Relazione tra elaborazione dei segnali e ingegneria dei sistemi di controllo?

L'ingegneria dei sistemi di controllo e l'elaborazione del segnale digitale sono entrambi importanti corsi / materie di ingegneria elettrica Ma come queste due materie / corsi sono correlate tra loro ??

Per favore, fatemi sapere, quali sono alcune risorse consigliate (libri, tutorial, lezioni, ecc.) Sull'ingegneria dei sistemi di controllo e come iniziare a lavorarci a livello tecnico?

Dato che abbiamo la risposta nel link sottostante ma quella risposta riguarda le risorse dsp, sto cercando risorse sull'esempio di ingegneria dei sistemi di controllo risposta alla richiesta di riferimento

C'è molta sovrapposizione ma alcune differenze di enfasi. Anche Control Engineering è più vecchia di DSP. Se hai una formazione EE tradizionale, non fai molta distinzione.

Le variabili di stato sono la prospettiva più tipica in Controlli. La prima edizione di Oppenheim e Schafer del 1975, aveva un capitolo sulle variabili di stato, ma lo lasciò cadere nel corso degli anni. Devi comprendere le variabili di stato per fare Kalman Filtering che è un'area di sovrapposizione. La stima lineare e i controlli lineari sono doppi l'uno rispetto all'altro.

Direi anche che i sistemi ibridi a tempo continuo / discreto sono più comuni in Controlli ma ci sono molti esempi anche per DSP.

Il DSP viene quasi sempre eseguito su campionamenti uniformi. Le variabili di stato possono funzionare anche con campionamenti non uniformi.

Non ho mai sentito parlare del sistema di controllo anti-causale, ma il filtraggio in avanti indietro nel tempo è comune in DSP. I controlli sono intrinsecamente causali. La trasformata di Laplace unilaterale è più comune nei controlli.

La stabilità nei circuiti di retroazione è importante in entrambe le aree. Una classe avanzata di sistemi di controllo tratterà argomenti come la stabilità di Lyaponov. Di solito non vedi quello coperto in DSP ma ci sono documenti DSP che usano quella tecnica.

La teoria del controllo si presenta nell'ingegneria meccanica. DSP si presenta in finanza. Ci sono molti entrambi nella robotica che utilizza anche la visione artificiale.

In RADAR, le forme d'onda e il filtro sono più DSP nella parte frontale, ma i sistemi di tracciamento nella parte posteriore sono più simili.

Se dovessi usare una sola parola per descriverli.

Controlli: feedback

Elaborazione del segnale: rilevamento

o forse usando una frase

Controlli: nel presente

DSP: in-the-groove

Ho fatto il mio Ph.D. di elaborazione del segnale in un dipartimento di sistemi di controllo . La mia opinione è che l'elaborazione del segnale sia ad anello aperto; i sistemi di controllo chiudono il circuito.

A parte questo, la matematica dietro entrambi è molto simile. Sono le applicazioni che sono generalmente molto diverse.

Entrambi attingono alla teoria dei sistemi lineari (alias "Segnali e sistemi" ). Lo stesso vale per i sistemi di comunicazione e i circuiti elettrici lineari , i circuiti elettronici e le reti distribuite (ovvero le linee di trasmissione ).

Entrambi si preoccupano della stabilità del sistema. I poli devono essere all'interno del cerchio dell'unità. DSP è in realtà più ampio di Controlli o Comunicazioni.

I sistemi di controllo di solito sono più interessati al comportamento nel dominio del tempo; risposta all'impulso e risposta al gradino. Il criterio di Routh-Hurwitz (o la sua controparte a tempo discreto) e le tecniche di Root-Locus sono qualcosa di cui i ragazzi del controllo si preoccupano. Non mi sono mai veramente preoccupato.

In passato i sistemi a variabili di stato erano di competenza di Controls, ma sin dal filtro di Kalman ho visto rappresentazioni di variabili di stato (con le matrici A, B, C, D ) apparire più spesso in DSP.

Molti problemi DSP al di fuori dei controlli sono meno preoccupati per il comportamento nel dominio del tempo e più preoccupati per il comportamento nel dominio della frequenza.

L'elaborazione delle immagini è più strettamente correlata al DSP che ai controlli.

Non so che i ragazzi dei Controlli si preoccupino affatto della FFT e cose del genere.

Tutte queste discipline hanno un fine pratico che diventa Elettronica. Preoccuparsi di come i chip DSP o CPU siano collegati ai convertitori A / D e D / A e alla memoria e ad altre periferiche. Non so quanto i ragazzi di Control si preoccupino dell'errore di quantizzazione, ma dovrebbero.

C'è una distinzione abbastanza semplice.

L'elaborazione del segnale è un insieme di strumenti che possono essere utilizzati per l'ingegneria di controllo.

L'ingegneria di controllo consiste nel far muovere qualcosa come vuoi che si muova. Alcuni degli strumenti di elaborazione del segnale aiuteranno in questo (e altri no; il filtro all'indietro non avviene in tempo reale senza un TARDIS).

L'elaborazione del segnale si occupa in gran parte della risposta in frequenza (guadagno), perché è la maggior parte di ciò che influenza ciò che si sente. Ritardo di fase e di gruppo sono problemi, ma spesso non quelli principali.

In ingegneria di controllo, tuttavia, in genere si desidera che qualcosa si sposti in una posizione e non si sposti. Nel fare questo, c'è un principio fondamentale: se non riesci a vederlo, non puoi correggerlo . Se la misurazione della posizione viene filtrata in modi che ritardano la misurazione in modo errato, il circuito di controllo non sa dove si trova (o non ottiene tali informazioni abbastanza velocemente) e quindi non può muoversi in modo appropriato. O peggio, se ottiene le informazioni troppo tardi, potrebbe anche provare a spostarsi nella direzione sbagliata.

L'ingegneria di controllo tende quindi a utilizzare filtri come Butterworth che potrebbero non fare un buon lavoro di filtraggio, ma che hanno effetti molto più positivi sui segnali. Oppure potrebbe non utilizzare nemmeno i filtri, perché il rumore sui segnali potrebbe non influire sul movimento del sistema se si dispone di un circuito di controllo lento o di un sistema con molta inerzia.

Il miglior libro di testo che conosco è Modern Control Engineering di Ogata. Lo consiglio vivamente. Si ferma appena al di sotto del controllo dello spazio degli stati, ma per la maggior parte dei lavori di controllo raramente ne avrai bisogno.

L'ingegneria di controllo viene spesso insegnata in corsi di studio simili o addirittura uguali, fino ai master. Nell'approccio generale alla modellizzazione del sistema, dove input ($I$) e uscite ($O$) sono collegati attraverso i sistemi ($S$), Direi che, per un obiettivo $O$o lavorano entrambi $S$ o $I$:

• gli ingegneri di controllo tendono a mettere controindicazioni (forti) sulle uscite di un sistema e si dedicano a trovare input che soddisfino le controindicazioni
• le persone che elaborano il segnale tendono a porre aspettative (forti) sugli output e si sforzano di trovare sistemi che convertano gli input in modo appropriato .

Di conseguenza, i loro strumenti sono molto simili, ed è come se a volte li usassero in due modi. Anche se il loro background è molto vicino, ho notato alcune difficoltà nella loro intercomunicazione. In una certa misura, questa situazione mi ricorda George Bernard Shaw:

Gli Stati Uniti e la Gran Bretagna sono due paesi separati da una lingua comune.

Quindi, l'elaborazione del segnale / immagine e l'ingegneria di controllo sono due discipline vicine, separate da una serie di strumenti comuni .

• Il requisito, per implementazioni di sistema causali in tempo reale (dove il tempo è il parametro indipendente) che minimizza continuamente un errore di output rispetto a un criterio di riferimento , distingue la disciplina dei sistemi di controllo.

• Puoi cercare i corsi aperti del MIT , come https://ocw.mit.edu/courses/aeronautics-and-astronautics/16-30-feedback-control-systems-fall-2010/

• Il workalike gratuito MATLAB Scilab ( https://scilab.org ) fornisce l'accesso a molte librerie collaudate a supporto della progettazione e dell'analisi dei sistemi di controllo.

• NumPy e SciPy di Python ( https://scipy.org ) possono sostituire Scilab , se preferisci, mentre SymPy ( https://sympy.org ) può aiutare con manipolazioni simboliche (computer algebra system). I taccuini Anaconda Jupyter ( https://anaconda.org ) ti permetteranno di documentare il tuo sviluppo la composizione Markdown e il rendering delle espressioni LaTeX , insieme a blocchi interattivi di codice e output.

• Per eseguire il rendering dei grafici del flusso del segnale , che sintetizzano frequentemente i sistemi di controllo, è possibile utilizzare Graphviz ( https://graphviz.org ).

• Roger Labbe spiega i filtri Kalman in modo molto efficace: https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python Lo stato di sistema stimato è l'oggetto del controllo per un filtro Kalman.