La ingeniería de sistemas de control y el procesamiento de señales digitales son cursos / asignaturas importantes de ingeniería eléctrica. Pero, ¿cómo se relacionan estas dos asignaturas / asignaturas?
Además, háganme saber, ¿cuáles son algunos recursos recomendados (libros, tutoriales, conferencias, etc.) sobre ingeniería de sistemas de control y cómo comenzar a trabajar con ellos a nivel técnico?
Como tenemos la respuesta en el siguiente enlace, pero esa respuesta es sobre recursos dsp, estoy buscando recursos sobre ejemplos de ingeniería de sistemas de control, respuesta de solicitud de referencia
control-systems
control
abtj
fuente
fuente
Respuestas:
Hay mucha superposición pero algunas diferencias de énfasis. Control Engineering también es más antiguo que DSP. Si tienes una educación EE tradicional, realmente no haces mucha distinción.
Las variables de estado son la perspectiva más típica en los controles. La primera edición de Oppenheim y Schafer 1975, tenía un capítulo sobre variables de estado, pero lo eliminaron con los años. Debe comprender las variables de estado para hacer el filtrado de Kalman, que es un área de superposición. La estimación lineal y los controles lineales son duales entre sí.
También diría que los sistemas híbridos de tiempo continuo / discreto son más comunes en los controles, pero también hay muchos ejemplos para DSP.
El DSP casi siempre se realiza con muestreo uniforme. Las variables de estado también pueden funcionar con muestreo no uniforme.
Nunca he oído hablar del sistema de control anti causal, pero el filtrado hacia atrás a tiempo es común en DSP. Los controles son inherentemente causales. La transformación unilateral de Laplace es más común en los controles.
La estabilidad en los circuitos de retroalimentación es importante en ambas áreas. Una clase de sistemas de control avanzado cubrirá temas como la estabilidad de Lyaponov. Por lo general, no ve eso cubierto en DSP, pero hay documentos de DSP que usan esa técnica.
La teoría del control aparece en la ingeniería mecánica. DSP aparece en las finanzas. Hay una gran cantidad de ambos en robótica que también utiliza la visión por computadora.
En RADAR, las formas de onda y el filtrado son más DSP en el extremo frontal, pero los sistemas de seguimiento en el extremo posterior son más parecidos a los controles.
Si tuviera que usar una sola palabra para describir cada uno.
Controles: retroalimentación
Procesamiento de señal: detección
o tal vez usando una frase
Controles: en el presente
DSP: en el surco
fuente
Hice mi procesamiento de señal Ph.D. en un departamento de sistemas de control . Mi opinión es que el procesamiento de la señal es de bucle abierto; Los sistemas de control cierran el circuito.
Aparte de eso, las matemáticas detrás de ambos son muy similares. Son las aplicaciones las que generalmente son muy diferentes.
fuente
Ambos se basan en la teoría del sistema lineal (también conocido como "Señales y sistemas" ). También lo hacen los sistemas de comunicaciones y los circuitos eléctricos lineales , los circuitos electrónicos y las redes distribuidas (también conocidas como líneas de transmisión ).
Ambos se preocupan por la estabilidad del sistema. Los postes deben estar dentro del círculo unitario. DSP es en realidad más amplio que los controles o las comunicaciones.
Control Systems generalmente está más interesado en el comportamiento en el dominio del tiempo; respuesta de impulso y respuesta de paso. El criterio de Routh-Hurwitz (o su contraparte de tiempo discreto) y las técnicas de Root-Locus es algo de lo que se preocupan los chicos de Control. Nunca me he preocupado realmente por eso.
Solía ser que los sistemas de variables de estado estaban en el ámbito de los controles, pero desde el filtro de Kalman, he visto representaciones de variables de estado (con las matrices A, B, C, D ) que aparecen con mayor frecuencia en DSP.
Muchos problemas de DSP fuera de los controles están menos preocupados por el comportamiento en el dominio del tiempo y más preocupados por el comportamiento en el dominio de la frecuencia.
El procesamiento de imágenes está más relacionado con DSP que con los controles.
No sé de los chicos de Controls que se preocupen por el FFT y demás.
Todas estas disciplinas tienen un fin práctico que se convierte en electrónica. Preocuparse por cómo los chips DSP o CPU están conectados a los convertidores A / D y D / A y a la memoria y a otros periféricos. No sé cuánto se preocupan los muchachos de los controles por el error de cuantización, pero deberían hacerlo.
fuente
Hay una distinción bastante simple.
El procesamiento de señales es un conjunto de herramientas que se pueden utilizar para la ingeniería de control.
La ingeniería de control consiste en hacer que algo se mueva como quieres que se mueva. Algunas de las herramientas de procesamiento de señales ayudarán con eso (y otras no; el filtrado hacia atrás no ocurre en tiempo real sin una TARDIS).
El procesamiento de la señal se relaciona en gran medida con la respuesta de frecuencia (ganancia), porque eso es lo que más afecta a lo que escucha. El retraso de fase y de grupo son problemas, pero a menudo no son los principales.
Sin embargo, en ingeniería de control, generalmente desea que algo se mueva a una posición y luego no se mueva. Al hacer esto, hay un principio fundamental: si no puede verlo, no puede corregirlo . Si la medición de su posición se filtra de manera que retrasa la medición, el bucle de control no sabe dónde está (o no obtiene esa información lo suficientemente rápido) y, por lo tanto, no puede moverse adecuadamente. O peor, si recibe la información demasiado tarde, incluso puede intentar moverse en la dirección equivocada.
Por lo tanto, la ingeniería de control tiende a usar filtros como Butterworth que pueden no hacer un buen trabajo de filtrado, pero que tienen efectos mucho más benignos en las señales. O puede que ni siquiera use filtros, porque el ruido en las señales puede no afectar el movimiento del sistema si tiene un circuito de control lento o un sistema con mucha inercia.
El mejor libro de texto que conozco es Modern Control Engineering de Ogata. Lo puedo recomendar completamente. Se detiene justo antes del control del espacio de estado, pero para la mayoría del trabajo de control rara vez lo necesitará.
fuente
Como consecuencia, sus herramientas son muy similares, y es como si a veces las usaran de manera dual. Incluso si sus antecedentes son muy cercanos, he notado algunas dificultades en su intercomunicación. Hasta cierto punto, esta situación me recuerda a la de George Bernard Shaw:
Por lo tanto, el procesamiento de señales / imágenes y la ingeniería de control son dos disciplinas cercanas, separadas por un conjunto de herramientas comunes .
fuente
El requisito, para implementaciones de sistemas causales en tiempo real (donde el tiempo es el parámetro independiente) que minimiza continuamente un error de salida con respecto a un criterio de referencia , distingue la disciplina de los sistemas de control.
Puede buscar MIT Open Courseware , como https://ocw.mit.edu/courses/aeronautics-and-astronautics/16-30-feedback-control-systems-fall-2010/
El Scilab gratuito de trabajo similar de MATLAB ( https://scilab.org ) proporciona acceso a muchas bibliotecas comprobadas que admiten el diseño y análisis de sistemas de control.
Python de NumPy y SciPy ( https://scipy.org ) pueden sustituir a Scilab , si lo prefiere, mientras que SymPy ( https://sympy.org ) puede ayudar con las manipulaciones simbólicas (sistema de álgebra computacional). Las libretas Anaconda Jupyter ( https://anaconda.org ) le permitirán documentar su desarrollo con la composición tipográfica Markdown y la representación de expresiones LaTeX , junto con el código interactivo y los bloques de salida.
Para representar gráficos de flujo de señal , que resumen con frecuencia los sistemas de control, puede usar Graphviz ( https://graphviz.org ).
Roger Labbe explica los filtros de Kalman de manera muy efectiva: https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python El estado estimado del sistema es el objeto de control para un filtro de Kalman.
fuente