自动控制基础基础实验-----典型环节的电路模拟与仿真(积分 惯性 比例 积分比例 ... ... )

简介: 通过各种典型环节[比例( p )环节、惯性环节、比例微分(PD)环节、比例积分(PI) 环节、积分(I)环节、比例积分微分(PID)环节]的设计,熟悉MATLAB软件仿真开发环境,掌握典型环节设计的流程,完成各种典型环节软件仿真模拟电路的阶跃特性测试,并研究参数变化对典型环节阶跃特性的影响。

自动控制基础基础实验

实验一 典型环节的电路模拟与仿真

实验目的

通过各种典型环节[比例( p )环节、惯性环节、比例微分(PD)环节、比例积分(PI) 环节、积分(I)环节、比例积分微分(PID)环节]的设计,熟悉MATLAB软件仿真开发环境,掌握典型环节设计的流程,完成各种典型环节软件仿真模拟电路的阶跃特性测试,并研究参数变化对典型环节阶跃特性的影响。

实验器材

MATLAB

实验内容

完成各种典型环节的阶跃特性测试,并研究参数变化对典型环节阶跃特性的影响。包括比例( P )环节、惯性环节、比例微分(PD)环节、比例积分(PI) 环节、积分(I)环节、比例积分微分(PID)环节。

打开实验环境

打开MATLAB,点击Simulink,在Simulink里新建一个Blank Model.

在这里插入图片描述

在这里插入图片描述
点击完blank model后得到下面界面

在这里插入图片描述


1) 比例环节

==原理:==

比例积分环节的时域图如下:
在这里插入图片描述

比例环节的微分方程为:

$$ c(t)=K*e(t) $$

比例环节传递函数为:
$$ G(s)=K$$
故单位阶跃响应为:
在这里插入图片描述
==实操:==

在以上界面我们建立如下原理图:
在这里插入图片描述
点击运行按钮后,双击scope将会显示图像如图:

在这里插入图片描述
我设置的阶跃函数x=1开始,幅值为1,后面例子都是如此,就不再赘述。

参数K对比例环节的影响:

原理图按下图连接:
在这里插入图片描述
scoop得到的图像为:
在这里插入图片描述

ps: 后续单一变量的scoop图像都以黑色为底色,观察参数影响的scoop图以白色为底色.

分析:根据scope图像显示,我们可以得到一个从1开始,幅值为2的阶跃函数。此处对应比例环节。即为初始阶跃信号乘上比例系数2得到的信号。


2)惯性环节

==原理:==

惯性环节极点图:
在这里插入图片描述
惯性环节的微分方程为:
在这里插入图片描述
惯性环节传递函数为:

![在这里插入图片描述](https://ucc.alicdn.com/images/user-upload-01/207a6a44f2d6421aacf83e4bbf276f95.png#pic_center)

故单位阶跃响应为:
在这里插入图片描述

==实操:==
构建如下原理图:
在这里插入图片描述
运行后点击scope得到如下图像:

在这里插入图片描述

参数T对惯性环节的影响:

构建如下原理图:
在这里插入图片描述

scoop图为:

在这里插入图片描述

分析:根据scope图像显示,我们可以更好地理解什么是惯性环节,惯性环节的输出一开始并不与输入同步按比例变化,而是直到过渡过程结束,y(t)才能与x(t)保持比例,所以我们发现,系统稳定时,输出为1。与输入的阶跃信号重合。我们可以辅以电容充电过程理解,当电容两端开始接上电压时(初始状态为0),充电过程不是瞬间完成的,需要时间Δt。即为充电过程,充电完毕后才能达到两端接口电压值。
==且T越大,信号达到稳态时间越长。==


3)比例微分(PD)环节

==原理:==

比例微分环节阶跃特性:
在这里插入图片描述

比例微分环节的微分方程为:
在这里插入图片描述

比例微分环节的传递函数为:

在这里插入图片描述

故单位阶跃响应为:
在这里插入图片描述

==实操:==

构建如下原理图:
在这里插入图片描述

运行后点击scope得到如下图像:

在这里插入图片描述

参数KD不变时,参数Kp变化对比例微分环节阶跃特性的影响:

按下图连接:
在这里插入图片描述

==上述每一个操作块都为下图的结构==

在这里插入图片描述

scoop图像为:
在这里插入图片描述

参数Kp不变时,参数KD变化对比例微分环节阶跃特性的影响:

scoop图像为:

在这里插入图片描述

分析:根据scope图像显示,我们从原理图上可以看到这么一个模块Δu/Δt,这个模块作为微分环节,字面意思即为求微分,而阶跃信号,求微分时只在转折点处,此处即为x=1处。阶跃信号求导,其导数趋向于∞。比例积分即微分加上比例环节。这就与我们的理论知识阶跃函数在转折点处导数为冲击函数,冲击函数在图像上的表现即为一条高度趋向于∞,宽度趋向于0的矩形。(即为无限高的射线)


4)比例积分(PI) 环节

==原理:==

比例积分环节阶跃特性:
在这里插入图片描述

比例积分环节的微分方程为:

在这里插入图片描述

比例积分环节的传递函数为:

在这里插入图片描述

故单位阶跃响应为:
在这里插入图片描述

==实操:==

构建如下原理图:
在这里插入图片描述

运行后点击scope得到如下图像:

在这里插入图片描述

参数KI不变时,参数Kp变化对比例积分环节阶跃特性的影响:

构建如下原理图:

在这里插入图片描述

scoop图像为:

在这里插入图片描述

参数Kp不变时,参数KI变化对比例积分环节阶跃特性的影响:

构建如下原理图:

在这里插入图片描述

分析: 根据scope图像显示,我们发现结果为阶跃信号加上一个斜坡信号,其中斜坡信号即为积分环节,两者结合即为比例积分环节。仔细观察可以得到图像的斜线开始与x=1,y=1点,即为上述的阶跃信号加上斜坡信号。(斜坡信号即为阶跃信号的积分)


5)积分(I)环节

==原理:==

积分环节阶跃特性:
在这里插入图片描述

积分环节的微分方程为:

在这里插入图片描述

积分环节的传递函数为:

在这里插入图片描述

故单位阶跃响应为:

在这里插入图片描述

==实操:==
构建如下原理图:
在这里插入图片描述

运行后点击scope得到如下图像:

在这里插入图片描述

参数T变化对积分环节阶跃特性的影响:

构建如下原理图:

在这里插入图片描述

scoop图像:

在这里插入图片描述

分析:根据scope图像显示,我们发现结果为斜坡信号,即阶跃信号的积分。且T越小,积分作用越明显。


6)比例积分微分(PID)环节

==原理:==

比例积分微分环节阶跃特性:

在这里插入图片描述

比例积分微分环节的微分方程为:
在这里插入图片描述

积分环节的传递函数为:
在这里插入图片描述

故单位阶跃响应为:
在这里插入图片描述

==实操:==

构建如下原理图:

在这里插入图片描述

运行后点击scope得到如下图像:

在这里插入图片描述

参数KI、KD不变时,参数Kp变化对比例积分微分环节阶跃特性的影响:

构建如下原理图:

在这里插入图片描述

scoop图像为:

在这里插入图片描述

参数Kp、KD不变时,参数KI变化对比例积分微分环节阶跃特性的影响:

scoop图像为:
在这里插入图片描述

参数Kp、KI不变时,参数KD变化对比例积分微分环节阶跃特性的影响:

在这里插入图片描述

分析:据scope图像显示,我们发现结果为上面三个实验的叠加,比如比例环节就是对幅值的一个影响。微分即会产生一个冲击信号,积分环节生成一个斜坡信号,当然上述的结果都是在输入信号为阶跃信号的前提下。
PID在我们自动化中非常重要,我们通过对比例、微分、积分三个环节进行系数占比的调整,可以得到令我们满意的结果。

总结

上述实验内容即为体会各种典型环节,通过观看输出的图像,以及分析结果来理解各环节的作用。

*ps:上述为我个人觉得比较典型的环节的仿真与分析。后续实验在另一篇文章内!*
                 🙆==如果想要相应的报告可以评论或私信联系我!==🙆‍♂️
         

在这里插入图片描述

相关文章
|
SQL NoSQL Java
JAVA使用Apcahe Calcite 解析sql
JAVA使用Apcahe Calcite 解析sql
4314 0
|
2月前
|
人工智能 JSON 安全
Claude Code插件系统:重塑AI辅助编程的工作流
Anthropic为Claude Code推出插件系统与市场,支持斜杠命令、子代理、MCP服务器等功能模块,实现工作流自动化与团队协作标准化。开发者可封装常用工具或知识为插件,一键共享复用,构建个性化AI编程环境,推动AI助手从工具迈向生态化平台。
488 1
|
资源调度 JavaScript
Pinia的数据持久化
Pinia的数据持久化
|
4月前
|
Ubuntu Linux 图形学
Ubuntu 25.04:全新升级与未来展望
此外,Ubuntu 25.04还同步发布了众多官方衍生版本和支持周期,如Kubuntu、Xubuntu、Ubuntu MATE、Budgie、Unity、Studio、Cinnamon和Kylin等。用户可以从Ubuntu官网轻松下载这些版本。值得注意的是,作为一个非LTS版本,支持周期为9个月,预计将于2026年1月结束。因此,对于那些需要稳定性和长期支持的用户来说,Ubuntu 24.04 LTS仍然是一个推荐的选择。
|
6月前
|
人工智能 API
阿里巴巴发布开源视频编辑全功能模型Wan2.1-VACE,视频创作迎来"全能选手"!
阿里巴巴发布的开源模型Wan2.1-VACE,作为“万相2.1”系列成员,是业内首个视频生成与编辑统一解决方案。该多合一AI模型支持文本、图像和视频的多模态输入,提供视频生成、局部编辑、画面延展等功能,大幅提升创作效率。借助创新技术如“视频条件单元”和“上下文适配”,Wan2.1-VACE可广泛应用于短视频制作、广告营销等领域。模型已上线Hugging Face等平台,免费下载使用,助力AI普惠。
1043 0
|
8月前
|
自然语言处理 API 数据库
2025年大模型就业:核心技术趋势、技能要求与职业发展全景解析
随着大语言模型(Large Language Models, LLMs)的技术飞速迭代,人工智能领域正经历从通用对话工具向高度智能化、任务导向的智能体(Agent)系统的深刻转型。到2025年4月,企业对掌握LLM相关技术的专业人才需求持续高涨,核心能力聚焦于检索增强生成(RAG)、智能体任务自动化、模型对齐优化以及多模态融合。本文将全面剖析2025年大模型就业市场的技术演进路径、核心技能要求、行业应用场景、推荐实践项目以及职业发展建议,旨在为从业者提供详尽的职业规划指南,帮助其精准把握行业机遇。
1978 6
|
前端开发 搜索推荐 C++
Marp 教程:如何在 VSCode 中引入自定义样式和主题
本文介绍了如何在 Marp 中引入自定义样式和主题,使你的幻灯片更加个性化和独特。首先,你需要安装 VSCode 和 Marp 插件,了解 Marp 的基本结构。接着,通过创建自定义 CSS 文件并在 Markdown 文件中引入,实现样式定制。此外,还可以创建和使用自定义主题,以及进行高级自定义,如调整布局、引入自定义字体和定义复杂动画。最后,使用 Marp 的预览功能实时查看效果。
|
存储 安全 虚拟化
【专栏】虚拟化技术将物理资源转化为虚拟资源,提高资源利用率和系统灵活性。
【4月更文挑战第28天】虚拟化技术将物理资源转化为虚拟资源,提高资源利用率和系统灵活性。通过服务器、存储和网络虚拟化,实现数据中心管理优化、云计算基础构建、企业IT成本降低及科研教育领域创新。尽管面临性能、安全挑战,但技术融合与创新、行业标准制定和可持续发展将推动虚拟化技术未来发展,为各领域带来更多可能性。
492 0
|
数据采集 JSON 数据可视化
基于Python的51job招聘数据采集与可视化项目实践
本文介绍了一个基于Python的51job招聘数据采集与可视化项目,该项目通过自动化手段获取大量招聘信息,并运用数据分析和可视化工具对就业市场进行深度分析,旨在为求职者和企业提供数据支持和决策依据。
716 5
|
数据可视化 数据库
scRNA分析|使用CellChat完成细胞通讯分析-简单且可视化出众,代码自取
scRNA分析|使用CellChat完成细胞通讯分析-简单且可视化出众,代码自取
2703 1