计算机控制技术汤楠课后答案,西安电子科大版汤楠计算机控制技术6章

本文详细介绍了最少拍计算机控制系统的离散化设计方法,包括最少拍无纹波控制和大林算法。设计过程中强调了稳定性、准确性、快速性和物理可实现性。通过建立闭环和误差脉冲传递函数,确定了希望的系统性能,并提出了设计的假设条件。同时,针对单位阶跃、单位速度和单位加速度输入信号,讨论了无稳态误差的最少拍系统条件。最后,提到了快速性要求对闭环误差Z传递函数的影响。

a7f4a3f590493a1e451dd952a488fd7c.gif 西安电子科大版汤楠计算机控制技术6章

(90页)

54b5553ddc8b415e14d00a95f3b89218.gif

本资源提供全文预览,点击全文预览即可全文预览,如果喜欢文档就下载吧,查找使用更方便哦!

14.90 积分

第6章 计算机控制系统的离散化设 计 ---直接数字控制 1 最 少 拍 计 算 机 控 制 系统的设计 2 最少拍无纹波计算机控制系统的设计 3 大林(Dahlin)算法 4 数字控制器D(z)的实现方法v 离散化设计法则首先将系统中被控对象加上保持器一起构成 的广义对象离散化,得到相应的以Z传递函数,差分方程或 离散系统状态方程表示的离散系统模型。 v 然 后 利 用 离 散 控 制 系 统 理 论 , 直 接设计数字控制器。v 由于离散化设计法直接在离散系统的范畴内进行,避免了由 模拟控制系统向数字控制器转化的过程,也绕过了采样周期 对 系 统 动 态性能产生严重影响的问题。是目前采用较为广泛 的计算机控制系统设计方法。 6.1 最少拍计算机控制系统的设计v 最少拍设计,是指系统在典型输入信号(如阶跃信号,速 度信号,加速度信号等)作用下,经过最少个采样周期, 使系统输 出的稳态误差为零(系统在采样点的输出值能准 确 地 跟 踪 输 入 信 号 , 不 存 在 静 差 。 )v 实质上是时间最优控制系统,系统的性能指标就是系统的 调节时间最短。 v 在 数字控制过程中,一个采样周期称为1拍。 v 最少拍控制系统对闭环Z传递函数的性能要求是快速性、 准确性v 最少拍控制系统的设计与被控对象的零、极点位置有很密 切 的关系 6.1.1 最少拍控制系统数字控制器分析 v 在给定被控对象和零阶保持器(广义对象)的的条件下, 选择适当的数字控制器D(z),以满足对系统提出的性能 指标要求 。 图6.1 最少拍控制系统结构图其中,G(z)为广义对象的脉冲传递函数,D(z)是数字控制器的脉冲传递函数。 D(z) G(z)v 闭环脉冲传递函数为 ?(z) = 1+ D(z) G(z)v 误差脉冲传递函数为 E(z) We(z) ? ?1??(z) R(z) v 数 字 控 制 器 为 ?(z) ?(z) 1?We (z) D(z) ? ? ? G(z)[1??(z)] G(z)We (z) G(z)We (z) G (z)是已知的,D(z)是待求的,而Φ(z)、We(z)是由性能指 标确定的。为了选择适当的数字控制器D(z),可以先将性 能指标要求表达成希望闭环Z传递函数Φ(z)或者闭环误差Z 传递函数We(z) 或者开环Z传递函数D(z)G(z),然后再根据 G(z)反求出D(z)。 利用直接数字设计法设计最少拍控制系统,要考虑以下几点: v 稳定性:闭环系统应是稳定的。 v 准确性:对于特定的参考输入信号,到达稳态后,系统在采 样时刻精确实现对输入的跟踪。 v 快 速 性 : 系 统 以 最 快 速 度 达 到 稳态,即调节时间为有限拍, 且拍数最 小 。 v 应是物理可实现的。 D(z) 假 设 条件 为了使设计简明起见,提出如下三个假设条件。 v G(z)在单位圆上和圆外无极点,(1,j0)点除外; v G(z)在单位圆上和圆外无零点; 中不含纯滞后 ?qs , 是 的整数倍。 v G0(s) e q T1.由准确性确定Φ (z) v 根据准确性要求,系统在采样点无稳态误差。 v 根据终值定理得 e*(? ) ? lim(1? z ?1)E(z) Z ? 1 ?1 ? lim(1? z )We (z)? R(z) ? 0 Z ?1 为 了 确定Φ(z)或We(z),讨论在单位阶跃、单位速度、单 位加速度三种典型输入信号作用下无稳态误差最少拍系统 的Φ(z)或We(z)应具有的形式。 v 对于以上三种典型输入信号R(z)分别为 :(T为采样周期) 1单位阶跃: R(z) ? 1 ? z ?1 Tz ?1单位速度: R ( z) ? ? ?1 2 ( 1 z ) T 2 (1 ? z ?1 )z ?1单位加速度: R(z) ? 2(1 ? z ?1 ) 3 A(z) 可 统 一表达为: R(z) ? (1? z ?1 ) m ?1v 式A(z)中为不含 ( 1 ? z ) 因子的z-1的多项式。 v 对于 单位阶跃: m=1, A(z) ? 1 ?1 单位速度: m=2,A( z ) ? Tz T 2 (1 ? z ?1 )z ?1 单位加速度: m=3, A(Z ) ? 2 v 则 有 ?1 e * (?) ? lim(1 ? z )E (z) Z ?1 ?1 ? lim(1 ? z )We (z) ? R(z) Z ?1 ?1 A(z) ? lim(1 ? z )We (z) ? Z ?1 (1 ? z 1 )mv 若要求稳态误差为零的条件是We(z)应具有如下形式 ?1 M W e ( z ) ? (1 ? z ) F ( z ) (M ? m )v 其中F(z) 是待定的不含因子(1-z-1)的关于z-1的有理分式 或 的 有 限 项 多 项 式 。 2.由快速性确定Φ (z) v 快速性要求闭环系统的响应能在最短时间内使采样点上的 ?1 误差为零,这就要求We(z)包含 z 的幂次尽可能小。 v 在满足准确性前提下,若取F(z)=1,则得到无稳态误差最 少 拍 系 统 的 希 望 闭 环 误 差 Z 传 递 函 数就应为 ?1 m We (z) ? (1? z ) v 希 望闭环Z传递函数应为 ?1 m ?(z) ? 1?We (z) ? 1? (1? z )v 对于不同输入We(z)、Φ(z)形式如下:单位阶跃: ?1 ?1 m ?1 , We (z) ?1? z , ?(z) ? z单位速度: ?1 2 ?1 ?2 m ? 2 , W e ( z ) ? ( 1 ? z ) , ?(z) ? 2z ? z 关 键 词: 西安电子科大版汤楠计算机控制技术6章 ppt、pptx格式 免费阅读 下载 天天文库

4d91c43bfc72ca913299809b07b4968f.gif  天天文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。

在计算机视觉的研究范畴内,针对书面文字的定位与辨识构成了一项基础而关键的工作。尤其对于汉字这类结构繁复、形态多样的书写系统,相关技术面临更为显著的困难。本文旨在探讨一种基于深度学习的解决方案,该方案整合了角点文本提议网络与密集连接卷积网络两项模型,以应对汉字文本的检测与识别挑战。下文将系统阐述这两个模型的基本原理及其在汉字处理任务中的具体应用。 角点文本提议网络最初于2016年由He等人提出,其核心目标在于实现文本行的精确定位。该模型在区域提议网络的基础上进行了重要改进,通过引入方向性锚点机制,使模型能够同时预测文本行的上下边界与左右角点位置,从而显著提升了文本框定位的精度。结合滑动窗口策略与多尺度检测技术,该网络能够在复杂图像背景中稳定地识别出文本行区域。 密集连接卷积网络则由Huang等人在2017年提出,是一种具有创新连接结构的深度卷积神经网络。该网络的核心思想是建立密集连接,即每一层的特征输出都会直接传递至后续所有层作为输入。这种设计不仅有效缓解了深层网络中的特征退化问题,还大幅减少了模型参数数量,提升了训练过程的效率。在汉字识别任务中,该网络凭借其强大的特征表征能力,能够从图像中提取出判别性强的文本特征,进而提高字符分类的准确性。 在本方案的实施流程中,首先利用角点文本提议网络对输入图像进行扫描,定位出所有潜在的文本行区域并生成对应的候选边界框。随后,将这些候选区域裁剪出的图像块送入密集连接卷积网络进行特征编码与字符分类。识别过程通常采用逐字符预测的方式,并借助时序分类或序列转换器等序列建模技术,将离散的字符预测结果整合为连贯的文本字符串。 项目的完整实现通常涵盖以下几个关键环节:其一,数据预处理阶段,涉及对汉字文本图像的标准化操作,如尺寸归一化、对比度调整等,以优化模型输入质量;其二,模型构建与训练阶段,包括网络结构的代码实现、损失函数定义以及超参数配置;其三,性能评估阶段,需在公开的汉字文本基准数据集上进行定量测试,以验证模型的有效性;其四,推断应用阶段,提供将训练完备的模型部署于新图像并完成端到端文本识别的功能代码。 此类综合性研究项目有助于学习者深入掌握深度学习技术在视觉信息处理中的实际应用,特别是针对汉字这一特定对象的处理方法。通过完整的开发实践,研究者能够进一步熟悉主流深度学习框架的操作,并提升解决复杂工程问题的能力。 综上所述,本方案通过融合角点文本提议网络的定位优势与密集连接卷积网络的识别效能,构建了一个能够对汉字文本进行可靠检测与识别的完整系统。该工作为相关领域的研究与实践提供了有价值的参考范例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值