Pythonによる制御工学入門 第4回
前回は閉ループ
の周波数特性を可視化した
しかし、制御器を調整する上では、開ループ
の周波数特性を確認することが有効である
今回は、参考書の6章「開ループ系に注目した制御設計」の
6.2「PID制御」のボード線図を自作の数値シミュレーションで再現する
また、閉ループの周波数特性から、計算で、開ループの周波数特性を取得する方法も紹介する
PID制御
前回と同じ垂直駆動アームのモデルに対して、PID制御を行う
import matplotlib.pyplot as plt import numpy as np import pandas as pd import control.matlab as pyctrl g = 9.81 # 重力加速度[m/s^2] l = 0.2 # アームの長さ[m] M = 0.5 # アームの質量[kg] mu = 1.5e-2 # 粘性摩擦係数[kg*m^2/s] J = 1.0e-2 # 慣性モーメント[kg*m^2] target = 30 # 目標角度 [deg] kp = 2.0 ki = 5 kd = 0.1
今回は、0.1Hz ~ 10Hz までを等比で100分割する
hz_s = [] hz = 0.1 while True: if hz > 10 * 10 ** (2 / 100): break hz_s.append(hz) hz = hz * 10 ** (2 / 100)
各周波数の結果の評価の関数を定義する
from scipy.optimize import curve_fit def sin_func2(x, p0, p1, p2, ofs): return p0 * np.sin(2.0 * np.pi * p1 * x + p2) + ofs def _convert_phase(phase): phase += 180 phase %= 360 if phase < 0: phase += 180 else: phase -= 180 return phase def _convert_param(param): param = param.copy() param[2] = param[2] / np.pi * 180 if param[0] < 0: param[0] = -param[0] param[2] += 180 param[2] = _convert_phase(param[2]) return param def calc_f_func(param1, param2): param1 = _convert_param(param1) param2 = _convert_param(param2) freq = param1[1] gain = param2[0] / param1[0] phase = param2[2] - param1[2] phase = _convert_phase(phase) return param1, param2, freq, gain, phase
周波数応答
閉ループの場合は、正弦波を目標値
にしていたが、
開ループの場合は、正弦波を偏差
として代入する
現在値に関係なく制御が行われることになるので、フィードバック制御が切れて
開ループになる
dt = 0.001 df_list = [] for hz in hz_s: t_s = [0.0] x_s = [0.0] v_s = [0.0] a_s = [0.0] F_s = [0.0] err_s = [0.0] pre_err = 0.0 integ = 0.0 for i in range(50000): err = target * np.sin(2.0 * np.pi * hz * t_s[-1]) err_s += [err] integ += err F_s += [ err * kp + (err - pre_err) * kd / dt + integ * ki * dt] a_s += [(- mu * v_s[-1] - M * g * l * x_s[-1] + F_s[-1]) / J] v_s += [v_s[-1] + a_s[-1] * dt] x_s += [x_s[-1] + v_s[-1] * dt] t_s += [t_s[-1] + dt] pre_err = err df = pd.DataFrame() df['in'] = err_s[10000:] df['out'] = x_s[10000:] df.index = t_s[10000:] df_list += [df]
周波数解析を実施
data_s = [] for hz, df in zip(hz_s, df_list): p0 = [target, hz, 0.0, df['in'].mean()] p1, conv = curve_fit(sin_func2, np.array(df.index), np.array(df['in']), p0=p0) p0 = [target, hz, 0.0, df['out'].mean()] p2, conv = curve_fit(sin_func2, np.array(df.index), np.array(df['out']), p0=p0) param1, param2, freq, gain, phase = calc_f_func(p1, p2) data_s.append([freq, gain, phase]) df_res = pd.DataFrame(data_s) df_res.columns = ['freq', 'gain', 'phase']
結果を表示する
controlモジュールと比較する
fig = plt.figure(figsize=(6, 5)) ax1 = fig.add_subplot(2, 1, 1) ax2 = fig.add_subplot(2, 1, 2) ax1.plot(df_res['freq'], np.log10(df_res['gain'])*20.0, 'o-', label='sim') ax2.plot(df_res['freq'], df_res['phase'], 'o-', label='sim') P = pyctrl.tf([0, 1], [J, mu, M *g *l]) K = pyctrl.tf([kd, kp, ki], [1, 0]) H = P * K gain, phase, w = pyctrl.bode(H, pyctrl.logspace(-1,2), plot=False) ax1.plot(w/(2*np.pi), 20*np.log10(gain), label='pyctrl') ax2.plot(w/(2*np.pi), phase*180/np.pi, label='pyctrl') ax2.set_ylim(-190, 10); ax2.set_yticks([-180, -90, 0]) ax1.legend(); ax1.grid(); ax1.set_xscale('log') ax1.set_ylabel('Gain [dB]') ax2.legend(); ax2.grid(); ax2.set_xscale('log') ax2.set_xlabel('[Hz]') ax2.set_ylabel('Phase [deg]') fig.tight_layout()
良く特性が再現できていそう
ただ、開ループ特性の場合、評価時のフィッティングが安定せず、関数とパラメータの調整を行った
閉ループ特性から算出する
上記の方法で、開ループ特性を取得することはできるが、
開ループ制御の場合、現在値が補償されないため、装置が暴走する懸念がある
そこで、閉ループで取得した特性から、開ループ特性を算出する方法を紹介する
閉ループと開ループの伝達関数の関係
ここで、、 とおくと、
と表すことができ、
ゲインは、
位相は、
で取得できる
、 のゲインと位相を求めるためには、
そもそもの と表すと、
ゲインと、位相は、
となる
上記がそのまま 、 になる
一方、 については、
から
これで、 、 、 、 が求まったので、
、 を求めることができる
実際に求めてみる
実際に、閉ループ特性を取得し、開ループ特性を算出する
dt = 0.001 df_list = [] for hz in hz_s: t_s = [0.0] x_s = [0.0] v_s = [0.0] a_s = [0.0] F_s = [0.0] ref_s = [0.0] pre_err = 0.0 integ = 0.0 for i in range(50000): ref = target * np.sin(2.0 * np.pi * hz * t_s[-1]) ref_s += [ref] err = ref - x_s[-1] integ += err F_s += [ err * kp + (err - pre_err) * kd / dt + integ * ki * dt] a_s += [(- mu * v_s[-1] - M * g * l * x_s[-1] + F_s[-1]) / J] v_s += [v_s[-1] + a_s[-1] * dt] x_s += [x_s[-1] + v_s[-1] * dt] t_s += [t_s[-1] + dt] pre_err = err df = pd.DataFrame() df['in'] = ref_s[10000:] df['out'] = x_s[10000:] df.index = t_s[10000:] df_list += [df]
data_s = [] for hz, df in zip(hz_s, df_list): p0 = [target, hz, 0.0, df['in'].mean()] p1, conv = curve_fit(sin_func2, np.array(df.index), np.array(df['in']), p0=p0) p0 = [target, hz, 0.0, df['out'].mean()] p2, conv = curve_fit(sin_func2, np.array(df.index), np.array(df['out']), p0=p0) param1, param2, freq, gain, phase = calc_f_func(p1, p2) data_s.append([freq, gain, phase]) df_res = pd.DataFrame(data_s) df_res.columns = ['freq', 'gain', 'phase']
取得した閉ループ特性から開ループ特性を計算する
gain_open_s = [] phase_open_s = [] for i in df_res.index: data = df_res.loc[i] tan_theta = np.tan(np.deg2rad(data['phase'])) A = data['gain'] / np.sqrt(1 + tan_theta**2) if abs(data['phase']) > 90: A = -A B = A * tan_theta gain_open = data['gain'] / np.sqrt(np.abs((1.0 - A)**2 + B**2)) phase_open = data['phase'] + np.rad2deg(np.arctan2(B, 1 - A)) gain_open_s += [gain_open] phase_open_s += [phase_open] df_res['gain_open'] = gain_open_s df_res['phase_open'] = phase_open_s
表示する
fig = plt.figure(figsize=(6, 5)) ax1 = fig.add_subplot(2, 1, 1) ax2 = fig.add_subplot(2, 1, 2) ax1.plot(df_res['freq'], np.log10(df_res['gain_open'])*20.0, 'o-', label='sim') ax2.plot(df_res['freq'], df_res['phase_open'], 'o-', label='sim') P = pyctrl.tf([0, 1], [J, mu, M *g *l]) K = pyctrl.tf([kd, kp, ki], [1, 0]) H = P * K gain, phase, w = pyctrl.bode(H, pyctrl.logspace(-1,2), plot=False) ax1.plot(w/(2*np.pi), 20*np.log10(gain), label='pyctrl') ax2.plot(w/(2*np.pi), phase*180/np.pi, label='pyctrl') ax2.set_ylim(-190, 10); ax2.set_yticks([-180, -90, 0]) ax1.legend(); ax1.grid(); ax1.set_xscale('log') ax1.set_ylabel('Gain [dB]') ax2.legend(); ax2.grid(); ax2.set_xscale('log') ax2.set_xlabel('[Hz]') ax2.set_ylabel('Phase [deg]') fig.tight_layout()
閉ループ特性からでも、開ループ特性が取得できている
参考文献
この記事は以下の書籍を参考にしましたが、
私の拙い知識で書いておりますので、誤り等ありましたらご指摘ください