Sistemi i signali

_______________________________________________________________________
_

4. SISTEMI I SIGNALI

4.1 Definicije osnovnih pojmova

Informacija je novo, do tada nepoznato, saoptenje (obavjetenje) o neemu.

Komunikacija je razmjena informacija.

Signal je materijalni nosioc (prenosilac) informacije, koji moe biti razliite fizikalne
prirode (elektrini, mehaniki, pneumatski, itd).

Sistem je izdvojeni dio prostora kod kojeg postoji povezanost sa ostalim dijelom
prostora. Ako je dio fizikog prostora, sistem je fiziki a ako je dio apstraktnog prostora,
sistem je apstraktni (npr. sistem jednaina).

Organizovani fiziki sistem ili krae sistem je skup dijelova, jedinica, tj. podsistema koji
su meusobno povezani u funkcionalnu cjelinu sa ciljem da se ostvari odreeni zadatak,
kretanje (rad, proces) a na osnovu razmene materije i/ili energije i/ili informacije izmeu
podsistema u okviru sistema i izmeu sistema i okoline. Po svojoj prirodi sistem moe
da bude tehniki, bioloki, drutveni, ekonomski, itd.

Veliine koje bitno utiu na rad sistema a nastale su van njega su njegove ulazne
veliine (oznaka u ) veliine. M ulaznih veliina u1 , u2 ,L , uM ine vektor ulaza u ,
odnosno u u1 uM .
T
u2 u3 L

Veliina ija vrijednost i ije promjene vrijednosti predstavljaju rezultat rada sistema, a za
ije vrijednosti i promjene smo zainteresovani je izlazna veliina (oznaka y ) sistema.
N izlaznih veliina y1 , y2 ,L , y N ine vektor izlaza y y1 yN .
T
y2 y3 L

Veliine koje utiu na rad sistema a nastale su van njega i na koje ne moemo uticati su
poremeajne veliine (oznaka z ). P poremeajnih veliina z1 , z2 ,L , z P ine vektor
poremeaja z , odnosno z z1 zP .
T
z2 z3 L

Model sistema je idealizovani zamiljeni sistem, koji zadrava osobine stvarnog

sistema koje su bitne za analizu i sintezu sistema.

Matematiki model sistema je formalni matematiki opis modela fizikog sistema koji
uspostavlja jednoznanu vezu izmeu izlaznih i ulaznih veliina za proizvoljne promjene
ulaznih veliina i proizvoljne poetne uslove a iskazan je pomou matematikih simbola,
operacija i relacija.

1
Sistemi i signali
_______________________________________________________________________
_
Dijagram sistema je simboliki grafiki prikaz sistema S u obliku paravugaonika, na
kojem su sve ulazne veliine prikazane jednostrukim strelicama usmjerenim ka sistemu,
u1 y1
u y
S
uM yN
S
Slika 4.1.1

a sve izlazne veliine su prikazane jednostrukim strelicama usmjerenim od sistema ka

okolini. Ako je broj ulaznih/izlaznih veliina vei od jedan, onda se esto ulazne/izlazne
veliine oznaavaju dvostrukim strelicama, slika 4.1.1.
Sistemi mogu biti redno, paralelno i povratno spregnuti (povezani), slika 4.1.2. Kod
redne veze sistema S1 i S 2 (slika 4.1.2a) ulaz sistema S1 je ujedno ulaz cjelokupnog
sistema, dok je njegov izlaz ujedno i ulaz sistema S 2 , iji izlaz je izlaz ukupnog sistema
S . Slino, kod paralelne veze sistema S1 i S2 u sistem S (slika 4.1.2b), ulaz ukupnog
sistema je istovremeno ulaz i sistema S1 i sistema S 2 , dok je izlaz ukupnog sistema
algebarski zbir izlaza sistema S1 i S 2 . Od posebne vanosti je povratna veza dva
sistema S1 i S 2 u sistem S (slika 4.1.2c), kod koje je ulaz sistema S1 algebarski zbir
ukupnog ulaza u sistem i izlaza sistema S 2 , dok je izlaz ukupnog sistema istovremeno
izlaz sistema S1 i ulaz sistema S 2 .

u1 y1 u1 u y2 y1 y
S1 S1
u u1 1 u 2 y1 y2 y y y1 y2
S1 S 2
u y2 y2
S 2 S 2 S
S 2
u2 y
S
a) b) c)
Slika 4.1.2

Osnovni problem upravljanja je pronai tehniki izvodljiv nain djelovanja na dati proces
(objekat) tako da je ponaanje tog procesa to je mogue blie nekom eljenom
ponaanju. Osim toga, ovo bliskost treba biti ostvarena uprkos tome to postoji
neodreeni parametri procesa kao i uz prisustvo nepredvienih vanjskih poremeaja koji
djeluju na taj proces.

U nastavku ovog poglavlja posmatramo samo sisteme sa jednim ulazom i jednim

izlazom, tako da su ulaz i izlaz skalari u i y sledstveno. Takvi sistemi su poznati kao
jednostruko prenosni sistemi. Ako sistem ima vie od jedan ulaz ili izlaz, onda je taj
sistem viestruko prenosni sistem. U tom sluaju ulazi ili izlazi su vektori. Analiza
viestruko prenosnih sistema se svodi na analizu jednostruko prenosnih sistema,
posmatrajui uticaj svakog ulaza na svaki izlaz. Tada se analiza svodi na analizu M N
podsistema sistema S . Sinteza viestruko prenosnih sistema je bitno komlikovanija
nego to je to kod jednostruko prenosnih sistema.

2
Sistemi i signali
_______________________________________________________________________
_
4.2 Matematiko modeliranje sistema

Realni fizikalni sistemi se zamjenjuju njihovim matematikim modelima. Ti modeli imaju

osobine realnih sistema, tako da se pomou njih moe izvoditi analiza i sinteza realnih
sistema, te simulacija tih sistema na digitalnom raunaru. Time je omoguena laka
promjena pojedinih parametara sistema, kao i uticaj tih parametara na ponaanje izlaza
sistema. Kod matematikog modeliranja, a u cilju pojednostavljivanja modela, esto se
uvode odreene pretpostavke i aproksimacije.

Sistemi mogu biti statiki i dinamiki. Ako u matematiom modelu sistema nema izvoda
niti jedna izlazne ili ulazne promjenljive po vremenu, onda je sistem statiki. U
suprotnom sistem je dinamiki. Na primjer, statiki sistem je poluga kod koje je
pomjeranje jednog kraja ulaz a pomjeranje drugog kraja izlaz. Pri tome su uvedene
sledee pretpostavke: (i) poluga je apsolutnio kruto tijelo (nije elastina), (ii) masa
poluge se zanemaruje, tako da ne postoje inercijalne sile i (iii) trenje u osloncu se
zanemaruje. U sluaju da pretpostavka (ii) ne vai ili trenje u osloncu zavisi od ugaone
brzine, sistem je dinamiki. Kod statikih sistema nema kanjenja izlaza u odnosu na
ulaz, dok kod dinamikih to postoji. Ako kanjenje postoji, onda izlaz uvijek kasni za
ulazom, jer je ulaz uzrok a izlaz posledica. U realnim sistemima obrnuto je nemogue,
jer posledica ne moe da prethodi uzroku.

Ako je matematiki model sistema opisan obinim linearnim diferencijalnim jednainama

sa konstantnim koeficijentima, onda je u pitanju stacionarni linearni sistem. Ako meu
tim koeficijentia postoji bar jedan koji zavisi od vremena, onda se radi o linearnom
nestacionarnom sistemu. U sluaju da je sistem opisan nelinearnim diferencijalnim
jednainama, u pitanju su nelinearni sistemi. Analogno sa prethodnim, i oni mogu biti
stacionarni i nestacionarni.

U teoriji sistema automatskog upravljanja, najvei dio problema analize i sinteze je

rijeen za linearne stacionarne sisteme. To je prije svega zbog toga to kod ovih
sistema, zbog linearnosti, vrijedi princip superpozicije, a zbog stacionarnosti sistem je
vremenski invarijantan. Ako za sistem vrijedi princip suporpozicije, onda to znai da ako
je za ulaz u1 t izlaz y1 t a za ulaz u2 t izlaz je y2 t , onda za ulaz
u t u1 t u2 t izlaz je y t y1 t y2 t . Vremenska invarijantnost znai da
odziv nee promjeniti svoju vrijednost ako se pobuda pomakne za neki vremenski
interval . Drugim rijeima to znai, da ako je za ulaz (pobudu) u t u trenutku t izlaz
(odziv) y t , onda to vrijedi i u trenutku (t ) , tj. za ulaz u t izlaz je y t .
Teorija linearnih stacionarnih sistema se dugo razvija, ima poznat matematiki aparat
tako da su problemi analize i sinteze razliitih tipova ovih sistema i algoritamski i teorijski
ve rijeeni. Osim toga, i simulacija ovih sistema na raunaru je uveliko razraena, pri
emu se koriste razni softveri. Prije svaga spomenimo MATLAB i njegov modul
SIMULINK, kao i MATLAB-ove alate rltool i sisotool. To je i razlog da se problemi u
mehatronici modeliraju kao linearni i stacionarni. Ako je fizikalna priroda posmatranog
problema nelinearna, onda se vri njegova linearizacja u okolini radnog podruja, tako
da se opet dobija linearni sistem. to se nestacionarnosti tie, tu linearizacija ne
pomae, ali sreom, veina tehnikih problema u mehatronici je po svojoj prirodi
stacionarna. Ako je matematiki model nekog sistema nepoznat, onda je, u nekom
sluajevima, frekventnom metodom mogue eksperimentalno snimiti zavisnosti izlaza od
ulaza kod pojedinih podsistema i za razliite amplitude i frekvencije pobude. U

3
Sistemi i signali
_______________________________________________________________________
_
frekventnom domenu su razraene metode pomou kojih je koritenjem tih zavisnosti
mogue izvriti analizu i sintezu ukupnog sistema. Intezivan razvoj raunarskih
tehnologija je omoguio da se nelinearne i parcijalne diferencijalne jednaine mogu
priblino rjeavati, to je i doprinijelo da se i teorije nelinearnih sistema intezivno razvija.
Takoe, razvoj vjetake inteligencije i ekspertskih sistema je uinio da se veliki broj
problema moe rjeavati i u sluajevima kada je matematiki model sistema nepoznat.

4.2.1 Jednaina ponaanja

Kod izvoenja jednaine ponaanja polazimo od zakona fizike koji, zavisno od problema
koji rjeavamo, vae u toj oblasti. U mehanici to su najee Njutnovi zakoni i/ili
DAlamberov princip, Lagranove jednaine, itd. Ako je problem iz oblasti elektrotehnike
onda su to Omov zakon ili Kirhofova pravila; u termodinamici Njutnov i Furijerov zakon, u
hidromehanici Bernulijeva jednaina, Hagen-Puazejovo teenje, itd. Pored pomenutih
zakonitosti, i zakon o odranju energije se esto koristi.

Ilustraciju izvoenja jednaine ponaanja sistema daemo za tri primjera, jednom

elektrinom i dva mehanika, od kojih je jedan nelinearan. U prvom primjeru
posmatramo mehaniki sistem (slika 4.2.1) koji je sainjen od mase, opruge i
prigunice. Primjer ovog sistema je toak automobila (masa), koji je preko opruge i
amotizera (prigunice) vezan za asiju. Pri tome, radi jednostavnosti izvoenja,
x zanemarena je elastina veza toka i gume,
kao i to da se asija tretira kao kruto tijelo (bez
K elestinosti). Ako je u poetnom trenutku t 0 ,
f
ovaj sistem u stanju mirovanja, tj. pomjeranje
M x(0) 0 i brzina x&(0) 0 (opruga nije sabijena
i nema kinetike energije u sistemu) na sistem
D
djeluje vanjska sila f t (toak u toku kretanja
nilazi na neravninu na putu), tada dolazi do
Slika 4.2.1 promjena u sistemu. Jednaina koja opisuje te
promjene se formira na osnovu DAlamberovog
principa, po kojem je vanjska sila f u ravnotei sa unutranjim (sila u opruzi
t
f o t Kx t i sila u amortizeru f a t Dx& t ) i inercijalnim silama f i t Mx&
& t u
sistemu. Dakle, dabijamo jednainu
& t Dx& t Kx t f t .
Mx& (4.1)
Ovo je jednaina ponaanja mehanikog istema sa slike 4.2.1. To je linearna
diferencijalna jednaina drugog reda sa konstantnim koeficijentima. Kod izvoenja
jednaine, sva trenja su zanemarena i pretpostavili smo da su pomjeranja x t mala,
tako da je deformacija opruge u elastinom podruju u kojem je sila u opruzi srazmjerna
pomjeranju (ako su pomjeranja vea onda je krutost opruge K nije konstantna, nego
zavisi od pomjeranja K K x , tako da sistem (4.1) vie nije linearan).

Na slian nain izvodimo jednainu ponaanja elektrinog sistema, slika 4.2.2. Sistem
se sastoji od redne veze omskog otpora, zavojnice i kondezatora. Posmatramo
promjenu napona uC t (izlaz, odziv) na kondezatoru u zavisnosti od promjene ulaznog

4
Sistemi i signali
_______________________________________________________________________
_
(pobudnog) napona u t . Zbog redne veze, struja i t kroz sve komponente sistema je
ista. Po drugom Kirhofovom zakonu,
L u L t ukupna elektromotorna sila (prikljueni
R napon) je jednaka zbiru padova napona,
u R t odnosno u t uR t u L t u C t , gdje su
C
u t i t u C t naponi

Slika 4.2.2
1 di t
uR t Ri t , u L t L i uC t
i t dt padovi napona na omskom otporu,
dt C
zavojnici i kondezatoru sledstveno. Eleminacijom struje i t iz zadnje jednaine
duC t
dobijamo i t C , to smjenom u prethodne jednaine, konano daje jednainu
dt
ponaanja sistema kao
d 2uC t duC t
LC uC t u t .
2
RC (4.2)
dt dt
I u ovom sluaju smo dobili diferencijalnu jednainu drugog reda sa konstantnim
koeficijentima. Prema tome, i mehaniki sistem sa slike 4.2.1 i elektrini sistem sa slike
4.2.2 su modelirani kao linearni stacionarni sistemi. Nakon dijelenja jednaine (4.1) sa
M i jednaine (4.2) sa LC i stavljajui kod prve jednaine da je ulaz u f t i izlaz
y x t a kod druge jednaine, ulaz u u t i izlaz y uC t , dobijamo u oba sluaja
istu diferencijalnu jednainu
d2y dy
2
a1 a0 y b0u , (4.3)
dt dt
pri emu su u prvom(drugom) sluaju koeficijenti a0 , a1 i b0 dati kao (vrijednosti u zagradi
K 1 D R 1 1
su za elektrini sistem) : a0 , a1 i b0 . Dakle, iako su ova
M LC M L M LC
dva sistema potpuno razliita po svojoj fizikalnoj prirodi, kad je u pitanju ponaanje
izlaza u odnosu na djelovanje ulaza, oni imaju isto ponaanje. Matematiki model ova
dva sistema je identian. Ako je za matematiki model (4.3) poznat uticaj parametara na
ponaanje izlaza sistema, onda je za svaki sistem koji imaju isti matematiki model lako
uoiti uticaj njegovih parametara na njegov izlaz. Tako, umjesto da posmatramo sistem
sa slike 4.2.1 mi moemo na osciloskopu posmatrati sistem sa slike 4.2.2, pri emu je
lako uspostaviti zavisnost meu parametrima sistema; sa jedne strane mehanikog
sistema: masa (M), krutost opruge (K) i priguenja (D) i sa druge strane elektrinog
sistema: induktivnost (L), kapacitet (C) i otpornost (R).

Kod treeg primjera, slika 4.2.3, posmatramo slobodno kretanje kuglice mase m
poluprenika r u konkavnoj glatkoj povrini (kaloti). Izmeu kuglice i kalote postoji sila
trenja kotrljanja f C koja je
srazmjerna obodnoj L& brzini
R
kuglice i koeficijentu trenja, tj.
L

m
h r 5
A
O
Slika 4.2.3
Sistemi i signali
_______________________________________________________________________
_
f C L&. Kuglica u proizvoljnoj poziciji, npr. taka A , ima kinetiku i potencijalnu
1
E p mgL 1 cos tako da je Lagrenova
2
energiju sledstveno: Ek m L& i
2
1

2
energija L Ek E p , to dalje daje L m L& mgL 1 cos . Iz Lagranove
2 &
d L L
jednaina f C , nakon diferenciranja dobijamo jednaunu ponaanja ovog
dt &
sistema, kao
mL2&& L& mgL sin 0. (4.4)
Za razliku od prethodna dva primjera, u ovom primjeru dobili smo nelinearnu
diferencijalnu jednainu koja predstavlja stacionarni (jer koeficijenti nisu funkcije
vremena) nelinearni sistem. Za stacionarne linearne sisteme je razvijen matematiki
aparat za analizu i sintezu, to nije sluaj sa nelinearnim sistemima. Zbog toga se
nelinearni sistemi linearizuju u nekoj okolini eljene izlazne i upravljake veliine, tako
da se i veina takvih sistema sa kojima se sreemo u mehatronici, sa dovoljno tanosti,
mogu posmatrati kao linearni. O postupku linearizacije vie rijei u nastavku.

4.2.2 Sistem u prostoru stanja

Pored jednaine ponaanja, u vremenskom domenu, matematiki modeli linearnih

sistema esto se zadaju i u prostoru stanja. Pri tome se koristi Koijeva forma
diferencijalnih jednaina, kod kojih se jedna linearna diferencijalna jednaina n tog
reda prikazuje kao sistem od n diferencijalnih jednaina prvog reda. U naem sluaju,
npr. sistem (4.1) uvoenjem pomonih promjenljivih x1 x i x2 x& jednaina (4.1)
postaje sistem
x&1 x2
K D 1 . (4.5)
x&2 x1 x2 f
M M M
Promjenljive x1 , x2 nazivamo promjenljive stanja, a definiu se kao veliine ije
poznavanje uz poznavenje ulaza u svakom trenutku t odreuju izlaz sistema u tom
trenutku, kao i nova stanja sistema u trenutku koji je neposredno iza tog trenutka. Sistem
(4.5) se ee pie u matrinom obliku, to se postie definisanjem vektora stanja
0 1 0
x1
x , matrice stanja A
K D i vektora upravljanja b 1 , tako da se
x2
M M M
jednaina (4.1) moe pisati u obliku jednaine stanja, kao
x& Ax bf . (4.6)
Ako se pomjeranje x posmatra kao izlaz, odnosno y x (jednaina izlaza) i ako se sila
f oznai kao upravljanje u , onda ova jednaina zajedno sa jednainom (4.6) ini
sistem u prostoru stanja koji se za sisteme sa jednim ulazom i jednim izlazom (SISO
sistem) uobiajno predstavlja u obliku jednaine stanja i jednaine izlaza kao
x& Ax bu
, (4.7)
y cx
gdje je c vektor vrsta i naziva se vektor izlaza, u naem sluaju on je c 1 0 . U
sluajevima kada ulaz ima direktan uticaj na izlaz, onda se jednaina izlaza mijenja, tako
da sistem (4.7) postaje

6
Sistemi i signali
_______________________________________________________________________
_
x& Ax bu
, (4.8)
y cx + du
pri emu skalar d opisuje taj uticaj.
Za elektrini sistem, opisan jednainom ponaanja (4.2), uvoenjem stanja
x1 uc i x2 u&c i stavljajui y uc t , u u t , dobijamo jednainu stanja i jednainu
0 1 0
uc x1
izlaza u obliku (4.7) gdje su: x
, A
1 R , b
1 , c 1 0 .
u&
c x
2
LC L LC
Lako je primjetiti da su u oba sluaja matrica A i vektori b i c konstantni i da ne
zavise niti od stanja (zbog linearnosti) niti od vremena (zbog stacionarnosti). Ovo ne vai
za trei primjer, jer je jednaina ponaanja koja ga opisuje nelinearna, odnosno sistem je
nelinearan. Kod tog primjera e matrica A zavisiti od stanja x1 . Zbog toga se vri
linearizacija takvog sistema.

4.2.3 Linearizacija

Problem linearizacije emo objasniti na optem sluaju n dimenzionog sistema u

Koijevoj formi oblika
X& t f X t ,U t
(4.9)
Y t g X t ,U t ,
gdje je vektor X n , X X 1 Xn
T
X2 L vektor stanja, funkcija f : n n ,
f f1 fn
T
f2 L je vektorska funkcija stanja i skalarna funkcija g : n
funkcija izlaza. Razvojom funkcija f i g u Tajlorov red u okoline neke take
X s ,U s dobijamo
f f
X& t f X s ,U s
X X X s
X t X U
s
X Xs
U t U s
U U s U U s

g g
Y t g X s ,U s
X X X s
X t X U
s
X Xs
U t U .
s
U U s U U s

Ako je taka X s ,U s stacionarno stanje sistema, odnosno stanje iz kojeg sistem ne

izlazi im se jednom nae u njemu, onda ona zadovoljava jednainu (4.9) stim da je u
toj taki (s obzirom da nema promjene) X&s = 0 f X s , U s 0 i Ys g X s ,U s . Razlike
X t X , U t U
s si Y t Ys su odstupanja trenutne vrijednosti stanja, ulaza i
izlaza od stacionarnih vrijednosti stanja, ulaza i izlaza i oznaavaju se kao:
x X t X s , u U t U s i y= Y t Ys , to smjenom u gornju jednainu daje
x& Ax bu
(4.10)
y cx + du

7
Sistemi i signali
_______________________________________________________________________
_
f nn f g 1n
gdje su: matrica A = X , vektor b = U n , vektor c = i
X X s X Xs X X Xs
U U s U U s U U s

g
skalar d = U .
X Xs
U U s

Primjer:
Jednainu ponaanja (4.4) prikai u Koijevom obliku a zatim izvri linearizaciju u okolini
stacionarnog stanja ako je ulaz U s 0 .

Uvodei smjene: X 1 i X 2 &dobijamo:

X& X 1 2 = f1 X 1 , X 2 , U
g
X&2 sin X 1 X 2 f 2 X 1 , X 2 ,U
L mL
Y X1 g X 1, X 2 ,U
U stacionarnom stanju i za U s 0 , X&1s X&2 s 0 , tako da imamo
0 X 2s
g
0 sin X 1s X 2s ,
L mL
Ys X 1s
f
odakle je jedno od rjeenja X 1s X 2 s 0 . Matricu A dobijamo kao A = X X Xs
,
U U s

odnosno
f1 f1
X 0 1 0 1
X 2
A= 0
1
g cos X 1 g , i vektori b= i
f 2 f 2
L mL X 0 0
T
L mL 0
X 1 X 2 X 0 0
T U 0
U 0

c = 1 0 . Nakon smjena x X t 0 , u U t 0 i y= Y t Ys dobijamo

jednainu stanja x& Ax i jednainu izlaza y cx . Sistem kod kojeg je u jednaini stanja
ulaz (upravljanje ) jednako nuli se naziva autonoman sistem, jer se kretanje u takvom
sistemu ostvaruje samo na osnovu akumulisane energije. U naem sluaju to je usled
kinetike i potencijalne energije koje sistem ima u taki A, slika 4.2.3, u poetnom
trenutku posmatranja t 0 .

4.3 Funkcija prenosa i frekventna funkcija prenosa

Prije nego tio se upoznamo sa funkcijom prenosa, ukratko dajemo neke matematike
osnove, koje su neophodne za razumjevanje teksta u nastavku.

4.3.1 Laplasova transformacija (LT)

8
Sistemi i signali
_______________________________________________________________________
_
Laplasova transformacija se definie kao

F s f t e st dt , (4.11)
0

gdje je funkcija f t funkcija u vremenskom domenu (original), dok je kompleksna

funkcija F s , slika te funkcije u kompleksnom domenu. Ova transformacija se
oznaava kao: F s L f t , pri emu L oznaava Laplasovu transformaciju (LT).
Kompleksna promjenljiva s j . Realni dio se bira tako da osigura
ogranienost integrala (4.11). U nastavku dajemo osnovne osobine LT. U svim
sluajevima (osim 1. ) vai F s L f t .

1. L f1 t f 2 t F1 s F2 s , gdje su F1 s L ff1 t , F2 s L ff 2 t
2. L ff t e s F s
3. L e e at f t F s a
d n f t n
4. L {e
dt n
s n
F s s nk f k 1 0
k 1

tt f t dt F s
0
5. L {e
s
6. lim f t f 0 lim sF s
t 0 s

7. lim f t f lim sF s
t s 0

Iz osobine 4. lako je primjetriti da e primjenom ove transformacije na linearnu

diferencijalnu jednainu n -tog reda sa konstantnim koeficijentima, ta jednaina postati
polinom reda n po kompleksnoj s . Upravo u tome je i osnovna prednost LT, jer se
njihovom primjenom umjesto rjeavanja obinih diferencijalnih jednaina rjeavaju
algebarske jednaine. Dakle, Laplasovim transformacijama problem iz vremenskog
domena se prebacuje u kompleksni domen, tu se rjeava, i na kraju se iz kompleksnog
domena obrnutom transformacijom ponovo prelazi u vremenski domen. Na slian nain
funkcioniu mnogi tehniki sistemi. Na primjer, kod telefonskih centrala, zvuna energija
glasa sagovornika A se preko mikrofona pretvara u elektrine promjene koje dolaze do
centrale, tu se vri njihovo pretvaranje u niz digitalnih brojeva (digitalizacija), koji se
preko prenosnih sistema prenose do centrale sagovornika B, tu pretvaraju u analogne
elektrine promjene i u zvuniku slualice sagovornika B ponovo pretvaraju u zvune
talase.

4.3.2 Funkcija prenosa SISO sistema

Funkcija prenosa, u oznaci G s je odnos izlaza Y s i ulaza U s u kompleksnom

domenu uz sve nulte poetne uslove. Na primjer, primjenom Laplasove transformacije
na mehaniki sistem ija je jednaina ponaanja (4.1) dobijamo:

9
Sistemi i signali
_______________________________________________________________________
_
L Mx& & t Dx& t Kx t
M s 2 X s sx (1) 0 x 0 D sX (s ) x 0 KX s =F s .
Ako su poetni uslovi jednaki nuli, tj. x 0 x& 0 0 , dobijamo funkciju prenosa
X s
1/ M
G s
F s s2 D s K . (4.12)
M M
U teoriji automatskog upravljanja linearnih sistema razaraene su mnoge metode, kod
kojih se preko funkcije prenosa moe izvriti i analiza i sinteza sistema. Dakle, i jedno i
drugo se realizuje u kompleksnom podruju, tako da se samo krajnji rezultati vraaju u
vremensko podruje, tj. u podruje gdje stvarni sistem postoji.

4.3.3 Furijerova transformacija

Furijerova transformacija (FT) se moe dobiti iz LT stavljanjem s j , odnosno

F [ f t ] F j f t e jt dt . (4.13)
0
Sve osobine koje su prethodno navedene za LT vae i za FT. Primjenom FT na
jednainu ponaanja nekog linearnog stacionarnog sistema, umjesto funkcije prenosa
dobijamo frekventnu funkciju prenosa (FFP). Kao to smo mogli primjetiti funkciju
prenosa smo mogli dobiti samo uz prethodno poznavanje matematikog modela
sistema. Meutim, ovo nije sluaj sa FFP, jer se ona za stabilne sisteme moe dobiti
eksperimentalnim putem pobuivanjem sistema sinusnim signalom poznate amplitude i
frekvencije i snimanjem odziva tog sistema. S obzirom da su u frekventnom podruju
razraene metode za analizu i sintezu sistema, to dalje znai da se na osnovu tako
snimljenih karakteristika (amplitudna i fazna karakteristika iz kojih se dobija FFP), moe
izvriti i analiza i sinteza sistema bez poznavanja matematikog modela sistema, to je u
mnogim sluajevima velika pomo. Pri tome karakteristike sistema se snimaju u
logaritamskom podruju, jer se time raun i oblik tih karakteristika bitno pojednostavljuju.

4.4 Digitalni sistemi

Kod kontinualnih sistema signali unutar sistema se prenose u svakom trenutku

t , t 0 , tj. prenos signala kroz kanale veze je vremenski neprekidan, slika 4.4.1 a). U
sluaju kada se signal prenosi samo u trenucima 0; 1T; 2T;; kT;, onda je prenos
signala vremenski prekidan odnosno vremenski diskretan, slika 4.4.1 b). Sistemi gdje se
bar u jednom dijelu ostvaruje ovakav prenos nazivaju se vremenski prekidni ili vremenski
diskretni (ili krae, diskretni) sistemi. Trenuci tk u kojima je vrijednost signala poznata
nazivaju se trenuci odabiranja, a vrijeme izmeu dva odabiranja nazivamo perioda
odabiranja (uzorkovanja, semplovanja) i oznaava se sa T , tako da je
tk kT , k 0,1, 2,L . U nastavku posmatramo samo sisteme kod kojih je perioda
odabiranja konstantna i u svim diskretnim prenosnim kanalima ima istu vrijednost. Takvi
sistemi su sinhroni, a sistemi kod kojih razmak izmeu dva susjedna odabiranja nije
uvijek isti (perioda odabiranja nije konstantna) nazivaju se asinhroni. Kod diskretnih
sistema sa slike 4.4.1 b) izvrena je diskretizacija po vremenu, dok amplituda i dalje
moe da ima bilo koju vrijednost. Ako se dodatno izvri diskretitacija po nivou (po
amplitudi), onda je signal diskretizovan i po vremenu i po nivou i takvi signali su digitalni

10
Sistemi i signali
_______________________________________________________________________
_
signali, a sistem kod kojeg se u bar jednom kanalu veze prenosi ovakav signal naziva se
digitalni sistem, slika 4.4.1 c).
a) ) c)
x t x kT b ) x kT

T T
0 t 0 t 0 t
Slika 4.4.1
Ako je diskretizacija po nivou sa velikom rezolucijom, tj. sa velikim brojem uzastopnih
nivoa i sa malom razlikom mee njima (i vie od 224 16, 777, 216 nivoa), onda su
greke te diskretizacije zanemarive. To dalje znai da praktino ne postoji razlika izmeu
diskretnih i digitalnih sistema, odnosno da se za digitalne sisteme moe primjenjivati
teorija diskretnih sistema.

4.4.1 Z- transformacija

Kao to je kod kontinualnih sistema LT matematiki aparat za analizu sistema, tako je

kod diskretnih sistema, taj aparat Z transformacija (ZT). S obzirom da su signali kod
diskretnih sistema definisani samo u nekim trenucima trenucima odabiranja
(uzorkovanja, semplovanja), to znai da se na njega ne moe primjeniti integralni
raun. Ako se sada kod LT u jednaina (4.11) integral zamjeni sa sumom i umjesto e st
piemo e st e sTk z k , z e sT dobijamo

F z Z f kT f kT z
k 0
k
. (4.14)
Ovaj izraz predstavlja definicioni obrazac za raunanje ZT. Slino kao kod LT i ovdje
(bez dokazivanja) dajemo neke koristne osobine ZT.
1. Z ff kT g kT F z G z
n 1

2. Z f k n z n F z

f kT z
k 0
k


3. Z f k n z F z
n

n
4. Z f k g k n F z G z
k 0
5. lim f k f 0 lim F z
k 0 z

6. lim f k f lim 1 z 1 F z
k z 1

4.4.2 Teorema odabiranja

11
Sistemi i signali
_______________________________________________________________________
_
Da bi objasnili vanost izbora periode odabiranja T (ili ekvivalentno frekvenciju
uzorkovanja s , jer je T s 2 ) posmatramo sliku 4.4.2. Na slici su predstravljena dva
sinusna signala, jedan frekvencije 0.9Hz (puna linija) i drugi frekvencije 0.1 Hz
(isprekidana linija). Oba signala su uzorkovana istom periodom, T=1sek. Ako sada
posmatramo samo uzorke, onda se vie ne moe utvrditi kojem signalu ti uzorci

Slika 4.4.2
pripadaju. Dakle, perioda odabiranja mora biti takva da se na osnovu diskretnih uzoraka
moe jednoznano rekonstruisati originalni signal. Vrijednost periode odabiranja nekog
proizvoljnog signala, koja daje uzorke na osnovu kojih se jednoznano moe
rekonstruisati originalni kontinualni signal odreena je sledeom teoremom:

Teorema: Neka je zadan kontinualan signal iji frekventni spektar ne sadri frekvencije
vee od 0 . Ako je srednja frekvencija diskretizacije s vea od dvostruke najvie
frekvencije u kontinualnom signalu 0 ,
s >20 ,
onda je taj kontinualni signal potpuno odreen tako dobijenim diskretnim signalom.

Ova teorema se u anglosaksonskoj literaturi naziva enonova teorema, a u Ruskoj

literaturi teorema Koteljnika.
U sluaju kad nije mogue utvrditi najveu frekvenciju s , onda se koriste neke
praktine metode za izbor odgovarajue periode odabiranja. Za detalje pogledajte
specijalizovanu literaturu. I ponovo da naglasimo da je izbor odgovarajue periode
veoma znaajan. Suvie mala perioda daje veliki broj uzoraka ime se bitno optereuju
raunarski resursi mehatronikog sistema i poveava vjerovatnoa numerikih greki, a
suvie velika perioda daje uzorke koji dobro ne predstavljaju originalni kontinualni signal.

4.4.3 Diskretni model u obliku jednaine ponaanja

Realni sistemi su uglavnom kontinualni i opisani su diferencijalnim jednainama. Ako se

za upravljanje ovim sistemom koristi raunar koji sa sistemom komunicira samo u
diskretnim trenucima, onda da bi raunar mogao generisati odgovarajue upravljanje on
mora raspolagati diskretnim modelom sistema. Ovaj diskretni model je opisan
diferencnim jednainama. U nastavku emo objasniti dobijanje tog diskretnog modela
ako je kontinualni model dat preko jednaine ponaanja. Polazimo od definicije izvoda
x t
neke kontinualne funkcije x t , odnosno x& t lim . Ako je perioda odabiranja
t 0 t
dovoljno mala i ako se signal posmatra samo u trenucima odabiranja, onda vrijedi

12
Sistemi i signali
_______________________________________________________________________
_
x kT x kT T x kT
priblian obrazac x& kT . Da bi pojednostavili dalji raun
T T
uvodimo operator pomjeranja E definisan kao x kT T Ex kT . Veza izmeu ovog
operatora i operatora (prva konana razlika) data je kao
x kT x kT T x kT E 1 x kT , odakle slijedi E 1 . Imajui ovo na umu
E 1
imamo x& kT x kT . Lako je pokazati da je n ta derivacija
T
E 1
n

x kT
n
x kT . Dalji postupak emo objasniti na jednom primjeru.
Tn
Primjer: Posmatramo sistem opisan jednainom ponaanja (4.3), gdje su koeficijenti
a0 b0 1, a1 3 i ako je perioda odabiranja T 1 .
Rjeenje: U jednainu ponaanja (4.3) u trenucima kT , prvu i drugu derivaciju
zamjenjujemo priblinim vrijednostima, tako da dobijamo
E 1 E 1
2

3 1 y kT u kT . Nakon stepenovanja i grupisanja vrijednosti uz iste

T 2
T

E 2 3T 2 T 2 1
stepene po E dobijamo, 2
E y kT u kT , odakle stavljajui T 1 i
T T2 T2
Ey kT y kT T y k 1 , konano dobijamo y k 2 y k 1 2 y k u k .

n m
Ako je jednaina ponaanja data u optem obliku a y t b u t , m n, m, n ,
i 0
i
i

i 0
i
i

onda primjenjujui slian postupak kao u primjeru dobijamo diskretnu jednainu

ponaanja
n m

a y k i b u k i ,
i 0
i
i 0
i (4.15)

gdje koeficijenti ai i bi zavise od periode odabiranja ai ai T , bi bi T , ali za jednom

usvojeno T oni su konstantni. Promjenom periode odabiranja T dobijamo drugu diskretnu
jednainu ponaanja, jer se koeficijenti mjenjaju.
Ako je sistem stacionaran, onda se gornja jednaina moe pomjeriti za n trenutaka
ulijevo, odakle se moe izraziti y k kao
1 m n1


y k
an i 0
bi u k i n
i 0
ai y k i n .

(4.16)

Poslednji izraz se esto koristi za uzastopno raunanje izlaza pomou prethodnih izlaza i
ulaza. Da bi ovo raunanje bilo mogue nuno je poznavanje vrijednosti izlaza i ulaza u
poetnom trenutku k 0 kao i n 1 trenutaka koji mu prethode.

4.4.4 Diskretni model u prostoru stanja

Ako je kontinualni sistem zadat u prostoru stanja, tj. jednainom stanja i jednainom
izlaza
x&= Ax + bu
y = cx + du

13
Sistemi i signali
_______________________________________________________________________
_
i ako se predpostavi da je vrijednost ulaza konstantna izmeu dva trenutka odabiranja i
ima vrijednost kao u prethodnom trenutku, u t u k , kT t k 1 T , onda gornja
jednaina postaje
x k +1 = Ad x k + bd u k
, (4.17)
y k = cx k + du k

gdje je matrica Ad definisana kao Ad e AT a vektor bd kao bd 0 e dt b . Za razliku

T
At

od modela (4.15) koji je priblian, model (4.17) je taan uz pretpostavku da je ulaz
izmeu dva trenutka odabiranja kT i k 1 T nepromjenljiv i ima vrijedenost u kT .

4.4.5 Diskretna funkcija prenosa

Slino kao kod kontinualnih sistema i kod diskretnih sistema diskretna funkcija prenosa
G z diskretnog SISO sistema se definie kao odnos ZT izlaza i ulaza pri svim nultim
Y z Pm z
poetnim uslovima, dakle G z . Postoji nekoliko naina dobijanja
U z Qn z
diskretne funkcije prenosa i to:
1. primjenom ZT na diskretni model sistema (4.15)
2. iz sistema u prostoru stanja preko matrine jednaine G z c zI Ad bd d i
1

3. iz kontinualne funkcije prenosa G s , tj. s funkcije prenosa. Postoji vie naina

dobijanja z funkcije prenosa iz s funkcije prenosa. Neki od njih su:
preko odskonog invarijantnog modela (dobijamo istu funkciju prenosa
kao i u taki 2. )
preko unazadne, unaprijedne i trapezne aproksimacije, redom stavljajui
z 1 z 1 2 z 1
umjesto s funkcije od z : s , s i s .
T zT T z 1

Bez obzira na koji nain je dobijena z funkcija prenosa, u optem sluaju njen oblik je
Y z b0 z m b1 z m 1 L bm 1 z bm P z
G z n ,n m . (4.18)
U z z a1 z n 1 L an 1 z an Q z
Ako se u brojniku izvue faktor z m a u nazivniku faktor z n dobijamo funkciju prenosa
kao,
b b z 1 L bm1 z m1 bm z m
G z z r 0 1 1 , (4.19)
1 a1 z L an1 z n1 an z n
gdje je r n m i predstavlja kanjenje odziva y k u odnosu na pobudu u k .

4.5 Diskretna Furijerova transformacija (DFT)

14
Sistemi i signali
_______________________________________________________________________
_
U Francuskoj 1807. godine, u jednom radu koji se bavi ispitivanjem prostiranja toplote,
matematiar i fiziar Furije (Joseph Fourier , 1768-1830) je tvrdio da se svaka
kontinualna periodina funkcija moe prikazati kao zbir odgovarajuih sinusnih funkcija.
Meu recenzentima toga rada bili su i veliki matematiari Lagran i Laplas. Laplas se

Fourier-Reihe und Originalfunktion Fourier-Reihe und Originalfunktion

a) 2 b) 2

1 1

0 0

1 1
0 2 4 6 8 0 2 4 6 8
periodische
periodinaFunktion
funkcija periodische
periodinaFunktion
funkcija
Fourier-Polynom Fourier-Polynom
Furijev polinom Slika 4.5.1 Furijev polinom

odmah sloio sa ovom tvrdnjom i smatrao je da se rad moe objaviti, meutim Lagran
nije dozvolio da se rad objavi. On je smatrao da ta tvrdnja ne vrijedi za kontinualne
funkcije sa okovima-uglovima (npr. povorka pravougaonih impulsa, testerasti
signal,...), odnosno da je njih nemogue izraziti preko sinusne funkcije. Rad je ipak
objavljen, ali tek nakon 15 godina, poslije smrti Lagrana. Kasnije e se pokazati da su i
Furije (Laplas) i Lagran bili u pravu. Lagranova tvrdnja da je to za kontinualne
okaste funkcije nemogue je zaista tana, ali je isto tako injenica da je razlika izmeu
originalne funkcije i Furijerovog polinoma (dobijenog kao zbir sinusa) zanemarivo mala
( na slici 4.5.1 a) data je razlika izmeu originalnog testerastog signala i Furijerovog
polinoma od jedne sinusne funkcije, a na slici 4.5.1 b) je data ta razlika kada je Furijerov
polinom zbir od samo 21 sinusne funkcije odgovarajuih amplituda i frekvencija ), toliko
mala da je razlika energija tih signala jednaka nuli, tj. nema razlike. U tom smislu Furije
je u pravu, ali je i Lagran u pravu, jer u to vrijeme nauna znanja o konceptu energije su
bila veoma mala. To je kasnije pokazano Gibs ( poslije smrti Furijera ) - Gibsov efekat.

Dakle, preko Furijerove transformacije (FT) vri se razlaganje nekog signala na sinusne
signale1. Ali zato vrimo to razlaganje i zato koristimo sinuse, a ne npr. pravougaone
signale? Razloga ima vie, ali meu njima je svakako glavni razlog to to sinusni signal
ima osobinu vjernosti (eng. sinusoidal fidelity), tj. ako je na ulazu nekog linearnog
sistema sinusna pobuda, onda je i na izlazu sinusni signal iste frekvencije kao ulazni,
dok se amplituda i faza mogu razlikovati. U prethodnom izlaganju smo govorili o
kontinualnom (periodian ili aperiodian, jer se aperiodian signal moe tretirati kao
periodian sa beskonanom
periodom ) signalu. A ta se
dogaa ako je signal diskretan?
A Posmatramo sluaj sa slike 4.5.2.
m Na toj slici je dat aperiodian signal
p
sa 16 uzoraka. Pokazano je da se
l
i ovaj signal moe predstaviti sa 18
t signala, 9 kosinusnih i 9 sinusnih
1 u kaemo zbir sinusnih signala, onda pri tome mislimo na obe funkcije, i sinus i cosinus. Kao to
Kad
d
znamo, funkcija cosinus se uvjek moe izraziti preko funkcije sinus.
a

15
broj uzorka
Slika 4.5.2
Sistemi i signali
_______________________________________________________________________
_
kao na slici 4.5.3. Nije oigledno, ali je svaki uzorak sa slike 4.5.2 jednak zbiru 18
odgovarajuih uzoraka sa slike 4.5.3, i to ne priblino nego potpuno egzaktno kao to je
8 jednako 5+3. Funkcija na slici 4.5.2 je diskretna funkcija u vremenskom domenu i
oznaava se sa malim slovima, npr, funkcija x k , dok su uzorci na slici 4.5.3 uzorci u
frekventnom domenu i oznaavaju se sa odgovarajuim velikim slovima. Ne uputajui
se u matematiku egzaktnost, uzorci u frekventnom domenu X k na slici 4.5.3 iji zbir
daje odgovarajue uzorke u veremenskom domenu (slika 4.5.2), dobijeni su Diskretnom
Furijerovom Transformacijom (DFT) funkcije x n , koja se definie kao
N 1 2
j kn
X k x n e N
, k 0,1,L , N 1 . (4.20)
n0

16
Sistemi i signali
_______________________________________________________________________
_
Kosinusi

Sinusi

Slika 4.5.3

17
Sistemi i signali
_______________________________________________________________________
_

Kod svake transformacije postoji i inverzna transformacija, jer se preko nje rezultati
obrade ponovo vraaju u vremenski domen, tj. tamo gdje realan proces stvarno i postoji.
Ova inverzna transformacija se definie kao

2
1 N 1 j kn
x n
N k 0
X k e N , n 0,1,L , N 1 . (4.21)

Nije teko uoiti odreenu slinost izmeu FT (jednaina 4.13) i DFT (jednaina 4.20).
Ako se u (4.13) integral zamjeni sumom, kontunualna funkcija x t diskretnom
2 k
funkcijom x n i kontinualna kruna frekvencija sa k , gdje je n diskretni
N
trenutak a N broj uzoraka signala u vremenskom domenu. Oznake k i n se odnose na
diskretnu frekvenciju i diskretni trenutak vremena sledstveno.

Potpunu analogiju izmeu FT i DFT naruava injenica da se kod FT uzima neogranien

broj uzoraka (granice integrala su od 0 do ), dok se kod DFT uzima samo N uzoraka
signala u vremenskom domenu, gdje je N konaan broj. Pri tome N se odabira da
bude potencija broja dva, najee od 32 ( 25 ) do 4096 ( 212 ). Dokaz da je to mogue,
kao i nain odabiranja broja uzoraka N , ovdje neemo iznositi, jer to prevazilazi obim
ovog kursa.
2
A sada jo nekoliko rijei o DFT. Ako se sa WN oznai W e j N , tada jednaina (4.20)
N
postaje
N 1
X k x n WN kn , k 0,1,L , N 1 ,
n 0

2 k 2 k
gdje je WN cos n j sin
kn
n . Ako se skup uzoraka u vremenskom domenu
N N
izrazi preko vektora x x0 x1 L xN 1 , onda gornja jednaina u matrinom obliku
postaje
1 1 1 L 1
1 WN WN2 L WNN 1

X xWN x 1 WN2 WN4 L WN2( N 1) . (4.22)

M M M O M
1 WNN 1 WN( N 1)2 L WN( N 1)( N 1)
Ova jednaina se lake i bre realizuje na raunaru nego jednaina (4.20), jer veina
matematikih softvera rade iskljuivo sa matricama (svaki realan broj tretiraju kao
matricu dimenzije 1x1), npr. MATLAB.
Primjer: Data su diskretni signali sa 2 ( x x0 x1 ) i 4 uzorka ( x x0 x1 x2 x3 ) u
vremenskom domenu. Odredi DFT tih uzoraka.

2 0 0 11 1 X x x
Rjeenje: Ako je N 2 , onda je W e j 2 e j 1 , pa je W2
2
1 1 X 1 x0 x1.
2
Ako je N 4 , onda je W e j 4 e j 2 j , tako da je matrica W4 data kao
4

18
Sistemi i signali
_______________________________________________________________________
_
1 1 1 1 X 0 x0 x1 x2 x3 x0 x2 x1 x3
1 j 1 j X 1 x0 jx1 x2 jx3 x0 x2 j x1 x3
W4 tako da je
1 1 1 1 X 2 x0 x1 x2 x3 x0 x2 x1 x3

1 j 1 j X 3 x0 jx1 x2 jx3 x0 x2 j x1 x3 .

Lako je utvrditi da je broj raunskih operacija (jedna raunska operacija je mnoenje+

sabiranje) srazmjeran broju N 2 , to znai da se sa brojem uzoraka taj broj naglo
poveava tako da se raunanje usporava a zahtjevi za raunarskim resursima
poveavaju.

4.6 Brza Furijerova transformacija (FFT)

Kao to emo kasnije pokazati, DFT slui za realizaciju diskretne funkcije prenosa koju
je esto potrebno realizovati u realnom vremenu. To dalje znai da se sva raunanja
moraju zavriti za vrijeme koje je krae od jedne periode odabiranja. Zbog toga je u
interesu da se broj raunanja maksimalno smanji, kako prethodni uslov ne bi bio
ugroen a time i upravljanje procesom preko raunara neostvarivo.
Posmatrajmo ponovo signal sa 4 uzorka iz prethodnog primjera. Za raunanje DFT
trebalo nam je N 2 16 operacija (operacija = mnoenje + sabiranje). Ako taj signal
razdjelimo u dvije grupe po 2 signala (slika 4.5.4), u svakoj grupi e nam trebati po
2 2 2
N N N N N N2
, tj. 2 , plus dodatnih operacija, to ukupno daje 2 + .U
2 2 2 2 2 2
naem primjeru, za N 4 , ovo je ve uteda u vremenu raunanja za 50% .
I II
2-DFT
x0 X 0 ( x0 x2 ) ( x1 x3 )

x2 X 1 ( x0 x2 ) j ( x1 x3 )
-1
-j

2-DFT
x1 X 2 ( x0 x2 ) ( x1 x3 )
-1

x3 X 3 ( x0 x2 ) j ( x1 x3 )
-1
Posmatrajmo sada opti sluaj, diskretnu funkciju f sa jN 2l
uzoraka. Podjelimo je
Slika 4.5.4
na dvije grupe g i h , svaku sa N / 2 elemenata, tako da grupa g 2l sadri lanove sa
parnim indeksom a grupa h2l 1 lanove sa neparnim indeksom. Ako se dijeljenje dalje
nastavi unutar svake grupe, i ponavlja sve dotle dok grupa ne bude imala samo jedan

19
Sistemi i signali
_______________________________________________________________________
_
element, onda se broj raunanja DFT funkcije f sa N 2 operacija svodi na N log 2 N .
Utede raunanja tada zavise od broja elemenata, to je dato narednom tabelom. Kao
to vidimo, raunske utede su ogromne. Zbog toga se ova transformacija naziva brza
furijerova transformacija (FFT, Fast Fourier Transformation). Rije transformacija ovdje
treba shavtiti uslovno, jer u pitanju nije nova transformacija, nego samo brzi algoritam za
raunanje transformacije poznate kao DFT.
N DFT: N 2 FFT: N log 2 N uteda
8 64 24 62.5%
16 256 64 75%
64 4.096 384 90,625%
256 65.536 2.048 96,875%
512 262.144 4.608 98,242%
4096 16.777.216 49.152 99,707%

Jedan od FFT algoritama za raunanja DFT ilustrovan je u nastavku. Djelenjem

diskretne funkcije f na grupe, kako smo prethodno opisali, dobijamo poseban poredak
elemenata. Ako je vektor uzoraka x x0 x1 x2 x3 x4 x5 x6 x7 sa osam
elemenata, onda njihov redoslije nakon djelenja postaje:
x0 x4 x2 x6 x1 x5 x3 x7 . Ovaj redoslijed omoguava, vidi sliku 4.5.5, da se u
1-DFT 2-DFT 4-DFT 8-DFT
X (0)
x(0)
W20 X (1)
x(4) 1

W40 X (2)
x(2) 1

W20 W41 X (3)

x(6) 1 1

W80 X (4)
x(1) 1

W20 W81 X (5)

x(5) 1 1

W40 W82 X (6)

x(3) 1 1

W20 W41 W83 X (7)

x(7) 1 1 1

svakom voru vrijednosti raunaju koristei iste lokacije u memoriji uz dodavanje

koeficijenata koji su specifini zaSlika 4.5.5vor. Ovo ne samo da ubzava postupak
svaki
raunanja, nego i omoguava da se iste memorijske lokacije koriste tokom cijelog
raunanja, pri emu nove vrijednosti zamjenjuju stare vrijednosti na istoj lokaciji. Pri

20
Sistemi i signali
_______________________________________________________________________
_
tome uzorci u vremenskom domenu moraju biti poredani kao na slici 4.5.5. Ovaj
redoslijed se naziva bit inverzni redoslijed, jer se isti dobija kad se prirodni redoslijed
uzoraka u vektoru proita kao binarni broj ali u obrnutom redoslijedu. Tako npr. uzorak
x6 se nalazi na mjestu koje zauzima uzorak x3 po prirodnom redoslijedu, jer je u
binarnom sistemu 6 110 , to proitano obrnuto (s desna na lijevo) daje broj 3=011. Ovo
sortiranje se obavi prije FFT posebnim programom, koji ustvari prepie uzorke iz jednog
memorijskog bloka u drugi, npr. iz bloka A u blok B, pri emu se indeksi elemenata u
bloku B dobijaju kao obrnuto proitani indeksi iz bloka A. Dalje se kompletan postupak
raunanja realizuje u bloku B. Na kraju raunanja, odnosno uzorci u frekventnom
domenu (dobijeni DFT) su poredani u prirodnom redoslijedu, slika 4.5.5.

4.7 Realizacija diskretne funkcije prenosa

Posmatramo tipian sistem automatskog upravljanja, slika 4.5.6, kod kojeg je upravljanje
realizovano preko raunara. On se sastoji od kontinualnog objekta iji matematiki
model je dat ili preko jednaine ponaanja ili preko jednaina u prostoru stanja ili preko
C (z ) G o (s )
r(t) r(k ) e (k ) d iff u (k ) u (t) y (t)
A /D D /A o b je k a t
je d

ta k t
y (k )

A /D senzor
d ig it a ln i k o n t r o le r

Slika 4.5.6

funkcije prenosa Go s i digitalnog kontrolera koji je dat ili preko funkcije prenosa C z
ili diferentne jednaine ponaanja ili diskretnim modelom u prostoru stanja. U daljem
tekstu smatramo da je kontroler zadan preko digitalne funkcije prenosa C z . Zadatak
kontrolera je da generie upravljanje koje e prisiliti objekat da je njegovo dinamiko
ponaanje izlaza y t identino ili to blie eljenom dinamikom ponaanju i u
prelaznom i u stacionarnom stanju. Prije nego to nastavimo dalje objasnimo pojmove
prelaznog i stacionarnog stanja. Stacionarno stanje sistema je ono stanje koje sistem
stalno zadrava im se jednom nae u njemu, dok je prelazno stanje ono stanje koje nije
stacionarno. Obino stacionarno stanje smatramo onim stanjem kad vrijeme ima velike
vrijednosti (tei beskonanosti), to po istoj logici implicira da je prelazno stanje ono
stanje kad je vrijeme blisko nuli (tei nuli). Preko stacionarnog stanja se definie tanost
a preko prelaznog stanja se definiu prelazne osobine sistema kao to su relativna
stabilnost (preskok) i brzina odziva (vrijeme rasta i vrijeme smirenja). eljeno dinamiko
ponaanje u stacionarnom i prelaznom stanju ustvari predstavlja eljeni nain
konvergencije stvarnog izlaza eljenom izlazu (referenci r t ) i ubudue ga smatramo
poznatim, jer se ono postavlja pred sistem od strane projektanta a zavisno od praktine
primjene tog sistema. eljeno dinamiko ponaanje je zadano preko referentne

21
Sistemi i signali
_______________________________________________________________________
_
vrijednosti r t , pri emu ubudue smatramo da je i nain dostizanja te vrijednosti
poznat, odnosno, ako je poznato r t onda je poznata i dinamika dostizanja te
vrijednosti. Upravo od pomenute dinamike dostizanja reference r t zavisi funkcija
prenosa, koju emo ubudue smatrati poznatom. Sa tim problemima se bavi posebna
oblast teorije sistema automatskog upravljanja, poznata kao sinteza.

Ako je upravljanje realizovano preko digitalnog kontrolera, onda je u pitanju interakcija

dvije razliite dinamike, kontinualnog objekta i digitalnog kotrolera. Zbog toga su na
mjestima njihovog povezivanja postavljeni interfejsi, to je ostvareno preko A/D
(analogno digitalni) i D/A (digitalno analogni) pretvaraa. A/D i D/A pretvarai su
hardverski sklopovi. Kod A/D pretvaraa ulaz je analogni signal a izlaz je digitalna rije,
ija irina zavisi od rezolucije A/D pretvaraa. Danas se izrauju A/D pretvarai
rezolucije od 8 do 24 bita, to znai da se od analognog signala amplitude t dobija
digitalni signal koji ima 28 256 do 224 16, 777, 216 stanja (nivoa), to znai da ako je
10 10
t 10V onda je najvea greka 19.5mV do 0.3V . Sa A/D
2g28 2g224
pretvaraom se uzimaju digitalni uzorci u diskretnim trenucima. Razmak izmeu dva
uzorkovanja je odreen periodom odabiranja T , to se praktino ostvaruje taktnim
impulsima koji se generiu iz skopa na slici oznaenog kao takt. Kod D/A pretvaraa je
obrnuto. Na njihovom ulazu je digitalna rije npr. u kT odgovarajue irine a izlaz je
analognio signal u t ija vrijednost odgovara digitalnoj ulaznoj vrijednosti. Pretvaranje
se odvija sinhrono sa taktom, stim da se izmeu dva odabiranju na izlazu zadrava
vrijednost iz prethodnog trenutka, tj. u t u kT kT t k 1 T . Prema tome D/A
pretvara pored konverzije digitalnih u analogne vrijednosti ima ulogu zadrke signala
izmeu dva trenutka odabiranja. Tako se na izlazu dobija stepenasti kontinualni signal
ija je vrijednost definisana u svakom trenutku t . Na slici 4.5.6 referentni signal
(eljeni izlaz) se dovodi izvan raunara. Isto tako ovaj signal se moe memorisati unutar
raunara kao eljene vrijednosti izlaza ili kao vrijednosti neke funkcije koja predstavlja
eljeno ponaanje izlaza. Prema tome u raunaru treba rijeiti dva problema, prvo treba
dobiti greku e kT kao razliku eljenog i stvarnog izlaza, e kT r kT y kT , a zatim
preko kontrolera C z realizovati upravljanje u kT u svakom trenutku k . I jedno i drugo
se realizuje softverski. Greka e kT se dobija jednostavnim oduzimanjem dvije
digitalne vrijednosti (dva broja). I najprostiji raunarski sistem ima ugraen algoritam za
oduzimanje dvije digitalne vrijednosti, tako da se na ovome neemo zadravati nego
emo smatrati da je ovaj problem ve rijeen. Dakle ostaje nam problem kako softverski
realizavati funkciju prenosa C z . U nastavku emo to pokazati na dva naina, preko
rekurzivnih algoritama i preko DFT. Realizacija preko rekurzivnih algoritama se ee
primjenjuje kad se radi o realizaciji funkcije C z u realnom vremenu, dok je realizacija
preko DFT u ostalim sluajevima.

4.7.2 Realizacija diskretne funkcije prenosa preko rekurzivnog algoritma

22
Sistemi i signali
_______________________________________________________________________
_
Neka se kao kontroler koristi dobro poznati digitalni PID kontroler sa funkcijom prenosa

U z kid
C z k pd kdd 1 z 1 (4.23)
E z 1 z
1

koji se sastoji od tri komponente, proporcionalne P z k pd E z , integralne

kid
I z E z i derivacijske D z kdd 1 z 1 E z . Primjenjujui inverznu Z
1 z 1
transformaciju i pravilo 3. osobina Z transformacije iz poglavlja 4.4.1 na prethodne
izraze u vremenskom domenu dobijamo vrijednosti ovih komponenti kao: proporcionalna
p k k pd e k , integralna i k kid e k i k 1 i derivacijska d k kdd e k e k 1 .
Vrijednost proporcionalne komponete upravljanja je srazmjerna trenutnoj greci, tako da
se proizvod k pd e k lako realizuje, jer je koeficijent k pd memorisan a greka e k u
trenutku k poznata. Kod integralne komponete neto je drugaije. Ona se sastoji iz dva
dijela, jednog koji zavisi od trenutne greke ( kid e k ) i drugog ( i k 1 ) koji predstavlja
vrijednost integralne komponte u trenutku koji prethodi sadanjem trenutku, tj. trenutku
k 1 . Dakle, raunanje ove komponete upravljanja u sadanjem trenutku zahtjeva
poznavanje vrijednosti iste komponente u prethodnom trenutku. Tako izraunata
komponeta u ovom trenutku za sledei trenutak postaje prethodna vrijednost, to se za
bilo koji trenutak ponavlja. Zato se i algoritam naziva rekurzivni, jer sadanja vrijednost
zavisi od prethodne vrijednosti iste komponente. Derivacijska komponeta je srazmjerna
promjeni greke e k , jer je razlika greaka e k e k 1 ustvari promjena greke
e k . Na taj nain dobijamo upravljanje kao zbir proporcionalne, integralne i
derivacijske komponente, u k p k i k d k . Softver koji realizuje prethodni
algoritam je dat u nastavku. Podrazumjeva se da su koeficijenti k pd , kid i kdd poznati, te
da su inicijalne vrijednosti integralne komponente ikold i greke ekold takoe poznate.

rk = adin(ch1) % ucitaj analog. referencu sa terminala ch1

yk = adin(ch2) % ucitaj analog. izlaz sa terminala ch2
ek = rk-yk % izracunaj gresku
pk = kpd*ek % proporcionalni komponenta
ik = kid*ek+ikold % integralni komponenta IK
dk = kdd*(ek-ekold) % derivacijski komponenta
uk = sat(pk+ik+dk,um,uM)% upravljanje u trenutku 'k'
daout(ch1) % postavi analogno upravljanje na ch1
ekold = ek % prethodna greska postaje stara greska
ikold = ik % prethodna IK postaje stara IK

%funkcija sat eleminishe zasicenje jer sprecava

%generisanje upravljanja koje je van opsega [um,uM]
function uk=sat(uki,umi,uMi) %
if (uki<umi)
uk=umi
elseif uki>uMi
uk=uMi
else

23
Sistemi i signali
_______________________________________________________________________
_
uk=uki
endif
Rekurzivni algoritam se odlikuje velikom brzinom, to je njegova velika prednost u
odnosu na ostale algoritme. Meutim, ovaj algoritam ima i neke nedostatke koji u nekim
sluajevima mogu biti veoma kritini. Radi se o tome da se greka (npr. raunska) koja
je nastala u prethodnom trenutku prenosi na sadanji trenutak, odnosno greka se
komulira.

4.7.3 Realizacija diskretne funkcije prenosa preko DFT

U z
Ponovo posmatramo sliku 4.5.6 i realizaciju funkcije prenosa C z . Ranije smo
E z
naglasili da se pored realizacije preko rekurzivnog algoritma diskretna funkcija prenosa
moe realizovati i preko DFT. Ova realizacija se odvija u tri koraka kako slijedi.
1. Za skup uzoraka ulazog signala e nT , n 0,1,L , N 1 preko DFT raunamo
N 1
odgovarajue uzorke E k DFT e n e n WN , k 0,1,L , N 1 u frekvent-
kn

n 0

nom domenu
2. Tako dobijeni uzorci ulaznog signala u frekventnom domenu pomnoe se sa
j
2 k

skupom C k C e N
koji se dobije kada se kompleksna z u funkciji C z

2
zamjeni frekvencijom z e j N k , k 0,1,L , N 1 .
3. Za tako dobijeni proizvod C k E k izrauna se inverzna DFT , koja predstavlja
N 1 2
1 j nk
povorku uzoraka upravljanja u vremenskom domenu u n
N
C k E k e
k 0
N
,

n 0,1,L , N 1 .

Za realizaciju gornjeg algoritma oba skupa uzoraka E k i C k moraju biti iste duine,
tj. imati isti broj uzoraka N . Ako se taj broj uzoraka razlikuje, npr. jedan od njih ima M ,
M N , onda se onaj sa manjim brojem dopunjava sa N M nultih uzoraka u
vremenskom domenu. To znai, ako skup C k ima M elemenata, onda je prvo
potrebno nai niz c n DFT C k , k 0,1,L , M 1 u vremenskom domenu, dopuniti ga
1

sa c M c M 1 L c N 1 0 , nai DFT od C k DFT c n , k 0,1, L , N 1 i taj

signal pomnoiti sa E k i dalje nastaviti prema taki 3. gornjeg algoritma.

24
Sistemi i signali
_______________________________________________________________________
_

25