrt( g/(2*h10) ) linh1
To Workspace2
Simulink model: spremnik tekućine

% Parametri procesa s dva spremnika 1.4
qu0=0.25;A1=1;A2=2;k1=0.05;k2=0.1;g=9.81;
1.2
h10=1/(2*g)*(qu0/k1)^2, h20=1/(2*g)*(qu0/k2)^2, qu
h nelin
1
1
h nelin
2
>> h10 = qu
qu, h1, h2
0.8 h lin
1
1.2742 h lin
2
0.6
>> h20 = 0.4
0.3186 0.2
>> plot(tout,nelin,tout,lin,'.'), 0
Legend('qu','h_1nelin','h_2nelin','qu','h_1lin','h_2lin'), 0 20 40 60
Vrijeme (s)
80 100
xlabel('Vrijeme (s)'), ylabel('q_u, h_1, h_2')
105
Proces s dva spremnika (spremnici međusobno povezani)
k – koeficijent protoka, m2
v – brzina prolaska fluida,
m/s
zakon o istjecanju fluida

kroz uske otvore
a) DJ za visine punjenja h1(t) i h2(t) uz promjenjivi dotok qu(t)
Istjecanje fluida iz spremnika 2, uz zanemarivu promjenu brzine tekućine u spremniku:
Pretakanje tekućine iz spremnika 1 u spremnik 2:
Kako je :
b) Radna točka (stacionarno stanje) dobije se izjednačavanjem derivacija s nulom,

qu0=q1=q2
106
Za qu0=0.1 m3/s, k1=0.05 m2, k2=0.1 m2: h10=0.2548 , h20=0.0509
Linearizirani model:
Iz lineariziranog modlea slijedi:
qu0=0.1;A1=1;A2=2;k1=0.05;k2=0.1;g=9.81;h20=(1/(2*g))*(qu0/k2)^2, h10=(1/(2*g))*(qu0/k1)^2 + h20,
>> plot(tout,nelin,tout,lin,'.'), Legend('qu','h_1nelin','h_2nelin','qu','h_1lin','h_2lin'), xlabel('Vrijeme (s)'), ylabel('q_u, h_1, h_2')
--- NELINEARNI MODEL ---
h1' h1 h1-h2 h2' h2

1/A1 1/s sqrt(u) k1*sqrt(2*g)/A2 1/s Scope
Ulazni protok Gain Integrator Integrator1

qu Fcn nelin
Fcn Fcn To Workspace
k1*sqrt(2*g)/A1 sqrt(u) k2*sqrt(2*g)/A2 sqrt(u)
qu
h1
A1 h2
A2
k1 q1
q2
--- LINEARNI MODEL --- k2
Scope2
delta h1' delta h1 delta h1 - delta h2
delta h2' delta h2 lin
1/A1 1/s k1*sqrt(2*g)/(2*A2*sqrt(h10-h20)) 1/s
Ulazni protok Gain Integ. Integ. To Workspace
qu=qu0/2
k1*sqrt(2*g)/(2*A1*sqrt(h10-h20)) k2*sqrt(2*g)/(2*A2*sqrt(h20))
107
Ekvivalentni električni sustav (proces s dva spremnika)
Hidraulički element Električni element

Simbol Opis Simbol Opis
q Ulazni protok i Struja izvora
h Visina v Napon kondenzat.
A Površina spremni. C Kapacitet
k Protočni otpor R Otpor
108
4. DIGITALNI SUSTAVI REGULACIJE
MODELIRANJE DIGITALNIH SUSTAVA REGULACIJE 4.

Osnovna shema sustava:
Sustav ima digitalni i analogni dio.

A/D pretvornik promatra se isključivo kao sklop za UZIMANJE UZORAKA,
a D/A pretvornik promatra se isključivo kao sklop za OBNAVLJANJE 0. reda,
DIGITALNI REGULATOR promatra se isključivo kao diskretni regulator i predstavlja
se IMPULSNOM PRIJESNOSNOM FUNKCIJOM [G(z)].
Napomena:
U praktičnim primjenama komparator se obično uključuje u digitalni dio (jedna linija
koda), izlazna veličina y(t) digitalizira se pomoću A/D pretvornika, a referentna veličina
direktnim unosom brojčane (digitalne) vrijednosti preko tastature.
STVARNA IZVEDBA SUSTAVA DIGITALNE REGULACIJE
DISKRETNI SUSTAV (Discrete-Time System) – sustav koji sadrži samo diskretne

komponente.
KONTINUIRANI SUSTAV (Continuous-Time System) – sustav koji sadrži samo
analogne (kontinuirane) komponente.
UZORKOVANI SUSTAV (Sampled-Data System) – sustav koji sadrži i analogni i
diskretni dio.
109
Svi sustavi digitalnog vođenja su uzorkovani sustavi zato što je objekt upravljanja uvijek
kontinuiran. Analiza i sinteza provodi se tako da se cijeli sustav prebaci ili u kontinuirani
oblik (Osnove automatike) ili u diskretni oblik (Mikroprocesorsko upravljanje), iako
postoje postupci analize i sinteze takvog mješovitog uzorkovanog sustava. Uobičajeno je
da se kontinuirani dio sustava prebaci u diskretni oblik.
Problem analize sustava u diskretnom području je taj što prebacivanjem izlaza
kontinuiranog dijela u diskretni oblik dobivamo signal koji je točan samo u trenucima
uzorkovanja. Što se događa između dva trenutka, uobičajena analiza u diskretnom
području (koja se temelji na Z-transformaciji) ne daje odgovor. Proračun signala između
dva trenutka uzorkovanja daje složenija modificirana Z-transformacija. Međutim, u
praksi, ukoliko je period uzorkovanja dovoljno mali, dovoljno je poznavati izlaz sustava
samo u trenucima uzorkovanja i pretpostaviti linearnu interpolaciju signala između dva
trenutka uzorkovanja.
• Rad računala odvija se u stvarnom vremenu.
• Procesno računalo upravlja objektima po principu raspodijeljenog vremena
(eng. time sharing), a raspodjela vremena se obavlja preko multipleksera i
demultipleksera.
Vrijeme uzorkovanja T odabire se ovisno o brzini mogućih promjena varijabli

upravljanog objekta. Načelno se procesi mogu podijeliti na:
SPORE PROCESE (regulacija temperature, razine, miješanja); T je nekoliko
stotina ms ili s.
BRZE PROCESE (npr. regulacija elektormotornih pogona, upravljanje
elektroničkim energetskim pretvaračima); T je veličine ms ili manje.
SREDNJE DINAMIČKE PROCESE (npr. regulacija hidrauličkih i
pneumatskih sustava)
} => Ostale moguće zadaće digitalnog računala:

- Obrada mjernih rezultata
- Prikaz procesnih stanja
- Estimacija nemjerljivih veličina
- Identifikacija parametara
- Adaptacija parametara regulatora
Četiri područja važna za razvoj digitalnog sustava upravljanja:
1. Dinamika objekta upravljanja (procesa)
2. Mjerna tehnika
3. Računalna tehnika (hardware + software)
4. Teorija digitalnog upravljanja
Digitalno računalo obavlja program u koji je implementiran zakon upravljanja objektom-

ALGORITAM. Izvršenje programa treba se obaviti u dovoljno kratkom vremenu koje je
manje od vremena uzorkovanja T koje iznosi , – kružna frekvencija
uzorkovanja.
110
KVANTIZACIJA SIGNALA PO VREMENU (diskretizacija, uzorkovanje)
Primjeri diskretnih sustava:

U našem okruženju veliki je broj pogona koje su po svojoj naravi kvantizirane po
vremenu. Npr.:
VOŽNJA AUTOMOBILA (kod koje vozač zapravo ima ulogu regulatora). On sve
relevantne veličine na temelju kojih formira upravljačku akciju očitava u diskretnim
intervalima vremena. Niti jedan vozač ne gleda kontinuirano i u instrumente i u
retrovizore i preko lijevog ramena. On to radi u diskretnim ternicima vremena. Čak
što više, vozač sve te varijable kvantizira i po amplitudi, pa npr. udaljenost do
drugog vozila u svojoj glavi interpertira kao vrlo velika, velika, mala, opasno mala
itd., što su u biti kvantizirane vrijednosti varijable ''udaljenost'' koja je kontinuirana.
EKONOMSKI SUSTAVI kod kojih se promjene temelje na kalendaru. Iako se
ekonomske transakcije odvijaju u svakom trenutku, informacije o ekonomskim
pokazateljima na temelju kojih se donose odluke (upravljanje) prikupljaju se u
diskretnim vremenskim trenucima: dnevno, tjedno, mjesečno, kvartalno, godišnje.
SUSTAV AUTOMATSKE REGULACIJE POMOĆU RAČUNALA (DIGITALNA
REGULACIJA). Digitalna regulacija temelji se na algoritmu računala koji je sam po
sebi sustav diskretan po vremenu.
Kod digitalne regulacije u diskretnim vremenskim intervalima događa se slijedeći niz

operacija:
begin
Učitaj referentnu veličinu
Učitaj vrijednost procesne veličine
Izračunaj pogrešku kao razliku referentne i procesne veličine
Izračunaj upravljanje
end
Kvantiziranje po vremenu može se provoditi:
a) U identičnim vremenskim intervalima b) U nejednakim vremenskim intervalima –

– REGULARNA KVANTIZACIJA NEREGULARNA KVANTIZACIJA
T – vrijeme uzorkovanja (period Može biti po nekom zakonu – deterministička

uzorkovanja) Slučajna – stohastička
Bavit ćemo se REGULARNOM kvantizacijom, jer je s današnjim hardware-om moguće
realizirati velike brzine uzorkovanja.
111
ANALOGNO/DIGITALNI (A/D PRETVORNIK)
A/D pretvornik je realna komponenta koju koristimo kao sklop za uzorkovanje. U njemu
se događaju tri postupka:
1. Diskretizacija po vremenu
2. Kvantizacija po amplitudi uz zadržavanje po amplitudi cijeli slijedeći diskretni
interval vremena
3. Kodiranje u n-bitnu binarnu formu
Shematski prikaz A/D pretvornika:
A/D pretvornik određen je s dvije temeljne značajke:

1. FREKVENCIJOM UZORKOVANJA
2. STUPNJEM AMPLITUDNE KVANTIZACIJE (brojem bita pretvorbe), a
zove se i VERTIKALNA REZOLUCIJA
Cijeli postupak pretvorbe analogne veličine u diskretnu naziva se DIGITALIZACIJA.

Digitalni signal najčešće se iskazuje u obliku tvz. STANDARDNOG BINARNOG
FORMATA
su binarni brojevi, n – vertikalna rezolucija A/D pretvornika

Npr.
Bit zovemo NAJMANJE ZNAČAJAN BIT (eng. Least Significant Bit – LSB)
zovemo NAJVIŠE ZNAČAJAN BIT (eng. Most Significant Bit – MSB)
LSB ima vrijednost 1 pune skale ulaznog signala, a to se zove KVANTIZACIJSKI
2n
INTERVAL.
POGREŠKA KVANTIZACIJE
Važan pojam kod A/D pretvorbe
Pr. 4-bitni A/D pretvornik
napon na ulazu 0 – 15 V
frekvencija uzorkovanja 100 Hz
4
4-bitnom digitalnom kombinacijom možemo prikazati ukupno 2 = 16 različitih razina
ulaznog signala, što znači da je kvantizacijski interval 1 V odnosno 6.7 % maskimalne
vrijednosti ulaznog signala.
112
- Za svaki period uzorkovanja postoji pogreška između stvarne vrijednosti signala u(t) i
njegove digitalizirane vrijednosti, tj. POGREŠKA KVANTIZACIJE
- Uobičajeno se vrijednost zaokružuje najbližoj kvantiziranoj vrijednosti
- U ovom primjeru to je 0.5 V
Tipični A/D pretvornici: 4-bitni 8-bitni 12-bitni 16-bitni

n
Broj razina 2 : 16 256 4096 65536
PROCES UZORKOVANJA (DISKRETIZACIJE)
Postupak diskretizacije po vremenu koji nazivamo UZORKOVANJE (eng. sampling)

može se definirati kao postupak prikaza kontinuiranog signala slijedom brojeva koji
predstavljaju vrijednost signala u pojednim trenucima vremena.
Uzorkovanje je temeljni postupak digitalnog vođenja, jer i sama računala rade u
diskretnom taktu.
Uzorkovanje je linearna operacija: , gdje je T – period uzorkovanja.
Izraz naziva se FREKVENCIJA UZORKOVANJA
– KRUŽNA FREKVENCIJA UZORKOVANJA
Shematski prikaz sklopa za uzorkovanje (sampler ili uzorkivač)
113
Sklop za uzorkovanje možemo promatrati i kao MODULATOR, množač u kojem se
množe dva signala:
kontinuirani signal (koji modulira) i slijed impluse jedinične amplitude (koji se
modulira).
Izlazni signal je signal DISKRETIZIRAN PO VREMENU.

U praksi je najčešće ispunjen uvjet da je , pa se slijed jediničnih implusa
matematički zamjenjuje slijedom pomaknutih Dirac-ovih δ-funkcija koje se simbolički
označavaju sa , a matematički izražavaju beskonačnim redom:
Pa je:
FREKVENCIJSKO PREKLAPANJE (eng. aliasing)
Kolika je najmanja frekvencija uzorkovanja za koju je kontinuirani signal vjerno

predstavljen uzorkovanim (diskretnim) signalom odnosno za koji se može iz
uzorkovanog rekonstruirati kontinuirani?
114
Postavlja se temeljno pitanje:
Kakav mora biti odnos između frekvencije signala koji se uzorkuje i frekvencije
uzorkovanja da bi se kontinuirani signal mogao (barem teoretski) u potpunosti
rekonstruirati i vratiti u prvobitni kontinuirani oblik?
H. Nyquist (1928.): Sinusni signal se može u potpunosti rekonstruirati iz uzorkovanog
signala ukoliko je frekvencija uzorkovanja barem dvostruko veća od frekvencije
sinusnog signala. [U spomen na Nyquista dvostruko veća frekvencija uzorkovanja
naziva se Nyquistova frekvencija uzorkovanja (eng. Nyquist sampling rate).]
C. Shannon je 1949. godine proširio ova istraživanja na bilo kakve signale i postavio
TEOREM UZIMANJA UZORAKA.
Uzorkovani signal će vjerno sačuvati svojstva kontinuiranog signala, ako je frekvencija
uzorkovanja ( ) najmanje dvostruko viša od najviše frekvencije u spektru
kontinuiranog signala, tj. ako vrijedi
, Ili: ,
Digitalno vođenje se najčešće primjenjuje na kontinuirane sustave. To znači da obrađeni

diskretni signal treba ponovno vratiti natrag u kontinuirani oblik.
Kažemo: kontinuirani signal trebamo REKONSTRUIRATI, OBNOVITI.
Postavlja se pitanje:
U kojim se slučajevima kontinuirani signal može obnoviti tako da bude idnetičan
ulaznom signalu prije diskretizacije? Da li je to uopće moguće?
Ovim problemom bavio se Harry Nyquist još 1928. g., a precizno ga je formulirao u
obliku teorema o uzimanju uzoraka Claude Shannon.
Kod digitalne regulacije ova dva postupka događaju se u A/D i D/A pretvornicima.
Kod njih se provodi diskretizacija i po vremenu i po amplitudi.
115
FREKVENCIJSKO PREKLAPANJE (ALIASING)
Ova pojava može znatno utjecati na rezultate A/D pretvorbe.

Ukoliko frekvencija osnovnog kontinuiranog signala prelazi Nyquistovu frekvenciju
( ) frekvencijski spektar uzorkovanog signala više nije jednostavno

ponavljanje ferkvencije spektra osnovnog signala, već rezultat superpozicije
frekvencijskog spektra ponavljanja osnovnog signala.
Ukoliko se spektri preklapaju osnovni signal se više ne može rekonstruirati nisko-

propusnim filtrom. Frekvencije u području preklapanja nazivaju se FREKVENCIJE
PREKLAPANJA (eng. alising frequency). S PRAKTIČNE TOČKE gledanja to znači da
ukoliko postoji frekvencijsko preklapanje moguće je da dva signala potpuno različite
frekvencije imaju iste diskretne vrijednosti u trenucima uzorkovanja.
Pr.
Osnovni signal često ima i neželjene frekvencijske komponente izvan područja

( ), visokofrekvencijske periodične komponente. Zbog toga je dobro prije
uzorkovanja signal filtrirati, propustiti kroz analogni tzv. anti-alising filtar.
Najjednostavniji je niskopropusni filtar 2. reda:

Filtri višeg reda: Butterworthovi, Besselovi filtri 4. ili 6. reda.
116
PRIMJER:
Primjena funkcije c2d za diskretizaciju sustava

>> sysc=tf(1000,[1 10 1000]) Transfer function:
1000
-----------------
>> sysd=c2d(sysc,0.2) s^2 + 10 s + 1000
>> step(sysc,'--',sysd,'r-*') Transfer function:

0.6346 z - 0.2345
>> hold
-----------------------
z^2 - 0.7352 z + 0.1353
>> sysd=c2d(sysc,0.15) Sampling time: 0.2
>> step(sysc,'--',sysd,'g-') 1.8
Step Response
% → još uvijek nije dobro rekonstruiran 1.6
signal 1.4
>> sysd=c2d(sysc,0.1) 1.2
>> step(sysc,'--',sysd,'k-')
Amplitude
1
% → dobro rekonstruiran signal 0.8
0.6
0.4
0.2
0
0 1 2 3 4
Time (sec)
Kod Z-transformacije može se uočiti da veza između funkcije u vrmenskoj domeni y(t) i
pripadne Z-transformacije te funkcije nije jednoznačna. Naime, više različitih
kontinuiranih funkcija može imati istu Z-transformaciju, jer imaju iste vrijednosti u
trenucima diskretiziranja.
Z-transformacija daje vrijednosti funkcije samo u trenucima diskretiziranja, a na daje
odgovor o ponašanju funkcije između trenutaka diskretiziranja.
Pitanje: Kolika je najmanja frekvencija uzorkovanja za koju je kontinuirani signal vjerno

predstavljen uzorkovanim (diskretnim) signalom, odnosno za koji se može iz
uzorkovanog signala rekonstruirati kontinuirani?
Shannonov teorem:
Uzorkovani signal će vjerno sačuvati svojstva kontinuiranog signala, ako je frevkencija
uzorkovanja ( ) najmanje dvostruko viša od najviše frekvencije u spektru
kontinuiranog signala, tj. ako vrijedi:
117
Prikaz u SIMULINKU
Primjer: Najviša frekvencija u spektru govornog signala je . Govor treba,

dakle, digitalizirati najmanje s frekvencijom , tj. treba uzeti 10000
uzoraka u sekundi.
Primjer: Diskretizacija sustava s mrtvim vremenom:
Primjena funkcije c2d za diskretizaciju sustava

>> Gc=tf(10,[1 3 10],'inputdelay',0.5);
>> Gd=c2d(Gc,0.1)
>> step(Gc,'--',Gd,'-')
>> get(Gc)
>> set(Gc,'inputname',{'temperatura'});
>> set(Gc,'outputname',{'napon'});
>> Gc
>> set(Gc,'inputname','temperatura',...
'outputname','napon','inputdelay',1)
>> Gc
>> ltview
>> help c2dm:

'zoh' – diskretizacija uz primjenu ekstrapolatora nultog reda
'foh' – diskretizacija uz primjenu ekstrapolatora prvog reda
'tustin' – bilinearna Tustinova aproksimacija
'prewarp' – Tustinova aproksimacija s kritičnom frekvencijo.
'matched' – metoda poklapanja nula i polova
118
IZBOR FREKVENCIJE UZORKOVANJA
Ključni problem teorije diskretnih sustava, a time i teorije digitalnog vođenja je izbor
frekvencije uzorkovanja.
Izbor frekvencije uzorkovanja ovisi o:
- signalu koji uzokujemo
- načinu obnavljanja kontinuirane funkcije
- svrsi diskretnog sustava (za obradu signala ili kao regulator u sustavu vođenja).
Zadaci digitalne obrade signala → direktna primjena teorema uzorkovanja

a) Sinusni signal frekvencije 10 Hz treba uzokovati s frekvencijom većom od 20 Hz, tj.
uzeti najmanje dvije točke po periodi
Npr. titranje njihala od 5 titraja u minuti čovjek može uočiti samo ako ga pogleda
najmanje 10 puta u minuti.
b) Najviša frekvencija u spektru govornog signala je .

Govor treba, dakle, digitalizirati najmanje s frekvencijom:
, tj. treba uzeti 10000 uzoraka u sekundi.
Zadaci digitalnog vođenja → izbor frekvencije uzorkovanja temelji se na razumijevanju

utjecaja postupaka uzorkovanja na ponašanje sustava vođenja.
Frekvencija uzorkovanja povezuje se s vremenskim odzivom izlaznog signala

zatvorenog kruga ili s frekvencijskim karakteristikama zatvorenog kruga.
Iskustveno:
frekvencija uzorkovanja 10 do 30 puta veća od širine pojasa propuštanja
4 do 10 puta kraće od vremena porasta
Empirijska pravila o izboru perioda uzorkovanja:

Period uzimanja uzoraka određuje se u odnosu na karakteristike vremenskog odziva
zatvorenog regulacijskog kruga uz pretpostavku da odziv sustava uvjetuje par
dominantnih konjugirano-kompleksnih korijena:
a) T treba biti 4 do 10 puta kraći od vremena porasta Tr
b) T treba biti 8 do 20 puta kraći do vremena prvog (maksimalnog) prebačaja Tm
c) T treba biti 10 do 40 puta kraći od periode prigušenih oscilacija
119
Izbor perioda uzorkovanja T
>> Gs=tf([1.833^2],[1 2*0.5*1.833 1.833^2])
>> ltview(Gs)
% → desni klik → Characteristics → Rise
Time = 0.895
>> T1=0.895/4=0.2238
>> T2=0.895/10=0.0895
DIGITALNO-ANALOGNI (D/A) PRETVORNIK
Realna komponenta koja se koristi za obnavljanje ili rekonstrukciju kontinuiranog

signala je D/A pretvornik, DAC (eng. Digital to Analog Converter)
Prije same rekonstrukcije provodi se i dekodiranje digitalnog signala u diskretni, premda
se diskretna sekvenca x*(t) nigdje ne može fizički izdvojiti.
D/A pretvornike isto kao i A/D pretvornike karakteriziramo:

- Frekvencijom (periodom) obnavljanja
- Brojem bita kojime se iskazuje amplitudna vrijednost digitalne veličine
Frekvencija obnavljanja je najčešće usklađena s frekvencijom uzorkovanja A/D
konverzije ( ), a broj bita određuje se potrebnom preciznošću definiranom

kvantizacijskim intervalom.
120
REKONSTRUKCIJA (OBNAVLJANJE) KONTINUIRANOG SIGNALA
Rekonstrukcija ili obnavljanje kontinuiranog signala je obratna operacija uzorkovanju.

Obavlja se u sklopu za OBNAVLJANJE, koji se još naziva i PRITEZNI SKLOP ili
EKSTRAPOLATOR ili FIKSATOR ili HOLDER.
Zadatak je diskretni signal x*(t) rekonstruirati u dijelovima vremena u kojima nije
definiran.
U praksi se najčešće koristi SKLOP ZA OBNAVLJANJE 0. REDA (eng. zero-order-
hold, ZOH)
Temelji se na rekonstrukciji kontinuirane funkcije samo 0-tim članom Taylorovog reda:
x& (kT ) &x&(kT )
xF (t ) = x(kT ) + (t − kT ) + (t − kT ) 2 + ...
1! 2!
Što znači da između vremenskih
trenutaka kT i (k+1)T rekonstruirani signal zadržava diskretnu vrijednost koje je imao
na početku tog intervala.
Signal x*(t)
sadrži Signal xF(t)
informaciju, a ne sadrži i
sadrži energiju informaciju, i
energiju
Ekstrapolator formira (restaurira, rekonstruira) originalni signal x(t), a na temelju signala

x*(t), te se dobije xF(t). Ovaj signal sadrži informaciju i energiju.
Siganl xF(t) može se izraziti kao zbroj pravokutnih signala visine x(kT) i širine T:
∞
xF (t ) = ∑ x(kT ){[S (t − kT ) − S (t − (k + 1)T )]} / L − Laplace
k =0
→ Laplace-ova transformacija diskretnog signala x*(s)
→ Prijenosna funkcija fiksatora 0. reda
121
EKSTRAPOLATOR 1. REDA (FOH)
FOH (eng. First-order-hold) ekstrapolira podatak između dva trenutka uzorkovanja

pomoću polinoma prvog reda (pravca).
x& (kT )
xF (t ) = x(kT ) + (t − kT )
1!
x(kT ) − x[(k − 1)T ]
xF (t ) = x(kT ) + (t − kT )
T!
Odziv ekstrapolatora 1. reda na jedinični impuls
Za k=0:
0 ≤ t ≤ T: Za 0 ≤t ≤ T vrijedi: x(-T)=0 , x(0)=1
Za k=1:
T ≤ t ≤ 2T: Za T ≤ t ≤ 2T vrijedi: x(T)=0 , x(0)=1
Prijenosna funkcija fiksatora 1. reda (bez izvoda):
Ekstrapolacija pomoću FOH nije bitno bolja u odnosu na ZOH (čak je u nekim
dijelovima lošija).
Frekvencijska karakteristika FOH
Efikasnije filtrira od ZOH-a
Unosi veće fazno zaostajanje lošije

za stabilnost
122
METODA POKLAPANJA POLOVA I NULA
Ovo je aproksimacija metoda koja se temelji na povezanosti s- i z-područja
SVOJSTVA IMPULSNA PRIJENOSNE FUNKCIJE: Polovi od G(s) direktno su

povezani sa polovima od G(z) gornjim izrazom, ali nule nisu. Nule djeluju samo na
konstante pojačanja. Međutim, kod ove metode ista jednadžba se koristi i za povezivanje
nula prijenosne funkcije G(s) i impulsne prijenosne funkcije G(z).
Primjer:
Kontinuirani dio sustava je:
Dakle, polovi od G(s) su: s1=-1, s2=-0.5. Nule su u beskonačnosti.
Ukoliko G(s) ima nule i beskonačnosti G(z) bi trebao dobiti nule u točki z=-1, međutim
ponekad se jedna nula od G(z) ostavi u beskonačnosti, čime pridružena jednadžba
diferencije dobiva kašnjenje od jednog diskretnog trenutka vremena.
Odgovarajući polovi od G(z) su:
a nula je u točki -1, pa je IMPULSNA PRIJENOSNA FUNKCIJA:
Najveći je problem s pojačanjem. Obično se aproksimacija radi tako da se poklope

pojačanja kontinuiranog i diskretnog sustava za frekvenciju ω=0, odnosno njoj
odgovarajuću vrijednost z=1.
s=0 i z=1: Za s=0 → G(0)=1
Pa vrijedi:
K ( z + 1) K (1 + 1)
1= −T − 0.5⋅T
=
(z − e ) ⋅ (z − e ) z = 1 (1 − e ) ⋅ (1 − e −0.5⋅T )
−T
1 ⋅ (1 − e −T ) ⋅ (1 − e −0.5⋅T )
K= = 0.5 ⋅ (1 − e −T ) ⋅ (1 − e −0.5⋅T )
2
Za T=0.1 → K=0.00232, e-T=0.9048, e-0.5T=0.9512
Pa je:
123
Primjena funkcije c2dm za diskretizaciju sustava pomoću metode poklapanja
polova i nula
>> format long numd =
>>[numd,dend]=c2dm(0.5,[1 1.5 0.5], 0.1, 0.00232 0.00232
'matched') dend =
1 -1.8560 0.8607
KONTINUIRANI I DISKRETNI SIGNALI I SUSTAVI
Sve što se događa oko nas ovisno je o vremenu ('funkcija je vremena'). U digitalnim
sustavima vođenja barem jedan od signala mora biti diskretan. Klasična automatska
regulacija analizira i projektira sustave kod kojih su svi signali kontinuirani, što znači da
su definirani (postoje) u svim trenucima vremena. Takve signale uobičajeno nazivamo
analogni signali.
Primjer:
Pretpostavimmo da smo za sustav na slici u prijenosnu liniju od otporničkog osjetila do

sumatora postavili sklopku koja se otvara i zatvara u pravilnim razmacima. U udubini
valjka sklopka se zatvara i samo u tom trenutku sumator, a onda i regulator prima
informaciju o razini vode u spremniku. Uz odgovarajući odabir motora i reduktora to
npr. može biti 100 puta u sekundi.
124
Izlazni signal sustava – razina h više nije kontinuirana funkcija vremena. Kažemo da je
KVANTIZIRANA PO VREMENU, odnosno DISKRETIZIRANA. Signal razine postao
je DISKRETIZIRANI SIGNAL. Kako bi se naglasila razlika, diskretni signal se
označava zvjezdicom.
T – period kvantizacije ili PERIOD UZORKOVANJA

τ – duljina trajanja uzorka (najčešće se može zanemariti!)
Primjer sustava kvantiziranog po vremenu je situacija kada se ugase svjetla i upali

bljeskalica (stroboskop). U svakom trenutku kada bljeskalica bljesne plesače vidimo u
nekom drugom položaju. Kako su do tog položaja došli ne znamo, jer je između dva
bljeska bio mrak pa nismo vidjeli, ali to ne znači da između ta dva položaja nije postojao
cijeli kontinuirani pokret.
Ako signal može poprimiti samo vijednosti na nekom konačnom skup npr. vrijednost
razine y∈YD={0, 10, 20, ..., 100} onda je signal kvantiziran po AMPLITUDI. Takvi
sustavi se obično nazivaju RELEJNI SUSTAVI. Kod jednostavnog releja signal može
imati samo dvije vrijednosti 0% ili 100%, a točka preklapanja se može podesiti
odgovarajućim elektroničkim sklopom. Spajanjem više releja može se napraviti bilo
kakva kvantizacija po amplitudi.
Najzanimljivija situacija je KVANTIZACIJA PO VREMENU I AMPLITUDI. Ta

situacija se događa u A/D pretvorniku. Period kvantizacije, koji se obično naziva
VRIJEME UZORKOVANJA određen je frekvencijom rada i brzinom pretvorbe A/D
pretvornika, a korak kvantizacije po amplitudi određen je brojem bita kojima se
prikazuje ekvivalentni digitalni signal.
Npr. 8-bitni A/D pretvornik amplitudu kvantizira u 256 razina.
Razina 0 – 100 cm → korak kavntizacije 0.3906
MODELIRANJE DISKRETNIH SUSTAVA
Dinamičko ponašanje kontinuiranih sustava opisuje se diferencijalnim jednadžbama.

Ovsino o tome da li sustav pokazuje linearno ili nelinearno ponašanje, te da li mu se
parametri mijenjaju tijekom vremena, opisjuemo ga linearnim ili nelinearnim
diferencijalnim jednadžbama, s konstantnim ili promjenjivim koeficijentima.
Što je jednadžba kompleksnija → to je i teže rješiva.
125
Zbog toga se ponašanje složenog sustava aproksimira ekvivalentnim linearnim sustavom
(u okolini radne točke).
Njegov matematički opis j LDJsKK → Osnove automatike.
Slična situacija je i kod DISKRETNIH SUSTAVA, s tim da se oni nastoje opisati
LINEARNIM JEDNADŽBAMA DIFERENCIJA s konstantnim koeficijentima.
(Iz jednadžbi diferencija jednostavno se izvede i tzv. IMPULSNA PRIJENOSNA
FUNKCIJA, na kojoj se temelji ''klasični'' pristup analizi i sintezi diskretnih sustava ili
JEDNADŽBE STANJA DISKRETNIH SUSTAVA na kojima se temelje ''modernije''
metode.
Pr. Sustav integracijskog ponašanja vođen P-regulatorom
Opis sustava:
(Zanemaruje se nelinearnost ventila i zasićenje visine spremnika.)
Linearna diferencijalna jednadžba 1. reda:
Odziv (prijelazna funkcija): P1-član
Ks
Kp
s = 1 1
Gz ( s ) = =
Ks 1 τ s +1
1+ Kp s +1
s K pKs
126
Regulacija integralnog sustava diskretnim P-regulatorom
Simulink model:
Što se događa između trenutaka kT i (k+1)T?

Regulirani sustav je čisti integrator, pa vrijedi:
U trenutku t=(k+1)T vrijednost integrala y[(k+1)T] bit

će jednaka vrijenosti integrala u prethodnom trenutku
y(kT) plus površina pravokutnika čije su stranice uR(kT) i
period uzorkovanja T:
y[(k + 1)T ] = y (kT ) + K s u R (kT ) T
Kako je:
i ako označimo , dobiva se:

y[(k + 1)T ] = y (kT ) + K ⋅ T ⋅ r (kT ) − K ⋅ T ⋅ y (kT )
Nakon sređivanja i dijeljenja s T:
Ako je jednadžba (**) usporedi s jednadžbom (*) uočit će se sličnosti: umjesto vremena
t javljaju se diskretni vremenski trenuci kT, a umjesto prve derivacije oblik
, koji se zove PRVA DIFERENCIJA (UNAPRIJEDNA!), a
127
jednadžba (**) linearna jednadžba diferencija prvog reda. Prva unaprijedna diferencija
kraće se piše , pa (**) izgleda:
Dinamičko ponašanje kontinuiranih sustava opisuje se diferencijalnim jednadžbama, a

diskretnih sustava DIFERENCNIM jednadžbama.
JEDNADŽBE DIFERENCIJA (unaprijedna, povratna, centralna)
Prva unaprijedna diferencija definira se kao razlika diskretnih signala u trenucima

(k+1)T i kT podijeljenoj s periodom uozrkovanja T.
DRUGA UNPRIJEDNA DIFERENCIJA : razlika prvih diferencija /T
y[(k + 2)T ] − 2 y[(k + 1)T ] + y (kT )

T2
Treća unaprijedna diferencija : razlika drugih diferencija /T itd.

Ili općenito n-ta diferencija:
E – operator pomaka
I – operator identiteta (pomaka) za n=0 y(kT)
NEDOSTATAK unprijedne diferencije: za proračun diferencije u trenutku kT treba

poznavati vrijednost signala u budućnosti. Zbog toga je u diferencijalnom računu
uvedena POVRATNA DIFERENCIJA (oznaka )
Druga povratna diferencija:
Ili općenito n-ta diferencija:
CENTRALNA DIFERENCIJA:
Ne koristi se u praksi!
128
EKVIVALENTNI SUSTAV
Dakle GE(z) dobijemo tako da Z-transformaciju kvocijenta pomnožimo sa članom
VREMENSKI ODZIV DISKRETNOG SUSTAVA
Odziv sustava u z-području računa se kao produkt impulsne prijenosne funkcije

ekvivalentnog sustava i Z-transformacije ulaznog signala:
Primjer: Izračunati odziv sustava prikazanog na slici, ako je Kp=10, Ks=1, T=0.02 i
y(0)=0, na pobudu u obliku jediničnog odskoka.
Integracijski sustav vođen diskretnim proporcionalnim regulatorom
129
Nakon uvrštavanja T=0.02 dobijemo:
Pa je:
Odnosno:
Odziv se računa iteracijski (u svakom sljedećem trenutku koriste se rezultati dobiveni u

prethodnom):
Simulink:
130
4. VJEŽBA
VJEŽBA D .
ISTOSMJERNI ELEKTROMOTOR
kojim se upravlja naponom armature ua uz konstantnu struju magnetiziranja IM.
UM – napon uzbude
iM – struja uzbude
RM – otpor uzbudnog namota
Ua – napon armature
ia – struja armature
Ra, La –otpor i induktivitet
armaturnog namota
e– inducirani napon
armature,
Jednadžba za električni krug (2. Kirchhoffov zakon) m– moment motora
i mehanički krug (ravnoteža zakretnih momenata): θ, ω – kut zakreta rotora i
d ia (t ) brzina vrtnje
ua (t ) = e(t ) + Ra ia (t ) + La Ke, Km – konstanta napona i
dt
momenta (=idealno)
J θ&&(t ) + b θ&(t ) = m(t ) J– ukupni moment inercije
--------------------------------------------------------------- motora i radnog
mehanizma svedenog na
osovinu motora
Blok-dijagram:
PRIJENOSNA FUNKCIJA:
Korištenjem Laplaceove transformacije dobiva se:
131
Iz druge jednadžbe može se dobiti :
A uvrštenjem u jednadžbu (1) dobiva se:
Prijenosna funkcija koja daje omjer brzine vrtnje motora za narinuti napon:
Ako se kao izlazna veličina promatra pozicija motora (kut zakreta motora) potrebno je
integrirati brzinu vrtnje:
PROSTOR STANJA:
Varijable stanja:
pozicija motora
brzina motora
struja armature
Na temelju izbora varijabli stanja možemo pisati slijedeće jednadžbe:
Zapis jednadžbi korištenjem varijabli stanja:
Sustav jednadžbi možemo zapisati i u matričnom obliku, što predstavlja model u

prostoru stanja:
132
ZAHTJEVI ZA SINTEZU REGULACIJSKOG KRUGA
Pozicioniranje motora treba biti ostvareno vrlo precizno (bez pogreške u stacionarnom
stanju). Pozicija treba biti dostignuta vrlo brzo, bez prevelikog prebačaja u odzivu.
Zahtjevi: Parametri sustava:
vrijeme porasta Tr<0.04 s J=3.2284e-6; kgm2/s2

postotni prebačaj Mp<16 % b=3.5077e-6; Nms
pogreška u stacionarnom stanju e=0 Km=0.0274; Nm/A
pogreška uslijed poremećaja ed = 0 Ke=Km;
Ra=4; Ω
La=2.75e-6; H
Simulacija sustava pomoću primjenom Control System Toolbox-a

num=Km;
den=[(J*La)(b*La+J*Ra)(b*Ra+Ke*Km) 0];
t=0:0.001:0.2;
step(num,den,t)
PID REGULATOR
Prijenosna funkcija zatvorenog

kruga:
θ
Za djelovanje poremećaja:
133

a) P-REGULATOR
figure
Kp=1.7;
numr=Kp; denr=1;
t=0:0.001:0.2;
step(numc,denc,t)
Gc=tf(numc,denc);
ltview(Gc)
Ako djeluje poremećaj:

hold
numdc1=Km;
dendc1=[(J*La) (b*La+J*Ra)
(b*Ra+KeKm) Kp*Km];
step(numdc1,dendc1,t)
Simulacija sustava primjenom PI i PID regulatora

b) PI-REGULATOR
Kp=1.7;
Ki=20;
numr=[Kp Ki];denr=[1 0];
step(numc,denc,t)
% Kp=17; Ki=200;
134
c) PID-REGULATOR
Kp=17; Ki=200; Kd=0.15;

numr=[Kd Kp Ki]; denr=[1 0]
t=0:0.001:0.1;
step(numc,denc,t);
% konačno: Kp=17; Ki=600; Kd=0.15;
ROOT LOCUS METODA
Projektiranje regulatora primjenom metode geometrijskog mjesta

korijena (root-locus)
rlocus(num,den)
sgrid(0.5,0)
axis([-400 100 -200 200])
% PI regulator
% Uvodi se nultočka u prijenosnoj funkciji
% otvorenog kruga. Nultočka se postavlja
% između dominantnih polova prijenosne
% funkcije otvorenog kruga.
% Ako se npr. nultočka postavi na poziciju
% z=-30:
num = [1 30];
denr = [1 0];
numo = conv(numr,num);
deno = conv(denr,den);
rlocus(numo,deno);
sgrid(0.5,0);
axis([-400 100 -200 200])
[k,poles]=rlocfind(numo,deno);
[numc,denc]=cloop(k*numo,deno);
t=0:0.001:0.2;
step(numc,denc,t)
135
% PID regulator
% Želja je pomaknuti krivulju root-locusa
% što više ulijevo čime se dobiva brži
% odziv. Ukoliko se postave dvije nultočke
% na pozicije z1=60 i z2=-70
numr=conv([1 60],[1 70])
denr=[1 0]
rlocus(numo,deno)
sgrid(0.5,0)
axis([-200 100 -200 200])
[k,poles]=rlocfind(numo,deno);
[numc,denc]=cloop(k*numo,deno);
t=0:0.001:0.1;
step(numc,denc,t)
npr. k=0.12
poles=-1.45*106
-130.8+36i
-130.8-36i
-59.6
Usporediti s PID regulatorom iz prethodne metode!
DIGITALNA REGULACIJA
U izvedbi digitalne regulacije istosmjernog elektromotora, regulator će biti projektiran

pomoću metode root-locus.
Projektiranje digitalnog regulatora primjenom metode geometrijskog

mjesta korijena (root-locus)
% Za konverziju kontinuiranog oblika
% prijenosne funkcije u diskretni oblik,
% Matlab koristi funkciju c2dm, koja
% zahtijeva unos brojnika i nazivnika
136
% prijenosne funkcije, vrijeme uzorkovanja
% signala T, i tip formatora signala.
T=0.001; % vrijeme uzorkovanja
[numd,dend]=c2dm(num,den,T,'zoh') numd= 0 0.0010 0.0010 0.0000
% 'zoh' = formator nultog reda dend= 1.0000 -1.9425 0.9425
% Da se izbjegnu ekstra korjeni u nuli u 0.0000
% diksretnoj prijenosnoj funkciji pišemo:
numd=numd(2:3)
dend=dend(1:3)
printsys(numd,dend,'z')
%Odziv zatvorenog regulacijskog kruga
% bez uključenog regulatora:
[numdc,dendc]=cloop(numd,dend)
t=0:0.001:0.5;
[x1]=dstep(numdc,dendc,501);
stairs(t,x1)
% Projektiranje regulatora
% metodom root-locus
figure
zgrid(0,0)
hold
rlocus(numd,dend)
Veza između s i z ravnine:

s → z=esT → z
Da bi se ostvarili zahtjevi regulacije, ξ i ωn trebaju biti:
Za Mp = 0.16 → ξ = 0.5
zeta=-log(Mp)/sqrt((pi^2+log(Mp)^2)) >> zeta=0.5039
Za Ts = 0.04 i ξ = 0.5 → ωn = 200 rad/s

Funkcija zgrid zahtijeva bezdimenzionalnu vlastitu frekvenciju ωn, pa je ωn=200*T=0.2
rad/uzokovanju
Root-locus treba dovesti u područje željenog ξ i ωn.
137
Metodom pokušaja i pogreške postavljaju se nultočke i polovi regulatora, da se ostvari
željeno ponašanje sustava.
Ukoliko se jedan pol regulatora postavi u -0.98 (čime se dokida nultočka sustava koja
utječe na prebačaj u odzivu), a drugi pol u 0.7.
Nultočke regulatora postavljene su u 0.85.
% Krivulja konstantnog prigušenja

% zeta=0.707
zeta=sqrt(2)/2;
zeta1=zeta/sqrt(1-zeta*zeta);
omegaT=[-pi:pi/200:pi]';
sT_imag=i*omegaT;
sT_zeta=-abs(omegaT)*zeta1+i*omegaT;
z_imag=exp(sT_imag);
z_zeta=exp(sT_zeta);
plot(real(z_zeta),imag(z_zeta))
plot(real(z_zeta),imag(z_zeta),'r')
pause
%Jedan pol u -0.98 (dokida se nultočka
% sustava), drugi pol u 0.7.
% Dvije nultočke regulatora u 0.85
numr=conv([1 -0.85],[1 -0.85])
denr=conv([1 0.98],[1 -0.7])
numo=conv(numr,numd)
deno=conv(denr,dend)
% Projektiranje regulatora metodom
% root-locus
figure
rlocus(numo,deno)
zgrid(0.5,0.2)
axis([0 1.2 -0.1 0.1])
k=rlocfind(numo,deno)
[numc,denc]=cloop(k*numo,deno)
[x2]=dstep(numc,denc,101);
t=0:0.001:0.1;
figure
stairs(t,x2)
138
5. REGULACIJASUSTAVA
PRIMJERI REGULACIJE SUSTAVA 5.

5.1. REGULACIJA PNEUMATSKOG SUSTAVA
13
A/D D/A
electrical signal
električni signal
pressurized air
stlačeni zrak
12
24 VDC
13
8 9 p0
1
10 6 11
10 2
1
3 5
12
6
7 11 7
u
2 4
3
4
5 6 6
2 pA pB
1
2
A B
5
m
RE F01E Z
x 1
a) b)
1–Linearni potenciometar, 2–Pneumatski cilindar bez klipnjače, 3–Teret, 4–Rotacijski potenciometar, 5–
Referenca napona na potenciometru, 6–Pretvornik tlaka, 7–Proporcionalni ventil (servo ventil), 8–
Proporcionalni tlačni regulatori, 9–Elektromagnetski dvopoložajni ventili, 10–Pripremna grupa, 11–Ventil za
dovod zraka, 12–Elektroničko sučelje, 13–Upravljačko računalo
a)Fotografija, b) shematski prikaz laboratorijskog modela reguliranog pneumatskog servosustava
Pneumatski cilindar se u mehaničkom smislu može smatrati sustavom masa-opruga, pri

čemu je klip cilindra ukliješten između dvije opruge.
x
m c1 c2
A B
A m
pA Vc / 2 Vc / 2 pB
c = c1 + c2
Ff
Pneumatski cilindar predstavljen kao sustav masa-opruga
Primjenom poznatog izraza iz mehanike za vlastitu frekvenciju sustava: ω = c ,

m
139
2 2 2
i izraza za krutost pneumatske opruge: c = κ p A ; c = κ p A ; c = c + c = 4 κ p A
1 2 1 2
Vc / 2 Vc / 2 Vc
2
dobiva se izraz za vlastitu frekvenciju cilindra: ω = 4 κ A p = 32.97 rad .
0
mV s
Pri tome je ukupna pokretana masa jednaka zbroju masa klipa cilindra i mase tereta
( m = mk + mt ), a ukupni volumen zbroju volumena komora cilindra i "mrtvog volumena"
u cilindru i priključnim vodovima ( V = Vc + Vm ).
Stupanj prigušenja cilindra izražava se kao: ς = 1 k V

= 1 .1 .
0 f
2 4 κ A2 p m
pri čemu je trenje cilindra predstavljeno viskoznim trenjem s koeficijentom k f .

Pneumatski cilindar upravljan proporcionalnim ventilom predstavlja u regulacijskom
smislu integralnu stazu, tj. izlaz (pozicija klipa cilindra) proporcionalan je integralu
ulaza (upravljačkom signalu, tj. naponu na ventilu).
Diferencijalna jednadžba sustava opisanog pomoću vlastite frekvencije cilindra i stupnja
prigušenja može se prikazati u slijedećem obliku:
&x&& + 2 ς 0 ω 0 &x& + ω 02 x& = C0 ω 02 yv
gdje je C0 koeficijent pojačanja brzine cilindra, a yv pomak razvodnog klipa ventila.

Laplace-ovom transformacijom gornjeg izraza:
s x( s) ( s 2 + 2 ς 0 ω 0 s + ω 02 ) = C0 ω 02 yv ( s)
dobiva se izraz u obliku PT2-I člana za prijenosnu funkciju cilindra upravljanog

proporcionalnim ventilom, pri čemu je pozicija cilindra izlaz sustava:
x( s ) C0 ω 02 .
G p ( s) = =
yv ( s) s ( s + 2 ς 0 ω 0 s + ω 02 )
2
Pojednostavljeni linearni model pneumatskog cilindra upravljanog proporcionalnim

ventilom, s neprigušenom vlastitom frekvencijom cilindra ω 0 i stupnjem prigušenja ς 0
kao značajkama sustava simbolički je prikazan na slici.
C0 ω 02
yv &x& x& x
2ς 0 ω0
ω 02
Pojednostavljeni model pneumatskog cilindra upravljanog proporcionalnim ventilom

predstavljen u obliku PT2-I člana
140
Pri tome se dinamika proporcionanog ventila zanemaruje, jer je granična frekvencija
ventila za red veličine veća od granične frekvencije cilindra ( f v ≈ 100 Hz , prema
f c ≈ 5 Hz ), prema izrazu za vlastitu frekvenciju cilindra. Stoga je izraz za prijenosnu
funkciju dobiven uz pretpostavku da je granična frekvencija proporcionalnog ventila
mnogo veća od granične frekvencije cilindra, te se u svrhu sinteze regulacijskog kruga
dinamika ventila može zanemariti.
Struktura regulacijskog kruga položaja pneumatskog servosustava može se prikazati
blokovskom shemom danom na slici.
Gp( s )
GR ( z )
T
xR ( z ) ur ( z ) Cilindar + x( s )
Regulator
proporcionalni ventil
Gm ( s )
T
xm ( z ) Mjerni
član
Upravljačko računalo Proces
Strukturna blokovska shema digitalnog kruga regulacije položaja

pneumatskog servosustava
Izvedba sustava je digitalna (vremenski diskretna), ali se zbog jednostavnosti sinteze
sustav nadomješta kvazi-kontinuiranim modelom.
1
3 4
xR ( s ) ur ( s ) K DA ui ( s ) C0 x( s )
KR
T 2 s +1 s (T02 s 2 + 2ς 0 T0 s + 1)
5 2
xm ( s ) ux( s )
K AD Km
1 - proces, 2 - mjerni član, 3 - regulator, 4 - ekstrapolator 0. reda, 5 - A/D pretvornik

Nadomjesni kontinuirani regulacijski krug položaja
Izlazni digitalni signal regulatora ur(z) pretvara se u analogni signal ekstrapolatorom 0.

reda (12-bitni D/A pretvornik) izlaznog opsega [-10...+10 V], pa je pojačanje D/A
pretvornika:
20
K DA = 12 = 4.88 ⋅ 10−3 V .
2
141
Kašnjenje koje u digitalni krug unosi D/A pretvornik aproksimira se PT1 članom s
vremenskom konstantom jednakoj polovici vremena uzorkovanja ( T / 2 ), koristeći Padé-
ovu aproksimaciju prvog reda u obliku:
1 − e −T s K DA .
GE ( s) = K DA ≈
Ts T
s +1
2
Izlazna veličina procesa regulacije (pomak cilindra) u obliku analognog naponskog
signala dovodi se u trenucima diskretizacije na A/D pretvornik (12-bitni A/D pretvornik
s ulaznim opsegom ± 10 V), pa je pojačanje A/D pretvornika:
212
K AD = = 204.8 V −1 .
20
Kao mjerni član položaja cilindra koristi se linearni potenciometar, koji ukupni hod klipa
(od 0 do 500 mm) pretvara u naponski signal (od 0 do 10 V). Pretpostavlja se
proporcionalno vladanje mjernog člana:
u (s)
Gm ( s) = x = K m = 20 V / m .
x ( s)
Za određivanje koeficijenta pojačanja brzine C0 , može poslužiti eksperimentalno
snimljena prijelazna karakteristika otvorenog kruga, koja pokazuje odziv brzine gibanja
cilindra x& (t ) za skok upravljačkog signala napona u (t ) . Vrijeme uzorkovanja signala
postavljeno je na iznos T = 2 ms .
u( t ) m& ( t ) x&( t )
ventil cilindar 1
ulazni signal
0.9 experiment
Ts simulacija
0.8
a) C0
0.7
0.6
t
x& ( m / s )
Vrijeme 0.5
0.4
C0
x&
Ts2 2
s + 2 ς 0 Ts s + 1 0.3
Ulaz Brzina 0.2

Prijenosna funkcija
0.1
b) 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

t (s)
a) Dijagram toka, b) simulacijska shema, c) prijelazna karakteristika brzine cilindra za skok

upravljačkog signala
Koeficijent pojačanja brzine C0 dobiven je iz prijelazne karakteristike otvorenog kruga,

koja pokazuje odziv brzine gibanja cilindra x& (t ) za skok upravljačkog signala napona
u(t). Usporedbom odziva brzine cilindra dobivene eksperimentom i simulirane
142
prijenosne funkcije otvorenog kruga može se procijeniti približan iznos koeficijenta
pojačanja brzine: C0 ≈ 0.7 m / s .
V
SINTEZA REGULACIJSKOG SUSTAVA
Kašnjenje koje u regulacijski krug unosi D/A pretvornik, što je predstavljeno malom
(parazitnom) vremenskom konstantom T/2, može se zbog pojednostavljenog postupka
sinteze regulacijskog kruga, pribrojiti vremenskoj konstanti procesa T0 u nadomjesnu
vremensku konstantu Ts:
T
Ts = + T0 .
2
Na taj način se dobiva u otvorenom krugu regulacije pozicije prijenosna funkcija 3. reda
oblika: G ( s ) = x( s ) = K0 ,
o
x R ( s ) s ( Ts2 s 2 + 2 ς 0 Ts s + 1 )
gdje je K 0 = K R K DA C0 K m K AD .
Na slici je prikazana i krivulja mjesta korijena (engl. root-locus) sustava opisanog

prijenosnom funkcijom otvorenog kruga Go ( s ) . Primjenom Hurwitzovog kriterija
stabilnosti dobivaju se slijedeći nužni i dovoljni uvjeti stabilnosti sustava u zatvorenom
krugu:
2 ς 0 Ts > 0
2ς 0 Ts − K 0 Ts2 > 0
K 0 ( 2 ς 0 Ts − K 0 Ts2 ) > 0
iz kojih proizlazi da je sustav stabilan za: K0 < 2ς 0 .
Ts
Pojačanje regulatora K R za koje je sustav stabilan: KR < K0 .
K DA C0 K m K AD
Uvrštenjem parametara dobiva se uvjet stabilnosti: K R < 4.49 .
143
60 200
xR ( t )
180
x( t )
40
160
K Rkr
140
20
j Im Go(s)
x R , x ( mm )
120
0 100
80
-20
60
40
-40
20
-60 0
-50 -40 -30 -20 -10 0 10 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Re Go(s) t (s)
a) b)
a) Krivulja mjesta korijena prijenosne funkcije otvorenog kruga, b) eksperimentalno snimljena
prijelazna karakteristika sustava za kritični iznos pojačanja regulatora
Slika prikazuje eksperimentalno snimljeni odziv sustava za kritični iznos pojačanja
regulatora ( K KR = 4.49 ), izračunat prema parametrima procesa danih u prilogu. Vrijeme
uzorkovanja postavljeno je na iznos T = 10 ms .
Krivulja geometrijskog mjesta korijena (root-locus)

d) P-REGULATOR
K0=KDA*C0*Km*KAD; 60
Ts=0.035; 40
num=K0; K Rkr
den=[Ts^2 2*zeta*Ts 1 0]; 20
j Im Go(s)
rlocus(num,den)
0
[k,polovi]=rlocfind(num,den)
e) PD-REGULATOR -20
Td=Ts; -40
numr=[Td 1];
numo=conv(numr,num); -60
-50 -40 -30 -20 -10 0 10
Re Go(s)
deno=den;
rlocus(numo,deno)
rlocfind(numo,deno)
144
0.32 0.23 0.16 0.115 0.07 0.035
100
100
0.48 80
80
60
60
40
40 0.75
20
20
j Im ( s )
0 0
-20
20
-40 0.75
40
-60
60
-80 0.48 80
-100
100
0.32 0.23 0.16 0.115 0.07 0.035
-45 -40 -35 -30 -25 -20 -15 -10 -5 0

Re ( s )
Parametri sustava
Duljina cilindra L = 500 mm
Promjer cilindra d = 15 mm
Površina klipa cilindra A = 1.767 ⋅10−4 m 2
Volumen cilindra V = 8.835 ⋅10−5 m3
Tlak napajanja p = 5⋅105 Pa
Masa klizača cilindra mk = 0.91 kg
Koeficijent viskoznog trenja b = 65 Ns / m
Koeficijent adijabatskog procesa κ = 1.4
Koeficijent pojačanja D/A pretvornika K DA = 4.88 ⋅ 10−3 V
Koeficijent pojačanja A/D pretvornika K AD = 204.8 1 / V
Koeficijent pojačanja brzine C0 = 0.7 m / Vs
Koeficijent pojačanja mjernog sustava K m = 20 V / m
Neprigušena vlastita frekvencija cilindra ω0 = 32.97 rad / s
Stupanj prigušenja cilindra ς 0 = 1.1
Vremenska konstanta procesa T0 = 0.03 s
Vrijeme uzorkovanja T = 0.01 s
Proces regulacije načinjen je uz korištenje programske podrške koja omogućuje

generiranje izvršnog oblika C programa iz Simulink/Matlab okruženja, pomoću
programa Real-Time Workshop.
145
Real-Time Workshop (RTW)
Real-Time Workshop je višeplatformski proizvod, kojeg je moguće izvoditi pod
Windows-ima ili pod UNIX-om, a za njegovo izvođenje potrebno je imati Matlab
(barem verziju 5.1) i Simulink, te Visual C++ ili Watcom C compiler.
Matlab je standardni alat na svim sveučilištima. Služi za računanje, programiranje,
modeliranje i simulaciju, analizu podataka, grafički prikaz. Osobito pogodan za matrični
račun. Snaga mu leži u brojnim toolbox-ima koji pokrivaju određena područja.
Simulink je programski paket za modeliranje i simulaciju dinamičkih sustava, linearnih i
nelinearnih, kontinuiranih i diskretnih. Može se uključiti dinamika komponenta u model,
te jednostavnom promjenom parametara sustava moguće je pratiti što se događa u odzivu
sustava.
Real-Time Workshop je program koji omogućuje dobivanje izvršne verzije (exe code)
direktno iz Simulink modela, koji se može koristiti na samom realnom procesu. Pri tome
se algoritam izvodi u realnom vremenu. To jako skraćuje vrijeme kreiranja kao i
naknadnog editiranja programa. Svi Simulink blokovi se automatski konvertiraju u C-
kod, osim blokova Matlab fcn i S fcn, koje je potrebno napisati kao mex s funkcije.
Procedura: Iz Simulink file-a model.mdl kreira se RTW model koji ima ekstenziju .rtw,
iz kojeg se generira C source kod model.c i header file model.h koji daje vezu između
blokova, te file model.prm koji sadrži parametre postavljene u blokovima, te model.reg
za inicijalizaciju modela.
Kod kompajliranja programa potrebno je specificirati pod kojim operacijskim sustavom
se program izvodi (DOS, Windows, UNIX).
Simulation parameters: Fixed-step.
RTW-model:
t
Step7 Clock To Workspace1
Kp=2
u Ts=0.035
Step6 To Workspace2
0
2
Step5 Constant
Analog
P Mux
f(u) Output
Step4 Mux
Sum du/dt 0.1 Fcn1 Saturation Analog Output1
National Instruments
Sum1 Derivative D To Workspace5 DAQCard-6024E [FDE0h]
Step3 Terminator1 Demux
pA
Step2
To Workspace4 Terminator2
National Instruments
To Workspace3 pB
DAQCard-6024E [FDE0h]
Step1
x Analog Input1
Demux Analog
Terminator3 Input
Scope
146
5.2. PNEUMATSKI POGONJENI SUSTAV INVERZNOG
KLINA
x 4
REF01EZ
A B
5
2 m
1 5
M
REF01EZ
3
pA pB
6 6
2 4
u
7
1
3 5
2
9 6 p0 8
1
10
24 VDC
Stlačeni zrak
11
Električni signal
D/A A/D
(a) (b)
1–Okvir, 2– Pneumatski cilindar bez klipnjače, 3– Rotacijski potenciometar za mjerenje θ, 4–
Rotacijski potenciometar za mjerenje x, 5– Referenca napona na potenciometru, 6– Pretvornik
tlaka, 7– Proporcionalni ventil, 8– Pripremna grupa, 9– Ventil za dovod zraka, 10– Elektroničko
sučelje, 11– Upravljačko računalo
Laboratorijski model pneumatski pogonjenog sustava inverznog klina, a) fotografija, b)
shematski prikaz
MODEL INVERZNOG KLINA

Okvir: Y
Y1
x
g
m
B
d
b2
c
X1
A M θ
O b1 X
147
Klizač:
Transformacija rotacije:
 x  cosθ − sin θ   x1  , x1 = x
 y  =  sin θ cosθ  ⋅  y  y = d
     1 1
 x ⋅ cos θ − d ⋅ sin θ   x1   x& ⋅ cos θ − x ⋅ θ& ⋅ sin θ − d ⋅ θ& ⋅ cos θ 

p2 =  ⋅ v2 =  
 x ⋅ sin θ d ⋅ cos θ   y1  & &
 x& ⋅ sin θ + x ⋅ θ ⋅ cos θ − d ⋅ θ ⋅ sin θ 
[ ] [
v22 = ( x& − d ⋅ θ&) ⋅ cos θ − x ⋅ θ& ⋅ sin θ 2 + ( x& − d ⋅ θ&) ⋅ sin θ + x ⋅ θ& ⋅ cos θ 2 = ]
[
= ( x& − d ⋅ θ&) 2 ⋅ cos 2 θ − 2( x& − d ⋅ θ&) cos θ ⋅ x ⋅ θ& ⋅ sin θ + x 2 ⋅ θ& 2 ⋅ sin 2 θ + ]
[
+ ( x& − d ⋅ θ&) 2 ⋅ sin 2 θ + 2( x& − d ⋅ θ&) sin θ ⋅ x ⋅ θ& ⋅ cos θ + x 2 ⋅ θ& 2 ⋅ cos 2 θ = ]
= [( x& − d ⋅ θ&) 2
]
+ x 2 ⋅ θ& 2 = x& 2 − 2 ⋅ d ⋅ x& ⋅ θ& + d 2 ⋅ θ& 2 + x 2 ⋅ θ& 2
Euler-Lagrangeova jednadžba
Euler-Lagrangeova ili energetska metoda temelji se na poznavanju kinetičke i

potencijalne energije sustava (npr. robota ili njegovih dijelova) u funkciji položaja i
brzina upravljanih koordinata.
Sila/moment u i-toj upravljanoj koordinati za pokretanje j-te mase iznosi:
– kinetička energija j-te mase
– potencijalna energija j-te mase
– i-ta upravljana koordinata
– brzina i-te upravljane koordinate
KINETIČKA ENERGIJA krutog tijela iskazana u općem obliku iznosi:
dp
Iz općih jednadžbi kinematika krutog tijela može se pisati da je: v= ,
dt
2
pa je kvadrat brzine: v = v ⋅ v ,
pri čemu je vektor p vektor položaja (u odnosu prema nepokretnome koordinatnom
sustavu) diferencijalne mase dm članka čija se kinetička energija izračunava.
POTENCIJALNA ENERGIJA krutog tijela iznosi:
m – masa tijela; g – vektor gravitacijskog ubrzanja; h – visina položaja težišta mase

članka u odnosu prema nepokretnome koordinatnom sustavu.
148
Euler-Lagrangeova jednadžba:
,
1
( ) 1
K = K1 + K 2 = m x& − 2 ⋅ d ⋅ x& ⋅ θ& + d 2 ⋅ θ& 2 + x 2 ⋅ θ& 2 + M c 2θ& 2
2
2
2
m &x& − m d θ&& − m x θ& 2 + m g sin θ = F
md 2θ&& + Mc 2θ&& + mx 2θ&& − m d &x& + 2m x x& θ& + mgx cosθ − Mgc sin θ − mgd sin θ = F ⋅ d
Ako je uključeno trenje:

m 2 && M 2 && m 2 && m m mg co Mg mg
θ+ θ + θ − &x& + 2 x&θ& + b1θ& + θ− sinθ − sinθ = F d
d c x d x x s c d
m m m
m&x& + b2 x& − θ&& − θ& 2 + sinθ = F
d x g
Linearizacijom oko radne točke: cosθ ≅ 1 ; sinθ ≅ θ ; θ& 2 ≅ x 2 ≅ θ& x& = 0

m &x& + b2 x& − m d θ&& + m g θ = F
md 2θ&& + Mc 2θ&& − m d &x& + mgx + b1θ& − Mgcθ − mgd θ = F ⋅ d
b 1
&x& = − 2 x& + d θ&& − g θ + F
m m
2 2 && 2
θ (md + Mc θ − m d ) = −b2d x& − mgdθ + F ⋅ d − mg x − b1 θ& + Mgcθ + mgdθ + F ⋅ d
& &
149
Prostor stanja
,
 0 0m 1 0   0 
θ&   g b b2 d  θ   2d 
 &&  − Mg 2− M1 2− M2  θ&   M 2 
θ  =  c ⋅  +  c  ⋅ [F ]
 x&   0 0c 0c 1c
  0
mg  x  
   gd b1d  b2 d 2 b2    2 d 2
1
−g  
− M 2 − Md 2 −  M 2 +   x&   
 &x&    M2+ 
 c c c  c m  
c
m 
y = [1 0 0 0]⋅ θ θ& x x& [
T
] P
olovi sustava:
s1 = −1020.3 s2 = 8.9 s3 = −17.6 s4 = −2.9
, , ,
REGULACIJSKA PETLJA ZATVORENA PO VEKTORU VARIJABLI STANJA
K – regulator stanja
D
u – upravljački signal
w u x y
x& = A x + B u C
K
K⋅x
objekt regulacije
(prostor stanja)
Zakon upravljanja (po vektoru stanja)

w – vektor vođenja
K – regulator stanja ili matrica pojačanja za stanja sustava
150
OPTIMALNI REGULATORI
Odrediti matricu optimalnih pojačanja preko Riccatijeve algebarske forme za sustav

zadan jednadžbama stanja:
1 ulaz u sustav
2 stanja
(Uzima se pozitivno rješenje) →
→
→
→ 2 pojačanja, jer sustav ima 2 stanja.
151
REGULACIJA SUSTAVA
Sustav
x
θ
0 x& = A x + B u y=C x x
θ
θ& d
Filter
K dt
x
x& d
Filter
dt
K = [−25 − 45 70 65]
Eksperimentalni rezultati
2
0
1
Wedge angle
0 dist. dist. dist.

theta,
deg
0
-
10 dist. dist.
-
20 0 1 1 2 2 3 3 4 4 5
5
0 5 0 5 s
Time, 0 5 0 5 0
0.
6
0.
position
4
Slider
x, m
0.
2
0 1 1 2 2 3 3 4 4 5
0 5
0 5 0 5 s
Time, 0 5 0 5 0
152
5.3. PNEUMATSKI POGONJENI SUSTAV KUGLICE NA
GREDI
x
1 4
3 m REF01EZ
2 REF01EZ
5 6
M, l
pB
pA 7
2 4
u
1 8
3 5
2
10 7 9
p0
1
11
Stlačeni zrak
Električni signal
24 VDC
12
D/A A/D
(b)
(a)
1–Okvir, 2– Pneumatski cilindar bez klipnjače, 3– Rotacijski potenciometar za mjerenje θ, 4–
Rotacijski potenciometar za mjerenje x, 5– Referenca napona na potenciometru, 6– Pretvornik
tlaka, 7– Proporcionalni ventil, 8– Pripremna grupa, 9– Ventil za dovod zraka, 10– Elektroničko
sučelje, 11– Upravljačko računalo
Laboratorijski model pneumatski pogonjenog sustava kuglice na gredi, a) fotografija, b)
shematski prikaz
Sustav kuglice na gredi, kao klasični regulacijski objekt, spada u grupu popularnih
laboratorijskih sustava namijenjenih istraživanju različitih tehnika regulacije i testiranje
različitih regulacijskih algoritama. Dinamičko ponašanje ovakvog sustava
karakteristično je za mnoge suvremene primjene automatskog upravljanja, te se često
koristi kao ogledni primjer za analizu nestabilnih, nelinearnih sustava, kod kojih se traži
brzi odziv regulirane veličine. Ovaj sustav spada u grupu često korištenih objekata iz
razloga što je njegov matematički model dosta kompliciran, sustav je nestabilan u
otvorenom krugu, uključuje mnoge nelinearnosti i neke teško mjerljive parametre. S
druge pak strane, lako je razumjeti kako sustav radi, te se može koristiti za provjeru
mnogih konvencionalnih i suvremenih pristupa projektiranja regulacijskog sustava.
153
Također spada u grupu podupravljanih mehaničkih sustava kod kojih dimenzija
stupnjeva slobode gibanja premašuje dimenziju upravljačkih varijabli. Naime, sustav
ima dva stupnja slobode gibanja, a to su kutni zakret grede θ i linearni pomak kuglice x,
a samo jednu upravljačku varijablu, koja je moment motora realiziran ostvarenjem
različitih iznosa tlaka u komorama motora. Kod ovog balansirajućeg mehanizma,
regulacijski sustav mora osigurati regulaciju položaja kuglice zakretanjem grede, koje se
ostvaruje pneumatskim zakretnim motorom. Energija stlačenog zraka u komorama
motora zakreće gredu pričvršćenu na motor održavajući željni položaj kuglice.
Regulacijski sustav mora osigurati točnost regulirane veličine i brzo otklanjanje
poremećaja.
Fotografija laboratorijskog modela, kao i shematski dijagram pneumatski pogonjenog
sustava kuglice na gredi prikazani su na slici.
MODEL KUGLICE NA GREDI
Greda: Y1 Y
1 &2
K1 = Iθ g
2 x r
r X1
P1 = 0 p m
T
θ
O X
M ,l
Kuglica:
Transformacija rotacije:
 x  cosθ − sin θ   x1  , x1 = x
 y  =  sin θ cosθ  ⋅  y  y = r
     1 1
 x cosθ − r sin θ   x& cosθ − xθ& sin θ − r θ& cosθ 

p2 =  v2 = p& 2 =  
 x sin θ r cosθ  &
 x& sin θ + xθ cos θ − rθ& sin θ 
[ ] [
v22 = ( x& − r ⋅ θ&) ⋅ cos θ − x ⋅ θ& ⋅ sin θ 2 + ( x& − r ⋅ θ&) ⋅ sin θ + x ⋅ θ& ⋅ cos θ 2 =]
[ ]
= ( x& − r ⋅ θ&) 2 ⋅ cos 2 θ − 2( x& − r ⋅ θ&) cos θ ⋅ x ⋅ θ& ⋅ sin θ + x 2 ⋅ θ& 2 ⋅ sin 2 θ +
+ [( x& − r ⋅ θ&) ⋅ sin θ + 2( x& − r ⋅ θ&) sin θ ⋅ x ⋅ θ& ⋅ cos θ + x ⋅ θ&
2 2 2 2
⋅ cos θ ] =
2
= [( x& − r ⋅ θ&) + x ⋅ θ& ] = x& − 2 ⋅ r ⋅ x& ⋅ θ& + r ⋅ θ& + x ⋅ θ&

2 2 2 2 2 2 2 2
Kinetička energija translacije težišta kuglice + kinetička energija rotacije kuglice

1 1 J 2
K2 = m ( x& 2 − 2 r x& θ& + r 2θ& 2 + x 2 θ& 2 ) + x&
2 2 r2
P2 = m g x sin θ + m g r cosθ
154
Euler-Lagrangeova jednadžba
Euler-Lagrangeova ili energetska metoda temelji se na poznavanju kinetičke i

potencijalne energije sustava (npr. robota ili njegovih dijelova) u funkciji položaja i
brzina upravljanih koordinata.
Sila/moment u i-toj upravljanoj koordinati za pokretanje j-te mase iznosi:
– kinetička energija j-te mase
– potencijalna energija j-te mase
– i-ta upravljana koordinata
– brzina i-te upravljane koordinate
KINETIČKA ENERGIJA krutog tijela iskazana u općem obliku iznosi:
Iz općih jednadžbi kinematika krutog tijela može se pisati da je: v = dp / dt ,

2
pa je kvadrat brzine: v = v ⋅ v ,
pri čemu je vektor p vektor položaja (u odnosu prema nepokretnome koordinatnom
sustavu) diferencijalne mase dm članka čija se kinetička energija izračunava.
POTENCIJALNA ENERGIJA krutog tijela iznosi:
m – masa tijela; g – vektor gravitacijskog ubrzanja; h – visina položaja težišta mase

članka u odnosu prema nepokretnome koordinatnom sustavu.
Euler-Lagrangeova jednadžba sustava kuglice na gredi:
J
&x& + m&x& − mrθ&& − mxθ& 2 + mgsinθ = 0
2
r
Ako je uključeno trenje: + b2 x& .
155
mr 2θ&& + mx 2θ&& + I θ&& − mr&x& + 2mxx&θ& + mgxcosθ − mgrsinθ = T
Ako je uključeno trenje: + b1 θ& .
Linearizacijom oko radne točke: cosθ ≅ 1 ; sinθ ≅ θ ; θ& 2 ≅ x 2 ≅ θ& x& = 0

J
&x& + m &x& − mrθ&& + mgθ = 0
r2
I θ&& + mr 2 θ&& − mr&x& + mgx = T
J
&x& ( + m) − mrθ&& + mgθ = 0
r2
θ&& (mr 2 + I ) − mr&x& + mgx = T
Složen model!
Zbog male mase, kuglica ne utječe značajno na promjenu momenta letve.
Pojednostavljeni model
J
&x& ( + m) − mrθ&& + mgθ =0
r2
I θ&& = T
1
θ&& = T
I
− mg mr
&x& = θ+ T
J J
+m ( 2 + m) I
r2 r
156
Prostor stanja:
0 1 0 0  0 
 x&   −mg   x  mr 
 &x& 0 0
J
0  x&   J 
 = +m    +  ( 2 + m) I  T
θ&   r2  θ   r 
 && 0 0 0 1  &  0 
θ   θ   1 
0 0 0 0  
I
y = [1 0 0 0] x [ x& θ θ& T ]
REGULACIJSKA PETLJA ZATVORENA PO VEKTORU VARIJABLI STANJA
K – regulator stanja
D
u – upravljački signal
w u x y
x& = A x + B u C
K
K⋅x
objekt regulacije
(prostor stanja)
Zakon upravljanja (po vektoru stanja)

w – vektor vođenja
K – regulator stanja ili matrica pojačanja za stanja sustava
157
REGULACIJA SUSTAVA
Sustav
x
x
0 x Ax B u y Cx
x
x d
Filter
dt
K
d
Filter
dt
Eksperimentalni rezultati sustava kuglice na gredi primjenom regulatora po varijablama

stanja (LQR regulator).
porem. porem.
porem. porem.
Oznake i numeričke vrijednosti fizikalnih parametara sustava:

Simbol Parametar Vrijednost
m Masa kuglice 0.12 kg
M Masa grede 0.45 kg
r Polumjer metalne kuglice 0.015 m
l Duljina grede 0.8 m
J Moment inercije kuglice 2/5 m r2 1.08 e-5 kgm2
I Moment inercije grede Ml2/12 0.024 kgm2
g Ubrzanje sile teže 9.81 ms-2
158

Računalne Simulacije - Literatura

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

Računalne Simulacije - Literatura

Uploaded by

Copyright:

Available Formats

1.

RAČUNALNE SIMULACIJE - UVOD 1.

1.1. Simulacija sustava

Istraživanja realnog sustava mogu se provesti analitičkim putem, proučavanjem

Metoda Laplaceove transformacije zamjenjuje rješavanje složenih diferencijalnih

Tablice L[ f ( t )] Tablice L−1[ F ( s )]

Ovakav postupak bio bi redovito složeniji od izravnog rješavanja diferencijalnih

Tablica 1: Laplaceova transformacija funkcija

Primjer 2: Izračunati Laplaceovu transformaciju eksponencijalne funkcije

2.1.1. Svojstva Laplaceove transformacije

Neke značajne osobine Laplaceove transformacije ukratko su nabrojana u sljedećoj

Tablica 2. Značajne osobine Laplaceove transformacije

Vremenska Laplaceova transformacija Svojstvo Opaska

U općem slučaju transformirana funkcija ima oblik razlomka:

a) Realni i različiti korjeni

Rješenje u s-području rastavlja se na zbroj parcijalnih razlomaka na sljedeći način:

b) Realni korjeni s višestrukim ponavljanjem

Rješenje u s-području, rastavljeno na zbroj parcijalnih razlomaka, uz pretpostavku da se

c) Konjugirano kompleksni korjeni

Rješenje u s-području rastavlja se na zbroj parcijalnih razlomaka na sljedeći način:

Metoda neodređenih koeficijenata izvodi se izjednačavanjem koeficijenata pri

Metodom Hevisideovog razvoja koeficijenti Ai određuju se prema pravilu:

Primjer 3: Potrebno je naći rješenje diferencijalne jednadžbe

gdje je u(t) jedinična odskočna funkcija. Početni uvjeti su: y (0+ ) = −1 ,

a) Metoda neodređenih koeficijenata

Korjeni nazivnika su realni, bez ponavljanja i iznose s1 = 0 , s2 = −2 , s3 = −3 , pa se

odakle slijede koeficijenti Ai :

korjeni nazivnika, i u ovom primjeru imaju iznose s1 = 0 , s2 = −2 , s3 = −3 .

Rješenje zadane diferencijalne jednadžbe primjenom Matlaba koristeći postupak

Primjena Laplaceove transformacije u rješavanju diferencijalnih jednadžbi

% Zamjena oznake laplace(y(t),t,s)

>> f = ilaplace(La) 0.2

%Određivanje vremenskog intervala -0.2

% Izračunavanje funkcije, prikaz rezultata

>> t = 0:0.1:5; -0.6

>> xlabel('t'), ylabel('y(t)'), grid -1

Prevođenje rješenja iz s-područja u vremensko područje moguće je izvesti i primjenom

Primjena Matlabove funkcije residue pri izvođenju obratne Laplaceove

>> y=eval(f); 0.2

>> plot(t,y, 'b*') 0

% Identično rješenje moguće je dobiti i

primjenom funkcije impulse -0.6

Analitičko rješavanje diferencijalnih jednadžbi kojim je opisan vremenski odziv

2.2.1. Standardni pobudni signali

Pri analizi sustava u vremenskom području uobičajeno se koriste odskočna, nagibna,

Impulsna funkcija Vremensko područje Kompleksno područje

Skokovita promjena s vrijednosti 0 na vrijednost 1 stavlja sustav pred oštre zahtjeve, pa

Nagibna funkcija Vremensko područje Kompleksno područje

Nagibna funkcija može se predočiti kao integral jediničnog odskoka:

Parabolična funkcija Vremensko područje Kompleksno područje

• Vremenski odziv sustava

Za ispitivanje vremenskog odziva sustava Control System Toolbox sadrži nekoliko

Primjer vremenskog odziva sustava

Analiza sustava u vremenskom području

% Iznos maksimuma odzivne funkcije xi

% PROIZVOLJNA ULAZNA FUNKCIJA

% Za zadavanje ulazne funkcije može se

Analiza sustava u vremenskom području uz zadane početne uvjete

Prva kolona matrice x sadrži prvu varijablu

Već je ranije spomenuto (vidi odjeljak o Laplaceovoj transformaciji) da se općenito

Prijenosna funkcija može biti definirana samo za linearne, stacionarne sustave (s

Za regulacijske tehnike i metode koje se temelje na opisu sustava pomoću prijenosne

Model zapisan u obliku prijenosne funkcije