अवस्था संक्रमण आव्यूह: Difference between revisions

From Vigyanwiki
(Created page with "{{Technical|date=December 2018}} नियंत्रण सिद्धांत में, राज्य-संक्रमण मैट्रिक्स एक म...")
 
 
(12 intermediate revisions by 4 users not shown)
Line 1: Line 1:
{{Technical|date=December 2018}}
[[नियंत्रण सिद्धांत]] में, '''अवस्था संक्रमण आव्यूह''' एक आव्यूह है जिसका गुणन फल अवस्था वेक्टर <math>x</math> प्रारंभिक समय में <math>t_0</math> देता है <math>x</math> बाद के समय में <math>t</math> के साथ होता है। अवस्था-संक्रमण आव्यूह का उपयोग रैखिक गतिशील प्रणालियों का सामान्य समाधान प्राप्त करने के लिए किया जा सकता है।


[[नियंत्रण सिद्धांत]] में, राज्य-संक्रमण मैट्रिक्स एक मैट्रिक्स है जिसका उत्पाद [[राज्य स्थान प्रतिनिधित्व]] के साथ होता है <math>x</math> शुरुआती समय में <math>t_0</math> देता है <math>x</math> बाद के समय में <math>t</math>. राज्य-संक्रमण मैट्रिक्स का उपयोग रैखिक गतिशील प्रणालियों का सामान्य समाधान प्राप्त करने के लिए किया जा सकता है।
==रैखिक प्रणाली समाधान==
 
अवस्था-संक्रमण आव्यूह का उपयोग निम्नलिखित रूप में एक [[रैखिक प्रणाली]] के सामान्य अवस्था-संक्रमण प्रतिनिधित्व का समाधान खोजने के लिए किया जाता है
==रैखिक सिस्टम समाधान==
राज्य-संक्रमण मैट्रिक्स का उपयोग निम्नलिखित रूप में एक [[रैखिक प्रणाली]] के सामान्य राज्य-स्थान प्रतिनिधित्व का समाधान खोजने के लिए किया जाता है
: <math>\dot{\mathbf{x}}(t) = \mathbf{A}(t) \mathbf{x}(t) + \mathbf{B}(t) \mathbf{u}(t)  ,    \;\mathbf{x}(t_0) = \mathbf{x}_0 </math>,
: <math>\dot{\mathbf{x}}(t) = \mathbf{A}(t) \mathbf{x}(t) + \mathbf{B}(t) \mathbf{u}(t)  ,    \;\mathbf{x}(t_0) = \mathbf{x}_0 </math>,
कहाँ <math>\mathbf{x}(t)</math> सिस्टम की स्थितियाँ हैं, <math>\mathbf{u}(t)</math> इनपुट सिग्नल है, <math>\mathbf{A}(t)</math> और <math>\mathbf{B}(t)</math> [[मैट्रिक्स फ़ंक्शन]] हैं, और <math>\mathbf{x}_0</math> पर प्रारंभिक शर्त है <math>t_0</math>. राज्य-संक्रमण मैट्रिक्स का उपयोग करना <math>\mathbf{\Phi}(t, \tau)</math>, समाधान इस प्रकार दिया गया है:<ref name=baaschl>{{cite journal|last1=Baake|first1=Michael|last2=Schlaegel|first2=Ulrike|title=पीनो बेकर श्रृंखला|journal=Proceedings of the Steklov Institute of Mathematics|year=2011|volume=275|pages=155–159|doi=10.1134/S0081543811080098|s2cid=119133539}}</ref><ref name=rugh>{{cite book|last1=Rugh|first1=Wilson|title=रैखिक प्रणाली सिद्धांत|date=1996|publisher=Prentice Hall|location=Upper Saddle River, NJ | isbn = 0-13-441205-2}}</ref>
जहाँ <math>\mathbf{x}(t)</math> प्रणाली की स्थितियाँ हैं, <math>\mathbf{u}(t)</math> निविष्ट संकेत है, <math>\mathbf{A}(t)</math> और <math>\mathbf{B}(t)</math> [[मैट्रिक्स फ़ंक्शन|आव्यूह फलन]] हैं, और <math>\mathbf{x}_0</math> पर <math>t_0</math> प्रारंभिक स्थिति है। <math>\mathbf{\Phi}(t, \tau)</math> अवस्था-संक्रमण आव्यूह का उपयोग करना , समाधान इस प्रकार दिया गया है:<ref name=baaschl>{{cite journal|last1=Baake|first1=Michael|last2=Schlaegel|first2=Ulrike|title=पीनो बेकर श्रृंखला|journal=Proceedings of the Steklov Institute of Mathematics|year=2011|volume=275|pages=155–159|doi=10.1134/S0081543811080098|s2cid=119133539}}</ref><ref name=rugh>{{cite book|last1=Rugh|first1=Wilson|title=रैखिक प्रणाली सिद्धांत|date=1996|publisher=Prentice Hall|location=Upper Saddle River, NJ | isbn = 0-13-441205-2}}</ref>
: <math>\mathbf{x}(t)= \mathbf{\Phi} (t, t_0)\mathbf{x}(t_0)+\int_{t_0}^t \mathbf{\Phi}(t, \tau)\mathbf{B}(\tau)\mathbf{u}(\tau)d\tau</math>
: <math>\mathbf{x}(t)= \mathbf{\Phi} (t, t_0)\mathbf{x}(t_0)+\int_{t_0}^t \mathbf{\Phi}(t, \tau)\mathbf{B}(\tau)\mathbf{u}(\tau)d\tau</math>
पहले शब्द को शून्य-इनपुट प्रतिक्रिया के रूप में जाना जाता है और यह दर्शाता है कि किसी भी इनपुट के अभाव में सिस्टम की स्थिति कैसे विकसित होगी। दूसरे शब्द को शून्य-स्थिति प्रतिक्रिया के रूप में जाना जाता है और यह परिभाषित करता है कि इनपुट सिस्टम को कैसे प्रभावित करते हैं।
पहले शब्द को शून्य-निविष्ट प्रतिक्रिया के रूप में जाना जाता है और यह दर्शाता है कि किसी भी निविष्ट के अभाव में प्रणाली की स्थिति कैसे विकसित होगी। दूसरे शब्द को शून्य-स्थिति प्रतिक्रिया के रूप में जाना जाता है और यह परिभाषित करता है कि निविष्ट प्रणाली को कैसे प्रभावित करते हैं।


==पीनो-बेकर श्रृंखला==
==पीनो-बेकर श्रृंखला==
सबसे सामान्य संक्रमण मैट्रिक्स पीनो-बेकर श्रृंखला द्वारा दिया गया है
सबसे सामान्य संक्रमण आव्यूह पीनो-बेकर श्रृंखला द्वारा दिया गया है
:<math> \mathbf{\Phi}(t,\tau) = \mathbf{I} + \int_\tau^t\mathbf{A}(\sigma_1)\,d\sigma_1 + \int_\tau^t\mathbf{A}(\sigma_1)\int_\tau^{\sigma_1}\mathbf{A}(\sigma_2)\,d\sigma_2\,d\sigma_1 + \int_\tau^t\mathbf{A}(\sigma_1)\int_\tau^{\sigma_1}\mathbf{A}(\sigma_2)\int_\tau^{\sigma_2}\mathbf{A}(\sigma_3)\,d\sigma_3\,d\sigma_2\,d\sigma_1 + ...</math>
:<math> \mathbf{\Phi}(t,\tau) = \mathbf{I} + \int_\tau^t\mathbf{A}(\sigma_1)\,d\sigma_1 + \int_\tau^t\mathbf{A}(\sigma_1)\int_\tau^{\sigma_1}\mathbf{A}(\sigma_2)\,d\sigma_2\,d\sigma_1 + \int_\tau^t\mathbf{A}(\sigma_1)\int_\tau^{\sigma_1}\mathbf{A}(\sigma_2)\int_\tau^{\sigma_2}\mathbf{A}(\sigma_3)\,d\sigma_3\,d\sigma_2\,d\sigma_1 + ...</math>
कहाँ <math>\mathbf{I}</math> पहचान मैट्रिक्स है. यह मैट्रिक्स समान रूप से और पूरी तरह से एक ऐसे समाधान में परिवर्तित होता है जो मौजूद है और अद्वितीय है।<ref name=rugh />
जहाँ <math>\mathbf{I}</math> पहचान आव्यूह है. यह आव्यूह समान रूप से और पूरी तरह से एक ऐसे समाधान में परिवर्तित होता है जो उपस्थित है और अद्वितीय है।<ref name=rugh />
 
 
==अन्य गुण==
==अन्य गुण==
राज्य संक्रमण मैट्रिक्स <math> \mathbf{\Phi}</math> निम्नलिखित रिश्तों को संतुष्ट करता है:
अवस्था संक्रमण आव्यूह <math> \mathbf{\Phi}</math> निम्नलिखित संबंध को संतुष्ट करता है:


1. यह सतत है और इसके निरंतर व्युत्पन्न हैं।
1. यह सतत है और इसके निरंतर व्युत्पन्न हैं।


2, यह कभी एकवचन नहीं होता; वास्तव में <math>\mathbf{\Phi}^{-1}(t, \tau) = \mathbf{ \Phi}(\tau, t)</math> और <math>\mathbf{\Phi}^{-1}(t, \tau)\mathbf{\Phi}(t, \tau) = I</math>, कहाँ <math>I</math> पहचान मैट्रिक्स है.
2, यह कभी विलक्षण नहीं होता; वास्तव में <math>\mathbf{\Phi}^{-1}(t, \tau) = \mathbf{ \Phi}(\tau, t)</math> और <math>\mathbf{\Phi}^{-1}(t, \tau)\mathbf{\Phi}(t, \tau) = I</math>, जहाँ <math>I</math> पहचान आव्यूह है।


3. <math>\mathbf{\Phi}(t, t) = I</math> सभी के लिए <math>t</math> .<ref>{{cite book|first=Roger W.|last=Brockett|title=परिमित आयामी रैखिक प्रणाली|publisher=John Wiley & Sons|year=1970|isbn=978-0-471-10585-5}}</ref>
3. सभी <math>t</math> के लिए  <math>\mathbf{\Phi}(t, t) = I</math><ref>{{cite book|first=Roger W.|last=Brockett|title=परिमित आयामी रैखिक प्रणाली|publisher=John Wiley & Sons|year=1970|isbn=978-0-471-10585-5}}</ref>
4. <math>\mathbf{\Phi}(t_2, t_1)\mathbf{\Phi}(t_1, t_0) = \mathbf{\Phi}(t_2, t_0)</math> सभी के लिए <math>t_0 \leq  t_1 \leq t_2</math>.


5. यह अवकल समीकरण को संतुष्ट करता है <math>\frac{\partial \mathbf{\Phi}(t, t_0)}{\partial t} = \mathbf{A}(t)\mathbf{\Phi}(t, t_0)</math> प्रारंभिक शर्तों के साथ <math>\mathbf{\Phi}(t_0, t_0) = I</math>.
4. सभी <math>t_0 \leq  t_1 \leq t_2</math> के लिए <math>\mathbf{\Phi}(t_2, t_1)\mathbf{\Phi}(t_1, t_0) = \mathbf{\Phi}(t_2, t_0)</math>


6. राज्य-संक्रमण मैट्रिक्स <math>\mathbf{\Phi}(t, \tau)</math>, द्वारा दिए गए
5. यह अवकल समीकरण को संतुष्ट करता है <math>\frac{\partial \mathbf{\Phi}(t, t_0)}{\partial t} = \mathbf{A}(t)\mathbf{\Phi}(t, t_0)</math> प्रारंभिक उपबंध <math>\mathbf{\Phi}(t_0, t_0) = I</math> के साथ।
 
6. अवस्था-संक्रमण आव्यूह <math>\mathbf{\Phi}(t, \tau)</math>, द्वारा दिए गए
: <math>\mathbf{\Phi}(t, \tau)\equiv\mathbf{U}(t)\mathbf{U}^{-1}(\tau)</math>
: <math>\mathbf{\Phi}(t, \tau)\equiv\mathbf{U}(t)\mathbf{U}^{-1}(\tau)</math>
जहां <math>n \times n</math> आव्यूह <math>\mathbf{U}(t)</math> [[मौलिक मैट्रिक्स (रैखिक अंतर समीकरण)]] है जो संतुष्ट करता है
जहां <math>n \times n</math> आव्यूह <math>\mathbf{U}(t)</math> [[मौलिक मैट्रिक्स (रैखिक अंतर समीकरण)|मौलिक आव्यूह (रैखिक अंतर समीकरण)]] है जो संतुष्ट करता है
: <math>\dot{\mathbf{U}}(t)=\mathbf{A}(t)\mathbf{U}(t)</math> प्रारंभिक शर्त के साथ <math>\mathbf{U}(t_0) = I</math>.
: <math>\dot{\mathbf{U}}(t)=\mathbf{A}(t)\mathbf{U}(t)</math> प्रारंभिक उपबंध के साथ <math>\mathbf{U}(t_0) = I</math>


7. राज्य को देखते हुए <math>\mathbf{x}(\tau)</math> किसी भी समय <math>\tau</math>, किसी अन्य समय में राज्य <math>t</math> मैपिंग द्वारा दिया गया है
7. अवस्था को देखते हुए <math>\mathbf{x}(\tau)</math> किसी भी समय <math>\tau</math>, किसी अन्य समय में अवस्था <math>t</math> प्रतिचित्रण द्वारा दिया गया है
:<math>\mathbf{x}(t)=\mathbf{\Phi}(t, \tau)\mathbf{x}(\tau)</math>
:<math>\mathbf{x}(t)=\mathbf{\Phi}(t, \tau)\mathbf{x}(\tau)</math>
==अवस्था-संक्रमण आव्यूह का अनुमान==


समय-अपरिवर्तनीय सन्दर्भ में, हम[[ मैट्रिक्स घातांक | आव्यूह घातांक]] का उपयोग करते हुए <math> \mathbf{\Phi}</math> परिभाषित कर सकते हैं, जैसे <math>\mathbf{\Phi}(t, t_0) = e^{\mathbf{A}(t - t_0)}</math>। <ref>{{cite journal |last1=Reyneke |first1=Pieter V. |title=Polynomial Filtering: To any degree on irregularly sampled data |journal=Automatika |date=2012 |volume=53 |issue=4 |pages=382–397|doi=10.7305/automatika.53-4.248 |s2cid=40282943 |url=http://hrcak.srce.hr/file/138435 |doi-access=free }}</ref>


==राज्य-संक्रमण मैट्रिक्स का अनुमान==
समय-संस्करण सन्दर्भ में, अवस्था-संक्रमण आव्यूह <math>\mathbf{\Phi}(t, t_0)</math> अंतर समीकरण <math>\dot{\mathbf{u}}(t)=\mathbf{A}(t)\mathbf{u}(t)</math> के समाधान से अनुमान लगाया जा सकता है  प्रारंभिक उपबंध के साथ <math>\mathbf{u}(t_0)</math> द्वारा दिए गए <math>[1,\ 0,\ \ldots,\ 0]^T</math>, <math>[0,\ 1,\ \ldots,\ 0]^T</math>, ..., <math>[0,\ 0,\ \ldots,\ 1]^T</math>. संबंधित समाधान <math>n</math> आव्यूह के कॉलम <math>\mathbf{\Phi}(t, t_0)</math> प्रदान करते हैं। अब, गुण 4 से,
 
  <math>\mathbf{\Phi}(t, \tau) = \mathbf{\Phi}(t, t_0)\mathbf{\Phi}(\tau, t_0)^{-1}</math> सभी के लिए <math>t_0 \leq  \tau \leq t</math>. समय-भिन्न समाधान पर विश्लेषण जारी रखने से पहले अवस्था-संक्रमण आव्यूह निर्धारित किया जाना चाहिए।
समय-अपरिवर्तनीय मामले में, हम परिभाषित कर सकते हैं <math> \mathbf{\Phi}</math>, [[ मैट्रिक्स घातांक ]] का उपयोग करते हुए, जैसे <math>\mathbf{\Phi}(t, t_0) = e^{\mathbf{A}(t - t_0)}</math>. <ref>{{cite journal |last1=Reyneke |first1=Pieter V. |title=Polynomial Filtering: To any degree on irregularly sampled data |journal=Automatika |date=2012 |volume=53 |issue=4 |pages=382–397|doi=10.7305/automatika.53-4.248 |s2cid=40282943 |url=http://hrcak.srce.hr/file/138435 |doi-access=free }}</ref>
समय-संस्करण मामले में, राज्य-संक्रमण मैट्रिक्स <math>\mathbf{\Phi}(t, t_0)</math> अंतर समीकरण के समाधान से अनुमान लगाया जा सकता है <math>\dot{\mathbf{u}}(t)=\mathbf{A}(t)\mathbf{u}(t)</math> प्रारंभिक शर्तों के साथ <math>\mathbf{u}(t_0)</math> द्वारा दिए गए <math>[1,\ 0,\ \ldots,\ 0]^T</math>, <math>[0,\ 1,\ \ldots,\ 0]^T</math>, ..., <math>[0,\ 0,\ \ldots,\ 1]^T</math>. संबंधित समाधान प्रदान करते हैं <math>n</math> मैट्रिक्स के कॉलम <math>\mathbf{\Phi}(t, t_0)</math>. अब, संपत्ति 4 से,
  <math>\mathbf{\Phi}(t, \tau) = \mathbf{\Phi}(t, t_0)\mathbf{\Phi}(\tau, t_0)^{-1}</math> सभी के लिए <math>t_0 \leq  \tau \leq t</math>. समय-भिन्न समाधान पर विश्लेषण जारी रखने से पहले राज्य-संक्रमण मैट्रिक्स निर्धारित किया जाना चाहिए।


== यह भी देखें ==
== यह भी देखें ==
Line 72: Line 68:
  | url = https://archive.org/details/moderncontrolthe00brog
  | url = https://archive.org/details/moderncontrolthe00brog
  }}
  }}
{{Wikibooks|Control Systems/Time Variant System Solutions}}
{{Matrix classes}}
[[Category: शास्त्रीय नियंत्रण सिद्धांत]]  
[[Category: शास्त्रीय नियंत्रण सिद्धांत]]  


Line 82: Line 74:
[[Category: Machine Translated Page]]
[[Category: Machine Translated Page]]
[[Category:Created On 15/08/2023]]
[[Category:Created On 15/08/2023]]
[[Category:Vigyan Ready]]

Latest revision as of 09:28, 29 November 2023

नियंत्रण सिद्धांत में, अवस्था संक्रमण आव्यूह एक आव्यूह है जिसका गुणन फल अवस्था वेक्टर प्रारंभिक समय में देता है बाद के समय में के साथ होता है। अवस्था-संक्रमण आव्यूह का उपयोग रैखिक गतिशील प्रणालियों का सामान्य समाधान प्राप्त करने के लिए किया जा सकता है।

रैखिक प्रणाली समाधान

अवस्था-संक्रमण आव्यूह का उपयोग निम्नलिखित रूप में एक रैखिक प्रणाली के सामान्य अवस्था-संक्रमण प्रतिनिधित्व का समाधान खोजने के लिए किया जाता है

,

जहाँ प्रणाली की स्थितियाँ हैं, निविष्ट संकेत है, और आव्यूह फलन हैं, और पर प्रारंभिक स्थिति है। अवस्था-संक्रमण आव्यूह का उपयोग करना , समाधान इस प्रकार दिया गया है:[1][2]

पहले शब्द को शून्य-निविष्ट प्रतिक्रिया के रूप में जाना जाता है और यह दर्शाता है कि किसी भी निविष्ट के अभाव में प्रणाली की स्थिति कैसे विकसित होगी। दूसरे शब्द को शून्य-स्थिति प्रतिक्रिया के रूप में जाना जाता है और यह परिभाषित करता है कि निविष्ट प्रणाली को कैसे प्रभावित करते हैं।

पीनो-बेकर श्रृंखला

सबसे सामान्य संक्रमण आव्यूह पीनो-बेकर श्रृंखला द्वारा दिया गया है

जहाँ पहचान आव्यूह है. यह आव्यूह समान रूप से और पूरी तरह से एक ऐसे समाधान में परिवर्तित होता है जो उपस्थित है और अद्वितीय है।[2]

अन्य गुण

अवस्था संक्रमण आव्यूह निम्नलिखित संबंध को संतुष्ट करता है:

1. यह सतत है और इसके निरंतर व्युत्पन्न हैं।

2, यह कभी विलक्षण नहीं होता; वास्तव में और , जहाँ पहचान आव्यूह है।

3. सभी के लिए [3]

4. सभी के लिए

5. यह अवकल समीकरण को संतुष्ट करता है प्रारंभिक उपबंध के साथ।

6. अवस्था-संक्रमण आव्यूह , द्वारा दिए गए

जहां आव्यूह मौलिक आव्यूह (रैखिक अंतर समीकरण) है जो संतुष्ट करता है

प्रारंभिक उपबंध के साथ

7. अवस्था को देखते हुए किसी भी समय , किसी अन्य समय में अवस्था प्रतिचित्रण द्वारा दिया गया है

अवस्था-संक्रमण आव्यूह का अनुमान

समय-अपरिवर्तनीय सन्दर्भ में, हम आव्यूह घातांक का उपयोग करते हुए परिभाषित कर सकते हैं, जैसे [4]

समय-संस्करण सन्दर्भ में, अवस्था-संक्रमण आव्यूह अंतर समीकरण के समाधान से अनुमान लगाया जा सकता है प्रारंभिक उपबंध के साथ द्वारा दिए गए , , ..., . संबंधित समाधान आव्यूह के कॉलम प्रदान करते हैं। अब, गुण 4 से,

 सभी के लिए . समय-भिन्न समाधान पर विश्लेषण जारी रखने से पहले अवस्था-संक्रमण आव्यूह निर्धारित किया जाना चाहिए।

यह भी देखें

संदर्भ

  1. Baake, Michael; Schlaegel, Ulrike (2011). "पीनो बेकर श्रृंखला". Proceedings of the Steklov Institute of Mathematics. 275: 155–159. doi:10.1134/S0081543811080098. S2CID 119133539.
  2. 2.0 2.1 Rugh, Wilson (1996). रैखिक प्रणाली सिद्धांत. Upper Saddle River, NJ: Prentice Hall. ISBN 0-13-441205-2.
  3. Brockett, Roger W. (1970). परिमित आयामी रैखिक प्रणाली. John Wiley & Sons. ISBN 978-0-471-10585-5.
  4. Reyneke, Pieter V. (2012). "Polynomial Filtering: To any degree on irregularly sampled data". Automatika. 53 (4): 382–397. doi:10.7305/automatika.53-4.248. S2CID 40282943.


अग्रिम पठन