タグ付けされた質問 「control-engineering」

制御工学のモデルと理論、および制御理論を適用して望ましい動作をするシステムを設計することに関する質問。

3
超音波センサーを使用して水位を測定できますか?
超音波センサーを使用すると、水位が検出されますか? 私は水箱の水位を読み取る製品について考えていました(ブラジルで一般的)。私はこの手段の計測について調査しましたが、超音波センサーが最良の選択肢だと思います。水は超音波を正しく反射し、固体障害物に対する通常の測定値を変更しませんか?

2
コントロールを教える最新の方法
バックグラウンド 私がコントロールの最初のクラスを取ったとき(2006年、MEとEEの学生の混合物について航空宇宙の教授によって教えられたように)、それは基本的にすべてラプラス変換、伝達関数などで行われました。 さらに最近(2012)私は別の学校で大学院レベルのコントロールクラスを受講しましたが、ほとんどすべてが状態空間でした。本当に、可観測性と可制御性に関連する偶然の抽象的な線形代数証明の束でした。問題のより理論的なクラスに取り組んでいるのは大学院生であるという事実との違いをチョークアップしました(これを実際のシステムに関連付けることはほとんど言及されていません)。 今、同じ学校の学部生に話をしてから、私は状態空間が制御理論が現在教えられている方法であることを理解するために与えられています。ラプラス法は簡単に説明されていますが、時代遅れとしてすぐに却下されます。 私は燃焼で働いており、何が起こっているのか本当の考えを持っていません。 ご質問 これは、最近コントロールが教えられている方法の正確な指標ですか? いずれにせよ、それはコントロールの状態/予測可能な将来と一致しますか? また、あるメソッドが他のメソッドより優れている点を知りたいと思っています。

2
運動の法則が状態ベクトルの関数に依存する最適制御問題を解決するにはどうすればよいですか?
状態ベクトルx(t)と制御ベクトルy(t)の典型的な最適制御問題は、次のように表すことができます。 maxx(t),y(t)∫t10f(t,x(t),y(t))dtmaxx(t),y(t)∫0t1f(t,x(t),y(t))dt\max_{x(t), y(t)} \int_0^{t_1} f(t,x(t), y(t)) dt x′(t)=g(t,x(t),y(t))x′(t)=g(t,x(t),y(t))x'(t)= g(t, x(t), y(t))およびxの境界条件に従いxxxます。 よく似た問題を解決したいのですが、コントロールの動作の法則は次のとおりです。 x′(t)=g(t,x(t),y(t),z(x(t)))x′(t)=g(t,x(t),y(t),z(x(t)))x'(t)= g(t, x(t), y(t), z(x(t)) ) ここでは、z(.)z(.)z(.)を選択する必要があります。しかし、その議論は国家です。 どこで解決策を探し始めるのかさえわかりません。この問題にどのように対処できますか?


1
離散拡張カルマンフィルター(EKF)を使用した可観測性
私は(いくつかの)個別の拡張カルマンフィルター(EKF)を構築しました。私が構築しているシステムモデルには、9つの状態と10の観測があります。1つを除いてほとんどの州が収束しているのがわかります。1-2のEKF状態推定を除くすべてがドリフトしているように見えます。EKFは、収束するすべての状態に依存しているため、他の状態は、分岐後、非常にエラーになります。 EKFの可観測性を確認するにはどうすればよいですか?測定ヤコビアンのランクをチェックして、それが測定ヤコビアンの最大ランクよりも小さいかどうかを確認するだけですか? シミュレーションにさらに測定を追加した後、物事を収束させることができました。しかし、観測可能性についての私の質問はまだ残っています! 問題: グラウンドトゥルースとEKFの推定グラフは、こちらまたは下を参照してください。 ノート: モデルは、タイムステップ400〜600の間で非常に非線形であるため、一部の状態の相違 図/状態6は分岐しているようです 図8/9の「センサー測定値」プロットは無視してください。 私が試したこと: 線形状態空間システムでは、ケイリーハミルトンの定理を使用して可観測性をチェックできます。 イノベーション/測定残差を確認しようとしましたがe、すべてのイノベーションは0に収束します 私はさまざまな入力もテストしましたが、それらは発散状態の収束に影響を与えていないようです 発散状態の収束の兆候なしにEKFを調整しました 別の入力信号のグラフ:または以下を参照 同僚と話をした後、彼は私が2つの状態に線形に依存している観察があるかもしれない別の問題を調査することを提案するよう提案しましたy = x1 + x2。同じを満足する可能性のある値は無数にありますが、y観察可能性もこの問題を捉えるべきではありませんか? 他にご提供できることがありましたらお知らせください。 グラウンドトゥルースとEKF推定グラフ: 画像をクリックすると拡大表示されます 追加の入力信号: 画像をクリックすると拡大表示されます

1
既知の外乱の文脈において
例として、PIDコントローラーを備えたP-T1システムを考えます。最初にP-T1システムのみを確認し、を設定して長時間待機します。次に、その出力xを調べ、時間とともに変化する外乱dがまだあることを確認します(プロット、システム出力= x)。このモデルでは、システム出力は、長時間待機した後、定数にd (t )を加えたものになります。yryry_rxxxddd=x=x= xd(t)d(t)d(t) 次のステップは、PIDコントローラーを導入することです。 KpKpK_pKiKiK_iKdKdK_dΔtΔt\Delta t ΔtΔt\Delta tdddΔtΔt\Delta tΔtΔt\Delta t

1
MIMO(マルチ入力-マルチ出力)システムの分離方法
SISOシステムへの2つの入力と2つの出力のデカップリング方式を備えたMIMOシステムは、多くの記事や書籍で説明されています。どの程度メートル* n個のサイズの伝達関数のシステム?この方法を、たとえば3 * 3または3 * 7 MIMOシステムに一般化するにはどうすればよいですか? 2 * 2 MIMOシステムの説明は次のとおりです。 D11(s)=D22(s)=1D11(s)=D22(s)=1\mathrm{D_{11}(s)=D_{22}(s)=1}の形に D(s)=[D11(s)D21(s)D12(s)>D22(s)]D(s)=[D11(s)D12(s)D21(s)>D22(s)]\mathrm{D(s)}=\begin{bmatrix} D_{11}(s) & D_{12}(s) \\ D_{21}(s) & > D_{22}(s) \\ \end{bmatrix} ここでは、デカップリングされた応答とデカップラーを式の構造で指定します Gp(s)D(s)=[G11(s)00G22(s)>][G11(s)G21(s)G12(s)>G22(s)][1D21(s)D12(s)1>]>=[G∗11(s)00G∗22(s)]Gp(s)D(s)=[G11(s)00G22(s)>][G11(s)G12(s)G21(s)>G22(s)][1D12(s)D21(s)1>]>=[G11∗(s)00G22∗(s)]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) …

3
PIDコントローラーの説明
単純な言葉でPIDコントローラーを説明するテキストが見つかりません。私は理論を知っています。それは微分、比例ゲイン、積分などを計算するということですが、実際には各関数と関数の各組み合わせの出力が何であるかを知る必要があります。 たとえば、プロポーショナルで開始:記録されたエラーに比例する入力を送信します。エラーが5 Vの場合、を実行してエラーを減らしますか?または?またはまたは何ですか?わかりません。112⋅5 V12⋅5 V\frac{1}{2}\cdot5\text{ V}-115⋅5 V15⋅5 V\frac{1}{5}\cdot5\text{ V}−15⋅5 V−15⋅5 V-\frac{1}{5}\cdot5\text{ V} デリバティブに関しては、特定の時間にわたってデリバティブを監視しますか?そして、何をしますか?また、最初にノイズ/妨害があり、PIDコントローラーが比較する通常の使用率の変化を持たない場合はどうなりますか?積分と同じです。優れたリソースを私に指摘したり、説明してもらえますか?

1
電子スロットルなしの自動シフト
FSAE車用に自動シフトシステムを設計する必要があります。クラッチとシフトは、Pi Innovoエンジンコントロールユニット(ECU)を使用して電子的に接続および切断されます。 私が心配している問題はダウンシフトです。迅速かつクリーンなダウンシフトとクラッチ寿命のために、レブマッチをしたいと思います。私のチームが電子スロットルを使用する可能性はないため、スロットルを電子的に「ブリッピング」することはできません。 私の考えは、ダウンシフトが必要なときに信号を送信してクラッチを完全に電子的に切り離し、次にエンジンRPMが一致すると見なされるものに達したら、信号を送信してシフトすることです。 クラッチが完全に解放されているときにエンジンが回転できるようにすると、クラッチが破損しますか?また、回転一致はどのように重要ですか?レースの1週間後にはすでにクラッチを交換していますが、レブマッチングはそれほど問題ではないでしょうか?

2
(簡略化された)荷重橋の微分方程式
簡略化されたローディングブリッジの微分方程式を計算するのに問題があります。 システムは下の図に示すように構築されています(単なるスケッチ)。 ニュートンアプローチを使用する場合、摩擦、空気抵抗、ロープの長さの変化を無視すると、次の方程式が得られます。 メートルkバツ¨k= Fあ+ FS罪(φ )メートルGバツ¨G= − FS罪(φ )メートルGz¨G= mGg− FScos(φ )mkx¨k=FA+FSsin⁡(φ)mGx¨G=−FSsin⁡(φ)mGz¨G=mGg−FScos⁡(φ) m_k \ddot{x}_{k} = F_{A} + F_{S} \sin(\varphi) \\ m_G \ddot{x}_{G} = -F_{S} \sin(\varphi) \\ m_G \ddot{z}_{G} = m_{G} g - F_{S} \cos(\varphi) グリッパー(重量円)から運動学的関係を見ると、次の方程式が得られます。メートルGmGm_G バツG= xk+ l 罪(φ )zG= l cos(φ )φ = ω T = φ˙txG=xk+lsin⁡(φ)zG=lcos⁡(φ)φ=ωt=φ˙t x_{G} …

1
被制御システムの時定数が可変である場合、どのようにPID-Controlを設定しますか?
連続PIDコントローラーの一般的な説明は次のように記述されます: y(t)=Kp⋅e(t)+Ki∫t0e(τ)dτ+Kdde(t)dty(t)=Kp⋅e(t)+Ki∫0te(τ)dτ+Kdde(t)dty(t)=K_p⋅e(t)+K_i\int_0^t e(τ)dτ+K_d\dfrac{de(t)}{dt} 最高の特定の制御対象システムの定数KpKpK_p、KiKiK_i、およびK_dの値は、\ text {PT} _1システム、\ text {PT} _2システムなど、KdKdK_dその時定数に依存します。PT1PT1\text{PT}_1PT2PT2\text{PT}_2 そのようなシステムの時定数が可変である場合はどうしますか。TaTaT_aとT_bの間で変化するとしましょうTbTbT_b(Ta&lt;TbTa&lt;TbT_a < T_b)。PID定数をどのように設計しますか?

1
この完全に観測できないシステムのオブザーバーを作成することがなぜ不可能なのですか?
軸に沿って移動する1Dポイントマスを考えます。力が制御として適用されます。重力やその他の力は含まれていません。システムは、状態空間方程式で次のように説明できます。uuu ABCD=⎡⎣⎢000100010⎤⎦⎥=⎡⎣⎢⎢⎢001M⎤⎦⎥⎥⎥=[001]=[0]A=[010001000]B=[001M]C=[001]D=[0]\begin{align} A &= \begin{bmatrix} 0 & 1 & 0 \\ 0 & 0 & 1 \\ 0 & 0 & 0 \end{bmatrix} \\ B &= \begin{bmatrix} 0 \\ 0 \\ \dfrac{1}{M} \end{bmatrix} \\ C &= \begin{bmatrix} 0 & 0 & 1 \end{bmatrix} \\ D &= [0] \end{align} 示されているシステムは制御可能ですが、観察することはできません。構造的にも観察できず、完全に観察できるものではありません。したがって、このシステムのオブザーバーを構築することは不可能であるべきです。 ただし、システムの初期状態がわかっている場合は、システムの出力を統合することで、いつでも完全な状態を計算できます。これはどのように可観測性の概念と一致しますか?初期状態を方程式に組み込むにはどうすればよいですか? …

1
直接学習制御と間接学習制御の違いは何ですか?
「反復学習制御、反復制御、実行間制御に関する調査」で、直接制御と間接制御に関する次のコメントを見つけました。Wang、Gao、およびDoyleによる: 学習型コントロールを使用するには、2つのアプリケーションモードがあります。まず、制御信号を直接求める学習型制御方式であり、このような学習型制御を直接学習型制御と呼ぶ。次に、各サイクルにローカルフィードバックコントローラーがあり、学習型制御を使用してローカルコントローラーのパラメーター設定が更新されるため、この種の制御は間接学習型制御と呼ばれます。直接学習型制御と間接学習型制御の設計に使用できる方法については、それぞれセクション4とセクション5で説明します。 直接学習制御と間接学習制御の違いは何ですか?私の理解では、間接制御では、直接制御の入力信号だけではなく、制御パラメーターと入力信号を変更できます。これは正しいです?「ローカル」コントローラの重要性も理解していません。

1
四角形の位置誤差
下の写真のようにリニアエンコーダで位置誤差を測定しました。 誰かがこの種の形状が制御理論で起こる理由のいくつかを説明できますか? 私のシステムは4本足のテーブルのように見えます。 4本の脚はモーターを使用して上下に移動し、制御基準としてリニアエンコーダを備えています。 テーブルは上に移動した後もその位置に留まるはずです。 4本の脚を作動させる4つのサーボモータは、それぞれリニアエンコーダ信号を使用することによって位置を制御する。 しかし、テーブルを約10 mm〜20 mm上に動かした後、奇妙な症状が起こりました。 1つまたは2つのエンコーダ信号は方形波のように見えます(場合によっては1つのエンコーダ信号、場合によっては2つ、時にはなし)。 簡単なセットアップ図は以下の通りです。


弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.