저번에 이어서 stability of LTI system과 Routh-Hurwitz criterion을 정리하겠습니다. 1. Stability of LTI system 앞서 배울 때는 기본적으로 nonlinear time-varying system을 고려했습니다. 대부분의 시스템이 그렇기도 하구요. 하지만 LTI system에 대하여 우리는 solution도 알고 있고 해석 방법도 알고 있기 때문에, 이것들을 이용해 LTI system은 그 stability를 쉽게 알 수 있습니다. LTI system에서 eigenvalues를 통해 stability를 판별할 수 있습니다. 다음은 stability를 판별할 수 있게 도식화해놓은 것입니다. 1) LTI system에서 eigenvalues 중 하나라도 r..

이번에는 stability에 대해 정리하겠습니다. continuous time에 대해서 먼저 하고 그 다음에는 discrete time에 대해서 하려고 합니다. 1. Definition of equilibrium nth order nonlinear time-varying continuous time system에서 input을 고려하지 않고 식을 쓰면 다음과 같습니다. $\dot{x}=f(x,t)\text{ and }x(t_{0})=x_{0}$ * time-varying system이므로 관계식에 t가 들어가며, nonlinear이기 때문에 matrix로 표현하는 대신 f 함수를 사용했습니다. 이와 같은 시스템이 있을 때 평형 상태에 대해 이야기하면, $\text{At equilibrium state }..

1. Convert Continous time model to Discrete time model 우리가 다루는 제어기는 컴퓨터 내에서 계산되고, 계산 결과 나오는 입력 신호 역시 디지털 신호지만, 그 신호를 받는 시스템은 아날로그인 경우가 있습니다. 그리고 analog plant에서 나오는 출력(아날로그)을 측정하는 것은 센서인데, 센서가 아무리 빠르게 sampling을 한다고 해도 그 값 역시 discrete한 값일 겁니다. 그 과정을 도식화하면 위의 그림과 같습니다. discrete time input signal - continuous time model - discrete time output signal 일반적으로 discrete time input signal을 continous time m..

LTI system의 transfer function을 state space로 구성하는 것을 배웠고, Laplace transform과 Z transform, LTI system에서 solution을 이미 알고 있습니다. 이번에는 system의 solution을 inverse laplace transform을 통해서도 구하고자 합니다. 1. Solution of Continuous time nth order system $\frac{d}{dt}x(t)=Ax(t)+Bu(t)$ $x(t)=e^{At}x(0)+\int_{0}^{t}e^{A(t-\tau)}Bu(\tau)d\tau$ 우리가 이미 알고 있는 solution은 다음과 같습니다. 위의 equation에 Laplace transform을 취하면 $sX(..

(1)에서 이어지는 내용이기 때문에 (1)먼저 보는 것을 추천드리지만, (2)만 보는 분들을 위해 matrix A에 대해 eigenvalues, eigenvectors, 그리고 transformation matrix T까지 구하는 과정들을 첨부합니다. (읽으셔야 아래 내용이 더 이해가 잘 됩니다.) 4) Meaning of eigenvalues and eigenvectors 이렇게 구한 eigenvalues, eigenvectors 그리고 matrix exponential까지.. 이에 대한 물리적인 의미에 대해서 찾아보려고 합니다. 어떤 dynamic (LTI) system에 대해서 우리는 equation을 만들었고, equation의 solution도 구했습니다. (normal-engineer.tist..

그 전 게시글에서는 matrix exponential을 구하는 방법에 대해서 다뤘습니다.(normal-engineer.tistory.com/32) 하지만, 눈치채셨을 지 모르겠지만, 사실 특정 case인 1) diagonal matrix, 2) jordan form, 3) complex eigenvalues 일 때만을 다루었씁니다. $\text{Diagonal matrix}=\begin{bmatrix} \lambda_{1} & 0 & 0\\ 0 & \lambda_{2} & 0\\ 0 & 0 & \lambda_{3} \end{bmatrix}$ $\text{Jordan form}=\begin{bmatrix} \lambda_{m} & 1 & 0\\ 0 & \lambda_{m} & 1\\ 0 & 0 & \lam..

1. Discrete time first order system (scalar) $x(k+1)=ax(k)+bu(k)$ $x(k_{0})=x_{k_{0}}$ 다음과 같은 시스템의 solution : $x(k)=a^{k-k_{0}}x(k_{0})+\sum_{j=k_{0}}^{k-1}a^{(k-1-j)bu(j)}$ 앞서 continuous time에서도 말했듯이 free response와 forced response의 조합으로 구할 수 있다. 2. Discrete time nth order system (matrix) 1) State equation $x(k+1)=Ax(k)+Bu(k)$ $x(k_{0})=x_{k_{0}}$ $x\in R^{n}, A\in R^{n\times n}$ solution은 $x(k)..

앞서 본 State space model을 식으로써 풀어볼 수 있습니다. 일반적인 미분방정식은 풀 수 있다면, 그것을 확장하여 행렬로 이루어진 미분방정식도 풀 수 있습니다. 그래서 처음에는 스칼라 계수를 가진 미분방정식을 풀고 이것을 행렬로 확장할 것입니다. 1. Continuous time first order system (scalar) 시스템에서 continuous time first order system은, $\frac{dx(t)}{dt}=ax(t)+bu(t)$ $x(t_{0})=x_{0}$ 다음과 같이 주어져있습니다. 이 시스템은 linear하기 때문에 $\frac{dx(t)}{dt}=ax(t)+bu(t)$와 $\frac{dx(t)}{dt}=ax(t)$의 solution의 조합으로 표현할 수 ..

제어에서 많이 쓰이는 수학에 대해서 간단하게 정리합니다. 사실 상 전부 linear algebra 내용입니다. 1. Field F Definition : a set of elements called scalars together with two binary operations, addition(+) and multiplication(·) such that for all $\alpha,\beta,\gamma \in F$ 1) Closure : $\alpha\cdot\beta\in F, \alpha+\beta\in F$ 2) Commutativity : $\alpha\cdot\beta=\beta\cdot\alpha, \alpha+\beta=\beta+\alpha$ 3) Associativity 4) Dist..

이번에는 system을 modeling하는 방법에 대해서 알아보려고 합니다. state space model이나 transfer function을 다루기 이전에 알아야할 내용인 것 같습니다만, 기초적인 제어 내용을 알고 있다는 전제 하에 내용을 정리하다보니 이렇게 되는 것 같습니다. 시스템에는 각 element에 따라 differential equation을 구할 수 있습니다. 그런데 같은 differential equation이라 해도 state variables를 무엇으로 잡는지에 따라 state space model이 달라집니다. 우리의 목표는, 여러 elements가 있는 시스템에서 일관되게 모델링하는 방법을 찾는 것입니다. 그러기 위해서는 시스템에 있는 각 element들의 특성을 이해하는 것이..