Università degli Studi di Siena. Modellizzazione e Controllo Predittivo Ibrido e Decentralizzato di Una Formazione di Velivoli di Tipo Quadcopter

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Università degli Studi di Siena. Modellizzazione e Controllo Predittivo Ibrido e Decentralizzato di Una Formazione di Velivoli di Tipo Quadcopter"

Transcript

1 Università degli Studi di Siena Facoltà di Ingegneria Corso di Laurea Specialistica in Ingegneria Informatica Modellizzazione e Controllo Predittivo Ibrido e Decentralizzato di Una Formazione di Velivoli di Tipo Quadcopter Tesi di Laurea di Claudio Rocchi Relatore: Prof. Ing. Antonello Giannitrapani Correlatore: Prof. Ing. Alberto Bemporad Anno Accademico 2008/2009 Sessione di Laurea - 8 Febbraio 2010

2 Indice Introduzione 1 1 Sistemi ibridi I modelli ibridi DHA - Discrete Hybrid Automata Sistemi MLD Calcolo proposizionale e programmazione mista intera Sistemi MLD Sistemi PWA Controllo predittivo Controllo predittivo in-linea MPC per sistemi ibridi Convergenza ad anello chiuso Risolutori di problemi misti interi Forma esplicita del controllore Modello di volo Dinamica non lineare del quadcopter Gestione di una formazione di velivoli Progetto delle strategie di controllo MPC lineare per la stabilizzazione i

3 INDICE ii 4.2 Pianificazione della traiettoria per l elusione di ostacoli MPC ibrido Generazione dei vincoli con il metodo dei potenziali Controllo di una formazione di velivoli Struttura gerarchica Schema decentralizzato Schema centralizzato MPC lineare con generazione dei vincoli Risultati delle simulazioni Ostacoli mobili Conclusioni 59 A HYSDEL 66 A.1 Il linguaggio HYSDEL A.1.1 Sezione AUX A.1.2 Sezioni AD e DA A.1.3 Sezione LOGIC A.1.4 Sezione CONTINUOUS A.1.5 Sezione LINEAR A.1.6 Sezione AUTOMATA A.1.7 Sezione OUTPUT A.1.8 Sezione MUST A.2 Listato HYSDEL del velivolo leader Bibliografia 77

4 Elenco delle figure 1.1 Modello di un sistema ibrido Schema di un discrete hybrid automata (DHA) Partizione poliedrica dello spazio degli stati Schema di controllo retroazionato Filosofia ad orizzonte recessivo Il prototipo costruito da Carlo Alberto Pascucci al Dipartimento di Ingegneria dell Informazione di Siena Modello del quadcopter Struttura della formazione Azione integrale sulla z durante il transitorio iniziale Struttura gerarchica Esempio di guscio che avvolge un ostacolo Blocco Simulink del controllo decentralizzato Traiettorie della formazione, strategia ibrida Posizioni e segnali di riferimento del velivolo leader, strategia ibrida Traiettorie della formazione, metodo dei potenziali Posizioni e segnali di riferimento del primo follower, metodo dei potenziali iii

5 Elenco delle tabelle 1.1 Proposizioni logiche e forme equivalenti Trasformazione prop. logiche in disuguaglianze intere Parametri del quadcopter iv

6 Introduzione Negli ultimi anni il controllo di formazioni di velivoli senza pilota (Unmanned Aerial Vehicles - UAVs) è diventato un area di ricerca molto attiva, grazie alla grande varietà di situazioni nelle quali possono essere utilizzati al posto degli esseri umani, sia per applicazioni militari (spionaggio, ricognizione, sorveglianza) che civili (esplorazioni di vasti territori, di ambienti ostili, ecc.). Esistono diverse tipologie di UAVs, ognuna adatta ad un particolare scopo: alianti e aeroplani hanno un alta autonomia e possono essere utilizzati in applicazioni di lungo raggio, ma richiedono ampi spazi di manovra. Gli elicotteri, ed in particolare i quadcopter (elicotteri a quattro rotori), sono meno efficienti dal punto di vista energetico, ma possono operare in spazi limitati, atterrare e decollare verticalmente, e rimanere sospesi in aria sopra l obiettivo. La navigazione in spazi ristretti richiede però una maggiore complessità nel controllare il velivolo [1], soprattutto a causa della dinamica accoppiata e fortemente non lineare, e delle limitazioni sugli attuatori e sugli angoli di pitch/roll. Diverse strategie di controllo sono state proposte in letteratura, oltre al classico PID, per la stabilizzazione dei quadcopter: controllo non lineare [2], LQR [3], visual feedback [1], H [4]. Un altra sfida è rappresentata dalla pianificazione della traiettoria (path planning) per l elusione di ostacoli (obstacle avoidance), per la quale sono state proposte diverse soluzioni: potential fields [5], A con grafi di visibilità [6,7], generazione non lineare di traiettorie (ad esempio il software NTG sviluppato al Caltech [8]), e programmazione lineare mista-intera (MILP) [9]. In partico-

7 Introduzione 2 lare l ultima ha mostrato la grande flessibilità dell ottimizzazione mista-intera in linea nella generazione in tempo reale della traiettoria dei velivoli, come riportato in [10], dove le tecniche di MILP in linea si sono dimostrate molto efficaci nel gestire problemi di risoluzione di conflitti tra diversi velivoli. In questo lavoro di tesi viene utilizzato l approccio proposto nell articolo [11] scritto in collaborazione con il prof. Alberto Bemporad e il collega Carlo Alberto Pascucci, un controllo di tipo predittivo lineare (MPC - Model Predictive Control) a due livelli: viene utilizzato un controllore MPC lineare vincolato per la stabilizzazione del quadcopter e l inseguimento di posizioni, orientazioni e velocità desiderate. Ad un livello gerarchico più alto e con un tasso di campionamento più basso, un controllore ibrido MPC genera on-line la traiettoria da seguire per raggiungere una determinata posizione di target evitando degli ostacoli lungo il percorso. La scelta dell MPC per la stabilizzazione è motivata dai rigidi vincoli hard imposti sulle coppie dei rotori e dai vincoli soft sugli angoli di pitch e roll (e sull altitudine). L MPC è infatti particolarmente adatto per il controllo di sistemi multivariabili regolati da dinamiche vincolate, poichè permette di operare nei pressi dei limiti imposti dai vincoli hard, rispetto ai più classici schemi di controllo [12]. Per gli obiettivi di questo lavoro l approccio di tipo gerarchico è stato utilizzato per realizzare il controllo di una formazione di tre velivoli di tipo quadcopter. E stato poi implementata un altra strategia di controllo di formazione, utilizzando il solo MPC lineare: tramite una funzione Matlab, date le posizioni degli ostacoli e dei velivoli, utilizzando il metodo dei potenziali, vengono generati ad ogni istante di campionamento i limiti sulle uscite controllate dall MPC che insegue una posizione di target. I due metodi verranno confrontati in termini di costi computazionali ed efficienza nell evitare ostacoli, anche mobili. In entrambi i casi il controllo di

8 Introduzione 3 formazione viene effettuato sia in modo centralizzato che decentralizzato, mostrando come quest ultima sia computazionalmente più leggera della prima, permettendo così di effettuare simulazioni con 3D Simulink. La tesi è organizzata come segue: Nel capitolo 1 viene introdotta la teoria dei sistemi ibridi, descrivendo alcuni modelli. Nel capitolo 2 descriveremo il controllo predittivo. Nel capitolo 3 viene descritta la dinamica non lineare del quadcopter e la sua estensione ad una formazione di tre velivoli, nel caso centralizzato e decentralizzato. Nel capitolo 4 presenteremo le strategie di controllo sviluppate per entrambi i casi e riporteremo le simulazioni effettuate mettendo in evidenza i risultati raggiunti. In appendice A si riporta una descrizione del linguaggio HYSDEL (HYbrid Systems DEscription Language), utilizzato per la modellizzazione ibrida dei velivoli.

9 Capitolo 1 Sistemi ibridi L analisi accurata di un qualunque fenomeno o sistema fisico passa attraverso una sua descrizione mediante il linguaggio matematico. L individuazione del sistema fisico presenta larghi margini di arbitrarietà, si intuisce infatti che le interazioni fra le parti di un sistema possono essere un numero molto elevato, e non è detto che sia ottimale cercare di rappresentarle tutte. Cercare di modellare tutte le dinamiche porta a livelli di complessità alti, di difficile gestione. Per descrivere un sistema bisogna, dunque, definire innanzitutto gli aspetti che ci interessano del suo comportamento complessivo e valutare l equilibrio ottimale, in relazione agli scopi dell analisi, tra accuratezza della rappresentazione e semplicità di funzionamento. Negli ultimi anni è cresciuta in molti campi di ricerca, dall informatica, all elettronica, al controllo di processi, la necessità di integrare i classici modelli matematici, in grado di descrivere le dinamiche continue dei sistemi, con componenti logiche, descrivibili con macchine a stati finiti o regole if-then-else. Tali sistemi descritti da interconnessioni di sistemi dinamici e dispositivi logici vengono definiti con il termine sistemi ibridi. In questo capitolo verranno inquadrati teoricamente i sistemi ibridi, illustrandone le tematiche di modellistica. Saranno presentate 4

10 1.1. I modelli ibridi 5 le diverse rappresentazioni matematiche necessarie per formalizzare modelli matematici di sistemi ibridi e saranno introdotti gli strumenti teorici che verranno utilizzati nei capitoli successivi per la sintesi del controllore di posizione per una squadra di quadcopter che fa obstacle avoidance. 1.1 I modelli ibridi Il concetto di modello di un sistema è tradizionalmente associato a equazioni differenziali ed alle differenze, tipicamente derivate da leggi fisiche che governano le dinamiche del sistema sotto studio, e la teoria e gli strumenti di controllo sono stati sviluppati per questo tipo di sistemi. D altra parte in molte applicazioni il sistema che deve essere controllato è costituito da componenti logiche, come ad esempio interruttori o selettori di velocità. Spesso per questi tipi di sistemi la progettazione del controllo è basata su regole euristiche derivanti dalla conoscenza pratica del sistema da controllare. Recentemente i ricercatori hanno iniziato a trattare i sistemi ibridi (vedi Figura 1.1), ovvero processi che evolvono secondo dinamiche continue e regole logiche, in particolare sistemi costituiti da dinamiche discrete, in genere a più alto livello, come ad esempio dispositivi elettronici, e da parti continue, in genere a più basso livello, come ad esempio motori. L importanza e l utilità dei modelli ibridi è legata al crescente impiego di controllori logici che interagiscono con dinamiche continue, in campi che variano dall automobilistico [13, 14] alle applicazioni domestiche, e alla conseguente necessità di realizzare modelli adeguati che ne permettano lo studio. Inoltre molti sistemi fisici hanno intrinsecamente una natura ibrida, o ben descrivibile come tale, come i circuiti elettrici con diodi o le reti biomolecolari [15]. Diverse classi di modelli ibridi sono state presentate in letteratura: La classe degli automi ibridi discreti, discrete hybrid automata (DHA), introdotta in [16]; questi modelli sono una rappresentazione matematica

11 1.2. DHA - Discrete Hybrid Automata 6 Figura 1.1: Modello di un sistema ibrido astratta che integra una macchina a stati finiti, che descrive la parte logica, con uno switched affine system, che ne rappresenta le dinamiche continue, e due elementi di interconnessione fra le parti; le classi di sistemi ibridi piecewise affine (PWA) e mixed logical dynamical systems (MLD), che maggiormente si prestano ai metodi numerici ricorsivi e specificamente indirizzate al dominio ibrido. Le suddette classi di modelli ibridi sono equivalenti [16, 17], sotto alcune ipotesi, ed è quindi possibile rappresentare lo stesso sistema con modelli di ogni classe. In particolare le classi piecewise affine e mixed logical dynamical systems permettono di effettuare analisi di osservabilità, di sviluppare controllori predittivi ibridi come problemi di minimizzazione mista intera. 1.2 DHA - Discrete Hybrid Automata Sistemi il cui comportamento dinamico è dettato dall interazione di dinamiche continue con dinamiche discrete sono stati studiati nell ambito di teoria dei sistemi fin dagli anni 60. A partire dagli anni 90 assistiamo ad un molti-

12 1.2. DHA - Discrete Hybrid Automata 7 Figura 1.2: Schema di un discrete hybrid automata (DHA) plicarsi di pubblicazioni in merito a questa classe di sistemi per lungo tempo trascurata, ed è poco più di un decennio che sono stati introdotti gli hybrid automata, i quali hanno fornito un concreto approccio formale, utile in primo luogo per l analisi e la verifica dei sistemi ibridi. I discrete hybrid automata (DHA) sono costituiti dalla connessione di una macchina a stati finiti, finite state machine (FSM), che raccoglie le dinamiche discrete del sistema ibrido, con uno switched affine system (SAS), che rappresenta la parte continua delle dinamiche ibride. L interazione fra le due parti è affidata a due elementi di connessione: il generatore di eventi, event generator (EG) e il selettore di modo, mode selector (MS). Il mode selector combina tutte le varie componenti discrete per selezionare il modo operativo, ossia le dinamiche continue, del sistema switched affine. Con riferimento alla figura 1.2, abbiamo: Lo switched affine system, costituito da una collezione di dinamiche continue, tra le quali viene selezionata dal MS quella che rappresenta

13 1.2. DHA - Discrete Hybrid Automata 8 l evoluzione del sistema rispetto al modo attuale: x c (k + 1) = A i(k) x c (k) + B i(k) u c (k) + f i(k) (1.1) dove x c (k) R nc è il vettore degli stati continui, u c (k) R mc è il vettore degli ingressi continui esogeni, A i e B i (i I) sono matrici di opportune dimensioni, i(k) I {1,..., s} è il modo del sistema, cioè il segnale che il SAS riceve in ingresso dal mode selector che seleziona una delle s dinamiche affini del sistema. L event generator, l elemento di interconnessione tra la parte continua e quella logica rappresentata dalla macchina a stati finiti. L EG prende i segnali della parte continua e genera un segnale logico in modo che vengano soddisfatti i vincoli lineari affini; le variabili evento δ e sono generate da condizioni lineari di soglia sugli stati e ingressi continui, e sul tempo: [δe(k) i = 1] [H i x c (k) + K i u c (k) W i ] (1.2) dove δ e {0, 1} ne. Ad esempio: [δ(k) = 1] [x c (k) 0] (1.3) La finite state machine, che rappresenta un processo a dinamiche discrete che evolve secondo una funzione logica di aggiornamento dello stato, attivato da segnali discreti, tra cui quello generato dall EG: x l (k + 1) = f B (x l (k), u l (k), δ e (k)) (1.4) dove x l {0, 1} n b sono le variabili di stato binarie, ul {0, 1} m b gli ingressi esogeni binari e f B è un vettore di funzioni che descrivono un iperpiano lineare.

14 1.3. Sistemi MLD 9 Il mode selector, il blocco di interconnessione tra la FSM e la parte a dinamiche continue; il modo attivo, che determina la dinamica da attivare nel SAS, è selezionato da una funzione booleana dello stato e dell ingresso binari, e della variabile d evento correnti: i(k) = f M (x l (k), u l (k), δ e (k)) (1.5) Per una trattazione più dettagliata in merito ai DHA e le loro proprietà si veda [16]. 1.3 Sistemi MLD I DHA sono un astrazione matematica dei modelli ibridi molto intuitiva e rappresentativa del funzionamento e dell interazione fra la componente a dinamiche discrete e quella a dinamiche continue. Inoltre è il formalismo che viene impiegato in HYSDEL (HYbrid Systems DEscription Language) 1 [16], un linguaggio ad alto livello, che consente di descrivere i DHA e di inserire ulteriori vincoli sulle variabili caratterizzanti il sistema ibrido. Il compilatore di HYSDEL consente di tradurre la descrizione del sistema ibrido in altre classi di sistemi. In particolare il nostro interesse è rivolto verso modelli maggiormente orientati al calcolo numerico e allo sviluppo di strategie di controllo basate su tecniche predittive. Queste richieste sono soddisfatte dai sistemi MLD [18] (Mixed Logical Dynamical) descritti da equazioni dinamiche lineari soggette a disuguaglianze lineari miste intere, cioè disuguaglianze che coinvolgono sia variabili intere che binarie. I sistemi MLD generalizzano un ampio insieme di modelli, tra i quali ci sono i sistemi ibridi, le macchine a stati finiti, alcune classi di sistemi ad eventi discreti, sistemi lineari vincolati, e sistemi non lineari le cui non linearità possono essere descritte da funzioni lineari a tratti. 1 vedi Appendice A

15 1.3. Sistemi MLD Calcolo proposizionale e programmazione mista intera La traduzione di proposizioni logiche in un problema di ottimizzazione a variabili intere si basa sulla possibilità di trasformare una proposizione logica in un sistema di vincoli lineari interi tali che sia mantenuta l equivalenza logica delle espressioni tradotte [18 20]. Il sistema risultante di vincoli deve avere la stessa tabella di verità della proposizione originale, cioè, la verità o la falsità della proposizione è rappresentata dal soddisfacimento o meno del corrispondente insieme di disuguaglianze lineari. Indichiamo con P j la j-esima variabile logica che assume i valori T (true) o F (false) e rappresenta una proposizione atomica descrivente un azione o una decisione. Associamo una variabile intera con ogni tipo di azione (o decisione). Questa variabile, a cui ci si riferisce con il termine variabile binaria, è indicata con δ j e può assumere solo due valori: 1 o 0. La connessione di questa variabile con la variabile P j è definita da 1 se P j = T δ j = 0 se P j = F Le variabili logiche possono essere unite in modo da formare proposizioni più complesse tramite connettivi logici: (and), (or), (not), (implica), (se e solo se), (or esclusivo) (un trattamento più completo del calcolo booleano può essere trovato nei testi di progetto di circuiti digitali, ad esempio [21]). Semplici proposizioni logiche e loro forme equivalenti sono indicate in Tabella 1.1. E noto che tutti i connettivi possono essere definiti in termini di un loro sottoinsieme, ad esempio {, }, il quale è detto essere un insieme completo di connettivi. Le proposizioni logiche elementari possono essere tradotte in disuguaglianze intere, come illustrato in Tabella 1.2, per un elenco più dettagliato vedere [19, 20].

16 1.3. Sistemi MLD 11 Proposizione Forma equivalente P P (P Q) ( P Q) (P Q) Esclusione (P Q) P Q Leggi di De Morgan (P Q) P Q P Q P Q Implicazione Tabella 1.1: Proposizioni logiche e forme equivalenti Proposizione Vincolo P δ 1 = 0 P 1 P 2 δ 1 + δ 2 1 P 1 P 2 δ 1 = 1, δ 2 = 1 P 1 P 2 δ 1 δ 2 0 P 1 P 2 δ 1 δ 2 = 0 Tabella 1.2: Trasformazione prop. logiche in disuguaglianze intere In generale una proposizione logica può essere definita come una funzione logica quando è utilizzata per definire una variabile logica P n come una funzione di P 1,...,P n 1, P n = f(p 1,..., P n 1 ) (1.6) L equazione (1.6) può essere tradotta in forma normale congiuntiva (CNF) k δ i δ i, N j, P j {1,..., n} (1.7) j=1 i P j i N j e successivamente in un insieme di disuguaglianze lineari intere [22]

17 1.3. Sistemi MLD 12 1 i P 1 δ i + i N 1 (1 δ i ). 1 i P k δ i + i N k (1 δ i ). (1.8) dalle quali si ottiene il poliedro Aδ b, δ {0, 1} n. Un metodo alternativo di traduzione delle funzioni logiche in disuguaglianze lineari intere è dato in [23] e si basa su una descrizione geometrica della tabella di verità. In questo caso il politopo P = {δ : Aδ b} è il guscio convesso delle righe della tabella di verità associata alla proposizione logica. Rispetto al poliedro costruito utilizzando la CNF, quello ottenuto tramite guscio convesso è il più piccolo tra tutti. Una variabile binaria può essere definita in funzione di una condizione del tipo [δ = 1] [f(x) 0] (1.9) dove f(x) : R n R è una funzione lineare e x X, dove X è un insieme limitato. Per tradurre la precedente equivalenza in disuguaglianze lineari miste intere è necessario conoscere un limite superiore ed uno inferiore della funzione f(x) M max x X f(x) m min x X f(x). L equivalenza (1.9) si traduce in f(x) M(1 δ) f(x) ɛ + (m ɛ)δ (1.10a) (1.10b) (1.11) dove ɛ è una piccola tolleranza (tipicamente la precisione di macchina). Un altra possibile descrizione di proposizioni logiche è il vincolo logico nella

18 1.3. Sistemi MLD 13 forma di implicazione, LCIF (Logic Constraint Implication Form), ovvero una combinazione logica di semplici vincoli, definito come if antecedente then conseguente1 else conseguente2 dove antecedente è una variabile binaria e conseguente1 \ conseguente2 è un vincolo lineare. Un tale vincolo logico può essere sempre tradotto in un problema misto intero. Consideriamo ad esempio il seguente vincolo LCIF if δ then z = a 1x b 1 else z = a 2x b 2 dove δ {0, 1}, z R, x X. Il vincolo può essere tradotto come (m 2 M 1 )δ + z a 2x b 2 (m 1 M 2 )δ z a 2x + b 2 (m 1 M 2 )(1 δ) + z a 1x b 1 (m 2 M 1 )(1 δ) z a 1x + b 1, (1.12) dove M i sup(a ix b i ), m i inf x X x X (a ix b i ), i = 1, 2 sono i limiti superiori ed inferiori, rispettivamente, di (a ix b i ). Ulteriori esempi di traduzione di proposizioni logiche in problemi misti interi possono essere trovati in [18] Sistemi MLD Le traduzioni illustrate nella sezione precedente sono alla base per la descrizione delle varie parti che compongono un sistema ibrido, riportato in Figura 1.1. Le parti logiche del sistema, automa ed eventuali proposizioni logiche, possono essere tradotte in un insieme di vincoli lineari interi della forma (1.8).

19 1.3. Sistemi MLD 14 La legge di aggiornamento degli stati dell automa può essere infatti descritta da proposizioni logiche comprendenti stati binari, i loro aggiornamenti temporali e segnali binari esterni, sotto l ipotesi che le transizioni da uno stato all altro siano sincronizzate con il tempo di campionamento delle equazioni dinamiche continue: x l (k + 1) = F (x l (k), u l (k)), x l {0, 1} n l, ul {0, 1} m l, dove ul è l insieme di ingressi che comandano la transizione da uno stato all altro dell automa. L interfaccia che collega segnali continui a eventi discreti (A/D) può essere descritta tramite relazioni del tipo (1.9) e tradotta nell insieme di vincoli lineari misti interi (1.11). L interfaccia che collega eventi discreti a variabili continue (D/A) può essere descritta tramite la forma LCIF e viene tradotta nell insieme dei vincoli lineari misti interi del tipo (1.12). Infine, la dinamica continua viene descritta da equazioni alle differenze, del tipo: x(k + 1) = Ax(k) + Bu(k) y(k) = Cx(k) + Du(k). (1.13a) (1.13b) Se da un lato la modellizzazione tempo-discreto non consente di catturare fenomeni che avvengono solo nei sistemi ibridi tempo-continuo, come i comportamenti di Zeno [24], dall altro essa consente di sviluppare schemi numericamente trattabili per risolvere problemi complessi di analisi e sintesi. E da osservare inoltre che la trattazione lineare non è limitativa dato che sistemi non lineari possono essere ricondotti a funzioni lineari a tratti secondo tecniche derivanti dalla letteratura dei circuiti digitali [25, 26]. Raccogliendo le uguaglianze e le disuguaglianze derivanti dalle rappresentazioni delle varie componenti del sistema ibrido si ottiene la forma generale di

20 1.4. Sistemi PWA 15 un sistema MLD [18, 27] x(k + 1) = Ax(k) + B 1 u(k) + B 2 δ(k) + B 3 z(k) y(k) = Cx(k) + D 1 u(k) + D 2 δ(k) + D 3 z(k) E 2 δ(k)+e 3 z(k) E 1 u(k) + E 4 x(k) + E 5 (1.14a) (1.14b) (1.14c) dove x R nc {0, 1} n l è un vettore di stati continui e binari, u R m c {0, 1} m l sono gli ingressi, y R pc {0, 1} p l le uscite, δ {0, 1} r l, z R r c rappresentano rispettivamente variabili ausiliarie binarie e continue, che sono introdotte nella trasformazione delle relazioni logiche in disuguaglianze lineari miste intere, e A, B 1 3, C, D 1 3, E 1 5 sono matrici di dimensioni compatibili. Per le proprietà dei sistemi MLD (ben postezza, stabilità, osservabilità, contollabilità) si rimanda a [18, 28]. 1.4 Sistemi PWA Un altra classe importante di modelli matematici che descrivono sistemi ibridi sono i sistemi PWA (Piecewise Affine) 2 [29]. I sistemi PWA sono definiti partizionando lo spazio degli stati in regioni poliedrali, e associando ad ognuna di esse una diversa funzione affine di aggiornamento dello stato del tipo: x(k + 1) y(k) i(k) = A i(k) x(k) + B i(k) u(k) + f i(k) = C i(k) x(k) + D i(k) u(k) + g i(k) s.t. H i(k) x(k) + J i(k) u(k) K i(k) (1.15) dove C i = {x : H i x K i }, i = 1,, s è la partizione poliedrica dello spazio degli stati (vedi Figura 1.3). 2 Esistono comunque altri modelli ibridi di interesse scientifico come sistemi lineari complementari (LC), sistemi LC estesi (ELC) e sistemi Min-Max-Plus Scaling (MMPS). L equivalenza tra questi sistemi ed i sistemi MLD e PWA è fornita in [17].

21 1.4. Sistemi PWA 16 Figura 1.3: Partizione poliedrica dello spazio degli stati Per le proprietà dei sistemi PWA si veda [28], per l equivalenza con i sistemi DHA e MLD si rimanda rispettivamente a [16] e [17].

22 Capitolo 2 Controllo predittivo Nel capitolo 1 abbiamo mostrato come sia possibile descrivere un sistema ibrido in forma DHA, MLD o PWA. In questo capitolo descriveremo la strategia del controllo predittivo, riportandone la formulazione anche per sistemi ibridi. Sarà esaminato anche l aspetto computazionale, mostrando come l azione compiuta dal controllore in linea possa essere tradotta in una forma esplicita computazionalmente più efficiente. 2.1 Controllo predittivo in-linea L idea di base nella teoria del controllo è la progettazione di un dispositivo automatico (il controllore) che consenta di garantire l inseguimento di determinati riferimenti ed il soddisfacimento di determinati vincoli, utilizzando i segnali provenienti dall impianto stesso, in uno schema retroazionato, come descritto in Figura 2.1. Una tecnica molto diffusa per la progettazione di controllori si basa sul concetto di Controllo Predittivo, MPC (Model Predictive Control), tecnica ampiamente utilizzata nell industria di processo per pro- 17

23 2.1. Controllo predittivo in-linea 18 Figura 2.1: Schema di controllo retroazionato blemi di inseguimento di sistemi soggetti a vincoli. Nella sua formulazione più generale, il controllo predittivo consta di tre idee di base: 1. L utilizzo di un modello matematico atto a prevedere le uscite del processo negli istanti di tempo futuri (l orizzonte). Le uscite future, comprese entro l orizzonte e calcolate all istante presente, dipendono dai valori passati degli ingressi e delle uscite e dai segnali di controllo futuri. 2. La presenza di una legge di controllo ottenuta attraverso la minimizzazione di una funzione di costo da parte di segnali di controllo. Tali segnali di controllo sono calcolati ottimizzando un determinato criterio allo scopo di tenere l uscita del processo il più vicino possibile ad una traiettoria di riferimento nota. 3. Una strategia ricorsiva che, ad ogni istante, consiste nello spostamento nel futuro dell orizzonte. Ciò implica che ad ogni istante di tempo solo il primo tra i segnali di controllo calcolati sia effettivamente utilizzato. All istante di tempo successivo infatti si ha un aggiornamento delle uscite e la conseguente ripetizione del calcolo dei segnali di controllo. Il controllo predittivo è un metodo molto generale ben adatto ad essere applicato nel caso di problemi di controllo multivariabile (MIMO: multi inputmulti output) con un elevato grado di interazione fra le variabili di ingresso e quelle di uscita. Inoltre è un metodo che è in grado di gestire vincoli di

24 2.1. Controllo predittivo in-linea 19 disuguaglianza sulle variabili di ingresso ed uscita. La tecnica MPC 1 [30, 31] si basa quindi sull ottimizzazione in linea di un funzionale di costo soggetto a vincoli dettati dalla dinamica del sistema. Essa permette di risolvere i problemi più gravosi dovuti alla presenza di elevati ritardi o di risposte a fase non minima, e, a differenza di altre tecniche, offre la possibilità di includere vincoli sia sugli ingressi che sulle uscite del sistema in fase di progetto del controllore. La sigla MPC è acronimo di Model Predictive Control dove Model: indica il modello (in genere tempo-discreto 2 ) del sistema sul quale implementare il controllo. Predictive: l ottimizzazione è basata sull evoluzione predetta del sistema. Control: vengono considerati i vincoli imposti in fase di dichiarazione e ricavata la legge di controllo in rispetto degli stessi. Questa tecnica di controllo è basata sulla filosofia ad orizzonte recessivo (vedi Figura 2.2), secondo la quale ad ogni istante di campionamento, a partire dallo stato corrente del sistema, si determina, secondo un qualche criterio di ottimalità, una sequenza di comandi da applicarsi su un orizzonte temporale futuro di N passi. La soluzione ottimale viene ottenuta a partire da una descrizione matematica del sistema considerando i vincoli sugli ingressi e sulle uscite e minimizzando un indice di prestazione. Tale indice di prestazione in genere è di tipo lineare o quadratico e per tale motivo ci si riferisce al problema di controllo come ad un problema quadratico (QP) o lineare (LP). Ad esempio, al tempo t, dato lo stato corrente x(t), viene risolto il problema 1 min U 2 U HU + x (t)f U s.t. GU W + Sx(t) (2.1) 1 Per ulteriori informazioni consultare il sito: bemporad 2 Nel caso in cui sia tempo continuo viene effettuato un campionamento interno con intervallo Ts proprio del controllore

25 2.1. Controllo predittivo in-linea 20 Figura 2.2: Filosofia ad orizzonte recessivo dove U [u (0)... u (N 1)] è il vettore di ottimizzazione, H = H 0, e H, F, G, W, S dipendono dai pesi, dai limiti inferiori e superiori sugli ingressi e sulle uscite e dalle matrici dello spazio di stato del sistema. Si ottiene la sequenza ottimale di comandi U = {u (0),..., u (N 1)}, della quale verrà applicato al sistema soltanto il primo campione ( u(t) = u (0) ), scartando tutto il resto. Questa procedura viene ripetuta per tutti gli istanti successivi del controllo.

26 2.1. Controllo predittivo in-linea MPC per sistemi ibridi Sia t l istante di campionamento attuale, x(t) lo stato corrente del sistema, x e, u e una coppia di equilibrio e δ e, z e i corrispondenti equilibri delle variabili ausiliarie, suppondendo che y(t) debba inseguire il riferimento y e il problema di controllo ottimo può essere formulato nel seguente modo: min {v,δ,z} T 1 0 T 1 J({v, δ, z} T 1 0, x(t)) k=0 Q 1 (v(k) u e ) p + Q 2 (δ(k t) δ e ) p + Q 3 (z(k t) z e ) p + Q 4 (x(k t) x e ) p + Q 5 (y(k t) y e ) p (2.2a) x(t t) = x e x(k + 1 t) = Ax(k t) + B 1 v(k) + B 2 δ(k t)+ B 3 z(k t) soggetto a y(k t) = Cx(k t) + D 1 v(k) + D 2 δ(k t)+ D 3 z(k t) E 2 δ(k t) + E 3 z(k t) E 1 v(k)+ (2.2b) E 4 x(k t) + E 5 u min v(t + k) u max, k = 0, 1,..., T 1 x min x(t + k t) x max, k = 1,..., N c dove T e N c T sono, rispettivamente, gli orizzonti di predizione e di vincolo sullo stato, x(k t) è lo stato predetto all istante t + k risultante dall ingresso u(t + k) = v(k) applicato a (1.14) a partire da x(0 t) = x(t), u min, u max e x min, x max sono, rispettivamente, vincoli sugli ingressi e sullo stato. In (2.2a) si ha che Qx p = x Qx quando p = 2, Qx p = Qx ( Qx 1 ) quando p = (p = 1) e Q 1,4 = Q 1,4 0, Q 2,3,5 = Q 2,3,5 0 (p = 2) Q 1 5 non singolari (p =, 1). (2.3)

27 2.1. Controllo predittivo in-linea 22 Se esiste la soluzione ottima {vt (0),..., vt (T 1), δt (0),..., δt (T 1), zv(0),..., zv(t 1)} secondo la filosofia ad orizzonte recessivo si applica al sistema reale soltanto u(t) = vt (0), (2.4) si scarta tutta la sequenza d ingressi vt (1),..., vt (T 1), e si ripete l intera procedura all istante t+1. La legge di controllo (2.2) (2.4) risulta essere un estensione del controllo predittivo ai sistemi ibridi. Le proprietà del controllo predittivo classico possono essere estese, con opportune modifiche, anche al controllo MPC per sistemi ibridi. In [27] sono presentati alcuni esempi di queste estensioni. Come si può notare dalla (2.2b), le equazioni che descrivono il modello MLD del sistema compaiono come vincoli nel problema di controllo ottimo. Dato che nel modello MLD ci sono variabili discrete il problema (2.2) risulta essere un problema misto intero. Se si utilizza la norma Euclidea, p = 2, il problema è risolubile mediante programmazione quadratica mista intera (MIQP), altrimenti, se p = o p = 1, mediante programmazione lineare mista intera (MILP). La soluzione di questi problemi si determina mediante risolutori misti interi (vedi paragrafo 2.1.3) Convergenza ad anello chiuso Il seguente teorema dimostra che l anello di retroazione formato dal sistema e dal controllore MPC ottenuto da (2.2) (2.4) risulta essere stabile [18, 27]. Teorema 1. Siano (x e, u e ) una coppia di equilibrio e (δ e, z e ) la corrispondente coppia di equilibrio delle variabili ausiliarie. Assumiamo che lo stato iniziale x(0) sia tale che esista all istante t = 0 una soluzione ammissibile

28 2.1. Controllo predittivo in-linea 23 del problema (2.2). Allora per tutte le matrici Q 1 5 che soddisfano (2.3) la legge MPC (2.2) (2.4) stabilizza il sistema in quanto lim t = x e lim t = u e lim 2(δ(t) δ e ) p t = 0 lim 3(z(t) z e ) p t = 0 lim 5(y(t) y e ) p t = 0 e sono soddisfatti i vincoli (1.14c) ed i vincoli dell ingresso e dello stato u min u(t) u max, x min x(t) x max. Dimostrazione. Si tratta di dimostrare che una funzione di Lyapunov è decrescente ed inferiormente limitata. Sia U t la sequenza di controllo ottimale {v t (0),..., v t (T 1)}, sia V (t) J(U t, x(t)) il corrispondente valore ottenuto dall indice di prestazione, e sia U 1 la sequenza {vt (1),..., vt (T 2), u e }. Allora, U 1 è ammissibile all istante t+1, assieme con i vettori δ(k t + 1) = δ(k + 1 t), z(k t + 1) = z(k + 1 t), k = 0,..., T 2, δ(t 1 t+1) = δ e, z(t 1 t+1) = z e, dato che x(t 1 t+1) = x(t t) = x e. Risulta che, V (t + 1) J(U 1, x(t + 1)) = V (t) Q 4 (x(t) x e ) p + Q 1 (u(t) u e ) p Q 2 (δ(t) δ e ) p + Q 3 (z(t) z e ) p Q 5 (y(t) y e ) p (2.5) e quindi che V (t) è decrescente. Dato che V (t) è inferiormente limitato da 0, allora esiste V = lim t V (t), che implica V (t + 1) V (t) 0. Inoltre,

29 2.1. Controllo predittivo in-linea 24 ogni termine della somma Q 4 (x(t) x e ) p + Q 1 (u(t) u e ) p + Q 2 (δ(t) δ e ) p + Q 3 (z(t) z e ) p + Q 5 (y(t) y e ) p (2.6) V (t) V (t + 1) converge a zero, e questo prova il teorema. Osservazione 1. Si può osservare che se Q 2 (o Q 3, Q 5 ) è non singolare, si garantisce la convergenza di δ(t) (o z(t), y(t)). Osservazione 2. Il teorema (1) assicura stabilità assunto che il problema (2.2) sia ammissibile all istante t = 0. L insieme delle condizioni iniziali x(0) per le quali il problema (2.2) è ammissibile verrà caratterizzato nel paragrafo 2.2.

30 2.1. Controllo predittivo in-linea Risolutori di problemi misti interi Rimane da chiarire come possa essere determinata una soluzione ottima del problema (2.2). Richiamiamo brevemente la forma generale di un problema misto intero min q l(q c, q d ) s.t. G c q c + G d q d S + F x(t) (2.7) dove l(q c, q d ) è il funzionale di costo, q c, q d rappresentano, rispettivamente, le componenti continue e discrete del vettore di ottimizzazione q. x(t) è lo stato del sistema all istante t che assumiamo come noto; mentre G c,g d,s,f sono matrici di dimensioni compatibili. Se il funzionale di costo è del tipo l(q c, q d ) = f T c q c + f T d q d il problema è detto lineare misto intero (MILP), mentre se è del tipo l(q) = 1 2 qt Hq + c T q si parla di problema quadratico misto intero (MIQP). A parte particolari strutture, i problemi misti interi sono classificati come problemi N P -hard per i quali non è possibile trovare un algoritmo che li risolva in tempo polinomiale rispetto alla dimensione del problema 3. Sebbene i problemi misti interi abbiano questa particolare natura, esistono diversi metodi per risolvere problemi misti interi: Metodi basati su tagli, in cui nuovi vincoli sono aggiunti al problema misto intero in modo da ridurre il dominio ammissibile finchè la soluzione intera non viene trovata. Metodi di decomposizione, dove la struttura del problema viene investigata tramite metodi di rilassamento e dualità. 3 Tale risultato, sebbene fortemente sospettato, non è ancora formalmente dimostrato.

31 2.2. Forma esplicita del controllore 26 Metodi basati su logica, dove sono utilizzate tecniche basate su inferenze e programmazione logica per esprimere le variabili binarie. Metodi Branch and Cut e Branch and Bound, dove le combinazioni binarie sono esplorate attraverso un albero binario. Tra quelli precedentemente indicati i metodi Branch and Bound risultano essere i più efficienti, come indicato in [32], e sono tipicamente usati nei risolutori. Alcuni esempi di risolutori possono essere [32 34] per risolvere problemi MIQP, e [33 35] per risolvere problemi MILP. In questo lavoro è stato sviluppato il controllo ottimo (2.2) in norma Euclidea, in particolare per risolvere il problema MIQP abbiamo utilizzato il risolutore CPLEX [33]. Un algoritmo Branch and Bound per problemi MILP/MIQP risolve e genera nuovi problemi LP/QP in accordo a tecniche di esplorazione di un albero di ricerca, dove i nodi dell albero corrispondono a sottoproblemi LP/QP. Inizialmente viene risolto il problema radice in cui sono rilassate tutte le variabili binarie, δ {0, 1} δ [0, 1], ed il valore del funzionale di costo rappresenta un limite inferiore al valore ottimo. L algoritmo procede generando i nodi figli fissando di volta in volta una variabile discreta ad uno dei possibili valori (operazione di branch). Nel passaggio da un problema ai sottoproblemi figli il valore dell ottimo non può diminuire. Ne segue che se ad una iterazione il valore del problema LP/QP è peggiore del valore di una soluzione ammissibile (che costituisce un limite superiore all ottimo), nessuna eventuale soluzione mista intera che può essere trovata nel sottoalbero avente come radice il nodo corrente potrà essere migliore della soluzione ammissibile, pertanto il sottoalbero non verrà esplorato (operazione di bounding). 2.2 Forma esplicita del controllore Nella sezione abbiamo mostrato come il controllo predittivo, noto lo stato del sistema x(t), richieda la risoluzione di un problema di programma-

32 2.2. Forma esplicita del controllore 27 zione MILP o MIQP ad ogni istante di campionamento t. Da un punto di vista computazionale questa tecnica di controllo risulta adatta per sistemi con tempi di campionamento sufficientemente lunghi, ad esempio dell ordine di decine di secondi, nei quali in genere è presente un hardware adatto a supportare la pesantezza computazionale richiesta. Nel paragrafo assumiamo che le posizioni degli ostacoli non sono conosciute in anticipo, e che quindi non sarebbe possibile effettuare una pianificazione off-line della traiettoria; d altronde il controllore MPC ibrido ha un tempo di campionamento dell ordine del secondo, e quindi si suppone che per velivoli reali, sui quali sono presenti dispositivi embedded, la pianificazione della traiettoria on-line sia supportabile dall hardware. Altro discorso si deve fare per il controllore di stabilità, l MPC lineare; esso ha un tempo di campionamento basso, dell ordine delle decine di millisecondi, e molto probabilmente il carico computazionale che richiede è troppo pesante per un dispositivo embedded; quindi per implementare il controllo di stabilità su velivoli reali si potrebbe fare ricorso ad una legge di controllo che dipende esplicitamente dallo stato e che debba essere calcolata ad ogni iterazione. L idea alla base della forma esplicita, come indicato in [36], è quella di gestire il vettore di stato x(t), che appare nel lato destro dei vincoli, come un vettore di parametri. Se nel funzionale di costo si adotta la norma- il problema di ottimizzazione diventa un problema MILP multiparametrico (mp-milp), altrimenti se si adotta la norma-2 si parla di problema di ottimizzazione MIQP multiparametrico. Risolvere un problema mp-milp/miqp consiste nell esprimere la soluzione del problema MILP/MIQP come funzione dei parametri. Una volta che la soluzione del problema multiparametrico è stata trovata, Ut = f(x(t)), il controllore predittivo è disponibile esplicitamente. La legge di controllo MPC può dunque essere espressa esplicitamente come un insieme di regioni nello spazio degli stati (funzione piecewise affine); ad ogni regione è associata una legge affine di retroazione dello stato. E neces-

33 2.2. Forma esplicita del controllore 28 sario sottolineare che la forma piecewise affine ed il controllore MPC-ibrido predittivo sono uguali, nel senso che entrambi producono la stessa azione di controllo, ed inoltre condividono le stesse proprietà di ottimalità e stabilità. La sola differenza sta nell implentazione del controllore: in forma esplicita il calcolo in linea si riduce ad una valutazione di una funzione PWA. Risulta quindi evidente come la forma esplicita sia interessante da un punto di vista implementativo. Oltre alla semplicità indotta dal metodo che la rende adatta per sistemi con tempo di campionamento veloci e con hardware economico, permette di comprendere la struttura matematica della legge di controllo, altrimenti nascosta dal formalismo di ottimizzazione. Oltretutto il fatto di poter rappresentare l anello chiuso in forma PWA consente di riutilizzare gli strumenti per l analisi di prestazione basati sull analisi di raggiungibilità.

34 Capitolo 3 Modello di volo Tradizionalmente la configurazione del quadcopter non è stata utilizzata molto nell industria aerospaziale, soprattutto perchè la maggior parte dei carichi possono essere sollevati utilizzando solo uno o due rotori; aumentarne il numero non è ritenuto necessario anche perchè aumenterebbe il peso e la complessità del veicolo. Tuttavia, i quadcopter (o quadrotor) stanno emergendo come piattaforma più popolare tra gli UAVs (Unmanned Aerial Vehicles). Essi consistono di quattro rotori in totale, con due coppie di eliche a passo fisso (ovvero aventi attacco rigido con il mozzo), controrotanti, disposte ai quattro angoli del velivolo, un esempio del quale è mostrato in Figura 3.1. Grazie alle loro particolari capacità, l uso di veicoli autonomi come i quadcopter è stato previsto per una varietà di applicazioni, sia individualmente che in formazione, come sorveglianza, ricerca e salvataggio, reti mobili di sensori [37]. Il particolare interesse delle comunità di ricerca nei confronti dei quadrotor è giustificato da alcuni vantaggi che presentano rispetto ai comuni UAVs a decollo e atterraggio verticale (VTOL - verticale take off and landing), come gli elicotteri: 29

35 30 Figura 3.1: Il prototipo costruito da Carlo Alberto Pascucci al Dipartimento di Ingegneria dell Informazione di Siena Semplicità del sistema di controllo. In tutte le altre configurazioni di UAVs il controllo dell assetto di volo è effettuato variando l angolo di pitch dell elica, mentre la velocità rotazionale dei rotori rimane costante. La variazione dell angolo di pitch richiede complessi sistemi meccanici che aumentano il peso del velivolo e richiedono una frequente manutenzione. Ma se il controllo dell assetto può essere effettuato con la sola variazione della velocità dei motori, allora si può risparmiare sui costi, sul peso e sul volume del veicolo, permettendone la costruzione anche di dimensioni ridotte. I quadcopter non richiedono quindi per l attuazione dei rotori complessi sistemi meccanici di controllo; utilizzano quattro rotori a passo fisso e le variazioni della velocità dei motori per il controllo dell assetto, rendendone così più semplice sia il design che la manutenzione. Inoltre la semplicità

36 31 del sistema di controllo li rende facili da automatizzare. Maggiore capacità di carico. La spinta sviluppata da un rotore aumenta con il suo diametro [38, 39]. Così, aumentando il diametro è possibile aumentare la spinta e quindi il carico che può essere sollevato. Tuttavia, c è un limite a quanto il diametro può essere aumentato a causa di fattori aerodinamici. Si potrebbe aumentare la spinta aumentando il numero di eliche per rotore, ma anche questo ha un limite, imposto dalla complessità meccanica crescente. Quindi se la spinta deve essere aumentata, è necessario aggiungere altri rotori; anche in questo caso c è un limite in quanto aggiungere troppi rotori aumenta in maniera eccessiva il peso a vuoto del velivolo, diminuendone la capacità di carico. L uso di quattro rotori permette di avere singoli rotori di diametro più piccolo di un equivalente rotore principale di un elicottero, relativamente alle dimensioni dell airframe (la struttura meccanica del velivolo che non include il sistema di propulsione). I rotori individuali, quindi, accumulano meno energia cinetica durante il volo, e questo rende più sicuri i quadcopter per interazioni a distanza ravvicinata. Infine, i rotori possono essere racchiusi all interno di una struttura che ne consenta la protezione in caso di collisione, permettendo voli al chiuso e in ambienti densi di ostacoli con un basso livello di rischio di danneggiare il velivolo, gli operatori e ciò che lo circonda. Effetti giroscopici ridotti. Gli effetti giroscopici si possono osservare in ogni corpo rotante, inclusi i rotori di un elicottero; tali effetti però sono differenti a seconda del tipo di rotore considerato [40]. Un rotore completamente articolato [41] tenderà a comportarsi come un giroscopio ideale, cioè il vettore del momento angolare tenderà a mantenere la stessa orientazione quando l elicottero cambia

37 3.1. Dinamica non lineare del quadcopter 32 l assetto di volo. Mentre un rotore perfettamente rigido [41] introdurrà un momento giroscopico nell airframe quando c è un cambio nell assetto di volo. Tutti gli altri tipi di rotori avranno comportamenti intermedi. In ogni caso, gli effetti giroscopici dipenderanno dalla velocità e dalla direzione di rotazione del rotore. In un quadrotor, due rotori girano in senso orario e gli altri due in senso antiorario. Se le velocità sono identiche per i quattro rotori gli effetti giroscopici sono minimi (quasi nulli), comunque molto più piccoli di quelli osservati negli elicotteri. In questo capitolo verrà descritto il modello matematico utilizzato per la dinamica di volo del nostro quadcopter, e come tale modello è stato esteso ad una schema di formazione di tipo centralizzato e decentralizzato. 3.1 Dinamica non lineare del quadcopter Il quadcopter è un sistema sottoattuato poichè ha sei gradi di libertà ma è controllato utilizzando solo quattro attuatori (vedi Figura 3.2). Indichiamo con x, y, z la posizione del veicolo e con θ, φ, ψ le rotazioni intorno agli assi cartesiani, relativi al frame mondo I. In particolare, x e y sono le coordinate del piano orizzontale, z denota la posizione verticale, ψ è l angolo di yaw (imbardata - rotazione intorno all asse z), θ è l angolo di pitch (beccheggio - rotazione intorno all asse x), e φ è l angolo di roll (rollio - rotazione intorno all asse y). Non avendo a disposizione un velivolo reale da cui ricavare la dinamica per il controllo di stabilità, il modello adottato in questo lavoro di tesi è basato principalmente su quello utilizzato in [11], nel quale il controllo viene eseguito agendo sulle coppie dei motori e sulla forza totale di spinta. Come riportato in Figura 3.2, i quattro motori M 1, M 2, M 3, M 4 generano quattro forze di spinta f 1, f 2, f 3, f 4, e quattro coppie τ 1, τ 2, τ 3, τ 4, rispettivamente, che sono

38 3.1. Dinamica non lineare del quadcopter 33 Figura 3.2: Modello del quadcopter regolate manipolando le tensioni applicate ai motori. Vengono così generate tre coppie τ θ, τ φ, τ ψ intorno ai corrispondenti assi τ θ = (f 2 f 4 )l (3.1a) τ φ = (f 3 f 1 )l (3.1b) 4 τ ψ = (3.1c) i=1 dove l è la distanza tra il centro di ogni elica e il centro di gravità del velivolo; viene generata anche una forza totale u = f 1 + f 2 + f 3 + f 4, che permette il cambiamento delle coordinate di posizione e orientazione nello spazio tridimensionale. Considerando τ = [τ θ τ φ τ ψ ] (vettore delle coppie complessive), η = [θ φ ψ] (vettore degli spostamenti angolari), e J (matrice delle inerzie), la dinamica rotazionale del quadcopter è descritta da τ = J η + J η 1 2 η ( η J η) (3.2) Effettuando delle semplificazioni riportate in [2], si può riscrivere η = τ (3.3) τ i

39 3.1. Dinamica non lineare del quadcopter 34 dove τ = [ τ θ τ φ τ ψ ] è considerato come un nuovo ingresso di comando. Attraverso trasformazioni rotazionali tra il frame I e il frame posizionato nel centro di massa del quadcopter, otteniamo le equazioni dinamiche mẍ = u sin θ βẋ mÿ = u cos θ sin φ βẏ m z = u cos θ cos φ mg βż θ = τ θ φ = τ φ ψ = τ ψ (3.4a) (3.4b) (3.4c) (3.4d) (3.4e) (3.4f) dove m denota la massa del velivolo, g l accelerazione di gravità, e il fattore di smorzamento β è stato aggiunto per tenere conto degli effetti realistici di attrito. Poichè il controllo sulle coppie non è attuabile nella realtà, le equazioni (3.4) sono state riscritte secondo le dinamiche analizzate in [42, 43]: ẍ = ( U 1 sin θ βẋ) 1 m (3.5a) ÿ = (U 1 cos θ sin φ βẏ) 1 m z = g + (U1 cos θ cos φ βż) 1 m θ = U 2 I xx φ = U 3 I yy (3.5b) (3.5c) (3.5d) (3.5e) ψ = U 4 (3.5f) I zz dove I xx, I yy, I zz sono i momenti d inerzia calcolati rispetto agli assi x, y, z del body frame.

40 3.1. Dinamica non lineare del quadcopter 35 La forza totale e le coppie sono date da U 1 = u U 2 = τ θ U 3 = τ φ U 4 = l( f 1 + f 2 f 3 + f 4 ) (3.6a) (3.6b) (3.6c) (3.6d) Infine sono state utilizzate le equazioni riportate in [3], dalle quali si ricavano le spinte dei motori (espresse in Newton) a partire dalle rispettive tensioni (in Volt): f 1 = 9.81(22.5V m1 9.7) 1000 f 2 = 9.81(22.5V m2 9.7) 1000 f 3 = 9.81(22.5V m3 9.7) 1000 f 4 = 9.81(22.5V m4 9.7) 1000 (3.7a) (3.7b) (3.7c) (3.7d) Combinando le equazioni (3.6) con le (3.7) è così possibile effettuare il controllo di stabilità direttamente sulle tensioni del quadcopter, V m1, V m2, V m3, V m4. Il modello non lineare risultante ha dodici stati (sei posizioni e sei velocità) e quattro ingressi (le tensioni dei motori) fortemente accoppiati tramite le relazioni non lineari in (3.5). In tabella 3.1 sono riportati i parametri utilizzati per il quadcopter.

41 3.2. Gestione di una formazione di velivoli 36 Parametro Valore m kg l m β 0.2 Ns/m I xx Nms 2 I yy Nms 2 I zz Nms 2 Tabella 3.1: Parametri del quadcopter 3.2 Gestione di una formazione di velivoli Nel paragrafo precedente abbiamo illustrato la dinamica di volo per un singolo quadcopter; andremo ora a descrivere come tale modello non lineare è stato utilizzato per descrivere una formazione di tre velivoli e come tale formazione viene gestita. Generalmente il controllo di una formazione di robot si divide in tre categorie: behavior based, struttura virtuale e inseguimento del leader. Nell approccio behavior based [44 46], diversi comportamenti desiderati (ad esempio evitare le collisioni, mantenere la formazione, inseguire un target) sono assegnati ad ogni robot. L azione finale del robot deriva dal pesare la relativa importanza di ogni comportamento. La formulazione teorica e l analisi matematica di questo approccio è difficile e di conseguenza non è facile garantire la convergenza della formazione ad una configurazione desiderata. Il metodo della struttura virtuale [47] considera la formazione di robot come una singola rigida struttura virtuale e in questo modo il comportamento del sistema robotico è assimilabile a quello di un oggetto fisico. Le traiettorie desiderate non sono assegnate ad ogni singolo robot ma all intera formazione nella sua totalità. In questo caso il comportamento della formazione è preve-

42 3.2. Gestione di una formazione di velivoli 37 dibile e di conseguenza il suo controllo è semplice. Tuttavia è necessario che i robot comunichino tra di loro in maniera costante. Nell approccio leader-follower, un elemento della formazione, designato come il leader, si muove lungo una traiettoria predefinita mentre gli altri robot, gli inseguitori (followers), mantengono una posizione desiderata (distanza e orientazione) rispetto al leader [48, 49]. In questo caso la formazione non tollera errori del leader e mostra scarse capacità di reiettare i disturbi. Nonostante questi difetti l approccio leader-follower è particolarmente apprezzato per la sua semplicità e scalabilità. Nell ambito dell approccio leader-follower, la gestione di una formazione di velivoli può essere centralizzata o decentralizzata [50]. Nel primo caso, un supervisore della formazione gestisce la topologia dei canali usati per lo scambio di informazioni tra i velivoli. Il supervisore può essere uno dei velivoli della formazione oppure può essere ground-based. In entrambi casi, lo schema centralizzato presenta alcuni svantaggi, come l alto numero di comunicazioni necessarie tra il supervisore e la formazione, che non sempre possono essere garantite, e inoltre il ritardo che si può avere nel correggere errori di formazione a causa di ritardi nello scambio di informazioni. D altra parte, utilizzare una gestione ground-based permette di avere capacità di decisione migliori rispetto a quelle raggingibili da un computer a bordo dei velivoli. Inoltre, se necessario, si potrebbe aggiungere l intervento umano a quello del sistema automatico. In uno schema decentralizzato, ogni velivolo possiede una certa capacità di decisione, mentre l intera formazione deve essere in grado di effettuare riconfigurazioni, prendere decisioni, e raggiungere gli obiettivi della missione. In questo caso i problemi derivano dall insorgere di conflitti tra le decisioni prese dai singoli velivoli. Diversi sono i vantaggi della gestione decentralizzata: le informazioni vengono scambiate solo tra i velivoli della formazione, ad eccezione di possibili aggiornamenti riguardo la missione comunicati dalla

43 3.2. Gestione di una formazione di velivoli 38 Figura 3.3: Struttura della formazione stazione a terra; è possibile utilizzare dispositivi di comunicazione a basso consumo come sensori ottici grazie alle distanze ridotte tra i velivoli; infine, i tempi di reazione sono minimi. Il controllo di formazione sviluppato in questo lavoro di tesi si può ricondurre ad un approccio di tipo leader-follower, per il quale sono stati utilizzati entrambi gli schemi appena descritti, con delle variazioni. La squadra è composta da tre quadcopter disposti in forma triangolare (vedi Figura 3.3). Per quanto riguarda l approccio centralizzato, la formazione dei tre velivoli è stata modellizzata come un unico elemento, creando un macromodello con una dinamica non lineare derivata dalla (3.5): il modello risultante ha dodici ingressi (le tensioni dei motori dei velivoli) e trentasei stati; il leader insegue una posizione di target mentre i followers mantengono una determinata distanza da esso. Un unico controllore agisce da supervisore, regola la stabilità dei singoli velivoli, li mantiene in formazione e permette l elusione di ostacoli manipolando le tensioni dei motori in base alle uscite del sistema. Nello schema decentralizzato la formazione è invece costituita da tre dina-

44 3.2. Gestione di una formazione di velivoli 39 miche come la (3.5), indipendenti tra di loro; il leader insegue una posizione di target e gli altri due quadcopter si mantengono ad una posizione desiderata rispetto ad esso. In questo caso abbiamo tre controllori, uno per ogni dinamica, che singolarmente regolano la stabilità dei quadcopter, permettono l elusione degli ostacoli e che nell insieme agiscono per mantenerli in formazione; inoltre, il controllore di ogni follower deve intervenire anche per evitare collisioni con gli altri velivoli.

45 Capitolo 4 Progetto delle strategie di controllo Nei precedenti capitoli abbiamo descritto quali sono gli strumenti teorici richiesti per lo sviluppo delle strategie di controllo necessarie agli scopi di queso lavoro di tesi, e su quale modello matematico si basa il loro design. In questo capitolo illustreremo nel dettaglio il progetto dei controllori e i parametri utilizzati, partendo dal singolo quadcopter per poi estenderci al controllo di formazione centralizzato e decentralizzato. Infine, verrano riportati i risultati ottenuti con le simulazioni effettuate per confrontare le metodologie sviluppate. 4.1 MPC lineare per la stabilizzazione Allo scopo di progettare un controllore MPC lineare per il quadcopter, abbiamo linearizzato il modello non lineare (3.5) intorno ad un punto di equilibrio di hovering (volo sostentato a velocità nulla e quota costante). Il risultante sistema lineare in spazio di stato a tempo continuo viene convertito in tempo 40

46 4.1. MPC lineare per la stabilizzazione 41 discreto con tempo di campionamento T s ξ L (k + 1) = Aξ L (k) + Bu L (k) y L (k) = ξ L (k) (4.1) dove ξ L (k) = [θ, φ, ψ, x, y, z, θ, φ, ψ, ẋ, ẏ, ż, z I ] R 13 è il vettore degli stati, u L (k) = [v m1, v m2, v m3, v m4 ] R 4 è il vettore degli ingressi, y L (k) R 13 è il vettore delle uscite(che assumiamo completamente misurate o stimate), e A, B, C, D sono matrici di dimensioni opportune ottenute dal processo di linearizzazione. Lo stato aggiuntivo, z I = (z z d ) è incluso per fornire azione integrale sull altezza z, in maniera da garantire un inseguimento senza offset della posizione desiderata z d in regime stazionario. L azione integrale serve principalmente a bilanciare l effetto della forza di gravità che agisce contro la spinta sviluppata dalla forza totale u (vedi Figura 4.1) Figura 4.1: Azione integrale sulla z durante il transitorio iniziale Per il design del controllore è stata utilizzata la formulazione MPC lineare del Model Predictive Control Toolbox per Matlab [31], dove l azione di controllo

47 4.1. MPC lineare per la stabilizzazione 42 MPC all istante k si ottiene risolvendo il problema di ottimizzazione min u L (k k). u L (m 1+k k) ɛ N L 1( n y i=0 w y j [y Lj(k + i + 1 k) r Lj (k + i + 1)] 2 + j=1 n u w u j=1 j u Lj (k + i k) 2 + ρ ɛ ɛ 2 ) (4.2a) s.t. u min Lj y min Lj u Lj (k + i k) u max Lj, j = 1,..., n u ɛv y,min Lj y Lj (k + i + 1 k) y max Lj j = 1,..., n y + ɛv y,max Lj (4.2b) u(k + h k) = 0, h = N Lu,..., N L ɛ 0 i = 0,..., N L 1, rispetto alla sequenza degli incrementi degli ingressi { u(k k),..., u(n Lu 1 + k k)} e alla variabile slack ɛ. In (4.2a) il pedice () j denota il j-esima componente di un vettore, (k + i k) denota il valore predetto al tempo k + i basato sull informazione disponibile al tempo k, r L (k) è il campione attuale del riferimento per l uscita, V y,min, V y,max sono vettori costanti con valori non negativi che rappresentano l intenzione nel rilassare il corrispondente vincolo sull uscita (più grande è V, più rilassato è il vincolo), n y = 13 è il numero delle uscite, n u = 4 è il numero degli ingressi. Il controllore MPC lineare pone u(k) = u(k 1) + u (k k), dove u (k k) è il primo elemento della sequenza ottimale.

48 4.2. Pianificazione della traiettoria per l elusione di ostacoli 43 Figura 4.2: Struttura gerarchica 4.2 Pianificazione della traiettoria per l elusione di ostacoli MPC ibrido Come mostrato in Figura 4.2, il progetto dell MPC lineare viene esteso con una struttura gerarchica, dove al livello più alto un controllore ibrido MPC impone i riferimenti r L sulle posizioni, sugli angoli, e sulle velocità allo scopo di svolgere il compito principale, ossia raggiungere una data posizione di target (x t, y t, z t ) mentre si evitano degli ostacoli 1. Si assume che le posizioni del target e degli ostacoli possano variare nel tempo e che non siano conosciute 1 La formulazione utilizzata in questo lavoro può essere estesa per includere l angolo di yaw ψ come una variabile controllata aggiuntiva. Si noti che ψ è dinamicamente disaccoppiata in regime stazionario da (x, y, z).

49 4.2. Pianificazione della traiettoria per l elusione di ostacoli 44 in anticipo, dunque non sarebbe possibile effettuare la pianificazione off-line (ottimale). Quindi, utilizziamo il controllo predittivo per generare i set point (x d, y d, z d ) per il controllore MPC lineare in tempo reale. L approccio proposto consiste nel costruire un modello ibrido astratto del velivolo controllato e degli ostacoli presenti, e poi usare una strategia ibrida MPC per la generazione on-line della posizione desiderata (x d, y d, z d ) (gli altri riferimenti sulle uscite nel vettore r L sono poste a zero). La dinamica dell anello chiuso costituita dal quadcopter e il controllore MPC lineare può essere approssimata come un sistema dinamico lineare diagonale 3x3, i cui ingressi sono (x d, y d, z d ) e le uscite (x, y, z). Di conseguenza, la dinamica è formulata in tempo discreto come x(k + 1) = α 1x x(k) + β 1x (x d (k) + x d (k)) y(k + 1) = α 1y y(k) + β 1y (y d (k) + y d (k)) z(k + 1) = α 1z z(k) + β 1z (z d (k) + z d (k)) (4.3) dove x d (k) è l incremento della posizione x desiderata, imposta all istante kt hyb, e T hyb > T s è il tempo di campionamento del controllore ibrido. Gli incrementi degli ingressi x d (k), y d (k), z d (k) sono limitati inferiormente e superiormente da una quantità [ ] ] [ ] [ xd (k) y d (k) z d (k) 1 (4.4) Il vincolo (4.4) rappresenta una manopola di sintonia per il controllore MPC ibrido, poichè permette di controllare direttamente la velocità di manovra [ del ] quadcopter imponendo vincoli sulle derivate dei riferimenti: ẋd (t) ẏ d (t) T hyb. ż d (t) Gli ostacoli sono modellati come insiemi poliedrali. Per minimizzare la complessità, l i-esimo ostacolo, i = 1,..., M, è modellato come il tetraedro [ ] x(k) xi (k) A obs k i y(k) y i (k) B obs (4.5) z(k) z i (k)

50 4.2. Pianificazione della traiettoria per l elusione di ostacoli 45 [ xyz ] dove A obs B obs è la rappresentazione di un iperpiano fisso di un ] tetraedro di riferimento, k i è un fattore di scalamento fissato, e [ xi (k) y i (k) z i (k) è un punto di riferimento dell ostacolo. Abbiamo scelto A obs, B obs in maniera tale che il corrispondente poliedro sia il guscio convesso dei vettori [ ] ] ] ] [ 00 xi ],,,, cosa che rende il vettore di riferimento y i il ver- z i 0 [ 5/2 0 0 [ 0 5/2 0 [ 5/6 5/6 5/2 tice con le più piccole coordinate. L equazione (4.5) può essere riscritta come [ ] x(k) A obs k i y(k) C obs (k) (4.6) z(k) [ ] xi (k) dove C obs (k) = B obs + A obs k i y i (k) R 4 è una quantità che può variare in z i (k) tempo reale, modellata in predizione con una dinamica costante C obs (k + 1) = C obs (k). (4.7) Infine, per rappresentare il vincolo di elusione ostacoli, definiamo le seguenti variabili binarie δ ij {0, 1}, i = 1,..., M, j = 1,..., 4 [ ] x(k) [δ ij (k) = 1] [A j obs k i y(k) C j obs (k)] (4.8) z(k) dove j indica la j-esima riga (componente) di una matrice (vettore). I seguenti vincoli logici 4 δ ij (k) = TRUE, i = 1,..., M (4.9) j=1 impongono che almeno una disuguaglianza lineare in ](4.6) debba essere violata, forzando così la posizione del quadcopter a rimanere al di fuori di ogni ostacolo. [ x(k) y(k) z(k) Con questi soli vincoli il nostro velivolo si comporta come un punto materiale senza dimensioni, seguendo traiettorie che sfiorano gli ostacoli; per tenere conto delle reali dimensioni, abbiamo dovuto creare una zona di sicurezza : ogni ostacolo è contenuto da un guscio costituito da un altro tetraedro di

51 4.2. Pianificazione della traiettoria per l elusione di ostacoli 46 Figura 4.3: Esempio di guscio che avvolge un ostacolo dimensioni maggiori (vedi Figura 4.3). Per esprimere le condizioni di obstacle avoidance di questi tetraedri sono state utilizzate le stesse variabili binarie definite in (4.8); utilizzando però gli stessi vincoli logici (4.9) sugli ostacoli e sui loro gusci si presentano problemi di non risolubilità del problema di ottimizzazione. D altronde, non è necessario imporre dei vincoli così stringenti per i gusci, in quanto essi possono essere colpiti e attraversati dai velivoli. Quindi, per ogni guscio, è stata definita una variabile ausiliaria continua 1 se 4 j=1 γ i (k) = δ ij(k) = 1 i = M/2,..., M (4.10) 0 altrimenti il cui riferimento è tenuto costantemente a zero; pesando opportunamente tali variabili, si ottiene una condizione per la quale i velivoli attraversano le zone di sicurezza senza colpire o sfiorare gli ostacoli reali. Il tempo di campionamento T hyb deve essere scelto abbastanza grande in modo da poter trascurare dinamiche transitorie veloci, in maniera tale da poter disaccoppiare il progetto dei due controllori della struttura gerarchica. D altra parte, il vincolo di obstacle avoidance (4.9) è imposto solo a istanti di tempo mutlipli di T hyb, e quindi un tempo di campionamento eccessivamente

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli

Dettagli

IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione.

IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione. IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 40: Filtro di Kalman - introduzione Cenni storici Filtro di Kalman e filtro di Wiener Formulazione del problema Struttura ricorsiva della soluzione

Dettagli

Sistemi e modelli matematici

Sistemi e modelli matematici 0.0.. Sistemi e modelli matematici L automazione è un complesso di tecniche volte a sostituire l intervento umano, o a migliorarne l efficienza, nell esercizio di dispositivi e impianti. Un importante

Dettagli

ED. Equazioni cardinali della dinamica

ED. Equazioni cardinali della dinamica ED. Equazioni cardinali della dinamica Dinamica dei sistemi La dinamica dei sistemi di punti materiali si può trattare, rispetto ad un osservatore inerziale, scrivendo l equazione fondamentale della dinamica

Dettagli

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1.

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1. Capitolo 6 Integrali curvilinei In questo capitolo definiamo i concetti di integrali di campi scalari o vettoriali lungo curve. Abbiamo bisogno di precisare le curve e gli insiemi che verranno presi in

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

Dettagli

Funzioni di più variabili. Ottimizzazione libera e vincolata

Funzioni di più variabili. Ottimizzazione libera e vincolata libera e vincolata Generalità. Limiti e continuità per funzioni di 2 o Piano tangente. Derivate successive Formula di Taylor libera vincolata Lo ordinario è in corrispondenza biunivoca con i vettori di

Dettagli

bensì una tendenza a ruotare quando vengono applicate in punti diversi di un corpo

bensì una tendenza a ruotare quando vengono applicate in punti diversi di un corpo Momento di una forza Nella figura 1 è illustrato come forze uguali e contrarie possono non produrre equilibrio, bensì una tendenza a ruotare quando vengono applicate in punti diversi di un corpo esteso.

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

Corso di Informatica Industriale

Corso di Informatica Industriale Corso di Informatica Industriale Prof. Giorgio Buttazzo Dipartimento di Informatica e Sistemistica Università di Pavia E-mail: buttazzo@unipv.it Informazioni varie Telefono: 0382-505.755 Email: Dispense:

Dettagli

MODELLIZZAZIONE, CONTROLLO E MISURA DI UN MOTORE A CORRENTE CONTINUA

MODELLIZZAZIONE, CONTROLLO E MISURA DI UN MOTORE A CORRENTE CONTINUA MODELLIZZAZIONE, CONTROLLO E MISURA DI UN MOTORE A CORRENTE CONTINUA ANDREA USAI Dipartimento di Informatica e Sistemistica Antonio Ruberti Andrea Usai (D.I.S. Antonio Ruberti ) Laboratorio di Automatica

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

Moto sul piano inclinato (senza attrito)

Moto sul piano inclinato (senza attrito) Moto sul piano inclinato (senza attrito) Per studiare il moto di un oggetto (assimilabile a punto materiale) lungo un piano inclinato bisogna innanzitutto analizzare le forze che agiscono sull oggetto

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004 ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 004 Il candidato risolva uno dei due problemi e 5 dei 10 quesiti in cui si articola il questionario. PROBLEMA 1 Sia f la funzione definita da: f

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

Motori Elettrici. Principi fisici. Legge di Lenz: se in un circuito elettrico il flusso concatenato varia nel tempo si genera una tensione

Motori Elettrici. Principi fisici. Legge di Lenz: se in un circuito elettrico il flusso concatenato varia nel tempo si genera una tensione Motori Elettrici Principi fisici Legge di Lenz: se in un circuito elettrico il flusso concatenato varia nel tempo si genera una tensione Legge di Biot-Savart: un conduttore percorso da corrente di intensità

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Il motore a corrente continua, chiamato così perché per. funzionare deve essere alimentato con tensione e corrente

Il motore a corrente continua, chiamato così perché per. funzionare deve essere alimentato con tensione e corrente 1.1 Il motore a corrente continua Il motore a corrente continua, chiamato così perché per funzionare deve essere alimentato con tensione e corrente costante, è costituito, come gli altri motori da due

Dettagli

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

Esistenza di funzioni continue non differenziabili in alcun punto

Esistenza di funzioni continue non differenziabili in alcun punto UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

Dipendenza dai dati iniziali

Dipendenza dai dati iniziali Dipendenza dai dati iniziali Dopo aver studiato il problema dell esistenza e unicità delle soluzioni dei problemi di Cauchy, il passo successivo è vedere come le traiettorie di queste ultime dipendono

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

Dettagli

Sensori di Posizione, Velocità, Accelerazione

Sensori di Posizione, Velocità, Accelerazione Sensori di Posizione, Velocità, Accelerazione POSIZIONE: Sensori di posizione/velocità Potenziometro Trasformatore Lineare Differenziale (LDT) Encoder VELOCITA Dinamo tachimetrica ACCELERAZIONE Dinamo

Dettagli

Integrazione. Ecad. Mcad. Ecad - MENTOR GRAPHICS

Integrazione. Ecad. Mcad. Ecad - MENTOR GRAPHICS Integrazione Ecad Mcad Ecad - MENTOR GRAPHICS MENTOR GRAPHICS - PADS La crescente complessità del mercato della progettazione elettronica impone l esigenza di realizzare prodotti di dimensioni sempre più

Dettagli

CS. Cinematica dei sistemi

CS. Cinematica dei sistemi CS. Cinematica dei sistemi Dopo aver esaminato la cinematica del punto e del corpo rigido, che sono gli schemi più semplificati con cui si possa rappresentare un corpo, ci occupiamo ora dei sistemi vincolati.

Dettagli

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO Capitolo 14 EORIA PERURBAIVA DIPENDENE DAL EMPO Nel Cap.11 abbiamo trattato metodi di risoluzione dell equazione di Schrödinger in presenza di perturbazioni indipendenti dal tempo; in questo capitolo trattiamo

Dettagli

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica).

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica). 3.4. I LIVELLI I livelli sono strumenti a cannocchiale orizzontale, con i quali si realizza una linea di mira orizzontale. Vengono utilizzati per misurare dislivelli con la tecnica di livellazione geometrica

Dettagli

1. Intorni di un punto. Punti di accumulazione.

1. Intorni di un punto. Punti di accumulazione. 1. Intorni di un punto. Punti di accumulazione. 1.1. Intorni circolari. Assumiamo come distanza di due numeri reali x e y il numero non negativo x y (che, come sappiamo, esprime la distanza tra i punti

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2 NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione

Dettagli

IL SAMPLE AND HOLD UNIVERSITÀ DEGLI STUDI DI MILANO. Progetto di Fondamenti di Automatica. PROF.: M. Lazzaroni

IL SAMPLE AND HOLD UNIVERSITÀ DEGLI STUDI DI MILANO. Progetto di Fondamenti di Automatica. PROF.: M. Lazzaroni UNIVERSITÀ DEGLI STUDI DI MILANO FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Informatica IL SAMPLE AND HOLD Progetto di Fondamenti di Automatica PROF.: M. Lazzaroni Anno Accademico

Dettagli

GIRO DELLA MORTE PER UN CORPO CHE SCIVOLA

GIRO DELLA MORTE PER UN CORPO CHE SCIVOLA 8. LA CONSERVAZIONE DELL ENERGIA MECCANICA IL LAVORO E L ENERGIA 4 GIRO DELLA MORTE PER UN CORPO CHE SCIVOLA Il «giro della morte» è una delle parti più eccitanti di una corsa sulle montagne russe. Per

Dettagli

Abstract Data Type (ADT)

Abstract Data Type (ADT) Abstract Data Type Pag. 1/10 Abstract Data Type (ADT) Iniziamo la nostra trattazione presentando una nozione che ci accompagnerà lungo l intero corso di Laboratorio Algoritmi e Strutture Dati: il Tipo

Dettagli

ALLEGATO al verbale della riunione del 3 Settembre 2010, del Dipartimento di Elettrotecnica e Automazione.

ALLEGATO al verbale della riunione del 3 Settembre 2010, del Dipartimento di Elettrotecnica e Automazione. ALLEGATO al verbale della riunione del 3 Settembre 2010, del Dipartimento di Elettrotecnica e Automazione. COMPETENZE MINIME- INDIRIZZO : ELETTROTECNICA ED AUTOMAZIONE 1) CORSO ORDINARIO Disciplina: ELETTROTECNICA

Dettagli

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno La Vista CAS L ambiente di lavoro Le celle Assegnazione di una variabile o di una funzione / visualizzazione

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

Corso di Fisica tecnica e ambientale a.a. 2011/2012 - Docente: Prof. Carlo Isetti

Corso di Fisica tecnica e ambientale a.a. 2011/2012 - Docente: Prof. Carlo Isetti Corso di Fisica tecnica e ambientale a.a. 0/0 - Docente: Prof. Carlo Isetti LAVORO D NRGIA 5. GNRALITÀ In questo capitolo si farà riferimento a concetto quali lavoro ed energia termini che hanno nella

Dettagli

Elettronica Circuiti nel dominio del tempo

Elettronica Circuiti nel dominio del tempo Elettronica Circuiti nel dominio del tempo Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Elettronica Circuiti nel dominio del tempo 14 aprile 211

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

A. Bicchi Centro I.R. E. Piaggio, Università di Pisa

A. Bicchi Centro I.R. E. Piaggio, Università di Pisa Controllo, Teoria del Teoria dell Enciclopedia Italiana di Scienze, Lettere ed Arti Istituto della Enciclopedia Italiana ``G. Treccani'' XXI Secolo -- Aggiornamento, A. Bicchi Centro I.R. E. Piaggio, Università

Dettagli

QUADERNI DI DIDATTICA

QUADERNI DI DIDATTICA Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Tatiana Bassetto, Marco Corazza, Riccardo Gusso, Martina Nardon Esercizi sulle funzioni di più variabili reali con applicazioni

Dettagli

Dinamica e Misura delle Vibrazioni

Dinamica e Misura delle Vibrazioni Dinamica e Misura delle Vibrazioni Prof. Giovanni Moschioni Politecnico di Milano, Dipartimento di Meccanica Sezione di Misure e Tecniche Sperimentali giovanni.moschioni@polimi.it VibrazionI 2 Il termine

Dettagli

Gli uni e gli altri. Strategie in contesti di massa

Gli uni e gli altri. Strategie in contesti di massa Gli uni e gli altri. Strategie in contesti di massa Alessio Porretta Universita di Roma Tor Vergata Gli elementi tipici di un gioco: -un numero di agenti (o giocatori): 1,..., N -Un insieme di strategie

Dettagli

Sulla monotonia delle funzioni reali di una variabile reale

Sulla monotonia delle funzioni reali di una variabile reale Liceo G. B. Vico - Napoli Sulla monotonia delle funzioni reali di una variabile reale Prof. Giuseppe Caputo Premetto due teoremi come prerequisiti necessari per la comprensione di quanto verrà esposto

Dettagli

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine

Dettagli

GIRO DELLA MORTE PER UN CORPO CHE ROTOLA

GIRO DELLA MORTE PER UN CORPO CHE ROTOLA 0. IL OETO D IERZIA GIRO DELLA ORTE ER U CORO CHE ROTOLA ell approfondimento «Giro della morte per un corpo che scivola» si esamina il comportamento di un punto materiale che supera il giro della morte

Dettagli

Studio sperimentale della propagazione di un onda meccanica in una corda

Studio sperimentale della propagazione di un onda meccanica in una corda Studio sperimentale della propagazione di un onda meccanica in una corda Figura 1: Foto dell apparato sperimentale. 1 Premessa 1.1 Velocità delle onde trasversali in una corda E esperienza comune che quando

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo Energia e Lavoro Finora abbiamo descritto il moto dei corpi (puntiformi) usando le leggi di Newton, tramite le forze; abbiamo scritto l equazione del moto, determinato spostamento e velocità in funzione

Dettagli

Dall italiano alla logica proposizionale

Dall italiano alla logica proposizionale Rappresentare l italiano in LP Dall italiano alla logica proposizionale Sandro Zucchi 2009-10 In questa lezione, vediamo come fare uso del linguaggio LP per rappresentare frasi dell italiano. Questo ci

Dettagli

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento ARTICOLO Archimede 4 4 esame di stato 4 seconda prova scritta per i licei scientifici di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA Nella figura

Dettagli

Appunti di Logica Matematica

Appunti di Logica Matematica Appunti di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Una proposizione è un affermazione che esprime un valore di verità, cioè una affermazione che è VERA oppure FALSA. Ad esempio: 5

Dettagli

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12 A / A / Seconda Prova di Ricerca Operativa Cognome Nome Numero Matricola Nota: LA RISOLUZIONE CORRETTA DEGLI ESERCIZI CONTRADDISTINTI DA UN ASTERISCO È CONDIZIONE NECESSARIA PER IL RAGGIUNGIMENTO DELLA

Dettagli

ANALISI MEDIANTE LO SPETTRO DI RISPOSTA

ANALISI MEDIANTE LO SPETTRO DI RISPOSTA ANALISI EDIANTE LO SPETTRO DI RISPOSTA arco BOZZA * * Ingegnere Strutturale, già Direttore della Federazione regionale degli Ordini degli Ingegneri del Veneto (FOIV), Amministratore di ADEPRON DINAICA

Dettagli

2 Formulazione dello shortest path come problema di flusso

2 Formulazione dello shortest path come problema di flusso Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

Dettagli

F S V F? Soluzione. Durante la spinta, F S =ma (I legge di Newton) con m=40 Kg.

F S V F? Soluzione. Durante la spinta, F S =ma (I legge di Newton) con m=40 Kg. Spingete per 4 secondi una slitta dove si trova seduta la vostra sorellina. Il peso di slitta+sorella è di 40 kg. La spinta che applicate F S è in modulo pari a 60 Newton. La slitta inizialmente è ferma,

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Progetti ARTEMIS-JU CAMMI & D3CoS

Progetti ARTEMIS-JU CAMMI & D3CoS Progetti ARTEMIS-JU CAMMI & D3CoS Cognitive Adaptive Man Machine Interface for Cooperative Systems 19 Settembre 2012 ENAV ACADEMY Forlì (IT) Magda Balerna 1 ARTEMIS JU Sub Project 8: HUMAN Centred Design

Dettagli

Curve di risonanza di un circuito

Curve di risonanza di un circuito Zuccarello Francesco Laboratorio di Fisica II Curve di risonanza di un circuito I [ma] 9 8 7 6 5 4 3 0 C = 00 nf 0 5 0 5 w [KHz] RLC - Serie A.A.003-004 Indice Introduzione pag. 3 Presupposti Teorici 5

Dettagli

A. 5 m / s 2. B. 3 m / s 2. C. 9 m / s 2. D. 2 m / s 2. E. 1 m / s 2. Soluzione: equazione oraria: s = s0 + v0

A. 5 m / s 2. B. 3 m / s 2. C. 9 m / s 2. D. 2 m / s 2. E. 1 m / s 2. Soluzione: equazione oraria: s = s0 + v0 1 ) Un veicolo che viaggia inizialmente alla velocità di 1 Km / h frena con decelerazione costante sino a fermarsi nello spazio di m. La sua decelerazione è di circa: A. 5 m / s. B. 3 m / s. C. 9 m / s.

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante

Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante Introduzione Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante Il problema del massimo flusso è uno dei fondamentali problemi nell ottimizzazione su rete. Esso è presente

Dettagli

Analisi termografica su celle litio-ione sottoposte ad esperienze di "second life" Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191

Analisi termografica su celle litio-ione sottoposte ad esperienze di second life Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191 Agenzia nazionale per le nuove tecnologie, l energia e lo sviluppo economico sostenibile MINISTERO DELLO SVILUPPO ECONOMICO Analisi termografica su celle litio-ione sottoposte ad esperienze di "second

Dettagli

MOTO DI UNA CARICA IN UN CAMPO ELETTRICO UNIFORME

MOTO DI UNA CARICA IN UN CAMPO ELETTRICO UNIFORME 6. IL CONDNSATOR FNOMNI DI LTTROSTATICA MOTO DI UNA CARICA IN UN CAMPO LTTRICO UNIFORM Il moto di una particella carica in un campo elettrico è in generale molto complesso; il problema risulta più semplice

Dettagli

Verifica sismica di dighe a gravità in calcestruzzo

Verifica sismica di dighe a gravità in calcestruzzo Verifica sismica di dighe a gravità in calcestruzzo Keywords: dighe a gravità in calcestruzzo, verifica sismica, metodi semplificati, programmi di calcolo. Autore: L. Furgoni, Relatore: Prof. C. Nuti,

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

Consideriamo due polinomi

Consideriamo due polinomi Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al

Dettagli

Modal 2 Modulo Analisi modale Modulo per l Analisi della dinamica strutturale.

Modal 2 Modulo Analisi modale Modulo per l Analisi della dinamica strutturale. Modal 2 Modulo Analisi modale Modulo per l Analisi della dinamica strutturale. L analisi modale è un approccio molto efficace al comportamento dinamico delle strutture, alla verifica di modelli di calcolo

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

La Termodinamica ed I principi della Termodinamica

La Termodinamica ed I principi della Termodinamica La Termodinamica ed I principi della Termodinamica La termodinamica è quella branca della fisica che descrive le trasformazioni subite da un sistema (sia esso naturale o costruito dall uomo), in seguito

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE - Matematica - Griglie di valutazione Materia: Matematica Obiettivi disciplinari Gli obiettivi indicati si riferiscono all intero percorso della classe quarta

Dettagli

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante Circuiti Elettrici Schema riassuntivo Leggi fondamentali dei circuiti elettrici lineari Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante La conseguenza

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

Note di fisica. Mauro Saita e-mail: maurosaita@tiscalinet.it Versione provvisoria, luglio 2012. 1 Quantità di moto.

Note di fisica. Mauro Saita e-mail: maurosaita@tiscalinet.it Versione provvisoria, luglio 2012. 1 Quantità di moto. Note di fisica. Mauro Saita e-mail: maurosaita@tiscalinet.it Versione provvisoria, luglio 2012. Indice 1 Quantità di moto. 1 1.1 Quantità di moto di una particella.............................. 1 1.2 Quantità

Dettagli

Nota su Crescita e Convergenza

Nota su Crescita e Convergenza Nota su Crescita e Convergenza S. Modica 28 Ottobre 2007 Nella prima sezione si considerano crescita lineare ed esponenziale e le loro proprietà elementari. Nella seconda sezione si spiega la misura di

Dettagli

Programmazione Non Lineare Ottimizzazione vincolata

Programmazione Non Lineare Ottimizzazione vincolata DINFO-Università di Palermo Programmazione Non Lineare Ottimizzazione vincolata D. Bauso, R. Pesenti Dipartimento di Ingegneria Informatica Università di Palermo DINFO-Università di Palermo 1 Sommario

Dettagli

Linguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. Universitá di Bologna

Linguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. <sacerdot@cs.unibo.it> Universitá di Bologna Linguaggi 18: Semantica della logica del prim ordine Universitá di Bologna 11/04/2011 Outline Semantica della logica del prim ordine 1 Semantica della logica del prim ordine Semantica

Dettagli

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale 4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,

Dettagli

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO LE TRASFORMAZIONI GEOMETRICHE NEL PIANO Una trasformazione geometrica è una funzione che fa corrispondere a ogni punto del piano un altro punto del piano stesso Si può pensare come MOVIMENTO di punti e

Dettagli

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie Metodi numerici per la risoluzione di equazioni differenziali ordinarie Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 5-31 ottobre 2005 Outline 1 Il problema di Cauchy Il problema

Dettagli

Equazioni differenziali ordinarie

Equazioni differenziali ordinarie Capitolo 2 Equazioni differenziali ordinarie 2.1 Formulazione del problema In questa sezione formuleremo matematicamente il problema delle equazioni differenziali ordinarie e faremo alcune osservazioni

Dettagli

FUNZIONI CONVESSE. + e x 0

FUNZIONI CONVESSE. + e x 0 FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )

Dettagli

SVILUPPO IN SERIE DI FOURIER

SVILUPPO IN SERIE DI FOURIER SVILUPPO IN SERIE DI FOURIER Cenni Storici (Wikipedia) Jean Baptiste Joseph Fourier ( nato a Auxerre il 21 marzo 1768 e morto a Parigi il 16 maggio 1830 ) è stato un matematico e fisico, ma è conosciuto

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

LAVORO, ENERGIA E POTENZA

LAVORO, ENERGIA E POTENZA LAVORO, ENERGIA E POTENZA Nel linguaggio comune, la parola lavoro è applicata a qualsiasi forma di attività, fisica o mentale, che sia in grado di produrre un risultato. In fisica la parola lavoro ha un

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

1) IL MOMENTO DI UNA FORZA

1) IL MOMENTO DI UNA FORZA 1) IL MOMENTO DI UNA FORZA Nell ambito dello studio dei sistemi di forze, diamo una definizione di momento: il momento è un ente statico che provoca la rotazione dei corpi. Le forze producono momenti se

Dettagli

Note integrative ed Esercizi consigliati

Note integrative ed Esercizi consigliati - a.a. 2006-07 Corso di Laurea Specialistica in Ingegneria Civile (CIS) Note integrative ed consigliati Laura Poggiolini e Gianna Stefani Indice 0 1 Convergenza uniforme 1 2 Convergenza totale 5 1 Numeri

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Le misure di energia elettrica

Le misure di energia elettrica Le misure di energia elettrica Ing. Marco Laracca Dipartimento di Ingegneria Elettrica e dell Informazione Università degli Studi di Cassino e del Lazio Meridionale Misure di energia elettrica La misura

Dettagli

Linguaggio del calcolatore. Algebra di Boole AND, OR, NOT. Notazione. And e or. Circuiti e reti combinatorie. Appendice A + dispense

Linguaggio del calcolatore. Algebra di Boole AND, OR, NOT. Notazione. And e or. Circuiti e reti combinatorie. Appendice A + dispense Linguaggio del calcolatore Circuiti e reti combinatorie ppendice + dispense Solo assenza o presenza di tensione: o Tante componenti interconnesse che si basano su e nche per esprimere concetti complessi

Dettagli