物联网控制期末复习

第3章  物联网控制系统的过程通道设计

3.1 模拟量输出通道

3.1.1单模拟量输出通道的构成

计算机控制系统的模拟量输出通道将计算机产生的数字控制信号转换为模拟信号(电压或电流)作用于执行机构,以实现对被控对象的控制。

  • 多D/A结构:多个输出通道独立设置D/A转换器的结构的优点是转换速度快,工作可靠,可实现故障隔离,当多个通道要求同时输出指令时,这种方案较为有利。其缺点是,如输出通道数多时,将使用较多D/A,成本提高,但随大规模集成电路的发展,这个缺点逐渐得到克服。
  • 共享D/A转换器:结构复杂,可靠性差,设计也比较复杂。

3.1.2  D/A转换器

(1)D/A转换器工作原理    

D/A转换器是将数字量转换为电压量或电流量的装置,可以表示为

U0为模拟输出电压;UREF为参考电压; K为比例因子;D为输入的数字量。

D由数字代码按位组合而成,每一位数字代码对应一定大小的模拟量。为了将输入的数字量转换成模拟量,应将每一位数字代码都转换成相应的模拟量,然后求和得到与输入数字量成正比的模拟量。这就是一般D/A转换器的转换原理。

(2)D/A转换器的主要性能

①精度。反映了实际输出与理想数学模型输出信号接近的程度

②分辨率。定义为当输入数字量发生单位数码变化时输出模拟量的变化量。

③转换时间。最小有效位常以LSB表示,故转换时间定义为D/A转换器中的输入代码有满刻度值的变化时,其输出模拟信号达到满刻度值±l/2时所需要的时间。一般为几十纳秒到几微秒。

④输出电平。不同型号的D/A转换器的输出电平相差较大。一般为5-10伏,高压输出型的输出电平可达24〜30 V。还有一些电流输出型,低的有20 mA,高的可达3A。

⑤输入代码形式。D/A转换器单极性输出时,有二进制码、BCD码。当双极性输出时,有原码、补码、偏移二进制码等。

(3)例题

3.2 模拟量输入通道设计

3.2.1模拟量输入通道的构成

计算机控制系统通过检测通道获取被测信号,模拟量输入通道的任务就是将检测得到的模拟信号转换为二进制数字信号经接口送入计算机。模拟量输入通道通常有下述两种结构形式。

(1)单通道的模拟量输入

(2)多路巡回模拟量输入

       为了能用一套检测装置来实现多点检测,计算机系统中一般采用多线巡回检测装置,对各传感器分时进行采样,故需要一个多路模拟开关,轮流将各传感器输出模拟信号切换到A/D转换器。这种完成从多路到一路的转换开关,称为多路转换开关

3.2.4  A/D转换器

    A/D转换器完成一次A/D转换需要一定时间(称为孔径时间)。在进行A/D转换时间内, 模拟信号都有可能发生变化,从而引起转换误差。特别是,当模拟信号变化较快时,转换误差将较大。为了减少转换误差,在A/D转换器孔径时间一定时,就要限制信号的变化率,但这将限制系统的应用。一种有效减少转换误差的方法就是在采样开关之后加入零阶保持器形成采样/保持器。采样/保持器的作用就是以较短的采样过程的孔径时间对信号进行采样,然后将采得的模拟信号保持,供A/D转换电路进行转换。

(1)A/D转换器工作原理

    A/D转换器(ADC)是模拟电路与数字电路的接口,其功能是将输入的模拟电压按比例地转化为计算机可以接受的二进制数字信号。常用的转换方式有逐次逼近式双斜积分式两种。逐次逼近式A/D转换器转换速度快,多用于高速数据采集。它的缺点是抗干扰的能力较差

(2)A/D转换器的主要性能指标

①精度。这是指对应一个给定数字量的实际模拟量输入与理论模拟量输入接近的程度,通常亦用绝对精度和相对精度表示。实际上对应于同一个数字量,其模拟输入是一个范围,因此,对应一个已知数字量的输入模拟量,定义为模拟量输入范围的中间值。

②分辨率。A/D转换器的分辨率是指输出数字量对输入模拟量变化的分辨能力.利用它可以决定使输出数码增加(或减少)1位所需要的输入信号最小变化量。国内外A/D芯片多为8位、10位、14位、16位,若再提高位数,不但价格贵,而且难以实现。

     A/D的分辨率和精度是不同的两个概念,它们的关系类似于D/A的分辨率与精度的关系,在一个系统用A/D的分辨率精度应当协调一致。

③转换时间。设A/D转换器已经处于就绪状态,从A/D转换的启动信号加入时起。到获得数字输出信号(与输入信号对应之值)为止,所需的时间称为A/D转换时间。该时间的倒数称为转换速率。A/D的转换速率与A/D的位数有关,一般来说,A/D的位数越多,则相应的转换速率就越慢。 逐次逼近式A/D转换器转换时间为几微秒至几百微秒,双斜积分式A/D转换器的转换器转换时间为几十毫秒至几百毫秒。

④量程。指测量的模拟量的变化范围。一般有单极性(如0〜10V、0〜20 Y)和双极性(例 如-5 〜 +5 V、-10 〜 +10 V )两种。为了充分发挥A/D转换器的分辨率,应尽量通过调理环节使待转换信号的变化范围充满量程。

(3)A/D转换器的选择

    现阶段生产的A/D转换器具有模块化、与计算机总线兼容等特点。使用者不必去深入了解其结构原理便可以使用。在选择A/D芯时,除了要满足用户的各种技术要求外,还必须注意几点:A/D输出的方式,A/D芯片对启动信号的要求,A/D的转换精度和转换时间,它的稳定性及抗干扰能力等。A/D转换器的精度与传感器的精度有关. 一般比传感器的精度高一个数量级;A/D转换器的转换速率还与系统的频带有关。

(4)例题

第4章  自动控制系统建模与辨识

4.1 系统数学模型的概念

自控理论方法是先将系统抽象完数学模型,然后用数学的方法处理。 控制系统的数学模型是描述系统内部各物理量(或变量) 之间关系的数学表达式或图形表达式或数字表达式。

完全不同物理性质的系统,其数学模型具有相似性!

4.2 微分方程模型

描述系统输出变量和输入变量之间动态关系的微分方程 称为微分方程模型

列写系统微分方程的一般步骤:

  1. 确定系统的输入、输出变量;
  2. 从输入端开始,按照信号的传递顺序,依据各变量所遵循的物理、化学等定律,列写各变量之间的动态方程,一般为微分方程组;
  3. 消去中间变量,得到输入、输出变量的微分方程;
  4. 标准化:将与输入有关的各项放在等号右边,与输出有关的各项放在等号左边,并且分别按降幂排列,最后将系数归化为反映系统动态特性的参数,如时间常数等。

4.3 拉普拉斯变换基础

拉氏变换定义

拉普拉斯变换主要用于电路分析,作为解微分方程的强有力工具(将微积分运算转化为乘除运算)。

典型信号的拉氏变换

4.4 传递函数模型

4.4.1  传递函数的定义  

定义:在零初始条件下,线性定常系统(环节)输出的拉氏变换与       输入的拉氏变换之比,称为该系统(环节)的传递函数。  

4.4.2  系统零极点的概念

4.5 结构图

4.5.1  结构图的基本组成

控制系统的结构图是系统数学模型的图解形式,可以形象直观地描述系统中各元件间的相互关系及其功能以及信号在系统中的传递、变换过程。

特点:具有图示模型的直观,又有数学模型的精确

结构图包含四个基本元素:

  • 信号线:带有箭头的直线,箭头表示信号传递方向。
  • 引出点(测量点):引出或者测量信号的位置。这里的信号引出与测量信号一样,不影响原信号, 所以也称为测量点。
  • 比较点(综合点):对两个或者两个以上的信号进行代数运算。
  •  方块:表示对输入信号进行的数学变换。    对于线性定常系统或元件,通常在方框中写入其传递函数。

结构图的变换法则

4.6 系统辨识的定义与内容

4.6.1 系统辨识的定义

  • 建模的两大类方法:分析法和实验法。
  • 分析法建模是应用各种科学定律,根据系统中各个变量之间的因果关系,推导系统的数学模型。
  • 系统辨识是在输入和输出信息的基础上,从一类系统中确定一个与所观测系统等价的系统。(定义)
  • 系统辨识定义包括三个要素:输入输出数据,模型类,等价准则
  • 系统辨识是按照一个等价准则,在模型类中选择一个与输入、输出数据拟合得最好的模型

(1)黑箱问题,也叫完全辨识问题:被辨识对象的基本特性是完全未知的。

(2)灰箱问题,又叫不完全辨识问题:在辨识前已知道系统的一些基本特征。例如:已经知道系统是线性的,其通频带大致是多少,不能确切知道的只是系统的动态方程的阶次以及方程的系数值等。

许多工程上的辨识问题属于灰箱问题,系统辨识内容就简化成阶的辨识和参数估计问题了。

4.7  线性静态模型的最小二乘参数估计

 4.7.1  参数估计问题

“参数估计”的任务是用统计方法,从带有噪声的观测数据中按照某种准则估计出最接近实际值的参数。

4.7.2  最小二乘法的基本算法

下面先以一个例子来介绍最小二乘法的基本原理: 

如果没有误差,则只要测量一次输入输出数据即可确定系数,即

当存在噪声时,最小二乘法是使系统输出的估计值与系统输出的实际测量值之差的平方和最小,即

下面讨论一般情况

对上式描述的系统进行m次实验,则得到m个方程式:

写成矩阵向量形式

由于估计值是在取得足够数据后一次计算出来的,所以称为一次完成法。

例题

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/501208.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

python生成、操作svg图片

生成svg图片 通过python生成svg图片的方法有许多,比如OpenCV的源码中有svgfig.py这个脚本可以用于生成svg图片(OpenCV的棋盘格图片可以通过这个方法生成),也可以使用svg.py的库,安装方法如下 pip install svg.py 下面是通过这个库生成一个简…

2024年大型语言模型(LLMs)的发展回顾

2024年对大型语言模型(LLMs)来说是充满变革的一年。以下是对过去一年中LLMs领域的关键进展和主题的总结。 GPT-4的壁垒被打破 去年,我们还在讨论如何构建超越GPT-4的模型。如今,已有18个组织拥有在Chatbot Arena排行榜上超越原…

Servlet解析

概念 Servlet是运行在服务端的小程序(Server Applet),可以处理客户端的请求并返回响应,主要用于构建动态的Web应用,是SpringMVC的基础。 生命周期 加载和初始化 默认在客户端第一次请求加载到容器中,通过反射实例化…

图片验证码如何显示在 Apifox 的响应控制台中

当接口返回的响应数据结构非常复杂,充斥着嵌套的对象和数组,其中还可能包含着图片的 URL 时,如果要查找特定信息,你需要不断上下滚动 JSON 响应,试图找到所需的字段。这不仅让人恼火,还浪费了宝贵的时间。 …

设计模式 创建型 单例模式(Singleton Pattern)与 常见技术框架应用 解析

单例模式(Singleton Pattern)是一种创建型设计模式,旨在确保某个类在应用程序的生命周期内只有一个实例,并提供一个全局访问点来获取该实例。这种设计模式在需要控制资源访问、避免频繁创建和销毁对象的场景中尤为有用。 一、核心…

《Xsens动捕与人形机器人训练》讲座将于1月9日下午2:30在线上召开

《Xsens动捕与人形机器人训练》讲座将于1月9日下午2:30在线上召开,本次讲座中来自Xsens的人形机器人与动捕技术专家Jeffrey Muller与Dennis Kloppenburg不仅将就Xsens动作捕捉系统与人形机器人行为训练中的实际应用进行详细讲解,同时还会对目前大家所关注…

Flutter踩坑记-第三方SDK不兼容Gradle 8.0,需适配namespace

最近需要集成Flutter作为Module,Flutter依赖了第三方库,Gradle是8.0版本。 编译报错: 解决办法是在.android根目录下的build.gradle下新增一行代码: buildscript {ext.kotlin_version "1.8.22"repositories {google()…

Linux驱动开发学习准备(Linux内核源码添加到工程-Workspace)

Linux内核源码添加到VsCode工程 下载Linux-4.9.88源码: 没有处理同名文件的压缩包: https://pan.baidu.com/s/1yjIBXmxG9pwP0aOhW8VAVQ?pwde9cv 已把同名文件中以大写命名的文件加上_2后缀的压缩包: https://pan.baidu.com/s/1RIRRUllYFn2…

ImageNet 2.0?自动驾驶数据集迎来自动标注新时代

引言: 3DGS因其渲染速度快和高质量的新视角合成而备受关注。一些研究人员尝试将3DGS应用于驾驶场景的重建。然而,这些方法通常依赖于多种数据类型,如深度图、3D框和移动物体的轨迹。此外,合成图像缺乏标注也限制了其在下游任务中的…

朱姆沃尔特隐身战舰:从失败到威慑

前言 "朱姆沃尔特"号驱逐舰是美国海军雄心勃勃的项目,旨在重塑未来海战。它融合了隐身、自动化和强大火力,然而由于技术问题和预算超支,原计划建造32艘的目标被大幅缩减,最终只建造了三艘。该舰的设计特点包括“穿浪逆船…

电子电器框架 --- 电动汽车上的车载充电器(OBC)

我是穿拖鞋的汉子,魔都中坚持长期主义的汽车电子工程师。 老规矩,分享一段喜欢的文字,避免自己成为高知识低文化的工程师: 所谓鸡汤,要么蛊惑你认命,要么怂恿你拼命,但都是回避问题的根源,以现象替代逻辑,以情绪代替思考,把消极接受现实的懦弱,伪装成乐观面对不幸的…

【C语言的小角落】--- 深度理解取余/取模运算

Welcome to 9ilks Code World (๑•́ ₃ •̀๑) 个人主页: 9ilk (๑•́ ₃ •̀๑) 文章专栏: C语言的小角落 本篇博客我们来深度理解取余/取模,以及它们在不同语言中出现不同现象的原因。 🏠 关于取整 🎵 向0取整…

快速上手LangChain(三)构建检索增强生成(RAG)应用

文章目录 快速上手LangChain(三)构建检索增强生成(RAG)应用概述索引阿里嵌入模型 Embedding检索和生成RAG应用(demo:根据我的博客主页,分析一下我的技术栈)快速上手LangChain(三)构建检索增强生成(RAG)应用 langchain官方文档:https://python.langchain.ac.cn/do…

Spring源码分析之事件机制——观察者模式(二)

目录 获取监听器的入口方法 实际检索监听器的核心方法 监听器类型检查方法 监听器的注册过程 监听器的存储结构 过程总结 Spring源码分析之事件机制——观察者模式(一)-CSDN博客 Spring源码分析之事件机制——观察者模式(二&#xff…

redux react-redux @reduxjs/toolkit

redux团队先后推出了redux、react-redux、reduxjs/toolkit,这三个库的api各有不同。本篇文章就来梳理一下当我们需要在项目中集成redux,从直接使用redux,到使用react-redux,再到react-redux和reduxjs/toolkit配合使用,…

OpenHarmony通过挂载镜像来修改镜像内容,RK3566鸿蒙开发板演示

在测试XTS时会遇到修改产品属性、SElinux权限、等一些内容,修改源码再编译很费时。今天为大家介绍一个便捷的方法,让OpenHarmony通过挂载镜像来修改镜像内容!触觉智能Purple Pi OH鸿蒙开发板演示。搭载了瑞芯微RK3566四核处理器,树…

网安数学基础期末复习

目录 整除同余同余方程群和环 整除 a的显然因数/平凡因数1,a整除的传递性和组合性 若 a ∣ b , b ∣ a a|b,b|a a∣b,b∣a 则 a b a\pm b ab欧几里得带余除法 公因数和最大公因数在整除里的定义,最大公因数为1则两数互质,注意公因数有正…

NSGA-II(非支配排序遗传算法II)详解与实现

NSGA-II(非支配排序遗传算法II)详解与实现 1. 算法简介 NSGA-II(Non-dominated Sorting Genetic Algorithm II)是一种高效的多目标优化算法,由Deb等人在2002年提出。它主要解决多个目标之间相互冲突的优化问题。 1.1 核心特点 快速非支配排序 时间复杂度&#xf…

Fabric环境部署

官方下载文档:A Blockchain Platform for the Enterprise — Hyperledger Fabric Docs main documentation 1.1 创建工作目录 将Fabric代码按照GO语言的推荐方式进行存放,创建目录结构并切换到该目录下。具体命令如下: mkdir -p ~/go/src/g…

回归预测 | MATLAB实现CNN-SVM多输入单输出回归预测

回归预测 | MATLAB实现CNN-SVM多输入单输出回归预测 目录 回归预测 | MATLAB实现CNN-SVM多输入单输出回归预测预测效果基本介绍模型架构程序设计参考资料 预测效果 基本介绍 CNN-SVM多输入单输出回归预测是一种结合卷积神经网络(CNN)和支持向量机&#…