@controlengineers Modern Control
Uploaded by
Mohammad Dehbozorgi@controlengineers Modern Control
Uploaded by
Mohammad Dehbozorgiپلتفرم اختصاصی
مهندسی کنترل
https://controlengineers.ir
https://t.me/controlengineers
https://www.instagram.com/controlengineers.ir
.ir
rs
ee
وه س
in
ng
le
ro
nt
زر ی اد – ﯿﺪرﺿﺎ ﻮری را
co
)و ا ﺶ اول(
ﻓﻬﺮﺳﺖ:
(1ﺑﺨﺶ اول :ﯾﺎدآوري ﻣﺒﺎﻧﯽ اﺻﻠﯽ درس ﮐﻨﺘﺮل ﻣﺪرن5............................................................................................ ..
-1-1ﻣﻘﺪﻣﻪ 5 ...............................................................................................................................................
-2-1ﻣﺮوري ﺑﺮ اﺻﻄﻼﺣﺎت و ﺗﻌﺎرﯾﻒ ﮐﻨﺘﺮﻟﯽ5 ...................................................................................................... ......
-3-1ﻣﺮوري ﺑﺮ ﻣﺒﺎﻧﯽ ﺟﺒﺮ ﺧﻄﯽ9 ....................................................................................................................... .
.ir
(2ﺑﺨﺶ دوم :ﻣﻘﺪﻣﻪاي ﺑﺮ ﮐﻨﺘﺮل ﻣﺪرن27............................................................................................................ ...
-1-2ﻣﻘﺪﻣﻪ 27 ............................................................................................................................................
rs
-2-2ﻋﻨﺎﺻﺮ ﻓﯿﺰﯾﮑﯽ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل 27 ............................................................................................................
-3-2ﻋﻨﺎﺻﺮ ﻣﻔﻬﻮﻣﯽ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل 28 ...........................................................................................................
-4-2ﻓﺮآﯾﻨﺪ ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه 29 ....................................................................................................................
ee
(3ﺑﺨﺶ ﺳﻮم :ﻧﻤﺎﯾﺶ ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ32........................................................................................................... .
-1-3ﻣﻘﺪﻣﻪ 32 ............................................................................................................................................
-2-3ﻧﻤﺎﯾﺶ ﻓﻀﺎي ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢﻫﺎي ﻏﯿﺮﺧﻄﯽ و ﺧﻄﯽ 32 .........................................................................................
-1-2-3اﻧﺘﺨﺎب ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ 34 ....................................................................................................................
in
-3-3ﺧﻄﯽ ﺳﺎزي ﺳﯿﺴﺘﻢﻫﺎي ﻏﯿﺮﺧﻄﯽ 41 ...........................................................................................................
(4ﺑﺨﺶ ﭼﻬﺎرم :ﺗﺌﻮري ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ 45..........................................................................................................
ng
-1-4ﻣﻘﺪﻣﻪ 45 ............................................................................................................................................
-2-4ﺧﺼﻮﺻﯿﺎت ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ 45 .................................................................................................................
-3-4ﺣﻞ ﻣﻌﺎدﻻت ﺳﯿﺴﺘﻢﻫﺎي 46 ................................................................................................................ LTI
-4-4ﺗﺒﺪﯾﻞﻫﺎي ﻫﻤﺎﻧﻨﺪي 57 ............................................................................................................................
le
-5-4ﻗﻄﺮي ﺳﺎزي ﻣﻌﺎدﻻت ﺣﺎﻟﺖ )ﻓﺮم ﺟﺮدن( 59 .....................................................................................................
)5ﺑﺨﺶ ﭘﻨﺠﻢ :رؤﯾﺖ ﭘﺬﯾﺮي و ﮐﻨﺘﺮلﭘﺬﯾﺮي ﺳﯿﺴﺘﻢﻫﺎي 63................................................................................. LTI
-1-5رؤﯾﺖ ﭘﺬﯾﺮي63 ............................................................................................................................. .............
ro
-2-5ﮐﻨﺘﺮلﭘﺬﯾﺮي 69 .....................................................................................................................................
(6ﺑﺨﺶ ﺷﺸﻢ :ﺗﺤﻘﻖ ﺳﯿﺴﺘﻢﻫﺎي 74............................................................................................................ ..LTI
-1-6ﺗﺤﻘﻖ ﺳﯿﺴﺘﻤﻬﺎي 74 ......................................................................................................................... LTI
nt
(7ﺑﺨﺶ ﻫﻔﺘﻢ :ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ89............................................................................................................ ...................
-1-7ﻣﻘﺪﻣﻪ 89 ............................................................................................................................................
co
-2-7ﺧﺼﻮﺻﯿﺎت ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ 89 .......................................................................................................................
-3-7ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ :ﺟﺎﯾﺎﺑﯽ ﻗﻄﺐ 91 ............................................................................................
(8ﭘﯿﻮﺳﺖ95 ............................................................................................................ .................................................
ﯾﺎدآوري ﻣﺎﺗﺮﯾﺲﻫﺎ95 ......................................................................................................................... ....................
(9ﻣﻨﺎﺑﻊ100............................................................................................................ .....................................................
.ir
rs
ee
ﺶ اول:
in
ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ
ng
le
س ﺮل ﺪرن
ro
nt
co
وه ﯽ ﺮل ﺪرن
3ﺑﺨﺶ اول :ﯾﺎدآوري ﻣﺒﺎﻧﯽ اﺻﻠﯽ درس ﮐﻨﺘﺮل ﻣﺪرن (1
-1-1ﻣﻘﺪﻣﻪ
در درس ﮐﻨﺘﺮل ﺧﻄﯽ ،ﺗﺤﻠﯿﻞ و ﻃﺮاﺣﯽ ﺳﯿﺴﺘﻢﻫﺎي ﺗﮏ ورودي -ﺗﮏ ﺧﺮوﺟﯽ 1را ﺑﺎ اﺳﺘﻔﺎده از ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ 2و روشﻫﺎي زﻣﺎﻧﯽ و
.ir
ﻓﺮﮐﺎﻧﺴﯽ ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار ﮔﺮﻓﺖ .در اﯾﻦ ﺟﺰوه ﺑﺎ اﺳﺘﻔﺎده از اﺻﻮل درس ﮐﻨﺘﺮل ﻣﺪرن ،ﺗﺤﻠﯿﻞ و ﻃﺮاﺣﯽ ﺣﻮزه زﻣﺎﻧﯽ ﺳﯿﺴﺘﻢﻫﺎي
ﮐﻨﺘﺮﻟﯽ را ﺑﺎ اﺳﺘﻔﺎده از ﻣﺪل ﻓﻀﺎي ﺣﺎﻟﺖ 3ﺑﺮرﺳﯽ ﻣﯽﮐﻨﯿﻢ.
rs
ﻣﺪلﺳﺎزي در ﻓﻀﺎي ﺣﺎﻟﺖ ﮐﻪ ﻧﻈﺮﯾﻪ ﻧﻮﯾﻦ ﮐﻨﺘﺮل ﻧﺎم ﮔﺮﻓﺘﻪ اﺳﺖ ،ﺑﻪ ﻣﻨﻈﻮر ﺑﺮآوردن ﻗﯿﺪﻫﺎي ﺳﺨﺖ ﺗﺮ ﺑﺮ ﻋﻤﻠﮑﺮد ﺳﯿﺴﺘﻢﻫﺎي
ﮐﻨﺘﺮل ،اﻓﺰاﯾﺶ ﭘﯿﭽﯿﺪﮔﯽ و ﺳﻬﻮﻟﺖ دﺳﺘﺮﺳﯽ ﺑﻪ ﮐﺎﻣﭙﯿﻮﺗﺮﻫﺎ ﺑﮑﺎر ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ .ﻣﺰﯾﺖ ﻋﻤﺪه ﺗﺤﻠﯿﻞ و ﻃﺮاﺣﯽ ﺳﯿﺴﺘﻢﻫﺎي
ee
ﮐﻨﺘﺮل ﻣﺪرن ﻧﺴﺒﺖ ﺑﻪ روشﻫﺎي ﮐﻼﺳﯿﮏ ،ﮐﺎرﺑﺮد آن در ﺳﯿﺴﺘﻢﻫﺎي ﭼﻨﺪ ورودي و ﭼﻨﺪ ﺧﺮوﺟﯽ 4ﻣﯽﺑﺎﺷﺪ.
ﻗﺒﻞ از آﻧﮑﻪ ﺑﺎ ﻣﺒﺎﺣﺚ اﺻﻠﯽ درس آﺷﻨﺎ ﺷﻮﯾﻢ ،ﻣﺮور و ﻣﻄﺎﻟﻌﻪ ﺑﺮﺧﯽ ﻣﻮﺿﻮﻋﺎت ﭘﯿﺶﻧﯿﺎز درس ﻻزم ﻣﯽﺑﺎﺷﺪ.
in -2-1ﻣﺮوري ﺑﺮ اﺻﻄﻼﺣﺎت و ﺗﻌﺎرﯾﻒ ﮐﻨﺘﺮﻟﯽ:
-1ﺳﯿﺴﺘﻢ :ﺳﯿﺴﺘﻢ ﻣﺠﻤﻮﻋﻪاي از اﺟﺰاﯾﯽ اﺳﺖ ﮐﻪ ﺑﺎﻫﻢ ﮐﺎر ﻣﯽﮐﻨﻨﺪ و ﻫﺪف ﻣﻌﯿﻨﯽ را دﻧﺒﺎل ﻣﯽﮐﻨﻨﺪ .ﺳﯿﺴﺘﻢ ﺗﻨﻬﺎ ﺑﻪ ﻧﻮع ﻓﯿﺰﯾﮑﯽ آن
ﻣﺤﺪود ﻧﻤﯽﺷﻮد .ﻣﻔﻬﻮم ﺳﯿﺴﺘﻢ را در ﻣﻮرد ﭘﺪﯾﺪهﻫﺎي ﻣﺠﺮد ﭘﻮﯾﺎ ﻧﻈﯿﺮ اﻗﺘﺼﺎد ﻧﯿﺰ ﻣﯽﺗﻮاﻧﯿﻢ ﺑﮑﺎر ﺑﺮﯾﻢ.
ng
) r (t ) y (t
le
ﺷﮑﻞ :1-1ﯾﮏ ﺳﯿﺴﺘﻢ ﺑﺎ ورودي ) r ( tو ﺧﺮوﺟﯽ ) y ( t
-2ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ /ﻏﯿﺮﺧﻄﯽ :ﺳﯿﺴﺘﻤﯽ ﺧﻄﯽ 5اﺳﺖ ﮐﻪ ﺧﺎﺻﯿﺖ ﺟﻤﻊ آﺛﺎر در ﻣﻮرد آن ﺻﺎدق ﺑﺎﺷﺪ ،ﯾﻌﻨﯽ ﭘﺎﺳﺦ ﻧﺎﺷﯽ از اﻋﻤﺎل
ro
6
ﻫﻤﺰﻣﺎن ﭼﻨﺪﯾﻦ ورودي )ﺗﺤﺮﯾﮏ( ،ﺑﺮاﺑﺮ ﺟﻤﻊ ﭘﺎﺳﺦﻫﺎي ﻧﺎﺷﯽ از ﺗﮏﺗﮏ اﯾﻦ وروديﻫﺎ ﺑﺎﺷﺪ .در ﻏﯿﺮاﯾﻨﺼﻮرت ﺳﯿﺴﺘﻢ را ﻏﯿﺮﺧﻄﯽ
ﮔﻮﯾﻨﺪ.
از ﻧﻈﺮ رﯾﺎﺿﯽ ،اﯾﻦ ﻣﺸﺨﺼﻪ ﺳﯿﺴﺘﻢ را ﻣﯽﺗﻮان ﺑﻪ ﺻﻮرت زﯾﺮ ﺑﯿﺎن ﻧﻤﻮد:
nt
) r1 ( t ) → y1 ( t
) r2 ( t ) → y2 ( t
) → α1r1 ( t ) + α 2 r2 ( t ) + L + α n rn ( t ) → α1 y1 ( t ) + α 2 y2 ( t ) + L + α n yn ( t )(1-1
co
M
) r ( t ) → y ( t
n n
1
)Single Input – Single Output Systems (SISO Systems
2
Transfer Function
3
State Space Model
4
)Multiple Input – Multiple Output Systems (MIMO Systems
5
Linear System
6
Non-Linear Systems
ﺻﻔﺤﻪ 5
ﺶ اول :ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ س ﺮل ﺪرن
.ir
ﺷﮑﻞ :2-1ﭼﻨﺪ ﻧﻤﻮﻧﻪ از ﻣﺸﺨﺼﻪ ورودي -ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢﻫﺎي ﻏﯿﺮﺧﻄﯽ
ﻣﺜﺎل 1-1
rs
ﮐﺪاﻣﯿﮏ از ﺳﯿﺴﺘﻢﻫﺎي زﯾﺮ ﺧﻄﯽ ﻣﯽﺑﺎﺷﻨﺪ:
) 1) y (t ) = e−5 x (t
ee
ﺑﺮاي ﺑﺮرﺳﯽ ﺧﻄﯽ ﺑﻮدن راﺑﻄﻪ ورودي ﺧﺮوﺟﯽ ﯾﮏ ﺳﯿﺴﺘﻢ ،از راﺑﻄﻪ 1-1اﺳﺘﻔﺎده ﻣﯽﮐﻨﯿﻢ:
) x1 ( t ) → y1 (t ) = e −5 x1 ( t
x2 ( t ) → y2 (t ) = e 2
) −5 x ( t
→ α x1 ( t ) + β x2 ( t ) → y ( t ) = e ( 1
in
) ) −5 α x ( t ) + β x2 ( t
) ≠ α y1 ( t ) + β y2 ( t ) = α e −5 x1 ( t ) + β e −5 x2 ( t
راﺑﻄﻪ 1-1ﺑﺮﻗﺮار ﻧﯿﺴﺖ ﺑﻨﺎﺑﺮاﯾﻦ ﺳﯿﺴﺘﻢ ﺧﻄﯽ ﻧﯿﺴﺖ.
ng
x (t ) 0 ≤ t ≤ 1
2) y (t ) =
0 t >1
) x1 (t 0 ≤ t ≤1
x1 ( t ) → y1 (t ) =
0 t >1
le
) x t → y (t ) = x2 (t 0 ≤ t ≤1
) ( 2 2
0 t >1
ro
α x ( t ) + β x2 ( t ) 0 ≤ t ≤ 1
→ α x1 ( t ) + β x2 ( t ) → y ( t ) = 1 ) = α y1 ( t ) + β y2 ( t
0 t >1
راﺑﻄﻪ 1-1ﺑﺮﻗﺮار اﺳﺖ ﺑﻨﺎﺑﺮاﯾﻦ ﺳﯿﺴﺘﻢ ﺧﻄﯽ اﺳﺖ.
nt
) ) 3) y (t ) = sin ( 2 x(t
) ) x1 ( t ) → y1 (t ) = sin ( 2 x1 (t
co
) ) x2 ( t ) → y2 (t ) = sin ( 2 x2 (t
( )
) ) → α x1 ( t ) + β x2 ( t ) → y ( t ) = sin 2 (α x1 ( t ) + β x2 ( t ) ) = sin ( 2 x1 (t ) ) cos ( 2 x2 (t ) ) + sin ( 2 x2 (t ) ) cos ( 2 x1 (t
) ) ≠ α y1 ( t ) + β y2 ( t ) = α sin ( 2 x1 (t ) ) + β sin ( 2 x2 (t
راﺑﻄﻪ 1-1ﺑﺮﻗﺮار ﻧﯿﺴﺖ ﺑﻨﺎﺑﺮاﯾﻦ ﺳﯿﺴﺘﻢ ﺧﻄﯽ ﻧﯿﺴﺖ.
4 ) y (t ) = 4
ﺻﻔﺤﻪ 6
وه ﯽ ﺮل ﺪرن
x1 ( t ) → y1 (t ) = 4
x2 ( t ) → y2 (t ) = 4
→ α x1 ( t ) + β x2 ( t ) → y ( t ) = 4 ≠ α y1 ( t ) + β y2 ( t ) = 4α + 4 β
راﺑﻄﻪ 1-1ﺑﺮﻗﺮار ﻧﯿﺴﺖ ﺑﻨﺎﺑﺮاﯾﻦ ﺳﯿﺴﺘﻢ ﺧﻄﯽ ﻧﯿﺴﺖ.
.ir
<
-3ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ/ﺗﻐﯿﯿﺮﭘﺬﯾﺮ ﺑﺎ زﻣﺎن :از ﻧﻈﺮ ﻣﻔﻬﻮﻣﯽ ،ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن 1اﺳﺖ اﮔﺮ رﻓﺘﺎر و ﻣﺸﺨﺼﻪﻫﺎي ﺳﯿﺴﺘﻢ در
ﻃﯽ زﻣﺎن ﺛﺎﺑﺖ ﺑﺎﺷﻨﺪ .اﮐﺜﺮ ﺳﯿﺴﺘﻢﻫﺎﯾﯽ ﮐﻪ در ﻋﻤﻞ ﺑﺎ آنﻫﺎ ﺳﺮ و ﮐﺎر دارﯾﻢ ،ﺳﯿﺴﺘﻢﻫﺎي ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﻣﯽﺑﺎﺷﻨﺪ.
rs
) r (t ) y (t
ee
t t
in ) r ( t − t0 ) y ( t − t0
t t
ng
t0
ﺷﮑﻞ :3-1ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن
از ﻧﻈﺮ رﯾﺎﺿﯽ ،اﯾﻦ ﻣﺸﺨﺼﻪ ﺳﯿﺴﺘﻢ را ﻣﯽﺗﻮان ﺑﻪ ﺻﻮرت زﯾﺮ ﺑﯿﺎن ﻧﻤﻮد:
le
r ( t )
system
) → y (t
)(2-1
→ r ( t − t0 )
system
) → y ( t − t0
ro
ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﯾﮏ ﻣﺪار ﺑﺎ ﻋﻨﺎﺻﺮ ﺛﺎﺑﺖ ﻣﻘﺎوﻣﺖ ،ﺳﻠﻒ و ﺧﺎزن ﯾﮏ ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﻣﯽﺑﺎﺷﺪ.
اﮔﺮ ﺑﺮاي ﺳﯿﺴﺘﻤﯽ راﺑﻄﻪ 2-1ﺑﺮﻗﺮار ﻧﺒﺎﺷﺪ ،ﺳﯿﺴﺘﻢ را ﺗﻐﯿﯿﺮﭘﺬﯾﺮ ﺑﺎ زﻣﺎن 2ﮔﻮﯾﻨﺪ .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺳﯿﺴﺘﻢ ﯾﮏ ﻣﻮﺷﮏ در ﺣﺎل
nt
ﺳﻮﺧﺖ ﯾﮏ ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﻣﯽﺑﺎﺷﺪ زﯾﺮا ﺳﺮﻋﺖ ﻣﻮﺷﮏ ﺑﻪ ﺟﺮم آن ﺑﺴﺘﮕﯽ دارد ﮐﻪ ﻣﺪام در ﺣﺎل ﮐﺎﻫﺶ ﻣﯽﺑﺎﺷﺪ.
ﻣﺜﺎل 2-1
co
ﮐﺪاﻣﯿﮏ از ﺳﯿﺴﺘﻢﻫﺎي زﯾﺮ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﻣﯽﺑﺎﺷﻨﺪ:
) 1) y (t ) = e−5 x (t
ﺑﺮاي ﺑﺮرﺳﯽ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﺑﻮدن راﺑﻄﻪ ورودي ﺧﺮوﺟﯽ ﯾﮏ ﺳﯿﺴﺘﻢ ،از راﺑﻄﻪ 2-1اﺳﺘﻔﺎده ﻣﯽﮐﻨﯿﻢ:
1
Time Invariant System
2
Time Variant System
ﺻﻔﺤﻪ 7
ﺶ اول :ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ س ﺮل ﺪرن
) x1 ( t ) → y1 (t ) = e −5 x1 ( t
) x2 ( t ) = x1 ( t − t0 ) → y2 (t ) = e −5 x2 (t ) = e −5 x1 ( t −t0
) y1 (t − t0 ) = e−5 x1 (t −t0 ) = y2 (t
راﺑﻄﻪ 2-1ﺑﺮﻗﺮار اﺳﺖ ﺑﻨﺎﺑﺮاﯾﻦ ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﻣﯽﺑﺎﺷﺪ.
.ir
) 2) y (t ) = t x ( t
) x1 ( t ) → y1 (t ) = t x1 ( t
rs
) x2 ( t ) = x1 ( t − t0 ) → y2 (t ) = t x2 ( t ) = t x1 ( t − t0
) y1 (t − t0 ) = ( t − t0 ) x1 ( t − t0 ) ≠ y2 (t
ee
راﺑﻄﻪ 2-1ﺑﺮﻗﺮار ﻧﯿﺴﺖ ﺑﻨﺎﺑﺮاﯾﻦ ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﻣﯽﺑﺎﺷﺪ.
<
-4ﺳﯿﺴﺘﻢ ﺧﻄﯽ و ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن :ﺳﯿﺴﺘﻤﯽ ﮐﻪ دو ﺧﺼﻮﺻﯿﺖ ﺧﻄﯽ ﺑﻮدن و ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮي ﺑﺎ زﻣﺎن را داﺷﺘﻪ ﺑﺎﺷﺪ ،ﺳﯿﺴﺘﻢ
in ﺧﻄﯽ و ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ) (LTIﺧﻮاﻧﺪه ﻣﯽﺷﻮد.
ﻣﺜﺎل 3-1
ng
ﻧﺸﺎن دﻫﯿﺪ ﮐﻪ ﺳﯿﺴﺘﻢﻫﺎي زﯾﺮ LTIﻣﯽﺑﺎﺷﺪ.
) y (t ) = 3 x ( t
ﺑﺮاي ﺑﺮرﺳﯽ ﺧﻄﯽ ﺑﻮدن راﺑﻄﻪ ورودي ﺧﺮوﺟﯽ ﯾﮏ ﺳﯿﺴﺘﻢ ،از راﺑﻄﻪ 1-1اﺳﺘﻔﺎده ﻣﯽﮐﻨﯿﻢ:
le
) x1 ( t ) → y1 (t ) = 3x1 ( t
) x2 ( t ) → y2 (t ) = 3x2 ( t
ro
) → α x1 ( t ) + β x2 ( t ) → y ( t ) = 3 (α x1 ( t ) + β x2 ( t ) ) = 3α x1 ( t ) + 3β x2 ( t
) = α 3 x1 ( t ) + β 3 x2 ( t ) = α y1 ( t ) + β y2 ( t
راﺑﻄﻪ 1-1ﺑﺮﻗﺮار اﺳﺖ ﺑﻨﺎﺑﺮاﯾﻦ ﺳﯿﺴﺘﻢ ﺧﻄﯽ اﺳﺖ .ﺑﺮاي ﺑﺮرﺳﯽ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﺑﻮدن راﺑﻄﻪ ورودي ﺧﺮوﺟﯽ ﯾﮏ ﺳﯿﺴﺘﻢ ،از راﺑﻄﻪ 2-1
nt
اﺳﺘﻔﺎده ﻣﯽﮐﻨﯿﻢ:
) x1 ( t ) → y1 (t ) = 3x1 ( t
co
) x2 ( t ) = x1 ( t − t0 ) → y2 (t ) = 3x2 ( t ) = 3x1 ( t − t0
) y1 (t − t0 ) = 3x1 ( t − t0 ) = y2 (t
راﺑﻄﻪ 2-1ﺑﺮﻗﺮار اﺳﺖ ﺑﻨﺎﺑﺮاﯾﻦ ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﻣﯽﺑﺎﺷﺪ؛ ﺑﻨﺎﺑﺮاﯾﻦ ﺳﯿﺴﺘﻢ ﻫﻢ ﺧﻄﯽ و ﻫﻢ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﻣﯽﺑﺎﺷﺪ.
<
-5ﺳﯿﺴﺘﻢ ﺣﺎﻓﻈﻪدار/ﺑﺪون ﺣﺎﻓﻈﻪ :ﯾﮏ ﺳﯿﺴﺘﻢ را ﺑﺪون ﺣﺎﻓﻈﻪ ﮔﻮﯾﻨﺪ ،اﮔﺮ ﺧﺮوﺟﯽ آن ﺑﻪ ازاي ﻫﺮ ﻣﻘﺪار از ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ در ﯾﮏ
زﻣﺎن ﻣﻔﺮوض ،ﻓﻘﻂ ﺑﻪ ورودي در ﻫﻤﺎن زﻣﺎن ﺑﺴﺘﮕﯽ داﺷﺘﻪ ﺑﺎﺷﺪ .ﺳﯿﺴﺘﻤﯽ ﮐﻪ اﯾﻦ ﺧﺎﺻﯿﺖ را ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ ،ﺳﯿﺴﺘﻢ ﺣﺎﻓﻈﻪدار
ﺻﻔﺤﻪ 8
وه ﯽ ﺮل ﺪرن
ﮔﻮﯾﻨﺪ .ﻣﻔﻬﻮم ﺣﺎﻓﻈﻪ در ﯾﮏ ﺳﯿﺴﺘﻢ ،ﻣﻨﺘﺎﻇﺮ ﺑﺎ وﺟﻮد ﻣﮑﺎﻧﯿﺰﻣﯽ در ﺳﯿﺴﺘﻢ اﺳﺖ ﮐﻪ اﻃﻼﻋﺎﺗﯽ را درﺑﺎره ﻣﻘﺎدﯾﺮ ورودي در زﻣﺎنﻫﺎﯾﯽ
ﺑﺠﺰ ﻟﺤﻈﻪ ﺟﺎري ،ﻧﮕﻪ داﺷﺘﻪ ﯾﺎ ذﺧﯿﺮه ﻣﯽﮐﻨﺪ.
ﺑﻪ ﻃﻮر ﻣﺜﺎل ﯾﮏ ﻣﺪار ﻣﻘﺎوﻣﺘﯽ ﺧﺎﻟﺺ ﯾﮏ ﺳﯿﺴﺘﻢ ﺑﺪون ﺣﺎﻓﻈﻪ اﺳﺖ اﻣﺎ ﻣﺪارﻫﺎي ﺷﺎﻣﻞ ﺳﻠﻒ و ﺧﺎزن ﺣﺎﻓﻈﻪدار ﻣﺤﺴﻮب
ﻣﯽﺷﻮﻧﺪ.
.ir
-6ﺳﯿﺴﺘﻢ ﻋﻠّﯽ/ﻏﯿﺮﻋﻠّﯽ :ﺳﯿﺴﺘﻤﯽ را ﻋﻠﯽ 1ﮔﻮﯾﻨﺪ اﮔﺮ ﺧﺮوﺟﯽ در ﻟﺤﻈﻪ ﻓﻘﻂ ﺑﻪ ﻣﻘﺎدﯾﺮ ورودي در ﻟﺤﻈﻪ ﮐﻨﻮﻧﯽ و ﮔﺬﺷﺘﻪ ﺑﺴﺘﮕﯽ
داﺷﺘﻪ ﺑﺎﺷﺪ .ﭼﻨﯿﻦ ﺳﯿﺴﺘﻤﯽ را اﻏﻠﺐ ﻏﯿﺮ ﭘﯿﺸﮕﻮ ﮔﻮﯾﻨﺪ زﯾﺮا ﻣﻘﺎدﯾﺮ آﯾﻨﺪه را ﭘﯿﺶﺑﯿﻨﯽ ﻧﻤﯽﮐﻨﺪ .ﺗﻤﺎﻣﯽ ﺳﯿﺴﺘﻢﻫﺎي ﻓﯿﺰﯾﮑﯽ ﻣﻮﺟﻮد
ﺳﯿﺴﺘﻢﻫﺎي ﻋﻠﯽ ﻣﯽﺑﺎﺷﻨﺪ.
rs
-7ﺳﯿﺴﺘﻢ ﭘﺎﯾﺪار/ﻧﺎﭘﺎﯾﺪار :اﮔﺮ ﺧﺮوﺟﯽ )ﭘﺎﺳﺦ( ﯾﮏ ﺳﯿﺴﺘﻢ ﺑﻪ ﯾﮏ ورودي ﮐﺮاﻧﺪار )ﯾﻌﻨﯽ ﻣﻘﺪار ورودي ﺑﺪون ﺣﺪ اﻓﺰاﯾﺶ ﻧﯿﺎﺑﺪ(
ﮐﺮاﻧﺪار ﺑﺎﺷﺪ ،ﺳﯿﺴﺘﻢ را ﭘﺎﯾﺪار ﻣﯽﻧﺎﻣﻨﺪ .ﺑﻪ ﺑﯿﺎن ﻏﯿﺮرﺳﻤﯽ ،ﺳﯿﺴﺘﻢ ﭘﺎﯾﺪار ﺳﯿﺴﺘﻤﯽ اﺳﺖ ﮐﻪ در آن وروديﻫﺎي ﮐﻮﭼﮏ ﺑﻪ
ee
ﺧﺮوﺟﯽﻫﺎﯾﯽ ﻣﻨﺠﺮ ﻣﯽﺷﻮﻧﺪ ﮐﻪ ﻫﻤﮕﺮا ﺑﺎﺷﻨﺪ.
-8ﻣﺪل رﯾﺎﺿﯽ :ﻣﺪل رﯾﺎﺿﯽ ﺳﯿﺴﺘﻢ دﯾﻨﺎﻣﯿﮑﯽ ﯾﮏ ﻣﻌﺎدﻟﻪ رﯾﺎﺿﯽ اﺳﺖ ﮐﻪ رﻓﺘﺎر دﯾﻨﺎﻣﯿﮑﯽ ﺳﯿﺴﺘﻢ را دﻗﯿﻘﺎً ﯾﺎ ﺣﺪاﻗﻞ ﺑﻪ ﺧﻮﺑﯽ
ﻧﻤﺎﯾﺶ ﻣﯽدﻫﺪ .ﻣﺪل رﯾﺎﺿﯽ ﯾﮏ ﺳﯿﺴﺘﻢ ﯾﮑﺘﺎ ﻧﺒﻮده و آن را ﻣﯽﺗﻮان ﺑﻪ روشﻫﺎي ﻣﺨﺘﻠﻒ ﻧﻤﺎﯾﺶ داد.
in
رﻓﺘﺎر دﯾﻨﺎﻣﯿﮑﯽ ﺑﺴﯿﺎري از ﺳﯿﺴﺘﻢ ﻫﺎ را ،اﻋﻢ از ﺳﯿﺴﺘﻢ ﻣﮑﺎﻧﯿﮑﯽ ،اﻟﮑﺘﺮوﻧﯿﮑﯽ ،ﺣﺮارﺗﯽ ،اﻗﺘﺼﺎدي ﯾﺎ ﺣﺘﯽ زﯾﺴﺖﻣﺤﯿﻄﯽ را ﻣﯽﺗﻮان
ﺑﺮ ﺣﺴﺐ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻠﯽ ﺗﻮﺻﯿﻒ ﻧﻤﻮد .اﯾﻦ ﻣﻌﺎدﻻت را ﻣﯽﺗﻮان ﺑﺎ اﺳﺘﻔﺎده از ﻗﻮاﻧﯿﻦ ﻓﯿﺰﯾﮑﯽ ﺣﺎﮐﻢ ﺑﺮ ﺳﯿﺴﺘﻢ ،ﻣﺜﻼً ﻗﻮاﻧﯿﻦ
ng
ﻧﯿﻮﺗﻦ ﺑﺮاي ﺳﯿﺴﺘﻢﻫﺎي ﻣﮑﺎﻧﯿﮑﯽ و ﻗﻮاﻧﯿﻦ ﮐﯿﺮﺷﻒ ﺑﺮاي ﺳﯿﺴﺘﻤﻬﺎي اﻟﮑﺘﺮﯾﮑﯽ ﺑﻪ دﺳﺖ آورد.
ﯾﮏ ﺳﯿﺴﺘﻢ ﻓﯿﺰﯾﮑﯽ را ﻣﯽﺗﻮان ﺑﻪ ﭼﻬﺎر روش ،ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ،ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ،ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ و دﯾﺎﮔﺮامﻫﺎي ﺑﻠﻮﮐﯽ ﻣﺪلﺳﺎزي
ﻧﻤﻮد.
-9ﺳﯿﺴﺘﻢ ﻓﺸﺮده/ﮔﺴﺘﺮده :ﺑﻨﺎ ﺑﺮ ﺗﻌﺮﯾﻒ ،ﺳﯿﺴﺘﻤﯽ را ﻓﺸﺮده 2ﮔﻮﯾﻨﺪ ﮐﻪ ﺑﻌﺪ ﺑﺮدار ﺣﺎﻟﺖ آن ﻣﺘﻨﺎﻫﯽ ﺑﺎﺷﺪ .ﺳﯿﺴﺘﻤﯽ ﮐﻪ ﺑﺮدار
le
ﺣﺎﻟﺖ ﻧﺎﻣﺘﻨﺎﻫﯽ داﺷﺘﻪ ﺑﺎﺷﺪ را ﮔﺴﺘﺮده 3ﻧﺎﻣﻨﺪ.
-3-1ﻣﺮوري ﺑﺮ ﻣﺒﺎﻧﯽ ﺟﺒﺮ ﺧﻄﯽ:
ro
-1-3-1ﻓﻀﺎﻫﺎي ﺑﺮداري:
nt
-1ﻣﯿﺪان :ﯾﮏ ﻣﯿﺪان Fاز ﻣﺠﻤﻮﻋﻪاي از ﻋﻨﺎﺻﺮ ﺑﻪ ﻧﺎم اﺳﮑﺎﻟﺮﻫﺎ ﺑﻪ ﻫﻤﺮاه دو ﻋﻤﻞ ﺟﻤﻊ و ﺿﺮب ﺗﺸﮑﯿﻞ ﺷﺪه اﺳﺖ ،ﺑﻄﻮرﯾﮑﻪ
ﺷﺮاﯾﻂ زﯾﺮ را ﺑﺮآورده ﺳﺎزﻧﺪ:
co
ﺑﺮاي ﻫﺮ دو اﺳﮑﺎﻟﺮ αو βدر ، Fﯾﮏ ﻋﻨﺼﺮ ﻣﺘﻨﺎﻇﺮ α + βدر Fوﺟﻮد داﺷﺘﻪ ﮐﻪ ﻣﺠﻤﻮع αو βﻧﺎﻣﯿﺪه ﺷﺪه و •
ﻫﻤﭽﻨﯿﻦ ﯾﮏ ﻋﻨﺼﺮ αβدر Fﮐﻪ ﺣﺎﺻﻞﺿﺮب αو βﻧﺎﻣﯿﺪه ﻣﯽﺷﻮد ،وﺟﻮد دارد.
ﺑﺮاي ﻫﺮ ﺳﻪ اﺳﮑﺎﻟﺮ β ، αو γدر Fدارﯾﻢ: •
α + β = β + α
1)
αβ = βα
1
Causal
2
Lumped
3
Distributed
ﺻﻔﺤﻪ 9
ﺶ اول :ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ س ﺮل ﺪرن
) (α + β ) + γ = α + ( β + γ
2)
) (αβ ) γ = α ( βγ
) 3) α ( β + γ ) = (αβ ) + (αγ
Fﯾﮏ ﻋﻨﺼﺮ ﻧﺸﺎن دادهﺷﺪه ﺑﺎ 0و ﯾﮏ ﻋﻨﺼﺮ ﻧﺸﺎن دادهﺷﺪه ﺑﺎ 1دارد ﺑﻪ ﮔﻮﻧﻪاي ﮐﻪ ﺑﻪ ازاي ﻫﺮ اﺳﮑﺎﻟﺮ αدر Fدارﯾﻢ: •
.ir
1) α + 0 = 0 + α = α
2) α .1 = 1.α = α
ﺑﺮاي ﻫﺮ ﻋﻨﺼﺮ αدر Fﯾﮏ ﻋﻨﺼﺮ βدر Fوﺟﻮد دارد ﺑﻄﻮرﯾﮑﻪα + β = 0 : •
rs
ﺑﺮاي ﻫﺮ ﻋﻨﺼﺮ α ≠ 0در Fﯾﮏ ﻋﻨﺼﺮ γدر Fوﺟﻮد دارد ﺑﻄﻮرﯾﮑﻪαγ = 1 : •
ﺑﻪ ﻃﻮر ﻣﺜﺎل ﻣﺠﻤﻮﻋﻪ اﻋﺪاد ﺣﻘﯿﻘﯽ ¡ ﺑﺎ ﻗﻮاﻋﺪ ﺟﻤﻊ و ﺿﺮب ﻣﻌﻤﻮﻟﯽ ،ﻣﯿﺪان اﻋﺪاد ﺣﻘﯿﻘﯽ را ﺗﺸﮑﯿﻞ ﻣﯽدﻫﻨﺪ و ﯾﺎ ﻣﺠﻤﻮﻋﻪ
ee
اﻋﺪاد ﺻﺤﯿﺢ ¢ﺑﺎ ﻗﻮاﻋﺪ ﺟﻤﻊ و ﺿﺮب ﻣﻌﻤﻮﻟﯽ ،ﻣﯿﺪان اﻋﺪاد ﺻﺤﯿﺢ را ﺗﺸﮑﯿﻞ ﻧﻤﯽدﻫﻨﺪ) .ﭼﺮا؟(
-2ﻓﻀﺎي ﺑﺮداري :ﻓﻀﺎي ﺑﺮداري Vﺑﻪ روي ﻣﯿﺪان ، Fﻣﺠﻤﻮﻋﻪاي از ﺑﺮدارﻫﺎﺳﺖ ﮐﻪ ﻣﯽﺗﻮاﻧﻨﺪ ﺑﺎﻫﻢ ﺟﻤﻊ ﺷﺪه و در
اﺳﮑﺎﻟﺮﻫﺎي ﻣﯿﺪان Fﺿﺮب ﮔﺮدﻧﺪ ،ﺑﻪ ﮔﻮﻧﻪاي ﮐﻪ ﺣﺎﺻﻞ ﺟﻤﻊ ﺑﺮدارﻫﺎ و ﺣﺎﺻﻞﺿﺮب ﺑﺮدار در اﺳﮑﺎﻟﺮﻫﺎ ﻧﯿﺰ ﻋﻀﻮ Vﺑﻮده و
in ﺷﺮاﯾﻂ زﯾﺮ را ﺑﺮآورده ﺳﺎزﻧﺪ:
) ( uv + vv ) + wv = uv + ( vv + wv v v v
ﺑﺮاي ﺑﺮدارﻫﺎي v ، uو wﻋﻀﻮ Vدارﯾﻢ: •
v v v v v v v
ng
ﯾﮏ ﻋﻨﺼﺮ ، Vﻧﺸﺎن دادهﺷﺪه ﺑﺎ 0وﺟﻮد دارد ﮐﻪ ﺑﺮاي ﻫﺮ ﻋﻨﺼﺮ uﻋﻀﻮ Vداﺷﺘﻪ ﺑﺎﺷﯿﻢu + 0 = 0 + u = u : •
v
• ﺑﺮاي ﯾﮏ ﻋﻨﺼﺮ دادهﺷﺪه در ، Vﯾﮏ ﻋﻨﺼﺮ −uدر Vﺑﻪ ﮔﻮﻧﻪاي وﺟﻮد دارد ﮐﻪ داﺷﺘﻪ ﺑﺎﺷﯿﻢ:
v v v v v
u + ( −u ) = ( −u ) + u = 0
v
ﺑﺮاي ﮐﻠﯿﻪ ﺑﺮدارﻫﺎي uدر Vدارﯾﻢ: •
le
(α + β ) uv = α uv + β uv
) (αβ ) uv = α ( β uv
ro
v v
ﺑﺮاي ﻫﺮ αدر ﻣﯿﺪان . Fﺑﺮدارﻫﺎي uو vدر Vدارﯾﻢ: •
v v v v
α (u + v ) = αu + α v
v v v
ﺑﺮاي ﻫﺮ uدر Vدارﯾﻢ1.u = u : •
nt
v v v v
{ }
ﻣﺜﺎل ﻣﺠﻤﻮﻋﻪ ﺑﺮدارﻫﺎي ¡ ∈ v = (1, v2 ,...., vn ) viﺑﺮ روي ﻣﯿﺪان ¡ ﯾﮏ ﻓﻀﺎي ﺑﺮداري را ﺗﺸﮑﯿﻞ ﻧﻤﯽدﻫﻨﺪ. ﺑﻪ ﻃﻮر
)ﭼﺮا؟(
co
-3زﯾﺮ ﻓﻀﺎي ﺑﺮداري :ﻫﺮ زﯾﺮﻣﺠﻤﻮﻋﻪ از ﻓﻀﺎي ﺑﺮداري Vرا ﯾﮏ زﯾﺮ ﻓﻀﺎ از Vﺑﻪ روي ﻣﯿﺪان Fﮔﻮﯾﻨﺪ ،اﮔﺮ ﺗﺤﺖ
ﻋﻤﻠﯿﺎت Vﯾﮏ ﻓﻀﺎ روي ﻣﯿﺪان Fﺗﺸﮑﯿﻞ دﻫﺪ.
ﺑﻪ ﻃﻮر ﻣﺜﺎل:
¡ ⊂ ¡ 2 ⊂ ¡ 3 ... ⊂ ¡ n
vﻗﻀﯿﻪ :اﺷﺘﺮاك ﭼﻨﺪ زﯾﺮ ﻓﻀﺎ از ﻓﻀﺎي ﺑﺮداري Vﻧﯿﺰ زﯾﺮ ﻓﻀﺎﯾﯽ از ﻓﻀﺎي ﺑﺮداري Vﻣﯽﺑﺎﺷﺪ.
ﺻﻔﺤﻪ 10
وه ﯽ ﺮل ﺪرن
ﺑﻪ ﻃﻮر ﻣﺜﺎل:
¡ I ¡ 2 I ¡3 ... I ¡ n = ¡ ⊂ ¡ n
-2-3-1ﺗﺮﮐﯿﺐ ﺧﻄﯽ و ﭘﺎﯾﻪ ﻓﻀﺎي ﺑﺮداري:
v v v
.ir
.1ﺗﺮﮐﯿﺐ ﺧﻄﯽ :اﮔﺮ ﺑﺮدارﻫﺎي v1 , v2 ,...., vnﺑﺮدارﻫﺎي ﻣﺘﻌﻠﻖ ﺑﻪ ﻓﻀﺎي ﺑﺮداري Vو اﺳﮑﺎﻟﺮﻫﺎي α1 , α 2 ,..., α nﻣﺘﻌﻠﻖ ﺑﻪ
v
ﻣﯿﺪان Fﺑﺎﺷﻨﺪ ،آﻧﮕﺎه ﺑﺮدار vرا ﮐﻪ ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽﮔﺮدد:
v n v v v v
v = ∑ α i vi = α1v1 + α 2 v2 + .... + α n vn
rs
)(3-1
i =1
v v v
ﺗﺮﮐﯿﺐ ﺧﻄﯽ از ﺑﺮدارﻫﺎي v1 , v2 ,...., vnﻧﺎﻣﻨﺪ.
v v v v
.2اﺳﭙﻦ :اﮔﺮ ﺑﺮدارﻫﺎي v1 , v2 ,...., vnﻣﺘﻌﻠﻖ ﺑﻪ ﻓﻀﺎي ﺑﺮداري Vﺑﻮده و ﻫﺮ ﺑﺮدار v ∈ Vرا ﺑﺘﻮان ﺑﻪ ﺻﻮرت ﺗﺮﮐﯿﺐ ﺧﻄﯽ از
ee
v v v v v v
ﺑﺮدارﻫﺎ v1 , v2 ,...., vnﻧﻤﺎﯾﺶ داد ،آﻧﮕﺎه ﮔﻮﯾﯿﻢ ﮐﻪ اﯾﻦ ﻓﻀﺎ ﺗﻮﺳﻂ ﺑﺮدارﻫﺎي v1 , v2 ,...., vnاﺳﭙﻦ 1ﺷﺪه اﺳﺖ:
v v v
} V = span {v1 , v2 ,...., vn
v v v
in
.3اﺳﺘﻘﻼل و واﺑﺴﺘﮕﯽ ﺧﻄﯽ ﺑﺮدارﻫﺎ :ﺑﺮدارﻫﺎي v1 , v2 ,...., vnﻣﺘﻌﻠﻖ ﺑﻪ ﻓﻀﺎي ﺑﺮداري Vرا ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﮔﻮﯾﻨﺪ ،اﮔﺮ
اﺳﮑﺎﻟﺮﻫﺎي α1 , α 2 ,..., α nﻣﺘﻌﻠﻖ ﺑﻪ ﻣﯿﺪان Fوﺟﻮد داﺷﺘﻪ ﺑﺎﺷﻨﺪ ،ﺑﻄﻮرﯾﮑﻪ داﺷﺘﻪ ﺑﺎﺷﯿﻢ:
ng
v v v
α1v1 + α 2v2 + .... + α n vn = 0 → α1 = α 2 = ... = α n = 0
در ﻏﯿﺮاﯾﻨﺼﻮرت اﯾﻦ ﺑﺮدارﻫﺎ را واﺑﺴﺘﻪ ﺧﻄﯽ ﮔﻮﯾﻨﺪ.
ﻧﮑﺘﻪ :دﺗﺮﻣﯿﻨﺎن ﻣﺎﺗﺮﯾﺲ ﺣﺎﺻﻞ از ﮐﻨﺎر ﻫﻢ ﻗﺮاردادن nﺑﺮداري nﺑﻌﺪي ﻣﺴﺘﻘﻞ ﺧﻄﯽ ،ﺻﻔﺮ اﺳﺖ.
le
ﻣﺜﺎل 3-1
اﺳﺘﻘﻼل و واﺑﺴﺘﮕﯽ ﻣﺠﻤﻮﻋﻪ ﺑﺮدارﻫﺎي زﯾﺮ را ﺑﺮرﺳﯽ ﻧﻤﺎﯾﯿﺪ:
ro
1 1 5
1) 0 , 0 , 0
2 0 4
nt
ﺑﺎ اﺳﺘﻔﺎده از روش دﺗﺮﻣﯿﻨﺎن دارﯾﻢ:
co
1 1 5
0 0
)0 0 0 = ( −1
1+ 2
×× 1 =0
2 4
2 0 4
ﺑﻨﺎﺑﺮاﯾﻦ ﺳﻪ ﺑﺮدار واﺑﺴﺘﻪ ﺧﻄﯽ ﻫﺴﺘﻨﺪ.
1
Span
ﺻﻔﺤﻪ 11
ﺶ اول :ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ س ﺮل ﺪرن
1 1
2) 0 , 0
2 0
ﺑﺮاي اﯾﻦ دﺳﺘﻪ ﺑﺮدار ﺗﻌﺮﯾﻒ اﺳﺘﻘﻼل ﺧﻄﯽ را ﺑﺮرﺳﯽ ﻣﯽﮐﻨﯿﻢ:
.ir
1 1 α β 0
α 0 + β 0 = 0 → 0 + 0 = 0
2 0 2α 0 0
rs
α + β 0
α + β = 0 β = 0
→ 0 = 0 → →
2α 0 2α = 0 α = 0
ee
ﺑﻨﺎﺑﺮاﯾﻦ دو ﺑﺮدار ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﻫﺴﺘﻨﺪ.
<
v v v
.4ﺑﺮدارﻫﺎي ﭘﺎﯾﻪ :ﻣﺠﻤﻮﻋﻪ ﺑﺮدارﻫﺎي v1 , v2 ,...., vnرا ﭘﺎﯾﻪ ﻓﻀﺎي ﺑﺮداري Vﻧﺎﻣﻨﺪ اﮔﺮ دو ﺷﺮط زﯾﺮ ﺑﺮﻗﺮار ﺑﺎﺷﺪ:
v v v
in -1ﺑﺮدارﻫﺎي v1 , v2 ,...., vnﻣﺴﺘﻘﻞ ﺧﻄﯽ ﺑﺎﺷﻨﺪ.
v v v
-2داﺷﺘﻪ ﺑﺎﺷﯿﻢV = span {v1 , v2 ,...., vn } :
v
ng
vﻗﻀﯿﻪ :ﻫﺮ ﺑﺮدار v ∈ Vرا ﻣﯽﺗﻮان ﺑﻪ ﺻﻮرت ﻣﻨﺤﺼﺮ ﺑﻔﺮدي ﺑﺮ ﺣﺴﺐ ﺑﺮدارﻫﺎي ﭘﺎﯾﻪ ﻧﻤﺎﯾﺶ داد.
vﻗﻀﯿﻪ :ﺑﻌﺪ ﯾﮏ ﻓﻀﺎي ﺑﺮداري ﺑﺎ ﺗﻌﺪاد اﻋﻀﺎي ﻣﺠﻤﻮﻋﻪ ﺑﺮدارﻫﺎي ﭘﺎﯾﻪ آن ﺑﺮاﺑﺮ اﺳﺖ.
vﻗﻀﯿﻪ :اﮔﺮ ﺑﻌﺪ ﻓﻀﺎﯾﯽ nﺑﺎﺷﺪ ،ﻫﺮ ﻣﺠﻤﻮﻋﻪ nﻋﻀﻮي ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﭘﺎﯾﻪاي ﺑﺮاي آن ﻓﻀﺎ ﻣﯽﺑﺎﺷﺪ.
le
vﻗﻀﯿﻪ :اﮔﺮ ﺑﻌﺪ ﻓﻀﺎﯾﯽ nﺑﺎﺷﺪ ،ﻫﺮ ﻣﺠﻤﻮﻋﻪ mﻋﻀﻮي ﺑﻄﻮرﯾﮑﻪ m < nﻧﻤﯽﺗﻮاﻧﺪ ﭘﺎﯾﻪاي ﺑﺮاي آن ﻓﻀﺎ ﻣﯽﺑﺎﺷﺪ.
ﻣﺜﺎل 4-1
ro
آﯾﺎ ﺑﺮدارﻫﺎي زﯾﺮ ﻣﯽﺗﻮاﻧﻨﺪ ﭘﺎﯾﻪاي ﺑﺮاي ﻓﻀﺎي ¡3ﺑﺎﺷﻨﺪ؟
3 1 1
1) 0 , 0 , 0
nt
−3 0 −1
ﺑﻌﺪ ﻓﻀﺎ ﺳﻪ اﺳﺖ .اﮔﺮ اﯾﻦ ﺳﻪ ﺑﺮدار ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﺑﺎﺷﻨﺪ ،ﺣﺘﻤﺎً ﭘﺎﯾﻪاي ﺑﺮاي ﻓﻀﺎي ¡3ﺧﻮاﻫﻨﺪ ﺑﻮد .ﺑﺎ اﺳﺘﻔﺎده از روش دﺗﺮﻣﯿﻨﺎن دارﯾﻢ:
co
3 1 1
0 0 0 =0
−3 0 −1
ﺳﻪ ﺑﺮدار واﺑﺴﺘﻪ ﺧﻄﯽ ﻫﺴﺘﻨﺪ و ﻧﻤﯽﺗﻮاﻧﻨﺪ ﭘﺎﯾﻪاي ﺑﺮاي ﻓﻀﺎي ¡3ﺑﺎﺷﻨﺪ.
1 1
2) 0 , 0
2 0
ﺻﻔﺤﻪ 12
وه ﯽ ﺮل ﺪرن
ﺗﻌﺪاد ﺑﺮدارﻫﺎي اﯾﻦ ﻣﺠﻤﻮﻋﻪ از ﺑﻌﺪ ﻓﻀﺎ )ﺳﻪ( ﮐﻤﺘﺮ اﺳﺖ ،ﺑﻨﺎﺑﺮاﯾﻦ ﭘﺎﯾﻪاي ﺑﺮاي ﻓﻀﺎي ¡3ﻧﯿﺴﺘﻨﺪ.
2 0 0
3) 0 , 1 , 4
0 1 1
ﺑﻌﺪ ﻓﻀﺎ ﺳﻪ اﺳﺖ .اﮔﺮ اﯾﻦ ﺳﻪ ﺑﺮدار ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﺑﺎﺷﻨﺪ ،ﺣﺘﻤﺎً ﭘﺎﯾﻪاي ﺑﺮاي ﻓﻀﺎي ¡3ﺧﻮاﻫﻨﺪ ﺑﻮد .ﺑﺎ اﺳﺘﻔﺎده از روش دﺗﺮﻣﯿﻨﺎن دارﯾﻢ:
.ir
2 0 0
1 4
× 0 1 4 = ( −1) × 2
1+1
= −6 ≠ 0
rs
1 1
0 1 1
ﺳﻪ ﺑﺮدار ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﻫﺴﺘﻨﺪ ،ﺑﻨﺎﺑﺮاﯾﻦ ﻣﯽﺗﻮاﻧﻨﺪ ﭘﺎﯾﻪاي ﺑﺮاي ﻓﻀﺎي ¡3ﺑﺎﺷﻨﺪ.
<
ee
v v v
.5ﭘﺎﯾﻪ ﯾﮑﻪ :ﻣﺠﻤﻮﻋﻪ ﺑﺮدارﻫﺎي e1 , e2 ,...., enرا ﭘﺎﯾﻪ ﯾﮑﻪ 1ﻓﻀﺎي ﺑﺮداري Vﻧﺎﻣﻨﺪ ،اﮔﺮ ﻧﺮم ﻫﺮ ﯾﮏ از ﺑﺮدارﻫﺎ ﺑﺮاﺑﺮ ﯾﮏ ﺑﺎﺷﺪ.
vﻗﻀﯿﻪ :ﻣﺠﻤﻮﻋﻪ ﭘﺎﯾﻪ ﯾﮑﻪ ﺑﺮاي ﻓﻀﺎي ﺑﺮداري ﯾﮏ ﻣﺠﻤﻮﻋﻪ ﯾﮑﺘﺎﺳﺖ.
v
v vi
ﻧﮑﺘﻪ :ﺑﺮاي ﺗﺒﺪﯾﻞ ﻣﺠﻤﻮﻋﻪ ﺑﺮدارﻫﺎي ﭘﺎﯾﻪ ﺑﻪ ﻣﺠﻤﻮﻋﻪ ﭘﺎﯾﻪ ﯾﮑﻪ از روش ei = vاﺳﺘﻔﺎده ﻣﯽﮐﻨﯿﻢ
in vi
ﻣﺜﺎل 5-1
ﻣﺠﻤﻮﻋﻪ ﭘﺎﯾﻪ زﯾﺮ را ﺑﻪ ﭘﺎﯾﻪ ﯾﮑﻪ ﺗﺒﺪﯾﻞ ﻧﻤﺎﯾﯿﺪ:
ng
2 0 0
0 , 1 , 4
0 1 1
le
v 2 2 1
v v 1 1
= e1 = v1 0 = 0 = 0
v1 22 + 0 + 0 2
ro
0 0 0
0
v 0 0
v v2 1 1 1
nt
= e2 = v 1 = 2 1 =
v2 0 + 12 + 12 1 2
1
1
2
co
0
v 0 0
v v 1 1 4
= e3 = v3 = 4 4 =
v3 0 + 42 + 12 17 17
1 1 1
17
<
1
Normal
ﺻﻔﺤﻪ 13
ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ س ﺮل ﺪرن:ﺶ اول
v v v
. اﮔﺮ دو ﺑﻪ دو ﺑﺮ ﻫﻢ ﻋﻤﻮد ﺑﺎﺷﻨﺪ، ﻧﺎﻣﻨﺪV ﻓﻀﺎي ﺑﺮداري1 را ﭘﺎﯾﻪ ﻣﺘﻌﺎﻣﺪv1 , v2 ,...., vn ﺑﺮدارﻫﺎي: ﭘﺎﯾﻪ ﻣﺘﻌﺎﻣﺪ.6
. ﮔﻮﯾﻨﺪ2 ﭘﺎﯾﻪ را ﯾﮑﻪ ﻣﺘﻌﺎﻣﺪ، ﻣﺘﻌﺎﻣﺪ و ﯾﮑﻪ ﺑﺎﺷﻨﺪ، اﮔﺮ ﻣﺠﻤﻮﻋﻪ ﺑﺮدارﻫﺎي ﭘﺎﯾﻪ: ﭘﺎﯾﻪ ﯾﮑﻪ ﻣﺘﻌﺎﻣﺪ.7
v v v v v v
از روش زﯾﺮ اﺳﺘﻔﺎدهq1 , q2 ,...., qn ﺑﻪ ﻣﺠﻤﻮﻋﻪ ﭘﺎﯾﻪ ﯾﮑﻪ ﻣﺘﻌﺎﻣﺪ، v1 , v2 ,...., vn ﺑﺮاي ﺗﺒﺪﯾﻞ ﻣﺠﻤﻮﻋﻪ ﺑﺮدارﻫﺎي ﭘﺎﯾﻪ:ﻧﮑﺘﻪ
:ﻣﯽﮐﻨﯿﻢ
.ir
v
v v v u1
u =
1 1 v q 1 = v
u1
v
v v vT v v v
( 1 2) 1 u2
rs
2
u = v 2 − q v q q 2 = v
u2
M M
v
v v n −1
vT v v v
un = vm − ∑ ( qi vm ) qk qn = uv
un
ee
i =1 n
6-1 ﻣﺜﺎل
in :ﻣﺠﻤﻮﻋﻪ ﭘﺎﯾﻪ زﯾﺮ را ﺑﻪ ﭘﺎﯾﻪ ﯾﮑﻪ ﻣﺘﻌﺎﻣﺪ ﺗﺒﺪﯾﻞ ﻧﻤﺎﯾﯿﺪ
2 0 0
0 , 1 , 4
0 1 1
ng
2 v 2 1
v v u1 1
u1 = 0 , q1 = v = 0 = 0
0 u1 2 2
+ 0 + 0 0 0
le
0 01 0
v v vT v v
u2 = v2 − ( q1 v2 ) q1 = 1 − (1 0 0 ) 1 0 = 1
1 10 1
144244 3
ro
=0
v 0 0 0
v u2 1 1
q2 = v = 1 = 2 1 = 0.71
nt
u2 0 + 12 + 12 1 1 0.71
0 0 0 0 0 0
v v vT v v
u3 = v3 − ( q2 v3 ) q2 = 4 − ( 0 0.71 0.71) 4 0.71 = 4 − 2.5 = 1.5
co
1 1 0.71 1 2.5 −1.5
1444 424444 3
=3.5
v 0 0
v u 1
q3 = v3 = 1.5 = 0.33
u3 0 + (1.5 ) + ( −1.5 ) −1.5 −0.33
2 2
<
1
Orthogonal
2
Orthonormal
14 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
-3-3-1دﺳﺘﮕﺎهﻫﺎي ﻣﻌﺎدﻻت ﺧﻄﯽ:
دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺧﻄﯽ زﯾﺮ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ:
a11 x1 + a12 x2 + ... + a1n xn = b1
a x + a x + ... + a x = b
21 1 22 2 2n n 2
)(4-1
.ir
M
am1 x1 + am 2 x2 + ... + amn xn = bm
ﮐﻪ در آن bi ، aijو xiﻋﻨﺎﺻﺮ ﻣﯿﺪان Fﻓﺮض ﺷﺪهاﻧﺪ .اﯾﻦ ﻣﻌﺎدﻻت را ﻣﯽﺗﻮان ﺑﻪ ﻓﺮم ﻣﺎﺗﺮﯾﺴﯽ
rs
v v
Ax = b )(5-1
a11 a12 ... a1n x1 b1
ee
a21 a22 ... a2 n x2 = b2
M M O M M M
144424443
am1 am 2 ... amn xn bm
{ {
v v
Am×n xn×1
in bm×1
ﻧﯿﺰ ﻣﺮﺗﺐ ﻧﻤﻮد .ﺑﻪ ﺗﻌﺎرﯾﻒ زﯾﺮ ﺗﻮﺟﻪ ﮐﻨﯿﺪ:
-1ﻓﻀﺎي ﮔﺴﺘﺮه :ﻓﻀﺎﯾﯽ ﺷﺎﻣﻞ ﺗﻤﺎم ﺗﺮﮐﯿﺒﺎت ﺧﻄﯽ ﺳﺘﻮنﻫﺎي ﻣﺎﺗﺮﯾﺲ Aرا ﻓﻀﺎي ﮔﺴﺘﺮه 1ﻣﺎﺗﺮﯾﺲ Aﻣﯽﻧﺎﻣﻨﺪ.
ng
-2رﺗﺒﻪ ﯾﮏ ﻣﺎﺗﺮﯾﺲ :ﺑﻌﺪ ﻓﻀﺎي ﮔﺴﺘﺮه ﻣﺎﺗﺮﯾﺲ Aﮐﻪ ﺑﺮاﺑﺮ ﺑﺎ ﺣﺪاﮐﺜﺮ ﺗﻌﺪاد ﺑﺮدارﻫﺎي ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﺳﻄﺮ ﯾﺎ ﺳﺘﻮنﻫﺎي
ﻣﺎﺗﺮﯾﺲ Aﻣﯽﺑﺎﺷﺪ را رﺗﺒﻪ 2ﻣﺎﺗﺮﯾﺲ Aﻣﯽﻧﺎﻣﻨﺪ و آن را ﺑﺎ ) rank ( Aﻧﻤﺎﯾﺶ ﻣﯽدﻫﻨﺪ.
v v
-3ﻓﻀﺎي ﭘﻮﭼﯽ :ﻓﻀﺎﯾﯽ ﺷﺎﻣﻞ ﺗﻤﺎم ﺟﻮابﻫﺎي ﻣﻤﮑﻦ ﻣﻌﺎدﻟﻪ Ax = 0را ﻓﻀﺎي ﭘﻮﭼﯽ 3ﻣﺎﺗﺮﯾﺲ Aﻧﺎﻣﻨﺪ.
-4ﭘﻮﭼﯽ :ﺑﻌﺪ ﻓﻀﺎي ﭘﻮﭼﯽ ﻣﺎﺗﺮﯾﺲ Aرا ﭘﻮﭼﯽ 4ﻣﺎﺗﺮﯾﺲ Aﻧﺎﻣﻨﺪ و آن را ﺑﺎ ) nullity ( Aﻧﻤﺎﯾﺶ ﻣﯽدﻫﻨﺪ.
le
ﻧﮑﺘﻪ :ﺑﺮاي ﻫﺮ ﻣﺎﺗﺮﯾﺲ Aدارﯾﻢ:
ro
) rank ( A ) ≤ min ( m, n
ﻧﮑﺘﻪ :راﺑﻄﻪ ﺑﯿﻦ ) rank ( Aو ) nullity ( Aﺑﺎ ﺗﻌﺪاد ﺳﺘﻮنﻫﺎﯾﯽ ﺑﺮاﺑﺮ nﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ:
) nullity ( A ) = n − rank ( A
nt
ﻧﮑﺘﻪ :اﮔﺮ دﺗﺮﻣﯿﻨﺎن ﻣﺎﺗﺮﯾﺴﯽ ﻣﺨﺎﻟﻒ ﺻﻔﺮ ﺑﺎﺷﺪ ،ﻣﺎﺗﺮﯾﺲ داراي rank ( A ) = nﺑﻮده و آن را ﻣﺎﺗﺮﯾﺴﯽ ﺑﺎ رﺗﺒﻪ ﮐﺎﻣﻞ ﮔﻮﯾﻨﺪ.
ﻧﮑﺘﻪ :ﺑﺮاي ﺗﻌﯿﯿﻦ ) rank ( Aﻣﺎﺗﺮﯾﺴﯽ ﮐﻪ رﺗﺒﻪ ﮐﺎﻣﻞ ﻧﺪارد )داراي ﻧﻘﺺ رﺗﺒﻪ اﺳﺖ( اﺑﺘﺪا ﺑﺎ ﻋﻤﻠﯿﺎت ﺳﻄﺮي ﻣﻘﺪﻣﺎﺗﯽ ،ﻣﺎﺗﺮﯾﺲ
co
را ﺑﻪ ﻓﺮم ﭘﻠﮑﺎﻧﯽ اﻟﺤﺎﻗﯽ ﮐﺎﻫﺶﯾﺎﻓﺘﻪ ﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﯿﻢ.
ﻣﺜﺎل 7-1
ﺑﺮاي ﻣﺎﺗﺮﯾﺲﻫﺎي زﯾﺮ ) rank ( Aو ) nullity ( Aرا ﻣﺸﺨﺺ ﻧﻤﺎﯾﯿﺪ:
1
Range Space
2
Rank
3
Null Space
4
Nullity
ﺻﻔﺤﻪ 15
ﺶ اول :ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ س ﺮل ﺪرن
5 2 0
1) A = 1 5 8
1 0 0
ﺑﺮاي ﺗﻌﯿﯿﻦ ) rank ( Aاﺑﺘﺪا دﺗﺮﻣﯿﻨﺎن آن را ﻣﺤﺎﺳﺒﻪ ﻣﯽﮐﻨﯿﻢ:
.ir
5 2 0
2 0
×1 5 8 = ( −1) × 1
3+1
= 16 ≠ 0
5 8
1 0 0
rs
rank ( A ) = 3
→
nullity ( A ) = 3 − 3 = 0
ee
0 1 1 2
2) A = 1 2 3 4
2 0 2 0
ﺗﻌﺪاد ﺳﻄﺮ و ﺳﺘﻮن اﯾﻦ ﻣﺎﺗﺮﯾﺲ ﺑﺎﻫﻢ ﺑﺮاﺑﺮ ﻧﯿﺴﺖ ﺑﻨﺎﺑﺮاﯾﻦ ﻣﺎﺗﺮﯾﺲ ﻧﻤﯽﺗﻮاﻧﺪ رﺗﺒﻪ ﮐﺎﻣﻞ ﺑﺎﺷﺪ) .دﺗﺮﻣﯿﻨﺎن ﻗﻄﻌﺎً ﺻﻔﺮ اﺳﺖ (.ﺑﻨﺎﺑﺮاﯾﻦ ﻫﻢ ارز
in ﭘﻠﮑﺎﻧﯽ اﻟﺤﺎﻗﯽ ﮐﺎﻫﺶﯾﺎﻓﺘﻪ 1آن را ﺑﻪ دﺳﺖ ﻣﯽآورﯾﻢ:
0 1 1 2 1 2 3 4 1 2 3 4
R1 ↔ R2 −0.5 R3 + R1 ↔ R3
1 2 3 4 ←→ 0 1 1 2 ←→ 0 1 1 2
ng
2 0 2 0 2 0 2 0 0 2 2 4
1 2 3 4 1 0 1 0
−0.5 R3 + R2 ↔ R3 −2 R2 + R1 ↔ R1
←→ 0 1 1 2 ← →0 1 1 2
0 0 0 0 0 0 0 0
le
rank ( A ) = 2
→
nullity ( A ) = 4 − 2 = 2
ro
<
-4-3-1ﺑﺮدارﻫﺎي وﯾﮋه و ﻣﻘﺎدﯾﺮ وﯾﮋه:
دﺳﺘﮕﺎه ﻣﻌﺎدﻻت 4-1را ﺑﺎ ﺷﺮط ﻣﺮﺑﻌﯽ ﺑﻮدن ﻣﺎﺗﺮﯾﺲ ﺿﺮاﯾﺐ ﯾﻌﻨﯽ An×nدر ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ.
nt
ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﭘﻠﮑﺎﻧﯽ اﺳﺖ اﮔﺮ ﺗﻌﺪاد ﺻﻔﺮﻫﺎي ﺷﺮوع ﻫﺮ ﺳﻄﺮ آن ﻧﺴﺒﺖ ﺑﻪ ﺳﻄﺮ ﻗﺒﻞ ﺑﯿﺸﺘﺮ ﺑﺎﺷﺪ .ﻣﺜﺎل: A 1ﻣﺎﺗﺮﯾﺲ
1 2 3 4
co
A = 0 5 0 4
0 0 8 0
ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﭘﻠﮑﺎﻧﯽ ﮐﺎﻫﺶ ﯾﺎﻓﺘﻪ اﺳﺖ اﮔﺮ اوﻟﯿﻪ دراﯾﻪ ﺑﻌﺪ از ﻫﺮ ﺻﻔﺮ در ﺷﺮوع ﺳﻄﺮ ﻋﺪد ﯾﮏ ﺑﺎﺷﺪ .ﻣﺜﺎل: A ﻣﺎﺗﺮﯾﺲ
1 2 3 4
A = 0 1 0 4
0 0 1 0
ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﭘﻠﮑﺎﻧﯽ اﻟﺤﺎﻗﯽ ﮐﺎﻫﺶ ﯾﺎﻓﺘﻪ اﺳﺖ اﮔﺮ دﯾﮕﺮ دراﯾﻪ ﻫﺎي ﺳﺘﻮن ﺷﺎﻣﻞ اوﻟﯿﻦ ﻋﺪد ﯾﮏ در ﺷﺮوع ﺳﻄﺮ ﻫﻤﮕﯽ ﺻﻔﺮ ﺑﺎﺷﻨﺪ .ﻣﺜﺎل: A ﻣﺎﺗﺮﯾﺲ
1 1 0 7
A = 0 1 0 −6
0 0 1 1
ﺻﻔﺤﻪ 16
وه ﯽ ﺮل ﺪرن
a11 x1 + a12 x2 + ... + a1n xn = b1
a x + a x + ... + a x = b
21 1 22 2 2n n 2
M
an1 x1 + an 2 x2 + ... + ann xn = bn
v v
اﯾﻦ دﺳﺘﮕﺎه را ﻣﯽﺗﻮان ﺑﻪ ﺻﻮرت ﻧﮕﺎﺷﺘﯽ در ﻓﻀﺎي ¡ nدر ﻧﻈﺮ ﮔﺮﻓﺖ ﮐﻪ ﻫﺮ ﺑﺮدار xرا ﺑﻪ ﺑﺮدار bﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﺪ) .ﻣﯽﻧﮕﺎرد(
.ir
v
اﮔﺮ xﺗﺤﺖ ﻧﮕﺎﺷﺖ Aﺻﺮﻓﺎً ﺗﻐﯿﯿﺮ اﻧﺪازهاي ﺑﻪ ﻃﻮل λداﺷﺘﻪ ﺑﺎﺷﺪ) ،ﯾﻌﻨﯽ ﺗﺤﺖ ﻧﮕﺎﺷﺖ Aﺗﻨﻬﺎ اﻧﺪازهاش ﺗﻐﯿﯿﺮ ﮐﻨﺪ( ،دارﯾﻢ:
v v )(6-1
Ax = λ x
rs
ﺑﻨﺎﺑﺮاﯾﻦ:
v v v v v v
) Ax − λ x = 0 → ( A − λ I ) x = 0 → x ∈ Null Space ( A − λ I
v
ﺧﻮاﻫﺪ ﺑﻮد λi .را ﻣﻘﺎدﯾﺮ وﯾﮋه 1ﻣﺎﺗﺮﯾﺲ Aو xiﻫﺎ را ﺑﺮدار وﯾﮋه 2ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻣﻘﺪار وﯾﮋه λiﮔﻮﯾﻨﺪ.
ee
ﻣﻘﺎدﯾﺮ وﯾﮋه ﯾﮏ ﻣﺎﺗﺮﯾﺲ از راﺑﻄﻪ
∆ ( A) = λ I − A = 0 )(7-1
ﺑﻪ دﺳﺖ ﻣﯽآﯾﻨﺪ ﮐﻪ در آن ) ∆ ( Aﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ﻣﺎﺗﺮﯾﺲ A 3ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮد.
in ﻣﺜﺎل 8-1
ﻣﻘﺎدﯾﺮ وﯾﮋه ﻣﺎﺗﺮﯾﺲ زﯾﺮ را ﻣﺸﺨﺺ ﻧﻤﺎﯾﯿﺪ:
ng
5 2 0
A = 1 −1 1
1 0 0
le
ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ 6-1دارﯾﻢ:
1 0 0 5 2 0 λ 0 0 5 2 0 λ − 5 −2 0
∆ ( A ) = λ I − A = λ 0 1 0 − 1 −1 1 = 0
λ
0 − 1 −1 1 = −1 λ + 1 −1
ro
0 0 1 1 0 0 0 λ 1 0 0 −1 λ
0 0
λ + 1 −1 −1 −1
) = ( −1) ( λ − 5 ) + ( −1) ( −2 )= ( λ − 5 ) ( λ ( λ + 1) − 0 ) + 2 ( −λ − 1
1+1 1+ 2
123 λ 14243 −1 λ
nt
0
1 2
= ( λ − 5 ) ( λ + λ ) − 2λ − 2 = λ + λ 2 − 5λ 2 − 5λ − 2λ − 2 = λ 3 − 4λ 2 − 7λ − 2 = 0
2 3
λ1 = 5.37
co
λ2 = −1
λ = −0.37
3
<
ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺑﺮدارﻫﺎي وﯾﮋه ،ﺑﻪ ﺻﻮرت زﯾﺮ ﻋﻤﻞ ﻣﯽﮐﻨﯿﻢ:
اﻟﻒ( اﮔﺮ ﻣﺎﺗﺮﯾﺲ داراي ﻣﻘﺎدﯾﺮ وﯾﮋه ﺗﮑﺮاري ﻧﺒﺎﺷﺪ ،ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ 6-1ﺑﺮدارﻫﺎي وﯾﮋه را ﺑﻪ دﺳﺖ ﻣﯽآورﯾﻢ.
1
Eigen Value
2
Eigen Vector
3
Characteristic Equation
ﺻﻔﺤﻪ 17
ﺶ اول :ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ س ﺮل ﺪرن
ب( اﮔﺮ ﻣﺎﺗﺮﯾﺴﯽ داراي ﻣﻘﺪار وﯾﮋه ﺗﮑﺮاري λ1از درﺟﻪ ﺗﮑﺮار kﺑﺎﺷﺪ ،اﯾﻦ ﻣﺎﺗﺮﯾﺲ ﺣﺪاﻗﻞ ﯾﮏ و ﺣﺪاﮐﺜﺮ kﺑﺮدار وﯾﮋه ﻣﺴﺘﻘﻞ
v
ﺧﻄﯽ ﻣﺘﻨﺎﻇﺮ ﺑﺎ λ1ﺧﻮاﻫﺪ داﺷﺖ .ﺑﺮدارﻫﺎي وﯾﮋه ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﯾﻌﻨﯽ viﻫﺎ از راﺑﻄﻪ 6-1ﺑﻪ دﺳﺖ ﻣﯽآﯾﺪ α .ﺗﻌﺪاد ﺑﺮدار وﯾﮋه
ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﻣﺘﻨﺎﻇﺮ ﺑﺎ λ1ﺗﮑﺮاري از ﻣﺮﺗﺒﻪ kاز راﺑﻄﻪ زﯾﺮ ﺑﻪ دﺳﺖ ﻣﯽآﯾﺪ:
) α = k − rank ( λ1 I − A )(8-1
.ir
ﻣﺜﺎل 9-1
ﻣﻘﺎدﯾﺮ وﯾﮋه و ﺑﺮدارﻫﺎي وﯾﮋه ﻣﺎﺗﺮﯾﺲﻫﺎي زﯾﺮ را ﻣﺸﺨﺺ ﻧﻤﺎﯾﯿﺪ:
1 0 0
rs
1) A = 0 −2 12
0 1 −1
ee
ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﻣﻘﺎدﯾﺮ وﯾﮋه ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ 7-1دارﯾﻢ:
1 0 0 1 0 0 λ 0 0 1 0 0 λ −1 0 0
∆ ( A ) = λ I − A = λ 0 1 0 − 0 −2 12 = 0 λ 0 − 0 −2 12 = 0 λ + 2 −12
0 0 1 0 1 −1 0 0 λ 0 1 − 1 −1 λ + 1
)= ( −1) ( λ − 1
1+1 λ + 2 −12
in 0
) = ( λ − 1) ( ( λ + 2 )( λ + 1) − 12 ) = ( λ − 1) ( λ 2 + 3λ + 2 − 12
123 −1 λ + 1
ng
1
) = ( λ − 1) ( λ 2 + 3λ − 10 ) = ( λ − 1)( λ + 5 )( λ − 2
λ1 = −5
λ2 = 1
λ = 2
le
3
ﻣﻘﺎدﯾﺮ وﯾﮋه ﻏﯿﺮﺗﮑﺮاري اﺳﺖ ،ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺑﺮدارﻫﺎي وﯾﮋه ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ 6-1دارﯾﻢ:
1 0 0 x1 x1 x1 = −5 x1
ro
v v
λ1 = −5 → Ax1 = −3 x1 → 0 −2 12 x2 = −5 x2 → −2 x2 + 12 x3 = −5 x2
0 1 −1 x3 x3 x2 − x3 = −5 x3
x1 = −5 x1 x1 = 0 0
nt
v
→ x2 = −4 x3 → x2 = −4 → x1 = −4
x = 1 1
x2 = −4 x3 3
1 0 0 x1 x1 x1 = x1
co
v v
λ2 = 1 → Ax2 = x2 → 0 −2 12 x2 = x2 → −2 x2 + 12 x3 = x2
0 1 −1 x x x − x = x
3 3 2 3 3
x1 = x1 x1 = 1 1
v
→ 4 x2 = x3 → x2 = 0 → x2 = 0
x = 2x x = 0 0
2 3 3
ﺻﻔﺤﻪ 18
وه ﯽ ﺮل ﺪرن
1 0 0 x1 x1 x1 = 2 x1
v v
λ3 = 2 → Ax2 = −3 x2 → 0 −2 12 x2 = 2 x2 → −2 x2 + 12 x3 = 2 x2
0 1 −1 x x x − x = 2x
3 3 2 3 3
x1 = 2 x1 x1 = 0 0
v
→ x2 = 3 x3 → x2 = 3 → x2 = 3
.ir
x = 3x x = 1 1
2 3 3
0 1 0.5
2) A = 0 1 0
rs
2 −2 0
: دارﯾﻢ7-1 ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﻣﻘﺎدﯾﺮ وﯾﮋه ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ
ee
1 0 0 0 1 0.5 λ 0 0 0 1 0.5 λ −1 −0.5
∆ ( A) = λ I − A = λ 0 1 0 − 0 1 0 = 0 λ 0−0 1 0 = −1 λ − 1 0
0 0 1 2 −2 0 0 0 λ 2 −2 0 −2
λ
2
−1 λ − 1 λ −1
= ( −1) ( −0.5 ) + ( −1) ( λ ) = ( −0.5 )( −2 + 2λ − 2 ) + ( λ ) ( λ 2 − λ − 1)
3+1 3+ 3
123
1
−2 2
in
123
1
−1 λ − 1
= λ − λ − λ +1 = 0
3 2
ng
λ1,2 = 1 → k = 2
λ3 = −1
: دارﯾﻢ8-1 ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺑﺮدارﻫﺎي وﯾﮋه ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ،ﻣﻘﺎدﯾﺮ وﯾﮋه ﺗﮑﺮاري اﺳﺖ
α = 3 − rank (1I − A )
le
1 0 0 0 1 0.5 1 −1 −0.5
(1I − A ) = 0 1 0 − 0 1 0 = 0 0 0 → rank (1I − A ) = 1
1
0 0 1 2 −2 0 −2 2
ro
→ α = 3 −1 = 2
: ﺑﻪ ﺻﻮرت زﯾﺮ ﺑﻪ دﺳﺖ ﻣﯽآﯾﺪ6-1 دارﯾﻢ ﮐﻪ از راﺑﻄﻪλ = 1 ﺑﻨﺎﺑﺮاﯾﻦ دو ﺑﺮدار وﯾﮋه ﻣﺴﺘﻘﻞ ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻣﻘﺪار وﯾﮋه ﺗﮑﺮاري
0 1 0.5 v1 v1 v2 + 0.5v3 = v1
nt
v v
λ1,2 = 1 → Av1 = v1 → 0 1 0 v2 = v2 → v2 = v2
2 −2 0 v3 v3 2v1 − 2v2 = v3
co
v1 = 1 1
v
→ v2 = 0 → 2v1 = v3 → v2 = 0 → v1 = 0
v = 2 2
3
v1 = 0 0
v
→ v1 = 0 → 2v2 = −v3 → v2 = −1 → v2 = −1
v = 2 2
3
: دارﯾﻢ6-1 ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪλ3 = −1 ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺑﺮدار وﯾﮋه ﻣﺘﻨﺎﻇﺮ ﺑﺎ
19 ﺻﻔﺤﻪ
ﺶ اول :ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ س ﺮل ﺪرن
0 1 0.5 x1 x1 x2 + 0.5 x3 = − x1
v v
λ3 = 3 → Ax3 = x3 → 0 1 0 x2 = − x2 → x2 = − x2
2 −2 0 x3 x3 2 x1 − 2 x2 = − x3
x1 = 1 1
v
→ x2 = 0 → {2 x1 = − x3 → x2 = 0 → x3 = 0
.ir
x3 = −2 −2
0 1 0
3) A = −1 2 0
rs
1 0 1
ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﻣﻘﺎدﯾﺮ وﯾﮋه ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ 7-1دارﯾﻢ:
ee
1 0 0 0 1 0 λ 0 0 0 1 0 λ −1 0
∆ ( A ) = λ I − A = λ 0 1 0 − − 1 2 0 = 0 λ 0 − −1 2 0 = 1 λ − 2 0
0 0 1 1 0 1 0 0 λ 1 0 1 −1 λ −1
0
λ −1
)= ( −1) ( λ − 1
123
3+ 3
1
1 λ −2
in
)= ( λ − 1) ( λ ( λ − 2 ) + 1) = ( λ − 1) ( λ 2 − 2λ + 1) = ( λ − 1
3
λ1,2,3 = 1 → k = 3
ng
ﻣﻘﺎدﯾﺮ وﯾﮋه ﺗﮑﺮاري اﺳﺖ ،ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺑﺮدارﻫﺎي وﯾﮋه ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ 8-1دارﯾﻢ:
) α = 3 − rank (1I − A
1 0 0 0 1 0 1 −1 0
(1I − A ) = 0 1 0 − −1 2 0 = 1 −1 0 → rank (1I − A ) = 2
le
0 0 1 1 0 1 −1 0 0
→α = 3− 2 =1
ro
ﺑﻨﺎﺑﺮاﯾﻦ ﯾﮏ ﺑﺮدار وﯾﮋه ﻣﺴﺘﻘﻞ ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻣﻘﺪار وﯾﮋه ﺗﮑﺮاري λ = 1دارﯾﻢ ﮐﻪ از راﺑﻄﻪ 6-1ﺑﻪ ﺻﻮرت زﯾﺮ ﺑﻪ دﺳﺖ ﻣﯽآﯾﺪ:
0 1 0 v1 v1 v2 = v1
v v
λ1,2,3 = 1 → Av1 = v1 → −1 2 0 v2 = v2 → −v1 + 2v2 = v2
1 0 1 v v v + v = v
nt
3 3 1 3 3
v1 = 0 0
v1 = v2 v
→ → v2 = 0 → v1 = 0
v1 + v3 = v3
co
v = 1 1
3
<
-5-3-1ﻗﻄﺮي ﺳﺎزي ﻣﺎﺗﺮﯾﺲﻫﺎي ﻣﺮﺑﻌﯽ:
ﯾﮑﯽ از ﮐﺎرﺑﺮدﻫﺎي ﻣﻬﻢ ﻣﻘﺎدﯾﺮ وﯾﮋه و ﺑﺮدارﻫﺎي وﯾﮋه در ﻗﻄﺮي ﺳﺎزي ﻣﺎﺗﺮﯾﺲﻫﺎي ﻣﺮﺑﻌﯽ اﺳﺖ .ﺑﺮاي ﺗﺒﺪﯾﻞ ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﺑﻪ ﻓﺮم
ﻗﻄﺮي ﻣﻌﺎدل از راﺑﻄﻪ ﻫﻤﺎﻧﻨﺪي زﯾﺮ اﺳﺘﻔﺎده ﻣﯽﺷﻮد:
Λ = T −1 AT )(9-1
ﮐﻪ در آن Tﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ﻣﯽﺑﺎﺷﺪ.
ﺻﻔﺤﻪ 20
وه ﯽ ﺮل ﺪرن
اﻟﻒ( ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ﺑﺮاي ﻗﻄﺮي ﺳﺎزي ﻣﺎﺗﺮﯾﺴﯽ ﮐﻪ nﻣﻘﺪار وﯾﮋه ﻣﺘﻤﺎﯾﺰ داﺷﺘﻪ ﺑﺎﺷﺪ:
اﮔﺮ ﻣﻘﺎدﯾﺮ وﯾﮋه ﻣﺎﺗﺮﯾﺲ An×nﻣﺘﻤﺎﯾﺰ ﺑﺎﺷﻨﺪ؛ آﻧﮕﺎه دﻗﯿﻘﺎً nﺑﺮدار وﯾﮋه ﻣﺴﺘﻘﻞ ﺧﻄﯽ وﺟﻮد دارد ﮐﻪ ﻣﯽﺗﻮان ﺑﺎ اﺳﺘﻔﺎده از آن
v v v
ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ Tرا ﺑﻪ دﺳﺖ آورد .اﮔﺮ v1 , v2 ,..., vnﺑﺮدارﻫﺎي وﯾﮋه ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﺑﺮاي ﻣﺎﺗﺮﯾﺲ An×nﺑﺎﺷﻨﺪ ،ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ
Tﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽﮔﺮدد:
.ir
v v v
T = [ v1 ] v2 L vn )(10-1
ﺑﻪ اﯾﻦ ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ﮐﻪ ﻣﺎﺗﺮﯾﺲ An×nرا ﺑﻪ ﻓﺮم ﻗﻄﺮي
λ1 L 0 0
rs
M λ2 L 0
=Λ )(11-1
0 M O M
0 0 L λn
ee
ﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﺪ ،ﻣﺎﺗﺮﯾﺲ ﻣﺪال 1ﮔﻮﯾﻨﺪ.
ﻧﮑﺘﻪ :اﮔﺮ ﻣﺎﺗﺮﯾﺲ An×nﺑﻪ ﺻﻮرت راﺑﻄﻪ 14-1ﻗﻄﺮي ﺳﺎزي ﺷﺪه ﺑﺎﺷﺪ،
-1ﺑﺮاي ﻫﺮ ﻣﻘﺪار ﺻﺤﯿﺢ و ﻣﺜﺒﺖ kدارﯾﻢAk = T Λ k T −1 :
in
-2اﮔﺮ ﮐﻠﯿﻪ ﻋﻨﺎﺻﺮ ﻗﻄﺮي Λﺑﺎﺷﻨﺪ ،در اﯾﻦ ﺻﻮرت An×nﻣﻌﮑﻮس ﭘﺬﯾﺮ ﺑﻮده و دارﯾﻢA−1 = T Λ −1T −1 :
ﻣﺜﺎل 10-1
ng
ﻓﺮم ﻗﻄﺮي و ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ﻣﺎﺗﺮﯾﺲ زﯾﺮ را ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﯾﯿﺪ:
1 0 0
A = 0 −2 12
0 1 −1
le
ﺑﺎ اﺳﺘﻔﺎده از ﻣﺜﺎل 9-1دارﯾﻢ:
1 0 0 λ1 = −5
ro
A = 0 −2 12 → λ2 = 1
0 1 −1 λ = 2
3
0 1 0
nt
v v v
λ1 = −5 → x1 = −4 λ2 = 1 → x2 = 0 λ3 = 2 → x2 = 3
1 0 1
co
ﺑﻨﺎﺑﺮاﯾﻦ ﻣﺎﺗﺮﯾﺲ ﻣﺪال Tﮐﻪ ﻣﺎﺗﺮﯾﺲ Aرا ﺑﻪ ﻓﺮم ﻗﻄﺮي Λﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﺪ ﺑﺮاﺑﺮ ﺑﻮده
0 1 0 0 −0.1429 0.4286
−1
T = −4 0 3 → T = 1 0 0
1 0 1 0 0.1429 0.5714
و ﺑﺎ اﻋﻤﺎل ﺗﺒﺪﯾﻞ 9-1دارﯾﻢ:
1
Modal Matrix
ﺻﻔﺤﻪ 21
ﺶ اول :ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ س ﺮل ﺪرن
0 −0.1429 0.4286 1 0 0 0 1 0 −5 0 0
−1
Λ = T AT = 1 0 0 0 −2 12 −4 0 3 = 0 1 0
0 0.1429 0.5714 0 1 −1 1 0 1 0 0 2
ﺑﻪ ﮐﺪ زﯾﺮ ﺗﻮﺟﻪ ﮐﻨﯿﺪ:
]>> T=[0 1 0;-4 0 3;1 0 1
.ir
=T
010
-4 0 3
101
]>> A=[1 0 0;0 -2 12;0 1 -1
=A
rs
100
0 -2 12
0 1 -1
>> T^-1*A*T
= ans
ee
-5. 0000 0 -0. 0000
0 1. 0000 0
0 0 2. 0000
<
ب( ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ﺑﺮاي ﻗﻄﺮي ﺳﺎزي ﻣﺎﺗﺮﯾﺴﯽ ﮐﻪ ﻣﻘﺪار وﯾﮋه ﺗﮑﺮاري داﺷﺘﻪ ﺑﺎﺷﺪ:
اﮔﺮ ﻣﺎﺗﺮﯾﺴﯽ ﻣﻘﺎدﯾﺮ وﯾﮋه ﺗﮑﺮاري داﺷﺘﻪ ﺑﺎﺷﺪ ﻣﻤﮑﻦ اﺳﺖ ﮐﻪ ﻣﺠﻤﻮﻋﻪ ﮐﺎﻣﻠﯽ از nﺑﺮدار وﯾﮋه ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ ،ﻟﺬا در
in
اﯾﻦ ﺻﻮرت ﻧﻤﯽﺗﻮان آن را ﺑﺎ ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ 10-1ﻗﻄﺮي ﻧﻤﻮد و ﺑﺮاي ﮐﻤﺒﻮد ﺑﺮدارﻫﺎي وﯾﮋه ﺑﺎﯾﺪ ﺟﺎﯾﮕﺰﯾﻨﯽ ﻣﻨﺎﺳﺐ ﺑﻪ دﺳﺖ
آورد.
ng
ﻓﺮض ﮐﻨﯿﺪ ﻣﺎﺗﺮﯾﺲ An×nﯾﮏ ﻣﻘﺪار وﯾﮋه ﻣﮑﺮر ﻣﺮﺗﺒﻪ kﻣﺎﻧﻨﺪ λ1و ﺗﻌﺪادي ﻣﻘﺪار وﯾﮋه ﻣﺘﻤﺎﯾﺰ و ﻣﺘﻔﺎوت از λ1ﺑﻪ ﺻﻮرت
λk +1 ,...., λnداﺷﺘﻪ ﺑﺎﺷﺪ .در اﯾﻦ ﺻﻮرت ﻣﺎﺗﺮﯾﺲ An×nﺣﺪاﻗﻞ ﯾﮏ و ﺣﺪاﮐﺜﺮ kﺑﺮدار وﯾﮋه ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻣﻘﺎدﯾﺮ وﯾﮋه
ﺗﮑﺮاري λ1ﺧﻮاﻫﺪ داﺷﺖ .اﮔﺮ ) α = n − rank ( λ1 I − Aﺑﺎﺷﺪ ،ﺗﻌﺪاد αﺑﺮدار وﯾﮋه ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﻣﺘﻨﺎﻇﺮ ﺑﺎ اﯾﻦ ﻣﻘﺪار وﯾﮋه
le
v
ﻣﮑﺮر وﺟﻮد دارد و ﺑﺎﯾﺪ k − αﺑﺮدار دﯾﮕﺮ ﻣﺤﺎﺳﺒﻪ ﺷﻮﻧﺪ .اﯾﻦ ﺑﺮدارﻫﺎي اﺿﺎﻓﯽ φiﮐﻪ ﺑﺮدارﻫﺎي وﯾﮋه ﺗﻌﻤﯿﻢﯾﺎﻓﺘﻪ 1ﻧﺎم دارﻧﺪ از
راﺑﻄﻪ زﯾﺮ ﺑﻪ دﺳﺖ ﻣﯽآﯾﻨﺪ:
v v v
ro
Aφi = λiφi + vi
v v v
Aφ j = λiφ j + φi )(12-1
M
nt
در ﻫﻨﮕﺎم ﭼﯿﻨﺶ ﺑﺮدارﻫﺎي وﯾﮋه ﺗﻌﻤﯿﻢﯾﺎﻓﺘﻪ ،ﺑﺎﯾﺪ دﻗﺖ ﮐﺮد ﮐﻪ آنﻫﺎ ﺑﻪ ﺗﺮﺗﯿﺐ ﭘﺲ از ﺑﺮدار وﯾﮋه ﻣﺮﺑﻮﻃﻪ ﻗﺮار ﮔﯿﺮﻧﺪ .ﺑﺎ رﻋﺎﯾﺖ اﯾﻦ
ﻧﮑﺘﻪ ﻣﺎﺗﺮﯾﺲ ﻗﻄﺮي ﻓﺮم ﺑﻠﻮﮐﯽ زﯾﺮ را ﺧﻮاﻫﺪ داﺷﺖ:
J1
co
J2 0
O
Λ= )(13-1
λk +1
0 O
λ0
1
Generalized Eigen Vector
ﺻﻔﺤﻪ 22
وه ﯽ ﺮل ﺪرن
ﮐﻪ ﺑﻪ آن ﻓﺮم ﮐﺎﻧﻮﻧﯿﮑﺎل ﺟﺮدن 1ﮔﻮﯾﻨﺪ .در اﯾﻦ ﻓﺮم J iﺑﻠﻮك ﺟﺮدن ﻣﻌﺎدل ﻣﻘﺪار وﯾﮋه ﺗﮑﺮاري λiﺑﺎ درﺟﻪ ﺗﮑﺮار mاﺳﺖ:
λi 1 L 0
0 λ O M
Ji = )(14-1
i
M O O 1
0 L 0 λi m×m
.ir
ﺧﻮاص ﺑﻠﻮكﻫﺎي ﺟﺮدن ﺑﻪ ﺷﺮح زﯾﺮ اﺳﺖ:
-1ﮐﻠﯿﻪ ﻋﻨﺎﺻﺮ روي ﻗﻄﺮ اﺻﻠﯽ ﻣﺎﺗﺮﯾﺲ ﻣﻘﺎدﯾﺮ وﯾﮋه ﻣﺎﺗﺮﯾﺲ Aﻫﺴﺘﻨﺪ.
rs
-2ﮐﻠﯿﻪ ﻋﻨﺎﺻﺮ زﯾﺮ ﻗﻄﺮ اﺻﻠﯽ ﺻﻔﺮ ﻫﺴﺘﻨﺪ.
-3ﻋﻨﺎﺻﺮ ﺑﺎﻻي ﻗﻄﺮ اﺻﻠﯽ ﯾﮏ ﯾﺎ ﺻﻔﺮ ﻫﺴﺘﻨﺪ.
-4ﺗﻌﺪاد ﺑﻠﻮكﻫﺎي ﺟﺮدن ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﯾﮏ ﻣﻘﺪار وﯾﮋه دادهﺷﺪه ﻣﺜﻞ ، λiﺑﺮاﺑﺮ ﺑﺎ ﺗﻌﺪاد ﺑﺮدارﻫﺎي وﯾﮋه ﻣﺴﺘﻘﻞ ﺧﻄﯽ ﻣﺘﻨﺎﻇﺮ ﺑﺎ آن ﻣﻘﺪار
ee
وﯾﮋه اﺳﺖ.
ﻣﺜﺎل 11-1
in ﻓﺮم ﻗﻄﺮي و ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ﻣﺎﺗﺮﯾﺲﻫﺎي زﯾﺮ را ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﯾﯿﺪ:
2 1 1
1) A = 1 2 1
0 0 1
ng
ﺑﺎ اﺳﺘﻔﺎده از ﻣﺜﺎل 9-1دارﯾﻢ:
0 1 0.5
λ1,2 = 1 → k = 2
A = 0 1 0 →
2 −2 0 λ3 = −1
le
α = 3 −1 = 2
1 0
v v
ro
λ1,2 = 1 → v1 = 0 , v2 = −1
2 2
ﻫﻤﭽﻨﯿﻦ:
nt
1
v
λ3 = 3 → x3 = 0
−2
co
ﺑﻨﺎﺑﺮاﯾﻦ ﻣﺎﺗﺮﯾﺲ ﻣﺪال Tﮐﻪ ﻣﺎﺗﺮﯾﺲ Aرا ﺑﻪ ﻓﺮم ﻗﻄﺮي Λﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﺪ ﺑﺮاﺑﺮ ﺑﻮده
1 0 1 0.5 0.5 0.25
−1
T = 0 −1 0 → T = 0 −1 0
2 2 −2 0.5 −0.5 −0.25
و ﺑﺎ اﻋﻤﺎل ﺗﺒﺪﯾﻞ 9-1دارﯾﻢ:
1
Jordan Canonical Form
ﺻﻔﺤﻪ 23
ﯾﺎدآوری ﺒﺎ ﯽ اﺻ ﯽ س ﺮل ﺪرن:ﺶ اول
0.5 0.5 0.25 0 1 0.5 1 0 1 1 0 0
−1
Λ = T AT = 0 −1 0 0 1 0 0 −1 0 = 0 1 0
0.5 −0.5 −0.25 2 −2 0 2 2 −2 0 0 −1
:ﺑﻪ ﮐﺪ زﯾﺮ ﺗﻮﺟﻪ ﮐﻨﯿﺪ
>> A=[1 0 0;0 -2 12;0 1 -1]
.ir
A=
100
0 -2 12
0 1 -1
>> T=[0 1 0;-4 0 3;1 0 1]
T=
rs
010
-4 0 3
101
>> T^-1*A*T
ans =
ee
-5. 0000 0 -0. 0000
0 1. 0000 0
0 0 2. 0000
0 1 0
2) A = −1 2 0 in
1 0 1
: دارﯾﻢ9-1 ﺑﺎ اﺳﺘﻔﺎده از ﻣﺜﺎل
ng
0 1 0
A = −1 2 0 → λ1,2,3 = 1 → k = 3
1 0 1
α = 3−2 =1
le
0
v
λ1,2,3 = 1 → v1 = 0
1
ro
: دارﯾﻢ12-1 ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ. ﺑﺮدار وﯾﮋه ﺗﻌﻤﯿﻢﯾﺎﻓﺘﻪ ﺑﺮاي آن ﺑﺎﯾﺪ ﻣﺤﺎﺳﺒﻪ ﮔﺮدد2 و
0 1 0 φ1 φ1 0 φ2 = φ1
φ2 = φ1
nt
− 1 2 0 φ
= 1. φ +
0 → −φ + 2φ = φ →
φ 1 φ + φ = φ + 1 φ1 = 1
2 2 1 2 2
1 0 1 φ
3 3 1 3 3
1
v
co
→ φ1 = 1
0
0 1 0 φ1 φ1 1 φ2 = φ1 + 1 φ1 = 0
−1 2 0 φ2 = 1. φ2 + 1 → −φ1 + 2φ2 = φ2 + 1 → φ2 = 1
1 0 1 φ3 φ3 0 φ1 + φ3 = φ3 φ3 = 0
24 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
0
v
→ φ2 = 1
0
ﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﺪ ﺑﺮاﺑﺮ ﺑﻮدهΛ را ﺑﻪ ﻓﺮم ﻗﻄﺮيA ﮐﻪ ﻣﺎﺗﺮﯾﺲT ﺑﻨﺎﺑﺮاﯾﻦ ﻣﺎﺗﺮﯾﺲ ﻣﺪال
0 1 0 0 0 1
.ir
−1
T = 0 1 1 → T = 1 0 0
1 0 0 −1 1 0
: دارﯾﻢ9-1 و ﺑﺎ اﻋﻤﺎل ﺗﺒﺪﯾﻞ
rs
0 0 1 0 1 00 1 0 1 1 0
−1
Λ = T AT = 1 0 0 −1 2 0 0 1 1 = 0 1 0
−1 1 0 1 0 1 1 0 0 0 0 1
ee
:ﺑﻪ ﮐﺪ زﯾﺮ ﺗﻮﺟﻪ ﮐﻨﯿﺪ
>> T=[0 1 0;0 1 1;1 0 0]
T=
010
011
100
>> A=[0 1 0;-1 2 0;1 0 1]
A=
in
010
-1 2 0
ng
101
>> T^-1*A*T
ans =
110
011
001
<
le
ro
nt
co
25 ﺻﻔﺤﻪ
co
nt
ro
le
:ﺶ دوم
ng
in
ﻘﺪ ای ﺮل ﺪرن
ee
rs
.ir
وه ﯽ ﺮل ﺪرن
3ﺑﺨﺶ دوم :ﻣﻘﺪﻣﻪاي ﺑﺮ ﮐﻨﺘﺮل ﻣﺪرن (2
-1-2ﻣﻘﺪﻣﻪ:
در ﺑﺴﯿﺎري از ﻣﻮارد اﮔﺮ ﺑﺨﻮاﻫﯿﻢ ﮐﻤﯿﺘﯽ ﻓﯿﺰﯾﮑﯽ را ﻧﺰدﯾﮏ ﺑﻪ ﻣﻘﺪار ﻣﻄﻠﻮﺑﯽ ﻧﮕﻪدارﯾﻢ ،ﻧﯿﺎز ﺑﻪ ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮل ﺧﻮدﮐﺎر ﺧﻮاﻫﯿﻢ
.ir
داﺷﺖ .اﮔﺮ ﻣﻘﺪار ﻣﻄﻠﻮب ﺛﺎﺑﺖ ﺑﺎﺷﺪ ،ﻫﺪف ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮل ،ﺗﻨﻈﯿﻢ 1ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮد و اﮔﺮ اﯾﻦ ﻣﻘﺪار ﻣﻄﻠﻮب ﺑﺎ زﻣﺎن ﺗﻐﯿﯿﺮ ﮐﻨﺪ،
اﯾﻦ ﻫﺪف ﮐﻨﺘﺮﻟﯽ را ﺗﻌﻘﯿﺐ 2ﻣﯽﻧﺎﻣﯿﻢ .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﮐﻨﺘﺮل دور ﻫﺎرددﯾﺴﮏ ﮐﺎﻣﭙﯿﻮﺗﺮ ،ﻣﯿﺰان رﻃﻮﺑﺖ ﻣﻮﺟﻮد در ﻣﺨﻠﻮط ﺧﻤﯿﺮ
rs
ﮐﺎﻏﺬ در ﺻﻨﺎﯾﻊ ﮐﺎﻏﺬﺳﺎزي و ﯾﺎ ﻏﻠﻈﺖ ﻣﻮاد ﺧﺮوﺟﯽ از ﯾﮏ رآﮐﺘﻮر ﺷﯿﻤﯿﺎﯾﯽ ،ﻣﺜﺎلﻫﺎي ﺻﻨﻌﺘﯽ از ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮﻟﯽ ﻣﯽﺑﺎﺷﻨﺪ.
از ﻃﺮف دﯾﮕﺮ ﺣﺮﮐﺖ ﺑﺎزوي ﯾﮏ رﺑﺎت ﺑﺮاي ﻃﯽ ﻣﺴﯿﺮ ﻣﺸﺨﺼﯽ در ﻓﻀﺎ ﺑﻪ ﻣﻨﻈﻮر ﺟﻮﺷﮑﺎري ،ﮐﻨﺘﺮل ﭘﺮواز ﻫﻮاﭘﯿﻤﺎ ﯾﺎ ﻣﻮﺷﮏ در
ﻣﺴﯿﺮ ﻣﻮرد ﻧﻈﺮ و ﯾﺎ ﺗﻌﻘﯿﺐ ﻫﺪف ﻣﺘﺤﺮك ﺗﻮﺳﻂ رادار ﯾﺎ ﺗﻠﺴﮑﻮپ ﻣﺜﺎلﻫﺎﯾﯽ از ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ﺗﻌﻘﯿﺐ ﯾﺎ ﺳﯿﺴﺘﻢﻫﺎي ﺳﺮو
ee
ﻣﯽﺑﺎﺷﺪ.
ﭼﻬﺎر دﻟﯿﻞ ﻋﻤﺪه اﺳﺘﻔﺎده از ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل را ﻣﯽﺗﻮان ﻋﻤﻠﮑﺮد ،ﻣﺴﺎﺋﻞ اﻗﺘﺼﺎدي و ﺳﻮدآوري ﺗﻮﻟﯿﺪ ،اﻣﻨﯿﺖ ﮐﺎرﺑﺮ و ﻗﺎﺑﻠﯿﺖ
اﻃﻤﯿﻨﺎن ﻧﺎم ﺑﺮد .ﺑﺴﯿﺎري از ﺳﯿﺴﺘﻢ ﻫﺎ ﺑﻪ ﻋﻤﻠﮑﺮد ﻣﻨﺎﺳﺐ ﻧﺨﻮاﻫﻨﺪ رﺳﯿﺪ ﻣﮕﺮ از ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮل ﻣﻨﺎﺳﺐ در آنﻫﺎ اﺳﺘﻔﺎده ﮔﺮدد.
in
دﻗﺖ ﻋﻤﻠﮑﺮد ﯾﮏ رﺑﺎت ﺗﻮﺳﻂ ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮل آن ﺗﺄﻣﯿﻦﺷﺪه ،در ﮐﻠﯿﻪ ﻓﺮآﯾﻨﺪﻫﺎي ﺗﻮﻟﯿﺪي ،ﻧﯿﺮوﮔﺎهﻫﺎ و ﭘﺎﻻﯾﺸﮕﺎهﻫﺎ ،ﺳﯿﺴﺘﻢﻫﺎي
ﮐﻨﺘﺮل ،ﮐﯿﻔﯿﺖ ﻣﻨﺎﺳﺐ ﻣﺤﺼﻮﻻت را اﯾﺠﺎد ﻣﯽﮐﻨﻨﺪ.
ng
ﻣﺴﺎﺋﻞ اﻗﺘﺼﺎدي و ﺑﻬﺮه وري ﻣﻨﺎﺳﺐ ﻧﯿﺰ دﻟﯿﻞ ﻋﻤﺪه دﯾﮕﺮ اﺳﺘﻔﺎده از ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل در ﺻﻨﻌﺖ ﻣﯽﺑﺎﺷﺪ .اﯾﻦ اﻣﺮ ﺑﻪ ﺧﺼﻮص
در ﻓﺮآﯾﻨﺪﻫﺎي ﺗﻮﻟﯿﺪي ﺑﺴﯿﺎر ﺣﺎﺋﺰ اﻫﻤﯿﺖ اﺳﺖ .ﺳﺮﻋﺖ ﺗﻮﻟﯿﺪ ﺑﻪ ﻫﻤﺮاه رﺳﯿﺪن ﺑﻪ ﮐﯿﻔﯿﺖ ﻣﻨﺎﺳﺐ و ﺿﺎﯾﻌﺎت ﺣﺪاﻗﻞ ،ﻋﻮاﻣﻞ ﺑﺴﯿﺎر
ﻣﻬﻢ اﻗﺘﺼﺎدي اﺳﺖ ﮐﻪ ﺗﻮﺳﻂ ﺳﯿﺴﺘﻢﻫﺎي اﺗﻮﻣﺎﺳﯿﻮن و ﮐﻨﺘﺮل ﻗﺎﺑﻞدﺳﺘﺮﺳﯽ اﺳﺖ .اﻣﻨﯿﺖ ﮐﺎرﺑﺮ ﻧﯿﺰ دﻟﯿﻞ دﯾﮕﺮ اﺳﺘﻔﺎده از
le
ﺳﯿﺴﺘﻤﻬﺎي ﮐﻨﺘﺮل ﻣﯽﺑﺎﺷﺪ .ﻫﻮاﭘﯿﻤﺎ ﺗﻨﻬﺎ ﺗﻮﺳﻂ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل و اﻣﻨﯿﺘﯽ دﻗﯿﻖ ،ﻗﺎدر ﺑﻪ ﻓﺮود در ﺣﺪاﻗﻞ دﯾﺪ ﻣﯽﺑﺎﺷﺪ.
ﯾﮏ ﻧﯿﺮوﮔﺎه ﻫﺴﺘﻪاي ﺗﻨﻬﺎ در ﺻﻮرت وﺟﻮد ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل و اﻣﻨﯿﺘﯽ دﻗﯿﻖ ﻗﺎدر ﺑﻪ ﺗﻮﻟﯿﺪ اﻧﺮژي ﺑﻪ ﺻﻮرت ﮐﺎﻣﻼً اﯾﻤﻦ ﺧﻮاﻫﺪ
ﺑﻮد .ﻣﺴﺎﻟﻪ آﺧﺮ ﮐﻪ در اﯾﻨﺠﺎ ﻣﯽﺗﻮان ﺑﻪ آن اﺷﺎره ﻧﻤﻮد ،درﺟﻪ اﻃﻤﯿﻨﺎن ﺑﯿﺸﺘﺮ در ﻣﺤﺼﻮﻻت ﺗﻮﻟﯿﺪي اﺳﺖ ﮐﻪ ﺗﻮﺳﻂ ﺳﯿﺴﺘﻢﻫﺎي
ro
ﮐﻨﺘﺮل ﺗﻨﻈﯿﻢ ﻣﯽﺷﻮﻧﺪ .ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ،ﺗﻐﯿﯿﺮات ﺳﺮﯾﻊ ﮐﻤﯿﺖﻫﺎي ﻓﯿﺰﯾﮑﯽ در ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ﺷﺪه را ﺑﻪ ﺣﺪاﻗﻞ
ﻣﯽرﺳﺎﻧﻨﺪ ،ﻣﻮﺿﻮﻋﯽ ﮐﻪ ﺑﻪ ﺻﻮرت ﻃﺒﯿﻌﯽ ﺑﺎﻋﺚ اﻓﺰاﯾﺶ ﻗﺎﺑﻠﯿﺖ اﻃﻤﯿﻨﺎن ﺳﯿﺴﺘﻢ ﻣﯽﺷﻮد.
nt
-2-2ﻋﻨﺎﺻﺮ ﻓﯿﺰﯾﮑﯽ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل:
co
ﺷﮑﻞ زﯾﺮ ﻋﻨﺎﺻﺮ ﻓﯿﺰﯾﮑﯽ ﯾﮏ ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮل را ﺑﻪ ﺻﻮرت ﻋﻤﻮﻣﯽ ﻧﺸﺎن ﻣﯽدﻫﺪ .ﻓﺮآﯾﻨﺪ ،ﺑﻪ ﺳﯿﺴﺘﻤﯽ ﮐﻪ ﺗﺤﺖ ﮐﻨﺘﺮل ﻗﺮارﮔﺮﻓﺘﻪ
اﻃﻼق ﻣﯽﺷﻮد .در اﯾﻦ ﺻﻮرت ﯾﮏ ﻫﻮاﭘﯿﻤﺎ ﻧﯿﺰ ﻣﯽﺗﻮاﻧﺪ ﻓﺮآﯾﻨﺪ ﺗﺤﺖ ﮐﻨﺘﺮل ﻧﺎﻣﯿﺪه ﺷﻮد .ﻓﺮآﯾﻨﺪ داراي ﻣﺘﻐﯿﺮﻫﺎي ﺧﺮوﺟﯽ
ﻣﯽﺑﺎﺷﺪ ﮐﻪ ﺑﺮﺧﯽ از آنﻫﺎ ﺗﺤﺖ ﮐﻨﺘﺮل ﻗﺮار دارﻧﺪ .اﯾﻦ ﮐﻤﯿﺖﻫﺎ ﺗﻮﺳﻂ ﺳﻨﺴﻮرﻫﺎ 3اﻧﺪازهﮔﯿﺮي ﻣﯽﺷﻮﻧﺪ .ﯾﮏ ﺳﻨﺴﻮر ﻣﻌﻤﻮﻻً ﯾﮏ
1
Regulation
2
Tracking
3
Sensor
ﺻﻔﺤﻪ 27
ﺶ دوم :ﻘﺪ ای ﺮل ﺪرن
ﻣﺒﺪل 1ﻣﯽﺑﺎﺷﺪ ﮐﻪ ﺗﻮﺳﻂ آن ﮐﻤﯿﺖ ﻓﯿﺰﯾﮑﯽ ﻣﻮرد ﻧﻈﺮ ﺑﻪ ﺻﻮرت ﺗﻨﺎﺳﺒﯽ ﺑﻪ ﮐﻤﯿﺖ ﻓﯿﺰﯾﮑﯽ دﯾﮕﺮي )ﻣﻌﻤﻮﻻً اﻟﮑﺘﺮﯾﮑﯽ( ﺗﺒﺪﯾﻞ
ﻣﯽﺷﻮد .ﺗﺎﮐﻮﻣﺘﺮ ،ﺷﺘﺎب ﺳﻨﺞ ،ﺗﺮﻣﻮﮐﻮﭘﻞ ،اﺳﺘﺮﯾﻦ ﮔﯿﺞ و اﻧﺪازه ﮔﯿﺮ PHاز ﺟﻤﻠﻪاﯾﻦ ﻣﺒﺪلﻫﺎ ﻣﯽﺑﺎﺷﻨﺪ.
.ir
rs
ﺷﮑﻞ :1-2ﺑﻠﻮك دﯾﺎﮔﺮام ﮐﻨﺘﺮﻟﯽ
ﻫﻤﭽﻨﯿﻦ ﯾﮏ ﻓﺮآﯾﻨﺪ داراي ﻣﺘﻐﯿﺮﻫﺎي ورودي ﻣﯽﺑﺎﺷﺪ ﮐﻪ در واﻗﻊ ﺑﺎ ﺗﺄﺛﯿﺮﮔﺬاري ﺑﺮ روي ﻓﺮآﯾﻨﺪ ،ﮐﻤﯿﺖ ﺧﺮوﺟﯽ را ﺗﻐﯿﯿﺮ
ee
ﻣﯽدﻫﻨﺪ .ﻋﻨﺎﺻﺮي ﮐﻪ ﻣﺘﻐﯿﺮﻫﺎي ورودي را اﯾﺠﺎد ﻣﯽﮐﻨﻨﺪ ،ﻋﻤﻠﮕﺮﻫﺎ 2ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮﻧﺪ .ﻋﻤﻠﮕﺮﻫﺎي ﻫﯿﺪروﻟﯿﮑﯽ ،ﻧﯿﻮﻣﺎﺗﯿﮑﯽ ،اﻧﻮاع
ﻣﻮﺗﻮرﻫﺎي اﻟﮑﺘﺮﯾﮑﯽ ،ﻣﻨﺎﺑﻊ وﻟﺘﺎژ ﻣﺘﻐﯿﺮ و ﺷﯿﺮﻫﺎي ﮐﻨﺘﺮﻟﯽ از ﺟﻤﻠﻪ ﻋﻤﻠﮕﺮﻫﺎي ﻣﺘﺪاول ﺻﻨﻌﺘﯽ ﻣﯽﺑﺎﺷﻨﺪ.
ﮐﻨﺘﺮلﮐﻨﻨﺪه وﻇﯿﻔﻪ اﺟﺮاي راﻫﺒﺮد ﮐﻨﺘﺮل را ﺑﺮ روي ﻓﺮآﯾﻨﺪ ﺑﺮ ﻋﻬﺪه داﺷﺘﻪ و اﯾﻦ ﻋﻤﻞ را از ﻃﺮﯾﻖ ﻋﻤﻠﮕﺮﻫﺎ و ﺑﺎ درﯾﺎﻓﺖ اﻃﻼﻋﺎت
in
ﺳﻨﺴﻮرﻫﺎ اﻧﺠﺎم ﻣﯽدﻫﺪ .ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎ ﻣﯽﺗﻮاﻧﻨﺪ آﻧﺎﻟﻮگ و ﺑﻪ ﺻﻮرت ﻧﯿﻮﻣﺎﺗﯿﮑﯽ ،اﻟﮑﺘﺮﯾﮑﯽ و ﯾﺎ اﻟﮑﺘﺮوﻧﯿﮑﯽ ﺑﻮده و ﯾﺎ ﺑﻪ ﺻﻮرت
دﯾﺠﯿﺘﺎل و ﺗﻮﺳﻂ ﮐﺎﻣﭙﯿﻮﺗﺮ و ﭘﺮدازﺷﮕﺮﻫﺎي ﻋﺪدي ﭘﯿﺎدهﺳﺎزي ﺷﻮﻧﺪ ﮐﻪ در اﯾﻦ ﺣﺎﻟﺖ ﺗﻮﺳﻂ ﻣﺒﺪلﻫﺎي A/Dو D/Aﺑﻪ ﻓﺮآﯾﻨﺪ
ng
ﻣﺘﺼﻞ ﻣﯽﺷﻮﻧﺪ .راﺑﻂ ﮐﺎرﺑﺮد و ﻣﺎﺷﯿﻦ در واﻗﻊ ﭘﻨﺠﺮهاي اﺳﺖ ﮐﻪ ﺑﻪ ﻓﺮآﯾﻨﺪ ﻣﺘﺼﻞ ﻣﯽﺷﻮﻧﺪ .راﺑﻂ ﮐﺎرﺑﺮ و ﻣﺎﺷﯿﻦ در واﻗﻊ
ﭘﻨﺠﺮهاي اﺳﺖ ﮐﻪ ﻓﺮآﯾﻨﺪ ﻣﻮرد ﻧﻈﺮ را ﻣﺎﻧﯿﺘﻮر ﮐﺮده و اﺟﺰاي ﺗﻨﻈﯿﻢﮐﻨﻨﺪهﻫﺎي ﮐﻨﺘﺮل ﮐﻨﻨﺪهﻫﺎ و ﻫﻤﭽﻨﯿﻦ ﮐﻤﯿﺎت ﻣﻮرد ﻧﻈﺮ
ﻓﺮآﯾﻨﺪ را ﮐﻪ ﻋﻤﻠﮑﺮد ﺳﯿﺴﺘﻢ را ﻣﺸﺨﺺ ﻣﯽﻧﻤﺎﯾﻨﺪ ،در اﺧﺘﯿﺎر ﮐﺎرﺑﺮ ﻗﺮار ﻣﯽدﻫﺪ .در اﯾﻦ واﺣﺪ ،اﻃﻼﻋﺎت ﺳﻨﺴﻮرﻫﺎ و ﻋﻤﻠﮕﺮﻫﺎ
le
ﻣﺎﻧﯿﺘﻮر ﺷﺪه و ﮐﻤﯿﺖﻫﺎي ﻣﻬﻢ و ﻗﺎﺑﻞ ﺗﻨﻈﯿﻢ ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎ ﺟﻬﺖ اﺳﺘﻔﺎده و ﺗﻨﻈﯿﻢ ﮐﺎرﺑﺮ در اﺧﺘﯿﺎر او ﻗﺮار ﻣﯽﮔﯿﺮد .اﻧﻮاع
ﻧﺸﺎﻧﮕﺮﻫﺎ 3در اﯾﻦ ﻗﺴﻤﺖ ﻗﺮار ﻣﯽﮔﯿﺮﻧﺪ .اﯾﻦ ﻧﺸﺎﻧﮕﺮﻫﺎ ،ﻣﯽﺗﻮاﻧﻨﺪ ﺷﺎﻣﻞ ﻣﺎﻧﯿﺘﻮرﻫﺎي ﻣﺨﺘﻠﻒ ﮐﺎﻣﭙﯿﻮﺗﺮي ﺑﺎﺷﻨﺪ ﮐﻪ ﺗﻮﺳﻂ ﻧﺮماﻓﺰار،
ارﺗﺒﺎط ﻻزم ﺑﺎ ﺳﯿﺴﺘﻢ را اﯾﺠﺎد ﻣﯽﮐﻨﺪ.
ro
-3-2ﻋﻨﺎﺻﺮ ﻣﻔﻬﻮﻣﯽ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل:
ﺷﮑﻞ زﯾﺮ ﻧﻤﺎﯾﺶ ﻣﻔﻬﻮﻣﯽ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ﻣﯽﺑﺎﺷﺪ:
nt
d
yd u
co
C P y
S n
ym
ﺷﮑﻞ :2-2ﻧﻤﺎﯾﺶ ﻣﻔﻬﻮﻣﯽ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل
1
Transducer
2
Actuators
3
Gauges
ﺻﻔﺤﻪ 28
وه ﯽ ﺮل ﺪرن
در اﯾﻦ ﻧﻤﺎﯾﺶ Pﻧﻤﺎﯾﺶ دﻫﻨﺪ ﻓﺮآﯾﻨﺪ اﺳﺖ ﮐﻪ ﺗﻮﺳﻂ ﻣﺪل رﯾﺎﺿﯽ آن ﺗﻌﯿﯿﻦ ﻣﯽﺷﻮد .ﺧﺮوﺟﯽ ﻓﺮآﯾﻨﺪ yوروديﻫﺎي آن dو
uﻣﯽﺑﺎﺷﻨﺪ ﮐﻪ ﮐﻠﯿﻪ اﯾﻦ ﮐﻤﯿﺖﻫﺎ ﺑﻪ ﺻﻮرت ﺑﺮداري در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﯽﺷﻮﻧﺪ u .ورودي ﮐﻨﺘﺮل و dورودي اﻏﺘﺸﺎش ﻓﺮآﯾﻨﺪ
ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮد .ﺳﻨﺴﻮرﻫﺎ ﻧﯿﺰ ﺑﺎ ﻧﻤﺎد رﯾﺎﺿﯽ Sﻧﺸﺎن دادهﺷﺪه اﺳﺖ ﮐﻪ در اﺛﺮ اﻧﺪازهﮔﯿﺮي ﻣﺘﻐﯿﺮﻫﺎي ﺧﺮوﺟﯽ ﻓﺮآﯾﻨﺪ yﺗﺤﺖ
ﻧﻮﯾﺰ اﻧﺪازهﮔﯿﺮي ، nﻣﻘﺪار اﻧﺪازهﮔﯿﺮي ﺷﺪه ymرا ﺗﻮﻟﯿﺪ ﻣﯽﮐﻨﺪ .ﮐﻨﺘﺮلﮐﻨﻨﺪه را ﺑﺎ Cﻧﻤﺎﯾﺶ دادهاﯾﻢ ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از اﻃﻼﻋﺎت
.ir
ﺧﺮوﺟﯽﻫﺎي اﻧﺪازهﮔﯿﺮي ﺷﺪه ymو راﻫﺒﺮد ﮐﻨﺘﺮل از ﭘﯿﺶ ﺗﻌﯿﯿﻦﺷﺪه ،ﻓﺮﻣﺎن ﮐﻨﺘﺮل uرا ﺗﻮﺳﻂ ﻋﻤﻠﮕﺮﻫﺎ اﯾﺠﺎد ﻣﯽﮐﻨﺪ .در اﯾﻦ
ﻧﻤﺎﯾﺶ ﻋﻤﻠﮕﺮﻫﺎ ﺟﺰﺋﯽ از ﻓﺮآﯾﻨﺪ دﯾﺪه ﺷﺪهاﻧﺪ.
rs
-4-2ﻓﺮآﯾﻨﺪ ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه:
ﻫﺪف از ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه اﯾﻦ اﺳﺖ ﮐﻪ ﻋﻠﯿﺮﻏﻢ وﺟﻮد اﻏﺘﺸﺎﺷﺎت ، dﻧﻮﯾﺰ اﻧﺪازهﮔﯿﺮي ، nﻋﺪم دﻗﺖ در ﻣﺪلﺳﺎزي ymو
ee
ﻣﺤﺪودﯾﺖﻫﺎي ﻋﻤﻠﮕﺮﻫﺎ و ﺳﻨﺴﻮرﻫﺎ ﺣﺘﯽاﻟﻤﻘﺪور ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ ) y ( tﻧﺰدﯾﮏ ﺑﻪ ﻣﻘﺪار ﻣﻄﻠﻮب ) yd ( tﺑﺎﻗﯽ ﺑﻤﺎﻧﺪ .ﻃﺮاﺣﯽ
ﮐﻨﺘﺮلﮐﻨﻨﺪه ﺑﻪ ﻣﻌﻨﺎي اﯾﺠﺎد راﺑﻄﻪ رﯾﺎﺿﯽ ﻣﻨﺎﺳﺐ ﺑﺎ راﻫﺒﺮد ﻣﻨﻄﻘﯽ ﻣﻨﺎﺳﺐ Cﺑﺮاي رﺳﯿﺪن ﺑﻪ ﻫﺪف ﻓﻮق اﺳﺖ .اﻟﻤﺎن ﻣﻬﻢ
ﻓﯿﺪﺑﮏ ﯾﻌﻨﯽ در دﺳﺘﺮس داﺷﺘﻦ اﻃﻼﻋﺎت ﺧﺮوﺟﯽ ymﺑﺮاي ﺗﻮﻟﯿﺪ ﻓﺮآﯾﻨﺪ ﮐﻨﺘﺮﻟﯽ uﺿﺮوري اﺳﺖ .ﻣﯽﺗﻮان ﻧﺸﺎن داده ﮐﻪ ﺑﺎ
وﺟﻮد ﻓﯿﺪﺑﮏ ﻣﯽﺗﻮان ﻫﺪف ﮐﻨﺘﺮﻟﯽ ﻓﻮق را ﻋﻠﯿﺮﻏﻢ ﻣﺤﺪودﯾﺖﻫﺎ و ﺧﻮاﺳﺖﻫﺎي ﭼﻨﺪوﺟﻬﯽ ،ﺑﻪ دﺳﺖ آورد .ﺑﻪ ﻣﻨﻈﻮر ﻃﺮاﺣﯽ
in ﮐﻨﺘﺮلﮐﻨﻨﺪه ﻣﻨﺎﺳﺐ ﻣﺮاﺣﻞ زﯾﺮ ﺑﺎﯾﺪ ﻣﺤﻘﻖ ﮔﺮدد:
ﻣﺪلﺳﺎزي ﻓﺮآﯾﻨﺪ •
ng
ﻣﺸﺨﺺ ﻧﻤﻮدن ﻣﺸﺨﺼﺎت ﻓﯿﺰﯾﮑﯽ ydو wدر ﺣﻮزه زﻣﺎن ﯾﺎ ﻓﺮﮐﺎﻧﺲ •
ﻣﺸﺨﺺ ﻧﻤﻮدن ﻣﻌﯿﺎر ﯾﺎ ﻣﻌﯿﺎرﻫﺎي ﻋﻤﻠﮑﺮد ) ) ( yd ( t ) ; y ( t •
ﻣﺪلﺳﺎزي رﯾﺎﺿﯽ ﻋﻤﻠﮕﺮﻫﺎ ،ﺳﻨﺴﻮرﻫﺎ ،ﻣﺒﺪلﻫﺎ و ﻣﺸﺨﺼﺎت ﻓﯿﺰﯾﮑﯽ ﻧﻮﯾﺰ اﻧﺪازهﮔﯿﺮي •
ﻣﺸﺨﺺ ﻧﻤﻮدن ﻓﺮم ﻋﻤﻮﻣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل PIDﯾﺎ ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ و ﯾﺎ... •
le
در اﯾﻦ ﺣﺎﻟﺖ ﻣﺮﺣﻠﻪ ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﺑﺪﯾﻦ ﺻﻮرت ﺗﻌﻘﯿﺐ ﻣﯽﺷﻮد ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از ﺗﺌﻮري ﮐﻨﺘﺮل ﮐﻼﺳﯿﮏ ﯾﺎ ﻣﺪرن ﺿﺮاﯾﺐ
ﮐﻨﺘﺮلﮐﻨﻨﺪه ) ( PIDﯾﺎ ﺑﻬﺮه ﺣﻠﻘﻪ ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ ﺗﻌﯿﯿﻦ ﻣﯽﮔﺮدد.
ro
ﭘﺲ از ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﻧﺤﻮه ﭘﯿﺎدهﺳﺎزي آن ﺗﻮﺳﻂ ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎي آﻧﺎﻟﻮگ ﯾﺎ دﯾﺠﯿﺘﺎل ﻣﯽﺑﺎﯾﺴﺖ ﺑﺮرﺳﯽﺷﺪه و راﺑﻄﻪ
ﮐﺎرﺑﺮد HMI 1ﻻزم ﺑﺎﯾﺪ ﻃﺮاﺣﯽ و اﺟﺮا ﮔﺮدﻧﺪ .ﻫﻤﭽﻨﯿﻦ اﻧﺘﺨﺎب ﻣﻨﺎﺳﺐ ﺳﻨﺴﻮرﻫﺎ و ﻋﻤﻠﮕﺮﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي ﺳﯿﺴﺘﻢ ﺿﺮوري
اﺳﺖ .ﭘﻞ واﺳﻂ ﺑﯿﻦ ﺗﺌﻮري ﮐﻨﺘﺮل و ﭘﯿﺎدهﺳﺎزي آن در ﻓﺮآﯾﻨﺪﻫﺎي ﻣﺨﺘﻠﻒ ﻣﺪلﺳﺎزي دﯾﻨﺎﻣﯿﮑﯽ آن ﻣﯽﺑﺎﺷﺪ .ﻧﺤﻮه ﻣﺪلﺳﺎزي و
nt
ﻧﮕﺮش ﻃﺮاح در اﯾﻦ زﻣﯿﻨﻪ ،روشﻫﺎي ﻣﺘﻨﻮع ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه را ﺳﺒﺐ ﺷﺪه اﺳﺖ .در دﯾﺪﮔﺎه ﮐﻼﺳﯿﮏ ،ﻣﺪلﺳﺎزي در ﺣﻮزه
ﻓﺮﮐﺎﻧﺴﯽ ﺑﻪ ﺻﻮرت ﺗﻮاﺑﻊ ﺗﺒﺪﯾﻞ ﺻﻮرت ﭘﺬﯾﺮﻓﺘﻪ و ﮐﻠﯿﻪ ﻣﺸﺨﺼﻪﻫﺎي ﻋﻤﻠﮑﺮدي و ﭘﺎﯾﺪاري ﺳﯿﺴﺘﻢ را در اﯾﻦ ﺣﻮزه ﺑﺮرﺳﯽ
ﻣﯽﮐﻨﯿﻢ.
co
اﯾﻦ ﺗﺌﻮري ﮐﻪ در دﻫﻪ ﭘﻨﺠﺎه ﻣﯿﻼدي ﺑﻪ اوج ﺧﻮد رﺳﯿﺪه اﺳﺖ ،ﺑﺎ ﻗﻀﺎﯾﺎي ﺑﻮدي ،ﻧﺎﯾﮑﻮﺋﯿﺴﺖ و روشﻫﺎي ﺗﺤﻠﯿﻠﯽ در ﻃﺮاﺣﯽ
ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎي ، PIDﺑﻪ ﺻﻮرت ﮐﺎﻣﻞ در ﮐﻠﯿﻪ ﺻﻨﺎﯾﻊ و ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ﻓﺮآﯾﻨﺪﻫﺎي ﺻﻨﻌﺘﯽ رﺳﻮخ ﮐﺮده اﺳﺖ.
در اﻧﺘﻬﺎي دﻫﻪ ﭘﻨﺠﺎه و ﺷﺼﺖ ﻧﮕﺮش ﻣﺪرن ﺑﻪ ﻣﺪلﺳﺎزي ﺳﯿﺴﺘﻢﻫﺎي دﯾﻨﺎﻣﯿﮑﯽ ﺑﻪ ﺻﻮرت ﻓﻀﺎي ﺣﺎﻟﺖ و اﺳﺘﻔﺎده از روشﻫﺎي ﻋﺪدي و
ﮐﺎﻣﭙﯿﻮﺗﺮي ﺑﺠﺎي روشﻫﺎي ﺗﺤﻠﯿﻠﯽ ،ﺟﺎي ﺧﻮد را در ﻣﯿﺎن ﺗﺌﻮري ﮐﻨﺘﺮل ﺑﺎز ﻧﻤﻮده اﺳﺖ .اﯾﻦ ﻧﮕﺮش ﺑﻪ دﯾﺪﮔﺎه ﻣﺪرن ﻣﺸﻬﻮر اﺳﺖ ﮐﻪ
ﻣﻮﺿﻮع اﯾﻦ درس ﻣﯽﺑﺎﺷﺪ .ﻓﺮم ﻓﻀﺎي ﺣﺎﻟﺖ ﺑﺎ ﺑﻬﺮهﮔﯿﺮي از ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ ،ﻣﺒﻨﺎي اﺻﻠﯽ روشﻫﺎي ﻣﺪرن ﺗﺤﻠﯿﻞ و ﻃﺮاﺣﯽ در ﺳﯿﺴﺘﻢﻫﺎي
1
Human Machine Interface
ﺻﻔﺤﻪ 29
ﺶ دوم :ﻘﺪ ای ﺮل ﺪرن
ﮐﻨﺘﺮل ﻣﯽﺑﺎﺷﺪ .ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺧﺼﻮﺻﯿﺖ ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ در ﻓﺸﺮدهﺳﺎزي اﻃﻼﻋﺎت ،اﻫﻤﯿﺖ اﺳﺘﻔﺎده از آن در ﻣﺪلﺳﺎزي ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ ﺑﯿﺎن
ﺷﺪه اﺳﺖ.
.ir
rs
ee
in
ng
le
ro
nt
co
ﺻﻔﺤﻪ 30
co
nt
ro
le
:ﺶ ﻮم
ng
ﻤﺎ ﺶ ﻢ ی ﯽ
in
ee
rs
.ir
وه ﯽ ﺮل ﺪرن
3ﺑﺨﺶ ﺳﻮم :ﻧﻤﺎﯾﺶ ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ (3
-1-3ﻣﻘﺪﻣﻪ:
اﮐﺜﺮ روشﻫﺎي ﻃﺮاﺣﯽ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ﻣﺒﺘﻨﯽ ﺑﺮ ﻧﻮﻋﯽ ﻣﺪل رﯾﺎﺿﯽ از ﺳﯿﺴﺘﻢ ﻓﯿﺰﯾﮑﯽ ﻣﯽﺑﺎﺷﻨﺪ .در ﻃﺮاﺣﯽﻫﺎي ﮐﻼﺳﯿﮏ
.ir
ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل )ﻣﺎﻧﻨﺪ روشﻫﺎي ﭘﺎﺳﺦ ﻓﺮﮐﺎﻧﺴﯽ ﯾﺎ ﻣﮑﺎن رﯾﺸﻪ( از ﻣﺪل ﻫﺎي ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ در ﺣﻮزه sاﺳﺘﻔﺎده ﻣﯽﺷﻮد .اﯾﻦ
ﻣﺪﻟﻬﺎ ،ﺳﯿﺴﺘﻢﻫﺎي ﻓﯿﺰﯾﮑﯽ و ﺻﻨﻌﺘﯽ ﺳﺎده ﯾﮏ ورودي ﯾﮏ ﺧﺮوﺟﯽ را ﺑﻪ ﺧﻮﺑﯽ ﻣﺪل ﮐﺮده و رﻓﺘﺎر ورودي ﺧﺮوﺟﯽ اﯾﻦﮔﻮﻧﻪ
rs
ﺳﯿﺴﺘﻢ ﻫﺎ را ﺑﺎ دﻗﺖ ﻗﺎﺑﻞ ﻗﺒﻮﻟﯽ ﺗﻘﺮﯾﺐ ﻣﯽ زﻧﻨﺪ .ﺗﺤﻠﯿﻞ دﻗﯿﻖ ﺳﯿﺴﺘﻢﻫﺎي ﺻﻨﻌﺘﯽ ﭘﯿﭽﯿﺪه ﺗﺮ ﻣﺪﻟﻬﺎي ﮐﺎﻣﻠﺘﺮي از ﺳﯿﺴﺘﻢ را ﻣﯽ
ﻃﻠﺒﺪ .ﻫﻤﭽﻨﯿﻦ ﮐﻨﺘﺮل ﺳﯿﺴﺘﻢﻫﺎي ﺻﻨﻌﺘﯽ ﭘﯿﭽﯿﺪه ﺑﺎ ﻋﻤﻠﮑﺮده ﺑﻬﺘﺮ و ﺑﻬﯿﻨﻪ ﻧﯿﺎزﻣﻨﺪ ﻃﺮاﺣﯽﻫﺎي ﭘﯿﺸﺮﻓﺘﻪ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل
اﺳﺖ .ﺗﺤﻠﯿﻞ و ﻃﺮاﺣﯽ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ﭘﯿﺸﺮﻓﺘﻪ ﮐﻪ در ﺑﺮﺧﻮرد ﺑﺎ اﯾﻦﮔﻮﻧﻪ ﺳﯿﺴﺘﻢﻫﺎي ﻣﻮﻓﻖ ﻋﻤﻞ ﮐﻨﻨﺪ ،ﺑﻪ ﻣﺪلﻫﺎﯾﯽ ﺟﺎﻣﻊ
ee
ﺗﺮ از ﺗﻮاﺑﻊ ﺗﺒﺪﯾﻞ ﯾﮏ ورودي ﯾﮏ ﺧﺮوﺟﯽ ﻧﯿﺎزﻣﻨﺪ اﺳﺖ.
ﻣﺪلﺳﺎزي ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ﺑﺎ اﺳﺘﻔﺎده از ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ،در راﺳﺘﺎي اﻫﺪاف ﻓﻮق ﻣﯽﺑﺎﺷﺪ .ﻣﺪل ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﺗﻨﻬﺎ ﺗﻮﺻﯿﻔﯽ از
رﻓﺘﺎر ورودي – ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ اراﺋﻪ ﻣﯽﮐﻨﺪ ،ﺑﻨﺎﺑﺮاﯾﻦ آن را ﺗﻮﺻﯿﻒ ﺧﺎرﺟﯽ ﻣﯽﻧﺎﻣﻨﺪ .در ﺻﻮرﺗﯽ ﮐﻪ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ،دﯾﻨﺎﻣﯿﮏ
in
داﺧﻠﯽ ﺳﯿﺴﺘﻢ را ﻧﯿﺰ ﺗﻮﺻﯿﻒ ﻧﻤﺎﯾﻨﺪ ،ﻣﺪلﺳﺎزي ﻓﻀﺎي ﺣﺎﻟﺖ را ﺗﻮﺻﯿﻒ داﺧﻠﯽ از ﺳﯿﺴﺘﻢ ﻣﯽﻧﺎﻣﻨﺪ .ﺗﻮﺻﯿﻒ ﻓﻀﺎي ﺣﺎﻟﺖ
ﺳﯿﺴﺘﻢ ،ﺗﺼﻮﯾﺮ ﮐﺎﻣﻠﯽ از ﺳﺎﺧﺘﺎر داﺧﻠﯽ آن ﺑﻪ دﺳﺖ ﻣﯽدﻫﺪ .اﯾﻦ ﻣﺪل ﻧﺸﺎن ﻣﯽدﻫﺪ ﮐﻪ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﭼﮕﻮﻧﻪ ﺑﺎ ﯾﮑﺪﯾﮕﺮ
ng
ﺗﺪاﺧﻞ ﭘﯿﺪاﮐﺮده ،ورودي ﺳﯿﺴﺘﻢ ﭼﮕﻮﻧﻪ ﺑﺮ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ اﺛﺮ ﮔﺬاﺷﺘﻪ و ﭼﮕﻮﻧﻪ ﻣﯽﺗﻮان ﺑﺎ ﺗﺮﮐﯿﺐﻫﺎي ﻣﺨﺘﻠﻔﯽ از
ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ،ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ را ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮد .ﯾﮑﯽ دﯾﮕﺮ از ﻣﺰاﯾﺎي ﻣﺪلﺳﺎزي ﻓﻀﺎي ﺣﺎﻟﺖ ،ﻣﺪلﺳﺎزي ﺳﺎده ﺳﯿﺴﺘﻢﻫﺎي
ﺗﻐﯿﯿﺮﭘﺬﯾﺮ ﺑﺎ زﻣﺎن اﺳﺖ .ﻫﻤﭽﻨﯿﻦ ﺑﺎ اﯾﻦ ﻣﺪلﺳﺎزي ﻣﯽﺗﻮان ﻣﺪل ﻫﺎي ﺳﯿﺴﺘﻢﻫﺎي ﯾﮏ ورودي و ﯾﮏ ﺧﺮوﺟﯽ را ﺑﻪ ﺳﺎدﮔﯽ ﺑﻪ
le
ﺳﯿﺴﺘﻢﻫﺎي ﭼﻨﺪ ورودي و ﭼﻨﺪ ﺧﺮوﺟﯽ ﺗﻌﻤﯿﻢ داد .از دﯾﮕﺮ ﻣﺰاﯾﺎي اﺳﺘﻔﺎده از ﻧﻤﺎﯾﺶ ﻓﻀﺎي ﺣﺎﻟﺖ ،واردﮐﺮدن ﺷﺮاﯾﻂ اوﻟﯿﻪ در
ﺗﺤﻠﯿﻞ و ﻃﺮاﺣﯽ ﺳﯿﺴﺘﻢ اﺳﺖ .ﻫﻤﭽﻨﯿﻦ ﺑﻬﯿﻨﻪﺳﺎزي ﻋﻤﻠﮑﺮد ﺳﯿﺴﺘﻢ ﺣﻠﻘﻪ ﺑﺴﺘﻪ در ﻓﺮﻣﻮﻟﻪ ﺳﺎزي ﻓﻀﺎي ﺣﺎﻟﺖ ﺑﻪ راﺣﺘﯽ اﻧﺠﺎم
ﻣﯽﭘﺬﯾﺮد و ﻟﺬا ﻣﯽﺗﻮان ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ﺑﻬﯿﻨﻪ را در ﻓﻀﺎي ﺣﺎﻟﺖ ﻃﺮاﺣﯽ ﻧﻤﻮد.
ro
در اﯾﻦ ﺑﺨﺶ ،ﻋﻼوه ﺑﺮ ﺧﻄﯽ ﮐﺮدن ﻣﻌﺎدﻻت ﺳﯿﺴﺘﻢ ،ﺗﻌﯿﯿﻦ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ و ﻧﻮﺷﺘﻦ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ و ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ ،ﺑﺎ ﺣﻞ
ﻣﻌﺎدﻻت ﺣﺎﻟﺖ و ﺧﺮوﺟﯽ و ﻣﺴﺎﺋﻞ ﻣﺮﺑﻮط ﺑﻪ آن آﺷﻨﺎ ﺧﻮاﻫﯿﻢ ﺷﺪ.
nt
-2-3ﻧﻤﺎﯾﺶ ﻓﻀﺎي ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢﻫﺎي ﻏﯿﺮﺧﻄﯽ و ﺧﻄﯽ:
co
ﺑﺴﯿﺎري از ﺳﯿﺴﺘﻢ ﻫﺎ را ﻣﯽﺗﻮان ﺗﻮﺳﻂ ﯾﮏ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻏﯿﺮﺧﻄﯽ ﻫﻤﺰﻣﺎن ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﺸﺎن داد:
v v v
) x& ( t ) = f ( x ( t ) , r ( t ) , t )(1-2
v v
ﮐﻪ در آن tﻣﺘﻐﯿﺮ زﻣﺎن x ( t ) ،ﺑﺮدار ﺣﺎﻟﺖ ﺳﺘﻮﻧﯽ ﺗﻐﯿﯿﺮﭘﺬﯾﺮ ﺑﺎ زﻣﺎن nﺑﻌﺪي و ) r ( tﺑﺮدار ورودي ﺳﺘﻮﻧﯽ mﺑﻌﺪي اﺳﺖ.
fﻧﯿﺰ ﺗﺎﺑﻌﯽ ﻏﯿﺮﺧﻄﯽ و ﺗﻮﺻﯿﻒﮐﻨﻨﺪه ﺳﯿﺴﺘﻢ اﺳﺖ .ﺑﺮاي ﺑﺴﯿﺎري از ﺳﯿﺴﺘﻢ ﻫﺎ اﻧﺘﺨﺎب ﺣﺎﻟﺖ ﺑﻪ ﺻﻮرت ﻃﺒﯿﻌﯽ از ﺳﺎﺧﺘﺎر
v
ﻓﯿﺰﯾﮑﯽ ﺑﻪ دﺳﺖ آﻣﺪه و ﯾﺎ اﯾﻨﮑﻪ ﻣﯽﺗﻮاﻧﺪ ﮐﻤﯿﺘﯽ ﺻﺮﻓﺎً رﯾﺎﺿﯽ ﺑﺎﺷﺪ .ﻓﺮض ﮐﻨﯿﺪ yﻣﺘﻐﯿﺮي lﺑﻌﺪي از ﺳﯿﺴﺘﻢ اﺳﺖ ﮐﻪ ﺑﺘﻮان
آن را اﻧﺪازهﮔﯿﺮي ﻧﻤﻮده و ﻣﺸﺎﻫﺪه ﮐﺮد ،ﯾﺎ اﯾﻨﮑﻪ ﻣﺘﻐﯿﺮي ﺑﺎﺷﺪ ﮐﻪ ﺳﯿﺴﺘﻢ ﺗﻮﺳﻂ آن ﺑﺮ ﻣﺤﯿﻂ اﻃﺮاف ﺗﺄﺛﯿﺮ ﻣﯽﮔﺬارد .ﭼﻨﯿﻦ
ﻣﺘﻐﯿﺮي را ﻣﺘﻐﯿﺮ ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ ﻣﯽﻧﺎﻣﻨﺪ .در ﺣﺎﻟﺖ ﮐﻠﯽ ﻣﯽﺗﻮان آن را ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻤﺎﯾﺶ داد:
ﺻﻔﺤﻪ 32
ﺶ ﻮم :ﻤﺎ ﺶ ﻢ ی ﯽ
v v v
) y (t ) = g ( x (t ) , r (t ) , t )(2-2
ﺑﻪ اﯾﻦ ﻣﻌﺎدﻟﻪ ،ﻣﻌﺎدﻟﻪ ﺧﺮوﺟﯽ ﮔﻮﯾﻨﺪ و gﺗﺎﺑﻌﯽ ﻏﯿﺮﺧﻄﯽ و ﺗﻮﺻﯿﻒﮐﻨﻨﺪه ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ اﺳﺖ .ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﻏﯿﺮﺧﻄﯽ
1-2و 2-2را ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ ﻣﯽﮔﻮﯾﻨﺪ .ﺑﻪ ﺗﻌﺎرﯾﻒ زﯾﺮ ﺗﻮﺟﻪ ﮐﻨﯿﺪ:
-1ﻣﻔﻬﻮم ﺣﺎﻟﺖ :ﻣﻨﻈﻮر از ﺣﺎﻟﺖ 1ﯾﮏ ﺳﯿﺴﺘﻢ دﯾﻨﺎﻣﯿﮑﯽ ،ﮐﻮﭼﮏﺗﺮﯾﻦ ﻣﺠﻤﻮﻋﻪ ﻣﺘﻐﯿﺮﻫﺎﯾﯽ اﺳﺖ ﮐﻪ اﮔﺮ در ﻟﺤﻈﻪ t 0ﻣﻌﻠﻮم ﺑﺎﺷﻨﺪ،
.ir
ﺑﻪ ﻫﻤﺮاه ورودي در t ≥ t 0ﻣﯽﺗﻮان رﻓﺘﺎر ﺳﯿﺴﺘﻢ در t ≥ t 0را ﺑﻪ ﻃﻮر ﮐﺎﻣﻞ ﺗﺤﻠﯿﻞ ﻧﻤﻮد.
-2ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ :ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ 2ﯾﮏ ﺳﯿﺴﺘﻢ دﯾﻨﺎﻣﯿﮑﯽ ،ﻣﺘﻐﯿﺮﻫﺎﯾﯽ ﻫﺴﺘﻨﺪ ﮐﻪ ﮐﻮﭼﮏﺗﺮﯾﻦ ﻣﺠﻤﻮﻋﻪ ﺗﻌﯿﯿﻦﮐﻨﻨﺪه ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ را
rs
ﺗﺸﮑﯿﻞ ﻣﯽدﻫﻨﺪ.
اﮔﺮ ﺑﺮاي ﺗﻮﺻﯿﻒ ﮐﺎﻣﻞ رﻓﺘﺎر دﯾﻨﺎﻣﯿﮑﯽ ﺣﺪاﻗﻞ nﻣﺘﻐﯿﺮ x1 , x2 ,..., xnﻻزم ﺑﺎﺷﺪ ،در ﺻﻮرﺗﯽ ﮐﻪ اﯾﻦ nﻣﺘﻐﯿﺮ ﺑﺎ ﻣﺸﺨﺺ ﺷﺪن
ورودي رﻓﺘﺎر ﺳﯿﺴﺘﻢ را در ﻫﺮ ﻟﺤﻈﻪ t ≥ t 0ﺗﺨﻤﯿﻦ ﺑﺰﻧﻨﺪ ،ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ را ﺗﺸﮑﯿﻞ ﻣﯽدﻫﻨﺪ .ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﯾﮏ
ee
ﺳﯿﺴﺘﻢ ﻟﺰوﻣﺎً ﻧﺒﺎﯾﺪ ﻗﺎﺑﻞﻣﺸﺎﻫﺪه /اﻧﺪازهﮔﯿﺮي ﺑﺎﺷﻨﺪ .ﺣﺘﯽ اﯾﻦ ﻣﺘﻐﯿﺮﻫﺎ ﻣﯽﺗﻮاﻧﻨﺪ ﻓﯿﺰﯾﮑﯽ ﻧﺒﺎﺷﻨﺪ) .ﮐﻪ اﯾﻦ ﯾﮑﯽ از ﻣﺰﯾﺖﻫﺎي
ﻣﺪلﺳﺎزي ﺣﺎﻟﺖ ﻣﯽﺑﺎﺷﺪ(.
ﺑﻪ ﻃﻮر ﻣﺜﺎل در ﯾﮏ ﻣﺪار ،RLCوﻟﺘﺎژ ﺧﺎزن و ﺟﺮﯾﺎن ﺳﻠﻒ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﻣﺤﺴﻮب ﻣﯽﺷﻮﻧﺪ .ﻫﻤﭽﻨﯿﻦ در ﯾﮏ ﺳﯿﺴﺘﻢ ﻣﮑﺎﻧﯿﮑﯽ
in ﺟﺎﺑﺠﺎﯾﯽ و ﺳﺮﻋﺖ ﻣﯽﺗﻮاﻧﻨﺪ ﺑﻪ ﻋﻨﻮان ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ اﻧﺘﺨﺎب ﮔﺮدﻧﺪ.
r
-3ﺑﺮدار ﺣﺎﻟﺖ :اﮔﺮ x1 , x2 ,..., xnﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﯾﮏ ﺳﯿﺴﺘﻢ ﺑﺎﺷﻨﺪ ،ﺑﺮدار xn×1ﺗﻌﺮﯾﻒﺷﺪه ﺑﻪ ﺻﻮرت زﯾﺮ را ﺑﺮدار ﺣﺎﻟﺖ ﮔﻮﯾﯿﻢ:
x1
ng
r x2
=x
M
xn
-4ﻓﻀﺎي ﺣﺎﻟﺖ :ﻓﻀﺎي nﺑﻌﺪي ﮐﻪ ﻣﺤﻮرﻫﺎي ﻣﺨﺘﺼﺎت آن x1 , x2 ,..., xnﺑﺎﺷﻨﺪ ،ﻓﻀﺎي ﺣﺎﻟﺖ ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮد .ﻫﺮ ﺣﺎﻟﺖ
le
i = 1, 2,..., n, xiﺑﯿﺎﻧﮕﺮ ﯾﮏ ﻧﻘﻄﻪ در ﻓﻀﺎي ﺣﺎﻟﺖ ﻣﯽﺑﺎﺷﺪ.
-5ﺑﻌﺪ ﺳﯿﺴﺘﻢ :اﮔﺮ ﺗﻌﺪاد ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ ﻣﺤﺪود ﺑﺎﺷﺪ ،آن را ﺑﺎ اﺑﻌﺎد ﻣﺤﺪود 3ﯾﺎ ﻓﺸﺮده 4ﮔﻮﯾﻨﺪ .ﻫﻤﭽﻨﯿﻦ اﮔﺮ ﺗﻌﺪاد
ro
ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ ﻧﺎﻣﺤﺪود ﺑﺎﺷﺪ ،ﺳﯿﺴﺘﻢ را ﺑﺎ اﺑﻌﺎد ﻧﺎﻣﺤﺪود 5و ﯾﺎ ﮔﺴﺘﺮده 6ﻧﺎﻣﻨﺪ.
ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺳﯿﺴﺘﻢ داراي ﺗﺄﺧﯿﺮ واﺣﺪ ،ﺳﯿﺴﺘﻢ ﮔﺴﺘﺮده ﻣﯽﺑﺎﺷﺪ.
r r
-6ﭘﺎﺳﺦ ﮐﺎﻣﻞ :ﭘﺎﺳﺦ ﮐﺎﻣﻞ ﻫﺮ ﺳﯿﺴﺘﻢ LTIداراي ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ xn×1و ورودي ) rm×1 ( tﺑﻪ ﺻﻮرت زﯾﺮ ﺧﻮاﻫﺪ ﺑﻮد:
nt
ﭘﺎﺳﺦ ﮐﺎﻣﻞ = ﭘﺎﺳﺦ ورودي ﺻﻔﺮ +ﭘﺎﺳﺦ ﺣﺎﻟﺖ ﺻﻔﺮ )(3-2
ﮐﻪ در آن ﻣﻨﻈﻮر از ﭘﺎﺳﺦ ورودي ﺻﻔﺮ ،ﭘﺎﺳﺦ ﺳﯿﺴﺘﻢ ﺗﻨﻬﺎ ﺑﻪ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ و ﻣﻨﻈﻮر از ﭘﺎﺳﺦ ﺣﺎﻟﺖ ﺻﻔﺮ ﭘﺎﺳﺦ ﺳﯿﺴﺘﻢ ﺗﻨﻬﺎ ﺑﻪ
co
ورودي ﻣﯽﺑﺎﺷﺪ.
در اﯾﻦ درس ﺣﺎﻟﺖﻫﺎﯾﯽ ﺑﺮرﺳﯽ ﺧﻮاﻫﺪ ﺷﺪ ﮐﻪ fو gدر آن ﺗﻮاﺑﻌﯽ ﺧﻄﯽ ﺑﺎﺷﻨﺪ .در اﯾﻦ ﺻﻮرت ،ﺳﯿﺴﺘﻢ را ﺧﻄﯽ ﻧﺎﻣﯿﺪه و در
ﺣﺎﻟﺖ ﮐﻠﯽ ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ ﻋﺒﺎرت اﺳﺖ از:
1
State
2
State Variables
3
Finite Dimensional
4
Lumped
5
Infinite Dimensional
6
Distributed
ﺻﻔﺤﻪ 33
وه ﯽ ﺮل ﺪرن
v v v
) x& ( t ) = A ( t ) x ( t ) + B ( t ) r ( t )(3-2
ﮐﻪ در آن ) A ( tو ) B ( tﺑﻪ ﺗﺮﺗﯿﺐ ﻣﺎﺗﺮﯾﺲﻫﺎﯾﯽ ﺗﻐﯿﯿﺮﭘﺬﯾﺮ ﺑﺎ زﻣﺎن n × nو n × mﺣﺎﻟﺖ و ورودي ﯾﺎ ﮐﻨﺘﺮل ﻣﯽﺑﺎﺷﻨﺪ .ﺑﻌﺪ
v
ﺑﺮدار ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ ) x ( tرا ﺑﻌﺪ ﺳﯿﺴﺘﻢ ﻣﯽﻧﺎﻣﻨﺪ .ﻣﻌﺎدﻟﻪ ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ ﺧﻄﯽ ﻧﯿﺰ ﻋﺒﺎرﺗﺴﺖ از:
v v v
) y (t ) = C (t ) x (t ) + D (t ) r (t )(5-2
ﮐﻪ در آن ) C ( tو ) D ( tﺑﻪ ﺗﺮﺗﯿﺐ ﻣﺎﺗﺮﯾﺲﻫﺎﯾﯽ ﺗﻐﯿﯿﺮﭘﺬﯾﺮ ﺑﺎ زﻣﺎن l × nو l × mﺑﻌﺪي ﺑﻮده و ) C ( tرا ﻣﺎﺗﺮﯾﺲ ﺧﺮوﺟﯽ
.ir
ﻣﯽﻧﺎﻣﻨﺪ .اﮔﺮ ﻣﺎﺗﺮﯾﺲﻫﺎي ﺳﯿﺴﺘﻢ C ، B ، A ،و Dﻣﺎﺗﺮﯾﺲﻫﺎي ﺛﺎﺑﺖ ﺑﺎﺷﻨﺪ ،ﺳﯿﺴﺘﻢ را ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن و در ﻏﯿﺮ اﯾﻦ ﺻﻮرت
آن را ﺗﻐﯿﯿﺮﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﻧﺎﻣﻨﺪ .در ﺣﺎﻟﺖ ﮐﻠﯽ ،ﻣﻌﺎدﻻت ﺣﺎﻟﺖ و ﺧﺮوﺟﯽ ﺧﻄﯽ ﺳﯿﺴﺘﻢﻫﺎي ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﻋﺒﺎرتاﻧﺪ از:
rs
v v v
) x& ( t ) = Ax ( t ) + Br ( t )(6-2
v v v
) y ( t ) = Cx ( t ) + Dr ( t )(7-2
-1-2-3اﻧﺘﺨﺎب ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ:
ee
اوﻟﯿﻦ ﻗﺪم در ﺑﻪﮐﺎرﮔﯿﺮي ﻣﻔﺎﻫﯿﻢ ﻓﻀﺎي ﺣﺎﻟﺖ ﺟﻬﺖ ﺗﺤﻠﯿﻞ و ﻃﺮاﺣﯽ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ،اﻧﺘﺨﺎب ﻣﺘﻐﯿﺮﻫﺎ ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ اﺳﺖ.
ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ اﻧﺘﺨﺎبﺷﺪه ﺑﺮاي ﺗﻮﺻﯿﻒ داﺧﻠﯽ ﺳﯿﺴﺘﻢ ،ﻣﻨﺤﺼﺮ ﺑﻔﺮد ﻧﺒﻮده و روش ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮدي ﻧﯿﺰ ﺑﺮاي اﻧﺘﺨﺎب
ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ وﺟﻮد ﻧﺪارد .ﺳﻪ ﻧﻤﺎﯾﺶ ﻣﺘﺪاول ﺑﺮاي ﺑﯿﺎن ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ ﻋﺒﺎرتاﻧﺪ از :ﻣﺘﻐﯿﺮﻫﺎي ﻓﯿﺰﯾﮑﯽ ،ﻓﺎز و ﺣﺎﻟﺖ ﮐﺎﻧﻮﻧﯿﮑﺎل.
in
در اﯾﻦ ﺑﺨﺶ ﺑﺎ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﻓﯿﺰﯾﮑﯽ آﺷﻨﺎ ﺧﻮاﻫﯿﻢ ﺷﺪ .ﻻزم ﺑﻪ ﺗﺬﮐﺮ اﺳﺖ ﮐﻪ ﺗﻨﻬﺎ در اﻧﺘﺨﺎب ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﻓﯿﺰﯾﮑﯽ،
ﺣﺎﻟﺖﻫﺎ ﺑﺎ ﻣﺘﻐﯿﺮﻫﺎي ﻓﯿﺰﯾﮑﯽ ﺳﯿﺴﺘﻢ ﻣﺘﻨﺎﻇﺮ ﻫﺴﺘﻨﺪ و در ﻧﻤﺎﯾﺶﻫﺎي دﯾﮕﺮ ﻟﺰوﻣﺎً اﯾﻦ ﭼﻨﯿﻦ ﻧﺨﻮاﻫﺪ ﺑﻮد.
ng
اﻧﺘﺨﺎب ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ در روش ﻣﺘﻐﯿﺮﻫﺎي ﻓﯿﺰﯾﮑﯽ ،ﺑﺮ اﺳﺎس ﻋﻨﺎﺻﺮ ﻧﮕﻪدارﻧﺪه اﻧﺮژي ﺳﯿﺴﺘﻢ ﺑﻨﺎﻧﻬﺎده ﺷﺪه اﺳﺖ .ﺟﺪول زﯾﺮ
ﺑﻌﻀﯽ ﻋﻨﺎﺻﺮ ﻣﺘﺪاول ﻧﮕﻪدارﻧﺪه اﻧﺮژي را ﮐﻪ در ﺳﯿﺴﺘﻢﻫﺎي ﻓﯿﺰﯾﮑﯽ وﺟﻮد دارﻧﺪ ،ﻫﻤﺮاه ﺑﺎ ﻣﻌﺎدﻻت اﻧﺮژي ﻣﺘﻨﺎﻇﺮﺷﺎن ﻧﺸﺎن
ﻣﯽدﻫﺪ.
ﺟﺪول :1-2ﻋﻨﺎﺻﺮ ﻣﺘﺪاول ﻧﮕﻪدارﻧﺪه اﻧﺮژي
le
ﻣﺘﻐﯿﺮ ﻓﯿﺰﯾﮑﯽ اﻧﺮژي ﻋﻨﺼﺮ
1
وﻟﺘﺎژ V CV 2 ﺧﺎزن C
ro
2
1 2
ﺟﺮﯾﺎن i Li ﺳﻠﻒ L
2
1
ﺳﺮﻋﺖ اﻧﺘﻘﺎﻟﯽ V MV 2 ﺟﺮم M
nt
2
1 2
ﺳﺮﻋﺖ ﭼﺮﺧﺸﯽ ω Jω ﻣﻤﺎن اﯾﻨﺮﺳﯽ J
2
co
1 2
ﺟﺎﺑﺠﺎﯾﯽ x kx ﻓﻨﺮ k
2
2
1 V .P V
ﻓﺸﺎر P ﺗﺮاﮐﻢ ﭘﺬﯾﺮي ﻣﺎﯾﻊ
2 KB KB
1 2
ﺣﺮارت θ Cθ ﺧﺎزن ﺣﺮارﺗﯽ C
2
ﻣﺘﻐﯿﺮ ﻓﯿﺰﯾﮑﯽ در ﻣﻌﺎدﻟﻪ اﻧﺮژي ﺑﺮاي ﻫﺮ ﻋﻨﺼﺮ ﻧﮕﻪدارﻧﺪه اﻧﺮژي ﻣﯽﺗﻮاﻧﺪ ﺑﻪ ﻋﻨﻮان ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ اﻧﺘﺨﺎب ﺷﻮد .ﺑﺎﯾﺪ ﺗﻮﺟﻪ
داﺷﺖ ﮐﻪ ﺗﻨﻬﺎ ﻣﺘﻐﯿﺮﻫﺎي ﻓﯿﺰﯾﮑﯽ ﻣﺴﺘﻘﻞ ﺑﻪ ﻋﻨﻮان ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ اﻧﺘﺨﺎب ﻣﯽﺷﻮﻧﺪ و ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﻣﺴﺘﻘﻞ ﺑﻪ ﻣﺘﻐﯿﺮﻫﺎي
ﺻﻔﺤﻪ 34
ﺶ ﻮم :ﻤﺎ ﺶ ﻢ ی ﯽ
ﺣﺎﻟﺘﯽ ﮔﻔﺘﻪ ﻣﯽﺷﻮد ﮐﻪ ﻧﺘﻮان آنﻫﺎ را ﺑﺮ ﺣﺴﺐ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺗﻌﯿﯿﻦﺷﺪه دﯾﮕﺮ ﺑﯿﺎن ﮐﺮد .در ﺑﻌﻀﯽ از ﺳﯿﺴﺘﻢ ﻫﺎ ﻣﻤﮑﻦ اﺳﺖ
ﮐﻪ ﻋﻼوه ﺑﺮ ﻣﺘﻐﯿﺮﻫﺎي ﻧﮕﻪدارﻧﺪه اﻧﺮژي از ﻣﺘﻐﯿﺮﻫﺎي دﯾﮕﺮ ﻧﯿﺰ اﺳﺘﻔﺎده ﮔﺮدد.
ﻣﺜﺎل 1-3
.ir
ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢﻫﺎي زﯾﺮ را ﺑﻪ ازاي ﺑﺮدار ﺣﺎﻟﺖ ﻧﺸﺎن دادهﺷﺪه ،ﺑﻪ دﺳﺖ آورﯾﺪ.
R1 L1 L2
rs
+ vC
vo R2
Vs C → x = iL1
−
ee
iL2
)( 1
in iL1 R1 L1
+ vL1 −
∗ iL2
L2
+ vL2 −
+
iC +
ng
Vs vC R2 vo
i1 C i2
− −
le
اﮐﻨﻮن ﺑﺮاي ﺑﻪ دﺳﺖ آوردن ﺑﺮدار & ، xﻣﻌﺎدﻻت ﺣﺎﮐﻢ ﺑﺮ وﻟﺘﺎژ ﺳﻠﻒﻫﺎ و ﺟﺮﯾﺎن ﺧﺎزن را ﻣﯽﻧﻮﯾﺴﯿﻢ:
−Vs + R1i1 + vL 1 + vC = 0
ro
−vC + vL2 + R2i2 = 0
iC = i1 − i2
اﮐﻨﻮن ﺑﺮدار & xرا ﺑﻪ دﺳﺖ ﻣﯽآورﯾﻢ ،ﺑﺮاي اﯾﻦ ﮐﺎر ﺗﻤﺎم ﻣﺘﻐﯿﺮﻫﺎ را ﺑﻪ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ و ﯾﺎ ﻣﺸﺘﻘﺎت آنﻫﺎ ﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﯿﻢ:
nt
diL1 1
diL1
1
L = Vs − R i
1 L1 − vC
dt
=
L
Vs − R1iL1 − vC ( )
vL 1 = Vs − R1i1 − vC = Vs − R1iL1 − vC dt 1
diL2 diL 1
( )
co
vL2 = vC − R2i2 = vC − R2iL2 → L2 = vC − R2iL2 = → 2 vC − R2iL2
dt dt L 2
iC = i1 − i2 = iL1 − iL2 dvC dvC 1
C dt = iL1 − iL2
= iL − iL2 ( )
dt C 1
اﮐﻨﻮن ﻣﻌﺎدﻟﻪ ﺧﺮوﺟﯽ را ﺑﻪ دﺳﺖ ﻣﯽآورﯾﻢ:
vo = vR2 = R2i2 = R2iL2
ﺑﺎ ﻣﺮﺗﺐ ﮐﺮدن ﻣﻌﺎدﻻت ﻓﻮق ﺑﺮ اﺳﺎس ﻣﻌﺎدﻟﻪ 2-7و 8-2دارﯾﻢ:
ﺻﻔﺤﻪ 35
وه ﯽ ﺮل ﺪرن
1 −1
0
v&C C C v 0
−1 − R1 C 1
x& = i&L1 = 0 iL1 + × Vs
& L1 L1 L1
iL2 1 i
− R2 L2 0
.ir
0
L2 L2
vC
vo = [ 0 0 R2 ] iL1 + 0 × Vs
rs
iL2
F
ee
y
y
→x=
in k
y&
c
ng
)( 2
ﺑﺎ اﺳﺘﻔﺎده از ﻗﺎﻧﻮن دوم ﻧﯿﻮﺗﻦ دارﯾﻢ:
le
∑ F = Ma
ﻣﺠﻤﻮع ﻧﯿﺮوﻫﺎي وارده 1ﺑﺮ ﺟﺴﻢ Mو aﺷﺘﺎب آن ﻣﯽﺑﺎﺷﺪ: ∑F ﮐﻪ در آن
ro
F
y
nt
co
ky &cy
ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺷﮑﻞ ﻓﻮق دارﯾﻢ:
dx
ﻣﯽ ﺑﺎﺷﺪ. k و راﺑﻄﻪ ﻧﯿﺮوي دﻣﭙﺮ و ﺟﺎﺑﺠﺎﯾﯽ آن ﺑﺮاﺑﺮ kx 1راﺑﻄﻪ ﻧﯿﺮوي ﻓﻨﺮ و ﺟﺎﺑﺠﺎﯾﯽ آن ﺑﺮاﺑﺮ
dt
ﺻﻔﺤﻪ 36
ﻤﺎ ﺶ ﻢ ی ﯽ:ﺶ ﻮم
F − ky − cy& = Ma
→ F − ky − cy& = M &&
y
a = &&
y
x1 = y
x2 = y& = x&1
.ir
1 1
y = ( F − ky − cy& ) = ( F − kx1 − cx2 )
x&2 = &&
M M
: دارﯾﻢ8-2 و2-7 ﺑﺎ ﻣﺮﺗﺐ ﮐﺮدن ﻣﻌﺎدﻻت ﻓﻮق ﺑﺮ اﺳﺎس ﻣﻌﺎدﻟﻪ
rs
x
y = [1 0] 1 + 0 × FM
x2
0 1 0
ee
x&1 x1
x& = = −k −c + 1 × FM
x&2 x2
M M M
in
ng
k1
k2 F2
M1
y1
c
y1 y&
→ x = 1
le
y2
M2 y& 2
ro
y2
F1
( 3)
nt
:ﺑﺎ اﺳﺘﻔﺎده از ﻗﺎﻧﻮن دوم ﻧﯿﻮﺗﻦ دارﯾﻢ
∑ F = Ma
co
: ﺷﺘﺎب آن ﻣﯽﺑﺎﺷﺪa وM ﻣﺠﻤﻮع ﻧﯿﺮوﻫﺎي وارده ﺑﺮ ﺟﺴﻢ ∑F ﮐﻪ در آن
d d 2 y1
−
1 1 1
F k y − c ( y1 − y 2 ) = M a
1 1 = M 1
dt 2
dt
2
(*)
F − k y − c d ( y − y ) = M a = M d y2
2 2 2 dt
2 1 2 2 2
dt 2
37 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
k1 y1
F2
M1
.ir
c ( y1 − y2 ) y1
k 2 y2 c ( y2 − y1 )
rs
M2
y2
F1
ee
x1 = y1
x2 = y&1 = x&1
x3 = y2 in
x4 = y& 2 = x&3
:ﺑﺎ اﺳﺘﻔﺎده از ﻣﻌﺎدﻻت )*( دارﯾﻢ
ng
d d 2 x1 d dx1 dx2
F1 − k1 x1 − c dt ( x1 − x3 ) = M 1 dt 2 = M 1 dt dt = M 1 dt
F − k x − c d ( x − x ) = M d dx3 = M dx4
2 2 3 3 1 2 2
dt dt dt dt
F1 − k1 x1 − cx&1 + cx&3 = M 1 x&2 F − k x − cx2 + cx4 = M 1 x&2
le
→ → 1 1 1
F2 − k2 x3 − cx&3 + cx&1 = M 2 x&4 F2 − k2 x3 − cx4 + cx2 = M 2 x&4
x&1 = x2
ro
x&2 = 1 ( F1 − k1 x1 − cx2 + cx4 )
M1
→
x&3 = x4
nt
1
x&4 = ( F2 + cx2 − k2 x3 − cx4 )
M2
: دارﯾﻢ8-2 و2-7 ﺑﺎ ﻣﺮﺗﺐ ﮐﺮدن ﻣﻌﺎدﻻت ﻓﻮق ﺑﺮ اﺳﺎس ﻣﻌﺎدﻟﻪ
co
0 1 0 0 0 0
x
x&1 −k1 −c c 1 1
& M M1
0
M 1 x2 M 1
0
F1
x2 = 1 +
x&3 0 0 0 1 x3 0 0 F2
x&4 c −k2 −c x4 1
0 0
M2 M2 M2 M2
38 ﺻﻔﺤﻪ
ﻤﺎ ﺶ ﻢ ی ﯽ:ﺶ ﻮم
x1
y1 1 0 0 0 x2 0 0 F1
= +
y2 0 0 1 0 x3 0 0 F2
x4
.ir
mg
θ
l
rs
H
ee
u
M V
My&& = u − mgθ
M lθ&& = ( M + m ) gθ − u
y
in
( 4)
ng
:ﺑﺎ اﻧﺘﺨﺎب ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺑﻪ ﺻﻮرت
x1 = y
x = y& = x&
2 &&
y = x&2
→
1
x3 = θ θ&& = x&4
le
x = θ& = x&
4 3
:دارﯾﻢ
ro
x&1 = x2
x&2 = − mg x3 + 1 u
Mx&2 = u − mgx3 M M
nt
→
M lx4 = ( M + m ) gx3 − u 3
& x& = x 4
( M + m) g x − 1 u
x&4 =
Ml Ml
3
co
y = x1
: دارﯾﻢ8-2 و2-7 ﺑﺎ ﻣﺮﺗﺐ ﮐﺮدن ﻣﻌﺎدﻻت ﻓﻮق ﺑﺮ اﺳﺎس ﻣﻌﺎدﻟﻪ
0 1 0 0 0
x&1 x
mg 1
x& 0 0
1
0 −
2= M x2 M
+
x&3 0 0 0 1 x3 0
x&4 0 ( M + m) g x
0 4 −
1
0
Ml M
39 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
x1
x
y = (1 0 0 0 ) 2 + 0 × u
x3
x4
<
.ir
-2-2-3ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ و ارﺗﺒﺎط آن ﺑﺎ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ:
ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﯾﮏ ﺳﯿﺴﺘﻢ ﺧﻄﯽ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ،ﻃﺒﻖ ﺗﻌﺮﯾﻒ ﻧﺴﺒﺖ ﺗﺒﺪﯾﻞ ﻻﭘﻼس ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ ﺑﻪ ﺗﺒﺪﯾﻞ ﻻﭘﻼس ورودي
rs
آن ﻣﯽﺑﺎﺷﺪ؛ ﺑﻨﺎﺑﺮاﯾﻦ ،اﮔﺮ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﯾﮏ ﺳﯿﺴﺘﻢ را ﺑﺎ ) G ( sﻧﻤﺎﯾﺶ دﻫﯿﻢ دارﯾﻢ:
}) L {c ( t )C (s
= )G ( s = )(8-2
ee
}) L {r ( t )R ( s
ﮐﻪ در آن ) y ( tو ) x ( tﺑﻪ ﺗﺮﺗﯿﺐ ﺧﺮوﺟﯽ و ورودي ﺳﯿﺴﺘﻢ ﻣﯽﺑﺎﺷﻨﺪ .ﺑﺎ داﺷﺘﻦ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﻧﯿﺰ ﻣﯽﺗﻮان ﺑﻪ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ
رﺳﯿﺪ .ﺑﺎ اﻋﻤﺎل ﺗﺒﺪﯾﻞ ﻻﭘﻼس ﺑﻪ ﻫﺮ دو ﻣﻌﺎدﻟﻪ 5-1دارﯾﻢ:
r
r
r
r
r
in
) x& ( t ) = A x ( t ) + Br ( t ) L{ } sX ( s ) = AX ( s ) + BR ( s
→
) y ( t ) = C x ( t ) + D r ( t ) Y ( s ) = CX ( s ) + DR ( s
ng
) → X ( s )( sI − A ) = BR ( s ) → X ( s ) = ( sI − A ) BR ( s
−1
( ) (
) → Y ( s ) = C ( sI − A ) BR ( s ) + DR ( s ) = C ( sI − A ) B + D R ( s
−1 −1
)
)Y ( s
= )G ( s = C ( sI − A) B + D
−1
)(9-2
)R ( s
le
ﻣﺜﺎل 2-3
ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﺳﯿﺴﺘﻢ دوم ﻣﺜﺎل 1-2را ﺑﻪ ازاي ﻣﻘﺎدﯾﺮ دادهﺷﺪه ﺑﻪ دﺳﺖ آورﯾﺪ.
ro
M = 1kg
1) k = 2 N/m
c = 1N / m / sec
nt
ﺑﺎ ﺟﺎﯾﮕﺰﯾﻦ ﮐﺮدن ﻣﻘﺎدﯾﺮ در ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺑﻪ دﺳﺖ آﻣﺪه از ﻣﺜﺎل 4-1دارﯾﻢ:
x&1 0 1 x1 0
co
x& = = + × FM
x&2 −2 −1 x2 1 0 1 0
→ A= , B = , C = [1 0] , D = 0
y = 1 0 x1 + 0 × F −2 −1 1
[ ] M
x2
ﺑﻨﺎﺑﺮاﯾﻦ:
ﺻﻔﺤﻪ 40
ﺶ ﻮم :ﻤﺎ ﺶ ﻢ ی ﯽ
G ( s ) = C ( sI − A) B + D
−1
−1 −1
1 0 0 1 s −1
→ ( sI − A) = s
−1
− =
0 1 −2 −1 2 s + 1
1 s +1 1 1 s +1 1
= = 2
s ( s + 1) + 2 −2 s s + s + 2 −2 s
.ir
1 s +1 1 0 1 s + 1 1 0
→ G ( s ) = (1 0 ) 2 = 2 (1 0 )
s + s + 2 −2 s 1 s + s + 2 −2 s 1
rs
1 1 1
= 2 (1 0 ) = 2
s +s+2 s s + s + 2
<
ee
-3-3ﺧﻄﯽ ﺳﺎزي ﺳﯿﺴﺘﻢﻫﺎي ﻏﯿﺮﺧﻄﯽ:
اﮔﺮﭼﻪ دﯾﻨﺎﻣﯿﮏ ﺣﺎﮐﻢ ﺑﺮ اﮐﺜﺮ ﻓﺮآﯾﻨﺪﻫﺎي ﺻﻨﻌﺘﯽ و ﺳﯿﺴﺘﻢﻫﺎي واﻗﻌﯽ ،ﻏﯿﺮﺧﻄﯽ اﺳﺖ ﻟﯿﮑﻦ ﺗﺤﻠﯿﻞ و ﻃﺮاﺣﯽ ﺳﯿﺴﺘﻢﻫﺎي
in
ﮐﻨﺘﺮل ﺑﺮاي ﺣﺎﻟﺖ ﻏﯿﺮﺧﻄﯽ ﺑﺴﯿﺎر دﺷﻮار و ﭘﯿﺎدهﺳﺎزي ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎي ﻏﯿﺮﺧﻄﯽ در ﺑﺴﯿﺎري از ﻣﻮارد ﻋﻤﻠﯽ و ﮐﺎرﺑﺮدي اﻣﺮي
ﻏﯿﺮﺿﺮوري اﺳﺖ .در واﻗﻊ ،در ﻋﻤﻞ ﻧﺸﺎن دادهﺷﺪه اﺳﺖ ﮐﻪ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ﺧﻄﯽ ،رده ﺑﺴﯿﺎر وﺳﯿﻌﯽ از ﺳﯿﺴﺘﻢﻫﺎي واﻗﻌﯽ و
ﻓﺮآﯾﻨﺪﻫﺎي ﭘﯿﭽﯿﺪه ﺻﻨﻌﺘﯽ را ﺑﺨﻮﺑﯽ ﮐﻨﺘﺮل ﻣﯽﻧﻤﺎﯾﻨﺪ .از اﯾﻦ رو ،ﺑﻪ دﺳﺖ آوردن ﻣﺪل ﻫﺎي دﻗﯿﻖ ﺧﻄﯽ از ﺳﯿﺴﺘﻢﻫﺎي ﻏﯿﺮﺧﻄﯽ
ng
از ﻧﻈﺮ ﻣﻬﻨﺪﺳﯽ ﺑﺴﯿﺎر ﻣﻬﻢ و اﺟﺘﻨﺎبﻧﺎﭘﺬﯾﺮ اﺳﺖ .ﯾﮏ روش ﮐﺎرﺑﺮدي و ﻣﻮﻓﻖ در ﺧﻄﯽ ﺳﺎزي ﻣﻌﺎدﻻت ﻏﯿﺮﺧﻄﯽ ﺳﯿﺴﺘﻢ ،ﺑﺮ
اﺳﺎس ﺑﺴﻂ ﺗﯿﻠﻮر اﺳﺖ .ﺗﺎﺑﻊ ﮐﻠﯽ ) f ( tرا در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ .ﺑﺎ ﻓﺮض ﺗﺤﻠﯿﻠﯽ ﺑﻮدن ﺗﺎﺑﻊ ﺑﺴﻂ ﺗﯿﻠﻮر اﯾﻦ ﺗﺎﺑﻊ ﺑﻪ ﺻﻮرت ﺳﺮي
ﺑﯽﻧﻬﺎﯾﺖ زﯾﺮ ﺗﻮﺻﯿﻒ ﻣﯽﻧﻤﺎﯾﺪ:
le
∞
) 1 d f (t
n
∑ = ) f (t ) ( t − t0 )(10-2
n
! n=0 n dt t =t
0
اﯾﻦ ﺳﺮي ﺣﻮل ﻧﻘﻄﻪ t = t0ﺑﺴﻂ دادهﺷﺪه اﺳﺖ .ﻧﻘﻄﻪ t0را ﻧﻘﻄﻪ ﮐﺎر ﯾﺎ ﻧﻘﻄﻪ ﺗﻌﺎدل ﻣﯽﻧﺎﻣﻨﺪ .ﻣﻌﺎدﻟﻪ 10-2را ﺑﻪ ﺻﻮرت زﯾﺮ
ro
ﺑﺎزﻧﻮﯾﺴﯽ ﻣﯽﮐﻨﯿﻢ:
) df ( t ) 1 d f (t
2
f ( t ) = f ( t0 ) + )( 0
− + ( t − t0 ) + ...
2
t t 2
dt t =t 2! dt
nt
0 t =t 0
) df ( t
= f ( t0 ) + ﻋﺒﺎرات ﻣﺮﺗﺒﻪ ﺑﺎﻻﺗﺮ ( t − t0 ) +
dt t =t 1
co
0
) df ( t
; f ( t0 ) + ) ( t − t0
dt t =t )(11-2
0
ﮐﻪ در ﻣﻌﺎدﻟﻪ آﺧﺮ از ﻋﺒﺎرات ﻣﺮﺗﺒﻪ ﺑﺎﻻﺗﺮ ﺻﺮﻓﻨﻈﺮ ﺷﺪه اﺳﺖ.
v
در ﺣﺎﻟﺖ ﮐﻠﯽ ﺗﺮ ﮐﻪ ﺗﺎﺑﻊ ﺑﺮداري fﺑﻪ ﭼﻨﺪﯾﻦ ﻣﺘﻐﯿﺮ ﻣﺎﻧﻨﺪ x1 , x2 ,..., xnواﺑﺴﺘﻪ اﺳﺖ ،ﻣﻌﺎدﻟﻪ 11-2ﺑﻪ ﺻﻮرت زﯾﺮ ﺧﻮاﻫﺪ ﺑﻮد:
1
)Higher Order Terms (h.o.t
ﺻﻔﺤﻪ 41
وه ﯽ ﺮل ﺪرن
v
v v ) ∂f ( t
f ( t ) ; f ( t0 ) + ) ( t − t0 )(12-2
∂t t =t
0
ﮐﻪ در آن:
f1 ( t ) x1
v f (t ) v
.ir
x
f (t ) = 2 , x = 2
M M
fn (t ) xn
v
rs
∂f
را ﻣﺎﺗﺮﯾﺲ ژاﮐﻮﺑﯿﻦ ﻧﺎﻣﯿﺪه و ﺑﻪ ﺻﻮرت J tﻧﻤﺎﯾﺶ ﻣﯽدﻫﻨﺪ .دراﯾﻪ ) ( i, jﻣﺎﺗﺮﯾﺲ J tﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ: 1
ﻣﯽﺑﺎﺷﻨﺪ .ﻣﺎﺗﺮﯾﺲ
∂t
∂f
( J t )ij = i )(13-2
∂t j
ee
ﺑﺎ اﻋﻤﺎل روﻧﺪ ﺧﻄﯽ ﺳﺎزي ﺑﺎﻻ ﺑﻪ ﻣﻌﺎدﻻت ﻏﯿﺮﺧﻄﯽ ﺳﯿﺴﺘﻢ 1-2ﺣﻮل ﻧﻘﻄﻪ ﮐﺎر ) ( x0 , r0و ﺑﺎ ﺗﻌﺮﯾﻒ
v v v
) x ( t ) = x0 ( t ) + ∆x ( t )(14-2
v v v
) r ( t ) = r0 ( t ) + ∆r ( t in )(15-2
ﮐﻪ در آن ∆xو ∆rﺑﻪ ﺗﺮﺗﯿﺐ اﻧﺤﺮاﻓﺎت ﮐﻮﭼﮏ ﺣﻮل ﻧﻘﻄﻪ ﮐﺎر را ﻣﯽدﻫﻨﺪ ،دارﯾﻢ:
v v v v v
x&0 ( t ) + ∆x& ( t ) = f ( x0 , r0 , t ) + J x ( x0 , r0 , t ) ∆x ( t ) + J r ( x0 , r0 , t ) ∆r ( t ) + h.o.t )(16-2
ng
و ﻟﺬا ﺑﺎ ﺻﺮﻓﻨﻈﺮ ﮐﺮدن از ﻋﺒﺎرات ﻣﺮﺗﺒﻪ ﺑﺎﻻﺗﺮ ،ﺑﻪ دﺳﺖ ﻣﯽآورﯾﻢ:
v v v
) ∆x& ( t ) = A ( t ) ∆x ( t ) + B ( t ) ∆r ( t )(17-2
ﮐﻪ در آن:
le
) A ( t ) = J x ( x0 , r0 , t ) , B ( t ) = J r ( x0 , r0 , t
ﻣﯽﺑﺎﺷﺪ .ﺑﻪ ﻃﻮر ﻣﺸﺎﺑﻪ ﺑﺮاي ﻣﻌﺎدﻟﻪ ﻏﯿﺮﺧﻄﯽ ﺧﺮوﺟﯽ 2-2دارﯾﻢ:
v v v
ro
) ∆y ( t ) = C ( t ) ∆x ( t ) + D ( t ) ∆r ( t )(18-2
ﮐﻪ در آن:
) C ( t ) = g x ( x0 , r0 , t ) , D ( t ) = g r ( x0 , r0 , t
nt
v v
g xو g rﺑﻪ ﺗﺮﺗﯿﺐ ،ﻣﺎﺗﺮﯾﺲﻫﺎي ژاﮐﻮﺑﯿﻦ ﺑﺮ ﺣﺴﺐ ) x ( tو ) r ( tﻣﯽﺑﺎﺷﻨﺪ .در ﺻﻮرﺗﯽ ﮐﻪ ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎ زﻣﺎن ﺑﺎﺷﺪ،
ﺑﺎزﻧﻮﯾﺴﯽ ﻣﻌﺎدﻻت 17-2و ،18-2ﻣﻌﺎدﻻت ﺣﺎﻟﺖ و ﺧﺮوﺟﯽ ﺧﻄﯽ ﺳﺎزي ﺷﺪه ﺳﯿﺴﺘﻢ را ﺣﻮل ﻧﻘﻄﻪ ﮐﺎر ﺑﻪ ﺻﻮرت زﯾﺮ ﺑﻪ دﺳﺖ
co
ﻣﯽدﻫﻨﺪ:
&v v v )(19-2
) x ( t ) = Ax ( t ) + Br ( t
v v v
) y ( t ) = Cx ( t ) + Dr ( t )(20-2
ﻣﺜﺎل 3-3
ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺧﻄﯽ ﺷﺪه ﺳﯿﺴﺘﻢﻫﺎي زﯾﺮ ﺑﻪ دﺳﺖ آورﯾﺪ:
1
Jacobian
ﺻﻔﺤﻪ 42
ﻤﺎ ﺶ ﻢ ی ﯽ:ﺶ ﻮم
dx1
dt = x1 ( t ) − sin 3 x2 ( t ) + r1 ( t ) − r2 ( t ) = f1 ( t )
2 3
v v
1) , ( x ( 0 ) , r ( 0 ) ) = ( 0, 0 )
dx2 = x ( t ) e − x2 (t ) + x ( t ) − r ( t ) = f ( t )
dt 1 2 1 2
: را ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﺸﮑﯿﻞ ﻣﯽدﻫﯿﻢJ r وJ x اﺑﺘﺪا ﻣﺎﺗﺮﯾﺲﻫﺎي ژاﮐﻮﺑﯿﻦ
.ir
∂f1 ∂f1
∂x ∂x2 2 x1 ( t ) −3cos x2 ( t ) 0 −3
Jx = 1 = = 1 1
∂f 2 ∂f 2 e 2 ( ) − x1 ( t ) e 2 ( ) + 1 v
− −
rs
x t x t
x ( 0) =0
∂x ∂x2
1
∂f1 ∂f1
∂r ∂r2 3r12 ( t ) −1 0 −1
ee
Jr = 1 = =
∂f 2 ∂f 2 −1 0 rv ( 0) =0 1 0
∂r ∂r2
1
in :ﺑﻨﺎﺑﺮاﯾﻦ
v 0 −3 v 0 −1 v
∆x& ( t ) = ∆x ( t ) + ∆r ( t )
1 1 1 0
dx1
ng
dt = x2 ( t ) = f1 ( t ) v 1
2) , x (0) = , r ( 0) = 0
dx2 = −2 (1 + x ( t ) ) x ( t ) + 4 x 3 ( t ) + 2r ( t ) = f ( t ) 1
dt 1 2 1 2
le
: را ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﺸﮑﯿﻞ ﻣﯽدﻫﯿﻢJ r وJ x اﺑﺘﺪا ﻣﺎﺗﺮﯾﺲﻫﺎي ژاﮐﻮﺑﯿﻦ
∂f1 ∂f1
∂x ∂x2
=
0 1 0 −3
ro
Jx = =
1
∂f 2 ∂f 2 x2 ( t ) + 12 x1 ( t ) −2 (1 + x1 ( t ) ) xv ( 0)= 0 13 −4
2
∂x ∂x2
1
∂f1
nt
∂r 0
Jr = =
∂f 2 2
∂r
co
v 0 −3 v 0
∆x& ( t ) = ∆x ( t ) + ∆r ( t )
13 −4 2
<
43 ﺻﻔﺤﻪ
co
nt
ro
le
ng
:ﺶ ﮫﺎرم
ﻮری ﻢ ی ﯽ
in
ee
rs
.ir
ﺶ ﮫﺎرم :ﻮری ﻢ ی ﯽ
3ﺑﺨﺶ ﭼﻬﺎرم :ﺗﺌﻮري ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ: (4
-1-4ﻣﻘﺪﻣﻪ:
ﻣﻮﺿﻮع ﻣﻮرد ﺑﺤﺚ در اﯾﻦ ﻓﺼﻞ ،ﺗﺌﻮري ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ ﻧﺎﻣﺘﻐﯿﺮ ﺑﺎ زﻣﺎن ) (LTIاﺳﺖ .ﯾﮑﯽ از اﻧﮕﯿﺰهﻫﺎي ﻣﻬﻢ ﺑﺮرﺳﯽ ﺗﺌﻮري
.ir
ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ اﯾﻦ اﺳﺖ ﮐﻪ در ﻫﻤﺴﺎﯾﮕﯽ ﻧﻘﺎط ﺗﻌﺎدل،ﮐﻠﯿﻪ ﺳﯿﺴﺘﻢﻫﺎي ﻓﯿﺰﯾﮑﯽ را ﻣﯽﺗﻮان ﺑﺎ ﯾﮏ ﻣﺪل ﺧﻄﯽ ﺗﻘﺮﯾﺐ زد؛ اﻣﺎ
دﻟﯿﻞ اﺻﻠﯽ ﺑﺮرﺳﯽ دﻗﯿﻖ ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ اﯾﻦ اﺳﺖ ﮐﻪ ﺗﻨﻬﺎ در ﻣﻮرد اﯾﻦﮔﻮﻧﻪ ﺳﯿﺴﺘﻢ ﻫﺎ ﺗﺌﻮري ﮐﺎﻣﻞ و ﮐﺎرﺑﺮدي ﺗﺪوﯾﻦ ﺷﺪه
rs
اﺳﺖ .ﺑﺪﯾﻦ دﻟﯿﻞ اﺳﺖ ﮐﻪ در ﺑﺴﯿﺎري از ﮐﺎرﺑﺮدﻫﺎي ﺻﻨﻌﺘﯽ از ﮐﻠﯿﻪ ﻋﻮاﻣﻞ ﻏﯿﺮﺧﻄﯽ در ﻓﺎز ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﺻﺮﻓﻨﻈﺮ
ﻣﯽﺷﻮد .در اﯾﻦ ﺣﺎﻟﺖ ﻫﻤﺎﻧﮕﻮﻧﻪ ﮐﻪ در ﻓﺼﻞ ﻗﺒﻞ ﻧﻤﺎﯾﺶ داده ﺷﺪ ،ﯾﮏ ﻣﺪل ﺧﻄﯽ ﻣﺘﻐﯿﺮ ﺑﺎ زﻣﺎن ﻣﺒﻨﺎي ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه
ﻗﺮار ﻣﯽﮔﯿﺮد و در ﻋﻤﻞ ﻋﻮاﻣﻞ ﻏﯿﺮﺧﻄﯽ ﺗﻨﻬﺎ در ﻣﺸﺎﺑﻪ ﺳﺎزي ﺳﯿﺴﺘﻢ ﺣﻠﻘﻪ ﺑﺴﺘﻪ ﺑﻪ ﻣﻨﻈﻮر ﺑﺮرﺳﯽ ﻋﻤﻠﮑﺮد ﮐﻨﺘﺮلﮐﻨﻨﺪه اﺳﺘﻔﺎده
ee
ﻣﯽﺷﻮﻧﺪ .ﺟﺎﻟﺐ ﺗﻮﺟﻪ اﺳﺖ ﮐﻪ ﻣﺪﻟﻬﺎي ﺧﻄﯽ در اﻏﻠﺐ ﻣﻮارد ﻣﻨﺠﺮ ﺑﻪ اﺳﺘﻨﺒﺎط ﻣﻨﺎﺳﺒﯽ از رﻓﺘﺎر ﺳﯿﺴﺘﻢ ﺷﺪه و ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎي
ﻗﺎﺑﻞ ﻗﺒﻮﻟﯽ ﺑﺮاي ﺳﯿﺴﺘﻢ ﺗﻮﻟﯿﺪ ﻣﯽﮐﻨﻨﺪ.
in -2-4ﺧﺼﻮﺻﯿﺎت ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ:
ﯾﮏ ﺳﯿﺴﺘﻢ LTIرا ﺑﺎ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺑﻪ ﻓﺮم ﻣﺎﺗﺮﯾﺴﯽ زﯾﺮ در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ:
ng
&v v v
) x ( t ) = Ax ( t ) + Br ( t )(1-4
v v v
) y ( t ) = Cx ( t ) + Dr ( t
v
ﮐﻪ در آن ﺑﻌﺪ ﻣﺎﺗﺮﯾﺲ xﺑﺮاﺑﺮ ، nﺑﻌﺪ ورودي ﺑﺮاﺑﺮ kو ﺑﻌﺪ ﺧﺮوﺟﯽ ﺑﺮاﺑﺮ mﻣﯽﺑﺎﺷﺪ .در ﺳﯿﺴﺘﻢﻫﺎي LTIﻣﺎﺗﺮﯾﺲﻫﺎي
v v
A, B, C , Dداراي ﻋﻨﺎﺻﺮ ﺛﺎﺑﺖ و ﻧﺎﻣﺘﻐﯿﺮ ﺑﺎ زﻣﺎن ﻣﯽﺑﺎﺷﻨﺪ .ﻓﺮض ﮐﻨﯿﺪ ﺷﺮاﯾﻂ اوﻟﯿﻪ x ( 0 ) = x0ﺑﺎﺷﺪ .ﻣﯽﺗﻮان ﻧﺸﺎن داد ﭘﺎﺳﺦ
le
v v
ﺳﯿﺴﺘﻢ ) x ( tﮐﻪ از ﺷﺮاﯾﻂ اوﻟﯿﻪ x0ﺷﺮوع ﻣﯽﺷﻮد وﺟﻮد داﺷﺘﻪ و ﯾﮑﺘﺎﺳﺖ.
ﭘﺎﺳﺦ اﯾﻦ ﻧﻮع ﺳﯿﺴﺘﻢ ﻫﺎ را ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺧﻄﯽ ﺑﻮدن آنﻫﺎ ﻣﯽﺗﻮان ﺳﯿﺴﺘﻢ ﺑﻪ دو ﺟﺰ ﺗﻘﺴﯿﻢ ﻧﻤﻮد:
v v v
ro
) x ( t ) = xh ( t ) + x p ( t
v v )(2-4
) = xzi ( t ) + xzs ( t
v v
ﮐﻪ در آن ) xh ( tﯾﺎ ) xzi ( tﻣﺮﺑﻮط ﺑﻪ ﭘﺎﺳﺦ ﻫﻤﮕﻦ ﯾﺎ ﺑﺪون ورودي 1ﻣﯽﺑﺎﺷﺪ ﮐﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻌﺮﯾﻒ ﺑﺎﯾﺪ ﻣﻌﺎدﻟﻪ زﯾﺮ را ﺑﺮآورده
nt
ﮐﻨﺪ:
&v v
) xzi ( t ) = Axzi ( t v
v v , xzi ( 0 ) = x0 )(3-4
) y zi ( t ) = Cxzi ( t
co
v v
از ﻃﺮﻓﯽ ) x p ( tﯾﺎ ) xzs ( tﻣﺮﺑﻮط ﺑﻪ ﭘﺎﺳﺦ ﺧﺼﻮﺻﯽ ﯾﺎ ﺑﺪون ﺷﺮاﯾﻂ اوﻟﯿﻪ 2ﻣﯽﺑﺎﺷﺪ ﮐﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻌﺮﯾﻒ ﺑﺎﯾﺪ ﻣﻌﺎدﻟﻪ زﯾﺮ را
ﺑﺮآورده ﮐﻨﺪ:
v v v
) x& zs ( t ) = Axzs ( t ) + Br ( t v
v v v , xzs ( 0 ) = 0 )(4-4
) y zs ( t ) = Cxzs ( t ) + Dr ( t
ﻃﺒﻖ ﺧﻮاص ﺧﻄﯽ ﺑﻮدن ﭘﺎﺳﺦ ﺳﯿﺴﺘﻢﻫﺎي LTIﻣﯽﺗﻮان ﺧﻮاص ﺧﻄﯽ ﺑﻮدن در اﺟﺰا ﭘﺎﺳﺦ را ﻧﯿﺰ ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﯿﯿﻦ ﻧﻤﻮد:
1
Zero Input
2
Zero State
ﺻﻔﺤﻪ 45
وه ﯽ ﺮل ﺪرن
v
اﻟﻒ( ﺧﻄﯽ ﺑﻮدن ﭘﺎﺳﺦ ﻫﻤﮕﻦ : xzi
v v v v v v
ﻓﺮض ﮐﻨﯿﺪ ) x1 ( tﻣﺮﺑﻮط ﺑﻪ ﺷﺮاﯾﻂ اوﻟﯿﻪ x1 ( 0 ) = x 10و ) x2 ( tﭘﺎﺳﺦ ﻣﺮﺑﻮط ﺑﻪ ﺷﺮاﯾﻂ اوﻟﯿﻪ x2 ( 0 ) = x 20ﺑﺎﺷﺪ .ﻃﺒﻖ
v v v
ﺧﺎﺻﯿﺖ ﺧﻄﯽ ﺑﻮدن ﺳﯿﺴﺘﻢ در ﺻﻮرﺗﯽ ﮐﻪ ﺷﺮاﯾﻂ اوﻟﯿﻪ x ( 0 ) = α x 10 + β x 20ﺑﺎﺷﺪ ،ﭘﺎﺳﺦ ﺳﯿﺴﺘﻢ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ:
v v v
) x ( t ) = α x1 ( t ) + β x2 ( t )(5-4
.ir
v
ب( ﺧﻄﯽ ﺑﻮدن ﭘﺎﺳﺦ ﺧﺼﻮﺻﯽ : xzs
v v v v
ﻓﺮض ﮐﻨﯿﺪ ) x1 ( tﻣﺮﺑﻮط ﺑﻪ ورودي ) r1 ( tو ) x2 ( tﭘﺎﺳﺦ ﻣﺮﺑﻮط ﺑﻪ ورودي ) r2 ( tﺑﺎﺷﺪ .ﻃﺒﻖ ﺧﺎﺻﯿﺖ ﺧﻄﯽ ﺑﻮدن ﺳﯿﺴﺘﻢ در
rs
v v v
ﺻﻮرﺗﯽ ﮐﻪ ورودي ) r ( t ) = α r1 ( t ) + β r2 ( tﺑﺎﺷﺪ ،ﭘﺎﺳﺦ ﺳﯿﺴﺘﻢ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ:
v v v
) x ( t ) = α x1 ( t ) + β x2 ( t )(6-4
ج( ﺧﺎﺻﯿﺖ رويﻫﻢ ﮔﺬاري:
ee
ﺧﺎﺻﯿﺖ رويﻫﻢ ﮔﺬاري ،ﻣﻬﻢﺗﺮﯾﻦ ﺧﺎﺻﯿﺖ ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ در ﺣﻞ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﻣﯽﺑﺎﺷﺪ .ﭘﺎﺳﺦ ﮐﺎﻣﻞ ﯾﮏ ﺳﯿﺴﺘﻢ ﺧﻄﯽ ﮐﻪ
v v
داراي ﺷﺮاﯾﻂ اوﻟﯿﻪ ) x ( 0و ورودي ) r ( tﻣﯽﺑﺎﺷﺪ ،از ﺟﻤﻊ دو ﭘﺎﺳﺦ ﻫﻤﮕﻦ و ﺧﺼﻮﺻﯽ ﺑﻪ دﺳﺖ ﻣﯽآﯾﺪ:
v v v
) x ( t ) = xzi ( t ) + xzs ( t )(7-4
in
ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﯾﻦ ﺧﺎﺻﯿﺖ ﻣﻨﻄﻘﯽ اﺳﺖ ﮐﻪ ﺑﺮاي ﺗﻌﯿﯿﻦ ﭘﺎﺳﺦ ﮐﺎﻣﻞ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ،ﻫﺮ ﯾﮏ از اﺟﺰا ﭘﺎﺳﺦ را ﺟﺪاﮔﺎﻧﻪ ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﯾﯿﻢ
ﮐﻪ در ﺑﺨﺶﻫﺎي آﺗﯽ ﺑﻪ اﯾﻦ اﻣﺮ ﺧﻮاﻫﯿﻢ ﭘﺮداﺧﺖ.
ng
-3-4ﺣﻞ ﻣﻌﺎدﻻت ﺳﯿﺴﺘﻢﻫﺎي :LTI
-1-3-4ﺣﻞ ﭘﺎﺳﺦ ﻫﻤﮕﻦ ﯾﺎ ﺑﺪون ورودي:
le
ﺳﯿﺴﺘﻢ ﺧﻄﯽ ﺑﺪون ورودي زﯾﺮ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ:
&v v
) x ( t ) = Ax ( t )(8-4
v
x ( 0 ) = x0
ro
از اﯾﻦ ﻣﻌﺎدﻟﻪ ﻣﺸﺘﻖ ﻣﯽﮔﯿﺮﯾﻢ:
v
&& v v
) x ( t ) = Ax& ( t ) = A2 x ( t
v
&&& v v
&& x ( t ) = A2
) x ( t ) = A3 x ( t
nt
M
v v
) x ( k ) ( t ) = Ak x ( t
co
v v v
x ( k ) ( 0 ) = Ak x ( 0 ) = Ak x0
v v
ﮐﻪ در آن ) x ( kﻣﺸﺘﻖ kام ﻣﯽﺑﺎﺷﺪ .اﯾﻦ ﻣﻌﺎدﻟﻪ ﻧﺸﺎن ﻣﯽدﻫﺪ ﮐﻪ ) x ( k ) ( 0ﺑﺮاي ﮐﻠﯿﻪ ﺗﻮانﻫﺎي ﻣﺤﺪود وﺟﻮد ﺧﻮاﻫﺪ داﺷﺖ.
v
ﺣﺎل ﺑﺎ اﺳﺘﻔﺎده از ﺳﺮي ﺗﯿﻠﻮر ﭘﺎﺳﺦ ) x ( tرا ﺑﺮ ﺣﺴﺐ ﻣﺸﺘﻘﺎت آن در زﻣﺎن ﺻﻔﺮ ﺗﻌﺒﯿﺮ ﻣﯽﮐﻨﯿﻢ:
v v 1 v 1 v
&& x ( t ) = x& ( 0 ) t +x ( 0 ) t 2 + ... + x ( k ) ( 0 ) t k + ...
!2 !k
v v 1 v 1 v
= x0 + Ax0 t + A2 x0 t 2 + ... + Ak x0 t k + ...
!2 !k
ﺻﻔﺤﻪ 46
ﺶ ﮫﺎرم :ﻮری ﻢ ی ﯽ
1 1 v
= I + At + A2 t 2 + ... + Ak t k + ... x0
!2 !k
ﻟﺬا ﭘﺎﺳﺦ ﻫﻤﮕﻦ ﺑﻪ ﻓﺮم ﺳﺎده زﯾﺮ ﺗﻌﺒﯿﺮ ﻣﯽﺷﻮد:
v v
x ( 0 ) = ϕ ( t ) x0
ﮐﻪ در آن ) ϕ ( tﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ ﯾﺎ ﻣﺎﺗﺮﯾﺲ ﻧﻤﺎﯾﯽ اﺳﺖ ﮐﻪ ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽﮔﺮدد:
.ir
1 2 2 1
ϕ ( t ) = e At = I + At + A t + ... + Ak t k + ... )(9-4
!2 !k
v v
اﯾﻦ ﻣﻌﺎدﻟﻪ ﻧﺸﺎن ﻣﯽدﻫﺪ ﮐﻪ ) x ( tﺑﻪ ﻋﻨﻮان ﯾﮏ ﺗﺎﺑﻊ ﻣﺘﻐﯿﺮ ﺑﺎ زﻣﺎن و ﺑﺎ ﺑﻌﺪ ﻧﺎﻣﺤﺪود ﺑﻪ راﺣﺘﯽ از اﻃﻼﻋﺎت ﻣﻮﺟﻮد در x0و
rs
ﻣﺸﺨﺼﺎت ﺳﯿﺴﺘﻢ ϕ ( t ) = e Atﻗﺎﺑﻞ ﻣﺤﺎﺳﺒﻪ اﺳﺖ.
ﻧﮑﺘﻪ :ﺧﺼﻮﺻﯿﺎت اﺻﻠﯽ ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ ﺑﻪ ﺷﺮح زﯾﺮ اﺳﺖ:
ee
1) ϕ ( 0 ) = e A×0 = I
) 2) ϕ ( t1 + t2 ) = e A(t +t ) = e At e At = ϕ ( t1 ) ϕ ( t2
1 2 1 2
) 3) ϕ −1 ( t ) = ( e At ) = e− At = e A( −t ) = ϕ ( −t
−1
4) ( e At ) = e A t
5) Ae At = e At A
T T
in
( ) ϕ ( t ) ) = ( e At ) = Ae At = Aϕ ( t
d d
)6
ng
dt dt
-2-3-4ﺣﻞ ﮐﺎﻣﻞ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ:
ﺑﺮاي ﺗﻌﯿﯿﻦ ﺣﻞ ﮐﺎﻣﻞ ،ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ را ﺑﻪ ﻓﺮم زﯾﺮ ﺑﺎزﻧﻮﯾﺴﯽ ﻣﯽﮐﻨﯿﻢ:
v v v
) x& ( t ) − Ax ( t ) = Br ( t
le
ﺑﺎ ﺿﺮب ﻃﺮﻓﯿﻦ ﻣﻌﺎدﻟﻪ در e− Atدارﯾﻢ:
v v v
) e− At x& ( t ) − e− At Ax ( t ) = e− At Br ( t
ro
v v v
) → e − At x& ( t ) − Ae− At x ( t ) = e − At Br ( t
d − At v v
→
dt
( ) e x ( t ) ) = e − At Br ( t
nt
اﮐﻨﻮن ﺑﺎ اﻧﺘﮕﺮالﮔﯿﺮي از ﻃﺮﻓﯿﻦ دارﯾﻢ:
d − Aτ v v
∫ ( e x (τ ) ) dτ = ∫ e − Aτ B r (τ ) dτ
t t
t0 dt t0
co
v t v
→ e − At x ( t ) = ∫ e − Aτ B r (τ ) dτ
t
t0 t0
v v v
→ e − At x ( t ) − e − At0 x ( t0 ) = ∫ e − Aτ B r (τ ) dτ
t
t0
ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺎ ﺿﺮب e Atدر ﻃﺮﻓﯿﻦ راﺑﻄﻪ ﻓﻮق ﺧﻮاﻫﯿﻢ داﺷﺖ:
At − At v v v
e 3 x ( t ) − e At e − At0 x ( t0 ) = ∫ e At e− Aτ B r (τ ) dτ
t
e12 t0
I
v A t −t v v
→ x ( t ) − e ( 0 ) x ( t0 ) = ∫ e A( t − ) B r (τ ) dτ
t τ
t0
ﺻﻔﺤﻪ 47
وه ﯽ ﺮل ﺪرن
v A( t − t0 ) v ( ) v
{→ x ( t ) = e {x ( t0 ) + ∫ e B r (τ )dτ
t A t −τ
t0
) ϕ ( t − t0 ) ϕ ( t −τ
ﺑﻨﺎﺑﺮاﯾﻦ:
v v v
x ( t ) = ϕ ( t − t0 ) x ( t0 ) + ∫ ϕ ( t − τ ) B r (τ )dτ
t
144244 3 144 t
424443
)(10-4
v
0
.ir
xzi v
xzs
v v
ﻫﻤﺎن ﻃﻮر ﮐﻪ ﻣﺸﺨﺺ اﺳﺖ ﭘﺎﺳﺦ ﮐﻠﯽ از دو ﺟﺰء xziو xzsﺗﺸﮑﯿﻞ ﺷﺪه اﺳﺖ ﮐﻪ ﻗﺴﻤﺖ ﻫﻤﮕﻦ در ﻗﺴﻤﺖ 1-3-4ﻣﺤﺎﺳﺒﻪ
v
ﺷﺪه اﺳﺖ و ﭘﺎﺳﺦ xzsﯾﺎ ﺧﺼﻮﺻﯽ ﻣﻄﺎﺑﻖ اﻧﺘﻈﺎر ﻓﺮم اﻧﺘﮕﺮال ﮐﺎﻧﻮﻟﻮﺷﻦ را دارد .اﯾﻦ اﻧﺘﮕﺮال ﮐﺎﻧﻮﻟﻮﺷﻦ ﺑﺎ اﺳﺘﻔﺎده از ﺗﺎﺑﻊ
rs
) ϕ ( t − τﯾﺎ ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﻣﺤﺎﺳﺒﻪ ﻣﯽﺷﻮد .از ﻃﺮﻓﯽ ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ را ﻣﯽﺗﻮان از ﻣﻌﺎدﻟﻪ
v v v
) y ( t ) = Cx ( t ) + Dr ( t
ee
ﺑﻪ دﺳﺖ آورد؛ ﺑﻨﺎﺑﺮاﯾﻦ:
v v v v
) y ( t ) = Cϕ ( t − t0 ) x ( t0 ) + C ∫ ϕ ( t − τ ) B r (τ ) dτ + Dr ( t )(11-4
t
t0
in ﻣﺜﺎل 1-4
v 1
ﭘﺎﺳﺦ ﮐﺎﻣﻞ ﺳﯿﺴﺘﻢ زﯾﺮ را ﺑﻪ ازاي x0 = و ورودي ﭘﻠﻪ واﺣﺪ ﺗﻌﯿﯿﻦ ﮐﻨﯿﺪ:
1
v 1 0 v 1 v
x& ( t ) = ) x (t ) + r (t
ng
1 1 1
اﺑﺘﺪا ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ را ﺗﻌﯿﯿﻦ ﻣﯽﮐﻨﯿﻢ:
le
1 0 1 0 1 0 1 0 1 0 1 0 1 0
A= → A = 1 1
2
= → A = 1 1
3
=
1 1 1 1 2 1 2 1 3 1
M
ro
1 2 2 1 1 0 1 0 1 1 0 2 1 1 0 3
ϕ ( t ) = e At = I + At + A t + ... + Ak t k + ... = + t+ t + 3 1 t + ...
!2 !k 0 1 1 1 2! 2 1 3!
1 2
nt
1 + t + 2 t + ... 0
=
t + t 2 + ... 1 + t + t + ...
1 2
2
co
اﮐﻨﻮن ﭘﺎﺳﺦ ﺧﺼﻮﺻﯽ را ﻣﺤﺎﺳﺒﻪ ﻣﯽﮐﻨﯿﻢ:
v − 1 − 1
e A( t τ ) Br ( t ) = e A( t τ ) u ( t ) = e A( t τ ) t ≥ 0
−
1 1
1
1 − τ + τ 2 − ... 0
→ e A( t ) = e At e− Aτ = ϕ ( t ) ϕ ( −τ ) = e At 2
−τ
−τ + τ 2 − ... 1 − τ + 1 τ 2 − ...
2
ﺻﻔﺤﻪ 48
ﻮری ﻢ ی ﯽ:ﺶ ﮫﺎرم
1 1
1 − τ + τ 2 − ... 0 1 − τ + τ 2 − ...
v 1
→ e ( ) Br ( t ) = e At
A t −τ 2 2
= e At t≥0
−τ + τ 2 − ... 1 − τ + 1 τ 2 − ... 1 1 − 2τ + 3 τ 2 − ...
2 2
1 1 2 1 3
1 − τ + τ 2 − ... t − t + t − ...
v
.ir
xzs = ∫ e A( t −τ ) B u (τ ) dτ = e At ∫
t t 2 2 6
dτ = e At
0 0
1 − 2τ + 3 τ 2 − ... t − t 2 + 1 t 3 − ...
2 2
rs
: ﻋﺒﺎرﺗﺴﺖ از1ﺑﻨﺎﺑﺮاﯾﻦ ﭘﺎﺳﺦ ﮐﺎﻣﻞ
v v v v
x ( t ) = xzi + xzs = e At x ( 0 ) + ∫ e A( t ) B u (τ ) dτ
t −τ
0
ee
1 2 1 2 1 2 1 3
1 + t + t + ... 0 1 + t + t + ... 0 t − t + t − ...
2
1 2
= + 2 6
t + t 2 + ... 1 t + t 2 + 1
t − t + t − ...
1 2 + + + 1 3
1 + t + t + ...
2
2
... 1 t t ...
2 in 2 2
1 2 1 + t + 1 t 2 + ... t − 1 t 2 + 1 t 3 − ...
1 + t + 2 t + ... 2
2 6
= +
1 + 2t + 3 t 2 + ... t + t 2 + ... t − 1 t 2 + 1 t 3 − ... + 1 + t + 1 t 2 + ... t − t 2 + 1 t 3 − ...
( ) 2 6
ng
2 2 2
1 2
1 + t + 2 t + ... 1 2 1 + 2t + t 2 + ...
t
2 + t + ... =
= + 5 2
1 + 2t + 3 t 2 + ...
1 + 3t + t + ...
t + t + ...
2
le
2
2
<
: روشﻫﺎي ﺗﻌﯿﯿﻦ ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ-3-4-3
ro
ﺳﯿﺴﺘﻢ. ﺗﻮﺳﻂ ﺗﺒﺪﯾﻞ ﻻﭘﻼس ﭘﺎﺳﺦ ﮐﺎﻣﻞ ﺳﯿﺴﺘﻢ ﺧﻄﯽ را ﻣﯽﺗﻮان ﺑﻪ ﺻﻮرت ﺗﺤﻠﯿﻠﯽ ﺗﻌﯿﯿﻦ ﻧﻤﻮد:اﻟﻒ( روش ﺗﺒﺪﯾﻞ ﻻﭘﻼس
:ﺧﻄﯽ زﯾﺮ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ
nt
: ﺑﺮاي ﻣﺤﺎﺳﺒﺎت ﻓﻮقMATLAB ﮐﺪ1
>> syms t
>> A=[1+t+0.5*t^2 0;t+t^2 1+t+0.5*t^2]
A=
co
[ t^2/2 + t + 1, 0]
[ t^2 + t, t^2/2 + t + 1]
>> B=[t-0.5*t^2+1/6*t^3;t-t^2+0.5*t^3]
B=
t^3/6 - t^2/2 + t
t^3/2 - t^2 + t
>> expand(A*B)
ans =
t^5/12 - t^4/12 + t^3/6 + t^2/2 + t
(5*t^5)/12 - t^4/3 + t^3/2 + t^2 + t
>> C=[1+t+0.5*t^2;1+2*t+1.5*t^2]
C=
t^2/2 + t + 1
(3*t^2)/2 + 2*t + 1
>> expand(A*B+C)
49 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
v v v
x& ( t ) = Ax ( t ) + Br ( t )
ﺑﺎ اﺳﺘﻔﺎده از ﺗﺒﺪﯾﻞ ﻻﭘﻼس
v v v v
sX ( s ) − x ( 0 ) = Ax ( s ) + BR ( s )
v v v
→ ( sI − A ) X ( s ) = x ( 0 ) + BR ( s )
v −1 v v v v
.ir
→ X ( s ) = ( sI − A ) x ( 0 ) + ( sI − A ) BR ( s ) = φ ( s ) ( x ( 0 ) + BR ( s ) )
−1
144244 v
3 1442443 v
X zi X zs
v v
ﺑﺎ. ﺑﯿﺎن ﺷﺪه اﺳﺖs ﺑﺎ اﯾﻦ ﺗﻔﺎوت ﮐﻪ در ﺣﻮزه ﻓﺮﮐﺎﻧﺴﯽ، ﺗﺸﮑﯿﻞ ﺷﺪهxzs وxzi اﯾﻦ ﭘﺎﺳﺦ ﻣﺸﺎﺑﻪ ﺑﺎ ﺣﺎﻟﺖ ﻗﺒﻞ از دو ﺟﺰ
rs
:ﺑﺮﻗﺮاري ﺗﺴﺎوي اﯾﻦ دو ﻣﻌﺎدﻟﻪ ﺧﻮاﻫﯿﻢ داﺷﺖ
ϕ ( t ) = e At = L-1 {( sI − A) } −1
(12-4)
ee
. ﻣﻌﺮف ﻣﻌﮑﻮس ﺗﺒﺪﯾﻞ ﻻﭘﻼس ﻣﯽﺑﺎﺷﺪL-1 { } ﮐﻪ در آن
2-4 ﻣﺜﺎل
in :ﭘﺎﺳﺦ ﮐﺎﻣﻞ ﺳﯿﺴﺘﻢ زﯾﺮ را ﺑﻪ ازاي ورودي ﭘﻠﻪ واﺣﺪ ﺗﻌﯿﯿﻦ ﮐﻨﯿﺪ
v 0 1 v 0 v
x& ( t ) = x (t ) + r (t )
−3 − 4 1
ng
:اﺑﺘﺪا ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ را ﺗﻌﯿﯿﻦ ﻣﯽﮐﻨﯿﻢ
1 0 0 1 s 0 0 1 s −1
sI − A = s − = − =
0 1 −3 −4 0 s −3 −4 3 s + 4
le
s+4 1
( s + 1)( s + 3) ( s + 1)( s + 3)
1 s + 4 1 1 s + 4 1
→ ( sI − A ) = = φ (s)
−1
= 2 =
s ( s + 4 ) + 3 −3 s s + 4 s + 3 −3 s −3 s
( s + 1)( s + 3)
ro
( s + 1)( s + 3)
s+4 1 3 1 1 1
s + 1 s + 3 − −
( )( ) ( )( ) 1 -1 s + 1 s + 3
+ + s + 1 s + 3
{( sI − A) }
s 1 s 3
→ ϕ ( t ) = L-1 = L-1
−1
= L
2 −3
nt
−3 s
+
3 −1
+
3
( s + 1)( s + 3) ( s + 1)( s + 3)
s + 1 s + 3 s + 1 s + 3
1 3e − t − e −3t e − t − e −3t
co
= t≥0
2 −3e − t + 3e−3t −e − t + 3e−3t
:اﮐﻨﻮن ﭘﺎﺳﺦ ﮐﺎﻣﻞ را ﻣﺤﺎﺳﺒﻪ ﻣﯽﮐﻨﯿﻢ
v v v
X ( s ) = φ ( s ) ( x ( 0 ) + BR ( s ) )
0
v 0 1 v 1 s + 4 1
= φ ( s ) x (0) + = φ ( s ) x ( 0) + 2 1
1 s s + 4s + 3 −3 s
144424443 s
φ ( s)
50 ﺻﻔﺤﻪ
ﺶ ﮫﺎرم :ﻮری ﻢ ی ﯽ
2 3 1
1 − +
v 1 s = xv ( 0 ) + 1 s s + 1 s + 3
= φ ( s ) x ( 0) + 2
s + 4 s + 3 6 1 1
1 −
s +1 s + 3
v 1 3e − t − e−3t e − t − e −3t v 1 2 − 3e − t + e−3t
→ x (t ) = x ( 0 ) + t≥0
.ir
2 −3e − t + 3e −3t −e −t + 3e −3t 6 e− t − e −3t
<
ب( ﻣﻮدﻫﺎي دﯾﻨﺎﻣﯿﮑﯽ :اﮔﺮ ﻓﺮم ﻓﺮﮐﺎﻧﺴﯽ ) φ ( sرا ﺑﻪ ﺷﮑﻞ زﯾﺮ ﻧﻤﺎﯾﺶ دﻫﯿﻢ:
rs
) adj ( sI − A
= ) φ ( s ) = ( sI − A
−1
)(13-4
) det ( sI − A
اﯾﻦ ﻣﻌﺎدﻟﻪ ﻣﺒﯿﻦ روش ﮐﺮاﻣﺮ در ﺗﻌﯿﯿﻦ ﻣﻌﮑﻮس ﻣﺎﺗﺮﯾﺲ ﻣﯽﺑﺎﺷﺪ .اﯾﻦ ﻣﻌﺎدﻟﻪ را ﻣﯽﺗﻮان ﺑﺮ ﺣﺴﺐ رﯾﺸﻪﻫﺎي دﺗﺮﻣﯿﻨﺎن ﻣﺨﺮج
ee
ﺑﺴﻂ داد:
A11 A12 A A22
= )φ (s + + ... + 21 + + ...
) s − s1 ( s − s1 2
s − s2 ( s − s2 )2
in
ﮐﻪ در آن ﻣﻌﺎدﻟﻪ ﻓﻮق ﺑﻪ ﺻﻮرت ﮐﺴﺮﻫﺎي ﺟﺰﺋﯽ از رﯾﺸﻪﻫﺎي دﺗﺮﻣﯿﻨﺎن ﻧﻮﺷﺘﻪ ﺷﺪه و ﻓﺮض ﺷﺪه اﺳﺖ ﮐﻪ در ﺣﺎﻟﺖ ﮐﻠﯽ
رﯾﺸﻪﻫﺎي دﺗﺮﻣﯿﻨﺎن ﻣﯽﺗﻮاﻧﻨﺪ ﺗﮑﺮاري ﺑﺎﺷﻨﺪ .ﺣﺎل ﺑﺎ اﺳﺘﻔﺎده از ﺗﺒﺪﯾﻞ ﻣﻌﮑﻮس ﻻﭘﻼس ﺧﻮاﻫﯿﻢ داﺷﺖ:
ϕ ( t ) = A11e s1t + A12te s1t + ... + A21e s2t + A22tes2t + ... )(14-4
ng
ﮐﻪ در آن s1 , s2 ,...رﯾﺸﻪﻫﺎي ﻣﻌﺎدﻟﻪ زﯾﺮ ﻣﯽﺑﺎﺷﻨﺪ:
det ( sI − A) = 0 )(15-4
اﻣﺎ اﯾﻦ ﻣﻌﺎدﻟﻪ دﻗﯿﻘﺎً ﻣﻌﺎدﻟﻪ ﻣﻘﺎدﯾﺮ وﯾﮋه ﻣﺎﺗﺮﯾﺲ Aاﺳﺖ .ﻟﺬا siﻣﻘﺎدﯾﺮ وﯾﮋه ﻣﺎﺗﺮﯾﺲ Aﻣﯽﺑﺎﺷﻨﺪ و ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل از ﺗﺮﮐﯿﺐ
le
ﺧﻄﯽ ﺗﻮاﺑﻊ ﻧﻤﺎﯾﯽ ﺑﺎ ﺗﻮان ﻣﺴﺎوي ﺑﺎ sitﻣﺎﺗﺮﯾﺲ Aﺗﺸﮑﯿﻞ ﻣﯽﺷﻮد ﮐﻪ در ﺻﻮرت ﺗﮑﺮاري ﺑﻮدن ،ﺿﺮﯾﺐ زﻣﺎن ﻧﯿﺰ ﮔﺮﻓﺘﻪاﻧﺪ.
در ﺗﺌﻮري ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ ﺑﻪ ﻣﻘﺎدﯾﺮ وﯾﮋه ﻣﺎﺗﺮﯾﺲ ﺳﯿﺴﺘﻢ ،ﻣﻮدﻫﺎي دﯾﻨﺎﻣﯿﮑﯽ ﮔﻔﺘﻪ ﻣﯽﺷﻮد .وﯾﮋﮔﯽ ﺧﺎص ﻣﻮد دﯾﻨﺎﻣﯿﮑﯽ اﯾﻦ
ro
اﺳﺖ ﮐﻪ اﺟﺰاي اﺻﻠﯽ دﯾﻨﺎﻣﯿﮑﯽ ﺳﯿﺴﺘﻢ را ﻣﻌﯿﻦ ﻣﯽﮐﻨﺪ .دﻗﺖ ﮐﻨﯿﺪ ﮐﻪ ﻫﺮ ﻣﻘﺪار وﯾﮋه ﺑﻪ ﺻﻮرت ﻣﺘﻨﺎﻇﺮ داراي ﺑﺮدار وﯾﮋهاي ﻧﯿﺰ
ﻣﯽﺑﺎﺷﺪ:
v v )(16-4
nt
Avi = si vi
ﺣﺎل اﯾﻦ ﺑﺮدار وﯾﮋه ﺳﯿﺴﺘﻢ ،در ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ ﻧﯿﺰ وﯾﮋﮔﯽ زﯾﺮ را از ﺧﻮد ﺑﺮوز ﻣﯽدﻫﺪ:
v
v At v v v 1 2v 2 1 kv k ∞
Ak vi t k
∑ = ϕ ( t ) vi = e vi = vi + Avi t + A vit + ... + A vit + ... )(17-4
co
!2 !k k =0 !k
ﻣﺜﺎل 3-4
ﺑﺮاي ﺷﺒﮑﻪ ﻣﺪاري زﯾﺮ ﻣﻮدﻫﺎي دﯾﻨﺎﻣﯿﮑﯽ و ﺑﺮدارﻫﺎي ﻣﻮدال را ﺗﻌﯿﯿﻦ ﻧﻤﻮده و ﭘﺎﺳﺦ ﺳﯿﺴﺘﻢ را ﺑﻪ ﺷﺮاﯾﻂ اوﻟﯿﻪ ﻣﻌﺎدل دو ﺑﺮدار
وﯾﮋه آن ﺑﻪ دﺳﺖ آورﯾﺪ:
ﺻﻔﺤﻪ 51
وه ﯽ ﺮل ﺪرن
2Ω
+ +
1Ω 1Ω v v vC1
1F vc1 c2 →x=
− − 1F vC2
.ir
rs
:اﺑﺘﺪا ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ را ﺗﻌﯿﯿﻦ ﻣﯽﮐﻨﯿﻢ
vC1 2Ω vC2
ee
iC1 iC2
+ +
1Ω 1Ω v v vC1
1F vc1 c2 →x=
− − 1F vC2
v vC1 x
→ x = = 1
in
vC2 x2
ng
vC1 vC1 − vC2 dvC1 3 1 3 1
iC1 + + =0 1 = − vC1 + vC2 x&1 = − x1 + x2
1 2 dt 2 2 2 2
→ →
i + vC2 + vC2 − vC1 = 0 1 dvC2 = 1 v − 3 v x& = 1 x − 3 x
2 1 dt
C C C 2 1 2
2 2 1 2 2 2 2
le
3 1
−
x&1 2 2 x1
→ =
x&2 1 − 3 x2
ro
14243
2 2
A
:ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﻣﻘﺎدﯾﺮ وﯾﮋه دارﯾﻢ
nt
3 1 3 1 3 1
− − 2 s+ −
1 0 2 2
det ( sI − A ) = 0 → s 2 = s 0 2 = 2 2 = s + 3 − 1 = 0
− −
0 1 1 3 0 s 1 3 2 4
−
3 1
− − s+
2 2 2 2
co
2 2
λ = −1
→ s 2 + 3s + 2 = ( s + 1)( s + 2 ) = 0 → 1
λ2 = −2
:ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺑﺮدارﻫﺎي وﯾﮋه دارﯾﻢ
v v
Avi = λi vi
52 ﺻﻔﺤﻪ
ﺶ ﮫﺎرم :ﻮری ﻢ ی ﯽ
3 1 3 1
− 2 2 v1 v1 2 − v1 + v2 = −v1
2 v 1
λ1 = −1 → = − → → v1 = v2 → v1 =
1 − 3 v2 v2 1 v − 3 v = −v 1
2
2 2
1 2 2
2
3 1 3 1
− 2 2 v1 − v + v = −2v1
v1 2 1 2 2 v 1
.ir
λ2 = −2 → = −2 → → v1 = −v2 → v2 =
1 − 3 v2 v2 1 v − 3 v = −2v −1
2 2 2
1 2 2
2
v 1
rs
ﺑﻨﺎﺑﺮاﯾﻦ اﮔﺮ ﺷﺮاﯾﻂ اوﻟﯿﻪ x ( 0 ) = ﺑﺎﺷﺪ ،ﭘﺎﺳﺦ ﺳﯿﺴﺘﻢ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ:
1
v 1
x ( t ) = e−t
ee
1
v 1
x ( 0 ) = ﺑﺎﺷﺪ ،ﭘﺎﺳﺦ ﺳﯿﺴﺘﻢ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ: و اﮔﺮ ﺷﺮاﯾﻂ اوﻟﯿﻪ
−1
v 1
x ( t ) = e −2 t
<
−1
in
ج( روش ﮐﯿﻠﯽ ﻫﻤﯿﻠﺘﻮن :ﻗﻀﯿﻪ ﮐﯿﻠﯽ ﻫﻤﯿﻠﺘﻮن ﺑﯿﺎن ﻣﯽﮐﻨﺪ ﮐﻪ ﻫﺮ ﻣﺎﺗﺮﯾﺲ در ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ﺧﻮد ﺻﺪق ﻣﯽﮐﻨﺪ ،ﻟﺬا:
ng
∆ ( λ ) = λ n + an −1λ n−1 + ... + a1λ + a0 = 0
)(18-4
→ ∆ ( A) = An + an−1 An −1 + ... + a1 A + a0 I = 0
ﮐﻪ در آن ﺿﺮاﯾﺐ ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ﻣﺎﺗﺮﯾﺲ Aﻣﯽﺑﺎﺷﻨﺪ .از اﯾﻦ ﻗﻀﯿﻪ ﻣﯽﺗﻮان ﺑﻪ ﮔﻮﻧﻪاي اﺳﺘﻔﺎده ﻧﻤﻮد ﺗﺎ ﻫﺮ ﺗﺎﺑﻊ ﻣﺎﺗﺮﯾﺴﯽ Aرا
le
ﮐﻪ ﺑﻪ ﺻﻮرت ﺗﺎﺑﻌﯽ ﭼﻨﺪﺟﻤﻠﻪاي از Aﻧﻤﺎﯾﺶ ﯾﺎﻓﺘﻪ اﺳﺖ ﺗﻌﯿﯿﻦ ﮐﻨﯿﻢ.
ﻓﺮض ﮐﻨﯿﺪ ) N ( Aﺗﺎﺑﻌﯽ ﭼﻨﺪﺟﻤﻠﻪاي از ﻣﺎﺗﺮﯾﺲ Aﺑﺎﺷﺪ:
ro
N ( A) = Am + cm−1 Am−1 + ... + c1 A + c0 I
N ( λ ) = λ m + cm−1λ m−1 + ... + c1λ + c0 = 0
اﮔﺮ ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ﻣﺎﺗﺮﯾﺲ Aﺑﻪ ﺻﻮرت زﯾﺮ ﺑﺎﺷﺪ:
nt
∆ ( λ ) = λ n + an −1λ n −1 + ... + a1λ + a0
آﻧﮕﺎه ﺑﺎ ﺗﻘﺴﯿﻢ ) N ( λﺑﺮ ) ∆ ( λدارﯾﻢ:
co
) N (λ ) R (λ
= F (λ ) +
) ∆ (λ ) ∆ (λ
ﮐﻪ در آن ) F ( λﺧﺎرج ﻗﺴﻤﺖ و ) R ( λﺑﺎﻗﯿﻤﺎﻧﺪه اﯾﻦ ﺗﻘﺴﯿﻢ ﺧﻮاﻫﺪ ﺑﻮد؛ ﺑﻨﺎﺑﺮاﯾﻦ:
) N (λ ) = F (λ ) ∆ (λ ) + R (λ
) ∆ ( λﺑﻪ ازاي ﻣﻘﺎدﯾﺮ وﯾﮋه Aﺻﻔﺮ ﻣﯽﺑﺎﺷﺪ ﺑﻨﺎﺑﺮاﯾﻦ اﮔﺮ λiﻣﻘﺪار وﯾﮋه ﻣﺎﺗﺮﯾﺲ Aﺑﺎﺷﺪ:
) N ( λi ) = F ( λi ) ∆ ( λi ) + R ( λi ) = R ( λi
{
=0
ﺻﻔﺤﻪ 53
وه ﯽ ﺮل ﺪرن
در ﻧﺘﯿﺠﻪ ﺑﺮ اﺳﺎس ﻗﻀﯿﻪ ﮐﯿﻠﯽ ﻫﻤﯿﻠﺘﻮن دارﯾﻢ:
)N ( A) = R ( A )(19-4
)N ( l ) ( A ) = R( l ) ( A )(20-4
ﮐﻪ ) R ( Aﺑﺎﻗﯿﻤﺎﻧﺪه ﺗﻘﺴﯿﻢ ) N ( Aﺑﺮ ) ∆ ( Aو ﯾﮏ ﭼﻨﺪﺟﻤﻠﻪاي ﺑﺎ ﺣﺪاﮐﺜﺮ درﺟﻪ n ) n − 1درﺟﻪ ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ( Aو
.ir
) ( lﻧﻤﺎد ﻣﺸﺘﻖ ﻣﺮﺗﺒﻪ lام ﻣﯽﺑﺎﺷﺪ:
R ( λ ) = α 0 ( t ) + α1 ( t ) λ + ... + α n−1 ( t ) λ n )(21-4
rs
ﻣﺜﺎل 4-4
ﻣﺎﺗﺮﯾﺲ A100را ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﯾﯿﺪ:
0 1
ee
A=
−1 −2
اﺑﺘﺪا ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ﺳﯿﺴﺘﻢ و ﻣﻘﺎدﯾﺮ وﯾﮋه آن را ﻣﺤﺎﺳﺒﻪ ﻣﯽﮐﻨﯿﻢ:
1 0 0 1 λ 0 0 1 λ −1
∆ (λ ) = λ I − A = λ − = − = )= λ 2 + 2λ + 1 = ( λ + 1
2
0 1 −1 −2 0 λ −1 −2 1 λ+2
→ λ1,2 = −1
in
ﺳﭙﺲ ﺗﺎﺑﻊ ) N ( λرا ﺑﻪ ﺻﻮرت N ( λ ) = λ100ﺗﻌﺮﯾﻒ ﻣﯽﮐﻨﯿﻢ؛ ﺑﻨﺎﺑﺮاﯾﻦ ﻃﺒﻖ 21-4دارﯾﻢ:
ng
R ( λ ) = α 0 ( t ) + α1 ( t ) λ N ( λ ) = R ( λ ) → λ 100 = α 0 ( t ) + α1 ( t ) λ
→
N ( λ ) = λ
100
) N ′ ( λ ) = R′ ( λ ) → 100λ 99 = α1 ( t
( −1)100 = α 0 ( t ) + α1 ( t )( −1) = α 0 ( t ) − α1 ( t ) = 1 α 0 ( t ) = −99
λ = −1 → →
le
) 100 ( −1) = α1 ( t α1 ( t ) = −100
99
→ λ 100 = −99 − 100λ
ro
1 0 0 1 −99 −100
→ A100 = −99 I − 100 A = −99 − 100 =
0 1 −1 −2 100 101
<
ﺑﺎ اﯾﻦ روش ﺑﺮاي ﺗﻌﯿﯿﻦ ﺗﺎﺑﻊ اﻧﺘﻘﺎل ﺣﺎﻟﺖ دارﯾﻢ:
nt
∞
Ak t k
∑ = N ( A) = e At )= R ( A
k =0 !k
co
ﻣﺜﺎل 5-4
ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ زﯾﺮ را ﺑﻪ دﺳﺖ آورﯾﺪ:
0 6
A=
−1 −5
اﺑﺘﺪا ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ﺳﯿﺴﺘﻢ و ﻣﻘﺎدﯾﺮ وﯾﮋه آن را ﻣﺤﺎﺳﺒﻪ ﻣﯽﮐﻨﯿﻢ:
ﺻﻔﺤﻪ 54
ﻮری ﻢ ی ﯽ:ﺶ ﮫﺎرم
1 0 0 6 λ 0 0 6 λ −6
∆ (λ ) = λI − A = λ − = − =
0 1 −1 −5 0 λ −1 −5 1 λ +5
= λ 2 + 5λ + 6 = ( λ + 2 )( λ + 3)
λ = −2
→ 1
λ2 = −3
.ir
: دارﯾﻢ21-4 ﺗﻌﺮﯾﻒ ﻣﯽﮐﻨﯿﻢ؛ ﺑﻨﺎﺑﺮاﯾﻦ ﻃﺒﻖN ( λ ) = eλt را ﺑﻪ ﺻﻮرتN ( λ ) ﺳﭙﺲ ﺗﺎﺑﻊ
R ( λ ) = α 0 ( t ) + α1 ( t ) λ
→ N ( λ ) = R ( λ ) → eλt = α 0 ( t ) + α1 ( t ) λ
rs
N ( λ ) = e
λt
λ = −2 → e = α 0 ( t ) − 2α1 ( t )
−2 t
λ = −3 → e = α 0 ( t ) − 3α1 ( t )
ee
−3t
:ﺑﺎ ﻣﺮﺗﺐﺳﺎزي ﻣﻌﺎدﻻت دارﯾﻢ
α 0 ( t ) − 2α1 ( t ) = e−2t(1) (1)− ( 2)
α 0 ( t ) − 3α1 ( t ) = e
−3t
( 2)
in
→ α1 ( t ) = e −2t − e−3t → α 0 ( t ) = 3e −2 t − 2e −3t
1 0 0 6 α0 (t ) 0 0 6α1 ( t )
→ ϕ ( t ) = e At = α 0 ( t ) + α1 ( t ) A = α 0 ( t ) + α1 ( t ) = 0 +
ng
0 1 −1 −5 α 0 ( t ) −α1 ( t ) −5α1 ( t )
3e −2t − 2e −3t 0 0 6α1 ( t )
= +
0 3e −2t − 2e −3t − ( e −2t − e−3t ) −5 ( e −2t − e −3t )
6 ( e −2 t − e−3t )
le
3e −2t − 2e −3t
=
− 2 t − 3t −2e −2t + 3e−3t
−e + e
<
ro
ﺑﻪ ﺻﻮرت زﯾﺮf ( A ) ﺗﺎﺑﻊ، ﺑﻪ ﻓﺮم ﻗﻄﺮي ﯾﺎ ﺑﻠﻮﮐﯽ ﺟﺮدن ﺑﯿﺎن ﺷﻮدA اﮔﺮ ﻣﺎﺗﺮﯾﺲ:ﺑﻠﻮﮐﯽ ﺟﺮدن/د( اﺳﺘﻔﺎده از ﻓﺮم ﻗﻄﺮي
:ﺧﻮاﻫﺪ ﺑﻮد
λ1 f ( λ1 )
nt
λ2 0 f ( λ2 ) 0
A= → f ( A) = (22-4)
0 O 0 O
λn f ( λn )
co
J1 f ( J1 ) (23-4)
J2 0 → f ( A) = f ( J2 ) 0
A=
0 O 0 O
Jn f ( J n )
:ﮐﻪ در آن
55 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
λi 1 0 f ( λi ) f ′ ( λi ) 0
λi O → f (J ) = f ( λi ) O
Ji = (24-4)
0 O 1 i
0 O f ′ ( λi )
λi f ( λi )
: ﺑﺎ اﺳﺘﻔﺎده از ﻣﺎﺗﺮﯾﺲﻫﺎي اﻧﺘﻘﺎل ﮐﻪ در ﺑﺨﺶ اول ﻣﻌﺮﻓﯽ ﮔﺮدﯾﺪ ﻣﯽﺗﻮان ﻣﺎﺗﺮﯾﺲ را ﺑﻪ ﻓﺮم ﻗﻄﺮي ﻣﻌﺎدل ﺗﺒﺪﯾﻞ ﻧﻤﻮد.ﻣﯽﺑﺎﺷﺪ
.ir
A = T ΛT −1 → e At = TeΛtT −1 (25-4)
6-4 ﻣﺜﺎل
rs
:ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ زﯾﺮ را ﺑﻪ دﺳﺖ آورﯾﺪ
1 0 0
A = 0 −2 12
ee
0 1 −1
: دارﯾﻢ10-1 و9-1 ﺑﺎ اﺳﺘﻔﺎده از ﻣﺜﺎل
λ1 = −5 0 1 0 0 −0.1429 0.4286
λ = 2
1 0 1
−1
λ2 = 1 → T = −4 0 3 → T = 1
in0 0
0 0.1429 0.5714
3
:1 دارﯾﻢ25-4 و ﺑﺎ اﻋﻤﺎل ﺗﺒﺪﯾﻞ
ng
0 1 0e 0 −0.1429 0.4286
−5 t
0 0
e At = Te ΛtT −1 = −4 0 3 0 et 0 1 0 0
1 0 1 0 e 2t 0 0.1429 0.5714
0
le
ro
: ﻣﺮﺑﻮط ﺑﻪ اﯾﻦ ﻣﺜﺎلMATLAB ﮐﺪ1
>> syms t
>> T=[0 1 0;-4 0 3;1 0 1]
nt
T=
0 1 0
-4 0 3
1 0 1
>> T*diag([exp(-5*t),exp(t),exp(2*t)])*T^-1
ans =
co
[ exp(t), 0, 0]
[ 0, (3*exp(2*t))/7 + 4/(7*exp(5*t)), (12*exp(2*t))/7 - 12/(7*exp(5*t))]
[ 0, exp(2*t)/7 - 1/(7*exp(5*t)), (4*exp(2*t))/7 + 3/(7*exp(5*t))]
>> pretty(ans)
+- -+
| exp(t), 0, 0 |
| |
| 3 exp(2 t) 4 12 exp(2 t) 12 |
| 0, ---------- + ----------, ----------- - ---------- |
| 7 7 exp(5 t) 7 7 exp(5 t) |
| |
| exp(2 t) 1 4 exp(2 t) 3 |
| 0, -------- - ----------, ---------- + ---------- |
| 7 7 exp(5 t) 7 7 exp(5 t) |
+- -+
56 ﺻﻔﺤﻪ
ﺶ ﮫﺎرم :ﻮری ﻢ ی ﯽ
et 0 0
= 0
1
7
( ) 3e 2t + 4e −5t (e − e )
12 2t −5t
7
0
) (e − e
1 2 t −5 t 1
( 4e 2t + 3e −5t )
.ir
7 7
<
ﻣﺜﺎل 7-4
rs
ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ زﯾﺮ را ﺑﻪ دﺳﺖ آورﯾﺪ:
0 1 0
A = −1 2 0
ee
1 0 1
ﺑﺎ اﺳﺘﻔﺎده از ﻣﺜﺎل 9-1دارﯾﻢ:
0 1 0 0 0 1
−1
λ1,2,3 =1 → T = 0 1 1 → T = 1 0 0
1 0 0
in
−1 1 0
و ﺑﺎ اﻋﻤﺎل ﺗﺒﺪﯾﻞ 25-4دارﯾﻢ:1
ng
0 1 0e 0 0 0 1 et 0
t
tet 0
e At = Te ΛtT −1 = 0 1 1 0 et 0 1 0 0 = 0 et 0
et −1 1 0 tet et
1 0 0 0 0 0
<
le
-4-4ﺗﺒﺪﯾﻞﻫﺎي ﻫﻤﺎﻧﻨﺪي:
ro
ﻋﻠﯿﺮﻏﻢ ﻧﮑﺎت ﻣﺜﺒﺖ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ در ﻧﻤﺎﯾﺶ ﺳﯿﺴﺘﻢ ﻫﺎ در ﻗﯿﺎس ﺑﺎ ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ) G ( sﯾﮏ از ﻧﻘﺎﯾﺾ اﯾﻦ ﻧﻤﺎﯾﺶ ﻣﻨﺤﺼﺮ
ﺑﻔﺮد ﺑﻮدن آن اﺳﺖ؛ ﯾﻌﻨﯽ ﻣﻤﮑﻦ اﺳﺖ ﺑﺮاي ﯾﮏ ﺳﯿﺴﺘﻢ واﺣﺪ ) G ( sﺑﺘﻮان ﭼﻨﺪﯾﻦ ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ ﻧﻮﺷﺖ .ﺗﻔﺎوت اﯾﻦ ﻣﻌﺎدﻻت ﺑﻪ
ﻋﻠﺖ آزادي اﻧﺘﺨﺎب ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ در ﺳﯿﺴﺘﻢ ﻣﯽﺑﺎﺷﺪ .ﺣﺘﯽ ﺗﻌﺪاد ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﻧﯿﺰ ﻣﯽﺗﻮاﻧﺪ ﺑﯿﺶ از درﺟﻪ ﺳﯿﺴﺘﻢ اﺧﺘﯿﺎر
nt
ﺷﻮد .در ﺑﺴﯿﺎري از ﻣﻮاﻗﻊ ﻣﻨﺎﺳﺐ اﺳﺖ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﯾﺎ ﺳﯿﺴﺘﻢ ﻣﺨﺘﺼﺎت ﻣﻨﺎﺳﺒﯽ را اﺧﺘﯿﺎر ﻧﻤﻮد ﮐﻪ ﻋﻤﻠﯿﺎت ﻣﺎﺗﺮﯾﺴﯽ را
ﺳﺎده و ﺗﺴﺮﯾﻊ ﻧﻤﺎﯾﺪ .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺑﺮاي ﺑﻪ دﺳﺖ آوردن e Atاﮔﺮ ﻣﺎﺗﺮﯾﺲ Aرا ﻗﻄﺮي ﻧﻤﺎﯾﯿﻢ ،ﺑﺎ ﺳﻬﻮﻟﺖ ﺑﯿﺸﺘﺮي ﻣﯽﺗﻮان
ﻋﻤﻠﯿﺎت ﻣﺎﺗﺮﯾﺴﯽ را دﻧﺒﺎل ﻧﻤﻮد .ﺗﺒﺪﯾﻞ ﻣﺨﺘﺼﺎت در ﺳﯿﺴﺘﻢ ﻫﺎ ﺗﻮﺳﻂ ﺗﺒﺪﯾﻞﻫﺎي ﻫﻤﺎﻧﻨﺪي ﺻﻮرت ﻣﯽﭘﺬﯾﺮد.
co
1ﮐﺪ MATLABﻣﺮﺑﻮط ﺑﻪ اﯾﻦ ﻣﺜﺎل:
>> syms t
]>> T=[0 1 0;0 1 1;1 0 0
=T
0 1 0
0 1 1
1 0 0
>> T*[exp(t) t*exp(t) 0;0 exp(t) 0;0 0 exp(t)]*T^-1
= ans
][ exp(t), 0, 0
][ 0, exp(t), 0
])[ t*exp(t), 0, exp(t
ﺻﻔﺤﻪ 57
وه ﯽ ﺮل ﺪرن
ﺳﯿﺴﺘﻢ زﯾﺮ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ:
v v v
) x& ( t ) = Ax ( t ) + Br ( t
v v v
) y ( t ) = Cx ( t ) + Dr ( t
v
ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي Tو ﻣﺘﻐﯿﺮ ﺟﺪﯾﺪ zرا ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽﮐﻨﯿﻢ:
v v
) z ( t ) = T −1 x ( t
.ir
v v )(26-4
) x ( t ) = Tz ( t
v v
zﺗﺮﮐﯿﺐ ﺧﻄﯽ از xﻣﯽﺑﺎﺷﺪ ﺑﻨﺎﺑﺮاﯾﻦ ﻣﺎﺗﺮﯾﺲ Tﺛﺎﺑﺖ و ﻧﺎ وﯾﮋه ﺧﻮاﻫﺪ ﺑﻮد .اﮐﻨﻮن ﻣﻌﺎدﻻت ﺣﺎﻟﺖ را ﺑﺎ ﻣﺘﻐﯿﺮ ﺟﺪﯾﺪ ﺑﺎزﻧﻮﯾﺴﯽ
rs
ﻣﯽﮐﻨﯿﻢ:
v v v v v v
) Tz& ( t ) = ATz ( t ) + Br ( t ) z& ( t ) = T −1 ATz ( t ) + T −1 Br ( t
v v v → v v v )(27-4
) y ( t ) = CTz ( t ) + Dr ( t ) y ( t ) = CTz ( t ) + Dr ( t
ee
ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺎ اﺳﺘﻔﺎده از رواﺑﻂ ﻓﻮق از ﯾﮏ ﻣﻌﺎدﻟﻪ ﺑﻪ ﻣﻌﺎدﻟﻪ دﯾﮕﺮ ﻣﯽﺗﻮان رﺳﯿﺪ.
ﭼﺮا اﯾﻦ ﺗﺒﺪﯾﻞ را ﻫﻤﺎﻧﻨﺪي ﻣﯽﻧﺎﻣﻨﺪ؟ اﮔﺮ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﻣﻌﺎدﻻت ﺟﺪﯾﺪ را ﺑﻪ دﺳﺖ آورﯾﻢ ﺧﻮاﻫﯿﻢ داﺷﺖ:
G ( s ) = C ( sI − A ) B + D
−1
Gnew ( s ) = CT ( sI − T −1 AT ) T −1 B + D
−1
in
sI − T −1 AT = sT −1T − T −1 AT = T −1 ( sI − A ) T
→ ( sI − T −1 AT ) = (T −1 ( sI − A ) T ) = T −1 ( sI − A ) T
−1 −1
ng
−1
( AB) −1 = B −1 A−1
→ Gnew ( s ) = CT ( sI − T −1 AT ) T −1 B + D = C TT
−1
{ ( sI − A ) TT
−1 −1 −1
{B+D
I I
) = C ( sI − A ) B + D = G ( s
−1
le
اﯾﻦ ﺑﺪﯾﻦ ﻣﻌﻨﺎﺳﺖ ﮐﻪ ﺑﺎ اﯾﻦ ﺗﺒﺪﯾﻞ ﻣﺨﺘﺼﺎت ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮي ﻧﻤﯽﮐﻨﺪ؛ ﺑﻨﺎﺑﺮاﯾﻦ ﮐﻠﯿﻪ ﺧﺼﻮﺻﯿﺎت اﺻﻠﯽ ﺳﯿﺴﺘﻢ از
ﺟﻤﻠﻪ ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ،ﻗﻄﺐﻫﺎ و ﺻﻔﺮﻫﺎ و ...ﺑﺎ اﯾﻦ ﺗﺒﺪﯾﻞ ﺗﻐﯿﯿﺮي ﻧﺨﻮاﻫﻨﺪ ﮐﺮد .دﻗﺖ ﮐﻨﯿﺪ ﮐﻪ T −1ﻧﯿﺰ ﺧﻮد ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي
ﻣﯽﺑﺎﺷﺪ.
ro
ﻣﺜﺎل 3-4
در ﻣﺪار زﯾﺮ ﺑﺎ ﺗﻐﯿﯿﺮ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺑﻪ ﺟﺮﯾﺎن ﺣﻠﻘﻪﻫﺎ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺟﺪﯾﺪ را ﺑﻪ دﺳﺖ آورﯾﺪ:
nt
iL 1H
+ v i x
co
1Ω v → x = L = 1
) vi ( t c
− 1F vC x2
x& 0 −1 x1 1
→ 1= ) + v (t
x&2 1 −1 x2 0
x
y ( t ) = (1 0 ) 1
x2
ﺻﻔﺤﻪ 58
ﺶ ﮫﺎرم :ﻮری ﻢ ی ﯽ
اﺑﺘﺪا ﻣﺘﻐﯿﺮﻫﺎي ﺟﺪﯾﺪ ﺳﯿﺴﺘﻢ را ﺗﻌﯿﯿﻦ ﻣﯽﮐﻨﯿﻢ:
iL 1H vc
+
) vi ( t 1Ω vc
.ir
z1 z2 1F −
rs
iL = x1 = z1
x 1 0 z1
vC → 1=
iR = 1 = x2 → z1 − z2 = iR = x2 x2 1 −1 z2
ee
1 0 1 0
→T = → T −1 =
1 −1 1 −1
ﺑﺎ اﺳﺘﻔﺎده از 27-4دارﯾﻢ:
z&1 1 0 0 −11 0 z1 1 0 1
=
z&2 14444
−1
in
+
−1
v ( t ) z&1 −1 1 z1 1
1 −1 1 −11 −1 z2 1 −1 0
244443 14243 =
&
z − 1 0
) z + v (t
2 1
→
2
T AT T B
1 0 x1 y t = 0 −1 x1
ng
y ( t ) = (1 0 )
1 −1 x2 ( ) ( )
144244 3 x2
CT
<
le
-5-4ﻗﻄﺮي ﺳﺎزي ﻣﻌﺎدﻻت ﺣﺎﻟﺖ )ﻓﺮم ﺟﺮدن(
ro
-1-5-4ﻓﺮم ﻗﻄﺮي ﻣﺎﺗﺮﯾﺲ
در ﺣﺎﻟﺖ ﺧﺎﺻﯽ ﮐﻪ ﻣﺎﺗﺮﯾﺲ Aداراي nﻣﻘﺪار وﯾﮋه ﻣﺘﻤﺎﯾﺰ ﺑﺎﺷﺪ و ﯾﺎ ﺑﺘﻮان nﺑﺮدار وﯾﮋه ﻣﺴﺘﻘﻞ ﺑﺮاي آن ﯾﺎﻓﺖ ،ﻣﺎﺗﺮﯾﺲ Aرا
v v v
ﻣﯽﺗﻮان ﺑﻪ ﺣﺎﻟﺖ ﻗﻄﺮي ﮐﺎﻣﻞ ﺗﺒﺪﯾﻞ ﻧﻤﻮد .ﻓﺮض ﮐﻨﯿﺪ vn ,..., v2 , v1ﺑﺮدارﻫﺎي وﯾﮋه ﻣﺎﺗﺮﯾﺲ Aﺑﺎﺷﻨﺪ .در اﯾﻦ ﺻﻮرت:
nt
v v v
) T = ( v1 v2 .... vn )(28-4
ﻣﺎﺗﺮﯾﺲ Tﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي اﺳﺖ ﮐﻪ ﺳﯿﺴﺘﻢ را ﺑﻪ ﻓﺮم ﻗﻄﺮي ﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﺪ .در اﯾﻦ ﺣﺎﻟﺖ:
v v v
co
x = T .z = z1v1 + z2v2 + .... + zn vn )(29-4
ﻣﻌﮑﻮس ﻣﺎﺗﺮﯾﺲ Tﻧﯿﺰ ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي اﺳﺖ ﮐﻪ آن را ﻣﯽﺗﻮان ﺑﻪ ﺻﻮرت ﺑﺮدارﻫﺎي ﺳﻄﺮي Wiﻧﻮﺷﺖ:
v
w1T
vT
w
T = 2
−1
)(30-4
M
v T
wn
ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﯾﻨﮑﻪ T −1T = Iﻣﯽﺑﺎﺷﺪ دارﯾﻢ:
ﺻﻔﺤﻪ 59
وه ﯽ ﺮل ﺪرن
vT v v v v v
w v w1T v2 K w1T vn
1 1
T T = M
−1
M M M = I n× n )(31-4
vT v
w v v v v
n v1 wnT v2 K wnT vn
اﯾﻦ ﺑﺪان ﻣﻌﻨﺎ اﺳﺖ ﮐﻪ اﯾﻦ ﺑﺮدارﻫﺎ ﻣﺘﻨﺎﻇﺮاً ﺑﺮ ﻫﻢ ﻋﻤﻮدﻧﺪ:
v v 1 if i= j
.ir
wiT v j = )(32-4
0 if i≠ j
ﻣﯽﺗﻮان ﻧﺸﺎن داد ﮐﻪ wiﻧﯿﺰ ﺑﺮدارﻫﺎي وﯾﮋه ﻣﺎﺗﺮﯾﺲ ATﻣﯽﺑﺎﺷﻨﺪ ﮐﻪ ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻣﻘﺪار وﯾﮋه λiﻣﯽﺑﺎﺷﻨﺪ .ﺣﺎل ﻧﺸﺎن ﻣﯽدﻫﯿﻢ
ﮐﻪ ﻣﺎﺗﺮﯾﺲ T −1 ATﻗﻄﺮي ﻣﯽﺑﺎﺷﺪ:
rs
v v v
) . = A ( v1 v2 K vn
AT
v v v
) = ( Av1 Av2 K Avn
v v v
ee
) = ( s1v1 s2 v2 K sn vn
v λ1 0 K 0
w1T
v v v vT v 0 λ2 K 0
= T AT = M ( λ1v1 λ2v2 K λn vn ) = λ j wi vi
−1
( )
M M O M
)(33-4
wvT
n
in 0 0 0 λn
دﻗﺖ ﮐﻨﯿﺪ:
v
ng
w1T B
v v v
) T −1 B = M , C.T = ( Cv1 Cv2 K Cvn )(34-4
v
wB
ﻟﺬا ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺑﻪ ﻓﺮم ﻗﻄﺮي را ﻣﯽﺗﻮان ﺑﻪ ﺻﻮرت زﯾﺮ ﻧﻮﺷﺖ:
le
v
λ1 0 K 0 w1T B
vT
zv& = 0 λ2 K 0 zv + w2 B rv
M M O 0 M )(35-4
ro
v T
0 K 0 λn wn B
v v v v v
y = ( Cv1 Cv2 K Cvn ) z + Dr
nt
ﻣﺜﺎل 4-4
ﺑﺎ اﻧﺘﺨﺎب ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ﻣﻨﺎﺳﺐ ﻣﺪل ﺣﺎﻟﺖ ﺳﯿﺴﺘﻤﯽ ﺑﺎ ﻣﻌﺎدﻻت زﯾﺮ را ﺑﻪ ﻓﺮم ﻗﻄﺮي ﺗﺒﺪﯾﻞ ﮐﻨﯿﺪ.
v 2 −1 v 0
x& =
co
x + u
5 −4 2
v
y = ( 3 1) x
ﭼﻮن ﺳﯿﺴﺘﻢ ﺟﺪﯾﺪ ﺑﺎﯾﺪ داراي ﻣﺎﺗﺮﯾﺲ ﻗﻄﺮي ﺑﺎﺷﺪ ﭘﺲ ﺑﺎﯾﺪ ﻣﺎﺗﺮﯾﺲ ﻣﻮدال را ﺑﻪ دﺳﺖ آورﯾﻢ .ﺑﺮاي اﯾﻦ ﮐﺎر اﺑﺘﺪا ﻣﻘﺎدﯾﺮ وﯾﮋه را ﻣﺤﺎﺳﺒﻪ
ﻣﯽﮐﻨﯿﻢ.
det(λ I − A) = 0 → λ1 = 1, λ2 = −3
ﺻﻔﺤﻪ 60
ﻮری ﻢ ی ﯽ:ﺶ ﮫﺎرم
Avi = si vi
i = 1 → Av1 = s1v1 → Av1 = v1
i = 2 → Av2 = s2 v2 → Av2 = −3v2
2 −1 v11 v11 2v11 − v12 = v11 → v11 = v12 1
= → 5 − 4 = → 5 = 5 → = → v1 =
5 −4 v12 v12 v11 v12 v12 v11 v12 v11 v12 1
.ir
2 −1 v21 v21 2v21 − v22 = −3v21 → 5v21 = v22 1
v = −3 v → 5v − 4v = −3v → 5v = v → v2 =
5 −4 22 22 21 22 22 21 22 5
5 −1
rs
v v 1 1 4 4
T = ( v1 v2 ) = → T −1
=
1 5 −1 1
4 4
ee
ˆ −1 1 0
A = T AT =
0 −3
−1
−1 v 1 0 v 2 v
2 z& = z + 1 r
→ Bˆ = T −1B = → 0 −3
1
2
in
v
2
ˆ y = ( 4 8 ) z
C = CT = ( 4 8 )
ng
<
le
ro
nt
co
61 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
.ir
rs
ﺶ ﻢ:
ee
in
ng
ﺬ ی و ﺮل ﺬ ی ﻢ ی LTI رؤ
le
ro
nt
co
ﺻﻔﺤﻪ 62
ﺬ ی و ﺮل ﺬ ی ﻢ ی LTI ﺶ ﻢ:رو
3ﺑﺨﺶ ﭘﻨﺠﻢ :رؤﯾﺖ ﭘﺬﯾﺮي و ﮐﻨﺘﺮلﭘﺬﯾﺮي ﺳﯿﺴﺘﻢﻫﺎي LTI (5
-1-5رؤﯾﺖ ﭘﺬﯾﺮي:
-1-1-5ﻣﻘﺪﻣﻪ:
.ir
v
ﻫﻤﺎﻧﮕﻮﻧﻪ ﮐﻪ ﻗﺒﻼً اﺷﺎره ﺷﺪ ،ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ ) x ( t fدر ﻫﺮ ﻟﺤﻈﻪ t fﮐﻠﯿﻪ اﻃﻼﻋﺎت ﻣﻮرد ﻧﯿﺎز از وروديﻫﺎي ﻗﺒﻠﯽ را در ﺧﻮد
اﻧﺪوﺧﺘﻪ اﺳﺖ و ﭘﺎﺳﺦ ﺳﯿﺴﺘﻢ از زﻣﺎن t fﺑﻪ ﺑﻌﺪ ،ﺑﺎ داﻧﺴﺘﻦ اﯾﻦ ﻣﺘﻐﯿﺮ ﻣﺸﺨﺺ ﻣﯽﺷﻮد .اﯾﻦ راﺑﻄﻪاي ﮐﻪ ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ ﺑﯿﻦ
rs
ورودي و ﺧﺮوﺟﯽ ﺑﺮﻗﺮار ﺳﺎﺧﺘﻪ اﺳﺖ ،ﻋﻠﯿﺮﻏﻢ ﺳﺎدهﺳﺎزي ﻋﻤﻠﯿﺎت ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه و اﻣﮑﺎن اﺳﺘﻔﺎده وﺳﯿﻊ ﮐﺎﻣﭙﯿﻮﺗﺮ و
روشﻫﺎي ﻋﺪدي در آن ،ﻣﯽﺗﻮاﻧﺪ اﯾﻦ ﻣﺸﮑﻞ را داﺷﺘﻪ ﺑﺎﺷﺪ ﮐﻪ اوﻻً ﯾﮑﺘﺎ ﻧﺒﻮده و ﺛﺎﻧﯿﺎً ارﺗﺒﺎط ﯾﮏ ﺑﻪ ﯾﮑﯽ ﺑﺎ ورودي و ﺧﺮوﺟﯽ
ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل اﮔﺮ ﺳﯿﺴﺘﻤﯽ را ﮐﻪ ﺗﻨﻬﺎ ﺑﺎ دو ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ ﻣﯽﺗﻮان ﻣﻌﺎدﻻت دﯾﻨﺎﻣﯿﮑﯽ آن را ﺗﺤﻠﯿﻞ ﻧﻤﻮد ،ﺗﻮﺳﻂ ﺳﻪ
ee
ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ ﻧﻤﺎﯾﺶ دﻫﯿﻢ ،ﻣﺴﻠﻤﺎً ارﺗﺒﺎط ﯾﮏ ﺑﻪ ﯾﮏ ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ ﺑﻪ ورودي ﯾﺎ ﺧﺮوﺟﯽ ﻣﺨﺪوش ﺧﻮاﻫﺪ ﺷﺪ .ﺑﺮرﺳﯽ ارﺗﺒﺎط ﻣﺘﻐﯿﺮ
ﺣﺎﻟﺖ و ﺧﺮوﺟﯽ را ﺑﺎ اﭘﺮاﺗﻮر رؤﯾﺖ ﭘﺬﯾﺮي ﻣﯽﺳﻨﺠﻨﺪ .ﺑﻪ ﻫﻤﯿﻦ ﺗﺮﺗﯿﺐ ارﺗﺒﺎط ﺑﯿﻦ ورودي و ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ را ﺑﺎ اﭘﺮاﺗﻮر ﮐﻨﺘﺮلﭘﺬﯾﺮي
ﺑﺮرﺳﯽ ﻣﯽﻧﻤﺎﯾﯿﻢ .در اﯾﻦ راﺳﺘﺎ ﻣﻔﺎﻫﯿﻢ ﻣﺨﺘﻠﻒ ﯾﮏ ﺑﻪ ﯾﮏ و ﭘﻮﺷﺎ ﺑﻮدن اﯾﻦ اﭘﺮاﺗﻮر رﯾﺎﺿﯽ را در ﻗﺎﻟﺐ ﺗﻌﺎﺑﯿﺮ ﻓﯿﺰﯾﮑﯽ ﻗﺎﺑﻞﻓﻬﻢ
ﺗﻌﺒﯿﺮ ﻣﯽﮐﻨﯿﻢ.
in
-2-1-5ﺗﻌﺮﯾﻒ رؤﯾﺖ ﭘﺬﯾﺮي
ng
v v
ﯾﮏ ﺳﯿﺴﺘﻢ LTIرؤﯾﺖ ﭘﺬﯾﺮ ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮد ،اﮔﺮ ﺷﺮاﯾﻂ اوﻟﯿﻪ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ x (0) = x0را ﺑﺘﻮان ﺑﻪ ﺻﻮرت ﯾﮑﺘﺎ از اﻃﻼﻋﺎت
v v
ﻣﺮﺑﻮط ﺑﻪ ) y ( tو ) r ( tدر ﻣﺤﺪوده زﻣﺎﻧﯽ t ∈ [0, T ] , T > 0ﺗﻌﯿﯿﻦ ﻧﻤﻮد.
v
le
در ﺗﻌﺮﯾﻒ ﻓﻮق ﻧﮑﺎت زﯾﺮ ﻣﻬﻢ ﻣﯽﺑﺎﺷﻨﺪ :اوﻻً ﺗﻨﻬﺎ ﺗﻌﯿﯿﻦ x0ﻟﺤﺎظ ﺷﺪه اﺳﺖ اﻣﺎ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺑﺤﺚﻫﺎي ﻓﺼﻞ ﮔﺬﺷﺘﻪ ﺑﺎ ﺷﻨﺎﺧﺖ
v v
ﺳﯿﺴﺘﻢ و ﺗﻌﯿﯿﻦ ﻣﺎﺗﺮﯾﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ ) ، ϕ ( tدر ﺻﻮرﺗﯽ ﮐﻪ x0ﺗﻌﯿﯿﻦ ﺷﻮد ) x ( tﻧﯿﺰ ﺑﻪ راﺣﺘﯽ و ﺑﻪ ﺻﻮرت ﯾﮑﺘﺎ ﺑﺮاي ﮐﻠﯿﻪ
زﻣﺎنﻫﺎ ) ، (∀tﻗﺎﺑﻞ ﺗﻌﯿﯿﻦ ﺧﻮاﻫﺪ ﺑﻮد .ﺑﺮاي اﯾﻨﮑﻪ اﯾﻦ ﻣﻮﺿﻮع را ﻧﺸﺎن دﻫﯿﻢ راﺑﻄﻪ ) (10-4را ﺑﻪ ازاي t0 = 0ﺑﺎزﻧﻮﯾﺴﯽ
ro
ﻣﯽﮐﻨﯿﻢ:
v v v
t
) x (t ) = e At x0 + ∫ e A( t −τ ) Br (τ )(1-5
nt
0
v v v
ﺑﺎ ﻣﺸﺨﺺ ﺑﻮدن x0و اﻋﻤﺎل ) r ( tدر ﻣﻌﺎدﻟﻪ ﻓﻮق x ( t ) ،ﺗﻌﯿﯿﻦ ﺧﻮاﻫﺪ ﺷﺪ .دﻗﺖ ﮐﻨﯿﺪ ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ ﺑﺮاﺳﺎس ﻣﻌﺎدﻟﻪ )-4
(11در ﺣﺎﻟﺖ ﮐﻠﯽ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ:
v v v v
t
co
) y (t ) = Ce At x0 + ∫ Ce A ( t −τ ) Br (τ ) + Dr (τ )(2-5
v
0
ﻗﺴﻤﺖﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﺧﺮوﺟﯽ ﺑﺎ ﺷﺮاﯾﻂ اوﻟﯿﻪ ﺻﻔﺮ ، yzsﻣﯽﺗﻮاﻧﻨﺪ ﺑﺪون اﻃﻼع از ﺷﺮاﯾﻂ اوﻟﯿﻪ ﻣﺤﺎﺳﺒﻪ ﺷﻮﻧﺪ ،ﭘﺲ در ﺑﺤﺚ رؤﯾﺖ
v
ﭘﺬﯾﺮي وارد ﻧﺸﺪه و ﺗﻨﻬﺎ ﭘﺎﺳﺦ ﻫﻤﮕﻦ ﯾﺎ yziدر اﯾﻦ ﺗﻌﺮﯾﻒ ﻣﺒﻨﺎي ﺑﺮرﺳﯽﻫﺎ ﻗﺮار ﻣﯽﮔﯿﺮد.
v v
y zi (t ) = Ce At x0 )(3-5
ﺻﻔﺤﻪ 63
وه ﯽ ﺮل ﺪرن
v
ﭼﺮا ﮐﻪ ﺗﻨﻬﺎ اﯾﻦ ﺟﺰء ﺗﺎﺑﻌﯽ از x0ﻣﯽﺑﺎﺷﺪ .ﺗﻌﺮﯾﻒ ﻗﺒﻞ ﺑﺎ اﯾﻨﮑﻪ ﻣﻔﻬﻮم رؤﯾﺖ ﭘﺬﯾﺮي را ﮐﺎﻣﻼً آﺷﮑﺎر ﻣﯽﺳﺎزد ،اﻣﺎ اﺑﺰار ﻣﻨﺎﺳﺒﯽ
ﺑﺮاي ﺗﻌﯿﯿﻦ رؤﯾﺖ ﭘﺬﯾﺮي ﻧﻤﯽﺑﺎﺷﺪ .ﺗﻌﺮﯾﻒ زﯾﺮ ﺣﺎﻟﺖ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ را ﮐﻪ ﺑﻪ ﺻﻮرت ﺳﺎدهﺗﺮي ﻗﺎﺑﻞ ﻣﺤﺎﺳﺒﻪ اﺳﺖ را ﻣﻌﺮﻓﯽ
ﻣﯽﻧﻤﺎﯾﺪ.
vﺗﻌﺮﯾﻒ ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ:
v v v v
ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ x * ≠ 0رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ ﺧﻮاﻧﺪه ﻣﯽﺷﻮد ،اﮔﺮ ﭘﺎﺳﺦ ﻫﻤﮕﻦ ﯾﺎ ﺑﺪون ورودي ) yzi ( tﺑﺎ ﺷﺮاﯾﻂ اوﻟﯿﻪ * x ( 0 ) = xﺑﺮاي
.ir
ﮐﻠﯿﻪ زﻣﺎنﻫﺎ ، ∀t ≥ 0ﮐﺎﻣﻼً ﺻﻔﺮ ﺑﺎﻗﯽ ﺑﻤﺎﻧﺪ.
v
از ﻟﺤﺎظ رﯾﺎﺿﯽ در ﺻﻮرﺗﯽ ﮐﻪ ﺑﺘﻮان x * ≠ 0ﯾﺎﻓﺖ ﮐﻪ
v v v
rs
if ∃x ∗ ≠ 0 ∋ y zi (t ) = Ce At x ∗ ≡ 0 ∀t ≥ 0
در اﯾﻦ ﺻﻮرت اﯾﻦ ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ ﺧﻮاﻫﺪ ﺑﻮد و در ﺻﻮرﺗﯽ ﮐﻪ ﻫﯿﭻ ﺣﺎﻟﺘﯽ اﯾﻦ ﻣﻌﺎدﻟﻪ را ﺑﺮﻗﺮار ﻧﮑﻨﺪ ،ﺣﺎﻟﺖ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ
وﺟﻮد ﻧﺨﻮاﻫﺪ داﺷﺖ و ﺳﯿﺴﺘﻢ رؤﯾﺖ ﭘﺬﯾﺮ ﺧﻮاﻫﺪ ﺑﻮد.
ee
ﻗﻀﯿﻪ رؤﯾﺖ ﭘﺬﯾﺮي:
ﯾﮏ ﺳﯿﺴﺘﻢ ) LTIو ﺑﻪ اﺧﺘﺼﺎر زوج ) ( ( A, Cرؤﯾﺖ ﭘﺬﯾﺮ اﺳﺖ ،اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ ﻫﯿﭻ ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ.
-3-1-5ﺗﺴﺘﻬﺎي رؤﯾﺖ ﭘﺬﯾﺮي:
v v
in
ﺗﺎﮐﻨﻮن ﺑﺪﯾﻦ ﻧﺘﯿﺠﻪ رﺳﯿﺪﯾﻢ ﮐﻪ x0را ﺑﻪ ﮔﻮﻧﻪاي ﺟﺴﺘﺠﻮ ﮐﻨﯿﻢ ﮐﻪ Ce x0را ﺻﻔﺮ ﮐﻨﺪ؛ اﻣﺎ اﯾﻦ ﺟﺴﺘﺠﻮ ﻣﻌﻤﻮﻻً ﻣﺸﮑﻞ اﺳﺖ و
At
ﺑﻬﺘﺮ اﺳﺖ از روشﻫﺎي ﺟﺒﺮ ﺧﻄﯽ و ﻓﻀﺎﻫﺎي ﭘﻮﭼﯽ و . ...در اﯾﻦ ﺟﺴﺘﺠﻮ ﺑﻬﺮه ﺑﺒﺮﯾﻢ .ﻣﺠﺪداً ﻗﻀﯿﻪ ﮐﯿﻠﯽ-ﻫﻤﯿﻠﺘﻮن را ﯾﺎدآوري
ﻣﯽﮐﻨﯿﻢ .ﺳﯿﺴﺘﻢ ﺧﻄﯽ Aﺑﺎ ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ زﯾﺮ در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ:
ng
λ n + an −1λ n −1 + .... + a1λ + a0 = 0
در اﯾﻦ ﺻﻮرت ﻣﺎﺗﺮﯾﺲ Aدر ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ﺧﻮد ﺻﺪق ﻣﯽﮐﻨﺪ ﯾﻌﻨﯽ:
An + an −1 An −1 + .... + a1 A + a0 = 0 )(4-5
le
vﻗﻀﯿﻪ ﺷﺮاﯾﻂ رؤﯾﺖ ﭘﺬﯾﺮي:
v
ﺑﺮدار * xﯾﮏ ﻣﺘﻐﯿﺮ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ اﺳﺖ ،اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ
ro
C
CA
v v
O : x ∗ = CA2 x ∗ = 0 )(5-5
M
nt
CAn−1
*v
ﮐﻪ در آن ،Oﻣﺎﺗﺮﯾﺲ رؤﯾﺖ ﭘﺬﯾﺮي 1ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮد .در ﺻﻮرﺗﯽ ﮐﻪ rank ( O ) < nﺑﺎﺷﺪ ﻣﯽﺗﻮان x ≠ 0را ﭘﯿﺪا ﻧﻤﻮد ﮐﻪ در
co
ﺷﺮط ﻓﻮق ﺻﺪق ﮐﻨﺪ.
ﻣﺜﺎل 1-5
آﯾﺎ ﺳﯿﺴﺘﻢ زﯾﺮ رؤﯾﺖ ﭘﺬﯾﺮ اﺳﺖ:
1
Observability Matrix
ﺻﻔﺤﻪ 64
ﺬ ی و ﺮل ﺬ ی ﻢ ی LTI ﺶ ﻢ:رو
−3 1
2 , C = 1 −1
A= 2 ( )
1 3
2 2
−3 1
.ir
) CA = (1 −1) 2 2 = ( −2 2
1 3
2 2
C 1 −1
rs
O= =
CA −2 2
رﺗﺒﻪ ﮐﺎﻣﻞ ﻧﺪاردrank ( O ) = 1 :
ee
ﺳﯿﺴﺘﻢ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ اﺳﺖ ،اﻣﺎ ﻣﺘﻐﯿﺮ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ ﭼﯿﺴﺖ؟
1 −1 a ∗ 1
= 0 → x = a
−2 2 a 1
اﮔﺮ ﻫﺮ دو ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ ﺑﺮاﺑﺮ ﺑﺎﺷﻨﺪ اﻧﺪازهﮔﯿﺮي اﻧﺠﺎم ﺷﺪه ﻗﺎدر ﺑﻪ ﺷﻨﺎﺧﺖ آن ﻧﺨﻮاﻫﺪ ﺑﻮد.
<
in
vﻗﻀﯿﻪ ﺷﺮط ﺑﺮدار وﯾﮋه
v v
ng
ﺳﯿﺴﺘﻢ ) ( A, Cرؤﯾﺖ ﻧﺎﭘﺬﯾﺮ اﺳﺖ ،اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ ﺑﺮدار وﯾﮋه viدر Aوﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ ﮐﻪ Cvi = 0ﮔﺮدد.
ﻣﺜﺎل 2-5
آﯾﺎ ﺳﯿﺴﺘﻢ زﯾﺮ رؤﯾﺖ ﭘﺬﯾﺮ اﺳﺖ:
le
−3 1
2 , C = 1 −1
A= 2 ( )
1 −3
ro
2 2
v 1 v 1
ﻣﻮد رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ λ1 = −1 ⇒ v1 = ⇒ Cv1 = (1 −1) = 0
1 1
nt
v 1 v 1
ﻣﻮد رؤﯾﺖ ﭘﺬﯾﺮ λ2 = −2 ⇒ v2 = ⇒ Cv2 = (1 −1) ≠ 0
−1 −1
λ1 = −1ﻣﺮﺑﻮط ﺑﻪ ﻣﻮد رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ ﻣﯽﺑﺎﺷﺪ.
co
<
-4-1-5زﯾﺮ ﻓﻀﺎي رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ:
v
ﻫﻤﺎﻧﮕﻮﻧﻪ ﮐﻪ ﺗﺎﮐﻨﻮن در ﻣﻮرد روشﻫﺎي ﺗﺸﺨﯿﺺ رؤﯾﺖ ﭘﺬﯾﺮي ﺑﯿﺎن ﺷﺪ ،رؤﯾﺖ ﻧﺎﭘﺬﯾﺮي ﻣﺮﺑﻮط ﺑﻪ ﻧﺤﻮه ﺗﺸﮑﯿﻞ ﺑﺮدار ) x ( 0و ﯾﺎ
v
ﺑﺮدار وﯾﮋهاي از ﻣﺎﺗﺮﯾﺲ Aﯾﺎ e Aﻣﯽﺷﻮد ﮐﻪ Cvi = 0ﮔﺮدد .ﺑﺪﯾﻦ ﺗﺮﺗﯿﺐ ﻣﻮدﻫﺎي رؤﯾﺖ ﭘﺬﯾﺮ و رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ از ﯾﮑﺪﯾﮕﺮ ﻗﺎﺑﻞ
ﺗﻔﮑﯿﮏ ﺑﻮده و اﻣﮑﺎن ﺷﻨﺎﺳﺎﯾﯽ ﺣﺎﻟﺘﯽ ﮐﻪ ﺗﻮﺳﻂ ﺧﺮوﺟﯽ رؤﯾﺖ ﭘﺬﯾﺮ ﻧﯿﺴﺖ ﺑﺎ اﯾﻦ ﺟﺪاﺳﺎزي ﻗﺎﺑﻞ اﻧﺠﺎم اﺳﺖ .زﯾﺮ ﻓﻀﺎي رؤﯾﺖ
ﭘﺬﯾﺮ از ﭘﻮﺷﺶ ﻓﻀﺎﯾﯽ ﺑﺮدارﻫﺎي وﯾﮋه ﻣﻮدﻫﺎي رؤﯾﺖ ﭘﺬﯾﺮ ﺗﺸﮑﯿﻞ ﺷﺪه و زﯾﺮ ﻓﻀﺎي رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ از ﭘﻮﺷﺶ ﻓﻀﺎﯾﯽ ﺑﺮدارﻫﺎي وﯾﮋه
ﺻﻔﺤﻪ 65
وه ﯽ ﺮل ﺪرن
ﻣﻮدﻫﺎي رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ ﺗﺸﮑﯿﻞ ﻣﯽﺷﻮﻧﺪ .اﯾﻦ زﯾﺮ ﻓﻀﺎﻫﺎ ﺑﺎ ﻣﺎﺗﺮﯾﺲ رؤﯾﺖ ﭘﺬﯾﺮي Oﻧﯿﺰ ارﺗﺒﺎط دارﻧﺪ .ﻣﯽﺗﻮان ﻧﺸﺎن داد زﯾﺮ ﻓﻀﺎي
رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ ﺳﯿﺴﺘﻢ ﻫﻤﺎن ﻓﻀﺎي ﭘﻮﭼﯽ 1ﻣﺎﺗﺮﯾﺲ رؤﯾﺖ ﭘﺬﯾﺮي Oﻣﯽﺑﺎﺷﺪ.
Cx
CA
O=
M
.ir
n−1
CA
ﺑﺮاي ﺟﺪاﺳﺎزي ﻓﻀﺎي رؤﯾﺖ ﭘﺬﯾﺮ و رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ ﮐﺎﻓﯽ اﺳﺖ ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي ﺑﯿﺎﺑﯿﻢ ﮐﻪ ﻣﻮدﻫﺎي رؤﯾﺖ ﭘﺬﯾﺮ را از ﻣﻮدﻫﺎي رؤﯾﺖ
ﻧﺎﭘﺬﯾﺮ ﺗﻔﮑﯿﮏ ﮐﻨﻨﺪ؛ اﻣﺎ اﯾﻦ ﻫﻤﺎن ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي اﺳﺖ ﮐﻪ در ﻓﺮم ﻋﻤﻮﻣﯽ ﺟﺮدن ﺑﻪ آن اﺷﺎره ﺷﺪه اﺳﺖ .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﻓﺮض
rs
ﮐﻨﯿﺪ ﺳﯿﺴﺘﻢ Aداراي ﺳﻪ ﻣﻘﺪار وﯾﮋه λ1 , λ2 , λ3ﺑﺎﺷﺪ ﮐﻪ ﻣﻮد ﻣﺮﺑﻮط ﺑﻪ λ2در آن رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ اﺳﺖ .در اﯾﻦ ﺻﻮرت ﺑﺎ ﺗﺸﮑﯿﻞ
ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي زﯾﺮ:
ee
v v v
T = [ v1 v3 ] v2
ﻣﯽﺗﻮان ﻣﺎﺗﺮﯾﺲ Aرا ﺑﻪ ﻓﺮم ﻗﻄﺮي زﯾﺮ ﺗﺒﺪﯾﻞ ﻧﻤﻮد.
λ1 0 0
in
T −1 AT = Λ = 0 λ3 0
ng
0 0 λ2
v v v
در اﯾﻦ ﺻﻮرت ﻣﺘﻐﯿﺮﻫﺎي اول و دوم zﯾﻌﻨﯽ z1 , z2ﮐﻪ از ﺗﺒﺪﯾﻞ ) z ( t ) = Tx ( tﺑﻪ دﺳﺖ ﻣﯽآﯾﻨﺪ ﻣﺮﺑﻮط ﺑﻪ ﻣﻮدﻫﺎي رؤﯾﺖ
ﭘﺬﯾﺮ ﺑﻮده و ﻣﺘﻐﯿﺮ z 2ﻣﺮﺑﻮط ﺑﻪ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ ﻣﯽﺑﺎﺷﻨﺪ .در ﺣﺎﻟﺖ ﮐﻠﯽ ﻣﺎﺗﺮﯾﺲ ﺳﯿﺴﺘﻢ ﺗﻐﯿﯿﺮﯾﺎﻓﺘﻪ ﺑﻪ ﻓﺮم زﯾﺮ ﺗﺒﺪﯾﻞ ﻣﯽﺷﻮد:
le
v ' A11 0 v B1' v
&
) z (t ) = A' A' z (t ) + B ' r ( t
21 22 2 )(6-5
v v v
) y (t ) = ( C1 0 ) z (t ) + Dr (t
ro
'
z1
→ z=
z2
nt
ﮐﻪ ﺑﻪ آن ﻓﺮم ﮐﺎﻧﻮﻧﯿﮑﺎل رؤﯾﺖ ﭘﺬﯾﺮي ﻣﯽﮔﻮﯾﯿﻢ و در آن z1ﻣﺮﺑﻮط ﺑﻪ ﻣﻮدﻫﺎي رؤﯾﺖ ﭘﺬﯾﺮ ﺑﻮده و z 2ﻣﺮﺑﻮط ﺑﻪ ﻣﻮدﻫﺎي رؤﯾﺖ
ﻧﺎﭘﺬﯾﺮ ﻣﯽﺑﺎﺷﻨﺪ .ﻣﺴﻠﻤﺎً ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي ﯾﮑﺘﺎ ﻧﺒﻮده و ﺗﺒﺪﯾﻞﻫﺎي دﯾﮕﺮي ﻧﯿﺰ ﮐﻪ اﯾﻦ ﮐﺎر را اﻧﺠﺎم دﻫﻨﺪ ،وﺟﻮد دارد .وﻟﯽ ﺑﺮاي ﮐﻠﯿﻪ
ﺗﺒﺪﯾﻞﻫﺎي ﻫﻤﺎﻧﻨﺪي از ﺧﻮاص Tﻣﯽداﻧﯿﻢ ﮐﻪ ﻣﻮدﻫﺎي رؤﯾﺖ ﭘﺬﯾﺮ و رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ را ﺑﻪ ﻧﻤﺎﯾﺶ دﯾﮕﺮي ﺗﺒﺪﯾﻞ ﻣﯽﮐﻨﺪ ،وﻟﯽ
co
ﺗﻐﯿﯿﺮي در رﻓﺘﺎر دﯾﻨﺎﻣﯿﮑﯽ ﺳﯿﺴﺘﻢ اﯾﺠﺎد ﻧﺨﻮاﻫﺪ ﮐﺮد.
ﻣﺜﺎل 3-5
زﯾﺮ ﻓﻀﺎي رؤﯾﺖ ﭘﺬﯾﺮ را در ﺳﯿﺴﺘﻢﻫﺎي زﯾﺮ ﺟﺪا ﮐﻨﯿﺪ:
1
Null Space
ﺻﻔﺤﻪ 66
LTI ﺬ ی و ﺮل ﺬ ی ﻢ ی رو:ﺶ ﻢ
−4 −3 0 1
v& v v
x = 1 0 0 x + 0 r
1) 0
1 0 0
v v
y = (1 3 2) x
:اﺑﺘﺪا ﺷﺮط رؤﯾﺖ ﭘﺬﯾﺮي را ﭼﮏ ﻣﯽﮐﻨﯿﻢ
.ir
−4 −3 0
CA = (1 3 2 ) 1 0 0 = ( −1 −1 0 )
0 1 0
rs
−4 −3 0 −4 −3 0 13 12 0
CA = (1 3 2 ) 1 0 0 1 0 0 = (1 3 2 ) −4 −3 0 = ( 3 3 0 )
2
0 1 0 0 1 0 1 0 0
ee
C 1 3 2
O = CA = −1 −1 0 → rank ( O ) = 2
CA2 3 3 0
in : اﮐﻨﻮن ﺷﺮط ﺑﺮدار وﯾﮋه را ﭼﮏ ﻣﯽﮐﻨﯿﻢ.ﺳﯿﺴﺘﻢ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ اﺳﺖ
0 0
v v
λ1 = 0 → v1 = 0 ⇒ Cv1 = (1 3 2 ) 0 = 2 ≠ 0 →
ng
1 1
−1 −1
v v
λ2 = −1 → v2 = 1 ⇒ Cv2 = (1 3 2 ) 1 = 0 →
−1 −1
le
9 9
v v
λ3 = −3 → v3 = −3 ⇒ Cv3 = (1 3 2 ) −3 = 2 ≠ 0 →
ro
1 1
0 9 −1 2 8 6
v v v 1
T = ( v1 v 3 v2 ) = 0 −3 1 ⇒ T = 1 1 0
−1
nt
1 1 −1 6
3 9 0
v v v
z& = T −1 AT .x + T −1 B.r
v v
co
y = CT .x
2 8 6 −4 −3 0 0 9 −1 2 8 6 0 −27 1 0 0 0
−1 1 1
T AT = 1 1 0 1 0 0 0 −3 1 = 1 1 0 0 9 −1 = 0 −3 0
6 6 3 9 0 0 −3 1 0 0 −1
3 9 0 0 1 0 1 1 −1
2 8 61 2 0 9 −1
1 1
−1
T B = 1 1 00 = 1, CT = (1 3 2 ) 0 −3 1 = ( 2 2 0 )
6 6 3
3 9 00 1 1 −1
67 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
1v
0 0 0 2 z&1 = 3 r
v v 1 v
z& = 0 −3 0 z + 1 r 1v
⇒ 0 0 −1 6 → z&2 = −3 z2 + r → y = 2( z1 + z2 )
3 6
y = 2 2 0 zv 1v
( ) z&3 = − z3 + 2 r
.ir
0 1 0 1
v& v
x = 0 2 1 x + 2 x1
2) 0 −1 0 1
rs
yv = ( 0 0 1) xv
:اﺑﺘﺪا ﺷﺮط رؤﯾﺖ ﭘﺬﯾﺮي را ﭼﮏ ﻣﯽﮐﻨﯿﻢ
ee
0 0 1
CA = ( 0 0 1) 0 −1 0 = ( 0 −1 0 )
0 −2 −1
0 0 1 0 0 1 0 −2 −1
CA = ( 0 0 1) 0
2
in
−1 0 0
0
−1 0 = ( 0 −1 0 ) 0 1 0 = ( 0 −2 −1)
0 −2 −1 −2 −1
0 4 1
ng
C 0 0 1
O = CA = 0 −1 0 → rank ( O ) = 2
CA2 0 −2 −1
: اﮐﻨﻮن ﺷﺮط ﺑﺮدار وﯾﮋه را ﭼﮏ ﻣﯽﮐﻨﯿﻢ.ﺳﯿﺴﺘﻢ رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ اﺳﺖ
le
1 1
λ1 = 0 → v1 = 0 ⇒ Cv1 = ( 0 0 1) 0 = 0 → روﯾﺖ ﻧﺎﭘﺬﯾﺮ
0 0
ro
1 1
λ2 = 1 → v2 = 1 ⇒ Cv2 = ( 0 0 1) 1 = −1 → روﯾﺖ ﭘﺬﯾﺮ
−1 −1
nt
0 0
روﯾﺖ ﻧﺎﭘﺬﯾﺮ
λ3 = 1 → v3 = 1 ⇒ Cv3 = ( 0 0 1) 1 = 0 →
0 0
co
1 0 1 0 0 1
T = 1 1 0 ⇒ T −1 = 0 1 1
−1 0 0 1 0 1
0 0 1 0 1 0 1 0 1 0 0 1 1 1 0
−1
T AT = 0 1 1 0 2 1 1 1 0 = 0 1 1 1 2 0
1 0 1 0 −1 0 −1 0 0 1 0 1 −1 −1 0
68 ﺻﻔﺤﻪ
ﺬ ی و ﺮل ﺬ ی ﻢ ی LTI ﺶ ﻢ:رو
0 0 1 1 −1
−1
T B = 0 1 1 2 = 3
1 0 1 1 2
1 0 1
) CT = ( 0 0 1) 1 1 0 = ( −1 0 0
.ir
−1 0 0
1 1 0 −1
v v v v v v
z& = T −1 AT .x + T −1 B.r z& = 0
rs
1 0 z + 3 r
v v ⇒ 0 2
y = CT . x 0 0
y = −1 v
( 0 0) z
ee
<
-5-1-5آﺷﮑﺎر ﭘﺬﯾﺮي:
در ﺑﺴﯿﺎري از ﺣﺎﻟﺖﻫﺎ ،رؤﯾﺖ ﻧﺎﭘﺬﯾﺮي ﻣﺸﮑﻞ ﺟﺪي ﺑﻬﻢ ﻧﻤﯽ زﻧﺪ ،در ﺻﻮرﺗﯽ ﮐﻪ ﻣﻮدﻫﺎي رؤﯾﺖ ﻧﺎﭘﺬﯾﺮ ﮐﻪ ﺑﺮ روي آنﻫﺎ ﻫﯿﭻ
ﻧﻈﺎرت ﺧﺎرﺟﯽ وﺟﻮد ﻧﺪارد ،ﭘﺎﯾﺪار ﺑﺎﻗﯽ ﺑﻤﺎﻧﻨﺪ ﯾﺎ ﺑﻪ ﺗﻌﺒﯿﺮ دﯾﮕﺮ ﻫﯿﭻﮔﺎه ﺑﻪ ﺳﻤﺖ ﺑﯽﻧﻬﺎﯾﺖ ﻣﯿﻞ ﻧﮑﻨﻨﺪ.
in vﺗﻌﺮﯾﻒ آﺷﮑﺎر ﭘﺬﯾﺮي:
ﺳﯿﺴﺘﻤﯽ را آﺷﮑﺎر ﭘﺬﯾﺮ ﻣﯽﮔﻮﯾﻨﺪ ،اﮔﺮ ﮐﻠﯿﻪ ﻣﻮدﻫﺎي ﻧﺎﭘﺎﯾﺪار ﺳﯿﺴﺘﻢ رؤﯾﺖ ﭘﺬﯾﺮ ﺑﺎﺷﻨﺪ.
ng
vﺗﻮﺟﻪ:
ﻣﻮدﻫﺎي ﻧﺎﭘﺎﯾﺪار ﻋﺒﺎرت از ﻣﻮدﻫﺎﯾﯽ ﻫﺴﺘﻨﺪ ﮐﻪ ﻣﻘﺎدﯾﺮ وﯾﮋه آنﻫﺎ داراي ﻗﺴﻤﺖ ﺣﻘﯿﻘﯽ ﻏﯿﺮ ﻣﻨﻔﯽ Re(λ ) ≥ 0ﺑﺎﺷﺪ و ﯾﺎ در
ﺻﻔﺤﻪ ﺑﺴﺘﻪ ﺳﻤﺖ راﺳﺖ ﻗﺮار ﮔﯿﺮﻧﺪ.
le
ﺷﺮط آﺷﮑﺎر ﭘﺬﯾﺮي ﺿﻌﯿﻒﺗﺮ از ﺷﺮط رؤﯾﺖ ﭘﺬﯾﺮي اﺳﺖ .ﻗﻄﻌﺎً ﯾﮏ ﺳﯿﺴﺘﻢ رؤﯾﺖ ﭘﺬﯾﺮ آﺷﮑﺎر ﭘﺬﯾﺮ ﻣﯽﺑﺎﺷﺪ .وﻟﯽ ﺳﯿﺴﺘﻤﻬﺎي
آﺷﮑﺎر ﭘﺬﯾﺮي وﺟﻮد دارﻧﺪ ﮐﻪ رؤﯾﺖ ﭘﺬﯾﺮ ﻧﻤﯽﺑﺎﺷﻨﺪ .ﺗﮑﯿﻪ ﺑﯿﺸﺘﺮ ﻣﻬﻨﺪﺳﯿﻦ در ﺗﻮﺟﻪ ﺑﻪ ﻣﻮدﻫﺎي ﻧﺎﭘﺎﯾﺪار ﺳﯿﺴﺘﻢ و ﻧﺤﻮه ﺗﺄﺛﯿﺮ آن
ro
ﺑﺮ دﯾﻨﺎﻣﯿﮏ ﮐﻞ ﺳﯿﺴﺘﻢ ﻣﯽﺑﺎﺷﺪ .ﻟﺬا اﮔﺮ ﺷﺮط آﺷﮑﺎر ﭘﺬﯾﺮي وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ ﺣﺪاﻗﻞ ﻣﻮرد ﻧﯿﺎز ﺑﺮاي ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه و
رؤﯾﺖ ﮔﺮ ﻣﻨﺎﺳﺐ اﯾﺠﺎد ﺧﻮاﻫﺪ ﺷﺪ.
-2-5ﮐﻨﺘﺮلﭘﺬﯾﺮي:
nt
-1-2-5ﺗﻌﺮﯾﻒ ﮐﻨﺘﺮلﭘﺬﯾﺮي:
v v
ﻣﻔﻬﻮم ﮐﻨﺘﺮلﭘﺬﯾﺮي ﺑﺴﯿﺎر ﻣﺸﺎﺑﻪ ﺑﺎ رؤﯾﺖ ﭘﺬﯾﺮي اﺳﺖ ﺑﺎ اﯾﻦ ﺗﻔﺎوت ﮐﻪ در اﯾﻦ اﯾﺪه ﻣﻬﻢ ارﺗﺒﺎط ورودي rو ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ xرا
co
v
ﺑﺮرﺳﯽ ﻣﯽﮐﻨﯿﻢ .در واﻗﻊ ﺑﺮرﺳﯽ ﮐﻨﺘﺮلﭘﺬﯾﺮي ﺑﺪﯾﻦ ﻣﻌﻨﺎ اﺳﺖ ﮐﻪ ﺗﻮاﻧﺎﯾﯽ ﮐﻨﺘﺮل ) rﯾﺎ ﻧﺤﻮه ﭼﯿﺪﻣﺎن ﻋﻤﻠﮕﺮﻫﺎ( در ﺗﺄﺛﯿﺮﮔﺬاري
v
در ﮐﻠﯿﻪ ﻋﻨﺎﺻﺮ ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ xرا ﺑﺮرﺳﯽ ﮐﻨﯿﻢ.
vﺗﻌﺮﯾﻒ ﮐﻨﺘﺮلﭘﺬﯾﺮي:
v
ﺳﯿﺴﺘﻤﯽ را ﮐﻨﺘﺮلﭘﺬﯾﺮ ﻣﯽﻧﺎﻣﯿﻢ ﮐﻪ ﺑﻪ ازاي ﻫﺮ ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ x1در زﻣﺎن T > 0ﺗﺎﺑﻊ ) r ( tدر ﺑﺎزه زﻣﺎﻧﯽ 0 < t < Tرا ﺑﺘﻮان
v
ﭼﻨﺎن ﯾﺎﻓﺖ ﮐﻪ ﺳﯿﺴﺘﻢ از ﺷﺮاﯾﻂ اوﻟﯿﻪ x0 = 0در زﻣﺎن ﺻﻔﺮ ﺑﺘﻮاﻧﺪ ﺑﻪ ﺷﺮاﯾﻂ x1در زﻣﺎن Tﺑﺮﺳﺪ.
ﺻﻔﺤﻪ 69
وه ﯽ ﺮل ﺪرن
v
اﯾﻦ ﺗﻌﺮﯾﻒ ﺑﻪ ﻧﻈﺮ ﻣﺤﺪود ﮐﻨﻨﺪه اﺳﺖ ﭼﺮا ﮐﻪ از ﺷﺮاﯾﻂ اوﻟﯿﻪ ﺻﻔﺮ ﺷﺮوع ﮐﺮدهاﯾﻢ x0 = 0؛ اﻣﺎ اﯾﻦﮔﻮﻧﻪ ﻧﯿﺴﺖ ﭼﺮا ﮐﻪ ﻣﯽﺗﻮان
ﻧﺸﺎن داد اﮔﺮ ﺳﯿﺴﺘﻢ ﺷﺮاﯾﻂ اﯾﻦ ﺗﻌﺮﯾﻒ را ارﺿﺎء ﮐﻨﺪ ،از ﻫﺮ ﺷﺮط اوﻟﯿﻪ ﻏﯿﺮ ﺻﻔﺮي ﻣﯽﺗﻮان ﺑﻪ ﺷﺮاﯾﻂ ﻣﻄﻠﻮب x1 ،در زﻣﺎن ﻏﯿﺮ
ﺻﻔﺮ Tدﺳﺘﺮﺳﯽ ﭘﯿﺪا ﮐﻨﺪ:
t0 +T
v v v
x (t0 + T ) = e AT x (t0 ) + ∫ e A(t0 +T −τ ) Br (τ )dτ )(7-5
.ir
t0
ﺑﺎ ﺗﻐﯿﯿﺮ ﻣﺘﻐﯿﺮ ﻣﺤﺪوده اﻧﺘﮕﺮالﮔﯿﺮي τ ′ = τ − t0
v v
T
e A ( t0 +T −τ ) Br (τ ) dτ = ∫ e (T −τ ′) Br (t0 + τ ′)dτ ′ )(8-5
rs
0
اﮔﺮ ) v(τ ′) = u (t0 + τ ′ﻗﺮار دﻫﯿﻢ ،اﯾﻦ اﻧﺘﮕﺮال ﭘﺎﺳﺦ ﺑﺪون ﺷﺮاﯾﻂ اوﻟﯿﻪ ﺳﯿﺴﺘﻢ در زﻣﺎن t = Tﺧﻮاﻫﺪ ﺑﻮد .ﻟﺬا در ﺻﻮرﺗﯽ ﮐﻪ
v
ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮلﭘﺬﯾﺮ ﺑﺎﺷﺪ ،ﻣﯽﺗﻮان ) r ( tرا ﺑﻪ ﮔﻮﻧﻪاي ﯾﺎﻓﺖ ﮐﻪ اﯾﻦ اﻧﺘﮕﺮال ﺑﻪ ﻫﺮ ﻣﻘﺪار دﻟﺨﻮاﻫﯽ ﻫﻤﮕﺮا ﺷﺪه و ﻟﺬا ﻣﺤﺪودﯾﺘﯽ
ee
در ﺗﻌﺮﯾﻒ وﺟﻮد ﻧﺪارد .اﯾﻦ ﺑﺪان ﻣﻌﻨﺎ اﺳﺖ ﮐﻪ ﺑﺮاي ﺑﺮرﺳﯽ ﮐﻨﺘﺮلﭘﺬﯾﺮي ﮐﺎﻓﯽ اﺳﺖ ﺑﻪ ﭘﺎﺳﺦﻫﺎي ﺑﺪون ﺷﺮاﯾﻂ اوﻟﯿﻪ ﯾﺎ ﭘﺎﺳﺦ
ﺧﺼﻮﺻﯽ ﻣﻌﺎدﻻت دﯾﻔﺮاﻧﺴﯿﻞ ﺗﻮﺟﻪ ﮐﻨﯿﻢ.
-2-2-5ﺣﺎﻟﺖﻫﺎي ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ و ﮐﻨﺘﺮلﭘﺬﯾﺮي
in vﺗﻌﺮﯾﻒ :ﺣﺎﻟﺖ ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ
v v v
ﺣﺎﻟﺖ x ∗ ≠ 0را ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ ﻣﯽﻧﺎﻣﯿﻢ اﮔﺮ ﭘﺎﺳﺦ ﺧﺼﻮﺻﯽ ) xzs (tدر ﮐﻠﯿﻪ زﻣﺎنﻫﺎ ∀tو ﮐﻠﯿﻪ وروديﻫﺎ rﻋﻤﻮد ﺑﺮ ﺣﺎﻟﺖ
ng
v
∗ xﺑﺎﺷﺪ.
ﮐﻪ در آن ﻋﻤﻮد ﺑﻮدن دو ﺑﺮدار ﺑﺪان ﻣﻌﻨﺎ اﺳﺖ ﮐﻪ ﺿﺮب داﺧﻠﯽ آنﻫﺎ ﺻﻔﺮ ﺑﺎﺷﺪ .ﺑﻪ ﺻﻮرت رﯾﺎﺿﯽ اﯾﻦ ﺷﺮط ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ:
∀t v
t
v v v
t
⇒ x ∗T ∫ e Aτ Br (t − τ )dτ = ∫ x *T e Aτ Br (t − τ ) dτ = 0 )(9-5
le
∀u 0 0
اﯾﻦ ﺗﻨﻬﺎ در ﺻﻮرﺗﯽ ﺑﺮﻗﺮار ﺧﻮاﻫﺪ ﺷﺪ ﮐﻪ:
v )(10-5
∀t → x ∗T e Aτ B = 0
ro
v
ﻫﻤﺎﻧﮕﻮﻧﻪ ﮐﻪ ﻣﺸﺎﻫﺪه ﻣﯽﺷﻮد اﯾﻦ ﺷﺮط ﺑﺴﯿﺎر ﻣﺸﺎﺑﻪ ﺑﺎ Ce Aτ x * = 0ﺷﺮط رؤﯾﺖ ﭘﺬﯾﺮي اﺳﺖ .در واﻗﻊ اﮔﺮ ﺑﻪ ﺟﺎي Bاز BT
اﺳﺘﻔﺎده ﺷﻮد در واﻗﻊ اﯾﻦ ﺷﺮط ﺗﺮاﻧﻬﺎده ﺷﺮط رؤﯾﺖ ﭘﺬﯾﺮي اﺳﺖ.
nt
vﻗﻀﯿﻪ:
ﯾﮏ ﺳﯿﺴﺘﻢ ) LTIﯾﺎ زوج ) ( ( A, Bﮐﻨﺘﺮلﭘﺬﯾﺮ اﺳﺖ ،اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ ﻫﯿﭻ ﺣﺎﻟﺖ ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ.
co
-3-2-5ﺗﺴﺘﻬﺎي ﮐﻨﺘﺮلﭘﺬﯾﺮي:
ﺗﺴﺘﻬﺎي ﮐﻨﺘﺮلﭘﺬﯾﺮي ﺑﻪ ﺻﻮرت ﻣﺸﺎﺑﻪ و ﺑﻪ ﻣﻮازات ﺗﺴﺘﻬﺎي رؤﯾﺖ ﭘﺬﯾﺮي ﻗﺎﺑﻞ ﺗﻌﻤﯿﻢ ﺧﻮاﻫﻨﺪ ﺑﻮد .ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﯾﻨﮑﻪ ﺗﺮاﻧﻬﺎده
v
ﻣﻌﺎدﻟﻪ ﮐﻨﺘﺮلﭘﺬﯾﺮي BT e A t x ∗ = 0دﻗﯿﻘﺎً ﻣﺸﺎﺑﻪ ﺷﺮط رؤﯾﺖ ﭘﺬﯾﺮي ﺑﺮاي ﺳﯿﺴﺘﻢ دوﮔﺎن زﯾﺮ اﺳﺖ:
T
v v
x& = AT x
v Tv
)(11-5
y = B x
ﺻﻔﺤﻪ 70
ﺬ ی و ﺮل ﺬ ی ﻢ ی LTI ﺶ ﻢ:رو
ﻟﺬا ﮐﻠﯿﻪ ﻗﻀﺎﯾﺎي رؤﯾﺖ ﭘﺬﯾﺮي را ﻣﯽﺗﻮان ﺑﻪ ﻓﺮم ﻣﺸﺎﺑﻪ ﺑﻪ ﮐﻨﺘﺮلﭘﺬﯾﺮي ﺗﻌﻤﯿﻢ داد .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺗﺴﺖ اول رؤﯾﺖ ﭘﺬﯾﺮي ﺑﻪ ﻓﺮم
زﯾﺮ ﻣﯽﺑﺎﺷﺪ.
BT
T T
B A
BT ( AT ) 2 xv ∗ = 0 )(12-5
.ir
M
BT ( AT ) n−1
ﯾﺎ ﺗﺮاﻧﻬﺎده آن
rs
v
x ∗T ( B AB A2 B K An −1 B ) = 0 )(13-5
v
ee
ﻟﺬا ﺳﯿﺴﺘﻢ ﯾﺎ زوج ) ( A, Bﮐﻨﺘﺮلﭘﺬﯾﺮ اﺳﺖ اﮔﺮ x ∗ ≠ 0وﺟﻮد ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ ﮐﻪ در ﻣﻌﺎدﻟﻪ ﻓﻮق ﺻﺪق ﻧﻤﺎﯾﺪ ﯾﺎ ﺑﻪ ﻋﺒﺎرت دﯾﮕﺮ:
rank ( C ) = rank ( B AB L An −1 B ) = n )(14-5
رﺗﺒﻪ ﻣﺎﺗﺮﯾﺲ ﮐﻨﺘﺮلﭘﺬﯾﺮي Cﺑﺎﯾﺴﺘﯽ nﺑﺎﺷﺪ ﺗﺎ ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮلﭘﺬﯾﺮ ﺑﺎﺷﺪ.
in
ﺷﺮط ﺑﺮدارﻫﺎي وﯾﮋه ﻧﯿﺰ ﺑﻪ ﺻﻮرت ﻣﺸﺎﺑﻪ ﻗﺎﺑﻞ ﭘﯿﺎدهﺳﺎزي اﺳﺖ .ﺑﺪﯾﻦ ﺗﺮﺗﯿﺐ ﮐﻪ زوج ) ( A, Bﮐﻨﺘﺮلﭘﺬﯾﺮ ﻧﻤﯽﺑﺎﺷﺪ اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ
ng
v v
ﺑﺮدار وﯾﮋه wاز ﻣﺎﺗﺮﯾﺲ ATوﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ ﮐﻪ در ﻣﻌﺎدﻟﻪ BT w = 0ﺻﺪق ﮐﻨﺪ .اﮔﺮ ﭼﻨﯿﻦ ﺑﺮدار وﯾﮋهاي وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ
v
wiﻣﻮد ﻣﺮﺑﻮﻃﻪ را ﻣﻮد ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ ﻣﯽﻧﺎﻣﯿﻢ.
ﻣﺜﺎل 4-5
le
ﺑﺮاي ﺳﯿﺴﺘﻢ زﯾﺮ ﺷﺮط ﮐﻨﺘﺮلﭘﺬﯾﺮي را ﭼﮏ ﻧﻤﺎﯾﯿﺪ و ﺣﺎﻟﺖ ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ را ﺗﻌﯿﯿﻦ ﮐﻨﯿﺪ.
−3 1 1
2 ,B = 2
ro
A= 2
1 −3 1
2 2 2
−3 1 1 −1
nt
2 2 = 2
AB = 2
1 −3 1 −1
2 2 2 2
co
1 −1
ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ → C = ( B AB ) = 2 2 , rank (C ) = 1
1 −1
2 2
1 −1
ﺣﺎﻟﺖ ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ → ) ( a −a ) 2 2 = 0 → ( a −a
1 −1
2 2
ﺻﻔﺤﻪ 71
وه ﯽ ﺮل ﺪرن
از ﺷﺮط ﺑﺮدار وﯾﮋه ﻧﯿﺰ ﻫﻤﯿﻦ ﻧﺘﯿﺠﻪ ﺣﺎﺻﻞ ﻣﯽﺷﻮد :ﻣﻮد ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ −2و ﺣﺎﻟﺖ ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ
v a
λi ( AT ) = −2 → vi =
−a
<
-5-2-5ﭘﺎﯾﺪاري ﭘﺬﯾﺮي:
.ir
ﻣﺸﺎﺑﻪ ﺑﺎ آﺷﮑﺎر ﭘﺬﯾﺮي ،ﻣﯽﺗﻮان ﭘﺎﯾﺪار ﭘﺬﯾﺮي را ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻧﻤﻮد:
vﺗﻌﺮﯾﻒ ﭘﺎﯾﺪار ﭘﺬﯾﺮي:
rs
ﺳﯿﺴﺘﻤﯽ ﭘﺎﯾﺪار ﭘﺬﯾﺮ اﺳﺖ ،اﮔﺮ ﮐﻠﯿﻪ ﻣﻮدﻫﺎي ﻧﺎﭘﺎﯾﺪار آن ﮐﻨﺘﺮلﭘﺬﯾﺮ ﺑﺎﺷﻨﺪ.
اﯾﻦ ﺷﺮط ﻧﯿﺰ از ﮐﻨﺘﺮلﭘﺬﯾﺮي ﮐﺎﻣﻞ ﺿﻌﯿﻒ ﺗﺮ اﺳﺖ و ﺗﻨﻬﺎ ﮐﺎﻓﯽ اﺳﺖ ﻣﻮدﻫﺎي ﻧﺎﭘﺎﯾﺪار ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮلﭘﺬﯾﺮ ﺑﺎﺷﺪ .ﺑﺪﯾﻦ ﺗﺮﺗﯿﺐ
ee
ﺳﯿﺴﺘﻢﻫﺎي ﭘﺎﯾﺪار ﻫﻤﻮاره ﺷﺮط ﭘﺎﯾﺪاري ﭘﺬﯾﺮي را دارا ﻣﯽﺑﺎﺷﻨﺪ .ﻫﻤﭽﻨﯿﻦ ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮي ﻣﻮﺟﻮدﻧﺪ ﮐﻪ ﺑﻪ دﻟﯿﻞ
اﯾﻨﮑﻪ ﻣﻮدﻫﺎي ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ آنﻫﺎ ﭘﺎﯾﺪارﻧﺪ ،ﺟﺰء دﺳﺘﻪ ﭘﺎﯾﺪاري ﭘﺬﯾﺮ ﻗﺮار ﻣﯽﮔﯿﺮﻧﺪ.
-6-2-5زﯾﺮ ﻓﻀﺎي ﮐﻨﺘﺮلﭘﺬﯾﺮ:
in
ﻣﺸﺎﺑﻪ ﺑﺎ ﺣﺎﻟﺖ رؤﯾﺖ ﭘﺬﯾﺮي ،زﯾﺮ ﻓﻀﺎي ﮐﻨﺘﺮلﭘﺬﯾﺮ را ﻣﯽﺗﻮان ﺑﺎ ﺗﺸﮑﯿﻞ ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي ﮐﻪ ﻣﻮدﻫﺎي ﮐﻨﺘﺮلﭘﺬﯾﺮ را در اﺑﺘﺪا و
ﻣﻮدﻫﺎي ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ را در اﻧﺘﻬﺎ در ﺑﺮ ﻣﯽﮔﯿﺮﻧﺪ ﺗﺸﮑﯿﻞ داد.
ng
)(15-5
le
ﺑﺎ ﺿﺮب اﯾﻦ ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي در ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ ﻣﯽﺗﻮان زﯾﺮ ﻓﻀﺎﻫﺎي ﮐﻨﺘﺮلﭘﺬﯾﺮ و ﮐﻨﺘﺮل ﻧﺎﭘﺬﯾﺮ را از ﯾﮑﺪﯾﮕﺮ ﺗﻔﮑﯿﮏ ﻧﻤﻮد.
ro
v A11′ A12′ v B1′ v
z& = ) z + r (t )(16-5
0 ′
A22 0
ﺑﺪﯾﻦ ﺗﺮﺗﯿﺐ ﺳﯿﺴﺘﻤﯽ ﭘﺎﯾﺪار اﺳﺖ اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ A22′ﭘﺎﯾﺪار ﻣﺠﺎﻧﺒﯽ ﺑﺎﺷﺪ.
nt
co
ﺻﻔﺤﻪ 72
LTI ﺬ ی و ﺮل ﺬ ی ﻢ ی رو:ﺶ ﻢ
.ir
rs
:ﺶ ﻢee
in
ng
LTI ﮫﺎی ﻖ
le
ro
nt
co
73 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
3ﺑﺨﺶ ﺷﺸﻢ :ﺗﺤﻘﻖ ﺳﯿﺴﺘﻢﻫﺎي :LTI (6
-1-6ﺗﺤﻘﻖ ﺳﯿﺴﺘﻤﻬﺎي :LTI
ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ،ﻧﻤﺎﯾﺶ ﯾﮑﺘﺎﯾﯽ از دﯾﻨﺎﻣﯿﮏ ورودي و ﺧﺮوﺟﯽ ﯾﮏ ﺳﯿﺴﺘﻢ LTIﻣﯽﺑﺎﺷﺪ ،در ﺻﻮرﺗﯽ ﮐﻪ اﯾﻦ راﺑﻄﻪ دﯾﻨﺎﻣﯿﮑﯽ ﺑﺎ ﺗﻌﺪاد
.ir
ﻧﺎﻣﺤﺪودي ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ ﻗﺎﺑﻞ ﺗﻔﺴﯿﺮ و ﺗﻌﺒﯿﺮ اﺳﺖ .ﻫﺮ ﯾﮏ از ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﮐﻪ ﻣﻔﺴﺮ دﯾﻔﺮاﻧﺴﯿﻠﯽ ﯾﮏ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﺑﺎﺷﺪ ،ﯾﮏ
ﺗﺤﻘﻖ ﺑﺮاي آن ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮد .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل:
v v v
x& = − x + r
rs
v v )(1-6
y = x
v v v
x& = − x + a.r
)(2-6
v 1 v
ee
y = x
a
1
ﻣﯽﺑﺎﺷﻨﺪ. ﻫﺮ دو ﻣﺤﻘﻖ ﮐﻨﻨﺪه ﯾﮏ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ
s +1
vﺗﻌﺮﯾﻒ ﺗﺤﻘﻖ:
in
vﯾﮏ ﺗﺤﻘﻖ ﺑﺮاي ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ) H ( sاﺳﺖ اﮔﺮ:
v v v
) x& ( t ) = Ax ( t ) + Br ( t
ﯾﮏ ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ-ﺧﺮوﺟﯽ
v v
y ( t ) = Cx ( t ) + Dr ( t )
ng
−1
H ( s ) = C ( sI − A) B + D
ﺣﺎل ﻣﯽﺗﻮان ارﺗﺒﺎط ﻣﺸﺨﺼﯽ ﺑﯿﻦ ) H ( sو اﺟﺰاي ﺳﯿﺴﺘﻢ ﺣﺎﻟﺖ ﺑﻪ دﺳﺖ آورد و اﻣﮑﺎن وﺟﻮد ﺗﺤﻘﻖ و ﯾﮑﺘﺎﯾﯽ و ﻋﺪم ﯾﮑﺘﺎﯾﯽ
آن را ﺑﺮرﺳﯽ ﻧﻤﻮد .ﻣﯽﺗﻮان ﻧﺸﺎن داد ﮐﻪ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺗﺤﻘﻖ ،ﺗﻮاﺑﻊ ﺗﺒﺪﯾﻞ ﮔﻮﯾﺎﯾﯽ ﻣﯽﺑﺎﺷﻨﺪ ﮐﻪ ﺳﺮه ﯾﺎ اﮐﯿﺪاً ﺳﺮه ﻣﯽﺑﺎﺷﻨﺪ.
ﺑﺪﯾﻦ ﻣﻌﻨﯽ ﮐﻪ در ﻧﻤﺎﯾﺶ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻠﯽ آنﻫﺎ درﺟﻪ ﺻﻮرت ﮐﻮﭼﮏﺗﺮ ﯾﺎ ﻣﺴﺎوي درﺟﻪ ﻣﺨﺮج اﺳﺖ .ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﯾﻨﮑﻪ:
le
lim H ( s ) = D
∞→ s )(3-6
در ﺻﻮرﺗﯽ ﮐﻪ D ≠ 0ﺑﺎﺷﺪ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ) H ( sﺳﺮه ﺧﻮاﻫﺪ ﺑﻮد .ﻟﺬا ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﺳﺮه را ﻣﯽﺗﻮان ﺑﺎ ﺗﻘﺴﯿﻢ ﻣﺴﺘﻘﯿﻢ ﺻﻮرت و
ro
ﻣﺨﺮج ﺑﻪ ﻓﺮم زﯾﺮ:
H ( s ) = Hˆ ( s ) + D
)(4-6
nt
ﺗﺒﺪﯾﻞ ﻧﻤﻮد و ﺗﺤﻘﻖ ̂ Hرا ﻣﯽﺗﻮان ﺑﺎ ﻓﺮم ﮐﻠﯽ:
v v v
) x& ( t ) = Ax ( t ) + Br ( t
v v )(5-6
co
) y ( t ) = Cx ( t
ﺑﻪ دﺳﺖ آورد؛ ﺑﻨﺎﺑﺮاﯾﻦ ﺑﺪون از دﺳﺖ دادن ﻋﻤﻮﻣﯿﺖ ﻣﺴﺌﻠﻪ ﻣﯽﺗﻮان ﺳﯿﺴﺘﻤﻬﺎي ﻣﻮرد ﺑﺤﺚ را ﺑﻪ ﺳﯿﺴﺘﻤﻬﺎي اﮐﯿﺪاً ﺳﺮه ﻣﺤﺪود
ﻧﻤﻮد .در ﻫﺮ ﺣﺎل ﻗﻀﯿﻪ وﺟﻮد ﺗﺤﻘﻖ ﺑﻪ ﺻﻮرت زﯾﺮ ﺑﯿﺎن ﻣﯽﺷﻮد.
vﻗﻀﯿﻪ وﺟﻮد ﺗﺤﻘﻖ:
ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ) H ( sرا ﻣﯽﺗﻮان ﺑﻪ ﺻﻮرت ﻣﻌﺎدﻻت ﻓﻀﺎي ﺣﺎﻟﺖ ﺗﺤﻘﻖ داد ،اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ ) H ( sﻣﺎﺗﺮﯾﺲ ﮔﻮﯾﺎي ﺳﺮه )ﯾﺎ
اﮐﯿﺪاً ﺳﺮه( ﺑﺎﺷﺪ.
ﺻﻔﺤﻪ 74
ﺶ ﻢ :ﻖ ﻢ ی LTI
-2-5ﺗﺤﻘﻖ ﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ:
ﯾﮑﯽ از ﻣﺸﺨﺼﻪﻫﺎي ﻣﻬﻢ ﺗﺤﻘﻖ ،ﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ ﺑﻮدن رﺗﺒﻪ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﻣﯽﺑﺎﺷﺪ .ﻫﻤﺎﻧﮕﻮﻧﻪ در اﯾﻦ ﺑﺨﺶ ﻧﺸﺎن داده ﺧﻮاﻫﺪ ﺷﺪ
اﯾﻦ ﻣﺸﺨﺼﻪ ﺑﺎ ﺧﻮاص ﮐﻨﺘﺮلﭘﺬﯾﺮي و رؤﯾﺖ ﭘﺬﯾﺮي ﺳﯿﺴﺘﻢ در ارﺗﺒﺎط اﺳﺖ .اﺑﺘﺪا اﺟﺎزه دﻫﯿﺪ ﺑﺎ ﯾﮏ ﻣﺜﺎل اﯾﺪه ﺗﺤﻘﻖ ﮐﺎﻫﺶ
1
را ﻣﯽﺗﻮان ﺑﻪ ﻓﺮم زﯾﺮ ﻧﻮﺷﺖ: ﻧﺎﭘﺬﯾﺮ را ﺑﺮرﺳﯽ ﮐﻨﯿﻢ .ﺗﺤﻘﻖ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ
s +1
.ir
x&1 = − x1 + r
)(6-6
y = x1
ﺗﺤﻘﻖ دﯾﮕﺮي ﺑﺮاي ﺳﯿﺴﺘﻢ ﻧﯿﺰ ﻣﯽﺗﻮان ﻧﻮﺷﺖ:
rs
x&1 = − x1 + x2 + r
)(7-6
x&2 = −2 x2
y = x + x
ee
1 2
ﺑﺮاي ﻣﺸﺎﻫﺪه ﺳﺮﯾﻊ اﯾﻦ ﺑﺮاﺑﺮي ﮐﺎﻓﯽ اﺳﺖ ﺑﻪ ﺗﻌﺮﯾﻒ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﯾﮏ ﺳﯿﺴﺘﻢ رﺟﻮع ﮐﻨﯿﻢ .ﻫﻤﺎﻧﮕﻮﻧﻪ ﮐﻪ ﻗﺒﻼً ﮔﻔﺘﻪ ﺷﺪ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ
ﺳﯿﺴﺘﻢ راﺑﻄﻪ ﺑﯿﻦ ﺧﺮوﺟﯽ و ورودي در ﺣﺎﻟﺖ ﺷﺮاﯾﻂ اوﻟﯿﻪ ﺻﻔﺮ ) (zsﻣﯽﺑﺎﺷﺪ .ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ دوم ،ﭘﺎﺳﺦ ﺷﺮط
اوﻟﯿﻪ x2در ﮐﻠﯿﻪ زﻣﺎنﻫﺎ ﺻﻔﺮ اﺳﺖ ﭼﺮا ﮐﻪ در اﯾﻦ ﻣﻌﺎدﻟﻪ rﺗﺄﺛﯿﺮ ﻣﺴﺘﻘﯿﻢ ﻧﺪارد .ﻟﺬا ﺑﺎ اﯾﻦ ﺗﻮﺻﯿﻒ ﻫﺮ دو ﻣﻌﺎدﻟﻪ ﺣﺎﻟﺖ ﺑﻪ ﯾﮏ
in 1
ﺗﺒﺪﯾﻞ ﺧﻮاﻫﻨﺪ ﺷﺪ. ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ
s +1
1
ﯾﮏ ﺗﺤﻘﻖ ﺑﺎ ﯾﮏ ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ x1و ﯾﮏ ﺗﺤﻘﻖ ﺑﺎ دو ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ x1 , x2 ﺣﺎل دﻗﺖ ﮐﻨﯿﺪ ﮐﻪ ﺑﺮاي ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﻣﺮﺗﺒﻪ اول
ng
s +1
ﺗﻌﯿﯿﻦﺷﺪه اﺳﺖ .ﺑﻪ ﺗﺤﻘﻘﯽ ﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ ﯾﺎ ﻣﯿﻨﯿﻤﺎل ﻣﯽﮔﻮﯾﯿﻢ ﮐﻪ ﺑﺎ ﺣﺪاﻗﻞ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ اﻧﺠﺎم ﭘﺬﯾﺮد.
vﺗﻌﺮﯾﻒ :ﺗﺤﻘﻖ ﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ
ﺗﺤﻘﻖ ﯾﮏ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ) H ( sﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ ﯾﺎ ﻣﯿﻨﯿﻤﺎل اﺳﺖ اﮔﺮ ﻫﯿﭻ ﺗﺤﻘﻖ ﺑﺎ ﺗﻌﺪاد ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ ﮐﻤﺘﺮ از آن ﻧﺘﻮان ﯾﺎﻓﺖ.
le
ﺑﺮاي ﺑﺮرﺳﯽ ﺧﻮاص ﺗﺤﻘﻖﻫﺎي ﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ ﻻزم اﺳﺖ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺎرﮐﻮف و ﻣﺎﺗﺮﯾﺲ ﻫﻨﮑﻞ را ﻣﻌﺮﻓﯽ ﻧﻤﺎﺋﯿﻢ.
ﮐﻤﯿﺘﻬﺎي } {CAi −1b, i = 1, 2,....را ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺎرﮐﻮف ﻣﯽﻧﺎﻣﻨﺪ .وﯾﮋﮔﯽ ﺧﺎص ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺎرﮐﻮف اﯾﻦ اﺳﺖ ﮐﻪ در ﺗﺤﻘﻖﻫﺎي
ro
ﻣﺨﺘﻠﻒ از ﯾﮏ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ اﯾﻦ ﭘﺎراﻣﺘﺮﻫﺎ ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﺎﻗﯽ ﻣﯽ ﻣﺎﻧﻨﺪ .ﺑﺪﯾﻦ ﺗﺮﺗﯿﺐ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺎرﮐﻮف ﺑﻪ ﺻﻮرت ﻣﻨﺤﺼﺮ ﺑﻔﺮد از
ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﻗﺎﺑﻞ اﺳﺘﺨﺮاج ﻣﯽﺑﺎﺷﻨﺪ .ﺑﺮاي ﺗﻌﯿﯿﻦ اﯾﻦ ﭘﺎراﻣﺘﺮﻫﺎ از روي ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﻣﯽﺗﻮان ﺑﺴﻂ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ را ﺑﺮ ﺣﺴﺐ ﺗﻮانﻫﺎي
ﻣﻨﻔﯽ sﺑﻨﻮﯾﺴﯿﻢ.
nt
∞
H ( s ) = C ( sI − A) −1 B + D = ∑ hi s − i )(8-6
i =0
ﮐﻪ در آن
co
( sI − A) −1 = s −1 I + s −2 A + s −3 A2 + ....
)(9-6
ﺑﺎ ﻣﻘﺎﯾﺴﻪ دو ﻣﻌﺎدﻟﻪ ﻓﻮق ﻣﺸﺨﺺ ﻣﯽﺷﻮد ﮐﻪ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺎرﮐﻮف ﻫﻤﺎن ﺿﺮاﯾﺐ ﺑﺴﻂ ﭼﻨﺪﺟﻤﻠﻪاي ﻓﻮق h iﻣﯽﺑﺎﺷﻨﺪ.
ﻓﺸﺎرﺳﻨﺞ ﻫﻮا ﻣﺎرﮐﻮف (i = 1, 2,....) → hi = CAi −1b
)(10-6
ﺣﺎل اﮔﺮ ﺗﺤﻘﻖﻫﺎي ﻣﺨﺘﻠﻔﯽ را از ﯾﮏ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ) H ( sداﺷﺘﻪ ﺑﺎﺷﯿﻢ ﻣﺴﻠﻤﺎً ﺿﺮاﯾﺐ ﺑﺴﻂ ﺗﻮاﻧﯽ ﻓﻮق ﺑﺮاي ﮐﻠﯿﻪ ﺗﺤﻘﻖﻫﺎ
ﺑﺎﯾﺴﺘﯽ ﯾﮑﺴﺎن ﺑﺎﺷﻨﺪ .ﻟﺬا
ﺻﻔﺤﻪ 75
وه ﯽ ﺮل ﺪرن
C1 A1i −1 B1 = C2 A2i −1 B2
)(11-6
ﯾﻌﻨﯽ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺎرﮐﻮف ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﺑﻮده و ﺑﻪ ﺷﮑﻞ ﺗﺤﻘﻖ ﻣﺮﺑﻮط ﻧﺨﻮاﻫﻨﺪ ﺷﺪ .ﻣﺎﺗﺮﯾﺲ ﻫﻨﮑﻞ ﻧﯿﺰ ﺑﺎ اﺳﺘﻔﺎده از ﭘﺎراﻣﺘﺮﻫﺎي
ﻣﺎرﮐﻮف ﺑﻪ ﺗﺮﺗﯿﺐ زﯾﺮ ﺗﺸﮑﯿﻞ ﻣﯽﺷﻮد.
hi hi +1 L hi + j
.ir
h
M (i, j ) = i +1
hi + 2 L hi + j +1
M )(12-6
M M M
hi + j hi + j +1 L hi + 2 j
rs
ﻣﺴﻠﻤﺎً ﻣﺎﺗﺮﯾﺲ ﻫﻨﮑﻞ ﻧﯿﺰ ﮐﻪ از ﭘﺎراﻣﺘﺮﻫﺎي ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ ﻣﺎرﮐﻮف ﺗﺸﮑﯿﻞ ﻣﯽﺷﻮد ﺧﻮد ﺗﻐﯿﯿﺮﻧﺎﭘﺬﯾﺮ اﺳﺖ و ﺑﺎ ﻧﻮع ﺗﺤﻘﻖ ﺗﻐﯿﯿﺮ
ﻧﻤﯽﮐﻨﺪ.
vﻗﻀﯿﻪ:
ee
ﺗﺤﻘﻘﯽ ﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ اﺳﺖ اﮔﺮ و ﺗﻨﻬﺎ اﮔﺮ ﮐﻨﺘﺮلﭘﺬﯾﺮ و رؤﯾﺖ ﭘﺬﯾﺮ ﺑﺎﺷﺪ.
in -3-6ﺗﺤﻘﻖ ﺳﯿﺴﺘﻤﻬﺎي :SISO
در اﯾﻦ ﺑﺨﺶ روشﻫﺎي ﻣﺨﺘﻠﻒ ﺗﺤﻘﻖ ﺳﯿﺴﺘﻤﻬﺎي ﺗﮏ ورودي-ﺗﮏ ﺧﺮوﺟﯽ ﺑﺮرﺳﯽ ﻣﯽﮔﺮدﻧﺪ .اﺳﺎﺳﺎً ﻋﻠﺖ ﻧﺎمﮔﺬاري ﺗﻔﺴﯿﺮ ﺗﺎﺑﻊ
ﺗﺒﺪﯾﻞ ﺑﻪ ﻧﻤﺎﯾﺶ ﻓﻀﺎي ﺣﺎﻟﺖ ﺑﺎ ﻋﻨﻮان ﺗﺤﻘﻖ ﻣﺮﺑﻮط ﺑﻪ زﻣﺎﻧﯽ اﺳﺖ ﮐﻪ ﭘﯿﺎدهﺳﺎزي ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎ ﯾﺎ ﻓﯿﻠﺘﺮ ﻫﺎ ﺑﻪ ﺻﻮرت
اﻟﮑﺘﺮوﻧﯿﮑﯽ و ﺗﻮﺳﻂ Op-Ampﺻﻮرت ﻣﯽﭘﺬﯾﺮﻓﺖ .از Op-Ampﻫﻢ ﺑﻪ ﻋﻨﻮان ﺗﻘﻮﯾﺖﮐﻨﻨﺪه ،ﻫﻢ ﺑﻪ ﻋﻨﻮان اﻧﺘﮕﺮال ﮔﯿﺮ )ﺑﺎ
ng
اﺿﺎﻓﻪ ﮐﺮدن ﯾﮏ ﺧﺎزن( و ﻫﻢ ﺑﻪ ﻋﻨﻮان ﺟﻤﻊ ﮐﻨﻨﺪه و ﻣﻘﺎﯾﺴﻪ ﮐﻨﻨﺪه ﻣﯽﺗﻮان اﺳﺘﻔﺎده ﮐﺮد.
ﻟﺬا ﺗﺤﻘﻖ ﺳﯿﺴﺘﻤﻬﺎ ﺗﻮﺳﻂ اﯾﻦ اﻟﻤﺎنﻫﺎ ﺑﻪ ﺻﻮرت ﺑﻠﻮك دﯾﺎﮔﺮام اراﺋﻪ ﺧﻮاﻫﺪ ﺷﺪ؛ اﻣﺎ ﻧﻪ ﺗﻨﻬﺎ ﺑﻪ ﻋﻠﺖ ﭘﯿﺎدهﺳﺎزي ﺑﻠﮑﻪ ﺑﺨﺎﻃﺮ
اﺳﺘﻔﺎده از ﺗﺌﻮري ﮐﻨﺘﺮل ﻣﺪرن ﺑﺮاي ﻃﺮاﺣﯽ و ﺗﻨﻈﯿﻢ ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎ ﻻزم اﺳﺖ ﺳﯿﺴﺘﻤﻬﺎ را در ﻓﺮم ﻓﻀﺎي ﺣﺎﻟﺖ ﺑﺮرﺳﯽ ﮐﻨﯿﻢ.
اﻧﻮاع ﻣﺨﺘﻠﻒ روشﻫﺎي ﺗﺤﻘﻖ ﺑﺴﯿﺎر ﻣﺘﻨﻮع ﻣﯽﺑﺎﺷﻨﺪ ﮐﻪ در ﺑﺨﺶﻫﺎي ﺑﻌﺪي ﺑﻪ ﺑﺮﺧﯽ از آنﻫﺎ ﻣﯽﭘﺮدازﯾﻢ .ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع ﺗﺤﻘﻖ
le
ﺧﻮاص ﻣﺸﺨﺼﯽ را از آنﻫﺎ ﻣﯽﺗﻮان اﻧﺘﻈﺎر داﺷﺖ ﮐﻪ ﺑﻬﺘﺮﯾﻦ ﺧﺼﻮﺻﯿﺖ در ﺗﺤﻘﻖ ﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ ﺑﻮدن آن اﺳﺖ .در اﯾﻨﺠﺎ ﻓﺮض
ﮐﻨﯿﺪ ﯾﮏ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ اﮐﯿﺪاً ﺳﺮه ﺑﺎ ﻣﺸﺨﺼﺎت زﯾﺮ را ﺑﺨﻮاﻫﯿﻢ ﺑﻪ ﻓﺮم ﻣﺎﺗﺮﯾﺴﯽ ) ( A, B, C , Bﻣﺤﻘﻖ ﻧﻤﺎﺋﯿﻢ.
ro
bn −1s n +1 + bn − 2 s n − 2 + .... + b0
= )H ( s )(13-6
s n + an −1s n −1 + .... + a0
ﻟﺬا در ﺣﺎﻟﺖ ﮐﻠﯽ ﻣﻤﮑﻦ اﺳﺖ ﻗﻄﺐ و ﺻﻔﺮ ﻣﺸﺘﺮﮐﯽ در اﯾﻦ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﻣﻮﺟﻮد ﺑﺎﺷﺪ ﮐﻪ ﺑﻪ ﺻﻮرت ﻣﻮد ﭘﻨﻬﺎن در
nt
ﭼﻨﺪﺟﻤﻠﻪايﻫﺎي ﻓﻮق ﻗﺎﺑﻞﻣﺸﺎﻫﺪه ﻣﺴﺘﻘﯿﻢ ﻧﺒﺎﺷﺪ .در ﺻﻮرﺗﯽ ﮐﻪ ﺑﺨﻮاﻫﯿﻢ ﺗﺤﻘﻖ ،ﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ ﺑﺎﺷﺪ ﻻزﻣﺴﺖ اﺑﺘﺪا ﻣﻮدﻫﺎي
ﭘﻨﻬﺎن را ﭘﯿﺪاﮐﺮده و ﺣﺬف ﻧﻤﺎﺋﯿﻢ و ﺳﭙﺲ ﻋﻤﻠﯿﺎت ﺗﺤﻘﻖ را ﺻﻮرت دﻫﯿﻢ.
co
-1-3-6ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﮐﻨﻨﺪه:
ﺳﯿﺴﺘﻢ 13-6را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ ،در ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﮐﻨﻨﺪه از ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺑﻪ ﻓﺮم زﯾﺮ اﺳﺘﻔﺎده ﻣﯽﮐﻨﯿﻢ:
x&1 = x2
x& = x
2 3
M )(14-6
) x& = − a x − a x − ...a x + r (t
n n −1 n n − 2 n −1 0 1
y = bn −1 xn + bn − 2 xn −1 + ... + b1 x2 + b0 x1
ﺻﻔﺤﻪ 76
ﺶ ﻢ :ﻖ ﻢ ی LTI
ﻟﺬا در ﺣﺎﻟﺖ ﻣﺎﺗﺮﯾﺴﯽ ﺧﻮاﻫﯿﻢ داﺷﺖ:
0 1 0 L 0 0
v 0 L M 0
v
0 1
x& = M M 0 O x + M r
)(15-6
0 M 1 0
.ir
−a −a
−a2 L −an −1 1
0 1
v v
y = ( b0 b1 L bn −1 ) x
ﻓﺮم ﺑﻠﻮك دﯾﺎﮔﺮام آن ﺑﻪ ﺗﺮﺗﯿﺐ زﯾﺮ اﺳﺖ:
rs
bn −1
bn − 2
ee
M
+
xn xn −1 + y
+
∑ ∑
r 1 1 1 x1
b0
s s s
−
an −1
+
in an − 2
+
a0
∑ ∑
ng
ﺷﮑﻞ :1-6ﺑﻠﻮك دﯾﺎﮔﺮام ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﮐﻨﻨﺪه
ﻫﻤﺎﻧﮕﻮﻧﻪ ﮐﻪ از ﻧﺎم ﺗﺤﻘﻖ ﭘﯿﺪاﺳﺖ اﯾﻦ ﺗﺤﻘﻖ ﮐﻨﺘﺮلﭘﺬﯾﺮ اﺳﺖ .ﺑﺮاي ﺑﺮرﺳﯽ اﯾﻦ ﻣﺪﻋﺎ ،ﻣﺎﺗﺮﯾﺲ ﮐﻨﺘﺮلﭘﺬﯾﺮي را ﺗﺸﮑﯿﻞ ﻣﯽدﻫﯿﻢ.
le
0 0 0 L 1
0 0 0 ∗
C = (B AB L A B ) = M
n −1
M 1 M M )(16-6
ro
0 1 M ∗
1 ∗ ∗ L ∗
nt
ﮐﻪ در آن ∗ ﻋﻨﺼﺮ ﻏﯿﺮ ﺻﻔﺮ ﻣﯽﺑﺎﺷﺪ .ﻫﻤﺎﻧﮕﻮﻧﻪ ﮐﻪ ﻣﺸﺨﺺ اﺳﺖ ﺑﺮ روي ﻗﻄﺮ ﻓﺮﻋﯽ اﯾﻦ ﻣﺎﺗﺮﯾﺲ ﺗﻤﺎﻣﯽ ﻋﻨﺎﺻﺮ ﯾﮏ ﻣﯽﺑﺎﺷﻨﺪ .ﻟﺬا
رﺗﺒﻪ ﻣﺎﺗﺮﯾﺲ ﮐﻨﺘﺮلﭘﺬﯾﺮي ﺑﺮاﺑﺮ nﺑﻮده و اﯾﻦ ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮلﭘﺬﯾﺮ ﻣﯽﺑﺎﺷﺪ؛ اﻣﺎ رؤﯾﺖ ﭘﺬﯾﺮ ﺑﻮدن اﯾﻦ ﺗﺤﻘﻖ واﺑﺴﺘﻪ ﺑﻪ آن اﺳﺖ
ﮐﻪ ﺳﯿﺴﺘﻢ ﻣﻮدﻫﺎي ﭘﻨﻬﺎن ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ.
co
ﻧﮑﺘﻪ :ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﮐﻨﻨﺪه ﻫﻤﻮاره ﮐﻨﺘﺮلﭘﺬﯾﺮ اﺳﺖ و در ﺻﻮرﺗﯽ ﮐﻪ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﻣﻮرد ﺗﺤﻘﻖ ﻗﻄﺐ و ﺻﻔﺮ ﻣﺸﺘﺮﮐﯽ
ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ ،رؤﯾﺖ ﭘﺬﯾﺮ ﻧﯿﺰ ﺧﻮاﻫﺪ ﺑﻮد.
-2-3-6ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل رؤﯾﺖ ﮐﻨﻨﺪه:
اﯾﻦ ﺗﺤﻘﻖ ﺑﻪ ﻓﺮم زﯾﺮ ﻣﯽﺑﺎﺷﺪ:
ﺻﻔﺤﻪ 77
وه ﯽ ﺮل ﺪرن
0 0 L 0 − a0
b0
1 0 0 0 −a1
xv& = 0 v b1
1 M M M x + M r
)(17-6
M 0 − an − 2
bn −1
0 0 L 1 − an −1
v v
.ir
y = ( 0 L 0 1) x
ﺗﻮﺟﻪ ﮐﻨﯿﺪ ﮐﻪ اﯾﻦ ﺗﺤﻘﻖ دوﮔﺎن ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﮐﻨﻨﺪه اﺳﺖ ﮐﻪ در آن A0 = AcT , b0 = CcT , C0 = bcTﻟﺬا ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ
ﺧﺎﺻﯿﺖ دوﮔﺎﻧﯽ ﺳﯿﺴﺘﻤﻬﺎي ﺧﻄﯽ اﯾﻦ ﺗﺤﻘﻖ ﺑﻪ ﺻﻮرت ذاﺗﯽ رؤﯾﺖ ﭘﺬﯾﺮ ﻣﯽﺑﺎﺷﺪ و در ﺻﻮرﺗﯽ ﮐﻪ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﺳﯿﺴﺘﻢ ﻗﻄﺐ و
rs
ﺻﻔﺮ ﻣﺸﺘﺮك ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ ﮐﻨﺘﺮلﭘﺬﯾﺮ ﻫﻢ ﺧﻮاﻫﺪ ﺑﻮد) .ﻣﯿﻨﯿﻤﺎل ﻣﯽﮔﺮدد( .ﺷﮑﻞ زﯾﺮ ﺗﺤﻘﻖ رؤﯾﺖ ﮐﻨﻨﺪه ﺑﻪ ﺻﻮرت ﮐﺎﻧﻮﻧﯿﮑﺎل را
ﻧﺸﺎن ﻣﯽدﻫﺪ.
ee
r
b0 b1 bn −1
+ + +
∑ 1
in x1
∑
1 x2
∑
1
y
s s s
− − −
ng
a0 a1 an −1
le
ﺷﮑﻞ :2-6ﺑﻠﻮك دﯾﺎﮔﺮام ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل رؤﯾﺖ ﮐﻨﻨﺪه
-3-3-6ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل رؤﯾﺖ ﭘﺬﯾﺮي:
ro
ﺑﻠﻮك دﯾﺎﮔﺮام اﯾﻦ ﺗﺤﻘﻖ ﻣﻄﺎﺑﻖ ﺷﮑﻞ زﯾﺮ اﺳﺖ:
r
nt
hn hn −1 h1
+ + +
co
xn xn −1 y
∑
1 1
∑ 1
s
∑ s s
−
an −1 an − 2 a0
+ +
∑ ∑
ﺷﮑﻞ :3-6ﺑﻠﻮك دﯾﺎﮔﺮام ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل رؤﯾﺖ ﭘﺬﯾﺮي
ﺻﻔﺤﻪ 78
ﺶ ﻢ :ﻖ ﻢ ی LTI
و ﯾﺎ ﺑﻪ ﻓﺮم ﻣﺎﺗﺮﯾﺴﯽ زﯾﺮ:
0 1 0 L 0
h1
v 0 0 1 L 0
& v h2
x = M M M L M x + r
M
)(18-6
0 L 1
.ir
0 0
hn
− a0 − a1 − a2 L − an −1
v
y = (1 0 L 0 ) x
ﮐﻪ در آن hiﭘﺎراﻣﺘﺮﻫﺎي ﻣﺎرﮐﻮف در ﺳﯿﺴﺘﻢ ﻣﯽﺑﺎﺷﻨﺪ.
rs
∞
H ( s ) = ∑ hi s − i )(19-6
i =1
ee
و از راﺑﻄﻪ زﯾﺮ ﻗﺎﺑﻞ ﻣﺤﺎﺳﺒﻪ ﻣﯽﺑﺎﺷﻨﺪ.
−1
1 0 0 0 bn −1
h1
an −1 1 M bn − 2
M = M 1 0 M )(20-6
h
n
a1 a2 L an −1
in
1
b0
ﺑﺎ ﻣﺤﺎﺳﺒﻪ ﻣﺴﺘﻘﯿﻢ ﻣﺎﺗﺮﯾﺲ رؤﯾﺖ ﭘﺬﯾﺮي ﻣﯽﺗﻮان ﻧﺸﺎن داد ﺑﺮاي اﯾﻦ ﺗﺤﻘﻖ:
ng
C
CA
=O =I )(21-6
M
n−1
CA
le
ﻟﺬا اﯾﻦ ﺗﺤﻘﻖ ﻫﻤﻮاره رؤﯾﺖ ﭘﺬﯾﺮ ﻣﯽﺑﺎﺷﺪ .ﻫﻤﮕﻦ ﺑﻮدن ﻣﺎﺗﺮﯾﺲ رؤﯾﺖ ﭘﺬﯾﺮي ﻧﻪ ﺗﻨﻬﺎ رؤﯾﺖ ﭘﺬﯾﺮي ﺳﯿﺴﺘﻢ را ﻧﺸﺎن ﻣﯽدﻫﺪ ﺑﻠﮑﻪ
ﯾﮑﻨﻮاﺧﺘﯽ ﻋﺪدي در ﻣﺤﺎﺳﺒﻪ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ را از روي اﻃﻼﻋﺎت ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ ،ﻣﺸﺨﺺ ﻣﯽﺳﺎزد .از ﻃﺮف دﯾﮕﺮ
ﻣﺎﺗﺮﯾﺲ ﮐﻨﺘﺮلﭘﺬﯾﺮي اﯾﻦ ﺗﺤﻘﻖ ﻋﺒﺎرت اﺳﺖ از:
ro
C = (B ) AB L An −1 B
)(22-6
)= M (1, n − 1
nt
ﻣﺎﺗﺮﯾﺲ ﻫﻨﮑﻞ ﺑﺎ آراﯾﻪﻫﺎي 1و n − 1ﻫﻤﺎﻧﻨﺪ ﻗﺒﻞ ﺗﻨﻬﺎ زﻣﺎﻧﯽ ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮلﭘﺬﯾﺮ ﺧﻮاﻫﺪ ﺑﻮد ﮐﻪ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ) H ( sداراي ﺻﻔﺮ و
ﻗﻄﺐ ﻣﺸﺘﺮك ﻧﺒﺎﺷﺪ.
-4-3-6ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﭘﺬﯾﺮي:
co
اﯾﻦ ﺗﺤﻘﻖ دوﮔﺎن ﺗﺤﻘﻖ ﻗﺒﻞ ﻣﯽﺑﺎﺷﺪ ﻟﺬا:
0 0 0 −a0 1
xv& = 1 0 0 −a1 v 0
x+ r
0 1 M M M )(23-6
0 0 1 − an −1 0
v
y = ( h1 h2 L hn ) x
ﺻﻔﺤﻪ 79
وه ﯽ ﺮل ﺪرن
ﮐﻪ در آن hiﭘﺎراﻣﺘﺮﻫﺎي ﻣﺎرﮐﻮف ﻣﯽﺑﺎﺷﻨﺪ .ﻟﺬا ﻣﺎﺗﺮﯾﺲ ﮐﻨﺘﺮلﭘﺬﯾﺮي ﺳﯿﺴﺘﻢ ﻣﺎﺗﺮﯾﺲ واﺣﺪ ﺑﻮده و ﻣﺎﺗﺮﯾﺲ رؤﯾﺖ ﭘﺬﯾﺮي آن
ﻣﺎﺗﺮﯾﺲ ﻫﻨﮑﻞ ﻣﯽﺑﺎﺷﺪ .ﻧﻤﺎد ﺑﻠﻮﮐﯽ اﯾﻦ ﺗﺤﻘﻖ ﺑﻪ ﻓﺮم زﯾﺮ اﺳﺖ:
h1
h2
.ir
M
+
+ y
+ 1
∑ ∑ 1
∑ 1
∑
rs
r hn
s s s
− − −
a2
a1
ee
a0
ﺷﮑﻞ :4-6ﺑﻠﻮك دﯾﺎﮔﺮام ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﭘﺬﯾﺮي
ﻣﺜﺎل 1-6
in ﺗﺤﻘﻖﻫﺎي ﻣﺨﺘﻠﻒ ﺗﻮاﺑﻊ ﺗﺒﺪﯾﻞ زﯾﺮ را ﺑﻪ دﺳﺖ آورﯾﺪ.
s2 + 1
ng
1) H ( s ) = 3
s + 6 s 2 + 11s + 5
ﻧﺨﺴﺖ ﺗﻮﺟﻪ ﮐﻨﯿﺪ ﻗﻄﺐ و ﺻﻔﺮﻫﺎي ﺳﯿﺴﺘﻢ ﻣﺘﻤﺎﯾﺰ ﺑﻮده 1و ﻟﺬا ﺗﺤﻘﻖﻫﺎي ﺑﻪ دﺳﺖ آﻣﺪه ﮐﻼً ﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ ﻣﯽﺑﺎﺷﻨﺪ.
le
اﻟﻒ( ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﮐﻨﻨﺪه
x&1 = x2
ro
s2 + 1 x&2 = x3
H ( s) = 3 →
) s + 6s 2 + 11s + 5 x&3 = −6 x3 − 11x2 − 5 x1 + r (t
y = x1 + x3
nt
0 1 0 0
v& v
x = 0 0 1 x + 0 r
→ −5 −11 −6 1
co
y = (1 0 1) x v
1ﺑﻪ ﮐﺪ زﯾﺮ ﺗﻮﺟﻪ ﮐﻨﯿﺪ:
)]>> [z,p]=tf2zp([1 0 1],[1 6 11 5
=z
0 + 1.0000i
0 - 1.0000i
=p
-2.6624 + 0.5623i
-2.6624 - 0.5623i
-0.6753
ﺻﻔﺤﻪ 80
LTI ﻖ ﻢ ی:ﺶ ﻢ
+
y
.ir
+ x3 x2 +
∑ ∑
r 1 1 1 x1
s s s
−
6 11 5
rs
+ +
∑ ∑
ee
ب( ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل رؤﯾﺖ ﮐﻨﻨﺪه
0 0 −5 1 x&1 = −5 x3 + r
v& v
s +1 2
x = 1 0 −11 x + 0 r x&2 = x1 − 11x3
H (s) = 3 → 0 1 → x& = x − 6 x + r
s + 6 s 2 + 11s + 5
in 1 −6 3
v
2 3
y = (0 0 1) x
y = x3
r
ng
+ +
x3 = y
le
x1 x2
∑
1 1
∑ 1
s
∑ s s
− − −
ro
5 11 6
ج( ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل رؤﯾﺖ ﭘﺬﯾﺮي
nt
0 1 0 1 x&1 = x2 + r
v& v
x = 0 0 x + −6 r → x&2 = x3 − 6r
1
−11 −6
−5 x&3 = −5 x1 − 11x2 − 6 x3 + 26r
co
26
v
y = (1 0 0) x y = x1
:ﮐﻪ در آن ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺎرﮐﻮف از راﺑﻄﻪ زﯾﺮ ﺗﻌﯿﯿﻦﺷﺪهاﻧﺪ
−1
h1 1 0 0 1 1 0 01 1
h2 = 6 1 0 0 = −6 1 0 0 = −6
h 11 6 1 1 25 −6 1 1 26
3
81 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
r
26 6
+ − +
.ir
x3 x2 x1 = y
∑
1 1
∑ 1
s
∑ s s
−
rs
6 11 5
+ +
∑ ∑
ee
د( ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﭘﺬﯾﺮي
0 −5
0 1 x&1 = −5 x3 + r
v& v
x = 1 0 −11 x + 0 r x&2 = x1 − 11x3
1 −6 → x& = x − 6 x
0
y = (1
v
−6 26 ) x
0 3
in 2 3
y = x1 − 6 x2 + 26 x3
ng
6
− +
x1 x2 x3
le
y
+ 1 +
r ∑ s
∑ 1
∑ 1 26 ∑
− − s − s
ro
6
11
5
nt
s 2 + 2s − 1
= ) 2) H ( s
s 3 + 2s 2 + 3s + 4
co
ﻧﺨﺴﺖ ﺗﻮﺟﻪ ﮐﻨﯿﺪ ﻗﻄﺐ و ﺻﻔﺮﻫﺎي ﺳﯿﺴﺘﻢ ﻣﺘﻤﺎﯾﺰ ﺑﻮده 1و ﻟﺬا ﺗﺤﻘﻖﻫﺎي ﺑﻪ دﺳﺖ آﻣﺪه ﮐﻼً ﮐﺎﻫﺶ ﻧﺎﭘﺬﯾﺮ ﻣﯽﺑﺎﺷﻨﺪ.
1ﺑﻪ ﮐﺪ زﯾﺮ ﺗﻮﺟﻪ ﮐﻨﯿﺪ:
)]>> [z,p]=tf2zp([1 2 -1],[1 2 3 4
=z
-2.4142
0.4142
=p
-1.6506
-0.1747 + 1.5469i
-0.1747 - 1.5469i
ﺻﻔﺤﻪ 82
LTI ﻖ ﻢ ی:ﺶ ﻢ
اﻟﻒ( ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﮐﻨﻨﺪه
x&1 = x2 0 1 0 0
x& = x v
& v
s2 + 2s − 1 2 x = 0 0 1 x + 0 r
H (s) = 3 → →
3
s + 2s 2 + 3s + 4 x&3 = −2 x3 − 3x2 − 4 x1 + r (t ) −4 −3 −2 1
y = − x1 + 2 x2 + x3 v
y = ( −1 2 1) x
.ir
rs
2
+ +
x3 x2 y
+
ee
−
∑ ∑
r 1 1 1 x1
s s s
−
2 3 4
+ +
∑ ∑
in
ب( ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل رؤﯾﺖ ﮐﻨﻨﺪه
ng
0 0 −4 −1 x&1 = −4 x3 − r
v
& v
s 2 + 2s − 1 x = 1 0 −3 x + 2 r x&2 = x1 − 3 x3 + 2r
H (s) = 3 → 0 1 → x& = x − 2 x + r
s + 2 s 2 + 3s + 4 1 −2 3
v
2 3
y = (0 0 1) x
y = x3
le
r
ro
− + +
x1 x2 x3 = y
nt
∑
1 1
∑ 1
s
∑ s s
− − −
4 3 2
co
ج( ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل رؤﯾﺖ ﭘﺬﯾﺮي
0 1 0 1 x&1 = x2 + r
v& v
x = 0 0 1 x + 0 r x&2 = x3
−3 −2 → x& = −4 x − 3 x − 2 x + 4r
−4 4 3
v
1 2 3
y = (1 0 0) x y = x1
83 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
ﮐﻪ در آن ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺎرﮐﻮف از راﺑﻄﻪ زﯾﺮ ﺗﻌﯿﯿﻦﺷﺪهاﻧﺪ:
−1 −1
h1 1 0 0 1 1 0 0 1 1
h2 = 2 1 0 2 = −2 1 0 2 = 0
h 3 2 1 −1 1 −2 1 −1 4
3
.ir
r
4
rs
+ +
x3 x2 x1 = y
∑
1 1
∑ 1
ee
s s s
−
2 3 4
+ +
in ∑ ∑
د( ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﭘﺬﯾﺮي
0 0 −4 1 x&1 = −4 x3 + r
ng
v& v
x = 1 0 −3 x + 0 r x&2 = x1 − 3x3
0 1 −2 0 → x& = x − 2 x
3
v
2 3
y = (1 0 4) x
y = x1 + 4 x3
le
x1 x2 x3 + y
+ 1 +
∑ ∑ 1
∑ 1
∑
ro
r 4
s s s
− − −
2
3
nt
4
<
-5-3-6ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﺟﺮدن
co
ﺑﺮاي ﺳﺎدﮔﯽ ﻧﻤﺎﯾﺶ اﯾﻦ روش اﺟﺎزه دﻫﯿﺪ از ﯾﮏ ﻣﺜﺎل ﺑﺮاي ﺑﯿﺎن اﯾﻦ ﺗﺤﻘﻖ اﺳﺘﻔﺎده ﮐﻨﯿﻢ .اﯾﺪه اﺻﻠﯽ ﺗﺤﻘﻖ اﺳﺘﻔﺎده از ﻓﺮم
ﺟﺮدن ﻣﯽﺑﺎﺷﺪ؛ ﮐﻪ ﺿﻤﻦ ﺳﺎدﮔﯽ ﻣﺸﺨﺼﺎت اﯾﻦ ﺳﯿﺴﺘﻢ را ﺗﻌﺒﯿﺮ ﻣﯽﮐﻨﺪ؛ اﻣﺎ ﻓﺮم ﺟﺮدن در ﺗﻮاﺑﻊ ﺗﺒﺪﯾﻞ ﯾﻌﻨﯽ ﺟﺪاﺳﺎزي ﻗﻄﺐﻫﺎ
و اﯾﻦ ﻋﻤﻞ ﺗﻮﺳﻂ ﮐﺴﺮﻫﺎي ﺟﺰﺋﯽ اﻧﺠﺎم ﻣﯽﺷﻮد .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ اﮐﯿﺪاً ﺳﺮه درﺟﻪ ﭘﻨﺠﻤﯽ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ ﮐﻪ داراي
رﯾﺸﻪ ﺗﮑﺮاري ﺑﺎ ﺗﮑﺮر 3ﻣﯽﺑﺎﺷﺪ .اﯾﻦ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ را ﺑﺎ اﺳﺘﻔﺎده از ﮐﺴﺮﻫﺎي ﺟﺰﺋﯽ ﺑﻪ اﺟﺰاي ﺧﻮد ﺗﻘﺴﯿﻢ ﻣﯽﮐﻨﯿﻢ.
e11 e12 e13 e e
= )H ( s + + + 2 + 3 )(24-6
( s − λ1 ) ( s − λ1 ) ( s − λ1 ) s − λ2 s − λ 3
3 2
ﺑﺪﯾﻦ ﺗﺮﺗﯿﺐ ﺑﻪ دو ﺻﻮرت ﻣﯽﺗﻮان اﯾﻦ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﺗﺠﺰﯾﻪﺷﺪه را ﺗﺤﻘﻖ ﺑﺨﺸﯿﺪ .ﺷﮑﻞ زﯾﺮ ﻧﺤﻮه ﺗﺠﺰﯾﻪ اول آن را ﻧﻤﺎﯾﺶ ﻣﯽدﻫﺪ.
ﺻﻔﺤﻪ 84
ﺶ ﻢ :ﻖ ﻢ ی LTI
1 x13 1 x12 1 x11
e11
s + λ1 s + λ1 s + λ1
r e12
.ir
e13 ∑ y
rs
1 x2
e2
s + λ2
ee
1 x3
e3
s + λ3
ﻟﺬا در اﯾﻦ ﺣﺎﻟﺖ:
λ1
0
1
λ1
0
1
0
0
in 0
0
0
0
xv& = 0 0 λ1 0 0 xv + 1 r
ng
λ2 )(25-6
0 0 0 0 1
0 0 0 0
λ3 1
v
y = ( e11 e12 e13 e2 e3 ) x
ﻫﻤﺎﻧﮕﻮﻧﻪ ﮐﻪ در ﺷﮑﻞ ﻣﻼﺣﻈﻪ ﻣﯽﺷﻮد ﺧﺮوﺟﯽ اﯾﻦ ﺗﺤﻘﻖ از ﮐﻠﯿﻪ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺗﺄﺛﯿﺮ ﭘﺬﯾﺮﻓﺘﻪ اﺳﺖ و ﻟﺬا اﯾﻦ ﺗﺤﻘﻖ رؤﯾﺖ
le
ﭘﺬﯾﺮ اﺳﺖ .ﺣﺎل اﮔﺮ ﺑﻪ ﺻﻮرت دﯾﮕﺮ اﯾﻦ ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ ﺗﺠﺰﯾﻪﺷﺪه را ﺗﺤﻘﻖ ﺑﺨﺸﯿﻢ ،ﻣﯽﺗﻮان دﯾﺪ:
x11 1 x12 x13
1
∑ ∑
1
ro
e11
s + λ1 s + λ1 s + λ1
e12
nt
+
r
e13 + ∑ y
co
x2 +
e2 1 +
s + λ2
x3
e3 1
s + λ3
در اﯾﻦ ﺣﺎﻟﺖ ﺿﺮاﯾﺐ ﮐﺴﺮﻫﺎي ﺟﺰﯾﯽ در ﻧﺰد ورودي ﺑﺎﻗﯽ ﻣﺎﻧﺪه و ﺗﺤﻘﻖ ﺑﻪ ﻓﺮم زﯾﺮ ﺣﺎﺻﻞ ﻣﯽﺷﻮد:
ﺻﻔﺤﻪ 85
وه ﯽ ﺮل ﺪرن
λ1 0 0 0 0 e11
1 λ1 0 0 0 e12
v
x& = 0 1 λ1 0 0 v
x + e13 r
λ2 (26-6)
0 0 0 0 e2
0 0 0 0 λ3 e3
.ir
v
y = ( 0 0 1 1 1 )x
2-6 ﻣﺜﺎل
rs
.ﺳﯿﺴﺘﻢ زﯾﺮ را ﺑﻪ ﻓﺮم ﮐﺎﻧﻮﻧﯿﮑﺎل ﺟﺮدن ﻣﺤﻘﻖ ﮐﻨﯿﺪ
s 2 − 2s + 1
H ( s) = 3
s + 4 s 2 + 5s + 2
ee
:اﺑﺘﺪا ﺗﺎﺑﻊ ﺗﺒﺪﯾﻞ را ﺗﺠﺰﯾﻪ ﻣﯽ ﮐﻨﯿﻢ
s 2 − 2s + 1 (s − 1)2 A B C
H ( s) = = = + +
s + 4s + 5s + 2 (s + 1) (s + 2) ( s + 1) ( s + 1) ( s + 2)
3 2 2 2
(s − 1)2
( )
A = lim(
s →−1
s + 1) 2
H s = lim
in
s →−1 ( s + 2)
=4
d 2 ( s − 1)( s + 2 ) − ( s − 1)
2
d (s − 1)2
A = slim
d
( (s + 1) H ( s ) ) = slim
2
= slim = −8
ng
→−1 ds →−1 ds + →−1 ds +
s 2 s 2
C = lim( s + 1)2 H ( s ) = lim ( s − 1) = 9
2
s →−2 s →−2 ( s + 1) 2
4 8 9
→ H ( s) = − +
le
(s + 1) ( s + 1) ( s + 2)
2
−1 1 0 0
v& v
x = 0 −1 0 x + 1 r
ro
0 0 −2 1
y = ( 4 −8 9 ) xv
nt
1 x12 1 x11
4
s +1 s +1
co
r 8
− +
∑
1 x3 y
9
s+2 +
ﯾﺎ
86 ﺻﻔﺤﻪ
LTI ﻖ ﻢ ی:ﺶ ﻢ
−1 1 0 4
v v
x& = 0 −1 0 x + −8 r
0 0 −2 9
v
y = ( 0 1 1) x
.ir
x11 x12
1
4 1
∑ s +1
s +1
−
rs
+
r 8
+
∑ y
x2
ee
9 1
s+2
<
in
ng
le
ro
nt
co
87 ﺻﻔﺤﻪ
وه ﯽ ﺮل ﺪرن
.ir
rs
ﺶ ﻢ:
ee
in
ng
ﯿﺪﺑﮏ ﺣﺎ
le
ro
nt
co
ﺻﻔﺤﻪ 88
ﺶ ﻢ :ﯿﺪﺑﮏ ﺣﺎ
3ﺑﺨﺶ ﻫﻔﺘﻢ :ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ: (7
-1-7ﻣﻘﺪﻣﻪ:
ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﮐﻼﺳﯿﮏ ﻣﺒﺘﻨﯽ ﺑﺮ ﻓﯿﺪﺑﮏ ﺧﺮوﺟﯽ و ﺳﺎﺧﺘﺎر ﻣﻌﯿﻨﯽ از ﮐﻨﺘﺮلﮐﻨﻨﺪه ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل PIDﯾﺎ ﭘﯿﺶ ﻓﺎز-ﭘﺲ
.ir
ﻓﺎز اﺳﺘﻮار اﺳﺖ .اﯾﻦ در ﺣﺎﻟﯽ اﺳﺖ ﮐﻪ در دﯾﺪﮔﺎه ﻣﺪرن اﻃﻼﻋﺎت ورودي-ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ در ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ ﻓﺸﺮده
ﺷﺪه اﺳﺖ .ﻟﺬا اﯾﺪه اﺻﻠﯽ در ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﻣﺪرن اﺳﺘﻔﺎده از ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ ﻣﯽﺑﺎﺷﺪ.
rs
-2-7ﺧﺼﻮﺻﯿﺎت ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ
ﺳﯿﺴﺘﻢ ﺧﻄﯽ زﯾﺮ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ:
ee
v v v
) x& ( t ) = Ax ( t ) + Br ( t
v v )(1-7
) y ( t ) = Cx ( t
v v v
ﮐﻪ در آن xﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ nﺑﻌﺪي r ،ورودي lﺑﻌﺪي و yﺧﺮوﺟﯽ mﺑﻌﺪي ﻣﯽﺑﺎﺷﺪ .ﻫﺪف از ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه را
in ﻣﯽﺗﻮان ﺑﻪ ﺻﻮرت زﯾﺮ ﺑﺮ ﺷﻤﺮد.
• ﭘﺎﯾﺪاري داﺧﻠﯽ
• ﺗﻨﻈﯿﻢ ﯾﺎ ردﯾﺎﺑﯽ
ng
• ﺣﺬف اﺛﺮ اﻏﺘﺸﺎش
• ﮐﺎﻫﺶ اﺛﺮ ﻧﻮﯾﺰ
• ﻋﺪم ﺣﺴﺎﺳﯿﺖ ﺑﻪ ﻣﺪل
le
ﻣﯽداﻧﯿﻢ روش اﺻﻠﯽ در ارﺿﺎء ﻫﻤﺰﻣﺎن ﺧﺼﻮﺻﯿﺖﻫﺎي ﻓﻮق اﺳﺘﻔﺎده از ﺣﻠﻘﻪ ﻓﯿﺪﺑﮏ اﺳﺖ؛ ﮐﻪ در ﮐﻨﺘﺮل ﻣﺪرن ،ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ
v
ﭘﯿﺸﻨﻬﺎد ﻣﯽﮔﺮدد .ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺧﻮاص ﻣﺘﻐﯿﺮ ﺣﺎﻟﺖ xﮐﻪ ﮐﻠﯿﻪ اﻃﻼﻋﺎت ورودي در زﻣﺎن ﻗﺒﻞ را ﺑﻪ اﻃﻼﻋﺎت ﺧﺮوﺟﯽﻫﺎي آﯾﻨﺪه
v v
ro
ﻣﺮﺗﺒﻂ ﻣﯽﺳﺎزد ،اﮔﺮ ﮐﻨﺘﺮلﮐﻨﻨﺪه rرا ﺗﺎﺑﻌﯽ از xدر ﻧﻈﺮ ﺑﮕﯿﺮﯾﻢ ﺗﻮاﻧﻤﻨﺪي ﻻزم ﺟﻬﺖ ﭘﺎﯾﺪارﺳﺎزي ﺳﯿﺴﺘﻢ ﻫﻤﺰﻣﺎن ﺑﺎ ﺗﻨﻈﯿﻢ ﯾﺎ
v
ﺣﺬف اﻏﺘﺸﺎش را ﻣﯽﺗﻮان ﺑﻪ دﺳﺖ آورد .در ﺳﯿﺴﺘﻢﻫﺎي ﺧﻄﯽ اﯾﻦ ﮐﻨﺘﺮلﮐﻨﻨﺪه را ﻧﯿﺰ ﺗﺎﺑﻌﯽ ﺧﻄﯽ از xدر ﻧﻈﺮ ﻣﯽﮔﯿﺮﯾﻢ.
v v
r = − k .x )(2-7
nt
v
ﻋﻼﻣﺖ ﻣﻨﻔﯽ در اﯾﻨﺠﺎ ﺗﻨﻬﺎ اﺷﺎره ﺑﻪ ﻣﻔﻬﻮم ﻓﯿﺪﺑﮏ ﻣﻨﻔﯽ ﻣﯽﺑﺎﺷﺪ ،وﻟﯽ ﭼﻮن ﻣﺘﻐﯿﺮ xﯾﮑﺘﺎ ﻧﯿﺴﺖ ﺑﺴﺘﻪ ﺑﻪ ﺗﺤﻘﻖﻫﺎي ﻣﺨﺘﻠﻒ از
ﯾﮏ ﺳﯿﺴﺘﻢ ﻣﯽﺗﻮاﻧﺪ kﻣﺜﺒﺖ ﯾﺎ ﻣﻨﻔﯽ ﺑﺎﺷﺪ و ﺗﻨﻬﺎ ﺑﻪ ﺧﺎﻃﺮ ﺗﻮﺟﻪ ﺑﻪ اﻫﻤﯿﺖ ﻓﯿﺪﺑﮏ ﻣﻨﻔﯽ در ﭘﺎﯾﺪارﺳﺎزي ﺳﯿﺴﺘﻢ ﻫﺎ از ﻋﻼﻣﺖ
ﻣﻨﻔﯽ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ .در اﯾﻦ ﻧﻤﺎﯾﺶ kﯾﮏ ﻣﺎﺗﺮﯾﺲ [ k ]l×nﻣﯽﺑﺎﺷﺪ و ﮐﻨﺘﺮلﮐﻨﻨﺪه از ﺗﺮﮐﯿﺐ ﺧﻄﯽ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ
co
ﺳﯿﺴﺘﻢ ﺗﺸﮑﯿﻞ ﺷﺪه اﺳﺖ .ﺑﻪ ﻣﻨﻈﻮر ﻣﻘﺎﯾﺴﻪ اﯾﻦ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﺑﺎ ﮐﻨﺘﺮلﮐﻨﻨﺪهﻫﺎي ﮐﻼﺳﯿﮏ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﯾﻦ ﻧﮑﺘﻪ ﮐﻪ ﻣﺘﻐﯿﺮﻫﺎي
v v
ﺣﺎﻟﺖ ﺳﯿﺴﺘﻢ ﻣﻌﻤﻮﻻً ﻫﻢ ﻣﻮﻗﻌﯿﺖ xو ﻫﻢ ﺳﺮﻋﺖ & xرا در ﺑﺮ ﻣﯽﮔﯿﺮﻧﺪ ،ﺗﺮﮐﯿﺐ ﺧﻄﯽ آنﻫﺎ ﻓﺮم ﺗﻌﻤﯿﻢﯾﺎﻓﺘﻪاي از ﮐﻨﺘﺮلﮐﻨﻨﺪه
PDرا ﺗﺸﮑﯿﻞ ﻣﯽدﻫﺪ ﮐﻪ ﺑﺮ روي ﮐﻠﯿﻪ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ ﺗﺮﮐﯿﺐ ﺷﺪه اﺳﺖ .در اﯾﻨﺠﺎ ﻣﺎﺗﺮﯾﺲ kرا ﻣﺎﺗﺮﯾﺲ ﺑﻬﺮه ﺣﺎﻟﺖ ﻣﯽﻧﺎﻣﯿﻢ.
ﺑﺮاي ﺑﺮرﺳﯽ ﺧﻮاص اﯾﻦ ﮐﻨﺘﺮلﮐﻨﻨﺪه ،اﺑﺘﺪا ﺳﯿﺴﺘﻢ ﺣﻠﻘﻪ ﺑﺴﺘﻪ را در ﻓﻀﺎي ﺣﺎﻟﺖ ﺗﺸﮑﯿﻞ ﻣﯽدﻫﯿﻢ.
v v
) x& ( t ) = ( A − Bk ) x ( t
v v )(3-7
) y ( t ) = Cx ( t
ﺻﻔﺤﻪ 89
وه ﯽ ﺮل ﺪرن
ﮐﻪ در آن ، Acl = A − Bkﻧﯿﺰ ﯾﮏ ﺳﯿﺴﺘﻢ ﺧﻄﯽ ﻏﯿﺮ ﻣﺘﻐﯿﺮ ﺑﺎ زﻣﺎن را ﻧﺸﺎن ﻣﯽدﻫﺪ .اﮔﺮ ﺧﺎﺻﯿﺖ ﭘﺎﯾﺪاري داﺧﻠﯽ ﺳﯿﺴﺘﻢ
ﻣﺪﻧﻈﺮ ﺑﺎﺷﺪ ،ﮐﺎﻓﯽ اﺳﺖ kرا ﺑﻪ ﮔﻮﻧﻪاي اﻧﺘﺨﺎب ﮐﻨﯿﻢ ﮐﻪ ﻣﻘﺎدﯾﺮ وﯾﮋه Acl = A − Bkﻫﻤﮕﯽ در ﻧﯿﻢﺻﻔﺤﻪ ﺑﺎز ﺳﻤﺖ ﭼﭗ ﻗﺮار
ﮔﯿﺮﻧﺪ ) . (Re(λi ) < 0اﯾﻦ اﻧﺘﺨﺎب ﻋﻼوه ﺑﺮ اﯾﺠﺎد ﭘﺎﯾﺪاري داﺧﻠﯽ ﻧﺸﺎن ﻣﯽدﻫﺪ ﮐﻪ lim x (t ) = 0ﯾﻌﻨﯽ ﮐﻠﯿﻪ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ
∞→ t
در ﺣﺎﻟﺖ ﻣﺎﻧﺪﮔﺎر ﺑﻪ ﺳﻤﺖ ﺻﻔﺮ ﻣﯿﻞ ﻣﯽﮐﻨﻨﺪ .ﻟﺬا ﺧﺮوﺟﯽ ﮐﻪ ﺗﺮﮐﯿﺐ ﺧﻄﯽ از ورودي ﻣﯽﺑﺎﺷﺪ ﻧﯿﺰ ﺑﻪ ﺳﻤﺖ ﺻﻔﺮ ﻣﯿﻞ ﺧﻮاﻫﺪ
.ir
ﻧﻤﻮد.
v v v
y (t ) = Cx (t ) → lim y (t ) = 0 )(4-7
∞→ t
rs
اﯾﻦ ﺑﺪان ﻣﻌﻨﯽ اﺳﺖ ﮐﻪ ﺗﻨﻈﯿﻢ ﻧﯿﺰ ﺗﻮﺳﻂ اﯾﻦ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﺑﻪ ﺻﻮرت ﺧﻮدﮐﺎر اﻧﺠﺎم ﻣﯽﭘﺬﯾﺮد؛ اﻣﺎ ﮐﻠﯿﻪ ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ و
ﺧﺮوﺟﯽﻫﺎي ﺳﯿﺴﺘﻢ ﺑﻪ ﺳﻤﺖ ﻣﺒﺪا ﯾﺎ ﺣﺎﻟﺖ ﺻﻔﺮ ﺗﻨﻈﯿﻢ ﻣﯽﺷﻮﻧﺪ .اﯾﻦ در ﺣﺎﻟﯽ اﺳﺖ ﮐﻪ در اﻏﻠﺐ ﻣﺴﺎﺋﻞ ﮐﺎرﺑﺮدي ﺳﯿﺴﺘﻤﻬﺎي
ﮐﻨﺘﺮل ،ﺗﻨﻈﯿﻢ ﺧﺮوﺟﯽﻫﺎي ﺳﯿﺴﺘﻢ ﺑﻪ ﺳﻤﺖ ﻣﺘﻐﯿﺮﻫﺎي ﻏﯿﺮ ﺻﻔﺮ ﻣﺪ ﻧﻈﺮ ﻣﯽﺑﺎﺷﺪ .اﯾﻦ ﻣﻬﻢ ﻧﯿﺰ ﺑﺎ ﺗﻐﯿﯿﺮ ﮐﻮﭼﮑﯽ در ﭘﯿﺎدهﺳﺎزي
ee
ﮐﻨﺘﺮلﮐﻨﻨﺪه ﺣﺎﻟﺖ ﺑﻪ ﺻﻮرت زﯾﺮ ﻣﺤﻘﻖ ﻣﯽﺷﻮد.
ﻓﺮض ﮐﻨﯿﺪ ورودي ﻣﺮﺟﻊ را ﺑﺎ ydﻧﻤﺎﯾﺶ دﻫﯿﻢ ﮐﻪ در آن:
yd ≠ 0
in )(5-7
اﺑﺘﺪا ﻣﻘﺪار ﻣﺎﻧﺪﮔﺎر ﻣﺘﻐﯿﺮﻫﺎي ﺣﺎﻟﺖ و وروديﻫﺎي ﻻزم ﺑﺮاي رﺳﯿﺪن ﺑﻪ ydرا ﻣﺤﺎﺳﺒﻪ ﻣﯽﮐﻨﯿﻢ.
در ﺣﺎﻟﺖ ﻣﺎﻧﺪﮔﺎر
ng
v v
&v ∗ 0 = Ax ∗ + Br
x =0→ v ∗v )(6-7
yd = Cx
اﯾﻦ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت n + mﻣﻌﺎدﻟﻪ و n + lﻣﺠﻬﻮل دارد و در ﺣﺎﻟﺘﯽ ﺟﻮاب وﺟﻮد ﺧﻮاﻫﺪ داﺷﺖ ﮐﻪ ﻣﺎﺗﺮﯾﺲ
le
A B
C 0 )(7-7
ﺗﮑﯿﻦ ﻧﺒﺎﺷﺪ )ﯾﺎ رﺗﺒﻪ اﯾﻦ ﻣﺎﺗﺮﯾﺲ ﺣﺪاﻗﻞ ﺑﺮاﺑﺮ n + lﺑﺎﺷﺪ( اﻣﺎ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻌﺮﯾﻒ ﺻﻔﺮ اﻧﺘﻘﺎل اﯾﻦ ﺑﺪان ﻣﻌﻨﺎﺳﺖ ﮐﻪ ﺳﯿﺴﺘﻢ
ro
ﻧﺒﺎﯾﺴﺘﯽ در ﻣﺒﺪا ، s = 0ﺻﻔﺮ اﻧﺘﻘﺎل داﺷﺘﻪ ﺑﺎﺷﺪ.
دﻗﺖ ﮐﻨﯿﺪ ﮐﻪ ﺑﺎ ﺗﻌﺒﯿﺮ ﻓﯿﺰﯾﮑﯽ ،اﮔﺮ ﺗﻌﺪاد ﻣﺘﻐﯿﺮﻫﺎي ﮐﻨﺘﺮل rﻣﺴﺎوي ﯾﺎ ﺑﯿﺸﺘﺮ از ﺗﻌﺪاد ﻣﺘﻐﯿﺮﻫﺎﯾﯽ ﮐﻪ ﺑﺎﯾﺴﺘﯽ ﮐﻨﺘﺮل ﺷﻮﻧﺪ ﯾﻌﻨﯽ
nt
ﺧﺮوﺟﯽﻫﺎ yﺑﺎﺷﻨﺪ ، (l ≥ mاﯾﻦ ﻣﺎﺗﺮﯾﺲ ﻧﺎ وﯾﮋه ﺑﻮده ﮐﻪ از ﻟﺤﺎظ ﻓﯿﺰﯾﮑﯽ ﻣﻄﺎﺑﻖ اﻧﺘﻈﺎر اﺳﺖ .ﭼﺮا ﮐﻪ ﺳﯿﺴﺘﻢ داراي ﺗﻌﺪاد
ﻣﺤﺮﮐﻬﺎي ﻣﺴﺎوي ﺑﺎ ﺧﺮوﺟﯽ ﺑﻮده و ﺣﺪاﻗﻞ ﺑﺮاي ﮐﻨﺘﺮل ﻫﺮ ﺧﺮوﺟﯽ ﯾﮏ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ ورودي وﺟﻮد دارد .در ﺣﺎﻟﺘﯿﮑﻪ l = m
ﺑﺎﺷﺪ ﯾﮏ ﭘﺎﺳﺦ ﯾﮑﺘﺎ در ﻣﻌﺎدﻟﻪ ﻓﻮق ﺻﺪق ﺧﻮاﻫﺪ ﻧﻤﻮد و در ﺣﺎﻟﺘﯿﮑﻪ l > mﺑﺎﺷﺪ ﺑﯽﻧﻬﺎﯾﺖ ﭘﺎﺳﺦ ﺑﺮاي اﯾﻦ ﻣﻌﺎدﻟﻪ وﺟﻮد ﺧﻮاﻫﺪ
co
داﺷﺖ؛ اﻣﺎ اﮔﺮ l < mﺑﺎﺷﺪ ﯾﻌﻨﯽ ﺗﻌﺪاد وروديﻫﺎ ﮐﻤﺘﺮ از ﺗﻌﺪاد ﺧﺮوﺟﯽﻫﺎ ﺷﻮد ،در ﺣﺎﻟﺖ ﮐﻠﯽ ﭘﺎﺳﺦ وﺟﻮد ﻧﺨﻮاﻫﺪ داﺷﺖ .اﯾﻦ
ﺣﺎﻟﺖ در ﻋﻤﻞ ﺑﻪ ﻧﺪرت اﺗﻔﺎق ﻣﯽاﻓﺘﺪ ﮐﻪ ﺑﺮاي ﺣﻞ آن ﺑﺎﯾﺴﺘﯽ ﺗﻌﺪاد ﻋﻤﻠﮕﺮﻫﺎي ﺳﯿﺴﺘﻢ اﺿﺎﻓﻪ ﺷﻮد.
ﻣﺜﺎل 1-7
v v
ﺳﯿﺴﺘﻢ ﻧﺎﭘﺎﯾﺪار زﯾﺮ را در ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ .ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ )) ، r = − k .x = −( k1 x1 + k 2 x2ﻗﻄﺐﻫﺎي ﺳﯿﺴﺘﻢ ﺣﻠﻘﻪ
ﺑﺴﺘﻪ را ﺗﻌﯿﯿﻦ ﻧﻤﺎﯾﯿﺪ.
ﺻﻔﺤﻪ 90
ﺶ ﻢ :ﯿﺪﺑﮏ ﺣﺎ
v 0 1 v −1
x& = x + r
0 0 1
0 1 −1 k1 1 + k 2
Acl = A − Bk = − ( k1 k2 ) =
0 0 1 −k1 −k 2
s − k1 −1 − k 2
.ir
det( sI − Acl ) = det =0
k1 s + k2
s 2 + ( k 2 − k1 ) s + k1 = 0
rs
k1 − k 2 ± k12 − 2k1k2 + k 22 − 4k1
= s1 , s2
2
ﻣﺤﻞ ﻗﻄﺐﻫﺎ ﮐﺎﻣﻼً ﺑﻪ ﻣﻘﺎدﯾﺮ k 2 , k1ﻣﺮﺑﻮط ﺑﻮده و در ﺻﻮرﺗﯽ ﮐﻪ k1 − k2 < 0ﯾﺎ k1 < k2ﺑﺎﺷﺪ ﻗﻄﺐﻫﺎي ﺳﯿﺴﺘﻢ ﺣﻠﻘﻪ ﺑﺴﺘﻪ ﭘﺎﯾﺪار
ee
ﺧﻮاﻫﺪ ﻣﺎﻧﺪ .ﻫﻤﺎﻧﮕﻮﻧﻪ ﮐﻪ ﻣﺸﺎﻫﺪه ﮔﺮدﯾﺪ ﻗﻄﺐﻫﺎي ﺳﯿﺴﺘﻢ ﺗﻮﺳﻂ ﮐﻨﺘﺮل ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ ﮐﺎﻣﻼً ﻗﺎﺑﻞ ﺗﻨﻈﯿﻢ ﻣﯽﺑﺎﺷﻨﺪ.
<
in -3-7ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ :ﺟﺎﯾﺎﺑﯽ ﻗﻄﺐ
ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺜﺎل 1-7ﺑﺮاي ﯾﮏ ﺳﯿﺴﺘﻢ رﺳﺘﻪ دو ﻣﺸﺎﻫﺪه ﮔﺮدﯾﺪ ﮐﻪ ﺑﺎ اﻧﺘﺨﺎب ﻣﻨﺎﺳﺐ ﺿﺮاﯾﺐ ﻣﺎﺗﺮﯾﺲ ﺑﻬﺮه ، k2 , k1ﻣﯽﺗﻮان
ﻗﻄﺐﻫﺎي ﺣﻠﻘﻪ ﺑﺴﺘﻪ را ﺑﻪ ﻫﺮ ﻧﻘﻄﻪاي از ﻓﻀﺎي Sاﻧﺘﻘﺎل داد .اﯾﻦ ﺗﻮاﻧﺎﯾﯽ ﺑﻪ ﻋﻠﺖ اﺳﺘﻘﻼل ﺧﻄﯽ k2 , k1در ﺗﻨﻈﯿﻢ ﻣﺤﻞ
ng
ﻗﻄﺐﻫﺎي ﺳﯿﺴﺘﻢ ﺣﻠﻘﻪ ﺑﺴﺘﻪ ﻣﯽﺑﺎﺷﺪ ﮐﻪ در ﺣﺎﻟﺖ ﻋﻤﻮﻣﯽ ﻧﯿﺰ ﺑﺮاي ﺳﯿﺴﺘﻢﻫﺎي ﮐﻨﺘﺮلﭘﺬﯾﺮ ﺑﺮﻗﺮار اﺳﺖ .از ﻃﺮف دﯾﮕﺮ ﻣﺸﺎﻫﺪه
ﺷﺪ ﮐﻪ ﻣﺴﺌﻠﻪ ردﯾﺎﺑﯽ و ﺗﻨﻈﯿﻢ ﺳﯿﺴﺘﻢ ﺑﻪ ورودي ﻣﺮﺟﻊ ) yd ( tﻗﺎﺑﻞ ﺗﺒﺪﯾﻞ ﺑﻪ ﻣﺴﺌﻠﻪ ﺗﻨﻈﯿﻢ ﺣﻮل ﺻﻔﺮ ﺑﻪ ﻋﻼوه ﯾﮏ ﺣﻠﻘﻪ ﭘﯿﺶ
ﺧﻮر ﻣﯽﮔﺮدد ﮐﻪ ﭘﺎﯾﺪاري و ﺳﺮﻋﺖ ﭘﺎﺳﺦ ﺑﺴﺘﮕﯽ ﻣﺴﺘﻘﯿﻢ ﺑﻪ ﻣﺤﻞ ﻗﻄﺐﻫﺎي ﺳﯿﺴﺘﻢ ﺣﻠﻘﻪ ﺑﺴﺘﻪ در ﺻﻔﺤﻪ Sدارد .اﮔﺮ ﮐﻠﯿﻪ
ﻗﻄﺐﻫﺎي ﺳﯿﺴﺘﻢ ﺣﻠﻘﻪ ﺑﺴﺘﻪ در ﻧﯿﻢﺻﻔﺤﻪ ﺳﻤﺖ ﭼﭗ واﻗﻊ ﺷﻮﻧﺪ ،ﺳﯿﺴﺘﻢ ﭘﺎﯾﺪاري داﺧﻠﯽ ﺧﻮد را ﺣﻔﻆ ﻧﻤﻮده و ﻧﻮع ﻗﻄﺐ
le
)درﺟﻪ ﯾﮏ ﯾﺎ دو( ﺷﮑﻞ ﭘﺎﺳﺦ ﺳﯿﺴﺘﻢ ﺣﻠﻘﻪ ﺑﺴﺘﻪ را ﻣﺸﺨﺺ ﻣﯽﮐﻨﺪ )ﻏﯿﺮ ﻧﻮﺳﺎﻧﯽ ﯾﺎ ﻧﻮﺳﺎﻧﯽ( .از ﻃﺮف دﯾﮕﺮ ﻣﺤﻞ ﻗﺮارﮔﯿﺮي
ﻗﻄﺐﻫﺎ ﻧﺴﺒﺖ ﺑﻪ ﻣﺤﻮر ﻣﻮﻫﻮﻣﯽ ﺳﺮﻋﺖ ﭘﺎﺳﺦ را ﺗﻌﯿﯿﻦ ﻣﯽﻧﻤﺎﯾﻨﺪ .ﺑﺪﯾﻦ ﺗﺮﺗﯿﺐ ﺟﺎﯾﺎﺑﯽ ﻗﻄﺐ در ﻋﯿﻦ ﺳﺎدﮔﯽ ﯾﮏ روش ﻣﻨﺎﺳﺐ
ro
ﺑﺮاي ﻃﺮاﺣﯽ ﮐﻨﺘﺮلﮐﻨﻨﺪه ﺳﯿﺴﺘﻢ اﺳﺖ ﮐﻪ ﺗﻮﺳﻂ آن ﻣﯽﺗﻮان ﮐﻠﯿﻪ ﺧﻮاص ﻣﻮرد اﻧﺘﻈﺎر از ﺣﻠﻘﻪ ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ را ﺑﻪ دﺳﺖ آورد.
vﻟﻢ )*( :
ﻓﺮض ﮐﻨﯿﺪ ) ( A, bﯾﮏ ﺳﯿﺴﺘﻢ SISOﮐﻨﺘﺮلﭘﺬﯾﺮ و ﻣﺮﺗﺒﻪ nﺑﺎﺷﺪ .ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي ﻧﺎ وﯾﮋهاي ﺑﺎ اﺑﻌﺎد Tn×nوﺟﻮد دارد ﮐﻪ
nt
ﺗﻮﺳﻂ آن ﺳﯿﺴﺘﻢ ﺑﻪ ﻓﺮم ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﭘﺬﯾﺮي:
{( A , b ), A
c c c }= T −1 AT , bc = T −1b
ﻗﺎﺑﻞ ﻧﻤﺎﯾﺶ ﺧﻮاﻫﺪ ﺑﻮد.
co
ﻧﮑﺘﻪ :دﻗﺖ ﮐﻨﯿﺪ در اﯾﻨﺠﺎ ﯾﮏ ﺗﺤﻘﻖ ﻋﻤﻮﻣﯽ را ﻣﯽﺗﻮان ﺑﻪ ﯾﮏ ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﭘﺬﯾﺮ ﺗﺒﺪﯾﻞ ﻧﻤﻮد.
vﻗﻀﯿﻪ ﺟﺎﯾﺎﺑﯽ ﻗﻄﺐ :SISO
اﮔﺮ ﯾﮏ ﺳﯿﺴﺘﻢ ﻣﺮﺗﺒﻪ nﮐﻨﺘﺮلﭘﺬﯾﺮ دادهﺷﺪه ﺑﺎﺷﺪ ) ( A, bو ﯾﮏ ﭼﻨﺪﺟﻤﻠﻪاي ) p ( sدرﺟﻪ ) nﮐﻪ ﻣﺤﻞ ﻗﻄﺐﻫﺎي ﺣﻠﻘﻪ ﺑﺴﺘﻪ
را ﻣﺸﺨﺺ ﻣﯽﮐﻨﺪ( ﻧﯿﺰ دادهﺷﺪه ﺑﺎﺷﺪ ،ﻣﺎﺗﺮﯾﺲ ﺑﻬﺮه k Tﺑﻪ ﺻﻮرت ﯾﮑﺘﺎ وﺟﻮد دارد ﮐﻪ ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ﻣﺎﺗﺮﯾﺲ ) ( A − bk T
ﺻﻔﺤﻪ 91
وه ﯽ ﺮل ﺪرن
ﻫﻤﺎن ) p ( sﮔﺮدد .اﻫﻤﯿﺖ ﻗﻀﯿﻪ در ﯾﮑﺘﺎﯾﯽ ﭘﺎﺳﺦ ﻣﯽﺑﺎﺷﺪ؛ ﯾﻌﻨﯽ ﺑﻪ ازاي ﯾﮏ ورودي در ﺳﯿﺴﺘﻢ SISOﺑﻪ ﺻﻮرت ﯾﮑﺘﺎ
ﻣﯽﺗﻮان ،ﻣﺎﺗﺮﯾﺲ ﺑﻬﺮه k Tرا ﺑﻪ دﺳﺖ آورد ﮐﻪ ﺟﺎﯾﺎﺑﯽ ﻗﻄﺐ را ﺑﻪ ﺻﻮرت دﻟﺨﻮاه اﻧﺠﺎم دﻫﺪ.
اﺛﺒﺎت :ﺑﺎ اﺳﺘﻔﺎده از ﻟﻢ )*( ﺳﯿﺴﺘﻢ را ﺑﻪ ﻓﺮم ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﭘﺬﯾﺮي ﻣﯽﻧﻮﯾﺴﯿﻢ:
0 1 0 L 0 0
.ir
0 0 1 L 0 0
Ac = M M M M , bc = M
0 1 0
rs
−a −a1 L −an −1 1
0
ﺣﺎل kcTرا ﯾﮏ ﺑﺮدار ﺳﻄﺮي ﺑﺎ ﺑﻌﺪ nو ﺿﺮاﯾﺐ kciدر ﻧﻈﺮ ﺑﮕﯿﺮﯾﺪ در اﯾﻦ ﺣﺎﻟﺖ:
0 L
ee
0 1 0
0 0 1 0
Ac = M M M M
0 1
−a − k L −an −1 − kcn
0 c1 −a1 − kc 2
in ﭼﻮن ﻣﺎﺗﺮﯾﺲ ﺑﻪ ﻓﺮم ﮐﺎﻧﻮﻧﯿﮑﺎل ﻣﯽﺑﺎﺷﺪ ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ آن ﺑﻪ ﺻﻮرت زﯾﺮ اﺳﺖ:
ng
) pc ( s ) = s n + ( an −1 + kcn ) s n −1 + ... + ( a1 + kc 2 ) s + ( a0 + kc1 )(8-7
ﺑﺎ ﺑﺮاﺑﺮ ﻗﺮاردادن ) pd ( s ) = pc ( sﻣﯽﺗﻮان ﺿﺮاﯾﺐ kiرا ﺑﺮ ﺣﺴﺐ aiو ﺿﺮاﯾﺐ ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ دﻟﺨﻮاه ) pd ( sﺗﻌﯿﯿﻦ ﻧﻤﻮد.
ﺣﺎل ﺑﺎ اﺳﺘﻔﺎده از ﺗﺒﺪﯾﻞ ﻫﻤﺎﻧﻨﺪي ﻟﻢ )*( ﺑﻪ ﻣﺨﺘﺼﺎت اول ﺑﺮ ﻣﯽﮔﺮدﯾﻢ:
le
∀Tn×n → A = TAcT −1 , b = Tbc
)(9-7
→ T ( Ac − bc kcT )T −1 = A − bk T
ro
k T = kcT T −1 )(10-7
دو ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ Ac − bc kcTو A − bk Tﯾﮑﯽ ﻣﯽﺑﺎﺷﻨﺪ .ﭼﺮا ﮐﻪ ﺗﺒﺪﯾﻞﻫﺎي اﺳﺘﻔﺎده ﺷﺪه ﻫﻤﺎﻧﻨﺪي ﻣﯽﺑﺎﺷﻨﺪ .ﺑﻪ ﻋﻠﺖ اﯾﻨﮑﻪ
ﺗﻨﻬﺎ ﯾﮏ kcTوﺟﻮد دارد ﮐﻪ ﻫﻢ ارزي ﻣﻌﺎدﻟﻪ ﻣﺸﺨﺺ ) pd ( s ) = pc ( sرا ﺑﺮﻗﺮار ﺳﺎزد .ﺑﻬﺮه ﺣﻠﻘﻪ k Tﻧﯿﺰ ﯾﮑﺘﺎ ﻣﯽﺑﺎﺷﺪ.
nt
-1-3-7روش ﻣﺴﺘﻘﯿﻢ ﺑﺮاي ﺗﻌﯿﯿﻦ ﻣﺎﺗﺮﯾﺲ ﺑﻬﺮه ﻓﯿﺪﺑﮏ ﺣﺎﻟﺖ
اوﻟﯿﻦ روش ﺑﻪ ﺻﻮرت ﻣﺴﺘﻘﯿﻢ از ﻗﻀﺎﯾﺎ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ .ﻣﺸﺨﺺ ﺷﺪه اﺳﺖ ﮐﻪ ، kTT = kcTاﮔﺮ ﻫﺮ دو ﻃﺮف اﯾﻦ ﻣﻌﺎدﻟﻪ را در
co
ﻋﻨﺎﺻﺮ ﭼﻨﺪﺟﻤﻠﻪاي ﺿﺮب ﮐﻨﯿﻢ دارﯾﻢ:
1 1
T s T s
kT =k )(11-7
M c M
n −1 n −1
s s
ﺻﻔﺤﻪ 92
ﺶ ﻢ :ﯿﺪﺑﮏ ﺣﺎ
ﺳﻤﺖ راﺳﺖ ﻣﻌﺎدﻟﻪ از ﻃﺮﯾﻖ زﯾﺮ ﻣﺤﺎﺳﺒﻪ ﻣﯽﺷﻮد:
) kc1 + kc 2 s + kc 3 s 2 + .... + kcn s n −1 = pcl ( s ) − po ( s )(12-7
ﮐﻪ در آن ) po ( sﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ﺳﯿﺴﺘﻢ ﻣﺪار ﺑﺎز و ) pcl ( sﻣﻌﺎدﻟﻪ ﻣﺸﺨﺼﻪ ﺳﯿﺴﺘﻢ ﻣﺪار ﺑﺴﺘﻪ اﺳﺖ.
)po ( s ) = det( sI − Ac ) = det( sI − A
.ir
)(13-7
ﮐﻪ در آن Acﻧﻤﺎﯾﺶ ﺳﯿﺴﺘﻢ در ﻓﺮم ﮐﺎﻧﻮﻧﯿﮑﺎل ﻣﯽﺑﺎﺷﺪ .ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺳﻤﺖ ﭼﭗ ﻣﻌﺎدﻟﻪ ،ﻟﻢ )*( را در ﻧﻈﺮ آورﯾﺪ T .را
ﻣﯽﺗﻮان از راﺑﻄﻪ T = CCc−1ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮد اﻣﺎ اﯾﻦ ﻋﻤﻠﯿﺎت ﺑﺴﯿﺎر ﻣﻔﺼﻞ و زﻣﺎنﮔﯿﺮ اﺳﺖ .اﺟﺎزه دﻫﯿﺪ از روﺷﯽ ﮐﻪ Tرا ﻣﺤﻘﻖ
rs
ﻧﻤﻮدهاﯾﻢ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ آن اﺳﺘﻔﺎده ﮐﻨﯿﻢ .در واﻗﻊ ﺳﻄﺮﻫﺎي Tﺑﺎ اﺳﺘﻔﺎده از ﺗﺤﻘﻖ ﺳﻄﺮﻫﺎي ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ) h ( sﺑﻪ دﺳﺖ
v v v v
ﻣﯽآﯾﺪ ﮐﻪ در آن ﺧﺮوﺟﯽﻫﺎ را y = I .xﯾﺎ ﺑﻪ ﻓﺮم ﺗﺒﺪﯾﻞ ﯾﺎﻓﺘﻪ y = T .zﻣﯽﺑﺎﺷﺪ .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل اﮔﺮ ﯾﮑﯽ از ﺳﻄﺮﻫﺎي ﺳﯿﺴﺘﻢ
ee
رﺳﺘﻪ 4ﺑﻪ ﺻﻮرت 2 s 3 + 3s 2 + s + 1ﺑﺎﺷﺪ ،ﺑﺎ اﺳﺘﻔﺎده از ﺗﺤﻘﻖ ﮐﺎﻧﻮﻧﯿﮑﺎل ﮐﻨﺘﺮلﭘﺬﯾﺮي ﺳﻄﺮ Cﻣﺮﺑﻮط ﺑﻪ ﺷﮑﻞ
1
s
Tدر ﺳﻤﺖ ﭼﭗ از ﺗﺤﻘﻖ ﺳﻄﺮﻫﺎي ﺻﻮرت ﻣﺎﺗﺮﯾﺲ ﺗﺒﺪﯾﻞ ) ( ﺑﻪ
h s ) (1 1 3 2ﺗﺤﻘﻖ ﻣﯽﯾﺎﺑﺪ .ﻟﺬا ﺣﺎﺻﻞﺿﺮب
M
in n−1
s
دﺳﺖ ﻣﯽآﯾﺪ .ﯾﺎ ﺑﻪ ﺗﻌﺒﯿﺮ دﻗﯿﻖ رﯾﺎﺿﯽ:
ng
1 1
s s
C.T = I .T = det( sI − A)h( s ) = Adj ( sI − A)b )(14-7
M M
n −1 n −1
s s
le
ﻟﺬا ﺑﺪون ﺣﻞ CCc−1ﻣﯽﺗﻮان ﻣﻌﺎدﻻت ﻣﺸﺨﺼﻪ را ﻫﻢ ارز ﻗﺮارداد.
pcl ( s ) = det( sI − A) + k T Adj ( sI − A)b )(15-7
ro
ﯾﺎ
pcl ( s ) = po ( s ) + k T Adj ( sI − A)b )(16-7
nt
co
ﺻﻔﺤﻪ 93
co
nt
ro
le
ﺖ
ng
in
ee
rs
94 ﺻﻔﺤﻪ
.ir
وه ﯽ ﺮل ﺪرن
ﭘﯿﻮﺳﺖ: (8
3ﯾﺎدآوري ﻣﺎﺗﺮﯾﺲﻫﺎ:
.ir
-1ﻣﺎﺗﺮﯾﺲ :ﻫﺮ آراﯾﻪ ﻣﺴﺘﻄﯿﻠﯽ ﺑﻪ ﺷﮑﻞ
a11 K a1n
A= M O M
rs
a
m1 L amn
را ﮐﻪ ﻣﺘﺸﮑﻞ از mﺳﻄﺮ و nﺳﺘﻮن ﻣﯽﺑﺎﺷﺪ را ﻣﺎﺗﺮﯾﺲ ﮔﻮﯾﯿﻢ .ﻫﺮ ﯾﮏ از آراﯾﻪﻫﺎي ﻣﺎﺗﺮﯾﺲ ﺑﻪ ﺻﻮرت aijﮐﻪ در آن
ee
i = 1, 2,..., mو j = 1, 2,..., nﻣﯽﺑﺎﺷﺪ ،ﻧﻤﺎﯾﺶ داده ﻣﯽﺷﻮد.
-2ﺑﺮدار :ﻣﺎﺗﺮﯾﺴﯽ ﮐﻪ ﺗﻌﺪاد ﺳﻄﺮ ﯾﺎ ﺗﻌﺪاد ﺳﺘﻮن آن ﯾﮏ ﺑﺎﺷﺪ ﯾﻌﻨﯽ
b
v 1
B= M
v
b
m
in
) C = ( c1 L cn
v v
ng
را ﺑﺮدار ﮔﻮﯾﻨﺪ .ﺑﺮدار Bرا ﺑﺮدار ﺳﺘﻮﻧﯽ و ﺑﺮدار Cرا ﺑﺮدار ﺳﻄﺮي ﻧﺎﻣﻨﺪ.
ﻫﺮ ﻣﺎﺗﺮﯾﺲ ﺑﺎ mﺳﻄﺮ و nﺳﺘﻮن را ﻣﯽﺗﻮان ﺑﻪ زﯾﺮ ﺑﺮدارﻫﺎي ﺳﻄﺮي ﯾﺎ ﺳﺘﻮﻧﯽ ﺗﻘﺴﯿﻢ ﻧﻤﻮد:
( a11 ... a1n )
a11 K a1n a11 a12 a1n
le
(a ... a2 n )
A = M O M = M M ... M = 21
M
am1 L amn am1 am 2 amn
( am1 ... amn )
ro
-3ﺑﻌﺪ ﻣﺎﺗﺮﯾﺲ :ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﺑﺎ mﺳﻄﺮ و nﺳﺘﻮن را ﻣﺎﺗﺮﯾﺴﯽ ﺑﺎ اﺑﻌﺎد m × nﻣﯽﻧﺎﻣﻨﺪ .ﺑﻌﺪ ﯾﮏ ﻣﺎﺗﺮﯾﺲ را در ﮔﻮﺷﻪ
ﺳﻤﺖ ﭼﭗ آن ﻧﻤﺎﯾﺶ ﻣﯽدﻫﻨﺪ:
nt
a11 K a1n
Am×n = M O M
a
m1 L amn m×n
co
-4ﻣﺎﺗﺮﯾﺲ ﺻﻔﺮ :ﻣﺎﺗﺮﯾﺴﯽ ﮐﻪ ﺗﻤﺎم دراﯾﻪﻫﺎي آن ﺻﻔﺮ ﺑﺎﺷﺪ را ﻣﺎﺗﺮﯾﺲ ﺻﻔﺮ ﻧﺎﻣﻨﺪ:
0 K 0
0m×n =M O M
0 L 0
m×n
-5ﻣﺎﺗﺮﯾﺲ ﻣﺮﺑﻌﯽ :ﻣﺎﺗﺮﯾﺴﯽ ﮐﻪ ﺗﻌﺪاد ﺳﻄﺮ و ﺳﺘﻮن آن ﺑﺮاﺑﺮ ﺑﺎﺷﺪ را ﻣﺎﺗﺮﯾﺲ ﻣﺮﺑﻌﯽ ﻧﺎﻣﻨﺪ:
ﺪرس :زر ی اد ﺖ
a11 K a1n
An = M O M
a L a
n1 n n×n
-6ﻣﺎﺗﺮﯾﺲ ﻗﻄﺮي :ﻣﺎﺗﺮﯾﺴﯽ ﻣﺮﺑﻌﯽ ﮐﻪ ﺗﻤﺎم دراﯾﻪﻫﺎي آن ﺑﺠﺰ ﻗﻄﺮ اﺻﻠﯽ ﺻﻔﺮ ﺑﺎﺷﺪ را ﻣﺎﺗﺮﯾﺲ ﻗﻄﺮي ﻧﺎﻣﻨﺪ:
a11 K 0
.ir
Dn×n = M O M
0 L a
n n× n
rs
-7ﻣﺎﺗﺮﯾﺲ ﯾﮑﻪ :ﻣﺎﺗﺮﯾﺲ ﻗﻄﺮي ﮐﻪ دراﯾﻪﻫﺎي ﻗﻄﺮ اﺻﻠﯽ آن ﯾﮏ ﺑﺎﺷﺪ را ﻣﺎﺗﺮﯾﺲ ﯾﮑﻪ ﻧﺎﻣﻨﺪ و ﺑﺎ I nﻧﻤﺎﯾﺶ ﻣﯽدﻫﻨﺪ:
1 K 0
In = M O M
ee
0 L 1
n×n
-8ﺗﺮاﻧﻬﺎده ﯾﮏ ﻣﺎﺗﺮﯾﺲ :در ﻣﺎﺗﺮﯾﺲ ﺗﺮاﻧﻬﺎده ﺟﺎي ﺳﻄﺮ و ﺳﺘﻮن ﻣﺎﺗﺮﯾﺲ ﺗﻐﯿﯿﺮ ﻣﯽﮐﻨﺪ .ﻣﺎﺗﺮﯾﺲ ﺗﺮاﻧﻬﺎده را ﺑﺎ ATﻧﻤﺎﯾﺶ
in ﻣﯽدﻫﻨﺪ:
a11 K a1n a11 K am1
A = M O M → AT = M O M
a a L a
m1 L amn m×n 1n mn n×m
ng
-9ﻣﺎﺗﺮﯾﺲ ﻣﺜﻠﺜﯽ :ﻣﺎﺗﺮﯾﺴﯽ ﮐﻪ ﺑﺎﻻ/ﭘﺎﯾﯿﻦ ﻗﻄﺮ اﺻﻠﯽ آن ﮐﺎﻣﻼ ﺻﻔﺮ ﺑﺎﺷﺪ را ﻣﺎﺗﺮﯾﺲ ﻣﺜﻠﺜﯽ ﮔﻮﯾﻨﺪ:
a11 a12 L a1n
0 a22 O a2 n
A= ﻣﺎﺗﺮﯾﺲ ﺑﺎﻻ ﻣﺜﻠﺜﯽ:
le
M M O M
0 0 L ann n×n
b11 0 L 0
ro
b b O 0
B = 21 22 ﻣﺎﺗﺮﯾﺲ ﭘﺎﯾﯿﻦ ﻣﺜﻠﺜﯽ:
M M O M
bn1 bn 2 L bnn n×n
nt
-2-3-1 3اﻋﻤﺎل ﻣﺎﺗﺮﯾﺴﯽ:
-1ﺗﺴﺎوي دو ﻣﺎﺗﺮﯾﺲ :دو ﻣﺎﺗﺮﯾﺲ را در ﺻﻮرﺗﯽ ﻣﺴﺎوي ﮔﻮﯾﻨﺪ ﮐﻪ ﺗﮏﺗﮏ دراﯾﻪﻫﺎي آنﻫﺎ ﺑﺎ ﯾﮑﺪﯾﮕﺮ ﺑﺮاﺑﺮ ﺑﺎﺷﺪ:
co
a11 K a1n b11 K b1n a11 = b11
A = B → M O M = M O M → M
a a = b
m1 L amn m×n bm1 L bmn m×n mn mn
-2ﺿﺮب ﯾﮏ اﺳﮑﺎﻟﺮ در ﻣﺎﺗﺮﯾﺲ:
a11 K a1n k .a11 K k .a1n
1. A = A
k.A = k. M O M = M O M →
0. A = 0m×n
am1 L amn m×n k .am1 L k .amn m×n
ﺻﻔﺤﻪ 96
وه ﯽ ﺮل ﺪرن
-3ﺟﻤﻊ/ﺗﻔﺮﯾﻖ دو ﻣﺎﺗﺮﯾﺲ :دو ﻣﺎﺗﺮﯾﺲ را ﺗﻨﻬﺎ در ﺻﻮرﺗﯽ ﻣﯽﺗﻮان ﺟﻤﻊ/ﺗﻔﺮﯾﻖ ﻧﻤﻮد ﮐﻪ اﺑﻌﺎد آنﻫﺎ ﯾﮑﯽ ﺑﺎﺷﺪ:
a11 K a1n b11 K b1n a11 ± b11 K a1n ± b1n
A± B = M O M ± M O M = M O M
a L b L a ±b L ±
m1 a mn m× n m1 bmn m× n m1 m1 a bmn m× n
.ir
mn
-4ﺿﺮب دو ﻣﺎﺗﺮﯾﺲ :ﺑﺮاي ﺿﺮب دو ﻣﺎﺗﺮﯾﺲ اﺑﺘﺪا ﻣﺎﺗﺮﯾﺲ اول را ﺑﻪ ﺻﻮرت ﺑﺮدارﻫﺎي ﺳﻄﺮي و ﻣﺎﺗﺮﯾﺲ دوم را ﺑﻪ ﺻﻮرت
rs
ﺑﺮدارﻫﺎي ﺳﺘﻮﻧﯽ ﺟﺪا ﻣﯽﮐﻨﯿﻢ .ﺳﭙﺲ دارﯾﻢ:
v
( a11 ... a1n ) A1
a11 K a1n v
(a ... a2 n ) A2
ee
A = M O M = 21 =M
a M
m1 L amn v
( am1 ... amn ) Am
b11 K b1k b11 b12 b1k
v v v
in
) B = M O M = M M ... M = ( B1 B2 L Bk
bn1 L bnk bn1 bn 2 bnk
v v v v v v v
A1 A1 × B1 A1 × B2 L A1 × Bk
ng
v v v
A2 v v v A2 × B1 O
= ) C = A × B = ( B1 B2 ... Bk
M M O
v v v v v
A Am × B1 Am × Bk
m
le
ﺑﺮاي ﺿﺮب دو ﻣﺎﺗﺮﯾﺲ ﺣﺘﻤﺎً ﺑﺎﯾﺪ ﺗﻌﺪاد ﺳﺘﻮن ﻣﺎﺗﺮﯾﺲ اول ﺑﺎ ﺗﻌﺪاد ﺳﻄﺮ ﻣﺎﺗﺮﯾﺲ دوم ﯾﮑﯽ ﺑﺎﺷﺪ:
ro
Cm×k = Am× n × B n ×k
3اﻋﻤﺎل ﻣﺎﺗﺮﯾﺲﻫﺎي ﻣﺮﺑﻌﯽ:
nt
-1دﺗﺮﻣﯿﻨﺎن :ﺑﺮاي ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﻣﺮﺑﻌﯽ ،دﺗﺮﻣﯿﻨﺎن ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽﮔﺮدد:
a11 K a1n a11 K a1n
n
A = M O M → A = M O M = ∑ ( −1) aij M ij
i+ j
co
a L a an1 L an
i =1
n1 n n×n
ﮐﻪ در آن M ijﮐﻬﺎد ﻣﺎﺗﺮﯾﺲ Aﺧﻮاﻧﺪه ﻣﯽﺷﻮد .ﮐﻬﺎد M ijدﺗﺮﻣﯿﻨﺎن ﻣﺎﺗﺮﯾﺲ اﺳﺖ ﮐﻪ از ﺣﺬف ﺳﻄﺮ iام و ﺳﺘﻮن jام
ﻣﺎﺗﺮﯾﺲ Aﺑﻪ دﺳﺖ ﻣﯽآﯾﺪ:
ﺪرس :زر ی اد ﺖ
ﺣﺬف
a11 L a1 j L a1n a11 L a1 j L a1n
M
O O O M M O O O M
A = ai1 O aij O = ain → M ij ai1 O aij O ain ﺣﺬف
M O O O M M O O O M
.ir
a L anj L ann an1 L anj L ann
n1
vﺧﻮاص دﺗﺮﻣﯿﻨﺎن:
rs
1) I n = 1
2) k . A = k n A
3) AB = A B
ee
4) AT = A
vﻧﮑﺘﻪ:
دﺗﺮﻣﯿﻨﺎن ﻣﺎﺗﺮﯾﺲﻫﺎي 2×2و 3×3را ﻣﯽﺗﻮان ﺑﻪ روشﻫﺎي زﯾﺮ ﻧﯿﺰ ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮد:
a b 1
in
=
c d ad − bc
ng
a11 a12 a13 a11 a12
a21 a22 a23 a21 ) ) a22 = ( ( a11a22 a33 ) + ( a12 a23 a31 ) + ( a13a21a32 ) ) − ( ( a12 a21a33 ) + ( a11a23 a32 ) + ( a13a22 a31
a31 a32 a33 a31 a32
le
-2ﻣﻌﮑﻮس ﯾﮏ ﻣﺎﺗﺮﯾﺲ :ﻣﻌﮑﻮس ﯾﮏ ﻣﺎﺗﺮﯾﺲ از راﺑﻄﻪ زﯾﺮ ﺑﻪ دﺳﺖ ﻣﯽآﯾﺪ:
* 1
= A−1 A
A
ro
ﮐﻪ در آن * Aﻣﺎﺗﺮﯾﺲ اﻟﺤﺎﻗﯽ ﺧﻮاﻧﺪه ﻣﯽﺷﻮد:
T
( −1)1+1 M K )( −1 M 1n
1+ n
11
nt
A =
*
M O M
( −1) M n1 L ( −1) M nn
n +1 n+n
vﻧﮑﺘﻪ:
co
ﻣﻌﮑﻮس ﻣﺎﺗﺮﯾﺲ 2×2و را ﻣﯽﺗﻮان ﺑﻪ روشﻫﺎي زﯾﺮ ﻧﯿﺰ ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮد:
−1
a b 1 d −b
=
c d ad − bc −c a
-3اﺛﺮ ﯾﮏ ﻣﺎﺗﺮﯾﺲ :اﺛﺮ ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﮐﻪ ﺑﺎ ) tr ( Aﻧﻤﺎﯾﺶ داده ﻣﯽﺷﻮد ﻣﺠﻤﻮع ﻋﻨﺎﺻﺮ روي ﻗﻄﺮ اﺻﻠﯽ آن اﺳﺖ:
n
tr ( A ) = ∑ aii
i =1
ﺻﻔﺤﻪ 98
وه ﯽ ﺮل ﺪرن
3ﺗﻌﺮﯾﻒ ﻧﺮم:
-1ﻧﺮم ﯾﮏ ﺑﺮدار :ﻧﺮم ﯾﮏ ﺑﺮدار ﮐﻪ ﺑﻪ ﻣﻌﻨﺎي ﻃﻮل آن ﺗﺎ ﻣﺒﺪا ﻣﯽﺑﺎﺷﺪ ،از راﺑﻄﻪ زﯾﺮ ﺑﻪ دﺳﺖ ﻣﯽآﯾﺪ:
v v
v = ( v1 , v2 ,..., vn ) → v = v12 + v22 + ... + vn2
-2ﻧﺮم ﯾﮏ ﻣﺎﺗﺮﯾﺲ :ﻧﺮم ﯾﮏ ﻣﺎﺗﺮﯾﺲ ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽﮔﺮدد:
.ir
v
Av v v
A = max v , v ≠ 0
v
3ﺿﺮب داﺧﻠﯽ دو ﺑﺮدار :ﺿﺮب داﺧﻠﯽ دو ﺑﺮدار ﻫﻢ ﺑﻌﺪ ،ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽﮔﺮدد:
rs
v v n
u , v = ( u1 , u 2 ,..., u n ) . ( v1 , v2 ,..., vn ) = ∑ ui .vi = u1 .v1 + u 2 .v2 + ... + u n .vn
T
i =1
ee
3زاوﯾﻪ ﺑﯿﻦ دو ﺑﺮدار :زاوﯾﻪ ﺑﯿﻦ دو ﺑﺮدار ،ﺑﻪ ﺻﻮرت زﯾﺮ ﺗﻌﺮﯾﻒ ﻣﯽﮔﺮدد:
v v
u, v
cos θ = v v
u v
v
in v
ng
Rθ v
u
ﺑﻨﺎﺑﺮاﯾﻦ اﮔﺮ دو ﺑﺮدار ﺑﺮ ﯾﮑﺪﯾﮕﺮ ﻋﻤﻮد ﺑﺎﺷﻨﺪ ،ﺿﺮب داﺧﻠﯽ آنﻫﺎ ﺻﻔﺮ ﺧﻮاﻫﺪ ﺑﻮد:
v v v v cos 90o = 0 v v
u , v = u v cos θ → θ = 90o → u, v = 0
le
3ﻋﻤﻠﯿﺎت ﺳﻄﺮي ﻣﻘﺪﻣﺎﺗﯽ:
ro
ﻣﺎﺗﺮﯾﺲ Aرا ﻫﻢ ارز ﻣﺎﺗﺮﯾﺲ Bﮔﻮﯾﯿﻢ اﮔﺮ Bرا ﺑﺘﻮان ﺑﺎ رﺷﺘﻪاي ﻣﺘﻨﺎﻫﯽ از اﻋﻤﺎل ﺳﻄﺮي ﻣﻘﺪﻣﺎﺗﯽ زﯾﺮ ﺑﻪ Aﺗﺒﺪﯾﻞ ﻧﻤﻮد:
-1ﺳﻄﺮ iو jرا ﺑﺎﻫﻢ ﺗﻌﻮﯾﺾ ﻧﻤﺎﯾﯿﻢ ،ﯾﻌﻨﯽRi ↔ R j :
-2ﺳﻄﺮ iرا در ﯾﮏ اﺳﮑﺎﻟﺮ k ≠ 0ﺿﺮب ﻧﻤﺎﯾﯿﻢ ،ﯾﻌﻨﯽRi → kRi :
nt
-3ﺳﻄﺮ iرا ﺑﺎ k ≠ 0ﺑﺮاﺑﺮ ﺳﻄﺮ jام ﺟﻤﻊ ﻧﻤﺎﯾﯿﻢ ،ﯾﻌﻨﯽRi → kR j + Ri :
co
ﺪرس :زر ی اد ﺖ
3ﻣﻨﺎﺑﻊ: (9
-1دﮐﺘﺮ ﺣﻤﯿﺪرﺿﺎ ﺗﻘﯽ راد ،ﻣﻘﺪﻣﻪ اي ﺑﺮ ﮐﻨﺘﺮل ﻣﺪرن ،اﻧﺘﺸﺎرات داﻧﺸﮕﺎه ﺧﻮاﺟﻪ ﻧﺼﯿﺮاﻟﺪﯾﻦ ﻃﻮﺳﯽ ،ﭼﺎپ اول آﺑﺎن .1389
-2دﮐﺘﺮ ﻋﻠﯽ ﺧﺎﮐﯽ ﺻﺪﯾﻖ ،اﺻﻮل ﮐﻨﺘﺮل ﻣﺪرن ،اﻧﺘﺸﺎرات داﻧﺸﮕﺎه ﺗﻬﺮان ،ﭼﺎپ دوم ،ﭘﺎﯾﯿﺰ .1382
.ir
3- Chen, Chi-Tsong., Linear System Theory and Design, Oxford University Press, c1999.
-3ﺟﺰوه درﺳﯽ ﺟﺒﺮ ﺧﻄﯽ ،ﺳﺮﮐﺎر ﺧﺎﻧﻢ ﺻﺪﯾﻖ زاده داﻧﺸﮕﺎه ﺧﻮاﺟﻪ ﻧﺼﯿﺮاﻟﺪﯾﻦ ﻃﻮﺳﯽ در ﺳﺎﯾﺖ:
http://saba.kntu.ac.ir/eecd/sedghizadeh/linearalgebra/
rs
ee
in
ng
le
ro
nt
co
ﺻﻔﺤﻪ 100
You might also like
- انواع سیستم های کنترل صنعتی و 8 جزء سازندهNo ratings yetانواع سیستم های کنترل صنعتی و 8 جزء سازنده17 pages
- 4 Controllability Observability (WWW - Powerjam.ir)No ratings yet4 Controllability Observability (WWW - Powerjam.ir)34 pages
- Advanced Control Chapter 1 ZargarinejadNo ratings yetAdvanced Control Chapter 1 Zargarinejad64 pages
