‫‪www.powerjam.

ir‬‬

‫ﺧﻄﻲ‬
‫ﻧﻤﺎﻳﺶ ﺳﻴﺴﺘﻢ ﻫﺎي ﺧﻄ‬

‫ﻋﻠﻲ ﺧﺎﻛﻲ ﺻﺪﻳﻖ‬

‫ﻛﻨﺘﺮل‪ -‬ﺑﻬﻤﻦ ‪139‬‬
‫‪1390‬‬ ‫ﮔﮔﺮوه ﻛﻨﺘ ل‬

‫‪1‬‬

‫‪ ‬ﻣﻘﺪﻣﻪ‬

‫رﻳﺎﺿﻲ‬
‫ﻣﺪل ﺎ‬
‫ﻛﻨﺘﺮل ﻣﺒﺘﻨﻲ ﺑﺮ ل‬
‫ﻫﺎي ﻛ ل‬ ‫ﻛﻨﺘﺮل‪ :‬ﺳﻴﺴﺘﻢ ﺎ‬
‫ﻫﺎي ﻛ ل‬ ‫• ﻃا‬
‫ﻃﺮاﺣﻲ ﺳﻴﺴﺘﻢ ﺎ‬
‫• ﻣﺪل ﺳﻴﺴﺘﻢ‪ :‬ﻣﺪل ﺗﺤﻠﻴﻠﻲ رﻳﺎﺿﻲ‬
‫ﻣﺪل ﻫﺎي ﺑﻪ دﺳﺖ آﻣﺪه از ﺷﻨﺎﺳﺎﻳﻲ ﺳﻴﺴﺘﻢ‬
‫ﻣﺪل ﻫﺎي ﻣﺤﺎﺳﺒﺎت ﻧﺮم‬

‫ﻣﺪل رﻳﺎﺿﻲ‪ :‬روﺷﻬﺎي ﺗﺤﻠﻴﻞ و ﻃﺮاﺣﻲ ﺳﻴﺴﺘﻢ ﻫﺎي ﻛﻨﺘﺮﻟﻲ‬ ‫•‬

‫‪2‬‬

‫‪1‬‬
‫‪www.powerjam.ir‬‬
 ‫ﺗﻮﺻﻴﻒ ﺳﻴﺴﺘﻢ ﻳﺎ ﻣﺪﻟﺴﺎزي رﻳﺎﺿﻲ‪:‬‬ ‫•‬
‫‪ ‬ﻃﺮاﺣﻲ ﻫﺎي ﻛﻼﺳﻴﻚ‬
‫‪ ‬ﻣﺪﻟﺴﺎزي ﺳﺎده ‪SISO‬‬
‫ﺮوﺟﻲ ﻳﻳﺎ‬
‫ي ﺧﺮوﺟﻲ‬
‫ورودي‬
‫ﻴﻒ ورو‬ ‫‪‬ﻮ‬
‫ﺗﻮﺻﻴﻒ‬ ‫ﺗﺒﺪﻳﻞ‬
‫ﻳﻞ‬ ‫ﺑﻊ ﺒ‬
‫ل ﺗﺎﺑﻊ‬
‫‪ -‬ﻣﺪل‬
‫ﺧﺎرﺟﻲ از ﺳﻴﺴﺘﻢ‬

‫‪ ‬ﻃﺮاﺣﻲ ﻫﺎي ﭘﻴﺸﺮﻓﺘﻪ‬

‫‪ ‬ﻣﺪﻟﺴﺎزي ﺳﺎده ﺳﻴﺴﺘﻢ ﻫﺎي‬
‫ﭘﻴﭽﻴﺪه‪ :‬ﻏﻴﺮﺧﻄﻲ‪-‬ﭼﻨﺪﻣﺘﻐﻴﺮه‪-‬‬ ‫‪ -‬ﻣﺪل ﻓﻀﺎي ﺣﺎﻟﺖ‬
‫ﻣﺘﻐﻴﺮ ﺑﺎ زﻣﺎن‬
‫‪‬ﺗﻮﺻﻴﻒ ﺑﺎ ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ ﻳﺎ‬
‫داﺧﻠﻲ از ﺳﻴﺴﺘﻢ‬
‫‪ ‬ﻧﻤﺎﻳﺶ اﻧﺪرﻛﻨﺶ ﻣﺘﻐﻴﺮﻫﺎي ﺳﻴﺴﺘﻢ‬
‫ورودي ﻫﺎ‪-‬ﺣﺎﻟﺖ ﻫﺎ‪-‬ﺧﺮوﺟﻲ ﻫﺎ‬
‫‪ ‬واردﻛﺮدن ﺷﺮاﻳﻂ اوﻟﻴﻪ‬
‫‪ ‬ﺑﻬﻴﻨﻪ ﺳﺎزي‬
‫‪3‬‬

‫‪ ‬ﻧﻤﺎﻳﺶ ﻓﻀﺎي ﺣﺎﻟﺖ ﺳﻴﺴﺘﻢ ﻫﺎي ﻏﻴﺮﺧﻄﻲ و ﺧﻄﻲ‬

‫‪‬‬
‫‪x(t )  f  x(t ), u (t ), t ‬‬ ‫دﺳﺘﮕﺎه ﻣﻌﺎدﻻت دﻳﻔﺮاﻧﺴﻴﻞ ﻏﻴﺮ ﺧﻄﻲ‬
‫ﻣﻌﺎدﻻت ﺳﻴﺴﺘﻢ‬
‫‪y (t )  g  x (t ), u (t ), t ‬‬ ‫ﻣﻌﺎدﻻت ﻏﻴﺮ ﺧﻄﻲ ﺧﺮوﺟﻲ‬

‫‪‬‬

‫ﻢ ﻲ‬
‫ﺧﻄﻲ‬ ‫ﺳﻴﺴﺘﻢ‬‫ﻴ‬ ‫) ‪x(t )  A(t ) x(t )  B(t )u (t‬‬ ‫ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺧﻄﻲ‬
‫ﻣﺘﻐﻴﺮ ﺑﺎ زﻣﺎن‬
‫) ‪y (t )  C (t )x (t )  D (t )u (t‬‬ ‫ﻣﻌﺎدﻻت ﺧﻄﻲ ﺧﺮوﺟﻲ‬

‫‪4‬‬

‫‪2‬‬
 ‫ﺳﻴﺴﺘﻢ ﺧﻄﻲ ﺗﻐﻴﻴﺮ ﻧﺎﭘﺬﻳﺮ ﺑﺎ زﻣﺎن‬ ‫•‬
‫‪‬‬
‫) ‪x(t )  Ax(t )  Bu (t‬‬
‫) ‪y (t )  Cx (t )  Du (t‬‬

‫• ﺧﻄﻲ ﺳﺎزي ﺳﻴﺴﺘﻢ ﻫﺎي ﻏﻴﺮﺧﻄﻲ‪ :‬ﭼﻨﺪ واﻗﻌﻴﺖ ﻛﻠﻴﺪي‬

‫‪ ‬ﺳﻴﺴﺘﻢ ﻫﺎي واﻗﻌﻲ و ﻓﺮاﻳﻨﺪﻫﺎي ﺻﻨﻌﺘﻲ ﻏﻴﺮﺧﻄﻲ اﻧﺪ‬
‫ﺳﻴﺴﺘﻢ ﻣﻣﻲ دﻫﺪ‬
‫ﻛﺎر ﺳﻴ ﺘﻢ‬‫ﺧﻄﻲ ددر ﻧﻘﺎط ﻛﺎ‬
‫رﻓﺘﺎري ﺧﻄ‬ ‫‪ ‬ﺧﻄ‬
‫ﺧﻄﻲ ﺳﺎزي ﺑﺎ دﻗﺖ ﻣﻨﺎﺳﺐ ﻓﺘﺎ ي‬
‫‪ ‬ﺳﻴﺴﺘﻢ ﻫﺎي ﻛﻨﺘﺮل ﺧﻄﻲ ﻓﺮاﻳﻨﺪﻫﺎي ﭘﻴﭽﻴﺪه ﻏﻴﺮﺧﻄﻲ را در ﻧﻘﺎط ﻛﺎر ﺑﺎ ﻣﻮﻓﻘﻴﺖ‬
‫ﻛﻨﺘﺮل ﻣﻲ ﻛﻨﻨﺪ‬
‫‪ ‬اﻧﺘﺨﺎب درﺳﺖ ﻧﻘﺎط ﻛﺎر ‪ -‬ﺧﻄﻲ ﺳﺎزي درﺳﺖ و ﻃﺮاﺣﻲ ﻣﻘﺎوم ﻣﺤﻮرﻫﺎي ﻣﻮﻓﻘﻴﺖ‬
‫‪5‬‬

‫ﺧﻄﻲ ﺳﺎزي ﺑﺎ ﺑﺴﻂ ﺳﺮي ﺗﻴﻠﻮر ﺗﺎﺑﻊ ﺗﺤﻠﻴﻠﻲ‪:‬‬ ‫•‬

‫‪‬‬
‫) ‪1 d n f (x‬‬
‫‪f (x )  ‬‬
‫!‬

‫‪x x 0‬‬ ‫‪(x  x 0 ) n‬‬ ‫‪x 0  Operating Point‬‬

‫‪n 0 n‬‬ ‫‪dx n‬‬

‫) ‪df (x‬‬
‫‪f (x )  f (x 0 ) ‬‬ ‫‪x x 0‬‬ ‫) ‪(x  x 0‬‬
‫‪dx‬‬

‫در ﺣﺎﻟﺖ ﺑﺮداري‪:‬‬ ‫•‬

‫)‪f(x‬‬
‫‪f(x)  f(x 0 )+‬‬ ‫) ‪(x-x 0‬‬
‫‪x‬‬
‫‪x=x 0‬‬

‫‪f i‬‬
‫‪ J x ij‬‬ ‫‪‬‬ ‫ﻣﺎﺗﺮﻳﺲ ﺟﺎﻛﻮﺑﻴﻦ‬
‫‪x j‬‬ ‫‪6‬‬

‫‪3‬‬
 :‫• ﻛﺎرﺑﺮد در ﺳﻴﺴﺘﻢ ﻫﺎي ﻏﻴﺮ ﺧﻄﻲ‬
x (t )  x 0 (t )  x (t )
u (t )  u 0 (t )  u (t )


x(t )  f  x(t ), u (t ), t 

 
x0 (t )   x(t )  f  x0 (t ), u0 (t ), t   J x ( x0 (t ), u0 (t ), t )x(t )
 J u ( x0 (t ), u0 (t ), t )u (t ) 


 x(t )  J x ( x0 (t ), u0 (t ), t )x(t )  J u ( x0 (t ), u0 (t ), t )u (t )
 A(t )x(t )  B(t )u (t )
7

:‫ﺑﻪ ﻃﻮر ﻣﺸﺎﺑﻪ‬

y (t )  C (t )x (t )  D (t ) u (t )
Where,
C (t )  g x (x 0 (t ), u 0 (t ), t ), D (t )  g u (x 0 (t ), u 0 (t ), t )

:‫و ﺑﺮاي ﺳﻴﺴﺘﻢ ﻫﺎي ﺗﻐﻴﻴﺮ ﻧﺎﭘﺬﻳﺮ ﺑﺎ زﻣﺎن دارﻳﻢ‬


x(t )  Ax(t )  Bu (t )
y (t )  Cx(t )  Du (t )
.‫ ﺧﻄﺎﻫﺎي ﻣﺪﻟﺴﺎزي ﺑﻪ ﻋﻠﺖ ﻧﺎدﻳﺪه ﮔﺮﻓﺘﻦ ﻋﺒﺎرت ﻫﺎي ﻣﺮﺗﺒﻪ ﺑﺎﻻﺗﺮ‬:‫ﻧﻜﺘﻪ‬
.‫ﭘﻴﺪاﻳﺶ ﻣﻔﻬﻮم ﻣﻘﺎوﻣﺖ ﺳﻴﺴﺘﻢ ﻛﻨﺘﺮل و ﻃﺮاﺣﻲ ﻛﻨﺘﺮل ﻣﻘﺎوم‬
8

4
www.powerjam.ir

10

5
11

12

6
 ‫• اﻧﺘﺨﺎب ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ‬

‫‪ ‬ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ ﻳﻜﺘﺎ ﻧﻴﺴﺘﻨﺪ‪.‬‬

‫ﻓﻴﺰﻳﻜﻲ‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻓ ﻜ‬
‫ﺣﺎﻟﺖ ﺳﻴﺴﺘﻢ‪ :‬ﻐ ﺎ‬ ‫‪ ‬ﺎﻟ‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻓﺎز‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻛﺎﻧﻮﻧﻴﻜﺎل‬
‫‪ ‬ﻣﺘﻐﻴﺮﻫﺎي ﻓﻴﺰﻳﻜﻲ‪ :‬اﻋﻀﺎ ﻧﮕﻬﺪارﻧﺪه اﻧﺮژي‬
‫ﻧﺎواﺑﺴﺘﻪ‬ ‫‪ ‬ﺮ‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ وواﺑﺴﺘﻪ و و‬
‫‪ ‬ﻣﺪل ﺣﺎﻟﺖ ﻣﻲ ﻧﻴﻤﺎل و ﻏﻴﺮﻣﻲ ﻧﻴﻤﺎل‬

‫‪13‬‬

‫‪14‬‬

‫‪7‬‬
‫ﻣﺜﺎل‬ ‫•‬

‫‪15‬‬

‫‪16‬‬

‫‪8‬‬
‫ﻣﺜﺎل‬ ‫•‬

‫‪17‬‬

‫‪18‬‬

‫‪9‬‬
 ‫‪19‬‬

‫• ﻣﻮﺗﻮر ‪ dc‬ﻛﻨﺘﺮل آرﻣﻴﭽﺮ‬

‫ورودي‬
‫ﺧﺮوﺟﻲ‬

‫اﺑﺘﺪا ﻣﻌﺎدﻻت دﻳﻨﺎﻣﻴﻜﻲ ﺳﻴﺴﺘﻢ را ﻣﻲ ﻧﻮﻳﺴﻴﻢ‪:‬‬

‫اﻧﺘﺨﺎب ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ؟‬

‫‪20‬‬

‫‪10‬‬
 ‫‪21‬‬

‫اﻣﺎ اﮔﺮ ﺧﺮوﺟﻲ ﺳﻴﺴﺘﻢ ﺳﺮﻋﺖ زاوﻳﻪ اي ﺷﻔﺖ ﺑﺎﺷﺪ‪ ،‬ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ‬
‫اﻳﻦ ﮔﻮﻧﻪ ﻣﻲ ﺷﻮﻧﺪ‪:‬‬

‫و ﻣﻌﺎدﻻت ﻓﻀﺎي ﺣﺎﻟﺖ اﻳﻦ ﮔﻮﻧﻪ ﻣﻲ ﺷﻮﻧﺪ‪:‬‬

‫آﻳﺎ ﻣﻲ ﺗﻮان در ﻧﻮﺷﺘﻦ ﻣﻌﺎدﻻت ﺳﻴﺴﺘﻢ در اﻳﻦ ﻣﻮرد از ﺳﻪ ﻣﺘﻐﻴﺮ ﺣﺎﻟﺖ‬

‫اوﻟﻴﻪ اﺳﺘﻔﺎده ﻛﺮد؟‬

‫‪22‬‬

‫‪11‬‬
Linear State Space Control Systems, R L. Williams, D A. Lawrence,
Wiley,2007.
23

24

12
www.powerjam.ir

25

26

13
 ‫ﺣﻞ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ ﺳﻴﺴﺘﻢ ﻫﺎي ﺗﻐﻴﻴﺮﻧﺎﭘﺬﻳﺮ ﺑﺎ زﻣﺎن‬ 

x(t )  Ax(t )  Bu (t )
x (t 0 ),u (t ) x (t ), y (t )
y (t )  Cx(t )

‫ﻣﺎﺗﺮﻳﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ‬ •


p  A(t  t0 )  x(t0 )   (t  t0 ) x(t0 )
x(t )  Ax(t )  x(t )  exp

27

‫• ﺣﻞ ﻛﺎﻣﻞ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ و ﺧﺮوﺟﻲ ﺳﻴﺴﺘﻢ ﻫﺎي ﺗﻐﻴﻴﺮﻧﺎﭘﺬﻳﺮ ﺑﺎ زﻣﺎن‬


e  At x(t )  e  At Ax(t )  e At Bu (t )
d   At 
  e x(t )   e  At Bu (t )
dt  
t
e  At
x(t )  e  At0
x(t0 )   e  A Bu ( )d
t0
t
 x(t )  e A(t t0 ) x(t0 )   e A(t  ) Bu ( )d
t0

‫ﭘﺎﺳﺦ آزاد ﻳﺎ‬

‫ﭘﺎﺳﺦ ورودي ﺻﻔﺮ‬ ‫ﭘﺎﺳﺦ ﻛﻨﺘﺮل ﺷﺪه ﻳﺎ‬
‫ﭘﺎﺳﺦ ﺣﺎﻟﺖ ﺻﻔﺮ‬
28

14
‫• ﺣﻞ ﻛﺎﻣﻞ ﻣﻌﺎدﻻت ﺣﺎﻟﺖ و ﺧﺮوﺟﻲ ﺑﺎ ﺗﺒﺪﻳﻞ ﻻﭘﻼس‬

‫‪29‬‬

‫‪30‬‬

‫‪15‬‬
31

32

16
 ‫ﺗﺒﺪﻳﻠﻬﺎي ﻫﻤﺎﻧﻨﺪي‬ ‫‪‬‬
‫‪ ‬ﻧﻤﺎﻳﺶ ﻓﻀﺎي ﺣﺎﻟﺖ ﻳﻜﺘﺎ ﻧﻴﺴﺖ‬
‫‪ ‬ﻣﺘﻐﻴﺮﻫﺎي ﺣﺎﻟﺖ اﻧﺘﺨﺎب ﺷﺪه وﻳﮋﮔﻲ ﻫﺎي ﺧﻮد را دارﻧﺪ‬
‫‪ ‬ﻛﺎرﺑﺮي ﻫﺎي ﺧﺎص ﺑﺮﺧﻲ ﻧﻤﺎﻳﺶ ﻫﺎي ﻓﻀﺎي ﺣﺎﻟﺖ‪:‬‬
‫ﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢ‬
‫ﻃﺮاﺣﻲ ﻓﻴﺪﺑﻚ ﺣﺎﻟﺖ‬
‫روﻳﺘﮕﺮﺮ‬
‫ﻲ روﻳ‬
‫ﻃﺮاﺣﻲ‬
‫ﺮ‬
‫‪ ‬ﺗﺒﺪﻳﻞ ﻫﻤﺎﻧﻨﺪي ﻳﻚ اﺑﺰار ﻣﻨﺎﺳﺐ‬

‫‪33‬‬

‫‪‬‬
‫) ‪x(t )  Ax(t )  Bu (t‬‬
‫) ‪y (t )  Cx(t‬‬

‫) ‪x (t )  Tz (t‬‬

‫‪‬‬
‫) ‪z (t )  T 1 ATz (t )  T 1 Bu (t‬‬
‫) ‪y (t )  CTz (t‬‬

‫• دو ﻧﻤﺎﻳﺶ ﻛﺎﻣﻼ ﻣﻌﺎدل اﻧﺪ‪ .‬ﺧﻮاص ذاﺗﻲ ﺳﻴﺴﺘﻢ از ﻗﺒﻴﻞ ﻗﻄﺐ ‪ -‬ﺻﻔﺮ ‪-‬‬
‫ﭘﺎﻳﺪاري و ‪ ...‬ﺑﺎ ﺗﺒﺪﻳﻞ ﻣﺘﻐﻴﺮ ﺣﺎﻟﺖ ﺗﻐﻴﻴﺮ ﻧﻤﻲ ﻛﻨﻨﺪ‪.‬‬
‫‪34‬‬

‫‪17‬‬
‫ﻣﺜﺎل‬ ‫•‬

‫‪35‬‬

‫‪36‬‬

‫‪18‬‬
 ‫ﻗﻄﺮي ﺳﺎزي ﻣﻌﺎدﻻت ﺣﺎﻟﺖ و ﺧﺮوﺟﻲ‬ ‫‪‬‬
‫‪ ‬وﻳﮋﮔﻲ ﻫﺎي ﻧﻤﺎﻳﺶ ﻗﻄﺮي ﻣﺪال ﻳﺎ ﻧﺮﻣﺎل ﻓﻀﺎي ﺣﺎﻟﺖ‬
‫ﻣﺎﺗﺮﻳﺲ ال‬
‫ﻣﺪال‬ ‫ﺗﻮﺳﻂ ﺎ‬
‫ﻫﻤﺎﻧﻨﺪي ﻂ‬ ‫ﺗﺒﺪﻳﻞ ﺎ‬
‫ﺳﺎزي ﺎﺑﺎ ﻞ‬ ‫‪ ‬ﻗﻄ‬
‫ﻗﻄﺮي ﺎ‬

‫‪  diag 1 , 2 , , n ‬‬

‫‪  T 1AT‬‬

‫‪‬‬
‫) ‪z (t ) z (t )Bnu(t‬‬
‫) ‪y (t ) Cnz (t‬‬

‫‪37‬‬

‫• ﻳﻚ ﻛﺎرﺑﺮد‪ :‬ﻣﺤﺎﺳﺒﻪ ﻣﺎﺗﺮﻳﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ‬

‫• ﻣﺎﺗﺮﻳﺲ ﻣﺪال‪:‬‬
‫ﻣﻘﺎدﻳﺮ وﻳﮋه ﻣﺘﻤﺎﻳﺰ‬
‫ﻣﻘﺎدﻳﺮ وﻳﮋه ﺗﻜﺮاري و ﺑﺮدارﻫﺎي وﻳﮋه ﻧﺎواﺑﺴﺘﻪ ﺧﻄﻲ‬
‫ﻣﻘﺎدﻳﺮ وﻳﮋه ﺗﻜﺮاري و ﺑﺮدارﻫﺎي وﻳﮋه واﺑﺴﺘﻪ ﺧﻄﻲ‬
‫ﻣﻘﺎدﻳﺮ وﻳﮋه ﻣﺨﺘﻠﻂ ﻣﺰدوج‬
‫• ﺻﻮرت ﻫﺎي ﻣﺎﺗﺮﻳﺲ ﺣﺎﻟﺖ ﺗﺒﺪﻳﻞ ﺷﺪه‪:‬‬
‫ﻗﻄﺮي ﻛﺎﻣﻞ‬
‫ﻗﻄﺮي ﺑﻠﻮﻛﻲ‬
‫ﻗﻄﺮي ﺑﻠﻮﻛﻲ ﺟﺮدن‬

‫‪38‬‬

‫‪19‬‬
‫• ﻣﺤﺎﺳﺒﻪ ﻣﺎﺗﺮﻳﺲ ﻣﺪال‪ :‬ﻣﺎﺗﺮﻳﺲ ﺣﺎﻟﺖ ﺑﺎ ﻣﻘﺎدﻳﺮ وﻳﮋه ﻣﺘﻤﺎﻳﺰ‬

‫‪Av i  v i i‬‬ ‫‪i  1, , n‬‬

‫] ‪A [v 1 v n ]  [v 11 v n n‬‬

‫‪1‬‬ ‫‪0‬‬
‫‪‬‬
‫‪ A [v 1 v n ]  [v 1 v n ] ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪ 0‬‬ ‫‪n ‬‬
‫‪T‬‬

‫‪T 1AT  ‬‬

‫• ﻗﻀﻴﻪ ‪1-2‬‬

‫‪39‬‬

‫• ﻳﻚ ﺣﺎﻟﺖ ﺧﺎص‪ :‬ﻣﺎﺗﺮﻳﺲ ﺣﺎﻟﺖ ﺑﻪ ﺻﻮرت ﻫﻤﺒﺴﺘﻪ‬

‫ﻣﺎﺗﺮﻳﺲ ﻣﺪال ﺑﻪ ﺻﻮرت وﻧﺪرﻣﻮﻧﺪ‬

‫• ﻛﺎرﺑﺮد اﻟﺤﺎﻗﻲ ﻣﺎﺗﺮﻳﺲ در ﻣﺤﺎﺳﺒﻪ ﺑﺮدارﻫﺎي وﻳﮋه‬

‫• ﻣﺜﺎل‬

‫‪40‬‬

‫‪20‬‬
www.powerjam.ir

41

42

21
 ‫‪43‬‬

‫• ﻗﻄﺮي ﺑﻠﻮﻛﻲ ﺳﺎزي ﻣﺎﺗﺮﻳﺲ ﺣﺎﻟﺖ ﺑﺎ ﻣﻘﺎدﻳﺮ وﻳﮋه ﻣﺨﺘﻠﻂ‬

‫‪ ‬ﻣﺎﺗﺮﻳﺲ ﺣﺎﻟﺖ ‪‬ﻣﻘﺪار و ﺑﺮداروﻳﮋه ﻣﺨﺘﻠﻂ ‪ ‬ﻣﺎﺗﺮﻳﺲ ﻣﺪال ﻣﺨﺘﻠﻂ‬
‫‪ ‬ﻧﻤﺎﻳﺶ ﻓﻀﺎي ﺣﺎﻟﺖ ﻣﺨﺘﻠﻂ؟‬
‫ﺗﺒﺪﻳﻞ‪:‬‬
‫ﻣﺎﺗﺮﻳﺲ ﻞ‬ ‫‪ ‬ا ﻼ‬
‫اﺻﻼح ﺎ‬
‫] ‪T  [Re v 1 , Im v 1 , , Re v m  , Im v m  ,v m  2 , ,v n‬‬

‫‪ ‬ﻣﺎﺗﺮﻳﺲ ﻗﻄﺮي ﺑﻠﻮﻛﻲ ﺗﺒﺪﻳﻞ ﺷﺪه‪:‬‬

‫‪   1 1 ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪  1  1 ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪  3 3 ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪   ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ 3‬‬ ‫‪3‬‬ ‫‪0‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪  T AT ‬‬
‫‪‬‬ ‫‪ m‬‬ ‫‪m ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ m‬‬ ‫‪ m ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪m  2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪44‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n ‬‬

‫‪22‬‬
‫ﻣﺜﺎل‬ ‫•‬

‫‪45‬‬

‫‪46‬‬

‫‪23‬‬
 ‫• ﻗﻄﺮي ﺑﻠﻮﻛﻲ ﺳﺎزي ﻣﺎﺗﺮﻳﺲ ﺣﺎﻟﺖ ﺑﻪ ﺻﻮرت ﻛﺎﻧﻮﻧﻴﻜﺎل ﺟﺮدن‬
‫‪ ‬ﻣﺎﺗﺮﻳﺲ ﺣﺎﻟﺖ ﺑﺎ ﻣﻘﺎدﻳﺮ وﻳﮋه ﺗﻜﺮاري و ﺑﺮدارﻫﺎي وﻳﮋه واﺑﺴﺘﻪ ﺧﻄﻲ‬
‫‪ ‬ﻣﺎﺗﺮﻳﺲ ﻣﺪال وﻳﮋه ‪ ‬ﺑﺮدارﻫﺎي وﻳﮋه ﺗﻌﻤﻴﻢ ﻳﺎﻓﺘﻪ ‪ ‬ﺗﺒﺪﻳﻞ ﺑﻪ‬
‫ﻛﺎﻧﻮﻧﻴﻜﺎل ﺟ دن‬
‫ﺟﺮدن‬ ‫ﺻﻮرت ﻛﺎﻧ ﻧ ﻜﺎل‬
‫ﺻ ت‬
‫‪ ‬ﺻﻮرت ﻛﺎﻧﻮﻧﻴﻜﺎل ﺟﺮدن‪:‬‬

‫‪J p 1‬‬ ‫‪‬‬

‫‪‬‬ ‫‪J p2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪J ‬‬ ‫‪J p‬‬ ‫‪‬‬
‫‪‬‬ ‫‪k 1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫ﺑﻠﻮك ﻫﺎي ﺟﺮدن‬ ‫‪‬‬ ‫‪0‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n ‬‬
‫‪‬‬
‫‪47‬‬

‫• آﻧﭽﻪ ﻛﻪ ﺑﺎﻳﺪ ﺑﺪاﻧﻴﻢ‪:‬‬

‫‪ ‬ﺻﻮرت ﻛﻠﻲ ﺑﻠﻮك ﻫﺎي ﺟﺮدن‬
‫ﻣﺘﻔﺎوت‬
‫ن ﻳﻳﺎ و‬‫وﻳﮋه ﻳﻳﻜﺴﺎن‬
‫ﻳﺮ وﻳﮋ‬
‫ن ﻣﺘﻨﺎﻇﺮﺮ ﺑﺑﺎ ﻣﻘﺎدﻳﺮ‬
‫ﺟﺮدن‬
‫ﻫﺎي ﺟﺮ‬
‫ﺑﻠﻮك ي‬ ‫‪ ‬ﺑﻮ‬
‫‪ ‬اﺑﻌﺎد ﺑﻠﻮك ﻫﺎي ﺟﺮدن‬
‫‪ ‬ﺗﻌﺪاد ﺑﻠﻮك ﻫﺎي ﺟﺮدن‬
‫‪ ‬ﺣﺎﺻﻞ ﺟﻤﻊ درﺟﻪ ﺑﻠﻮك ﻫﺎي ﺟﺮدن ﻣﺘﻨﺎﻇﺮ ﺑﺎ ﻳﻚ ﻣﻘﺪار وﻳﮋه ﻣﻜﺮر‬
‫‪ ‬ﺑﺮدارﻫﺎي وﻳﮋه ﺗﻌﻤﻴﻢ ﻳﺎﻓﺘﻪ‬
‫‪ ‬ﺗﻌﺪاد ﺑﺮدارﻫﺎي وﻳﮋه ﻧﺎواﺑﺴﺘﻪ ﺧﻄﻲ‪:‬‬
‫‪ (1I  A )  ‬‬

‫‪48‬‬

‫‪24‬‬
 ‫• آﻧﭽﻪ ﻛﻪ ﺑﺎﻳﺪ ﺑﺪاﻧﻴﻢ)اداﻣﻪ(‪:‬‬
‫‪ ‬ﻣﺤﺎﺳﺒﻪ ﺑﺮدارﻫﺎي وﻳﮋه ﺗﻌﻤﻴﻢ ﻳﺎﻓﺘﻪ‬
‫ﻗﻀﻴﻪ ‪(2-2‬‬
‫ﻲ اﻧﺪ ) ﻴ‬
‫ﻧﺎواﺑﺴﺘﻪ ﺧﻄﻲ‬
‫ﻴﻢ ﻳﻳﺎﻓﺘﻪ و ﺑ‬
‫وﻳﮋه ﺗﻌﻤﻴﻢ‬ ‫‪ ‬ﺑﺮ ر ي‬
‫ﺑﺮدارﻫﺎي وﻳﮋ‬
‫‪ ‬ﻣﺎﺗﺮﻳﺲ ﺗﺒﺪﻳﻞ ﺑﻪ ﺻﻮرت ﻛﺎﻧﻮﻧﻴﻜﺎل ﺟﺮدن‪:‬‬

‫] ‪T (1 )  [v 1 , 11 , , 1 p1 1 ,v 2 , ,v  ,  1 , ,  p 1‬‬

‫‪‬‬
‫] ‪T  [T (1 )v k 1 v n‬‬
‫‪ ‬ﺻﻮرت ﺟﺮدن ﺗﺒﺪﻳﻞ ﺷﺪه از ﻣﺎﺗﺮﻳﺲ ﺑﺎﻻ‬

‫‪49‬‬

‫‪50‬‬

‫‪25‬‬
51

52

26
53

54

27
 ‫‪55‬‬

‫• ﻣﺤﺎﺳﺒﻪ ﻣﺎﺗﺮﻳﺲ اﻧﺘﻘﺎل ﺣﺎﻟﺖ‬

‫‪56‬‬

‫‪28‬‬
 57

‫ ﻣﺪﻫﺎي ﺳﻴﺴﺘﻢ وﺗﺠﺰﻳﻪ ﻣﺪال‬

‫ ﺗﺠﺰﻳﻪ ﻣﺪال‬
‫ﻣﻘﻴﺎس ﺰ گ‬
‫ﺑﺰرگ‬ ‫ﻫﺎي ﻘ ﺎ‬
‫درﺳﻴﺴﺘﻢ ﻫﺎ‬
‫ﺘ‬ ‫ ﻛﺎ د‬
‫ﻛﺎرﺑﺮد د‬
n n
x (t )  z
i 1
i (t )e i B u (t )    i (t )e i
i 1

‫ﭘﺎﻳﻪ ﻓﻀﺎي ﺣﺎﻟﺖ‬

n  n n

 z i (t )ei =
i 1
 zi (t ) Aei  i (t )ei
i 1 i 1
n 
  ( z i (t )  zi (t )i  i (t ))ei  0
i 1
58

29
 ‫‪‬‬
‫) ‪ z i (t )  zi (t )i  i (t‬‬ ‫‪i  1, , n‬‬

‫ﺑﺎ ﺑﺮدارﻫﺎي وﻳﮋه ﺗﻌﻤﻴﻢ ﻳﺎﻓﺘﻪ ﻣﻌﺎدﻟﻪ اﻳﻦ ﭼﻨﻴﻦ ﻣﻲ ﺷﻮد‪:‬‬

‫‪‬‬
‫) ‪z i (t )  zi (t )i  zi 1 (t )   i (t‬‬ ‫‪i  1, , n‬‬

‫‪z i (t )e i‬‬ ‫• ﻣﺪﻫﺎي ﺳﻴﺴﺘﻢ ‪:‬‬

‫‪59‬‬

‫• ﺳﺎﺧﺘﺎر وﻳﮋه ﺳﻴﺴﺘﻢ‬

‫‪ ‬ﺳﺎﺧﺘﺎر وﻳﮋه ﺳﻴﺴﺘﻢ‪ :‬ﻣﻘﺎدﻳﺮ وﻳﮋه‬
‫ﺑﺮدار وﻳﮋه راﺳﺖ‬
‫ﺑﺮدار وﻳﮋه ﭼﭗ‬
‫ا‬

‫‪w Ti A  iw Ti‬‬

‫‪Aei  i ei‬‬

‫ﻧﻮﺷﺖ‪:‬‬
‫ن ﻮ‬‫ﺗﻮان‬
‫ﻲ ﻮ‬‫‪ ‬ﻣﻲ‬
‫‪n‬‬
‫‪e At   e i e i tw iT‬‬
‫‪i 1‬‬

‫‪60‬‬

‫‪30‬‬
 ‫• ﭘﺎﺳﺦ ﺳﻴﺴﺘﻢ ﺑﺪون ورودي‬

x (t )  Ax (t ) 
z (t )  z (t )

z i (t )  e i t z i (0)

n
Tz (t )   e i e i t z i (0)
x (t )  T
i 1

n
zi (0)  wiT x(0)  ci
x (t )   e i c i e i t

i 1 61

‫• ﻣﺜﺎل‬
:‫ﺳﻴﺴﺘﻢ زﻳﺮ را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‬
 
 x1    0 1   x1 
    2 3  x2 
 x2 
:‫ ﻣﺸﺨﺼﻪ ﻫﺎي ﺳﻴﺴﺘﻢ ﺑﻪ دﺳﺖ ﻣﻲ آﻳﻨﺪ‬،‫ﺑﺎ ﻣﺤﺎﺳﺒﻪ‬
1, 2 :‫ﻣﻘﺎدﻳﺮ وﻳﮋه‬
:‫ﺑﺮدارﻫﺎي وﻳﮋه راﺳﺖ‬
  1   1 
    
  1  2  
:‫ﺑﺮدارﻫﺎي وﻳﮋه ﭼﭗ‬
  2  1 
    
 1  1  62

31
 :‫ﺿﺮاﻳﺐ ﻣﺸﺎرﻛﺖ‬
 x (0) 
c1  w x(0)   2 1  1   2 x1 (0)  x2 (0)
T
1
 x2 (0) 
 x (0) 
c2  w2T x(0)  1 1  1   x1 (0)  x2 (0)
 x2 (0) 
:‫دارﻳﻢ‬
x(t )  e1c1e  t  e 2 c2 e 2t
:‫اﮔﺮ‬
c1  0  x(t )  e 2 c2 e2t
c2  0  x(t )  e1c1e t
:‫ﺗﻮﺟﻪ ﻛﻨﻴﺪ ﻛﻪ‬
 1
x(0)     e2  c1  0
2
1
x(0)     e1  c2  0
 1 63

64

32
 65

66

33
www.powerjam.ir