Moduł 11 · częstotliwościowa

Systemy dyskretne

Aliasing, transformata Z, dyskretyzacja regulatorów (Euler/Tustin/ZOH), kwantyzacja, wybór T_s, specyfika embedded.

Sekcje modułu

1. Po co dyskretność — komputer w pętli
2. Twierdzenie Shannona i aliasing
3. Transformata Z — narzędzie analizy
4. Dyskretyzacja kontrolerów — Euler, Tustin, ZOH
5. Kwantyzacja — wpływ rozdzielczości
6. Wybór częstotliwości próbkowania w praktyce
7. Specyfika implementacji embedded

Wszystkie kontrolery z modułów 2–10 były projektowane w czasie ciągłym. W rzeczywistości implementuje się je na komputerze — czyli dyskretnie. Ten moduł pokazuje, jakie pułapki czekają na implementatora i jak je obejść.

1. Po co dyskretność — komputer w pętli

Analogia. Wyobraź sobie kucharkę z budzikiem. Pomieszać zupę, sprawdzić temperaturę, dodać przyprawy — ale tylko gdy budzik zadzwoni (co minutę). Między dzwonkami zupa „leci sama". To jest dyskretne sterowanie: regulator widzi i decyduje tylko co T_s sekund, plant żyje w czasie ciągłym. Kluczowe pytanie: co minutę wystarczy? Co sekundę? Co minutę zupę można już spalić.

Dlaczego dyskretne, skoro analogowe regulatory istnieją?

Programowalność — zmiana kontrolera = zmiana kodu, nie elementu RC.
Złożoność — algorytmy typu MPC z QP per krok wymagają komputera; analogowo niemożliwe.
Diagnostyka — logowanie sygnałów, detekcja uszkodzeń, fault recovery.
Standardyzacja — ten sam algorytm na różnych platformach sprzętowych.

Cena: trzeba uważać. Złe próbkowanie wprowadza opóźnienia, zamienia stabilne planty w niestabilne, generuje aliasing. Te artefakty są nieobecne w analizie ciągłej i łatwo je przeoczyć.

2. Twierdzenie Shannona i aliasing

Analogia. Filmując koła samochodu kamerą 25 klatek/s, koła wyglądają jak obracające się wstecz przy pewnych prędkościach. To nie jest błąd kamery — to aliasing: gdy częstotliwość obrotu jest wyższa od f_s/2 (połowa klatek na sekundę), nie da się odróżnić obrotu rzeczywistego od obrotu wstecznego o niższej częstotliwości. Ta sama zasada rządzi próbkowaniem sygnałów w komputerze.

Twierdzenie Shannona-Nyquista (1949): sygnał o paśmie $[0, f_{max}]$ da się jednoznacznie odzyskać z próbek wtedy i tylko wtedy gdy:

f_s > 2 f_{max}.

Próbkowanie wolniejsze powoduje, że częstotliwości powyżej $f_s/2$ składają się do pasma $[0, f_s/2]$ — to aliasing. Każda częstotliwość $f_{sig}$ powyżej $f_s/2$ wygląda jak fałszywa $f_{alias} = |f_{sig} - kf_s|$ , dla $k = \mathrm{round}(f_{sig}/f_s)$ .

parametry

f_signal (Hz)3.0

f_s (próbkowanie, Hz)4.0

diagnoza

f_Nyquist = f_s/22.00 Hzf_aliased1.00 HzstanALIASING

Sygnał 3 Hz przekracza granicę Nyquista 2.0 Hz. Próbki pasują RÓWNIE DOBRZE do fałszywej sinusoidy 1.0 Hz (czerwona linia). To samo zjawisko: koła samochodu w filmie wyglądające na obracające się wstecz.

Twierdzenie Shannona-Nyquista: aby sygnał o częstotliwości $f_{sig}$ można było jednoznacznie odzyskać z próbek, częstotliwość próbkowania $f_s$ musi spełnić:

f_s > 2 f_{sig}.

Granica $f_s/2$ nazywa się częstotliwością Nyquista. Sygnały powyżej niej zostają „złożone" — aliasing:

f_{alias} = |f_{sig} - k \cdot f_s|,\quad k = \mathrm{round}(f_{sig}/f_s).

Aliased sygnał 3 Hz przy próbkowaniu 4 Hz to 1.0 Hz — i NIE DA SIĘ ich rozróżnić tylko z próbek. Próbki czerwonej i niebieskiej krzywej są identyczne. To samo zjawisko obserwujemy w:

Koła samochodu w filmie — wydają się obracać wstecz lub stać; klatki filmu są próbkami obrazu.
Moire w obrazach z ekranu rejestrowanych kamerą — kratka sensora i kratka pikseli interferują.
Strobe effect — światło stroboskopu „zatrzymuje" obracający się wentylator.

Konsekwencje w sterowaniu:

Wysokie częstotliwości szumu pomiarowego (np. EMI 50 Hz) przy zbyt niskim T_s składa się do pasma roboczego regulatora — wygląda jak realne zaburzenie.
Anti-aliasing filter: filtr dolnoprzepustowy przed próbkowaniem (analogowy, sprzętowy) tłumi częstotliwości powyżej f_s/2 zanim trafią do AD converter.
Reguła kciuka: f_s ≥ 10× pasmo planta dla wystarczającej dokładności sterowania (dużo powyżej minimum Nyquista, które jest tylko dla wiernej rekonstrukcji sygnału).

3. Transformata Z — narzędzie analizy dyskretnej

Transformata Z jest dla układów dyskretnych tym, czym transformata Laplace'a dla ciągłych. Mapuje sekwencję czasową $\{x_k\}_{k \geq 0}$ w funkcję zmiennej zespolonej:

X(z) = \mathcal{Z}\{x_k\} = \sum_{k=0}^\infty x_k\, z^{-k}.

Kluczowa własność: opóźnienie staje się dzieleniem przez z:

\mathcal{Z}\{x_{k-1}\} = z^{-1} X(z).

Konsekwencja: równania różnicowe stają się algebraiczne, tak jak ODE staje się algebra po Laplace'ie. Plant dyskretny:

y_{k+1} = a\, y_k + b\, u_k \;\Longleftrightarrow\; G(z) = \frac{b}{z - a}

Stabilność w domenie Z

W domenie Laplace'a stabilność = bieguny w lewej półpłaszczyźnie ( $\mathrm{Re}(s) < 0$ ). W domenie Z stabilność = bieguny wewnątrz koła jednostkowego ( $|z| < 1$ ).

Mapa $z = e^{sT_s}$ łączy obie domeny. Lewa półpłaszczyzna s mapuje się na wnętrze koła jednostkowego z — granice stabilności są zgodne.

Częstotliwość w Z

Odpowiedź częstotliwościowa układu dyskretnego: $G(e^{j\omega T_s})$ . Ze względu na okresowość $e^{j\omega T_s}$ ma okres $\omega = 2\pi/T_s$ , czyli pasmo Bode jest ograniczone do $[0, \pi/T_s]$ = pasmo Nyquista. Powyżej tej granicy odpowiedź się zwija i powtarza — to algebraiczna manifestacja aliasingu.

4. Dyskretyzacja kontrolerów — Euler, Tustin, ZOH

Analogia. Mając ciągłą formułę całki

I = \int e\,dt

, musisz zaaproksymować ją w komputerze. Trzy klasyczne metody: prostokąty lewe (Euler forward), prostokąty prawe (Euler backward), trapezy (Tustin/bilinearna). Trapezy są dokładniejsze. Ten sam wybór dotyczy całego regulatora.

Trzy klasyczne metody

\textbf{Euler forward:}\quad s \leftrightarrow \frac{z - 1}{T_s} \quad\Leftrightarrow\quad z = 1 + sT_s

Najprostsza, ale nie zachowuje stabilności: stabilny biegun w lewej s-półpłaszczyźnie może mapować się POZA koło jednostkowe w z. Bezpieczna tylko dla małych T_s.

\textbf{Euler backward:}\quad s \leftrightarrow \frac{z - 1}{T_s\, z} \quad\Leftrightarrow\quad z = \frac{1}{1 - sT_s}

Stabilna zawsze (mapa lewa półpłaszczyzna → wnętrze koła), ale wprowadza dodatkowe opóźnienie fazy.

\textbf{Tustin (bilinear):}\quad s \leftrightarrow \frac{2}{T_s} \cdot \frac{z - 1}{z + 1}

Zachowuje stabilność, dokładniejszy O(T_s²), najczęściej stosowana w przemyśle. Z drobnym efektem zwanym frequency warping: częstotliwości w pobliżu Nyquista są nieliniowo skompresowane.

\textbf{ZOH:}\quad G_d(z) = (1 - z^{-1})\,\mathcal{Z}\!\left\{\frac{G(s)}{s}\right\}

Dokładny ekwiwalent gdy plant rzeczywiście jest sterowany przez ZOH (typowo w embedded — sygnał u trzymany między próbkami). Wymaga obliczania transformaty Z planta.

T_s — okres próbkowania

T_s [s]0.050

błąd RMS względem ciągłego

Euler forward0.0058Tustin (bilinear)0.0071

Plant: MSD (m=1, c=2, k=4). PID: Kp=8, Ki=4, Kd=2. Skok r=1, czas T=5s. Błąd liczony jako odchylenie od ciągłej implementacji (T_s = 1 ms).

Trzy klasyczne sposoby dyskretyzacji członów PID:

\textbf{Euler forward:}\quad I_{k+1} = I_k + e_k\cdot T_s, \quad D_k = \frac{e_k - e_{k-1}}{T_s}

\textbf{Tustin (bilinear):}\quad I_{k+1} = I_k + \tfrac{e_k + e_{k-1}}{2}\cdot T_s

\textbf{ZOH (Zero-Order Hold):}\;\; G_d(z) = (1 - z^{-1})\,\mathcal{Z}\!\left\{\frac{G(s)}{s}\right\}

Euler jest najprostszy ale niedokładny — jego mapa s-plane → z-plane to $z = 1 + s T_s$ , która nie zachowuje stabilności (bieguny stabilne ciągłe mogą wpaść na zewnątrz koła jednostkowego dla dużych $T_s$ ).

Tustin (bilinear/trapezoidal) używa mapy $z = (1 + sT_s/2)/(1 - sT_s/2)$ — zachowuje stabilność i jest dokładniejszy 2. rzędu w T_s. Najczęściej stosowany w praktyce.

ZOH jest dokładnym ekwiwalentem dla planta sterowanego ZOH-em (czyli „typowego" embedded). Dla regulatora obliczeniowo droższy bo wymaga transformaty Z całego planta.

Spróbuj: T_s = 0.005 s — wszystkie 3 metody praktycznie identyczne. T_s = 0.1 s — Euler już widocznie odbiega. T_s = 0.2 s — Euler może wręcz destabilizować pętlę. Tustin trzyma się znacznie lepiej.

5. Kwantyzacja — wpływ rozdzielczości

Analogia. Mierzysz temperaturę termometrem z dokładnością do 0.5°C. Twoje pomiary nigdy nie są dokładne — zawsze zaokrąglone do najbliższej kreski. Sterowanie oparte na takich pomiarach też ma swoje granice precyzji. To samo dla rozdzielczości DAC sterowania.

Komputer pracuje na liczbach skończonej precyzji:

ADC (analog-to-digital, na pomiarze) — np. 12-bit → 4096 poziomów. Najczęstsze rozdzielczości: 10, 12, 16, 24 bity.
DAC (digital-to-analog, na sterowaniu) — podobne wartości. Kwantyzacja sterowania bezpośrednio wpływa na trajektorię.
Wewnętrzna arytmetyka — float32, float64, fixed-point. Wpływa na akumulację błędów w integratorze.

Efekty kwantyzacji

Limit cycles — drobne oscylacje wokół punktu pracy, bo regulator nie umie zaproponować idealnej wartości sterowania. Dla układu LTI z kwantyzacją w pętli może powstać self-oscylacja.
Steady-state offset — gdy idealne sterowanie ustalone jest między dwoma poziomami DAC.
Numerical drift — integrator akumulujący drobne błędy float może odjechać po wielu godzinach.

Reguły kciuka: ADC powinien mieć rozdzielczość co najmniej 10× większą niż wymagana precyzja regulacji. DAC podobnie. Sygnały krytyczne (np. moment silnika) — fixed-point 32-bit lub float64.

6. Wybór częstotliwości próbkowania w praktyce

Wytyczne projektowe:

Reguła z domeny czasu

T_s powinno być znacznie mniejsze od dominującej stałej czasowej planta:

T_s \lesssim \tau_{plant}/10 \quad (\text{minimum}) \;\text{ do }\; \tau_{plant}/100 \quad (\text{komfort}).

Dla planta z τ = 1 s (np. silnik DC z bezwładnością) ⇒ T_s ≈ 10–100 ms. Dla planta z τ = 10 ms (szybki silnik) ⇒ T_s ≈ 0.1–1 ms.

Reguła z domeny częstotliwości

T_s wyznaczone przez pożądane pasmo regulatora:

f_s \gtrsim 10 \cdot f_{bandwidth}.

Regulator z pasmem 10 Hz ⇒ f_s ≈ 100 Hz, T_s ≈ 10 ms.

Reguła z punktu widzenia szumu

Jeśli szum pomiarowy ma znaczące widmo do f_n, wymagane próbkowanie f_s ≥ 2·f_n (Nyquist). Inaczej szum będzie aliasingowany do pasma roboczego.Anti-aliasing filter analogowyjest często koniecznością — odcina pasma > f_s/2 przed próbkowaniem.

Tradeoff szybkość vs koszt

Zwiększenie f_s → szybszy procesor wymagany, więcej przerwań, większy pobór mocy w embedded. Bardzo wysokie f_s (1 MHz dla power electronics) wymagają dedykowanego sprzętu (FPGA, DSP).

Typowe częstotliwości w przemyśle

Procesowe (temperatura, ciśnienie): f_s = 0.1–10 Hz (sekundy do dziesiątek minut). Plant bardzo wolny.
Sterowanie silnikami (prędkość): f_s = 100–1000 Hz.
Pozycjonowanie precyzyjne (CNC, druk 3D): f_s = 1–10 kHz.
Power electronics (PWM, inwertery): f_s = 10–100 kHz.
Audio i wibroakustyka: f_s = 44.1–192 kHz.

7. Specyfika implementacji embedded

Praktyczne pułapki dyskretnej implementacji, na które warto uważać:

Determinizm czasowy

Każdy krok regulatora musi zakończyć się przed kolejnym próbkowaniem. Algorytmy o niedeterministycznym czasie (alokacja pamięci, GC, dynamic dispatching) są wykluczone w real-time. Embedded code: statyczna alokacja, brak wskaźników, deterministyczne pętle.

Float vs fixed-point

MCU bez FPU (np. Cortex-M0) wykonuje float bardzo wolno. Dla szybkich pętli (PWM 100 kHz) stosuje się Q15 lub Q31 fixed-point. Trzeba uważać na overflow przy akumulacji całek.

Wind-up integratora przy zmianie trybu

Gdy regulator przełącza się między trybami (manual ↔ automatyczny, różne setpointy), integrator musi być bumpless — żadnych skoków u. Klasyczna technika: bumpless transfer z back-calculation albo resetowanie integratora do wartości aktualnego u.

Watchdogi i fail-safe

Gdy regulator zawiesza się (bug, freeze procesora), plant musi przejść w stan bezpieczny. Sprzętowy watchdog timer resetuje sterowanie do u = 0 (lub innej bezpiecznej wartości) gdy regulator nie odświeży go w terminie.

Skalowanie i przemienność

Algorytm zaprojektowany w SI musi działać też w jednostkach urządzenia: pozycja w „krokach enkodera", a nie metrach; moment w „PWM duty cycle %", a nie N·m. Stałe konwersji powinny być w jednym miejscu kodu, łatwo wymienne.

Logging dla debugu

Embedded debugging jest trudny: log bufor cykliczny, transmitancja przez UART, semihosting. Logowanie wszystkich istotnych sygnałów (e, u, I, D, y_meas, y_filtered) jest warte początkowej inwestycji.

Pełne traktowanie: Åström & Wittenmark „Computer-Controlled Systems" (3rd ed., 1997) — kanon dyskretnej automatyki. Embedded-specific: Tilbury & Brogan „Adaptive Control for Real-Time Industrial Applications".

Co świadomie pomijam

Bezpośrednia synteza w domenie Z — projekt regulatora bezpośrednio z dyskretnego modelu plant, bez przechodzenia przez ciągłą domenę. Klasyczna metoda dla specyficznych zastosowań (kontrola wibracji, dead-beat control).
Multi-rate systems — pętle wewnętrzne (prąd silnika 10 kHz) i zewnętrzne (pozycja 1 kHz) z różnymi T_s. Standardowe w industrial drives.
Networked control — pomiary i sterowanie przez sieć z opóźnieniami i zgubionymi pakietami. Aktywne obszar badawczy.
Event-triggered control — zamiast okresowego T_s, regulator aktualizuje się tylko gdy stan wyjdzie poza zadane progi. Oszczędne dla rozproszonych systemów.