Восстановление математического аппарата для теории автоматического управления

Числа и функции: иррациональные, логарифмы, степени, тригонометрия

Зачем это нужно в теории автоматического управления

В теории автоматического управления (ТАУ) мы постоянно описываем:

рост и спад во времени (переходные процессы), где возникают степени и экспоненты

масштабы и отношения (например, усиление, ослабление), где естественно появляются логарифмы

колебания и фазовые сдвиги (частотный анализ), где нужны тригонометрические функции

Эта статья восстанавливает базовые свойства чисел и функций, без которых дальше тяжело уверенно читать формулы, упрощать выражения и проверять размерность и смысл результатов.

Числа: рациональные и иррациональные

Рациональные числа

Рациональные числа можно представить в виде дроби , где и целые числа, а .

Примеры: , ,

Их десятичная запись либо конечна, либо периодическая

Иррациональные числа

Иррациональные числа нельзя представить в виде .

Примеры: , ,

Их десятичная запись бесконечна и не периодическая

Важно: в инженерных расчетах иррациональные числа почти всегда заменяются приближениями.

Приближения и ошибка

Если мы заменяем значение приближением , полезно различать:

абсолютную ошибку:

относительную ошибку: (если )

Здесь означает модуль (расстояние до нуля на числовой прямой).

Полезные ссылки

Иррациональное число

Степени и корни

Степень с целым показателем

Если число, а целое, то означает:

при : произведение само на себя раз

при : (для )

при : (для )

Здесь называется основанием, показателем степени.

Основные свойства степеней

При , (чтобы не сталкиваться с неоднозначностями для дробных степеней) выполняются правила:

-

(если )

- -

Эти преобразования постоянно используются, чтобы упростить выражения в моделях и при решении уравнений.

Корни как степени

Квадратный корень (при ) можно понимать как степень:

-

В общем виде (при ):

-

Дробные и иррациональные показатели

Выражение при вещественном (в том числе иррациональном) определяется так, чтобы сохранялись свойства экспоненты. Формально это связывают с логарифмом:

Здесь:

основание

произвольное вещественное число

число Эйлера (примерно )

натуральный логарифм

Пока не нужно углубляться в строгое построение, важно понимать: экспонента корректно определена для всех вещественных показателей при положительном основании.

Экспоненциальная функция в ТАУ

Экспоненциальный спад вида часто описывает, насколько быстро система успокаивается.

время

постоянная времени

Чем больше , тем медленнее спад.

!Сравнение быстрого и медленного экспоненциального спада

Полезные ссылки

Степенная функция

Экспоненциальная функция

Логарифмы

Определение логарифма

Логарифм отвечает на вопрос: в какую степень нужно возвести основание, чтобы получить число.

Если , , , то

Здесь:

основание логарифма

число, для которого берется логарифм

результат (показатель степени)

Натуральный логарифм

Натуральный логарифм обозначают и определяют как логарифм по основанию :

-

Он чаще всего встречается в анализе непрерывных систем.

Основные свойства логарифмов

При , , , :

- -

(для вещественного , когда выражение определено)

Эти правила полезны для:

упрощения формул

решения уравнений, где неизвестное стоит в показателе степени

Логарифм как обратная функция к экспоненте

Функции взаимно обратны:

при

при любом вещественном

Пример инженерного смысла

Если величина убывает по закону , то время, когда станет равным некоторому уровню (где ), находится через логарифм:

Здесь:

начальный уровень

целевой уровень

искомое время

постоянная времени

После применения логарифма можно выразить (это станет стандартным приемом в следующих темах).

Полезные ссылки

Логарифм

Натуральный логарифм

Тригонометрия: синус, косинус, углы и радианы

Почему в ТАУ нужна тригонометрия

Колебательные процессы, гармонические сигналы, частотные характеристики и фаза используют синус и косинус. Даже когда мы переходим к комплексной форме записи, смысл остается тригонометрическим.

Радианы

В математике и инженерных формулах углы почти всегда измеряются в радианах.

Определение:

Здесь:

угол в радианах

длина дуги окружности

радиус окружности

Ключевые соответствия:

полный оборот: радиан

половина оборота: радиан

четверть оборота: радиан

Определение и через единичную окружность

Единичная окружность имеет радиус .

Если точка на окружности соответствует углу (отсчитанному от положительного направления оси против часовой стрелки), то координаты точки равны:

Здесь:

это x-координата

это y-координата

!Единичная окружность и смысл sin/cos как координат

Базовые тождества

Эти формулы используются постоянно:

Пифагорово тождество:

Здесь означает , аналогично для .

Четность и нечетность:

Сдвиг фазы на :

Эти соотношения позволяют:

проверять правильность преобразований

переводить одну форму записи сигнала в другую

Гармонический сигнал и смысл параметров

Типичная форма синусоидального сигнала:

Здесь:

время

амплитуда (максимальное отклонение)

угловая частота (в радианах в секунду)

начальная фаза (в радианах)

Важно различать:

частоту в герцах (колебаний в секунду)

угловую частоту

Связь между ними:

Здесь то самое число пи, а соответствует полному обороту.

Полезные ссылки

Радиан

Тригонометрические функции

Связка экспоненты и тригонометрии, которая понадобится позже

В частотных методах анализа удобно представлять синусоиды через комплексную экспоненту. Для этого вводят мнимую единицу , для которой выполняется:

Далее используется формула Эйлера:

Здесь:

основание натурального логарифма

угол (обычно в радианах)

и привычные тригонометрические функции

мнимая часть комплексного числа

Пока достаточно запомнить идею: колебания можно кодировать экспонентой, и тогда многие преобразования становятся проще. Мы вернемся к этому, когда будем обсуждать преобразования и частотные характеристики.

Полезные ссылки

Формула Эйлера

Итог

В этой статье мы восстановили фундамент:

что такое рациональные и иррациональные числа и почему приближения неизбежны

правила работы со степенями, корнями и экспонентой

определение логарифма и его ключевые свойства

тригонометрию через радианы и единичную окружность, а также базовые тождества

Дальше на этом языке мы будем говорить о пределах и непрерывности, а затем перейдем к производным и интегралам, которые непосредственно используются в моделях динамических систем.

Пределы и непрерывность: базовые приёмы и типовые неопределённости

Зачем это нужно в теории автоматического управления

В теории автоматического управления (ТАУ) модели часто задаются функциями времени, частоты или комплексной переменной. Пределы и непрерывность нужны, чтобы уверенно работать со смыслом этих моделей:

понимать, что происходит в начале переходного процесса (поведение при )

анализировать установившийся режим (поведение при )

корректно говорить о малых отклонениях и линейных приближениях (это опирается на непрерывность)

подготовиться к производным, интегралам и преобразованиям (Лапласа/Фурье), где пределы спрятаны внутри определений

В предыдущей статье мы восстановили базовые функции (степени, логарифмы, тригонометрия). Теперь учимся говорить про их поведение вблизи точки и на бесконечности.

Интуиция предела

Когда мы пишем

мы утверждаем: значения функции можно сделать сколь угодно близкими к числу , если брать достаточно близким к .

Здесь каждый символ означает следующее:

— функция (например, , , рациональная функция)

— переменная (аргумент)

— число, к которому приближается

— число, к которому приближается значение функции

— операция взятия предела

Важно: предел описывает поведение рядом с точкой , а не обязательно значение в самой точке.

!Предел как «приближение значений функции к L при приближении x к a»

Формальное определение предела (без лишней строгости)

Инженерно полезная формулировка такая: для любого допустимого “допуска” по выходу можно подобрать “допуск” по входу.

Стандартная запись (ее важно уметь узнавать):

Разберем все элементы:

(эпсилон) — насколько близко к мы хотим попасть по значению функции

(дельта) — насколько близко к нужно взять аргумент

— расстояние от до точки

запись означает: мы приближаемся к , но не обязаны подставлять ровно

Эта идея потом станет основой для корректных рассуждений о точности аппроксимаций и линейных моделей.

Полезный источник: Предел функции

Односторонние пределы

Иногда поведение слева и справа различается. Тогда рассматривают:

левый предел: (подходим к со стороны меньших )

правый предел: (подходим к со стороны больших )

Двусторонний предел существует тогда и только тогда, когда существуют оба односторонних предела и они равны.

Пределы на бесконечности

Для анализа установившегося режима и “высоких частот” постоянно нужен смысл:

— что происходит, когда становится очень большим

— то же для очень отрицательных

Например, в динамике часто встречается и важен факт:

Здесь — время, — постоянная времени, — основание натурального логарифма.

Базовые свойства пределов (как “алгебра” для пределов)

Если существуют пределы и , то обычно можно использовать правила:

- -

, если

Инженерный смысл: если части выражения “ведут себя хорошо”, то и итог “ведет себя хорошо”.

Как вычислять пределы на практике

Подстановка

Самый частый случай: функция непрерывна в точке, и можно просто подставить .

Пример:

Здесь — многочлен, а многочлены непрерывны везде.

Приведение к стандартным формам

Для рациональных функций вида (где — многочлены) часто работает правило:

если , то предел равен

Если же при подстановке получается деление на ноль, появляются неопределенности.

Типовые неопределенности и приемы работы

Неопределенность — это ситуация, когда прямой подстановкой получается выражение, которое само по себе не имеет определенного смысла (например, ), и нужно преобразование.

Ниже — типовые формы и стандартные приемы (без правила Лопиталя; оно появится позже, когда будут производные).

Неопределенность

Это самый частый случай при упрощениях.

Основные приемы:

разложить на множители и сократить общий множитель

вынести общий множитель

привести дроби к общему знаменателю

рационализировать (домножить на “сопряженное”), если есть корни

использовать стандартные пределы тригонометрии

Пример с разложением:

При получаем . Заметим, что . Тогда

и значит

Здесь важно: мы сократили на , но не “подставляли” в момент сокращения.

Пример с рационализацией:

При снова . Домножим числитель и знаменатель на сопряженное :

Теперь подставляем :

Неопределенность

Часто возникает при в рациональных функциях. Типовой прием: разделить числитель и знаменатель на старшую степень .

Пример:

Делим числитель и знаменатель на :

При дроби и , значит предел равен

Неопределенности и

Эти формы часто превращают в дробь, чтобы перейти к или .

превращают в или через перенос множителя в знаменатель

превращают через общий знаменатель или рационализацию

Пример идеи для :

По отдельности оба слагаемых стремятся к бесконечности. Рационализация помогает:

Далее можно делить на (при больших это корректная алгебра):

Неопределенности с степенями: , ,

Эти формы часто приводят к логарифмированию:

если выражение имеет вид , рассматривают

Почему это удобно: степень превращается в произведение, и далее можно анализировать предел через уже знакомые формы.

Подробная строгая техника появится позже, когда будут производные и разложения, но сам прием важно помнить.

Три стандартных предела, которые постоянно всплывают в ТАУ

Малые углы:

Ключевой факт (при в радианах):

Здесь:

— малый угол в радианах

— синус

Инженерная интерпретация: при малых можно приближать . Это лежит в основе “малосигнальных” приближений.

Источник: Замечательные пределы

Непрерывность экспоненты и логарифма в рабочих областях

Для и (при ) полезно помнить:

-

(требуется )

Это дает право спокойно “подставлять” предел внутрь экспоненты и логарифма, если мы не подходим к запрещенной области для .

Экспоненциальный спад на бесконечности

Для :

Смысл для ТАУ: переходная составляющая часто содержит экспоненты, и именно из-за этого устойчивые линейные системы “затухают”.

Непрерывность функции

Определение непрерывности в точке

Функция непрерывна в точке , если выполняются три условия:

значение существует

предел существует

эти два числа равны:

То есть “подход” к точке и “значение в точке” согласованы.

Полезный источник: Непрерывность

!Типовые случаи: непрерывность и разрывы

Типовые виды разрывов (инженерно)

устранимый разрыв: предел существует, но значение в точке отсутствует или не совпадает с пределом

скачок: левый и правый пределы существуют, но не равны

бесконечный разрыв: функция “улетает” в (часто из-за деления на ноль)

В ТАУ скачки соответствуют резким изменениям сигналов, а бесконечные разрывы обычно означают, что модель применена вне области допустимых значений.

Непрерывность и операции над функциями

Если и непрерывны в точке , то в точке также непрерывны:

сумма

произведение

частное , если

композиция , если непрерывна в , а непрерывна в точке

Это практическая причина, почему в инженерных расчетах часто можно “подставлять” предел прямо в сложные выражения, если нет деления на ноль и выхода из области определения.

Как это связывается с дальнейшими темами курса

Производная определяется через предел вида , то есть без пределов производных не бывает.

Интеграл опирается на предельный переход сумм.

В ТАУ устойчивость и установившийся режим формализуются через пределы при .

Частотные характеристики используют пределы при и .

Итог

Вы восстановили ключевые инструменты:

смысл записи и чем предел отличается от значения функции

односторонние пределы и пределы на бесконечности

базовые правила вычисления пределов

типовые неопределенности и приемы преобразований (разложение, сокращение, рационализация, деление на старшую степень)

определение непрерывности и основные типы разрывов

Дальше мы будем опираться на эти идеи, чтобы уверенно перейти к производным и затем к дифференциальным уравнениям, которые непосредственно описывают динамику систем управления.

Производная и дифференциальное исчисление для динамических моделей

Зачем это нужно в теории автоматического управления

В ТАУ динамика системы почти всегда описывается тем, как величины меняются во времени. Математический язык «скорости изменения» — это производная.

Производные нужны, чтобы:

записывать уравнения движения и баланса (дифференциальные уравнения)

понимать, насколько быстро растёт или затухает переходный процесс

строить линейные приближения около рабочей точки (малые отклонения)

уверенно читать модели вида и связывать их с графиками

В предыдущей статье были пределы. Производная определяется через предел, поэтому без темы «пределы и непрерывность» дифференциального исчисления не бывает.

Производная как скорость изменения

Пусть есть функция , где:

— время

— измеряемая величина (например, напряжение, скорость, угол)

Интуитивно производная в момент — это мгновенная скорость изменения по времени.

Если производная положительна, растёт.

Если отрицательна, убывает.

Если близка к нулю, почти не меняется.

!Геометрический смысл производной как наклона касательной

Определение производной через предел

Производная функции в точке (часто пишут «в момент времени ») определяется так:

Пояснение каждого элемента:

— производная функции по времени в точке

— маленькое приращение времени (например, «на сколько сдвинулись по времени вправо»)

— изменение значения функции за интервал времени

— средняя скорость изменения на интервале

— предельный переход «делаем интервал всё меньше и меньше»

Важно: это предел, поэтому применяются правила и приёмы из предыдущей статьи.

Обозначения производной

В ТАУ вы встретите разные записи одного и того же:

— «по Лейбницу», удобно, когда важно подчеркнуть переменную

— «штрих», короткая запись

— «точка над переменной», часто в динамике:

Все три означают производную по времени.

Связь с физическим смыслом

Если — координата, то:

— скорость

— ускорение

Здесь означает вторую производную: «производная от производной».

Эта логика сохраняется и для инженерных величин:

если — ток, то показывает, насколько быстро меняется ток

если — угол, то — угловая скорость

Когда производная существует

На практическом уровне полезно помнить:

если функция имеет «излом» (острый угол), то в точке излома производной обычно нет

если функция имеет разрыв, производной в точке разрыва нет

При этом большинство функций, которые встречаются в базовых моделях ТАУ (многочлены, экспоненты, синусы и косинусы), гладкие и дифференцируемы везде.

Базовые правила дифференцирования

Вычислять производные по определению через предел можно, но почти всегда используют правила.

Пусть и — функции времени, а — постоянное число.

Линейность

Смысл: производная от суммы равна сумме производных, а постоянный коэффициент можно вынести.

Произведение

Смысл: производная произведения — это две части (нельзя дифференцировать «по одному множителю» и забыть второй).

Частное

Здесь — квадрат знаменателя.

Цепное правило (композиция)

Если и , то . Производная считается так:

Пояснение:

— как быстро меняется «внутренняя» часть

— как чувствителен «внешний» закон к изменению аргумента

Цепное правило — одна из самых частых операций в ТАУ, потому что модели часто состоят из вложенных функций.

Производные основных функций, которые постоянно встречаются

Степенная функция

Для (где — целое число):

Пример чтения формулы:

— показатель степени

— «умножаем на показатель и уменьшаем степень на 1»

Экспонента

Если есть масштаб по времени :

Здесь:

— постоянная времени

множитель показывает скорость затухания: чем больше , тем медленнее убывание

!Связь постоянной времени и скорости затухания через производную

Синус и косинус

(углы в радианах, как было в первой статье)

Если сигнал , где:

— амплитуда

— угловая частота (рад/с)

— фаза

то производная будет

Ключевой вывод: чем больше , тем быстрее меняется сигнал (потому что появляется множитель ).

Логарифм

Для :

Условие связано с областью определения .

Дифференциал и линейное приближение (то, что нужно для линеаризации)

В ТАУ очень часто рассматривают малые отклонения около некоторого режима.

Пусть есть функция . Если изменили на маленькую величину , то при достаточно малых приращение выхода можно приближённо считать так:

Здесь:

— точка, около которой мы рассматриваем малые отклонения (рабочая точка)

— производная в этой точке, то есть «чувствительность» выхода к входу

— малое изменение входа

— соответствующее изменение выхода

Эта формула по смыслу говорит: рядом с точкой функция похожа на прямую, и наклон этой прямой равен производной.

В дифференциальной записи часто пишут:

Здесь и — «очень малые» изменения, а не конечные приращения. В инженерной практике это удобно, чтобы быстро оценивать влияние малых ошибок и шумов.

!Линеаризация нелинейной зависимости около рабочей точки

Почему это напрямую ведёт к дифференциальным уравнениям

Модель динамического объекта часто связывает величину и её производные.

Простейший типичный пример — уравнение первого порядка:

Пояснение всех символов:

— время

— выход (то, что наблюдаем или регулируем)

— вход (управляющее воздействие)

— скорость изменения выхода

— постоянная времени (насколько быстро система реагирует)

Смысл такой модели: выход не может мгновенно стать равным входу, он «догоняет» его с некоторой скоростью. Именно член отвечает за инерционность.

Важно: в ТАУ мы не ограничиваемся только временем. Позже появятся преобразования (например, Лапласа), но в основе всё равно лежат производные и дифференциальные уравнения.

Типовые ошибки и как их избегать

Путать производную с отношением . Производная — это предел отношения при малом изменении , а не «деление величин».

Забывать цепное правило. Если внутри функции есть , то производная даёт дополнительный множитель (например, ).

Игнорировать область определения. Например, требует .

Подставлять «мгновенно» большие изменения в формулу линейного приближения . Она надёжна только для малых отклонений.

Полезные ссылки

Производная

Правило цепочки

Дифференциальное уравнение

Итог

Производная — это математический инструмент для описания мгновенной скорости изменения.

Вы восстановили основу, которая дальше будет использоваться постоянно:

определение производной через предел и смысл обозначений , ,

правила дифференцирования (линейность, произведение, частное, цепное правило)

производные основных функций (степень, экспонента, синус/косинус, логарифм)

линейное приближение через производную как база для линеаризации

связь производных с дифференциальными уравнениями — основным языком динамических моделей в ТАУ

Интегралы и ряды: вычисления, аппроксимации и оценка ошибок

Зачем это нужно в теории автоматического управления

В предыдущей статье мы разобрали производные как язык скорости изменения и получили дифференциальные уравнения как основу динамических моделей. Интегралы и ряды нужны, чтобы закрыть вторую половину аппарата:

интеграл описывает накопление (например, заряд как интеграл тока, путь как интеграл скорости)

интеграл даёт решения и оценки для дифференциальных уравнений (через первообразные и формулы вида “накопили за время”)

ряды дают аппроксимации функций (экспоненты, синуса, логарифма) и позволяют контролировать ошибку приближения

многие инженерные показатели качества (например, интегральные критерии ошибки) строятся как интегралы от сигналов

Связка с пределами тоже прямая: определение интеграла и рядов опирается на предельный переход.

Интеграл как накопление и площадь

Определённый интеграл

Если есть функция , то определённый интеграл

можно понимать как накопленный вклад на промежутке времени от до .

Пояснение элементов записи:

означает “интегрируем”

переменная (в ТАУ чаще всего это время)

интегрируемая функция (например, ошибка регулирования )

показывает, что накопление идёт по переменной (малый “кусочек” времени)

нижний предел (начальный момент)

верхний предел (конечный момент)

Геометрически (если ) это площадь под графиком на отрезке .

!Площадь под графиком как смысл определённого интеграла

Неопределённый интеграл и первообразная

Неопределённый интеграл записывают так:

Пояснение:

называют первообразной для

это означает, что , то есть производная равна исходной функции

произвольная константа, потому что производная константы равна нулю

Этот факт связывает интегралы с предыдущей темой (производными).

Главная связка: фундаментальная теорема анализа

Если , то

Пояснение:

слева накопление величины на интервале

справа разность значений первообразной на концах интервала

и это те же пределы интегрирования, что и в определённом интеграле

Практический вывод: чтобы посчитать определённый интеграл, достаточно найти первообразную.

Источник: Фундаментальная теорема анализа

Базовые интегралы, которые постоянно встречаются в моделях

Ниже перечислены формулы, которые напрямую соответствуют таблице производных из предыдущей статьи.

Степенная функция

При :

Пояснение:

переменная

показатель степени

это первообразная, потому что производная возвращает

условие нужно, чтобы не делить на ноль

Для случая (то есть ):

Пояснение:

модуль, чтобы формула работала и для отрицательных

в задачах ТАУ часто интегрируют по времени , тогда

Экспонента

Если есть масштаб, как в динамике первого порядка:

Пояснение:

время

постоянная времени

множитель появляется из-за цепного правила (в производных) и “компенсирует” множитель при дифференцировании

Очень важный инженерный результат для накопления экспоненциального затухания:

Пояснение:

это “внутреннее” время интегрирования (часто используют, чтобы не путать с верхним пределом )

означает, что суммируем по

при выражение стремится к (это часто используют для оценок установившегося накопления)

Синус и косинус

Пояснение:

эти формулы обратны правилам производных из предыдущей статьи

аргумент предполагается в радианах, как и ранее

Источник: Интеграл

Приёмы вычисления интегралов, которые реально нужны

Замена переменной

Если внутри функции стоит “сложный” аргумент, часто делают замену переменной.

Типовой шаблон:

где .

Пояснение:

внутренняя функция

её производная

замена превращает интеграл в более простой по новой переменной

Пример из ТАУ (масштаб времени):

Удобная замена: . Тогда , то есть . После подстановки получается первообразная .

Источник: Замена переменной в интеграле

Интегрирование по частям

Этот приём полезен, когда интеграл выглядит как произведение “удобной” и “неудобной” частей.

Формула:

Пояснение:

функция, которую удобно дифференцировать

её производная

функция, которую удобно интегрировать

её первообразная

Это напрямую следует из правила производной произведения: .

Источник: Интегрирование по частям

Несобственные интегралы: что происходит “на бесконечности”

В ТАУ постоянно анализируют поведение при (установившийся режим). Поэтому важно понимать интегралы вида

Пояснение:

верхний предел означает, что суммируем вклад функции на бесконечно большом времени

такой интеграл определяют как предел: , если предел существует

Ключевой пример: экспоненциальное затухание даёт конечную площадь:

Пояснение:

постоянная времени

конечный результат означает: суммарный “вклад” затухающей компоненты ограничен

это один из способов формально выразить, что затухание действительно “успокаивает” систему

Источник: Несобственный интеграл

Интегральные показатели качества в управлении: смысл без “тяжёлой теории”

Пусть это ошибка регулирования (разность между заданием и выходом). Тогда встречаются показатели вида:

Пояснение:

число, измеряющее “сколько ошибки накопилось”

конечный горизонт времени (до какого момента оцениваем)

модуль используют, чтобы положительная и отрицательная ошибка не “компенсировали” друг друга

Часто используют и квадратичную форму:

Пояснение:

квадрат сильно штрафует большие отклонения

такой критерий обычно удобен для аналитических расчётов

Важно здесь не запоминать “названия критериев”, а увидеть идею: интеграл превращает график ошибки во времени в одно число, по которому можно сравнивать настройки.

Ряды как инструмент аппроксимации

Что такое числовой ряд и зачем он инженеру

Числовой ряд это сумма бесконечного количества слагаемых:

Пояснение:

номер слагаемого

слагаемое (число), зависящее от

запись компактно обозначает суммирование

Инженерный смысл: если сумма сходится, то сложная величина может быть представлена как сумма простых частей, а также приближена конечной суммой.

Источник: Ряд

Геометрический ряд

Один из самых полезных рядов:

Он сходится при условии , и тогда

Пояснение:

общий множитель (каждый следующий член в раз больше предыдущего)

условие означает, что члены ряда убывают по модулю и сумма “не убегает”

формула часто появляется при анализе накопления повторяющихся эффектов

Источник: Геометрическая прогрессия

Ряды Тейлора: приближаем функции около рабочей точки

Идея

В ТАУ часто работает режим малых отклонений (мы уже видели линеаризацию через производную). Ряд Тейлора расширяет эту идею: он даёт не только прямую (первый порядок), но и последующие поправки.

Если функция гладкая, её можно разложить около точки :

Пояснение:

значение функции в нуле

первая производная в нуле

вторая производная в нуле

третья производная в нуле

, это факториалы: ,

чем дальше член ряда, тем выше степень и тем важнее “насколько мал”

Источник: Ряд Тейлора

Три разложения, которые встречаются постоянно

Экспонента:

Синус:

Косинус:

Пояснение общих элементов:

аргумент (в ТАУ часто это время или малый угол)

знаки “” у синуса и косинуса чередуются

факториалы в знаменателях быстро растут, поэтому при малых старшие члены быстро становятся малыми

Практический инженерный вывод (для малых ):

- - -

Это согласуется с идеями пределов и малых углов из второй статьи.

!Сравнение sin(t) и приближения t около нуля

Как оценивать ошибку аппроксимации

Ошибка как “хвост” ряда

Если мы заменяем бесконечный ряд конечной суммой, то ошибка это сумма отброшенных членов.

Например, если приближать как , то ошибка равна:

Пояснение:

остаток (ошибка) приближения

чем меньше , тем меньше обычно

Практическое правило для малых аргументов

В инженерной практике часто достаточно знать порядок следующего члена.

Для синуса:

если взять , то следующий член по модулю порядка , потому что

То есть при малом естественная оценка масштаба ошибки:

Пояснение:

знак “” здесь читается как “по порядку величины примерно как”

это не строгая граница для всех , а очень полезная инженерная оценка вблизи нуля

В ТАУ это позволяет быстро понять, достаточно ли линейного приближения или нужно учитывать нелинейность.

Короткая “карта” связей: производные, интегралы, ряды

| Объект | Что описывает | Типовой вопрос в ТАУ | |---|---|---| | Производная | мгновенная скорость изменения | насколько быстро растёт/затухает переходный процесс | | Интеграл | накопление во времени | сколько “накапало” ошибки/энергии за интервал | | Ряд Тейлора | локальная аппроксимация функции | можно ли заменить нелинейность полиномом и какова ошибка |

Итог

В этой статье вы восстановили инструменты, которые дополняют производные и замыкают базовый математический аппарат для динамических моделей:

смысл определённого и неопределённого интеграла, связь с первообразной

базовые интегралы для степеней, экспоненты, синуса, косинуса и логарифма

два практических приёма вычисления интегралов: замена переменной и интегрирование по частям

смысл несобственных интегралов для анализа “на бесконечности”

геометрический ряд как базовый пример сходимости

ряды Тейлора для аппроксимаций около рабочей точки и идея оценки ошибки через следующий член

Линейная алгебра: матрицы, собственные значения, устойчивость линейных систем

Зачем это нужно в теории автоматического управления

В предыдущих статьях курса мы восстановили пределы, производные и интегралы — язык изменения во времени. Но в ТАУ почти всегда управляют не одной величиной, а набором взаимосвязанных величин: токи и напряжения, углы и скорости, координаты и скорости, ошибки и состояния фильтров.

Линейная алгебра нужна, чтобы:

записывать многомерные модели компактно (векторно-матричная форма)

понимать связь между параметрами модели и поведением во времени

формулировать критерии устойчивости линейных систем через собственные значения

читать и строить модели в пространстве состояний:

Главная идея: в линейных системах устойчивость и характер переходного процесса определяются спектром матрицы (её собственными значениями).

Векторы и матрицы: что это такое

Вектор как набор величин

Вектор — это упорядоченный набор чисел. В динамике удобно собирать несколько переменных в один объект:

Здесь:

— вектор состояния (набор переменных)

— компоненты (например, положение, скорость, ток)

— число компонент

запись в квадратных скобках означает столбец

Матрица как таблица коэффициентов

Матрица — прямоугольная таблица чисел, которая описывает, как одни величины линейно смешиваются с другими:

Здесь:

— матрица размера

— элемент на пересечении строки и столбца

квадратная матрица () особенно важна в устойчивости

Полезные источники:

Матрица)

Вектор (математика))

Основные операции, которые используются в моделях

Сложение и умножение на число

Если и — векторы одинаковой длины, то означает сложение по компонентам. Если — число, то означает умножение каждой компоненты на .

Это нужно, потому что линейные системы строятся из сумм и масштабирований.

Матрично-векторное произведение

Самая важная операция для ТАУ — умножение матрицы на вектор:

Здесь:

— матрица коэффициентов

— входной вектор

— результат (выходной вектор)

Смысл: каждая компонента — это линейная комбинация компонент .

Для квадратной матрицы размера и вектора длины формула по компонентам выглядит так:

Здесь:

— -я компонента результата

— суммирование

— индекс суммирования

— элемент матрицы из строки и столбца

— -я компонента вектора

Практический смысл для динамики: матрица задаёт, как компоненты состояния влияют друг на друга.

Матричное произведение

Если и — матрицы согласованных размеров, то произведение означает композицию двух линейных преобразований.

Важно помнить:

в общем случае (порядок умножения важен)

это напрямую проявляется в моделях соединения блоков и преобразованиях координат

Линейная модель в пространстве состояний

Непрерывное время

Одна из центральных записей ТАУ:

Здесь:

— время

— вектор состояния (что происходит внутри системы)

— производная состояния по времени (скорость изменения состояния)

— вектор входа (управляющее воздействие)

— матрица динамики (как состояние само себя меняет)

— матрица входа (как вход влияет на состояние)

Связь с предыдущими статьями: производная — это та же идея скорости изменения, только сразу для нескольких переменных.

Дискретное время

Для цифрового управления часто используют дискретную модель:

Здесь:

— номер шага по времени

— состояние на шаге

— состояние на следующем шаге

— вход на шаге

— матрицы (аналогично непрерывному случаю)

Собственные значения: «внутренние режимы» системы

Определение через собственный вектор

Число называется собственным значением матрицы , если существует ненулевой вектор такой, что:

Здесь:

— квадратная матрица

— собственный вектор (обязательно )

— собственное значение

Смысл: при умножении на направление сохраняется, а вектор просто масштабируется в раз.

!Собственный вектор сохраняет направление при действии матрицы

Источник:

Собственные значения и собственные векторы:

Это модель «как система ведёт себя сама по себе», без управления.

Если бы состояние было одномерным ( — одно число), то уравнение выглядело бы как и решалось экспонентой . Мы уже видели экспоненциальный рост и спад в теме про производные и интегралы.

В многомерном случае вместо числа появляется матрица , и решение записывают через матричную экспоненту:

Здесь:

— начальное состояние при

— матричная экспонента

Источник:

Матричная экспонента

Важно инженерно: собственные значения матрицы играют роль «обобщённых коэффициентов» в показателях экспонент и задают, затухают ли режимы или растут.

Устойчивость через собственные значения

Непрерывные линейные системы

Для системы ключевой факт такой:

если все собственные значения матрицы имеют отрицательные действительные части, то система затухает к нулю

В записи:

Здесь:

— -е собственное значение

— действительная часть комплексного числа

выражение означает, что состояние стремится к нулю (затухает)

Интуиция:

отрицательная действительная часть означает экспоненциальный спад

положительная действительная часть означает экспоненциальный рост (неустойчивость)

ненулевая мнимая часть означает колебательность (синусоиды в комбинации с экспонентой), что перекликается с тригонометрией и формулой Эйлера из первой статьи

Дискретные линейные системы

Для системы критерий меняется:

система затухает к нулю, если все собственные значения матрицы лежат внутри единичного круга

В записи:

Здесь:

— модуль комплексного числа (расстояние до нуля на комплексной плоскости)

условие означает, что каждый шаг умножает соответствующий режим на число по модулю меньше 1

!λ|<1 и Re(λ)<0 как разные критерии. | Единичный круг для дискретной устойчивости и связь с комплексной плоскостью

Как практически связать собственные значения с видом переходного процесса

Для непрерывного времени полезно читать собственное значение как:

Здесь:

— действительная часть (задаёт затухание/рост)

— мнимая единица,

— мнимая часть (задаёт угловую частоту колебаний)

Инженерная интерпретация:

если , режим затухает примерно как

если , режим растёт (неустойчивость)

если , присутствует колебательная составляющая (частота связана с )

Это напрямую связывает линейную алгебру с темами экспоненты, логарифма и тригонометрии: экспоненциальные и колебательные компоненты переходного процесса — это «следы» собственных значений.

Диагонализация как способ увидеть независимые режимы

Если матрица имеет достаточно независимых собственных векторов, её можно представить (в подходящем базисе) почти как диагональную:

Здесь:

— матрица, столбцы которой являются собственными векторами

— диагональная матрица собственных значений (на диагонали стоят , вне диагонали нули)

— матрица, обратная к

Почему это полезно:

в диагональном виде каждый режим ведёт себя отдельно, без смешивания

экспоненту проще понимать через диагональный вид: экспонента диагональной матрицы — это экспоненты на диагонали

Важно: не всякая матрица диагонализируема. В ТАУ это не мешает формулировать критерии устойчивости, но усложняет ручные вычисления.

Источник:

Диагонализируемая матрица

Мини-ориентир: что запомнить инженеру

| Объект | Как читать | Что даёт в ТАУ | |---|---|---| | | многомерная линейная динамика | компактная модель объекта | | | собственный режим | «внутренние» режимы системы | | | затухание в непрерывном времени | критерий устойчивости | | | затухание в дискретном времени | критерий устойчивости | | | решение без входа | связь с экспонентой и переходным процессом |

Итог

Вы восстановили базовый линейно-алгебраический аппарат, который напрямую используется в ТАУ:

векторы и матрицы как язык многомерных моделей

матрично-векторное умножение как способ описывать связи между переменными

модель в пространстве состояний в непрерывном и дискретном времени

собственные значения как «внутренние режимы» системы

критерии устойчивости: для непрерывного времени и для дискретного

Дальше эти идеи станут фундаментом для тем про управляемость/наблюдаемость, регуляторы состояния и связь временных и частотных методов анализа.

Дифференциальные уравнения: LTI-системы, переходные процессы, фазовые методы

Зачем это нужно в теории автоматического управления

В прошлых статьях мы восстановили:

функции, пределы и непрерывность, чтобы корректно говорить о поведении сигналов

производные и интегралы, чтобы описывать скорость изменения и накопление

линейную алгебру, чтобы понимать многомерные модели и устойчивость через собственные значения

Следующий шаг в ТАУ — научиться читать и анализировать дифференциальные уравнения, потому что именно они чаще всего задают динамику объекта управления.

В этой статье мы свяжем три вещи:

дифференциальные уравнения как язык моделей

LTI-системы как самый важный класс линейных моделей

переходные процессы и фазовые методы как способы “увидеть” динамику

Дифференциальное уравнение как модель динамики

Дифференциальное уравнение связывает величину и её производные. В управлении чаще всего:

— время

— вход (управляющее воздействие)

— выход (то, что наблюдаем или хотим регулировать)

Простейшая запись уравнения первого порядка:

Что означает каждый элемент:

— выход системы

— производная выхода по времени, то есть скорость изменения

— постоянная времени, задаёт “инерционность” объекта

— статический коэффициент усиления, показывает масштаб выхода относительно входа

— входной сигнал

Важно: чтобы дифференциальное уравнение давало единственный ответ , обычно нужны начальные условия, например .

Полезный источник: Дифференциальное уравнение

LTI-системы: линейность и неизменность во времени

LTI расшифровывается как Linear Time-Invariant, то есть линейная и неизменная во времени система.

Линейность

Линейность означает выполнение принципа суперпозиции:

если при входе получается выход , а при входе получается

то при входе получится выход

Здесь и — любые числа.

Неизменность во времени

Неизменность во времени означает:

если вход “сдвинули по времени” на , то выход сдвинется на тот же

Инженерный смысл: характеристики объекта не меняются со временем.

Полезный источник: Линейная система

Типовая форма дифференциального уравнения LTI

Для LTI-систем коэффициенты уравнения постоянны (не зависят от времени). Общая форма (идея, без необходимости запоминать “в лоб”):

Как читать обозначения:

— выход

— вход

— -я производная выхода

— -я производная входа

— порядок уравнения по выходу (влияет на “богатство” динамики)

и — постоянные коэффициенты, параметры модели

Переходный процесс: что происходит до установившегося режима

В ТАУ часто разделяют поведение на две части:

переходная составляющая — то, что со временем затухает

установившаяся составляющая — то, что остаётся, когда время прошло достаточно большое

Математически это связано с пределом при из темы про пределы.

Почему так важен ступенчатый вход

Частая проверка динамики — реакция на ступеньку:

Здесь — единичная ступенчатая функция.

Её смысл в управлении: “задание резко изменили” или “включили воздействие”.

Полезный источник: Ступенчатая функция Хевисайда

!Единичная ступенька как типовой входной сигнал

Система первого порядка: постоянная времени и экспоненциальный переход

Возьмём уравнение первого порядка:

Пусть начальное условие . Тогда реакция на ступеньку имеет вид:

Пояснение каждого элемента:

— выход во времени

— установившееся значение выхода при единичной ступеньке, потому что при экспонента исчезает

— экспоненциальная переходная часть

— постоянная времени: задаёт “скорость” выхода к установившемуся уровню

Ключевой инженерный факт про :

при получаем , то есть примерно 63% от установившегося уровня

примерно за время система практически доходит до установившегося значения

!Переходный процесс первого порядка и смысл постоянной времени

Система второго порядка: колебательность и демпфирование

Многие механические, электрические и приводные системы в малых отклонениях сводятся ко второму порядку. Типовая нормированная форма:

Что означает каждый символ:

— выход

— скорость изменения выхода

— “ускорение” выхода (вторая производная)

— собственная (натуральная) угловая частота системы

— коэффициент демпфирования (затухания)

— статический коэффициент усиления (как и в первом порядке)

— единичная ступенька

Главная практическая классификация по :

если , система обычно реагирует с колебаниями и перерегулированием

если , это критическое демпфирование, обычно самый быстрый “без колебаний” переход

если , переход без колебаний, но медленнее

если , чисто колебательный режим без затухания (в реальных объектах почти всегда есть потери, поэтому обычно больше нуля)

!Как демпфирование ζ меняет вид переходного процесса

Полезный источник: Демпфирование

Устойчивость LTI-уравнения через характеристическое уравнение

Чтобы понять, затухает ли переходный процесс, анализируют свободную динамику (без входа).

Для первого порядка:

Решение имеет вид , где:

— константа, зависящая от начального условия

— экспонента, которая стремится к нулю при (если )

Для более высоких порядков делают стандартную подстановку “экспоненциального режима” и получают характеристический многочлен:

Объяснение:

— число, которое описывает скорость роста или затухания режима

корни этого многочлена — “внутренние режимы” системы

Критерий устойчивости для непрерывного времени:

если для всех корней выполняется , то все режимы затухают и переходная часть исчезает

Здесь — действительная часть (как мы обсуждали в статье про собственные значения и комплексные числа в связи с устойчивостью).

Полезный источник: Характеристическое уравнение

Фазовые методы: как увидеть динамику без явного решения

Иногда решать явно неудобно. Фазовые методы позволяют анализировать поведение системы, наблюдая траектории в пространстве переменных состояния.

Переход от уравнения второго порядка к системе первого порядка

Пусть есть уравнение второго порядка (для простоты рассмотрим свободную динамику, без входа):

Введём переменные состояния:

- -

Тогда получаем систему первого порядка:

Пояснение:

точка сверху, как в прошлой статье про производные, означает производную по времени:

теперь динамика задаётся тем, как меняются и вместе

Фазовая плоскость

Фазовая плоскость — это график, где:

по горизонтали откладывают (обычно это положение или сам выход)

по вертикали откладывают (обычно это скорость изменения выхода)

Каждому моменту времени соответствует точка . Когда время идёт, точка движется и рисует траекторию.

Полезный источник: Фазовая плоскость

!Как по траекториям на фазовой плоскости понять характер затухания

Равновесие и его тип

Точка равновесия — это состояние, где система “может стоять”, то есть производные равны нулю. В нашем примере:

равновесие в точке

Тип равновесия (узел, фокус, седло) определяется собственными значениями матрицы системы, что напрямую связывает фазовые методы с прошлой статьёй про линейную алгебру.

Если записать систему как , то для нашего примера:

Здесь:

— вектор состояния

— матрица динамики

Дальше действует общий факт:

собственные значения матрицы определяют, затухают ли траектории к равновесию и с колебаниями ли

Короткая таблица чтения фазовых портретов для линейных систем

| Собственные значения матрицы | Что видно на фазовой плоскости | Инженерный смысл | |---|---|---| | Оба действительные и отрицательные | траектории сходятся без колебаний | устойчивое затухание | | Комплексные с отрицательной действительной частью | траектории сходятся спиралью | затухающие колебания | | Есть положительная действительная часть | траектории расходятся | неустойчивость | | Разные знаки у действительных частей | расход в одном направлении и сход в другом | седло, очень “хрупкая” неустойчивость |

Как это связывается с дальнейшими темами ТАУ

Дифференциальные уравнения и LTI-модели — это мост к стандартным инструментам анализа и синтеза:

передаточные функции и преобразование Лапласа позволяют решать LTI-уравнения алгебраически

частотные методы (АЧХ/ФЧХ) связывают динамику с синусоидальными режимами

критерии устойчивости (например, через корни характеристического многочлена) становятся практическими правилами настройки

Полезный источник: Передаточная функция

Итог

Вы восстановили базовые идеи, которые делают дифференциальные уравнения “рабочим языком” ТАУ:

как дифференциальное уравнение описывает динамику через и её производные

что такое LTI-системы и почему постоянные коэффициенты важны

как читать переходный процесс через реакцию на ступеньку

почему постоянная времени определяет скорость перехода в первом порядке

как параметры и задают колебательность и затухание во втором порядке

как устойчивость связана с корнями характеристического уравнения и собственными значениями

как фазовая плоскость позволяет анализировать динамику без явного решения

Комплексные числа и преобразование Лапласа: частотный анализ и передаточные функции

Зачем это нужно в теории автоматического управления

До этого мы научились:

описывать динамику через производные и интегралы

читать LTI-дифференциальные уравнения и переходные процессы

связывать устойчивость с корнями характеристического многочлена и собственными значениями

Теперь добавим два инструмента, которые делают анализ LTI-систем “алгебраическим”, а частотные методы — естественными:

комплексные числа как удобный язык для колебаний, фаз и экспонент

преобразование Лапласа как способ превратить дифференциальные уравнения в алгебраические

В результате появится ключевое понятие ТАУ: передаточная функция , а также связь между:

временем (переходный процесс)

комплексной плоскостью (полюса/нули)

частотой (АЧХ/ФЧХ)

Комплексные числа: минимальный набор, который нужен в ТАУ

Что такое комплексное число

Комплексное число обычно записывают так:

Здесь:

— комплексное число

— действительная часть (обычные числа на числовой прямой)

— мнимая часть (коэффициент при мнимой единице)

— мнимая единица, для которой (в инженерии часто пишут , чтобы не путать с током )

Полезный источник: Комплексное число

Комплексная плоскость

Комплексное число можно изобразить точкой на плоскости:

по горизонтали — действительная часть

по вертикали — мнимая часть

!z| и углы arg(z) дугами | Схема комплексной плоскости и геометрический смысл модуля и аргумента

Модуль и аргумент: “длина” и “угол”

Модуль (его ещё называют абсолютной величиной) определяют так:

Здесь:

и — координаты точки на комплексной плоскости

квадратный корень и сумма квадратов — это та же геометрия, что и теорема Пифагора

Аргумент — это угол (в радианах) между положительным направлением оси и вектором, ведущим из начала координат к точке .

Для ТАУ важна интерпретация:

модуль связан с усилением

аргумент связан с фазовым сдвигом

Комплексно-сопряжённое число

Сопряжённое к число:

Практический смысл: сопряжение меняет знак мнимой части.

Ключевое свойство (часто используется при вычислении модулей):

Здесь:

произведение всегда действительное и неотрицательное

поэтому модуль легко выражать через сопряжение

Полярная (тригонометрическая) форма и формула Эйлера

То же число можно записывать через модуль и угол:

Здесь:

— модуль

— аргумент

В ТАУ это особенно удобно вместе с формулой Эйлера:

Эта связка объясняет, почему колебания удобно описывать через комплексные экспоненты.

Полезный источник: Формула Эйлера

Почему в ТАУ постоянно появляется

Экспонента как универсальный “режим”

В статье про дифференциальные уравнения мы подставляли пробное решение вида . В комплексном языке это становится ещё полезнее:

Здесь:

— время

— комплексный параметр

— действительная часть (задаёт рост или затухание)

— мнимая часть (задаёт угловую частоту)

Если раскрыть смысл через формулу Эйлера:

Пояснение:

отвечает за затухание или рост

и отвечают за колебания

Именно поэтому критерий устойчивости LTI-систем “про действительную часть корней” естественно живёт на комплексной плоскости.

Преобразование Лапласа: идея и определение

Зачем оно нужно

Преобразование Лапласа нужно, чтобы:

заменить производные по времени на алгебраические множители

решать LTI-уравнения через дроби и многочлены

получить передаточную функцию и связать её с частотным анализом

Полезный источник: Преобразование Лапласа

Определение (одностороннее, для сигналов при )

Пусть есть сигнал , заданный для времени . Его преобразование Лапласа определяют так:

Разбор каждого элемента:

— результат преобразования, теперь это функция комплексной переменной

— операция преобразования Лапласа

— несобственный интеграл по времени от 0 до бесконечности

— “вес”, который подавляет вклад больших , если действительная часть достаточно велика

— комплексная переменная

Важная инженерная мысль: преобразование Лапласа “смотрит” на сигнал так, как если бы мы суммировали его вклад во времени с экспоненциальным затуханием.

Когда преобразование существует (инженерно)

Строгие условия бывают техническими, но для практики достаточно ориентиров:

если сигнал не растёт слишком быстро и в системе есть экспоненциальное затухание, преобразование обычно существует

область значений , где интеграл сходится, называется областью сходимости

Основные свойства, которые превращают дифференциальные уравнения в алгебру

Линейность

Если и — сигналы, а и — числа, то:

Смысл: как и для линейных систем, преобразование уважает суперпозицию.

Производная по времени

Ключевое свойство для ТАУ:

Здесь:

— производная по времени (из прошлых тем)

— преобразование исходной функции

— начальное значение в момент

Интерпретация: производная превращается почти в умножение на , но появляется поправка из-за начального условия.

Аналогично для второй производной:

Базовые преобразования, которые часто встречаются

В таблице ниже:

— время

— комплексная переменная

— действительная константа

— угловая частота

| при | | Как читать в ТАУ | |---|---|---| | | | “ступенька по величине” (идеализированно) | | | | экспоненциальный режим | | | | синусоидальная компонента | | | | косинусоидальная компонента |

Если нужно сверяться с более полной таблицей, используйте: Передаточная функция

Пример: система первого порядка

Возьмём модель первого порядка из предыдущих тем:

Здесь:

— выход

— вход

— постоянная времени

— статический коэффициент усиления

Применяем преобразование Лапласа.

При нулевом начальном условии получаем:

Пояснение:

-

так как , остаётся

Вынесем :

Делим на :

Эта дробь — компактное описание динамики, из которого можно извлечь и переходный процесс, и частотное поведение.

Полюса и нули: как дробь связана с устойчивостью

Что такое полюса и нули

Во многих задачах — рациональная функция, то есть отношение многочленов:

Здесь:

— многочлен в числителе

— многочлен в знаменателе

Тогда:

нули — корни числителя: значения , при которых

полюса — корни знаменателя: значения , при которых

Почему полюса важнее всего для устойчивости

Для непрерывных LTI-систем выполняется практическое правило:

система устойчива, если все полюса лежат в левой полуплоскости, то есть их действительные части отрицательны

То есть, если полюса равны , то нужно:

Это напрямую перекликается с тем, что мы уже обсуждали в контексте корней характеристического уравнения и собственных значений.

!Иллюстрация критерия устойчивости по расположению полюсов

Частотный анализ: подстановка

Идея частотной характеристики

Частотный анализ отвечает на вопрос:

если на вход подать синусоиду одной частоты, во что она превратится на выходе

Для LTI-систем в установившемся режиме выход тоже будет синусоидой той же частоты, но:

с другим масштабом (усилением)

с другим сдвигом по фазе

Как получить частотную характеристику из

Берут передаточную функцию и подставляют:

Тогда получают комплексную функцию частоты:

Здесь:

— угловая частота (рад/с)

— комплексное число для каждой

Из него извлекают:

амплитудное усиление:

фазовый сдвиг:

Пример: первый порядок

Для :

Здесь:

— безразмерная величина, которая сравнивает частоту сигнала с “скоростью” системы

Модуль (усиление) равен:

Пояснение:

в знаменателе стоит модуль комплексного числа

модуль числа равен , здесь ,

Фаза равна:

Пояснение:

— угол комплексного числа

знак “минус” появляется потому, что это число стоит в знаменателе

Инженерная интерпретация:

при малых частотах усиление примерно , фаза близка к

при больших частотах усиление падает примерно как , фаза стремится к (если )

Полезный источник для графического представления: Диаграмма Боде

Связь с блок-схемами и обратной связью

В ТАУ часто соединяют звенья последовательно, параллельно и через обратную связь. Передаточные функции делают эти операции простыми.

Последовательное соединение

Если два блока имеют передаточные функции и и соединены последовательно, то общий коэффициент передачи:

Смысл: выход первого — вход второго, поэтому в образах получается произведение.

Параллельное соединение

Если выходы суммируются, то:

Отрицательная обратная связь

Если есть прямой канал и обратная связь (классическая структура), то замкнутая передаточная функция от задания к выходу:

Пояснение:

— передача “вход задания → выход” в замкнутом контуре

выражение называется характеристическим выражением замкнутой системы

устойчивость замкнутой системы определяется корнями уравнения

Полезный источник: Отрицательная обратная связь

!Базовая структура замкнутой системы с отрицательной обратной связью

Как это связывается с предыдущими темами курса

Связи выглядят так:

производная и дифференциальные уравнения дают модель во времени

преобразование Лапласа переводит модель в область и превращает производные в алгебру

комплексные числа дают язык для устойчивости (полюса) и частоты (подстановка )

частотные характеристики ( и ) напрямую описывают, как система усиливает и сдвигает синусоиды

Итог

В этой статье восстановлены два ключевых моста к “классической” ТАУ:

комплексные числа как язык модуля, фазы и колебательных режимов

преобразование Лапласа как способ превратить LTI-дифференциальные уравнения в алгебраические

передаточная функция как компактное описание динамики при нулевых начальных условиях

полюса и нули как свойства , причём полюса напрямую связаны с устойчивостью

частотный анализ как подстановка и переход к , модулю и фазе

Дальше на этом аппарате обычно строят методы устойчивости и настройки (корневые годографы, критерии частотной устойчивости и диаграммы Боде/Найквиста), потому что вся динамика уже “упакована” в .