clear all;
close all;
clc
dt = 0.01; tmax = 20;
t = 0 : dt : tmax; s = tf('s'); %设定待辨识传递函数
w = 3; % 自然频率
f = 0.5; % 欠阻尼系数
H = w^2/(s^2 + 2*f*w*s + w^2) %传递函数 %设定输入的阶跃函数,并画出输入与输出函数 U = ones(1,tmax/dt + 1);
y = lsim (H,U,t);%求输出
plot(t,U,t,y); legend('u','y'); ylabel('Step Response') xlabel('Time, Seconds') %对二阶欠阻尼自衡对象传递函数参数进行辨识
int t1n t2n
for i=1:tmax/dt-1
if (y(i)<=y(i+1))&(y(i+1)>=y(i+2))
t1n = i
break
end
end
for i=t1n+1 : tmax/dt-1
if (y(i)<=y(i+1))&(y(i+1)>=y(i+2))
t2n = i
break
end
end
Tz = (t2n - t1n)*dt %求Tz
Y1 = y(t1n - 1) - 1
Y2 = y(t2n - 1) - 1
f0 = 1/(1 + (pi /log(Y1))^2)^0.5
if f0 < 1
w0 = 2*pi/(Tz*(1 - f0^2)^0.5)
else
w0 = 0;
end
H0 = w0^2/(s^2 + 2*f0*w0*s + w0^2) %传递函数
y1 = lsim (H0,U,t);%求输出
figure(2);
plot(t,y,t,y1); %画出原函数输出与辨识出的函数输出图像对比
legend('原系统','辨识系统');
title('原系统与辨识系统阶跃响应对比');
ylabel('Step Response')
xlabel('Time, Seconds')
信号与系统的MATLAB 仿真 一、信号生成与运算的实现 1.1 实现)3(sin )()(π±== =t t t t S t f a )(sin )sin()sin(sin )()(t c t t t t t t t S t f a '=' '== ==πππ π ππ m11.m t=-3*pi:0.01*pi:3*pi; % 定义时间范围向量t f=sinc(t/pi); % 计算Sa(t)函数 plot(t,f); % 绘制Sa(t)的波形 运行结果： 1.2 实现)10() sin()(sin )(±== =t t t t c t f ππ m12.m t=-10:0.01:10; % 定义时间范围向量t f=sinc(t); % 计算sinc(t)函数 plot(t,f); % 绘制sinc(t)的波形 运行结果： 1.3 信号相加：t t t f ππ20cos 18cos )(+= m13.m syms t; % 定义符号变量t f=cos(18*pi*t)+cos(20*pi*t); % 计算符号函数f(t)=cos(18*pi*t)+cos(20*pi*t) ezplot(f,[0 pi]); % 绘制f(t)的波形 运行结果：
1.4 信号的调制：t t t f ππ50cos )4sin 22()(+= m14.m syms t; % 定义符号变量t f=(2+2*sin(4*pi*t))*cos(50*pi*t) % 计算符号函数f(t)=(2+2*sin(4*pi*t))*cos(50*pi*t) ezplot(f,[0 pi]); % 绘制f(t)的波形 运行结果： 1.5 信号相乘：)20cos()(sin )(t t c t f π?= m15.m t=-5:0.01:5; % 定义时间范围向量 f=sinc(t).*cos(20*pi*t); % 计算函数f(t)=sinc(t)*cos(20*pi*t) plot(t,f); % 绘制f(t)的波形 title('sinc(t)*cos(20*pi*t)'); % 加注波形标题 运行结果：
最小二乘参数估计 摘要： 最小二乘的一次性完成辨识算法（也称批处理算法），他的特点是直接利用已经获得的所有（一批）观测数据进行运算处理。这种算法在使用时，占用内存大，离线辨识，观测被辨识对象获得的新数据往往是逐次补充到观测数据集合中去的。在应用一次完成算法时，如果要求在每次新增观测数据后，接着就估计出系统模型的参数，则需要每次新增数据后要重新求解矩阵方程()Z l T l l T l ΦΦΦ-∧=1θ。 最小二乘辩识方法在系统辩识领域中先应用上已相当普及，方法上相当完善，可以有效的用于系统的状态估计，参数估计以及自适应控制及其他方面。 关键词： 最小二乘（Least-squares ），系统辨识（System Identification ） 目录： 1.目的 (1) 2.设备 (1) 3引言 (1) 3.1 课题背景 (1) 4数学模型的结构辨识 (2) 5 程序 (3) 5.1 M 序列子函数 ................................................................................. 错误！未定义书签。 5.2主程序............................................................................................... 错误！未定义书签。 6实验结果： ................................................................................................................................... 3 7参考文献： ................................................................................................. 错误！未定义书签。 1.目的 1.1掌握系统辨识的理论、方法及应用 1.2熟练Matlab 下最小二乘法编程 1.3掌握M 序列产生方法 2.设备 PC 机1台（含Matlab 软件） 3引言 3.1 课题背景 最小二乘理论是有高斯（K.F.Gauss ）在1795年提出：“未知量的最大可能值是这样一个数值，它使各次实际观测值和计算值之间的差值的平方乘以度量其精度的数值以后的和最小。”这就是最小二乘法的最早思想。 最小二乘辨识方法提供一个估算方法，使之能得到一个在最小方差意义上与实验数据最
用matlab实现最小二乘递推算法辨识系统参 数 自动化系统仿真实验室指导教师： 学生姓名班级计082-2 班学号撰写时间： 全文结束》》-3-1 成绩评定： 一．设计目的 1、学会用Matlab实现最小二乘法辨识系统参数。 2、进一步熟悉Matlab的界面及基本操作； 3、了解并掌握Matlab中一些函数的作用与使用；二．设计要求最小二乘递推算法辨识系统参数，利用matlab编程实现，设初始参数为零。z(k)-1、5*z(k-1)+0、7*z(k-2)=1*u(k-1)+0、5*u(k-2)+v(k); 选择如下形式的辨识模型：z(k)+a1*z(k- 1)+a2*z(k-2)=b1*u(k-1)+b2*u(k-2)+v(k);三．实验程序 m=3;N=100;uk=rand(1,N);for i=1:Nuk(i)=uk(i)*(-1)^(i-1);endyk=zeros(1,N); for k=3:N yk(k)=1、5*yk(k-1)-0、 7*yk(k-2)+uk(k-1)+0、5*uk(k-2); end%j=100;kn=0;%y=yk(m:j);%psi=[yk(m-1:j-1);yk(m-2:j-2);uk(m-1:j-1);uk(m-2:j- 2)];%pn=inv(psi*psi);%theta=(inv(psi*psi)*psi*y);theta=[0 ;0;0;0];pn=10^6*eye(4);for t=3:Nps=([yk(t-1);yk(t-
2);uk(t-1);uk(t-2)]);pn=pn- pn*ps*ps*pn*(inv(1+ps*pn*ps));theta=theta+pn*ps*(yk(t)-ps*theta);thet=theta;a1=thet(1);a2=thet(2);b1=thet(3);b2= thet(4); a1t(t)=a1;a2t(t)=a2;b1t(t)=b1;b2t(t)=b2;endt=1:N;plot(t,a 1t(t),t,a2t(t),t,b1t(t),t,b2t(t));text(20,1、 47,a1);text(20,-0、67,a2);text(20,0、97,b1);text(20,0、47,b2);四．设计实验结果及分析实验结果图：仿真结果表明，大约递推到第步时，参数辨识的结果基本到稳态状态，即a1=1、5999，b1=1，c1=0、5，d1=-0、7。五、设计感受这周的课程设计告一段落了，时间短暂，意义重大。通过这次次练习的机会，重新把matlab课本看了一遍，另外学习了系统辨识的有关内容，收获颇丰。对matlab的使用更加纯熟，也锻炼了自己在课本中搜索信息和知识的能力。在设计过程中虽然遇到了一些问题，但经过一次又一次的思考，一遍又一遍的检查终于找出了原因所在，也暴露出了前期我在这方面的知识欠缺和经验不足。同时我也进一步认识了matlab软件强大的功能。在以后的学习和工作中必定有很大的用处。
课程设计报告 题目PID控制器应用 课程名称控制系统仿真院部名称龙蟠学院 专业自动化 班级M10自动化 学生姓名 学号 课程设计地点 C208 课程设计学时一周 指导教师应明峰 金陵科技学院教务处制成绩
一、课程设计应达到的目的 应用所学的自动控制基本知识与工程设计方法，结合生产实际，确定系统的性能指标与实现方案，进行控制系统的初步设计。 应用计算机仿真技术，通过在MATLAB软件上建立控制系统的数学模型，对控制系统进行性能仿真研究，掌握系统参数对系统性能的影响。 二、课程设计题目及要求 1．单回路控制系统的设计及仿真。 2．串级控制系统的设计及仿真。 3．反馈前馈控制系统的设计及仿真。 4．采用Smith 补偿器克服纯滞后的控制系统的设计及仿真。 三、课程设计的内容与步骤 (1)．单回路控制系统的设计及仿真。 （a）已知被控对象传函W(s) = 1 / (s2 +20s + 1)。 （b）画出单回路控制系统的方框图。 （c）用MatLab的Simulink画出该系统。
（d）选PID调节器的参数使系统的控制性能较好，并画出相应的单位阶约响应曲线。注明所用PID调节器公式。PID调节器公式Wc（s）=50(5s+1)/(3s+1) 给定值为单位阶跃响应幅值为3。 有积分作用单回路控制系统PID控制器取参数分别为：50 2 5 有积分作用单回路控制系统PID控制器取参数分别为：50 0 5
大比例作用单回路控制系统PID控制器取参数分别为：50 0 0 （e）修改调节器的参数，观察系统的稳定性或单位阶约响应曲线，理解控制器参数对系统的稳定性及控制性能的影响？ 答：由上图分别可以看出无积分作用和大比例积分作用下的系数响应曲线，这两个PID调节的响应曲线均不如前面的理想。增大比例系数将加快系统的响应，但是过大的比例系数会使系统有比较大的超调，并产生振荡，使稳定性变坏；
Matlab系统辨识尝试之详细过程1 前面介绍了Matlab系统辨识工具箱的一些用法，这里拿一个直观的例子来尝试工具箱的具体用法。比较长，给个简单目录吧： 1.辨识的准备 2.辨识数据结构的构造 3.GUI辨识 4.辨识效果 5.对固有频率的辨识 6.结构化辨识 7.灰箱辨识 8.加入kalman滤波的灰箱辨识 1.辨识的准备 在辨识前，首先要根据自己辨识的情况，确定要辨识的状态空间模型的一些特点，如连续还是离散的；有无直通 分量（即从输入直通到输出的分量）；输入延迟；初始状态等。了解了这些情况就可以更快速的配置辨识时的一些设 置选项。 2.辨识数据结构的构造 使用原始数据构造iddata结构： data=iddata(y,u,Ts); 这里以一个弹簧质量系统的仿真为例 代码如下，其中用到了函数MDOFSolve，这在之前的博文介绍过（https://www.doczj.com/doc/ba5326505.html,/?p=183），拿来用即可。如果发现运行有错误，可以将MDOFSolve函数开头的一句 omega2=real(eval(omega2)); 注释掉。 %弹簧质量系统建模 clc clear close all m=200; k=980*1000;
c=1.5*1000; m1=1*m; m2=1.5*m; k1=1*k; k2=2*k; k3=k1; %%由振动力学知识求固有频率 M=[m10;0m2]; K=[k1+k2-k2;-k2k3+k2]; [omega,phi,phin]=MDOFSolve(M,K); fprintf('固有频率:%fHz\n',subs(omega/2/pi)); %%转化到状态空间 innum=2; outnum=2; statenum=4; A=[0100; -(k1+k2)/m10k2/m10; 0001; k2/m20-(k3+k2)/m20]; B=[00; 1/m10; 00; 01/m2]; C=[1000; 0010]; D=zeros(outnum,innum); K=zeros(statenum,innum); mcon=idss(A,B,C,D,K,'Ts',0);%连续时间模型 figure impulse(mcon) %%信号仿真，构造数据供辨识 n=511;%输入信号长度 Ts=0.001; t=0:Ts:(n-1)*Ts; u1=idinput(n,'prbs');%输入1为伪随机信号 u2=zeros(n,1);%输入2为空 u=[u1u2]; simdat=iddata([],u,Ts);%形成输入数据对象 e=randn(n,2)*1e-7; simopt=simOptions('AddNoise',true,'NoiseData',e);%添加噪声yn=sim(mcon,simdat,simopt);%加噪声仿真 y=sim(mcon,simdat);%无噪声仿真
MATLAB有三十多个工具箱大致可分为两类：功能型工具箱和领域型工具箱. 功能型工具箱主要用来扩充MATLAB的符号计算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能用于多种学科。而领域型工具箱是专业性很强的。如控制系统工具箱(Control System Toolbox)、信号处理工具箱(Signal Processing Toolbox)、财政金融工具箱(Financial Toolbox)等。 下面，将MATLAB工具箱内所包含的主要内容做简要介绍： 1)通讯工具箱(Communication Toolbox)。 令提供100多个函数和150多个SIMULINK模块用于通讯系统的仿真和分析 ——信号编码 ——调制解调 ——滤波器和均衡器设计 ——通道模型 ——同步 可由结构图直接生成可应用的C语言源代码。 2)控制系统工具箱(Control System Toolbox)。 鲁连续系统设计和离散系统设计 * 状态空间和传递函数 * 模型转换 * 频域响应：Bode图、Nyquist图、Nichols图 * 时域响应：冲击响应、阶跃响应、斜波响应等 * 根轨迹、极点配置、LQG 3)财政金融工具箱(FinancialTooLbox)。 * 成本、利润分析，市场灵敏度分析 * 业务量分析及优化 * 偏差分析 * 资金流量估算 * 财务报表 4)频率域系统辨识工具箱(Frequency Domain System ldentification Toolbox * 辨识具有未知延迟的连续和离散系统 * 计算幅值／相位、零点／极点的置信区间 * 设计周期激励信号、最小峰值、最优能量诺等 5)模糊逻辑工具箱(Fuzzy Logic Toolbox)。 * 友好的交互设计界面 * 自适应神经—模糊学习、聚类以及Sugeno推理 * 支持SIMULINK动态仿真 * 可生成C语言源代码用于实时应用
例1、考虑仿真对象 )()2(5.0)1()2(7.0)1(5.1)(k v k u k u k z k z k z +-+-=-+-- 其中，)(k v 是服从正态分布的白噪声N )1,0(。输入信号采用4阶M 序列，幅度为1。选择如下形式的辨识模型 )()2()1()2()1()(2121k v k u b k u b k z a k z a k z +-+-=-+-+ 设输入信号的取值是从k =1到k =16的M 序列，则待辨识参数LS θ?为LS θ?=(T T -ΦΦΦ1)z 。其中，被辨识参数LS θ?、观测矩阵Φ的表达式为: ????? ???????=2121?b b a a LS θ (3)(4)(16)z z z ??????=???? ??z (2)(1)(2)((3)(2)(3)(2)(15)(14)(15)(14)z z u u z z u u z z u u --????--??Φ=????--?? 程序框图如图1所示。Matlab 仿真程序如下： %二阶系统的最小二乘一次完成算法辨识程序，文件名：LS.m
u=[-1,1,-1,1,1,1,1,-1,-1,-1,1,-1,-1,1,1]; %系统辨识的输入信号为一个周期的M序列 z=zeros(1,16); %定义输出观测值的长度 for k=3:16 z(k)=1.5*z(k-1)-0.7*z(k-2)+u(k-1)+0.5*u(k-2); %用理想输出值作为观测值 end subplot(3,1,1) %画三行一列图形窗口中的第一个图形 stem(u) %画输入信号u的径线图形 subplot(3,1,2) %画三行一列图形窗口中的第二个图形 i=1:1:16; %横坐标范围是1到16，步长为1 plot(i,z) %图形的横坐标是采样时刻i, 纵坐标是输出观测值z, 图形格式为连续曲线 subplot(3,1,3) %画三行一列图形窗口中的第三个图形 stem(z),grid on %画出输出观测值z的径线图形，并显示坐标网格u,z %显示输入信号和输出观测信号 %L=14 %数据长度 HL=[-z(2) -z(1) u(2) u(1);-z(3) -z(2) u(3) u(2);-z(4) -z(3) u(4) u(3);-z(5) -z(4) u(5) u(4);-z(6) -z(5) u(6) u(5);-z(7) -z(6) u(7) u(6);-z(8) -z(7) u(8) u(7);-z(9) -z(8) u(9) u(8);-z(10) -z(9) u(10) u(9);-z(11) -z(10) u(11) u(10);-z(12) -z(11) u(12) u(11);-z(13) -z(12) u(13) u(12);-z(14) -z(13) u(14) u(13);-z(15) -z(14) u(15) u(14)] %给样本矩阵 赋值
MATLAB工具箱介绍 序号工具箱备注 数学、统计与优化 1Symbolic Math Toolbox符号数学工具箱 2Partial Differential Euqation Toolbox 偏微分方程工具箱 3Statistics Toolbox统计学工具箱4Curve Fitting Toolbox曲线拟合工具箱5Optimization Toolbox优化工具箱 6Global Optimization Toolbox 全局优化工具箱 7Neural Network Toolbox神经网络工具箱 8Model-Based Calibration Toolbox 基于模型矫正工具箱 信号处理与通信 9Signal Processing Toolbox 信号处理工具箱 10DSP System Toolbox DSP[size=+0]系统工具箱 11Communications System Toolbox 通信系统工具箱 12Wavelet Toolbox小波工具箱 13Fixed-Point Toolbox定点运算工具箱14RF Toolbox射频工具箱 15Phased Array System Toolbox 相控阵系统工具箱 控制系统设计与分析 16Control system Toolbox控制系统工具箱 17System Indentification Toolbox 系统辨识工具箱 18Fuzzy Logic Toolbox模糊逻辑工具箱19Robust Control Toolbox鲁棒控制工具箱 20Model Predictive Control Toolbox 模型预测控制工具箱 21Aerospace Toolbox航空航天工具箱
【1】随机序列产生程序 【2】白噪声产生程序 【3】M序列产生程序 【4】二阶系统一次性完成最小二乘辨识程序 【5】实际压力系统的最小二乘辨识程序 【6】递推的最小二乘辨识程序 【7】增广的最小二乘辨识程序 【8】梯度校正的最小二乘辨识程序 【9】递推的极大似然辨识程序 【10】Bayes辨识程序 【11】改进的神经网络MBP算法对噪声系统辨识程序【12】多维非线性函数辨识程序的Matlab程序【13】模糊神经网络解耦Matlab程序 【14】F-检验法部分程序 【1】随机序列产生程序 A=6; x0=1;M=255; for k=1:100 x2=A*x0; x1=mod (x2,M); v1=x1/256; v(:,k)=v1; x0=x1; v0=v1; end v2=v k1=k; %grapher k=1:k1; plot(k,v,k,v,'r'); xlabel('k'), ylabel('v');title('(0,1)均匀分布的随机序列') 【2】白噪声产生程序 A=6; x0=1; M=255; f=2; N=100; for k=1:N x2=A*x0; x1=mod (x2,M); v1=x1/256; v(:,k)=(v1-0.5)*f; x0=x1;
v0=v1; end v2=v k1=k; %grapher k=1:k1; plot(k,v,k,v,'r'); xlabel('k'), ylabel('v');title('(-1,+1)均匀分布的白噪声') 【3】M序列产生程序 X1=1;X2=0;X3=1;X4=0; %移位寄存器输入Xi初T态（0101），Yi为移位寄存器各级输出m=60; %置M序列总长度 for i=1:m %1# Y4=X4; Y3=X3; Y2=X2; Y1=X1; X4=Y3; X3=Y2; X2=Y1; X1=xor(Y3,Y4); %异或运算 if Y4==0 U(i)=-1; else U(i)=Y4; end end M=U %绘图 i1=i k=1:1:i1; plot(k,U,k,U,'rx') xlabel('k') ylabel('M序列') title('移位寄存器产生的M序列') 【4】二阶系统一次性完成最小二乘辨识程序 %FLch3LSeg1 u=[-1,1,-1,1,1,1,1,-1,-1,-1,1,-1,-1,1,1]; %系统辨识的输入信号为一个周期的M序列 z=zeros(1,16); %定义输出观测值的长度 for k=3:16 z(k)=1.5*z(k-1)-0.7*z(k-2)+u(k-1)+0.5*u(k-2); %用理想输出值作为观测值 end subplot(3,1,1) %画三行一列图形窗口中的第一个图形 stem(u) %画出输入信号u的经线图形 subplot(3,1,2) %画三行一列图形窗口中的第二个图形 i=1:1:16; %横坐标范围是1到16，步长为1 plot(i,z) %图形的横坐标是采样时刻i, 纵坐标是输出观测值z, 图形格式为连续曲线
系统仿真与MATLAB语言 实验指导书
对参加实验学生的总要求 1、认真复习有关理论知识，明确每次实验目的，了解实验相关软件操作，熟悉实验内容和方法。 2、实验过程中注意仔细观察，认真记录有关数据和图像，并经由指导教师查验后方可结束实验。 3、应严格遵守实验室规章制度，服从实验室教师的安排和管理。 4、对实验仪器的操作使用严格按照实验室要求进行。
实验总要求 1、封面：注明实验名称、实验人员班级、学号（全号）和姓名等。 2、内容方面：注明实验所用设备、仪器及实验步骤方法；记录清楚实验所得的原始数据和图像，并按实验要求绘制相关图表、曲线或计算相关数据；认真分析所得实验结果，得出明确实验结论。并注明该结论所依据的原理和理论；对实验进行反馈回顾，总结出实验方法要领和注意事项，对实验失败的原因进行分析剖解，总结出实验的经验和教训。 3、文字方面，撰写规范，杜绝错别字。 4、杜绝抄袭，杜绝提供不真实的实验内容。
实验一 MATLAB 语言工作环境和基本操作 1 实验目的 1）．熟悉MATLAB 的开发环境； 2）．掌握MATLAB 的一些常用命令； 3）．掌握矩阵、变量、表达式的输入方法及各种基本运算。 2 实验器材 计算机WinXP 、Matlab7.0软件 3 实验内容 (1). 输入 A=[7 1 5;2 5 6;3 1 5]，B=[1 1 1; 2 2 2;3 3 3]， 在命令窗口中执行下列表达式，掌握其含义： A(2, 3) A(:,2) A(3,:) A(:,1:2:3) A(:,3).*B(:,2) A(:,3)*B(2,:) A*B A.*B A^2 A.^2 B/A B./A (2).输入 C=1:2:20，则 C （i ）表示什么？其中 i=1,2,3,…,10； （3）掌握MA TLAB 常用命令 >> who %列出工作空间中变量 >> whos %列出工作空间中变量，同时包括变量详细信息 >>save test %将工作空间中变量存储到test.mat 文件中 >>load test %从test.mat 文件中读取变量到工作空间中 >>clear %清除工作空间中变量 >>help 函数名 %对所选函数的功能、调用格式及相关函数给出说明 >>lookfor %查找具有某种功能的函数但却不知道该函数的准确名称 如： lookfor Lyapunov 可列出与Lyapunov 有关的所有函数。 （4） 在MATLAB 的命令窗口计算: 1) )2sin(π 2) 5.4)4.05589(÷?+ (5). 试用 help 命令理解下面程序各指令的含义： clear t =0:0.001:2*pi; subplot(2,2,1); polar(t, 1+cos(t)) subplot(2,2,2); plot(cos(t).^3,sin(t).^3) subplot(2,2,3); polar(t,abs(sin(t).*cos(t))) subplot(2,2,4); polar(t,(cos(2*t)).^0.5) （6）（选做）设计M 文件计算: x=0:0.1:10 当sum>1000时停止运算，并显示求和结果及计算次数。 i i i x x sum 2100 2 -= ∑ =
设一非线性系统如下所示: ()()() ()()111y k y k e u k k βαε--=-+-+ 0.75α= 0.35β=0.25γ=,()k ε是零均值，方差为0.01的噪声序列（均匀白噪声）。 （1）试设计一种激励信号能持续激励系统的各工作点（平衡点） （2）用适当的方法辨识出系统的等价模型（用另一组数据来检验模型的泛化性） 说明：下面讨论的都是离散系统，所以时间坐标均采用离散时间节点k 。 解： (1) 线性化处理寻找系统的合理输入信号 可以求得系统的平衡点为： ()0.75y k α== (1.1) 按题意要求最后系统必须收敛于平衡点附近，即： ()lim 0.75k y k →∞ = (1.2) 为了找出系统的合理输入信号，使得系统最终工作在平衡点附近，这里可以将系统线性化处理，将上述非线性系统进行泰勒展开得： ()()()()()()()2323111111112!3!! n n y k y k y k y k y k u k k n αβαβαβαβγε--+---++-=-+ 因为 ，后面()1y k -的高阶项都可以扔掉（只作为寻找输入信号使用）， 所以系统可以化为下式： 此时不妨设系统输出()y k 的最后的极限为A , 从式1.2得0.75A =。 那么应该满足 ()()lim lim 1k k y k y k A →∞ →∞ =-= (1.5) 从而有 ()()()11A u k k αβγε-=-+ (1.6) 同时为了抵消系统的部分噪声，这里采用MA TLAB 软件编程产生另一服从同一分布的均匀噪声()1k ε，将式1.6变形得： ()()()0111 1u k u k k αβ εγ γ --= - (1.7) 式1.7中()0u k 是一个最后收敛于系统平衡点0.75的基本信号，这里可以采用一阶线性系统的阶跃响应曲线作为基本信号()0u k ，同时考虑系统的平衡点，即设计为： ()/00.75k T u k e -=- (1.8) T 是一阶线性系统对应的时间常数， 反应到输入基本信号()0u k 上就是过零点作()0u k 对应()()()()11y k y k u k k αβγε--=-+01αβ<（1.3） (1.4)
Matlab Toolbox 工具箱 Matlab工具箱已经成为一个系列产品，Matlab主工具箱和各种工具箱（toolbox ）。
工具箱介绍 Matlab包含两部分内容：基本部分和根据专门领域中的特殊需要而设计的各种可选工具箱。 Symbolic Math PDE Optimization Signal process Image Process Statistics Control System System Identification ……
一、工具箱简介 ?功能型工具箱——通用型 功能型工具箱主要用来扩充Matlab的数值计算、符号运算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能够用于多种学科。
?领域型工具箱——专用型 领域型工具箱是学科专用工具箱，其专业性很强，比如控制系统工具箱（Control System Toolbox）；信号处理工具箱（Signal Processing Toolbox）；财政金融工具箱（Financial Toolbox）等等。只适用于本专业。
控制系统工具箱 Control System Toolbox ?连续系统设计和离散系统设计 ?状态空间和传递函数以及模型转换?时域响应（脉冲响应、阶跃响应、斜坡响应） ?频域响应（Bode图、Nyquist图） ?根轨迹、极点配置
Matlab常用工具箱 ?Matlab Main Toolbox——matlab主工具箱?Control System Toolbox——控制系统工具箱?Communication Toolbox——通讯工具箱?Financial Toolbox——财政金融工具箱?System Identification Toolbox——系统辨识工具箱 ?Fuzzy Logic Toolbox——模糊逻辑工具箱?Bioinformatics Toolbox——生物分析工具箱
自动控制原理 二阶系统性能分析Matlab 仿真大作业附题目+ 完整报告内容
设二阶控制系统如图 1所示，其中开环传递函数 ) 1(10 )2()(2+=+=s s s s s G n n ξωω 图1 图2 图3 要求： 1、分别用如图2和图3所示的测速反馈控制和比例微分控制两种方式改善系统的性能，如果要求改善后系统的阻尼比ξ =0.707，则t K 和 d T 分别取多少？ 解： 由)1(10 )2()(2 += +=s s s s s G n n ξωω得10 21,10,102===ξωωn 22n n () s s ωξω+R (s )C (s ) -
对于测速反馈控制，其开环传递函数为：) 2()s (2 2n t n n K s s G ωξωω++=； 闭环传递函数为：2 2 2)2 1(2)(n n n t n s K s s ωωωξωφ+++= ； 所以当n t K ωξ2 1+=0.707时，347.02)707.0(t =÷?-=n K ωξ； 对于比例微分控制，其开环传递函数为：)2()1()(2 n n d s s s T s G ξωω++=； 闭环传递函数为：) )2 1(2)1()(2 22 n n n d n d s T s s T s ωωωξωφ++++=； 所以当n d T ωξ2 1 +=0.707时，347.02)707.0(=÷?-=n d T ωξ； 2、请用MATLAB 分别画出第1小题中的3个系统对单位阶跃输入的响应图； 解： ①图一的闭环传递函数为： 2 22 2)(n n n s s s ωξωωφ++=，10 21 ,10n ==ξω Matlab 代码如下： clc clear wn=sqrt(10); zeta=1/(2*sqrt(10)); t=0:0.1:12; Gs=tf(wn^2,[1,2*zeta*wn,wn^2]); step(Gs,t)
§3.3.3 欠阻尼二阶系统动态性能指标计算 )10(<≤ξ 1． 欠阻尼二阶系统极点的两种表示方法 （1） 直角坐标表示 n n d j j ωξξωωσλ22,11-±-=±= （2 ） “极”坐标表示 ? ??=∠=βλωλn ? ??-==21sin cos ξβξ β 2．欠阻尼二阶系统的单位阶跃响应 s s s s R s s C n n n 1 2)()()(2 22 ?++=Φ=ωξωω ) 2()2(]2[222 2n n n n n s s s s s s s ωξωξωωξω+++-++= 2 22)1()(21n n n s s s ωξξωξω-+++-=
22222222)1()(11)1()(1n n n n n n s s s s ωξξωωξξξ ωξξωξω-++-?---+++-= 利用复位移定理 [] )()(a s F e t f L at +=?- 系统单位阶跃响应为 t e t e t h n t n t n n ωξξξ ωξξωξω22 2 1sin 11cos 1)(--- --=-- [] t t e n n t n ωξξωξξ ξξω222 2 1s i n 1c o s 111-+---- =- []t t e n n t n ωξβωξβξ ξω2 2 21s i n c o s 1c o s s i n 11-?+-?-- =- )10(<≤ξ ()t t t h n n ωωcos 190sin 1)(-=?+-= )90,0(?==βξ
)10(<≤ξ 系统单位脉冲响应为 []????? ?++=Φ='=--22 2 112)()()(n n n s s L s L t h t k ωξωω ??? ?????-++-?-=-22222 1)1()(11n n n n s L ωξξωωξξω 欠阻尼二阶系统单位脉冲响应
Matlab 实训设计（一） 二阶系统变阻尼比的动态仿真系统的设计 一.设计一个二阶系统的变阻尼比的动态仿真系统 二.步骤 （1）程序功能描述 1. 典型二阶系统的传递函数为 ω ωωξ22 2 2)(n n n S s ++= Φ 2. 归一化二阶系统的单位阶跃响应 1、ζ=0（无阻尼）时，系统处于等幅振荡，超调量最大，为100%，并且系统发生不衰减的振荡，永远达不到稳态。 2、0<ζ<1（欠阻尼）时，系统为衰减振荡。为了获得满意的二阶系统的瞬态响应特性，通常阻尼比在0.4~0.8的范围内选择。这时系统在响应的快速性、稳定性等方面都较好。 3、在ζ=1（临界阻尼）及ζ>1（过阻尼）时，二阶系统的瞬态过程具有单调上升的特性，以ζ=1时瞬态过程最短。 （2）程序界面设计 图形界面中的grid on 、grid off 分别是网格和绘图框的打开和关闭按钮
（3）程序测试运行 在编辑框中+还可以输入如0:0.1:0.8的阻尼系数数组，这表示把0到0.8之间的长度以0.1为跨距等份，再以每点的数据得到响应曲线，上式就包含了 ze-ta=0、0.1、0.2···、0.8总共8个阻尼比下的响应曲线
三.控件属性设置 （1）String %显示在控件上的字符串 （2）Callback 回调函数 （3）enable 表示控件是否有效 （4）Tag 控件标记，用于标识控件 四.设计：实现如下功能的系统界面 （1）在编辑框中，可以输入表示阻尼比的标量成行数组、数值，并在按了Enter 键后，在轴上画出图形，坐标范围x[1，15],y[0，2]。 （2）在点击grid on或者grid off键时，在轴上显示或删除“网格线”。（3）在菜单[options]下，有两个下拉菜单[Box on]和[Box off]，缺省值为off。（4）所设计界面和其上图形，都按比例缩放。 五.各个控件属性设置 （1）在图形窗中设置 Name 我的设计 Rize on %图窗可以缩放 Tag figure1 %生成handles. figure1 （2）在轴框中 Units normalizen Box off坐标轴不封闭 Tag axes1 XLim[0,15]%x范围 YLim[1,2]%y范围 （3）静态文件框1 fontsize 0.696 fritunits normalizen String“归一化二阶阶跃响应” Tag text1 Horizontalignment Center
M序列发生程序 function [out]=Mseries(order) %M-series function % by Chen Hao,2011/12/16 for i=1:order x(i)=1; end for n=1:252 y(1:2)=x(order-1:order); for i=order:-1:2 x(i)=x(i-1); end x(1)=xor(y(1),y(2)); out(n)=1-2*x(order); end stem(out); end 计算程序 function [out]=addfunction( A,B,order,n ) %addfunction % by Chen Hao,2011/12/9 order=n*order; for i=1:order out(i)=0; end for k=0:order-1 for i=0:order-1 out(k+1)=out(k+1)+A(i-k+order+1)*B(i+1); end end for k=1:order out(k)=(out(k)-out(order))/(order+1); end end 主程序 function main() %Main function % by Chen Hao,2011/12/9 out=Mseries(6); time=1:252; simin=[time' out']; assignin('base','simin',simin); sim('Mseries_distinguish'); z=simout.signals.values(2:253); out=[out out]; g=addfunction(out,z,63,4); g=g(1:63); plot(g); num=[1 2]; den=[3 1 1]; s=tf(num,den); t=0:62; h=impulse(s,t);
simulink仿真 -1<ξ<0 >> step(tf(4^2,[1,2*(-0.5)*4,4^2])) ξ<-1 >> step(tf(4^2,[1,2*(-1.5)*4,4^2])) ξ＝0 >> step(tf(4^2,[1,2*0*4,4^2])) 0<ξ<1 >> figure >> step(tf(4^2,[1,2*0.1*4,4^2])) >> step(tf(4^2,[1,2*0.2*4,4^2])) >> step(tf(4^2,[1,2*0.3*4,4^2])) >> step(tf(4^2,[1,2*0.4*4,4^2])) >> step(tf(4^2,[1,2*0.5*4,4^2])) >> step(tf(4^2,[1,2*0.6*4,4^2])) >> step(tf(4^2,[1,2*0.7*4,4^2])) >> step(tf(4^2,[1,2*0.8*4,4^2])) >> step(tf(4^2,[1,2*0.9*4,4^2]))
ξ=1 >> figure >> step(tf(4^2,[1,2*1*4,4^2]))
ξ>1 >> hold on >> step(tf(4^2,[1,2*2.0*4,4^2])) >> step(tf(4^2,[1,2*4.0*4,4^2])) >> step(tf(4^2,[1,2*8.0*4,4^2])) ωn不变，ζ减小
ξ＝0.5，改变ωn时的情况： >> figure >> step(tf(1^2,[1,2*0.5*1,1^2])) （ωn＝1） >> hold on >> step(tf(2^2,[1,2*0.5*2,2^2])) （ωn＝2）>> step(tf(4^2,[1,2*0.5*4,4^2])) （ωn＝4）>> step(tf(8^2,[1,2*0.5*8,8^2])) （ωn＝8）
6.1.1MA TLAB中常用的工具箱 MA TLAB中常用的工具箱有： Matlab main toolbox——matlab主工具箱 Control system toolbox——控制系统工具箱Communication toolbox——通信工具箱 Financial toolbox——财政金融工具箱 System identification toolbox——系统辨识工具箱 Fuzzy logic toolbox ——模糊逻辑工具箱 Higher-order spectral analysis toolbox——高阶谱分析工具箱Image processing toolbox——图像处理工具箱 Lmi contral toolbox——线性矩阵不等式工具箱 Model predictive contral toolbox——模型预测控制工具箱 U-Analysis ang sysnthesis toolbox——u分析工具箱 Neural network toolbox——神经网络工具箱 Optimization toolbox——优化工具箱 Partial differential toolbox——偏微分奉承工具箱 Robust contral toolbox——鲁棒控制工具箱 Spline toolbox——样条工具箱 Signal processing toolbox——信号处理工具箱 Statisticst toolbox——符号数学工具箱 Symulink toolbox——动态仿真工具箱 System identification toolbox——系统辨识工具箱 Wavele toolbox——小波工具箱 6.2优化工具箱中的函数 1、最小化函数 2、最小二乘问题 3、方程求解函数
（System Identification Tool）系统辨识工具箱 早听说matlab博大精深，神通广大了，于是乎我确定肯定有更简单、直观、强大的工具来完成这小儿科把戏。查资料琢磨之后，我做了个小实验，在simulink里验证了该种方法。该方法的大原则是：在确定了系统的输入输出数据（两个列向量N×1形式，如果是1×N，会提示出错！）之后，设计好一定的辨识原则（比如说是2阶？3阶？，传递函数是零极点形式，还是带阻尼形式，等等），然后就交给强大的matlab，得到辨识结果。Step by step，plz！ Step1、建立模型获取系统输入输出数据 图1 图1系统的输入是阶跃信号，用Scope1监视，并输出到workspace （这步不会的自己百度哦），采样周期是0.1s，得到输入变量u（101×1的矩阵）；本人在系统的阶跃响应上叠加了一白噪声，当然也可以不加噪声，加了噪声就是期望更真实的模拟实际情况，白噪声参数设置见图2
图2 同样在Scope2监视，也将结果输出到workspace，得到响应数据y（同样也是101×1的矩阵） Step 2、进入辨识工具箱&设置辨识规则 直接在command window 输入ident，回车，进入辨识工具箱图3
图3 点击import下拉菜单，选时域数据time domain data，见图4 图4 在下图5红色圈区域输入之前得到的系统输入和输出数据，u和y
图5 在下图6绿色圈输入数据的一些信息，因为之前模型中，阶跃起点我是放在0s处的，这里也设置0，如果前面模型仿真是1s，这里应该也是1s；采样时间是0.1s，根据实际情况设置统一哦