ความสัมพันธ์ระหว่างการประมวลผลสัญญาณและวิศวกรรมระบบควบคุม?

วิศวกรรมระบบควบคุมและการประมวลผลสัญญาณดิจิตอลเป็นหลักสูตร / วิชาที่สำคัญของวิศวกรรมไฟฟ้า แต่วิชา / หลักสูตรทั้งสองนี้เกี่ยวข้องกันอย่างไร

นอกจากนี้โปรดแจ้งให้เราทราบว่ามีแหล่งข้อมูลอะไรบ้างที่แนะนำ (หนังสือแบบฝึกหัดการบรรยาย ฯลฯ ) เกี่ยวกับวิศวกรรมระบบควบคุมและวิธีเริ่มทำงานกับมันในระดับเทคนิค?

เนื่องจากเรามีคำตอบในลิงค์ด้านล่าง แต่คำตอบนั้นเกี่ยวกับทรัพยากร dsp ฉันกำลังมองหาแหล่งข้อมูลเกี่ยวกับวิศวกรรมระบบควบคุม ตัวอย่างคำตอบของคำขอ refrence

มีการทับซ้อนกันมากมาย แต่มีความแตกต่างบางอย่างในการเน้น วิศวกรรมการควบคุมนั้นเก่ากว่า DSP หากคุณมีการศึกษา EE แบบดั้งเดิมคุณไม่ได้สร้างความแตกต่างอย่างแท้จริง

ตัวแปรสถานะเป็นมุมมองทั่วไปในการควบคุม รุ่นแรกของ Oppenheim และ Schafer 1975 มีบทเกี่ยวกับตัวแปรของรัฐ แต่พวกเขาทิ้งมันไปหลายปี คุณต้องเข้าใจตัวแปรสถานะเพื่อทำการกรองคาลมานซึ่งเป็นพื้นที่ของการทับซ้อน การประมาณค่าเชิงเส้นและตัวควบคุมเชิงเส้นเป็นสองส่วนซึ่งกันและกัน

ฉันก็จะบอกว่าระบบไฮบริดอย่างต่อเนื่อง / ไม่ต่อเนื่องเป็นเรื่องธรรมดาในการควบคุม แต่มีตัวอย่างมากมายสำหรับ DSP เช่นกัน

DSP เกือบทุกครั้งจะทำการสุ่มตัวอย่างแบบสม่ำเสมอ ตัวแปรสถานะสามารถทำงานร่วมกับการสุ่มตัวอย่างแบบ nonuniform ได้เช่นกัน

ฉันไม่เคยได้ยินเกี่ยวกับระบบควบคุมสาเหตุเชิงป้องกัน แต่การกรองไปข้างหน้าย้อนหลังในเวลาเป็นเรื่องปกติใน DSP การควบคุมเป็นสาเหตุโดยเนื้อแท้ การแปลง Laplace ด้านเดียวนั้นพบได้บ่อยในการควบคุม

ความมั่นคงในห่วงป้อนกลับมีความสำคัญทั้งสองด้าน คลาสระบบควบคุมขั้นสูงจะครอบคลุมหัวข้อต่างๆเช่นเสถียรภาพของ Lyaponov โดยทั่วไปคุณจะไม่เห็นว่าครอบคลุมใน DSP แต่มีเอกสาร DSP ที่ใช้เทคนิคนั้น

ทฤษฎีการควบคุมปรากฏในวิศวกรรมเครื่องกล DSP แสดงขึ้นในด้านการเงิน มีจำนวนมากทั้งในหุ่นยนต์ซึ่งใช้สายตาคอมพิวเตอร์

ในเรดาร์รูปคลื่นและการกรองนั้นมี DSP มากกว่าที่ส่วนหน้า แต่ระบบการติดตามที่ด้านหลังนั้นมีการควบคุมที่มากกว่า

ถ้าฉันต้องใช้คำเดียวเพื่ออธิบายแต่ละคำ

การควบคุม: ย้อนกลับ

การประมวลผลสัญญาณ: การตรวจจับ

หรืออาจใช้วลี

การควบคุม: ในปัจจุบัน

DSP: ในร่อง

ฉันทำการประมวลผลสัญญาณของฉัน ในแผนกระบบควบคุมในแผนกระบบการควบคุมฉันใช้คือการประมวลผลสัญญาณเป็นวงเปิด; ระบบควบคุมปิดวง

นอกจากนั้นคณิตศาสตร์ที่อยู่เบื้องหลังทั้งสองมีความคล้ายคลึงกันมาก มันเป็นแอพพลิเคชั่นที่แตกต่างกันมาก

ทั้งวาดในทฤษฎีระบบเชิงเส้น (aka "สัญญาณและระบบ" ) ดังนั้นระบบสื่อสารและวงจรไฟฟ้าเชิงเส้น , วงจรอิเล็กทรอนิกส์และเครือข่ายแบบกระจาย (เช่นสายส่ง )

ทั้งกังวลเกี่ยวกับความเสถียรของระบบ เสาจะต้องอยู่ในวงกลมหน่วย DSP นั้นกว้างกว่าการควบคุมหรือการสื่อสาร

ระบบควบคุมมักจะสนใจพฤติกรรมของโดเมนเวลามากกว่า การตอบสนองแรงกระตุ้นและการตอบสนองขั้นตอน เกณฑ์ของ Routh-Hurwitz (หรือวิธีที่ไม่ต่อเนื่อง) และเทคนิค Root-Locus เป็นสิ่งที่ผู้ควบคุมต้องกังวล ฉันไม่เคยกังวลเรื่องนี้เลย

มันเคยเป็นระบบที่รัฐตัวแปรอยู่ในขอบเขตการควบคุม แต่ตั้งแต่ตัวกรองคาลมานฉันได้เห็นการเป็นตัวแทนของรัฐตัวแปร (กับA, B, C, Dเมทริกซ์ ) ปรากฏบ่อยขึ้นใน DSP

ปัญหา DSP หลายอย่างที่อยู่นอกการควบคุมมีความกังวลน้อยลงเกี่ยวกับพฤติกรรมโดเมนเวลาและความกังวลเกี่ยวกับพฤติกรรมโดเมนความถี่

การประมวลผลภาพเกี่ยวข้องกับ DSP มากกว่าการควบคุม

ฉันไม่รู้ว่าพวกควบคุมต้องกังวลเกี่ยวกับ FFT หรือไม่

สาขาวิชาทั้งหมดนี้มีจุดสิ้นสุดที่ใช้ได้จริงซึ่งกลายเป็นอิเล็กทรอนิคส์ กังวลว่าชิป DSP หรือ CPU นั้นเชื่อมต่อกับตัวแปลง A / D และ D / A และหน่วยความจำและอุปกรณ์ต่อพ่วงอื่น ๆ อย่างไร ฉันไม่รู้ว่าพวกควบคุมต้องกังวลเกี่ยวกับข้อผิดพลาดในการวัดปริมาณ แต่พวกเขาควรทำ

มีความแตกต่างค่อนข้างง่าย

การประมวลผลสัญญาณเป็นชุดเครื่องมือที่สามารถใช้สำหรับวิศวกรรมการควบคุม

วิศวกรรมควบคุมคือการทำให้บางสิ่งบางอย่างเคลื่อนไหวตามที่คุณต้องการ เครื่องมือในการประมวลผลสัญญาณบางอย่างจะช่วยได้ (และบางอย่างจะไม่ทำเช่นนั้นการกรองแบบย้อนหลังจะไม่เกิดขึ้นแบบเรียลไทม์หากไม่มีควานหา)

การประมวลผลสัญญาณเกี่ยวข้องกับการตอบสนองความถี่ (กำไร) เป็นส่วนใหญ่เพราะนั่นคือสิ่งที่มีผลต่อสิ่งที่คุณได้ยิน การล่าช้าเฟสและกลุ่มเป็นปัญหา แต่มักจะไม่ใช่ปัญหาหลัก

ในวิศวกรรมการควบคุมแม้ว่าโดยทั่วไปคุณต้องการบางสิ่งบางอย่างที่จะย้ายไปยังตำแหน่งแล้วไม่ย้าย ในการนี้มีหลักการพื้นฐาน - ถ้าคุณไม่สามารถดูได้คุณไม่สามารถแก้ไขให้ถูกต้อง หากการวัดตำแหน่งของคุณถูกกรองในลักษณะที่ทำให้การวัดล่าช้าอย่างไม่ดีลูปควบคุมจะไม่ทราบว่าอยู่ที่ไหน (หรือไม่ได้รับข้อมูลนั้นเร็วพอ) และไม่สามารถเคลื่อนที่ได้อย่างเหมาะสม หรือแย่กว่านั้นคือหากได้รับข้อมูลช้าเกินไปอาจพยายามไปในทิศทางที่ผิด

ดังนั้นวิศวกรรมควบคุมมีแนวโน้มที่จะใช้ตัวกรองเช่น Butterworth ซึ่งอาจไม่ได้ผลดีในการกรอง แต่มีผลต่อสัญญาณที่เป็นพิษเป็นภัยมากขึ้น หรืออาจไม่ได้ใช้ฟิลเตอร์เลยเพราะสัญญาณรบกวนบนสัญญาณอาจไม่ส่งผลกระทบต่อการเคลื่อนไหวของระบบหากคุณมีลูปควบคุมที่ช้าหรือระบบที่มีความเฉื่อยจำนวนมาก

ตำราเรียนที่ดีที่สุดที่ฉันรู้จักคือModern Control Engineeringของ Ogata ฉันสามารถแนะนำอย่างละเอียดว่า มันหยุดเพียงแค่การควบคุมพื้นที่รัฐ แต่สำหรับงานควบคุมส่วนใหญ่คุณไม่ค่อยต้องการมัน

วิศวกรรมการควบคุมมักจะสอนในหลักสูตรการศึกษาที่คล้ายกันหรือเหมือนกันจนถึงระดับปริญญาโท ในวิธีการสร้างแบบจำลองระบบทั่วไปที่อินพุต ($I$) และเอาท์พุท ($O$) มีความเกี่ยวข้องผ่านระบบ ($S$) ฉันจะบอกว่าสำหรับเป้าหมาย $O$พวกเขาอาจทำงาน $S$ หรือ $I$:

• วิศวกรควบคุมมีแนวโน้มที่จะใส่ข้อ จำกัด (แข็งแรง) กับผลลัพธ์ของระบบและทุ่มเทเพื่อค้นหาอินพุตที่ตรงกับข้อ จำกัด
• การประมวลผลสัญญาณคนมีแนวโน้มที่จะใส่ความคาดหวัง (แข็งแกร่ง) บนเอาท์พุทและมุ่งมั่นที่จะหาระบบที่แปลงปัจจัยการผลิตที่เหมาะสม

ผลก็คือเครื่องมือของพวกเขาคล้ายกันมากและบางครั้งพวกเขาก็ใช้มันเป็นลักษณะคู่ แม้ว่าภูมิหลังของพวกเขาจะอยู่ใกล้มาก แต่ฉันก็สังเกตเห็นความยากลำบากบางอย่างในการสื่อสารถึงกัน เพื่อขยายขอบเขตสถานการณ์นี้ทำให้ฉันนึกถึง George Bernard Shaw's:

สหรัฐอเมริกาและบริเตนใหญ่เป็นสองประเทศคั่นด้วยภาษากลาง

ดังนั้นสัญญาณ / การประมวลผลภาพและงานวิศวกรรมควบคุมสองสาขาใกล้แยกจากกันโดยชุดของเครื่องมือที่พบบ่อย

• ข้อกำหนดสำหรับการนำระบบไปปฏิบัติแบบเรียลไทม์ (โดยที่timeคือพารามิเตอร์อิสระ) ที่ลดข้อผิดพลาดเอาต์พุตอย่างต่อเนื่องโดยคำนึงถึงเกณฑ์การอ้างอิงทำให้เกิดความแตกต่างในระเบียบวินัยของระบบควบคุม

• คุณสามารถค้นหาMIT Open Coursewareเช่นhttps://ocw.mit.edu/courses/aeronautics-and-astronautics/16-30-feedback-control-systems-fall-2010/

• MATLAB workalike Scilabฟรี( https://scilab.org ) ให้การเข้าถึงห้องสมุดที่ได้รับการพิสูจน์แล้วจำนวนมากซึ่งสนับสนุนการออกแบบและวิเคราะห์ระบบควบคุม

• Python NumPyและSciPy ( https://scipy.org ) สามารถใช้แทนScilabได้หากคุณต้องการในขณะที่SymPy ( https://sympy.org ) สามารถช่วยในการจัดการสัญลักษณ์ (ระบบพีชคณิตคอมพิวเตอร์) สมุดบันทึกAnaconda Jupyter ( https://anaconda.org ) จะช่วยให้คุณสามารถจัดทำเอกสารการพัฒนาของคุณด้วยMarkdown typesetting และการแสดงผลLaTeX expression พร้อมด้วยรหัสโต้ตอบและบล็อกผลลัพธ์

• ในการแสดงกราฟการไหลของสัญญาณซึ่งมักสรุประบบควบคุมคุณอาจใช้ Graphviz ( https://graphviz.org )

• Roger Labbe อธิบายตัวกรองคาลมานอย่างมีประสิทธิภาพมาก: https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python สถานะของระบบโดยประมาณเป็นเป้าหมายของการควบคุมตัวกรองคาลมาน