文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

Python 自动控制原理 control的详细解说

2024-04-02 19:55

关注

传递函数

创建传递函数有两种方式:

import control as ctrl
 
# 方式 1
s = ctrl.tf('s')
sys = 100 / (s ** 2 + 10 * s + 100)
 
# 方式 2
sys = ctrl.tf([100], [1, 10, 100])

对 tf 这个类,它内置的方法可求解 零点、极点、特征参数、特征根

# 求零点
sys.zero()
 
# 求极点
sys.pole()
 
# 特征参数、特征根
sys.damp()

输入响应

# 阶跃动态指标
step_info(sys)
# 阶跃响应
t, response = step_response(sys, T)
 
# 脉冲响应
t, response = impulse_response(sys, T)
 
t, response = initial_response(sys, T)
t, response = forced_response(sys, T)

T 是响应的时间,可以是 float (即时间上限),也可以是数组

阶跃动态指标是 dict 类型,包括:'RiseTime', 'SettlingTime', 'SettlingMin', 'SettlingMax', 'Overshoot', 'Undershoot', 'Peak', 'PeakTime', 'SteadyStateValue'

系统绘图

# Nyquist图, 可传入列表
nyquist_plot(sys)
 
# Bode图, 可传入列表
bode_plot(sys)
 
# 根轨迹图
root_locus(sys)

绘图使用的是 matplotlib.pyplot,所以执行完函数后,要加上 plt.show() 才会显示图像

Laplace 逆变换

可能是我太弱找不到这个包的 Laplace 逆变换函数,也可能是这个包真的没有这个函数

于是我利用 sympy 这个包求解:定义时域响应这个类,__call__ 使其可以计算时间数组 (np.array) 的响应

import sympy
class Time_Response:
    ''' 时域响应'''
    s, t = sympy.symbols('s, t')
 
    def __init__(self, fun, doprint=False):
        ''' fun: 返回关于s的传递函数的 function
            doprint: 输出公式'''
        sys = fun(self.s)
        self.f_t = sympy.integrals.inverse_laplace_transform(sys, s=self.s, t=self.t)
        if doprint:
            sympy.pprint(self.f_t)
 
    def __call__(self, time):
        ''' 使自身可作为函数被调用'''
        response = list(map(lambda i: float(self.f_t.subs({self.t: i})), time))
        return np.array(response)

设置 doprint 为 True,则可以输出时域响应的方程 —— 但是问题在于,自动控制原理里面的 Laplace 变换是默认 F(s) 各阶导数的初始值均为 0 的,这个条件我没有办法加入到 sympy 的求解过程里,所以结果看起来就有些奇怪

import control as ctrl
import matplotlib.pyplot as plt
import numpy as np
 
# 自定义类所在的模块
from mod.math_model import Time_Response
orange = 'orange'
blue = 'deepskyblue'
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
f_t = Time_Response(lambda s: 100 / (s ** 2 + 10 * s + 100) / s, doprint=True)
t = np.linspace(0, 1, 100)
plt.subplot(1, 2, 1)
plt.title('sympy 计算')
plt.plot(t, f_t(t), c=orange)
s = ctrl.tf('s')
sys = 100 / (s ** 2 + 10 * s + 100)
t, response = ctrl.step_response(sys, T=1)
plt.subplot(1, 2, 2)
plt.title('control 计算')
plt.plot(t, response, c=blue)
plt.show()

对比 sympy 和 control 求解的响应曲线:一毛一样

到此这篇关于Python 自动控制原理 control的详细解说的文章就介绍到这了,更多相关Python control内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯