频率响应9

news/2024/9/19 18:31:00/文章来源:https://www.cnblogs.com/redufa/p/18421122

频率响应 公式推导

正弦输入的一般形式

\[u(t)=Asin(\omega_i)+bcos(\omega_i) \]

整理

\[u(t)=M_i sin(\omega_i t + \phi_i) \\其中 \phi_i=arctan \frac{B}{A} \qquad ,M_i=\sqrt{A^2+B^2} \]

输入到系统 G(s)

\[\begin{aligned} U(s)& =\mathcal{L}[u\left(t\right)]=\mathcal{L}[A\sin(\omega_{\mathrm{i}}t)+B\cos(\omega_{\mathrm{i}}t)] \\ &=\mathcal{L}[A\sin(\omega_{\mathrm{i}}t)]+\mathcal{L}[B\cos(\omega_{\mathrm{i}}t)] \\ &=\frac{A\omega_{\mathrm{i}}}{s^{2}+\omega_{\mathrm{i}}^{2}}+\frac{Bs}{s^{2}+\omega_{\mathrm{i}}^{2}}=\frac{A\omega_{\mathrm{i}}+Bs}{s^{2}+\omega_{\mathrm{i}}^{2}}=\frac{A\omega_{\mathrm{i}}+Bs}{(s+\mathrm{j}\omega_{\mathrm{i}})(s-\mathrm{j}\omega_{\mathrm{i}})} \end{aligned} \]

传递函数G(s)

\[G(s)=\frac{N(s)}{D(s)}=\frac{(s-s_{z1})(s-s_{z2})\cdots(s-s_{zm})}{(s-s_{p1})(s-s_{p2})\cdots(s-s_{pn})},\quad n>m \]

系统输出

\[X(s)=U(s)G(s)=\frac{A\omega_{\mathrm{i}}+Bs}{(s+\mathrm{j}\omega_{\mathrm{i}})(s-\mathrm{j}\omega_{\mathrm{i}})}\frac{N(s)}{D(s)} \]

分解可得

\[\begin{aligned} X\left(s\right)=& \frac{A\omega_{\mathrm{i}}+Bs}{(s+\mathrm{j}\omega_{\mathrm{i}})(s-\mathrm{j}\omega_{\mathrm{i}})} \frac{N(s)}{D(s)} \\ \text{=}& \frac{A\omega_{\mathrm{i}}+Bs}{(s+\mathrm{j}\omega_{\mathrm{i}})(s-\mathrm{j}\omega_{\mathrm{i}})}\frac{N(s)}{(s-s_{\mathrm{pl}})(s-s_{\mathrm{p2}})\cdots(s-s_{\mathrm{pn}})} \\ \text{=}& \frac{K_{1}}{s+\mathrm{j}\omega_{\mathrm{i}}}+\frac{K_{2}}{s-\mathrm{j}\omega_{\mathrm{i}}}+\frac{C_{1}}{s-s_{\mathrm{p1}}}+\frac{C_{2}}{s-s_{\mathrm{p2}}}+\cdots+\frac{C_{n}}{s-s_{\mathrm{pn}}} \end{aligned} \]

对其进行逆变换

\[\begin{aligned} x\left(t\right)& =\mathcal{L}^{-1}\bigl[X\left(s\right)\bigr]=\mathcal{L}^{-1}\left[\frac{K_{1}}{s+\mathrm{j}\omega_{\mathrm{i}}}+\frac{K_{2}}{s-\mathrm{j}\omega_{\mathrm{i}}}+\frac{C_{1}}{s-s_{\mathrm{p1}}}+\frac{C_{2}}{s-s_{\mathrm{p2}}}+\cdots+\frac{C_{n}}{s-s_{\mathrm{pn}}}\right] \\ &=K_{1}\mathrm{e}^{-\mathrm{j}\omega_{\mathrm{i}}t}+K_{2}\mathrm{e}^{\mathrm{j}\omega_{\mathrm{i}}t}+C_{1}\mathrm{e}^{s_{\mathrm{p}1}t}+C_{2}\mathrm{e}^{s_{\mathrm{p}2}t}+\cdots+C_{n}\mathrm{e}^{s_{\mathrm{p}n}t} \end{aligned} \]

当传递函数 \(G(s)\) 的极点\(s_\mathrm{p1},s_\mathrm{p2},\cdotp\cdotp\cdotp,s_\mathrm{pn}\)的实部都小于 0 时, \(C_1\mathrm{e}^{s_{p1}t},C_2\mathrm{e}^{s_{p2}t},\cdots,C_n\mathrm{e}^{s_{pn}t}\)会随着时间\(t\)的增加而趋于 0。也只有在这种情况下,系统的频率响应分析才有意义,否则系统的输出将无穷大。此时,系统的稳态输出为

\[x_{ss}(t)=K_{1}\mathrm{e}^{-\mathrm{j}\omega_{\mathrm{i}}t}+K_{2}\mathrm{e}^{\mathrm{j}\omega_{\mathrm{i}}t} \]

\(K_1,K_2\)

\[\begin{aligned} (A\omega_{\mathrm{i}}+Bs)N(s)& =K_{1}(s-\mathrm{j}\omega_{\mathrm{i}})D(s)+K_{2}(s+\mathrm{j}\omega_{\mathrm{i}})D(s)+ \\ &C_1(s+\mathrm{j}\omega_\mathrm{i})(s-\mathrm{j}\omega_\mathrm{i})(s-s_\mathrm{p2})\cdotp\cdotp\cdotp(s-s_\mathrm{pn})+ \\ &C_2(s+\mathrm{j}\omega_\mathrm{i})(s-\mathrm{j}\omega_\mathrm{i})(s-s_\mathrm{p1})(s-s_\mathrm{p3})\cdots(s-s_\mathrm{pn})+\cdots+ \\ &C_n(s-\mathrm{j}\omega_i)(s+\mathrm{j}\omega_i)(s-s_{p1})\cdotp\cdotp\cdotp(s-s_{pn-1}) \end{aligned} \]

\(s=-j\omega_i\) 代入

\[(A\omega_{\mathrm{i}}+B(-j\omega_{\mathrm{i}}))N(-j\omega_{\mathrm{i}})=K_{1}(-j\omega_{\mathrm{i}}-j\omega_{\mathrm{i}})D(-j\omega_{\mathrm{i}})\\\Rightarrow K_{1}=\frac{A\omega_{\mathrm{i}}+B(-j\omega_{\mathrm{i}})}{-2j\omega_{\mathrm{i}}}\frac{N(-j\omega_{\mathrm{i}})}{D(-j\omega_{\mathrm{i}})}=\frac{B+Aj}{2}G(-j\omega_{\mathrm{i}}) \]

\(s=j\omega_i\) 代入

\[(A\omega_{\mathrm{i}}+B\left(\mathrm{j}\omega_{\mathrm{i}}\right))N\left(\mathrm{j}\omega_{\mathrm{i}}\right)=K_{2}\left(\mathrm{j}\omega_{\mathrm{i}}+\mathrm{j}\omega_{\mathrm{i}}\right)D\left(\mathrm{j}\omega_{\mathrm{i}}\right)\\\Rightarrow K_{2}=\frac{A\omega_{\mathrm{i}}+B\left(\mathrm{j}\omega_{\mathrm{i}}\right)}{2\mathrm{j}\omega_{\mathrm{i}}}\frac{N\left(\mathrm{j}\omega_{\mathrm{i}}\right)}{D\left(\mathrm{j}\omega_{\mathrm{i}}\right)}=\frac{B-A\mathrm{j}}{2}G\left(\mathrm{j}\omega_{\mathrm{i}}\right) \]

\(G(j\omega_i)\) 是一个复数,可以写成指数形式

\[G(j\omega_i)=|G(j\omega_i)|e^{j\angle G(j\omega_{i})} \]

传递函数\(G(s)\)是输出与输入的拉普拉斯变换的比值。当\(s=\)j\(\omega _i\)的时候,拉普拉斯变换变成了傅里叶变换。实信号函数的傅里叶变换属于埃尔米特函数(Hermitian Function),符合共轭对称。

根据上述结论,\(G( -\)j\(\omega _\mathrm{i}\))与\(G(\)j\(\omega _\mathrm{i}\))共轭,\(G(\)j\(\omega _\mathrm{i}\))和\(G( -\)j\(\omega _\mathrm{i}\))的示意图如图 所示,它们的模相同,相位相反,得到

\[G(-\mathrm{j}\omega_{\mathrm{i}})=\mid G(-\mathrm{j}\omega_{\mathrm{i}})\mid\mathrm{e}^{\mathrm{j}\angle G(-\mathrm{j}\omega_{\mathrm{i}})}=\mid G(\mathrm{j}\omega_{\mathrm{i}})\mid\mathrm{e}^{-\mathrm{j}\angle G(\mathrm{j}\omega_{\mathrm{i}})} \]

image-20240919114005370

代入得

\[K_{1}=\frac{B+A\mathrm{j}}{2}G\left(-\mathrm{j}\omega_{\mathrm{i}}\right)=\frac{B+A\mathrm{j}}{2}\mid G\left(\mathrm{j}\omega_{\mathrm{i}}\right)\mid\mathrm{e}^{-\mathrm{j}\angle G\left(\mathrm{j}\omega_{\mathrm{i}}\right)}\\K_{2}=\frac{B-A\mathrm{j}}{2}G\left(\mathrm{j}\omega_{\mathrm{i}}\right)=\frac{B-A\mathrm{j}}{2}\mid G\left(\mathrm{j}\omega_{\mathrm{i}}\right)\mid\mathrm{e}^{\mathrm{j}\angle G\left(\mathrm{j}\omega_{\mathrm{i}}\right)} \]

代回得

\[\begin{aligned} x_{ss}(t)& =K_{1}\mathrm{e}^{-\mathrm{j}\omega_{\mathrm{i}}t}+K_{2}\mathrm{e}^{\mathrm{j}\omega_{\mathrm{i}}t} \\ &=\frac{B+A\mathrm{j}}{2}\mid G(\mathrm{j}\omega_{\mathrm{i}})\mid\mathrm{e}^{-\mathrm{j}\angle G(\mathrm{j}\omega_{\mathrm{i}})}\mathrm{e}^{-\mathrm{j}\omega_{\mathrm{i}}t}+\frac{B-A\mathrm{j}}{2}\mid G(\mathrm{j}\omega_{\mathrm{i}})\mid\mathrm{e}^{\mathrm{j}\angle G(\mathrm{j}\omega_{\mathrm{i}})}\mathrm{e}^{\mathrm{j}\omega_{\mathrm{i}}t} \\ &=\frac{B+A\mathrm{j}}{2}\mid G(\mathrm{j\omega_{i}})\mid\mathrm{e}^{\mathrm{j(-\angle G(j\omega_{i})-\omega_{i}t)}}+\frac{B-A\mathrm{j}}{2}\mid G(\mathrm{j\omega_{i}})\mid\mathrm{e}^{\mathrm{j(\angle G(j\omega_{i})+\omega_{i}t)}} \\ &=\frac{1}{2}\mid G(\mathrm{j}\omega_{\mathrm{i}})\mid\left[(B+A\mathrm{j})\mathrm{e}^{\mathrm{j}(-\angle G(\mathrm{j}\omega_{\mathrm{i}})-\omega_{\mathrm{i}}t)}+(B-A\mathrm{j})\mathrm{e}^{\mathrm{j}(\angle G(\mathrm{j}\omega_{\mathrm{i}})+\omega_{\mathrm{i}}t)}\right] \end{aligned} \]

根据欧拉公式 $ cos\varphi+\mathrm{jsin}\varphi=\mathrm{e}^{\mathrm{j}\varphi} $, 可得

\[\begin{aligned} \mathrm{e}^{\mathrm{j}(-\angle G(\mathrm{j}\omega_{\mathrm{i}})-\omega_{\mathrm{i}}t)}& =\cos(-\angle G(j\omega_{\mathrm{i}})-\omega_{\mathrm{i}}t)+\mathrm{jsin}(-\angle G(j\omega_{\mathrm{i}})-\omega_{\mathrm{i}}t) \\ &=\cos(\angle G(\mathrm{j}\omega_{\mathrm{i}})+\omega_{\mathrm{i}}t)-\mathrm{j}\sin(\angle G(\mathrm{j}\omega_{\mathrm{i}})+\omega_{\mathrm{i}}t) \\ \mathrm{e}^{\mathrm{j}(\angle G(\mathrm{j}\omega_{i})+\omega_{i}t)}& =\cos(\angle G(\mathrm{j}\omega_{\mathrm{i}})+\omega_{\mathrm{i}}t)+\mathrm{j}\sin(\angle G(\mathrm{j}\omega_{\mathrm{i}})+\omega_{\mathrm{i}}t) \end{aligned} \]

代入

\[\begin{aligned} x_{ss}(t)& =\frac{1}{2}\mid G(\mathrm{j\omega_{i}})\mid\left[2B\cos(\angle G(\mathrm{j\omega_{i}})+\omega_{\mathrm{i}}t)+2A\sin(\angle G(\mathrm{j\omega_{i}})+\omega_{\mathrm{i}}t)\right] \\ &=\mid G(\mathrm{j}\omega_{\mathrm{i}})\mid\sqrt{A^{2}+B^{2}} \\ &\left[\frac{B}{\sqrt{A^{2}+B^{2}}}\mathrm{cos}(\angle G(\mathrm{j}\omega_{\mathrm{i}})+\omega_{\mathrm{i}}t)+\frac{A}{\sqrt{A^{2}+B^{2}}}\mathrm{sin}(\angle G(\mathrm{j}\omega_{\mathrm{i}})+\omega_{\mathrm{i}}t)\right] \end{aligned} \]

代入

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/800018.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

vscode 搜索框3个按钮分别代表什么

https://blog.csdn.net/u012292754/article/details/108307288相信坚持的力量,日复一日的习惯.

数据库系统 1 关系数据库

数据库系统 1 关系数据库 三层体系结构外部层:数据库的用户视图 概念层:数据库的整体视图,提供内、外部层的映射和必要的独立性所有实体,实体的属性和实体间的联系 数据的约束 数据的语义信息 安全性和完整性信息内部层:数据库在计算机上的物理表示数据独立性 三层体系的主…

记录一次首页优化的经历

公司最近要进行多品牌合一,原来五个品牌的app要合并为一个。品牌立项、审批、方案确定,历史数据迁移、前期的基础工程搭建,兼容以及涉及三方的交互以及改造,需求梳理等也都基本完成,原来计划9月中旬进行上线,但是上线后服务端的压测一直通不过-首页抗不过太高的并发。app…

软工作业3:结对项目——实现一个自动生成小学四则运算题目的命令行程序

这个作业属于哪个课程 https://edu.cnblogs.com/campus/gdgy/CSGrade22-34/这个作业要求在哪里 结对项目 - 作业 - 计科22级34班 - 班级博客 - 博客园 (cnblogs.com)这个作业的目标 结对项目——实现一个自动生成小学四则运算题目的命令行程序成员1 陈奕奕 3222004552成员2 林闰…

基于LangChain手工测试用例转App自动化测试生成工具

在传统编写 App 自动化测试用例的过程中,基本都是需要测试工程师,根据功能测试用例转换为自动化测试的用例。市面上自动生成 Web 或 App 自动化测试用例的产品无非也都是通过录制的方式,获取操作人的行为操作,从而记录测试用例。整个过程类似于但是通常录制出来的用例可用性…

单细胞数据 存储方式汇总

(单细胞下游分析——不同类型的数据读入,与部分数据类型的转化) .h5ad(anndata 数据格式) 10x_mtx(cell ranger输出,三个文件) 就是cell ranger上游比对分析产生的3个文件: ├── xxx_feature_bc_matrix │ ├── barcodes.tsv.gz:细胞标签(barcode) │ ├──…

springcloud组件openfeign超时时间设置

openfeign超时时间设置有两种方式 1、通过配置类;2、通过配置文件 1、使用配置类代码如下:@Configuration public class FeignConfig {@Beanpublic Request.Options options(){//第一个参数是连接超时时间,第二个参数是处理超时时间return new Request.Options(5000,3000);}…

python虚拟环境venv

创建目录 mkdir pyenv 进入 cd pyenv 初始化环境 python3 -m venv .进入bin目录 jihan@jihandeMacBook-Pro pyenv % cd bin jihan@jihandeMacBook-Pro bin % ls Activate.ps1 activate activate.csh activate.fish pip pip3 pip3.12 python python3 python3.12 jihan@jiha…

进行网站监控有必要吗?

在当今数字化高速发展的时代,网站已经成为了企业、组织乃至个人展示自身形象、提供服务、进行交流互动的重要平台。那么,进行网站监控有必要吗?答案无疑是肯定的。 进行网站监控,首先是保障用户体验的关键。对于访问网站的用户来说,他们期望能够快速、稳定地获取所需信息或…

Typora+picgo+jsDelivr实现免费图床

Typora+picgo+github+jsDelivr实现免费图床 需求 typora中写markdown图片是保存在本地的,为了简化写博客时繁琐的插入图片步骤,直接使用typora+picgo将图片上传到云端,这样发博客就只要复制markdown即可 步骤 前期准备:github中创建一个仓库用于保存图片 名字随便填就行1.下…

线上间歇性卡顿问题

事情起因 最近一段时间我们公司有个项目是做视力筛查的,平时都是正常的,但是最近这两天突然会时不时地卡顿一下,一卡就是几分钟。排查过程 1.查看日志 卡顿首先是排查日志,日志报的是feign调用学生服务超时,进到学生服务查看时,看到日志报的是事务超时2.继续排查,既然是…

关于springcloud中openfeign中服务调用日志输出

在使用openfeign进行服务调用的时候,我们可以通过一些配置,获取到服务调用的日志输出,可以从消费端看到日志 有两种方法:一、使用配置类;二、使用配置文件配置 日志输出级别有四种: NONE:不输出(默认) BASIC:只输出请求方式、url、请求成功与否 HEADERS:输出请求头的…