Metode decoupling sistem MIMO (multi input

Sistem MIMO dengan 2 input dan 2 metode decoupling output ke sistem SISO dijelaskan dalam banyak artikel dan buku. Bagaimana dengan sistem fungsi transfer ukuran m * n ? Bagaimana kita bisa menggeneralisasi metode misalnya ke sistem MIMO 3 * 3 atau 3 * 7?

Berikut ini adalah deskripsi sistem 2 * 2 MIMO:

dengan ke formulir $\mathrm{D_{11}(s)=D_{22}(s)=1}$

$D (s) = [\begin{matrix} D_{11} (s) & D_{12} (s) \\ D_{21} (s) & > D_{22} (s) \end{matrix}]$ $\mathrm{D(s)}=\begin{bmatrix} D_{11}(s) & D_{12}(s) \\ D_{21}(s) & > D_{22}(s) \\ \end{bmatrix}$
Di sini kita menentukan respon dipisahkan dan decoupler dengan struktur dalam Persamaan

$G_{p} (s) D (s) = [\begin{matrix} G_{11} (s) & 0 \\ 0 & G_{22} (s) > \end{matrix}] [\begin{matrix} G_{11} (s) & G_{12} (s) \\ G_{21} (s) & > G_{22} (s) \end{matrix}] [\begin{matrix} 1 & D_{12} (s) \\ D_{21} (s) & 1 > \end{matrix}] >= [\begin{matrix} G_{11}^{*} (s) & 0 \\ 0 & G_{22}^{*} (s) \end{matrix}]$ $G_p(s)D(s)=\begin{bmatrix} G_{11}(s) & 0 \\0 & G_{22}(s) > \end{bmatrix} \\ \begin{bmatrix} G_{11}(s) & G_{12}(s) \\ G_{21}(s) & > G_{22}(s) \end{bmatrix} \begin{bmatrix} 1 & D_{12}(s) \\ D_{21}(s) & 1 > \end{bmatrix} > = \begin{bmatrix} G^*_{11}(s) & 0 \\ 0 & G^*_{22}(s) \end{bmatrix}$
Dan kita dapat memecahkan empat persamaan dalam empat yang tidak diketahui untuk ditemukan

$D_{12} (s) = - \frac{G_{12} (s)}{G_{11} (s)} D_{21} (s) => - \frac{G_{21} (s)}{G_{22} (s)} G_{l 1} (s) = G_{11} (s) = - \frac{G_{12} (s) G_{21} (s)}{G_{22} (s)} G_{l 2} (s) = G_{22} (s) = - \frac{G_{21} (s) G_{12} (s)}{G_{11} (s)}$ $D_{12}(s) = -\frac{G_{12}(s)}{G_{11}(s)} \\ D_{21}(s) = > -\frac{G_{21}(s)}{G_{22}(s)} \\ G_{l1}(s) = G_{11}(s) = -\frac{G_{12}(s)G_{21}(s)}{G_{22}(s)} \\ G_{l2}(s) = G_{22}(s) = -\frac{G_{21}(s)G_{12}(s)}{G_{11}(s)}$

control-engineering aerospace-engineering systems-engineering

— lahidj
sumber

Anda harus mencari dalam buku teks analisis dan sintesis jaringan, misalnya Kuo, atau Brian DO Anderson & Sumeth Vongpanitlerd. Bukan subjek yang diajarkan banyak hari ini.

— My Other Head

Saya pikir Anda mencari bentuk ruang negara.

— leCrazyEngineer

Topik ini pada stackexchange

— jos

Saya tidak bisa memberikan solusinya dengan menggunakan fungsi transfer. Namun saya bisa memberi Anda bentuk umum dengan menggunakan representasi ruang negara. Saya akan melakukannya untuk sistem persegi , yaitu jumlah input dan output sama. Untuk sistem dengan input dan output semakin berantakan dan jauh lebih sulit untuk menyelesaikan masalah. $n$ $m$

Sistem dengan output

\dot{x} = f (x) + g_{1} (x) u_{1} + \dots + g_{m} (x) u_{m}

$\dot{x}=f(x)+ g_1(x)u_1 + \ldots + g_m(x)u_m$

y_{1} = h_{1} (x), \dots, y_{m} = h_{m} (x)

$y_1 = h_1(x), \ldots, y_m = h_m(x)$

Pertama kali memperkenalkan Lie Derivative. Derivatif kebohongan sehubungan dengan atau sepanjang adalah Misalnya, notasi berikut digunakan: $h$ $f$ $f$

L_{f} h (x) = \frac{\partial h}{\partial x} f (x)

$L_{f}h(x) = \frac{\partial h}{\partial x}f(x)$

\begin{aligned} L_{g} L_{f} & = \frac{\partial (L_{f} h)}{\partial x} g (x) \\ L_{f}^{2} h (x) & = L_{f} L_{f} h (x) & = \frac{\partial (L_{f} h)}{\partial x} f (x) \\ L_{f}^{k} h (x) & = L_{f} L_{f}^{k - 1} h (x) & = \frac{\partial (L_{f}^{k - 1})}{\partial x} f (x) \end{aligned}

$\begin{split} L_g L_f &= \frac{\partial (L_f h)}{\partial x}g(x)\\ L_f^2 h(x) &= L_f L_f h(x) &= \frac{\partial (L_f h)}{\partial x}f(x)\\ L_f^kh(x) &= L_f L_f^{k-1}h(x) &= \frac{\partial (L_f^{k-1})}{\partial x}f(x) \end{split}$

Memperkenalkan gagasan tingkat relatif sehubungan dengan setiap keluaran. Pertimbangkan keluaran ke- dan bedakan sehubungan dengan waktu: Ungkapan ini tergantung secara eksplisit pada setidaknya satu input jika (untuk semua ): Jika jadi, output ke- memiliki tingkat relatif . $i$

{\dot{y}}_{i} = L_{f} h_{i} (x) + L_{g_{1}} h_{i} (x) u_{1} + \dots L_{g_{m}} h_{i} (x) u_{m}

$\dot{y}_i = L_fh_i(x) +L_{g_1}h_i(x)u_1 +\ldots L_{g_m}h_i(x)u_m$

x

$x$

(L_{g_{1}} h_{i} (x), \dots, L_{g_{m}} h_{i} (x)) \neq (0, \dots, 0)

$\left(L_{g_1}h_i(x),\ldots,L_{g_m}h_i(x) \right)\neq (0,\ldots,0)$

i

$i$

k_{i} = 1

$k_i = 1$

Secara umum derajat relatif per output jika untuk semua . $k$ $i$

(L_{g}, L_{f}^{k_{i} - 1} h_{i} (x), \dots, L_{g_{m}} L_{f}^{k_{i} - 1} h_{i} (x)) \neq (0, \dots, 0)

$\left(L_g,L_f^{k_i-1}h_i(x),\ldots,L_{g_m}L_f^{k_i-1}h_i(x)\right) \neq (0,\ldots,0)$

x

$x$

Sistem sekarang Input-Output Linearised (karenanya dipisahkan) ketika menerapkan umpan balik berikut dengan decoupling matriks , vektor dan vektor input baru . Di mana .

u (x) = - A^{- 1} (x) N (x) + A^{- 1} (x) v

$u(x) = -A^{-1}(x)N(x)+A^{-1}(x)v$

A (x)

$A(x)$

N (x)

$N(x)$

v

$v$

A (x) = (\begin{matrix} L_{g_{1}} L_{f}^{k_{1} - 1} h_{1} (x) & \dots & L_{g_{m}} L_{f}^{k_{1} - 1} h_{1} \\ ⋮ & ⋮ \\ L_{g_{1}} L_{f}^{k_{m} - 1} h_{m} (x) & \dots & L_{g_{m}} L_{F}^{k_{m} - 1} h_{m} \end{matrix}), N (x) = (\begin{matrix} L_{f}^{k_{1}} h_{1} (x) \\ ⋮ \\ L_{f}^{k_{m}} h_{m} (x) \end{matrix})

$A(x) = \begin{pmatrix} L_{g_1}L_f^{k_1-1}h_1(x) & \ldots & L_{g_m}L_f^{k_1-1}h_1\\ \vdots & & \vdots\\ L_{g_1}L_f^{k_m-1}h_m(x) & \ldots & L_{g_m}L_F^{k_m-1}h_m\\ \end{pmatrix},\quad N(x) = \begin{pmatrix} L_f^{k_1}h_1(x)\\ \vdots\\ L_f^{k_m}h_m(x) \end{pmatrix}$

Karenanya harus dapat dibalik untuk semua . Jika Anda ingin fungsi transfer, cukup terapkan Laplace. $A(x)$ $x$

— mesin tidak berguna
sumber

Metode decoupling sistem MIMO (multi input - multi output)