Python-control - 步进系统

Posted 2023-03-14

【中文标题】Python-control - 步进系统

【英文标题】：Python-control - step system

【发布时间】：2016-08-06 06:04:35

【问题描述】：

当我使用 python-control 包创建系统时：

import control
H = control.tf([1], [1])

然后想迭代地模拟那个系统，我该怎么做？

我知道我能做到：

T = np.arange(0, 10, 0.01)
u = np.sin(T)
y, t, x = control.lsim(H, u, T)

但我想做的是：

Tstart = get_current_time()   # returns a scalar
T = get_current_time()
x = None
while T - Tstart < 100:
    u = get_next_input()      # returns a scalar
    T = get_current_time()
    y, x = control.step_system(H, u, T, x)
    do_something_with_output(y)

有什么方法可以做到这一点吗？您还应该如何使用使用控制包开发的系统来控制某些东西？

【问题讨论】：

要求离散化系统很好，顺便说一句。

我想出的最好的方法是转换为状态空间，离散化并自己手动步进。它有效，但为什么没有内置的东西来做到这一点？

【参考方案1】：

这是一个很好的问题。我自己对此很感兴趣，不久前在 Mathworks 论坛上问了一个similar question，目前在 MATLAB 中是不可能的。

好消息是，您现在可以在 Python Control 中使用 iosys 模块和 input_output_response 函数来实现。

对于示例中的线性系统，您使用 LinearIOSystem 类

这是我的模拟示例：

import time
import numpy as np
import matplotlib.pyplot as plt
import control
from control import input_output_response
from control.iosys import LinearIOSystem

# Define system
# Continuous-time transfer function
G = control.tf([1], [2, 1])

# Convert to state-space representation
Gss = control.ss(G)

# Construct IO system
sys = LinearIOSystem(Gss, inputs='u', outputs='y')

def get_next_input(u, avg_time=0.5):
    """Function to simulate data acquisition"""
    t0 = time.time()
    wait_time = avg_time*(0.5 + np.random.rand())
    while time.time() - t0 < wait_time:
        pass
    if np.random.rand() > 0.8:
        u = u + np.random.randn()
    return u

# Simulate system in response to irregular inputs
t0 = time.time()
t = 0
y0 = 0
u = 0
x = np.zeros(sys.nstates)
np.random.seed(1)
sim_results = [[0, u, y0]]
print(sim_results[-1])
while t < 10:
    u_new, t_new  = get_next_input(u), time.time() - t0
    # Simulation of system up to current time
    T_sim = [t, t_new]
    T_sim, Y_sim, X_sim = input_output_response(sys, T_sim, u, X0=x,
                                                return_x=True)
    sim_results.append([T_sim[-1], u_new, Y_sim[-1]])
    print(sim_results[-1])
    # Set current state and outputs to end of simulation period
    x = X_sim[0, -1]
    u = u_new
    t = t_new

sim_results = np.array(sim_results)
t = sim_results[:, 0]
u = sim_results[:, 1]
y = sim_results[:, 2]

# Plot inputs and outputs
plt.subplot(2, 1, 1)
plt.plot(t, y, 'o-')
plt.xlabel('t')
plt.ylabel('y(t)')
plt.grid()
plt.subplot(2, 1, 2)
plt.step(t, u, where='post')
plt.xlabel('t')
plt.ylabel('u(t)')
plt.grid()
plt.show()

回答你的最后一个问题：

您还应该如何使用使用控制包开发的系统来控制某些东西？"

我认为 MATLAB 控制模块和 python-control 等工具旨在用于控制系统的分析、设计和仿真，而不一定用于它们的实现。根据您的应用程序，通常最终的控制系统实现是在专门的硬件和/或软件上完成的，或者可能是用 C 等低级语言手动编码的。可以说 MATLAB 和 Python 等高级语言过于不可靠且难以维护/升级，因此它们无法成为任何严肃的过程控制或现实世界机器人应用程序中的有吸引力的解决方案。但是对于业余爱好者和实验室实验来说，它们是理想的，所以我同意这种功能很有用。

【讨论】：

感谢您的回答，您现在可以做到这一点真是太棒了。 TBH 我忘记了我什至想要它。我的大部分职业生涯都在编写实时控制系统，我非常熟悉为什么 Python 中的控制系统是个坏主意；我想我想平滑离散时间输入或其他东西，所以对它的实时性并不是很感兴趣。设计一个离散时间过滤器似乎很疯狂……然后如果您真的想使用它，就必须自己重新实现它。