Relation entre le traitement du signal et l'ingénierie des systèmes de contrôle?

L'ingénierie des systèmes de contrôle et le traitement numérique du signal sont tous deux des cours / sujets importants en génie électrique. Mais comment ces deux sujets / cours sont-ils liés?

Veuillez également me faire savoir, quelles sont les ressources recommandées (livres, tutoriels, conférences, etc.) sur l'ingénierie des systèmes de contrôle, et comment commencer à travailler avec elle sur le plan technique?

Comme nous avons la réponse dans le lien ci-dessous, mais cette réponse concerne les ressources dsp, je recherche des ressources sur l'ingénierie des systèmes de contrôle, exemple de réponse à la demande de réfraction

Il y a beaucoup de chevauchements mais quelques différences d'accentuation. Control Engineering est également plus ancien que DSP. Si vous avez une éducation traditionnelle en EE, vous ne faites pas vraiment de distinction.

Les variables d'état sont la perspective la plus typique dans les contrôles. La première édition d'Oppenheim et Schafer 1975, avait un chapitre sur les variables d'état, mais ils l'ont abandonné au fil des ans. Vous devez comprendre les variables d'état pour effectuer le filtrage de Kalman, qui est une zone de chevauchement. L'estimation linéaire et les contrôles linéaires sont deux duels.

Je dirais également que les systèmes hybrides à temps continu / discret sont plus courants dans les contrôles, mais il existe également de nombreux exemples de DSP.

Le DSP se fait presque toujours sur un échantillonnage uniforme. Les variables d'état peuvent également fonctionner avec un échantillonnage non uniforme.

Je n'ai jamais entendu parler du système de contrôle anti causal, mais le filtrage vers l'arrière dans le temps est courant dans DSP. Les contrôles sont intrinsèquement causaux. La transformation unilatérale de Laplace est plus courante dans les contrôles.

La stabilité des boucles de rétroaction est importante dans les deux domaines. Une classe de systèmes de contrôle avancés couvrira des sujets tels que la stabilité de Lyaponov. Vous ne voyez généralement pas cela couvert par DSP, mais il existe des documents DSP qui utilisent cette technique.

La théorie du contrôle apparaît en génie mécanique. DSP apparaît dans la finance. Il y a beaucoup des deux en robotique qui utilise également la vision par ordinateur.

Dans RADAR, les formes d'ondes et le filtrage sont plus DSP à l'avant, mais les systèmes de suivi à l'arrière sont plus comme des contrôles.

Si je devais utiliser un seul mot pour décrire chacun.

Contrôles: rétroaction

Traitement du signal: détection

ou peut-être en utilisant une phrase

Contrôles: dans le présent

DSP: dans la rainure

J'ai fait mon doctorat en traitement du signal. dans un département de systèmes de contrôle . Mon point de vue est que le traitement du signal est en boucle ouverte; les systèmes de contrôle ferment la boucle.

En dehors de cela, les mathématiques derrière les deux sont très similaires. Ce sont les applications qui sont généralement très différentes.

Les deux s'appuient sur la théorie du système linéaire (alias «Signaux et systèmes» ). Il en va de même pour les systèmes de communication et les circuits électriques linéaires , les circuits électroniques et les réseaux distribués (également appelés lignes de transmission ).

Les deux s'inquiètent de la stabilité du système. Les pôles doivent être à l'intérieur du cercle unitaire. DSP est en fait plus large que les contrôles ou les communications.

Les systèmes de contrôle sont généralement plus intéressés par le comportement dans le domaine temporel; réponse impulsionnelle et réponse échelonnée. Le critère de Routh-Hurwitz (ou son équivalent en temps discret) et les techniques Root-Locus sont quelque chose qui inquiète les gars de Control. Je ne m'en suis jamais vraiment inquiété.

Autrefois, les systèmes à variables d'état étaient du domaine des contrôles, mais depuis le filtre de Kalman, j'ai vu des représentations de variables d'état (avec les matrices A, B, C, D ) apparaître plus souvent dans DSP.

De nombreux problèmes DSP en dehors des contrôles sont moins préoccupés par le comportement dans le domaine temporel et plus préoccupés par le comportement dans le domaine fréquentiel.

Le traitement d'image est plus étroitement lié au DSP qu'aux contrôles.

Je ne sais pas si les gars de Controls se soucient du tout de la FFT et autres.

Toutes ces disciplines ont une fin pratique qui devient l'électronique. Vous vous demandez comment les puces DSP ou CPU sont connectées aux convertisseurs A / N et D / A, à la mémoire et aux autres périphériques. Je ne sais pas à quel point les gars de Controls s'inquiètent des erreurs de quantification, mais ils devraient.

Il y a une distinction assez simple.

Le traitement du signal est un ensemble d'outils qui peuvent être utilisés pour l'ingénierie de contrôle.

L'ingénierie de contrôle consiste à faire bouger quelque chose comme vous voulez qu'il bouge. Certains outils de traitement du signal vous y aideront (et d'autres non; le filtrage vers l'arrière ne se produit pas en temps réel sans TARDIS).

Le traitement du signal est en grande partie concerné par la réponse en fréquence (gain), car c'est principalement ce qui affecte ce que vous entendez. Les retards de phase et de groupe sont des problèmes, mais souvent pas les plus importants.

Cependant, dans l'ingénierie de contrôle, vous voulez généralement que quelque chose bouge et ne bouge plus. Ce faisant, il y a un principe fondamental - si vous ne pouvez pas le voir, vous ne pouvez pas le corriger . Si votre mesure de position est filtrée de manière à retarder gravement la mesure, la boucle de contrôle ne sait pas où elle se trouve (ou n'obtient pas ces informations assez rapidement) et ne peut donc pas se déplacer correctement. Ou pire, s'il obtient les informations trop tard, il peut même essayer de se déplacer dans la mauvaise direction.

Ainsi, l'ingénierie de contrôle a tendance à utiliser des filtres comme Butterworth qui ne font pas si bien le filtrage, mais qui ont des effets beaucoup plus bénins sur les signaux. Ou il peut même ne pas utiliser de filtres du tout, car le bruit sur les signaux peut ne pas affecter le mouvement du système si vous avez une boucle de contrôle lente ou un système avec beaucoup d'inertie.

Le meilleur manuel que je connaisse est Modern Control Engineering par Ogata. Je le recommande vivement. Il s'arrête juste avant le contrôle de l'espace d'état, mais pour la plupart des travaux de contrôle, vous en aurez rarement besoin.

$I$$O$$S$$O$$S$$I$

• les ingénieurs de contrôle ont tendance à imposer des contraintes (fortes) aux sorties d'un système et se consacrent à trouver des entrées qui répondent aux contraintes
• les personnes chargées du traitement du signal ont tendance à mettre des attentes (fortes) sur les sorties et s'efforcent de trouver des systèmes qui convertissent les entrées de manière appropriée .

En conséquence, leurs outils sont très similaires, et c'est comme s'ils les utilisaient parfois de manière double. Même si leurs antécédents sont très proches, j'ai remarqué quelques difficultés dans leur intercommunication. Dans une certaine mesure, cette situation me rappelle celle de George Bernard Shaw:

Les États-Unis et la Grande-Bretagne sont deux pays séparés par une langue commune.

Par conséquent, le traitement du signal / image et l'ingénierie de contrôle sont deux disciplines proches, séparées par un ensemble d'outils communs .

• L'exigence, pour les implémentations de systèmes causales en temps réel (où le temps est le paramètre indépendant) qui minimise continuellement une erreur de sortie par rapport à un critère de référence , distingue la discipline des systèmes de contrôle.

• Vous pouvez rechercher des didacticiels ouverts du MIT , tels que https://ocw.mit.edu/courses/aeronautics-and-astronautics/16-30-feedback-control-systems-fall-2010/

• Le logiciel MATLAB gratuit Scilab ( https://scilab.org ) donne accès à de nombreuses bibliothèques éprouvées prenant en charge la conception et l'analyse de systèmes de contrôle.

• NumPy et SciPy de Python ( https://scipy.org ) peuvent remplacer Scilab , si vous préférez, tandis que SymPy ( https://sympy.org ) peut vous aider avec les manipulations symboliques (système d'algèbre informatique). Les blocs-notes Anaconda Jupyter ( https://anaconda.org ) vous permettront de documenter votre développement avec la composition Markdown et le rendu d'expression LaTeX , avec du code interactif et des blocs de sortie.

• Pour rendre des graphiques de flux de signal , qui résument fréquemment les systèmes de contrôle, vous pouvez utiliser Graphviz ( https://graphviz.org ).

• Roger Labbe explique très efficacement les filtres Kalman: https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python L'état du système estimé est l'objet du contrôle d'un filtre Kalman.