来自系列:了解波德图
卡洛斯•奥索里奥MathWorks
了解频率域分析如何帮助您了解该MATLAB中的物理系统的行为®Carlos Osorio的科技演讲。
嗨。在这一系列视频中,我将尝试在实践中使用其应用来连接频域分析的基础之后的一些基本理论,以及在典型控制器设计中使用Bode Plot等工具。我以为解释为什么控制或信号处理工程师需要查看频域中的东西的最佳方式,以便通过使用几个简单的示例。
让我从原声吉他开始,请原谅我过于简单的向后拉。如果我们把麦克风放在靠近音板的任何地方,我们拨动其中一根弦,振动就会在吉他的腔内产生共鸣,产生声波,然后被麦克风捕捉到。通过观察麦克风发出的信号的时间轨迹,我们很难知道发生了什么。只有当我们在频谱分析仪上看到同样的信号,或者对它进行FFT,我们才能看到一个振幅峰值和某个频率。这个频率恰好是形成我们刚才演奏的音符的底音。当你调整调音旋钮或按下你的手指在吉他的颈部,你实际上是在改变预加载或有效长度的弦。这将改变弦共振的频率,最终产生一个不同的音符。
如果我们看看一个更典型的控制例,这里所绘制的是所谓的两种自由度季暂停。顶部质量代表汽车底盘的一角,底部质量代表相应的轮胎。我们可以使用牛顿定律来提出一组描述该系统动态的微分方程。我们可以在Simulink这样的动态模拟环境中快速构建这些方程的模型。万博1manbetx当我按播放时,模型中的差分方程逐步通过数字求解器,我们可以监控我们系统的任何状态。对于此模拟运行,我们在轮胎下注入了随机噪声道路轮廓 - 想到汽车在一些粗糙的地形上驾驶 - 我们正在测量传递到车身上的加速度。因此,从我们的数字仿真解决方案中,我们得到了随机噪音以及看起来像略微不同的随机噪声。有用,也许,但绝对不完整。我的意思是,当然,通过这种动态模型,我们可以使用不同类型的道路配置文件进行更多的模拟,并比较结果,但仍然存在。我知道所有信息都在那里,但它有些隐藏在那些时间痕迹下面。
这里人喜欢傅里叶的天才和拉普拉斯进场:拉普拉斯变换,例如,将帮助我们把这迫使微分方程问题,可以非常难以处理在时域到一套简单的代数表达式基于复杂的拉普拉斯算子,美国一旦在频域,我们可以很容易地创建一个响应的情节为一系列不同频率的系统。你可以把这个图想象成能量传送器振幅的比率从轮胎下的路面到车身的加速度。
实际上,我们现在看到的是任何标准汽车悬架的典型行为。第一个峰值对应悬架本身的共振频率,第二个峰值对应轮胎的共振频率。任何人,曾经走丢的高速公路上其中一个闹市区应急车道,觉得车子开始动摇如此糟糕,它觉得它会崩溃:发生的原因是汽车的速度,加上下面的路面,产生兴奋,可能是轮胎的共振频率非常接近。
顺便说一下,汽车下的颠簸不需要真的很大。这里的临界因素是激发频率。如果您以正确的速度击中隆隆声,那些微小的凹凸可以在底盘上产生非常大的垂直加速速降。即使这些条纹旨在让你本能地减慢,有时,当你拿走煤气时,你可以感觉到它在开始变得更好之前变得更糟。这可能是因为,随着汽车减速,激励的频率也下降。如果你在第二座峰的右侧开始,你将升起轮胎共鸣。我知道它可能听起来违反直觉,但请注意,如果你要加快加速,你就会进一步行动那个图表,系统将完全验证来自道路的任何干扰。
总之,我想说的是控制工程师需要克服在频域分析问题的困难因为它增加了一个非常重要的维度来观察我们的系统响应。我倾向于认为,只在时间领域观察系统——这对我们来说更自然——就像机械设计师试图通过观察一个三维部件的一个侧面的单一的二维图形来推断它的形状一样。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
本网站使用cookies改善您的用户体验,个性化内容和广告,并分析网站流量。如您继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策以了解更多有关cookies及如何更改您的设置。