Relação entre processamento de sinais e engenharia de sistemas de controle?

A engenharia de sistemas de controle e o processamento de sinais digitais são importantes cursos / disciplinas de engenharia elétrica. Mas como essas duas disciplinas / cursos estão relacionados entre si?

Também, por favor, deixe-me saber, quais são alguns recursos recomendados (livros, tutoriais, palestras etc.) sobre engenharia de sistemas de controle e como começar a trabalhar com ele em nível técnico?

Como temos resposta no link abaixo, mas essa resposta é sobre recursos dsp, estou procurando recursos sobre engenharia de sistemas de controle, exemplo de resposta de solicitação de referência

Há muita sobreposição, mas algumas diferenças de ênfase. A Engenharia de controle também é mais antiga que o DSP. Se você tem uma educação tradicional em EE, não faz muita distinção.

Variáveis ​​de estado são a perspectiva mais típica em Controles. A primeira edição de Oppenheim e Schafer 1975, tinha um capítulo sobre variáveis ​​de estado, mas elas o abandonaram ao longo dos anos. Você precisa entender as variáveis ​​de estado para executar o Kalman Filtering, que é uma área de sobreposição. Estimativa linear e controles lineares são duplos um do outro.

Eu diria também que os sistemas híbridos de tempo contínuo / discreto são mais comuns nos controles, mas também existem muitos exemplos para o DSP.

O DSP é quase sempre feito com amostragem uniforme. As variáveis ​​de estado também podem funcionar com amostragem não uniforme.

Eu nunca ouvi falar do sistema de controle anti-causal, mas a filtragem reversa a tempo é comum no DSP. Os controles são inerentemente causais. A transformação de Laplace de um lado é mais comum nos controles.

A estabilidade nos loops de feedback é importante em ambas as áreas. Uma classe de sistemas de controle avançados cobrirá tópicos como a estabilidade de Lyaponov. Você normalmente não vê isso coberto no DSP, mas existem documentos do DSP que usam essa técnica.

A Teoria de Controle aparece na engenharia mecânica. O DSP aparece nas finanças. Existem muitos dos dois na robótica, que também usa a visão computacional.

No RADAR, as formas de onda e a filtragem são mais DSP no front-end, mas os sistemas de rastreamento no back-end são mais semelhantes aos controles.

Se eu tivesse que usar uma única palavra para descrever cada uma.

Controles: feedback

Processamento de sinais: sensoriamento

ou talvez usando uma frase

Controles: no presente

DSP: no sulco

Eu fiz o meu processamento de sinal Ph.D. em um departamento de sistemas de controle . Minha opinião é que o processamento do sinal é de loop aberto; sistemas de controle fecham o loop.

Além disso, a matemática por trás de ambos é muito semelhante. São os aplicativos que geralmente são muito diferentes.

Ambos se baseiam na Teoria do Sistema Linear (também conhecida como "Sinais e Sistemas" ). O mesmo acontece com os sistemas de comunicação e circuitos elétricos lineares , circuitos eletrônicos e redes distribuídas (também conhecidas como linhas de transmissão ).

Ambos se preocupam com a estabilidade do sistema. Os pólos devem estar dentro do círculo unitário. O DSP é realmente mais amplo que Controles ou Comunicações.

Sistemas de controle geralmente estão mais interessados ​​no comportamento no domínio do tempo; resposta ao impulso e resposta ao passo. O critério de Routh-Hurwitz (ou seu equivalente em tempo discreto) e as técnicas de Locus raiz são algo com que os caras do Controle se preocupam. Eu nunca realmente me preocupei com isso.

Costumava ser que os sistemas Variável de Estado estavam no âmbito dos Controles, mas desde o Filtro Kalman, eu vi representações de Variáveis ​​de Estado (com as matrizes A, B, C, D ) aparecendo com mais frequência no DSP.

Muitos problemas de DSP fora dos controles estão menos preocupados com o comportamento no domínio do tempo e mais preocupados com o comportamento no domínio da frequência.

O processamento de imagens está mais relacionado ao DSP do que aos controles.

Não sei, os caras da Controls se preocupam com a FFT e tal.

Todas essas disciplinas têm um fim prático que se torna Eletrônica. Preocupar-se com o modo como os chips DSP ou CPU são conectados aos conversores A / D e D / A, à memória e a outros periféricos. Não sei quanto os caras da Controladoria se preocupam com o erro de quantização, mas deveriam.

Há uma distinção bastante simples.

O processamento de sinais é um conjunto de ferramentas que podem ser usadas para engenharia de controle.

A engenharia de controle tem a ver com fazer com que algo se mova como você deseja que ele se mova. Algumas das ferramentas de processamento de sinal ajudarão nisso (e outras não; a filtragem reversa não acontece em tempo real sem um TARDIS).

O processamento de sinais preocupa-se principalmente com a resposta em frequência (ganho), porque é isso que afeta mais o que você ouve. O atraso da fase e do grupo é um problema, mas geralmente não é o principal.

Porém, na engenharia de controle, você geralmente deseja que algo se mova para uma posição e depois não se mova. Ao fazer isso, há um princípio fundamental - se você não pode vê-lo, não pode corrigi-lo . Se a sua medição de posição é filtrada de maneira a atrasar mal a medição, o loop de controle não sabe onde está (ou não obtém essas informações com rapidez suficiente) e, portanto, não pode se mover adequadamente. Ou pior, se receber as informações tarde demais, pode até tentar seguir na direção errada.

Portanto, a engenharia de controle tende a usar filtros como o Butterworth, que podem não fazer um bom trabalho de filtragem, mas que têm efeitos muito mais benignos nos sinais. Ou talvez nem use filtros, porque o ruído nos sinais pode não afetar o movimento do sistema se você tiver um loop de controle lento ou um sistema com muita inércia.

O melhor livro que conheço é a Modern Control Engineering da Ogata. Eu posso recomendar isso completamente. Ele pára um pouco antes do controle do espaço de estado, mas para a maioria dos trabalhos de controle, você raramente precisará disso.

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

• Os engenheiros de controle tendem a impor restrições (fortes) às saídas de um sistema e se dedicam a encontrar entradas que atendam às restrições
• o pessoal de processamento de sinais tende a colocar (fortes) expectativas nas saídas e se esforça para encontrar sistemas que convertam as entradas adequadamente .

Como conseqüência, suas ferramentas são muito semelhantes, e é como se às vezes as usassem de maneira dupla. Mesmo que seus antecedentes sejam muito próximos, notei algumas dificuldades em sua intercomunicação. Até certo ponto, essa situação me lembra o de George Bernard Shaw:

Os Estados Unidos e a Grã-Bretanha são dois países separados por um idioma comum.

Portanto, o processamento de sinal / imagem e a engenharia de controle são duas disciplinas próximas, separadas por um conjunto de ferramentas comuns .

• O requisito, para implementações de sistemas causais em tempo real (onde tempo é o parâmetro independente) que minimiza continuamente um erro de saída em relação a um critério de referência , distingue a disciplina dos sistemas de controle.

• Você pode pesquisar no MIT Open Courseware , como https://ocw.mit.edu/courses/aeronautics-and-astronautics/16-30-feedback-control-systems-fall-2010/

• O Scilab, prático e gratuito, do MATLAB ( https://scilab.org ) fornece acesso a muitas bibliotecas comprovadas que dão suporte ao projeto e análise de sistemas de controle.

• O NumPy e o SciPy do Python ( https://scipy.org ) podem substituir o Scilab , se você preferir, enquanto o SymPy ( https://sympy.org ) pode ajudar com manipulações simbólicas (sistema de álgebra computacional). Os blocos de anotações Anaconda Jupyter ( https://anaconda.org ) permitirão que você documente seu desenvolvimento com a tipografia Markdown e a renderização de expressão LaTeX , juntamente com códigos interativos e blocos de saída.

• Para renderizar gráficos de fluxo de sinal , que frequentemente resumem sistemas de controle, você pode usar o Graphviz ( https://graphviz.org ).

• Roger Labbe explica os filtros do Kalman com muita eficiência: https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python O estado estimado do sistema é o objeto de controle de um filtro Kalman.