Lezione 7.2. Filtro di Kalman. F. Previdi - Controlli Automatici - Lez
|
|
- Maurizio Cavaliere
- 5 anni fa
- Visualizzazioni
Transcript
1 Lezione 7.2 Filtro di Kalman F. Previdi - Controlli Automatici - Lez
2 Schema della lezione 0. «Formulario» teoria di Bayes 1. Impostazione del problema base del predittore ottimo di Kalman ad un passo 2. Calcolo del predittore ad un passo dell uscita 3. Calcolo del predittore ad un passo dello stato (espressione ricorsiva) 4. Equazione di Riccati 5. Predittore ottimo di Kalman ad un passo 6. Estensione 1: 1( ) e 2 ( ) correlati 7. Estensione 2: predizione a più passi 8. Estensione 3: filtro di Kalman 9. Estensione 4: sistemi tempo-varianti 10. Estensione 5: sistemi con ingresso esogeno 11. Predittore di regime 12. Primo teorema di convergenza asintotica 13. Secondo teorema di convergenza asintotica 14. Filtro di Kalman esteso 15. Utilizzo del filtro di Kalman Esteso per la stima parametrica (identificazione a scatola grigia) 16. Matlab 17. Esempi F. Previdi - Controlli Automatici - Lez
3 1. Impostazione del problema base del predittore ottimo di Kalman ad un passo Si consideri il seguente sistema con ingresso esogeno ( ) uscite e senza + 1 = + ( ) = + ( ordine del sistema) ( dimensione del vettore di uscita) F. Previdi - Controlli Automatici - Lez
4 è il rumore di processo (sullo stato) = è un vettore di dimensione. Si suppone che sia un rumore bianco con media nulla e matrice di covarianza 0, Proprietà di E ( ) = 0 E ( ) ( ) = 0 E ( ) ( ) = 0, 0 è una matrice quadrata, simmetrica, semidefinita positiva. E diagonale perché il rumore è bianco (i suoi campioni a tempi diversi sono incorrelati). F. Previdi - Controlli Automatici - Lez
5 è il rumore di misura (sull uscita) = è un vettore di dimensioni. Si suppone che sia un rumore bianco con media nulla e matrice di covarianza 0, Proprietà di E ( ) = 0 E ( ) ( ) = > 0 E ( ) ( ) = 0, 0 è una matrice quadrata, simmetrica, definita positiva. E diagonale perché il rumore è bianco (i suoi campioni a tempi diversi sono incorrelati). F. Previdi - Controlli Automatici - Lez
6 Nota Bene I rumori e potrebbero essere correlati, con matrice di covarianza. Nella parte iniziale della lezione supporremo che e siano incorrelati tra di loro, cioè che valga sempre = 0. Nota Bene e note (ovvio, è il sistema), (e se presente) sono note (questo è un tema delicato perché nella pratica non è vero). F. Previdi - Controlli Automatici - Lez
7 Problema Il problema che vogliamo risolvere (utilizzando la teoria di Bayes) è calcolare la predizione ad un passo dello stato ( + ), cioè predire lo stato al tempo + 1 utilizzando solo i dati fino al tempo. In particolare, vogliamo trovare un espressione ricorsiva di ( + 1 ), cioè che non dipenda direttamente dai dati, ma che sia solo funzione della predizione precedente 1 e dell ultimo dato disponibile, cioè + 1 = 1 + L insieme dei dati fino al tempo (cioè le misure disponibili) si indica con = 1, 2,, ( ) il «passato» 7
8 Nota Bene è una collezione di vettori, ciascuno con componenti. Nota Bene Oltre alla predizione dello stato + 1, calcoleremo anche la predizione ad un passo dell uscita +. Nota Bene Applicheremo la teoria di Bayes, cioè + = [ ( + ) ] in cui la variabile casuale incognita da stimare è ( + 1) (è la nostra ). Similmente per l uscita + = [ ( + ) ] F. Previdi - Controlli Automatici - Lez
9 Si definisce innovazione apportata dal dato (nuovo) ( + 1) rispetto ai dati (vecchi) + = + 1 E[ ( + 1) ]= Si definisce errore di predizione dello stato + = = + 1 E[ ( + 1) ] Nota Bene L innovazione è un vettore con componenti, come l uscita. L errore di predizione è un vettore con componenti, come lo stato. Procediamo F. Previdi - Controlli Automatici - Lez
10 2. Calcolo del predittore ad un passo dell uscita + 1 = E + 1 = = E = = E E[ ( + 1) ] + 1 è incorrelato con tutti gli elementi di e quindi E + 1 = E + 1 = 0 Quindi + 1 = E + 1 = H = H + 1 Risultato poco sorprendente F. Previdi - Controlli Automatici - Lez
11 3. Calcolo del predittore ad un passo dello stato (espressione ricorsiva) La stima ottima è per definizione: + 1 = E[ ( + 1) ] Per ottenere un espressione ricorsiva scriviamola così: + 1 = E[ ( + 1), ( )] Applichiamo la formula ricorsiva di Bayes: + 1 = E E + 1 dove ( ) è l innovazione. Ora calcoliamo i due termini: a) + b) + F. Previdi - Controlli Automatici - Lez
12 a) Calcolo di + E + 1 = E + = E + E è incorrelato con = = 0 E = 1 quindi: E + 1 = 1 A Risultato poco sorprendente F. Previdi - Controlli Automatici - Lez
13 b) Calcolo di + ( ) Applicando la stima di Bayes si ha: + 1 ( ) = ( ) Bisogna quindi calcolare le due matrici: b1) b2) Nota bene + 1 ( ) = ( ) n p p p p 1 F. Previdi - Controlli Automatici - Lez
14 b1) Calcolo di Per definizione = [ + 1 ( ) ] Ora: = 1 = + 1 = ( 1 ) + Dove ( ) è l errore di predizione dello stato. Quindi = + F. Previdi - Controlli Automatici - Lez
15 Si ha quindi: = + + = = + + [ ( + ) ] e ( ) sono incorrelati = ] [ = 0 = 1 è incorrelato con, inoltre 1 è un predittore che dipende dai dati (fino al tempo 1) e quindi è incorrelato con. e sono incorrelati. Quindi anche il terzo addendo è nullo e si ha: = F. Previdi - Controlli Automatici - Lez
16 = Aggiungiamo e sottraiamo 1 a = [( 1 ( ) + 1 ) ] = = [ ( )] ( ) + [ 1 ] Chiamiamo ( ) la varianza dell errore di predizione dello stato. 1 è un predittore e dipende solo dai dati è l errore di predizione ed è certamente incorrelato dal predittore. Questo termine è quindi nullo. Concludendo = ( ) B1 F. Previdi - Controlli Automatici - Lez
17 b2) Calcolo di ( ) Ricordiamo che (slide 14) = + = + ( ) = ( ) = + + = ( ) e ( ) sono incorrelati termini nulli = [ ( )] è la varianza dell errore di predizione = ( ) ( ) è la varianza di Quindi ( ) = + B2 17
18 Quindi, mettendo insieme B1 e B2 si ha + 1 ( ) = = = ( ) = + B F. Previdi - Controlli Automatici - Lez
19 Quindi, mettendo insieme A e B + 1 = = = Si definisce guadagno del predittore di Kalman = + Concludendo il predittore ad un passo dello stato è + 1 = 1 + Nota Bene Ora si capisce perché l ipotesi che > 0 (definita positiva): serve per garantire l invertibilità del termine ( + ) F. Previdi - Controlli Automatici - Lez
20 E effettivamente un espressione ricorsiva, ma vediamo se abbiamo tutti gli ingredienti 1 è la stima precedente noto = 1 è l innovazione ( ) noto 1 = 1 contiene,, noti = var Serve un espressione ricorsiva per calcolare funzione di 1 in F. Previdi - Controlli Automatici - Lez
21 4. Equazione di Riccati E l espressione ricorsiva per il calcolo di ( ) sulla base di ( 1). Come facciamo ad ottenerla? Per prima cosa calcoliamo un espressione ricorsiva per il calcolo di + 1, l errore di predizione dello stato: + 1 = ( ) ( ) Quindi + 1 = + ( ) Infine + 1 = + Questa è un espressione ricorsiva per il calcolo di + 1 usando. ( ) F. Previdi - Controlli Automatici - Lez
22 Ora calcoliamo la varianza: + 1 = + 1 = = dopo molti calcoli si ottiene l Equazione alle Differenze di Riccati (Difference Riccati Equation - DRE) + 1 = + DRE F. Previdi - Controlli Automatici - Lez
23 Esplicitando nella DRE l espressione del guadagno di Kalman = + si può ottenere questa forma (del tutto equivalente) + 1 = + + Similmente, se si inserisce nella DRE il termine moltiplicativo + + si ottiene + 1 = da cui si ha la seguente forma (del tutto equivalente) + 1 = + + ( ) 23
24 Osservazione La DRE è un espressione ricorsiva e va inizializzata con 1 = [ 1 ] Infatti, indichiamo per convenzione che l istante iniziale è = 1. Siccome non dispongo di misure dell uscita (dovrei averle al tempo = 0), all istante iniziale la predizione ottima dello stato 1 0 coincide con il valore atteso dello stato iniziale E 1, che si ipotizza sia nullo. Quindi l errore di predizione è 1 = = 1 cioè coincide con lo stato 1 e quindi la varianza dell errore di predizione 1 1 = [ 1 ] cioè è la varianza dello stato iniziale. Similmente l equazione di stato del predittore si inizializza imponendo 1 0 = 0. Nota Bene Se il valore atteso dello stato iniziale non fosse nullo, cioè 1 =, l inizializzazione della DRE resta uguale 1 = [ 1 ], mentre l inizializzazione dell equazione di stato cambia coerentemente, cioè 1 0 = F. Previdi - Controlli Automatici - Lez
25 5. Predittore ottimo di Kalman ad un passo Si consideri il sistema + 1 = + ( ) = + dove 0,, 0 0,, > 0 e incorrelati tra loro Condizione iniziale dello stato tale che: - 1 = - 1 = - (1) è incorrelato con e F. Previdi - Controlli Automatici - Lez
26 Il predittore di Kalman ad un passo per il sistema di cui sopra è dato dalle seguenti equazioni: + 1 = 1 + ( ) 1 = 1 dove = 1 è l errore di predizione dell uscita = ( ) ( + ) è il guadagno del predittore + 1 = + è la DRE 1 0 = 1 = è la condizione iniziale per l equazione di stato 1 = 1 = è la condizione iniziale per la DRE Nota bene = [ ( )] è sempre una matrice simmetrica e semidefinita positiva (è una varianza!). Si noti che l equazione di Riccati è coerente con questa proprietà, cioè: se è simmetrica e semidefinita positiva anche ( + 1) lo è. F. Previdi - Controlli Automatici - Lez
27 Sistema v 2 (t) v 1 (t) + + x(t+1) 1 z x(t) H + + y(t) F K(t) + ^ x(t+1 t) ^ ^ 1 x(t(t-1) H + z F e(t) + _ y(t t-1) Predittore di Kalman F. Previdi - Controlli Automatici - Lez
28 6. Estensione 1: e correlati Supponiamo che i rumori e siano correlati tra di loro al medesimo istante di tempo, cioè: ( ) ( ) = Guadagno di Kalman DRE 0 per 0 per = 0 Cosa cambia? = ( + )( + ) + 1 = F. Previdi - Controlli Automatici - Lez
29 7. Estensione 2: predizione a più passi L estensione è banale. Se dispongo di + 1 avrò: + 2 = = + 2 = + 1 etc Si definisce predittore a k passi dello stato + = + 1 Si definisce predittore a k passi dell uscita + = + F. Previdi - Controlli Automatici - Lez
30 8. Estensione 3: filtro di Kalman Dobbiamo calcolare la stima : = =, = = + = 1 + ( ) Simile al precedente calcolo del termine b1 (non immediato) E il precedente calcolo del termine b2 Si ottiene il filtro di Kalman = 1 + ( + ) ( ) Si definisce guadagno del filtro di Kalman = ( + ) F. Previdi - Controlli Automatici - Lez
31 Nota bene Il risultato sul filtro di Kalman è valido anche nel caso correlati ( 0). e Riassunto Guadagno del predittore ( = 0) = ( + ) Guadagno del predittore ( 0) = ( + )( + ) Guadagno del filtro ( ) = ( + ) F. Previdi - Controlli Automatici - Lez
32 Nota bene ricavare il filtro dal predittore Ipotesi è invertibile e siano incorrelati + 1 = E + = E + E = + E E = 0 solo se e sono incorrelati Quindi + 1 = Essendo invertibile = + 1 F. Previdi - Controlli Automatici - Lez
33 Nota bene varianza dell errore di filtraggio L errore di filtraggio è. E possibile ottenere la sua varianza a partire dalla varianza dell errore di predizione =. Infatti = ( + ) Questa espressione mette in evidenza che Questo fatto non deve sorprenderci: la stima ottenuta con il filtro sfrutta anche il dato in più rispetto alla stima 1 ottenuta con il predittore. F. Previdi - Controlli Automatici - Lez
34 9. Estensione 4: sistemi tempo-varianti La teoria presentata è valida per i sistemi tempo varianti esprimibili nella seguente forma: + 1 = + ( ) = + a patto di sostituire nelle equazioni ( ) ad ed H( ) ad. E un risultato potentissimo! F. Previdi - Controlli Automatici - Lez
35 10. Estensione 5: sistemi con ingresso esogeno Nel caso in cui vi sia una variabile esogena ( ) il sistema è: + 1 = + ( ) + ( ) = + ( ) è una variabile deterministica, non una variabile casuale. I risultati precedenti risultano tutti validi, a patto di aggiungere alle equazioni del filtro la variabile esogena. F. Previdi - Controlli Automatici - Lez
36 Le equazioni del predittore ad un passo di Kalman saranno modificate come segue Gli altri elementi restano invariati + 1 = 1 + ( ) + ( ) 1 = 1 = 1 è l errore di predizione dell uscita = ( ) ( + ) è il guadagno di Kalman + 1 = + è la DRE F. Previdi - Controlli Automatici - Lez
37 Sistema u(t) Γ v 1 (t) x(t+1) 1 z x(t) H v 2 (t) + + y(t) F K(t) + ^ x(t+1 t) ^ ^ 1 x(t(t-1) H + z e(t) + _ y(t t-1) F Predittore di Kalman F. Previdi - Controlli Automatici - Lez
38 11. Predittore di regime Se il sistema fosse tempo-invariante, sarebbe lecito chiedersi se non possa esistere una soluzione di regime dell equazione di Riccati, cioè se Quindi se ( ) convergesse ad una costante, il guadagno del filtro di Kalman sarebbe costante e si potrebbe definire un guadagno di regime del predittore di Kalman = ( + ) Usando il guadagno invece di ( ) avremo un predittore sub-ottimo, ma computazionalmente molto più semplice. F. Previdi - Controlli Automatici - Lez
39 Per capire se bisogna analizzare la DRE che è un equazione alle differenze non lineare e quindi difficile da integrare. Però, se esistesse una soluzione di regime, allora + 1 = = Quindi, inserendo nella DRE, si ottiene l Equazione Algebrica di Riccati (Algebraic Riccati Equation - ARE) = + + ARE Se esiste una soluzione di regime, essa deve essere soluzione della ARE. F. Previdi - Controlli Automatici - Lez
40 Quindi i problemi a cui dare risposta sono: La ARE ammette una soluzione semidefinita positiva? Se la precedente affermazione è valida, la soluzione della DRE converge proprio a quella soluzione? Se entrambe le precedenti affermazioni sono vere, il corrispondente predittore di Kalman sarà asintoticamente stabile? F. Previdi - Controlli Automatici - Lez
41 Nota sulla stabilità Come detto, se esiste 0, il guadagno sarà, cioè il guadagno di regime. Quindi le equazioni del predittore saranno: Quindi: + 1 = 1 + ( ) 1 = = = = = = ( ) 1 + matrice di stato Questo predittore è asintoticamente stabile se e solo se tutti gli autovalori della matrice sono strettamente interni al cerchio di raggio unitario. Nota bene: Se anche il sistema (di partenza) fosse instabile, cioè ha autovalori esterni al cerchio, può essere as. stabile, cioè la teoria di Kalman di regime può essere applicata anche a sistemi non asintoticamente stabili. F. Previdi - Controlli Automatici - Lez
42 12. Primo teorema di convergenza asintotica Ipotesi Il sistema è asintoticamente stabile (cioè la dentro il cerchio unitario) = 0 Tesi La ARE ha una ed una sola soluzione 0. ha autovalori strettamente Qualunque sia la condizione iniziale, purché semidefinita positiva, la soluzione della DRE converge asintoticamente a. Il predittore di regime è asintoticamente stabile (cioè ha autovalori strettamente dentro il cerchio unitario). Nota bene: L ipotesi è condizione sufficiente ma non necessaria. Ci può essere convergenza ad una soluzione semidefinita positiva anche in assenza di stabilità del sistema. F. Previdi - Controlli Automatici - Lez
43 13. Secondo teorema di convergenza asintotica Ipotesi (, ) è osservabile., è raggiungibile (dove è una matrice «radice quadrata» della varianza del rumore di processo, cioè = ) («raggiungibilità dal rumore»). = 0 Tesi La ARE ha una ed una sola soluzione > 0. Qualunque sia la condizione iniziale, purché semidefinita positiva, la soluzione della DRE converge asintoticamente a. Il predittore di regime è asintoticamente stabile (cioè ha autovalori strettamente dentro il cerchio unitario). Nota bene: Anche in questo caso la condizione è solo sufficiente. F. Previdi - Controlli Automatici - Lez
44 Nota sulla raggiungibilità del rumore L equazione di stato del sistema è + 1 = + ( ) con (0, ). Non c è un ingresso esogeno e quindi, a rigore, non ha senso parlare di raggiungibilità in senso stretto. Però, fattorizzare = corrisponde a riscrivere l equazione di stato così + 1 = + ( ) con (0, ). Infatti: = = = = = = [ ]. F. Previdi - Controlli Automatici - Lez
45 14. Filtro di Kalman Esteso (Extended Kalman Filter) E l utilizzo della teoria di Kalman per sistemi non lineari, almeno in via approssimata. Si consideri il sistema non lineare (stazionario, in prima ipotesi): + 1 = ( ) + ( ) = h + con ( ) (0, ) e 0,. E pensabile utilizzare uno schema simile a quello del predittore di Kalman nel caso lineare, basato cioè sul calcolo di ( ). F. Previdi - Controlli Automatici - Lez
46 Sistema v 1 (t) + + x(t+1) 1 z x(t) h ( ) v 2 (t) + + y(t) + f ( )? + ^ x(t+1 t) ^ ^ 1 x(t t-1) h ( ) z f ( ) e(t) Cosa si può mettere nel blocco del guadagno? Una funzione non lineare di ( )? ( )? Una funzione lineare ma tempo variante? ( )? + _ y(t t-1) Predittore di Kalman esteso F. Previdi - Controlli Automatici - Lez
47 La seconda strada è quella più semplice e naturale (perché è anche quella nota!). Per trovare un guadgno tempo-variante elementi tempo-varianti, cioè potrei risolvere la DRE usando per poi ottenere = + Problema: Cosa sono, ( )? Sono ottenuti per linearizzazione del sistema non lineare intorno alla traiettoria. Siccome non conosco lo stato uso la sua predizione al tempo, cioè 1 = ( ) ( ) ( ) = h( ) ( ) ( ) F. Previdi - Controlli Automatici - Lez
48 Quindi, ad ogni passo temporale bisogna: i. Calcolare, mediante linearizzazione intorno a ( 1), nota dal passo precedente. ii. Risolvere la DRE usando,, calcolando ( ) iii. Calcolare (sempre usando, ) + 1 = ( 1 ) + ( ) 1 = h 1 con = ( 1) Predittore di Kalman esteso F. Previdi - Controlli Automatici - Lez
49 15. Utilizzo del filtro di Kalman Esteso per la stima parametrica (identificazione a scatola grigia) Il filtro di Kalman esteso può essere utilizzato anche per l identificazione di parametri in modelli fisici (nel senso di non black-box). Si consideri il sistema + 1 = (, ) + ( ) = h, + con (0, ) e (0, ) Il problema è stimare il vettore di parametri. F. Previdi - Controlli Automatici - Lez
50 L idea è di considerare i parametri ignoti come ulteriori variabili di stato regolati dall equazione con (0, ) + 1 = + ( ) Nota bene Si ipotizza che il parametro sia una costante (il suo valore non cambia nel tempo). Si introduce quindi il vettore di stato esteso = ( ) ( ) F. Previdi - Controlli Automatici - Lez
51 Si può quindi risolvere il problema di filtraggio esteso per questo sistema + 1 = + ( ) = h + ( ) dove = (, ) ( ) h = h(, ) ( ) = ( ) ( ) 0 0, 0 0 F. Previdi - Controlli Automatici - Lez
52 Nota bene è un rumore che non esiste e quindi la scelta di può essere difficile. Tipicamente si sceglie incorrelato da e e con matrice di covarianza diagonale (cioè i rumori per ogni componente del vettore di parametri sono incorrelati). La scelta viene comunque fatta empiricamente, come per e. F. Previdi - Controlli Automatici - Lez
53 16. Matlab >> help kalman Attenzione che prima mette le istruzioni per il filtro a tempo continuo. [KEST,L,P] = kalman(sys,qn,rn,nn) dove x[n+1] = Ax[n] + Bu[n] + Gw[n] y[n] = Cx[n] + Du[n] + Hw[n] + v[n] SYS=SS(A,[B G],C,[D H], -1) è il sistema dove w è il rumore di processo e v è il rumore di misura. {State equation} {Measurements} Si noti che il rumore di processo insiste anche sull equazione di uscita (il termine Hw[n]. Per noi è sempre H=0). QN = E{ww'}, RN = E{vv'}, NN = E{wv } QN è la nostra V1 (a meno della G) RN è la nostra V2 NN è la nostra V12 VANNO SCELTE! SONO PARAMETRI DI PROGETTO!! F. Previdi - Controlli Automatici - Lez
54 Il comando fornisce KEST, L, P da usare nelle equazioni del filtro ( current ) o del predittore ( delayed ). L help di Matlab propone le seguenti equazioni. x[n+1 n] = Ax[n n-1] + Bu[n] + L (y[n] - Cx[n n-1] - Du[n]) y[n n] = Cx[n n-1] + Du[n] + My (y[n] - Cx[n n-1] - Du[n]) x[n n] = x[n n-1] + Mx (y[n] - Cx[n n-1] - Du[n]) La prima equazione è l equazione di stato del predittore ed L è il guadagno del filtro di regime. La seconda equazione ha quella forma perchè il rumore di processo è presente anche nell equazione di uscita (il termine Hw[n] ). Quando H=0 (il nostro caso) la seconda equazione diventa banale y[n n]=cx[n n] + Du[n] che è l uscita del filtro. F. Previdi - Controlli Automatici - Lez
55 Calcolare l uscita del predittore è analogo (e banale). Poco sotto nell help si trova infatti l equazione dell uscita del predittore. y[n n-1] = Cx[n n-1] + Du[n] La terza equazione è l equazione di stato del filtro e Mx è il guadagno di regime del filtro. KEST è un sistema dinamico con due ingressi [u(t); y(t)] e due uscite [xe(t); ye(t)] che sono stato e uscita del predittore o del filtro a seconda del valore del flag TYPE in ingresso. P è la soluzione dell equazione algebrica di Riccati. Nella sua forma complete il comando è il seguente [KEST,L,P,Mx,Z,My] = kalman(sys,qn,rn,...,type) F. Previdi - Controlli Automatici - Lez
56 Esiste anche il comando kalmd che calcola il filtro discreto direttamente per sistemi a tempo continuo (semplicemente discretizza il sistema a tempo continuo e poi applica il comando kalman). F. Previdi - Controlli Automatici - Lez
57 Utile anche il comando estim >> help estim EST = estim(sys,l) L è il guadagno del predittore di Kalman (ma non solo ). SYS è il sistema a cui si vuole applicare quel guadagno x[n+1] = Ax[n] + Bw[n] y[n] = Cx[n] + Dw[n] Come si nota, non ha ingressi deterministici ma solo stocastici. EST è un sistema dinamico che rappresenta il predittore ed ha come uscite x_e ed y_e, stato ed uscita del predittore. F. Previdi - Controlli Automatici - Lez
58 >> help dare Questo comando fornisce la soluzione della ARE (D sta per discrete ). [X,L,G] = dare(a,b,q,r,s,e) X è la nostra G è il nostro L è il vettore degli autovalori in anello chiuso A è la nostra B è la nostra Q è la nostra R è la nostra S per default è 0 E per default è 1 F. Previdi - Controlli Automatici - Lez
59 17. Esempio Si consideri il sistema dove + 1 = + ( ) = 2 + 0, 0,1 e incorrelati tra loro e con la condizione iniziale (1). Scrivere le espressioni del predittore di regime e del filtro di regime. F. Previdi - Controlli Automatici - Lez
60 =, = 2, =, = 1, = 0 Primo passo: scriviamo la DRE + 1 = ( + )( + ) = (4 + 1) = = (i termini di secondo grado si elidono sempre) + = + + F. Previdi - Controlli Automatici - Lez
61 Secondo passo: risolviamo la ARE Se la soluzione della DRE converge ad un valore, questo sarà certamente una soluzione della ARE = = = 0 che ha due soluzioni = 1 e = delle quali solo la prima è accettabile. Ma la soluzione convergerà? F. Previdi - Controlli Automatici - Lez
62 Terzo passo: verifica della convergenza Per sapere se c è convergenza ci sono due metodi: Analisi (grafica) diretta della DRE (metodo più complesso ma sempre utilizzabile) Teoremi asintotici (metodo molto più semplice ma non sempre applicabile) F. Previdi - Controlli Automatici - Lez
63 Analisi (grafica) diretta della DRE + 1 = Rappresento questa curva nel piano E una funzione omografica, caratterizzata da: - Un asintoto verticale (annullando il denominatore) - Un asintoto orizzontale (rapporto tra i coefficienti di grado massimo di numeratore e denominatore) - Un intersezione con l asse (imponendo + 1 = 0) - Un intersezione con l asse + 1 (imponendo = 0) Asintoto verticale: = = Asintoto orizzontale: = Intersezione asse in = Intersezione asse + 1 in + 1 = F. Previdi - Controlli Automatici - Lez
64 Come si usa questa curva? 1. Scelgo un valore iniziale 1 > 0 sull asse delle ascisse 2. Leggo sulla curva il corrispondente valore dell ordinata 2 e lo riporto sull asse delle ascisse. 3. Ripeto ottenendo 3, 4, 5, 4. Verifico se c è convergenza e se c e convergenza alla soluzione della ARE = 1 F. Previdi - Controlli Automatici - Lez
65 + 1 C e convergenza alla soluzione della ARE = Poi vedremo un metodo più furbo F. Previdi - Controlli Automatici - Lez
66 Applicazione teoremi asintotici Il primo teorema asintotico è applicabile: - Il sistema è asintoticamente stabile ( = ) - = 0 Quindi la convergenza è garantita. F. Previdi - Controlli Automatici - Lez
67 Quarto passo: calcolo del guadagno di regime Il guadagno del predittore di regime è = ( + ) = 1 2 2(4 + 1) = 1 5 Il guadagno del filtro di regime è = + = 2 5 F. Previdi - Controlli Automatici - Lez
68 Quinto passo: equazioni del predittore v 1 (t) + + x(t+1) 1 z x(t) 2 v 2 (t) + + y(t) ^ x(t+1 t) ^ ^ 1 x(t(t-1) 2 z e(t) + _ y(t t-1) + 1 = = 2 1 Calcoliamo la fdt F. Previdi - Controlli Automatici - Lez
69 La funzione di trasferimento del predittore si calcola dall ingresso (le misure usate per la stima) alla stima dello stato = = = = Che si può esprimere + 1 = = Si osservi che =. Il predittore è asintoticamente stabile. F. Previdi - Controlli Automatici - Lez
70 Sesto passo: equazioni del filtro - è invertibile - = 0 Quindi + 1 = Essendo invertibile = + 1 Quindi 1 = ovvero = F. Previdi - Controlli Automatici - Lez
71 Possiamo risolvere questo problema anche con Matlab. Definiamo il sistema. >> A=0.5;B=0;C=2;D=0;G=1;H=0; >> sys=ss(a,[b G],C,[D H],-1); Calcoliamo il guadagno del predittore di regime di Kalman >> [Kest,L,P]=kalman(sys,19/20,1,0); >> L L = >> P P = Se volessimo il guadagno del filtro di regime >> [KEST1,L1,P1,Mx] = kalman(sys,19/20,1,0,'current'); >> Mx Mx = F. Previdi - Controlli Automatici - Lez
IDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI (Prof. S. Bittanti) Ingegneria Informatica 10 CFU. Appello 11 Settembre 2014 Cognome Nome Matricola
IDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI (Prof. S. Bittanti) Ingegneria Informatica 10 CFU. Appello 11 Settembre 2014 Cognome Nome Matricola......... Verificare che il fascicolo sia costituito da
DettagliParte I Identificazione di modelli dinamici. 5: Analisi di sistemi dinamici alimentati da processi stazionari. Parte I 5, 1
Parte I 5, 1 Parte I Identificazione di modelli dinamici 5: Analisi di sistemi dinamici alimentati da processi stazionari Parte I 5, 2 Consideriamo un sistema dinamico lineare tempo-invariante con funzione
DettagliMetodi di identificazione
Metodi di identificazione Metodo di identificazione LS per sistemi ARX Sia yt un processo ARX generico con parametri ignoti: S: yt= B z A z ut 1 1 A z et ota: scegliere ut 1 è la scelta più generica possibile,
DettagliLezione 20: Stima dello stato di un sistema dinamico
ELABORAZIONE dei SEGNALI nei SISTEMI di CONTROLLO Lezione 20: Stima dello stato di un sistema dinamico Motivazioni Formulazione del problema Osservazione dello stato Osservabilità Osservatore asintotico
DettagliLezione 13 Maggio Ricapitolazione del Controllo Ottimo LQ
PSC: Progettazione di sistemi di controllo III rim. 2007 Lezione 13 Maggio 16 Docente: Luca Schenato Stesori: Comin, Dal Bianco,Fabris, Parmeggiani 13.1 Ricapitolazione del Controllo Ottimo LQ Ripassiamo
DettagliLezione 6. Assegnamento degli autovalori mediante retroazione dello stato. F. Previdi - Controlli Automatici - Lez. 6 1
Lezione 6. Assegnamento degli autovalori mediante retroazione dello stato F. Previdi - Controlli Automatici - Lez. 6 Schema della lezione. ntroduzione 2. Assegnamento degli autovalori con stato accessibile
DettagliEsercizi. Funzioni di trasferimento. Dato un sistema LTI descritto dalle equazioni di stato:
Esercizi 4, 1 Esercizi Funzioni di trasferimento Dato un sistema LTI descritto dalle equazioni di stato: Trasformando con Laplace si ottiene la seguente espressione per l uscita: Risposta libera Risposta
DettagliSOLUZIONE della Prova TIPO E per:
SOLUZIONE della Prova TIPO E per: Esame di FONDAMENTI DI AUTOMATICA (9 crediti): 6 dei 10 esercizi numerici (nell effettiva prova d esame verranno selezionati a priori dal docente) + domande a risposta
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 CFU) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 CFU) Prova scritta 29 gennaio 2018 SOLUZIONE ESERCIZIO 1. Si vuole realizzare un sistema robotico, costituito da un attuatore lineare che integra il circuito elettronico
DettagliTEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica
TEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica http://www.dii.unimore.it/~lbiagiotti/teoriasistemicontrollo.html Stima dello stato in presenza di disturbi: il
DettagliProprietà strutturali e leggi di controllo
Proprietà strutturali e leggi di controllo Retroazione statica dallo stato La legge di controllo Esempi di calcolo di leggi di controllo Il problema della regolazione 2 Retroazione statica dallo stato
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 crediti) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 crediti) Prova scritta 16 luglio 2014 SOLUZIONE ESERCIZIO 1. Dato il sistema con: si determinino gli autovalori della forma minima. Per determinare la forma minima
DettagliSOLUZIONE della Prova TIPO E per:
SOLUZIONE della Prova TIPO E per: Esame di FONDAMENTI DI AUTOMATICA (9 CFU): 6 degli 8 esercizi numerici + 4 delle 5 domande a risposta multipla (v. ultime due pagine) NOTA: nell effettiva prova d esame
DettagliCorso di Identificazione dei Modelli e Analisi dei Dati
Corso di Identificazione dei Modelli e Analisi dei Dati Prof. Sergio Bittanti Esercitazione di Laboratorio A.A. 2010-11 Sistemi dinamici lineari a tempo discreto 1. Si consideri il sistema dinamico a tempo
DettagliESERCIZIO 1 Si consideri il sistema con ingresso u(t) ed uscita y(t) descritto dalle seguenti equazioni
ESERCIZIO 1 Si consideri il sistema con ingresso u(t) ed uscita y(t) descritto dalle seguenti equazioni ẋ 1 (t) x 1 (t) + 3x 2 (t) + u(t) ẋ 2 (t) 2u(t) y(t) x 1 (t) + x 2 (t) 1. Si classifichi il sistema
DettagliSistemi LTI a tempo continuo
Esercizi 4, 1 Sistemi LTI a tempo continuo Equazioni di stato, funzioni di trasferimento, calcolo di risposta di sistemi LTI a tempo continuo. Equilibrio di sistemi nonlineari a tempo continuo. Esercizi
DettagliEsercizi. Sistemi LTI a tempo continuo. Esempio. Funzioni di trasferimento
Esercizi 4, 1 Esercizi Funzioni di trasferimento Dato un sistema LTI descritto dalle equazioni di stato: Esercizi 4, 2 Sistemi LTI a tempo continuo Trasformando con Laplace si ottiene la seguente espressione
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 CFU) (A.A. fino al 2017/2018) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 CFU) (A.A. fino al 2017/2018) Prova scritta 7 giugno 2019 SOLUZIONE ESERCIZIO 1. Si consideri il problema della regolazione di quota dell aerostato ad aria calda mostrato
DettagliCOMPITO DI ANALISI DEI SISTEMI Laurea in Ingegneria dell Informazione 13 Luglio 2010
COMPITO DI ANALISI DEI SISTEMI Laurea in Ingegneria dell Informazione 3 Luglio Esercizio. Si consideri il seguente sistema a tempo continuo: ẋ(t) = F x(t) = x(t), y(t) = Hx(t) = [ ] x(t), t. i) Si progetti,
DettagliTEORIA DELLA STABILITÀ. Esercizi con soluzione. G. Oriolo Dipartimento di Informatica e Sistemistica Università di Roma La Sapienza
TEORIA DELLA STABILITÀ Esercizi con soluzione G. Oriolo Dipartimento di Informatica e Sistemistica Università di Roma La Sapienza Esercizio 1 Si consideri il sistema non lineare descritto dalle seguenti
DettagliAPPUNTI SUL CONTROLLO PREDITTIVO
APPUNTI SUL CONTROLLO PREDITTIVO G. Picci a.a. 2007/2008 1 MPC per modelli I/O scalari Da scrivere... 2 MPC per modelli di stato Come visto in precedenza il calcolo del predittore dell uscita su cui basare
DettagliSol. Sia P = (x, y) un punto che soddisfa l equazione Y 2 = X 3 + ax + b. Ricordiamo che per definizione P = (x, y) è un punto regolare di E se
Teoria Elementare dei Numeri. Soluzioni Esercizi 5. Curve ellittiche. 1. Sia E una curva su R di equazione Y 2 = X 3 + ax + b. Verificare che è una curva regolare di R 2 (senza punti singolari) se e solo
DettagliStimatori dello stato
Capitolo. TEORIA DEI SISTEMI 5. Stimatori dello stato La retroazione statica dello stato u(k) = K x(k) richiede la conoscenza di tutte le componenti del vettore di stato. Tipicamente le uniche variabili
DettagliINGEGNERIA INFORMATICA
INGEGNERIA INFORMATICA FONDAMENTI DI AUTOMATICA 29/06/2017 Prof. Marcello Farina SOLUZIONI ESERCIZIO 1 Si consideri il sistema descritto dalle seguenti equazioni: A. Scrivere le equazioni del sistema linearizzato
DettagliAUTOMATICA I (Ingegneria Biomedica - Allievi da L a Z) Appello dell 8 luglio 2008: testo e soluzione
AUTOMATICA I (Ingegneria Biomedica - Allievi da L a Z) Appello dell 8 luglio 8: testo e soluzione Prof. Maria Prandini 1. Si consideri il sistema con ingresso u ed uscita y descritto dalle seguenti equazioni:
DettagliEsame di Controlli Automatici 30 Giugno 2016
. (8) Si consideri il sistema Esame di Controlli Automatici Giugno 26 { ẋ = 4 2 2 f ( )( 2 + 2 2 2 4) ẋ 2 = 2 f 2 ( 2 )( 2 + 2 2 2 4) in cui le funzioni continue f e f 2 hanno lo stesso segno dei loro
DettagliLezione 7.1. Introduzione al filtro di Kalman. F. Previdi - Controlli Automatici - Lez. 7.1
Lezione 7.1 Introduzione al filtro di Kalman 1 Schema della lezione 1. Filtraggio in senso stretto ed in senso lato 2. Introduzione alla teoria di Kalman Esempio 1 : controllo di portata in un dosatore
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 CFU) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 CFU) Prova scritta 9 giugno 2017 SOLUZIONE ESERCIZIO 1. Si consideri un altoparlante ad attrazione magnetica per la riproduzione sonora, rappresentato dalla seguente
DettagliFONDAMENTI DI AUTOMATICA 11 novembre 2018 Prima prova in itinere Cognome Nome Matricola
FONDAMENTI DI AUTOMATICA novembre 28 Prima prova in itinere Cognome Nome Matricola............ Verificare che il fascicolo sia costituito da 7 pagine compresi il foglio di carta semilogaritmica. Scrivere
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 CFU) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 CFU) Prova scritta 20 giugno 2017 SOLUZIONE ESERCIZIO 1. Si vuole realizzare un sistema di sorveglianza costituito da una flotta di droni di tipologia quadricottero.
DettagliCorso di Controllo Digitale Equazioni alle Differenze e Z-trasformate a
Corso di Controllo Digitale Equazioni alle Differenze e Z-trasformate a Università degli Studi della Calabria Corso di Laurea in Ingegneria Elettronica. Ing. Domenico Famularo a Proprietà Letteraria Riservata
DettagliIDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI 1 (Prof. S. Bittanti) Ingegneria Informatica 5 CFU. Appello 23 Luglio 2014 Cognome Nome Matricola
IDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI 1 (Prof. S. Bittanti) Ingegneria Informatica 5 CFU. Appello 23 Luglio 201 Cognome Nome Matricola............ Verificare che il fascicolo sia costituito da
DettagliSOLUZIONE della Prova TIPO F per:
SOLUZIONE della Prova TIPO F per: Esame di FONDAMENTI DI AUTOMATICA (9 crediti): 6 dei 10 esercizi numerici (nell effettiva prova d esame verranno selezionati a priori dal docente) + domande a risposta
DettagliESERCITAZIONE RIASSUNTIVA
ESERCITAZIONE RIASSUNTIVA ESERCIZIO 1 Si consideri il sistema lineare con funzione di trasferimento controllato da un relè con zona morta come mostrato in figura y e u N y -a 1 u -1 a e Noto che la funzione
DettagliProprietà strutturali e leggi di controllo
Proprietà strutturali e leggi di controllo sservabilità e rilevabilità Definizioni ed esempi introduttivi Analisi dell osservabilità di sistemi dinamici LTI Esempi di studio dell osservabilità sservabilità
Dettagli1 Alcuni risultati sulle variabili Gaussiane multivariate
Il modello lineare-gaussiano e il filtro di Kalman Prof. P.Dai Pra 1 Alcuni risultati sulle variabili Gaussiane multivariate In questo paragrafo verranno enunciate e dimostrate alcune proprietà del valor
DettagliMatrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe.
Matrici triangolari [Abate, 32] Definizione Una matrice A = a ij ) R m,n si dice triangolare superiore se a ij = 0 per ogni i > j; triangolare inferiore se a ij = 0 per ogni i < j Lezioni 05 e 06 Una matrice
DettagliIl filtro di Kalman stazionario e il regolatore LQG
Il filtro di stazionario e il regolatore LQG P. Valigi Ottimizzazione e Controllo 30 Aprile 2014 L estensione di KF al caso stazionario/intervallo infinito Nell estensione del filtro di ad intervallo infinito
DettagliFondamenti di Automatica (CL Ing. Gestionale) a.a Prof. Silvia Strada 3 Luglio 2014
Politecnico di Milano Fondamenti di Automatica (CL Ing. Gestionale) a.a.2013-14 Prof. Silvia Strada 3 Luglio 2014 Nome e Cognome:........................... Matricola........................... Firma............................................................................
DettagliTeoria Es. 1 Es. 2 Es.3 Es. 4 Totale. Cognome: Nome: Matricola: Prima Parte. x a dx
Teoria Es. Es. 2 Es. Es. 4 Totale Analisi e Geometria Appello 5/07/209 Docente: Numero di iscrizione all appello: Cognome: Nome: Matricola: Prima Parte (a) Prima domanda di teoria. ( punti) Enunciare e
DettagliNote sull algoritmo di Gauss
Note sull algoritmo di Gauss 29 settembre 2009 Generalità Un sistema lineare di m equazioni in n incognite x,..., x n è un espressione del tipo: a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n
Dettagli2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =
Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):
DettagliINGEGNERIA DELLE TELECOMUNICAZIONI
INGEGNERIA DELLE TELECOMUNICAZIONI FONDAMENTI DI AUTOMATICA Prof. Marcello Farina TEMA D ESAME Prima prova in itinere 07 maggio 014 Anno Accademico 013/014 ESERCIZIO 1 Si consideri il sistema S descritto
DettagliCorso di Laurea in Informatica/Informatica Multimediale Esercizi Analisi Matematica 2
a.a 2005/06 Corso di Laurea in Informatica/Informatica Multimediale Esercizi Analisi Matematica 2 Funzioni di due variabili a cura di Roberto Pagliarini Vediamo prima di tutto degli esercizi sugli insiemi
Dettagliiii) Si studi la raggiungibilità e l osservabilità dei seguenti sistemi:
Teoria dei Sistemi - 9 cfu - L.M. in Ingegneria dell Automazione Compito del /9/7 Esercizio Sia (F, g, H) un sistema discreto, raggiungibile e osservabile, con un ingresso e un uscita, e sia n(z) R(z)
DettagliIDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI (Prof. S. Bittanti) Ingegneria Informatica 10 CFU. Appello 07 Luglio 2014 Cognome Nome Matricola
IDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI (Prof. S. Bittanti) Ingegneria Informatica 10 CFU. Appello 07 Luglio 2014 Cognome Nome Matricola............ Verificare che il fascicolo sia costituito da
DettagliAnalisi nel dominio del tempo delle rappresentazioni in variabili di stato
4 Analisi nel dominio del tempo delle rappresentazioni in variabili di stato Versione del 21 marzo 2019 In questo capitolo 1 si affronta lo studio, nel dominio del tempo, dei modelli di sistemi lineari,
DettagliEsame scritto di Teoria dei Sistemi - Modena - 22 Giugno Domande
Esame scritto di Teoria dei Sistemi - Modena - Giugno 5 - Domande Per ciascuno dei seguenti test a risposta multipla segnare con una crocetta le affermazioni che si ritengono giuste. Alcuni test sono seguiti
DettagliPunti di massimo o di minimo per funzioni di n variabili reali
Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (
DettagliEsercitazione del Analisi I
Esercitazione del 0-- Analisi I Dott.ssa Silvia Saoncella silvia.saoncella 3[at]studenti.univr.it a.a. 0-0 Integrale di funzioni razionali Supponiamo di voler calcolare un integrale del tipo P () Q() d
DettagliEsercitazioni di Matematica Generale A.A. 2016/2017 Pietro Pastore Lezione del 25 Gennaio Studio di Funzione
Esercitazioni di Matematica Generale A.A. 2016/2017 Pietro Pastore Lezione del 25 Gennaio 2017 Studio di Funzione 1. Si consideri la funzione reale di variabile reale così definita f() = 2 + 4. (a) Determinare
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 CFU)
Esame di FONDAMENTI DI AUTOMATICA (9 CFU) Prova scritta 29 gennaio 2018 COGNOME e NOME: MATRICOLA: ESERCIZIO 1. Si vuole realizzare un sistema robotico, costituito da un attuatore lineare che integra il
DettagliSOLUZIONE DEGLI ESERCIZI DEL FOGLIO N. 7
SOLUZIONE DEGLI ESERCIZI DEL FOGLIO N. 7 Esercizio. Funzione da studiare: log( 3).. Dominio: dobbiamo richiedere che il denominatore non si annulli e che il logaritmo sia ben definito. Quindi le condizioni
DettagliEsame di Controlli Automatici 4 Febbraio 2016
Esame di Controlli Automatici 4 Febbraio 26. (7) Si consideri il seguente sistema non lineare ẋ αx 3 2( + x 2 + x 2 2) ẋ 2 βx 3 ( + x 2 + x 2 2) () e si studi la stabilità dell equilibrio nell origine
Dettagli1 Serie temporali. 1.1 Processi MA
1 Serie temporali Un processo stocastico 1 {X t, t T }, dove T = N o T = Z, si dice stazionario se (X 1,..., X n ) e (X k+1,...,x k+n ) hanno la stessa distribuzione per ogni n 1 e per ogni k T. Un processo
DettagliSOLUZIONE della Prova TIPO B per:
SOLUZIONE della Prova TIPO B per: Esame di FONDAMENTI DI AUTOMATICA (9 crediti): 6 dei 10 esercizi numerici (nell effettiva prova d esame verranno selezionati a priori dal docente) domande a risposta multipla
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliPROVA SCRITTA DI FONDAMENTI DI AUTOMATICA A.A. 2003/ luglio Soluzione
PROVA SCRITTA DI FONDAMENTI DI AUTOMATICA A.A. 23/24 2 luglio 24 Esercizio In riferimento allo schema a blocchi in figura. s r y 2 s y K s2 Domanda.. Determinare una realizzazione in equazioni di stato
DettagliPolitecnico di Milano. Prof. SILVIA STRADA Cognomi LF - PO SOLUZIONE
Politecnico di Milano Prof. SILVIA STRADA Cognomi LF - PO SOLUZIONE A.A. 25/6 Prima prova di Fondamenti di Automatica (CL Ing. Gestionale) 27 Novembre 25 ESERCIZIO punti: 8 su 32 Si consideri il sistema
DettagliTeoria dei sistemi di controllo
di controllo Sommario Si vuole trattare la teoria dei sistemi di controllo, partendo dai risultati ricavati dalla trattazione della teoria del controllo ottimo. In più rispetto a prima si estende e si
DettagliStimatori dello stato
Capitolo 5. OSSERVABILITÀ E RICOSTRUIBILITÀ 5. Stimatori dello stato La retroazione statica dello stato u(k) = K x(k) richiede la conoscenza di tutte le componenti del vettore di stato. Tipicamente le
DettagliPunti di equilibrio: sistemi tempo continui
Capitolo 3 ANALISI DELLA STABILITÀ 31 Punti di equilibrio: sistemi tempo continui Si consideri il seguente sistema tempo continuo: ẋ(t) A x(t) + B u(t) y(t) C x(t) + D u(t) I punti di equilibrio x 0 del
Dettagli8(+#.%0901.)#'2',(3'").%1'%% A"1.55'%1')(A','% :;=%>.#"1'%+',"+?'7'%%
8(+#.%09:;@8% %!"#$%&'($)%&*$%+&,$)-&)(&.&(&)/0-1%-23) (-++&(-),4%$+&(&#"&-.5-)%&*$%+&,-3) (&.&(&)/0-1%-2)4+'4+&3)#%-1&4.'4)+'$*-+2*$)
DettagliStabilità per i sistemi dinamici a tempo discreto
Parte 3, 1 Stabilità per i sistemi dinamici a tempo discreto Parte 3, 2 Stabilità: Le definizioni delle proprietà di stabilità per i sistemi dinamici a tempo discreto sono analoghe a quelle viste per i
DettagliSlide del corso di. Controllo digitale
Slide del corso di Controllo digitale Corso di Laurea in Ingegneria Informatica e dell Informazione Università di Siena, Dip. Ing. dell Informazione e Sc. Matematiche Parte IX Elementi di controllo ottimo
DettagliOsservatore di Luenberger
1 Osservatore di Luenberger In queste note verrà presentato l osservatore di Luenberger, uno stimatore dello stato per sistemi lineari. Si farà il caso di sistemi dinamici tempo-continui e tempo-discreti.
DettagliFondamenti di Automatica
Fondamenti di Automatica Controllo con retroazione dello stato Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. 39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Controllo
DettagliRaggiungibilità, Controllabilità, Osservabilità e Determinabilità
Raggiungibilità, Controllabilità, Osservabilità e Determinabilità Si determini se i sistemi lineari tempo invarianti ẋ(t) = Ax(t) + Bu(t), Σ c : y(t) = Cx(t) + Du(t). x(k + ) = Ax(k) + Bu(k), Σ d : y(k)
DettagliCompito numero 2 - Compito intero
Esercitazione 6 - Correzione esame dell 8//3 Lucia Pilleri 9//3 Compito numero - Compito intero Esercizio del parziale - del compito intero Risolvere, mediante la fattorizzazione P A = LU, il sistema lineare
DettagliProprietà Strutturali dei Sistemi Dinamici: Controllabilità e Raggiungibilità
Proprietà Strutturali dei Sistemi Dinamici: ontrollabilità e Raggiungibilità Ingegneria dell'automazione orso di Sistemi di ontrollo Multivariabile - Prof. F. Amato Versione 2.2 Ottobre 22 ontrollabilità
DettagliRette e piani in R 3
Rette e piani in R 3 In questa dispensa vogliamo introdurre in modo elementare rette e piani nello spazio R 3 (si faccia riferimento anche al testo Algebra Lineare di S. Lang). 1 Rette in R 3 Vogliamo
DettagliElementi di Teoria dei Sistemi. Sistemi dinamici a tempo discreto
Parte 2, 1 Elementi di Teoria dei Sistemi Sistemi dinamici a tempo discreto Introduzione e motivazione Parte 2, 2 Necessità di introdurre una nuova classe di sistemi dinamici: i sistemi dinamici a tempo
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliEsame di FONDAMENTI DI AUTOMATICA (6 CFU) / CONTROLLI AUTOMATICI SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (6 CFU) / CONTROLLI AUTOMATICI Prova scritta 8 settembre 2017 SOLUZIONE ESERCIZIO 1. Si consideri il seguente circuito elettrico passivo: Applicando le leggi di Kirchhoff
DettagliAnalisi Matematica I per Ingegneria Gestionale, a.a Secondo compitino e primo appello, 12 gennaio 2017 Testi 1
Secondo compitino e primo appello, gennaio 7 Testi Prima parte, gruppo.. Determinare l insieme di definizione della funzione arcsin(e ).. Determinare lo sviluppo di Taylor di ordine 4 (in ) della funzione
DettagliEsercitazione 05: Trasformata di Laplace e funzione di trasferimento
Esercitazione 05: Trasformata di Laplace e funzione di trasferimento 28 marzo 208 (3h) Fondamenti di Automatica Prof. M. Farina Responsabile delle esercitazioni: Enrico Terzi Queste dispense sono state
DettagliB = Si studi, giustificando sinteticamente le proprie affermazioni, la stabilità del sistema. si A = G(s) = Y f (s) U(s) = 1.
ESERCIZIO 1 Un sistema dinamico lineare invariante e a tempo continuo è descritto dall equazione differenziale che lega l ingresso all uscita:... y (t) + ÿ(t) + 4ẏ(t) + 4y(t) = u(t) 1. Si determinino le
DettagliLezione 7 29 Ottobre
PSC: Progettazione di sistemi di controllo a.a. 2010-2011 Lezione 7 29 Ottobre Docente: Luca Schenato Stesori: L. Schenato 7.1 Definizioni e proposizioni generali Si consideri lo spazio delle matrici semidefinite
DettagliCorso di Analisi Matematica. Polinomi e serie di Taylor
a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli
DettagliDiagonalizzazione di matrici: autovalori, autovettori e costruzione della matrice diagonalizzante 1 / 13
Diagonalizzazione di matrici: autovalori, autovettori e costruzione della matrice diagonalizzante 1 / 13 Matrici diagonali 2 / 13 Ricordiamo che una matrice quadrata si dice matrice diagonale se a ij =
DettagliEsercitazione 04: Sistemi a tempo discreto
18 marzo 2019 (3h) Fondamenti di Automatica Prof. M. Farina Responsabile delle esercitazioni: Enrico Terzi Queste dispense sono state scritte e redatte dal Prof. Alessandro Papadopoulos, Mälardalen University
Dettaglie non ci possono chiaramente essere minori di ordine più grande per cui il rango per minori è 2. Rango per pivot: Svolgiamo la riduzione
18 ottobre 2011 1. Per le matrici seguenti calcolare il rango per minori, il rango per pivot, il rango per righe ed il rango per colonne. Verificare che si ottiene sempre lo stesso numero. Determinare
DettagliCOMPITO A: soluzione
PROVA SCRITTA DI FONDAMENTI DI AUTOMATICA (PRIMA PARTE) A.A. 2005/2006 9 novembre 2005 nome e cognome: numero di matricola: Note: Scrivere le risposte negli spazi appositi. Non consegnare fogli aggiuntivi.
DettagliAppello di Febbraio. 17 Febbraio Fondamenti di Automatica Ingegneria Gestionale. Prof. Bruno Picasso
Appello di Febbraio 7 Febbraio 22 Fondamenti di Automatica Ingegneria Gestionale Prof. Bruno Picasso Esercizio Sia dato il seguente sistema dinamico: { ẋt) 2ut)xt) + e ut) x 2 t) + u 2 t) yt) xt).. Determinare
DettagliNome: Nr. Mat. Firma:
Controlli Automatici A - A.A. 26/7 Secondo Compito 8 Dicembre 26 - Esercizi Compito A Nr. a = b = Nome: Nr. Mat. Firma: Negli esercizi che seguono, si sostituisca ad a e b i valori assegnati e si risponda
DettagliUniversità di Trieste Facoltà d Ingegneria. Esercitazioni per la preparazione della prova scritta di Matematica 3 Dott.
Università di Trieste Facoltà d Ingegneria Esercitazioni per la preparazione della prova scritta di Matematica Dott Franco Obersnel Lezione 8: estremi vincolati Esercizio 1 Scomporre il numero 411 nella
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliProva Scritta di Robotica II. 5 Aprile 2005
Esercizio Prova Scritta di Robotica II 5 Aprile 005 Per il robot a due gradi di libertà RP in figura, in moto su un piano verticale (x, y), sono indicate le coordinate generalizzate q e q, le masse m ed
DettagliProva scritta di Controlli Automatici - Compito A
Prova scritta di Controlli Automatici Compito A 2 Aprile 2007 Domande a Risposta Multipla Per ognuna delle seguenti domande a risposta multipla, indicare quali sono le affermazioni vere. 1. Si considerino
DettagliEsercitazione su Filtraggio Adattativo (17 Giugno 2008)
Esercitazione su Filtraggio Adattativo 17 Giugno 008) D. Donno Esercizio 1: Stima adattativa in rumore colorato Una sequenza disturbante x n è ottenuta filtrando un processo bianco u n con un filtro FIR
Dettagliw 1 (z) = z2 z + 1 z 3 z 2 + z 1, w 2(z) = z2
Teoria dei Sistemi - 9 cfu - L.M. in Ingegneria dell Automazione Compito del 3///7 Esercizio Si considerino le funzioni di trasferimento (a tempo discreto) w (z) = z z + z 3 z + z, w (z) = z z 3 (.) (i)
DettagliCorso interno di Matematica compito scritto del n n+1
Corso interno di Matematica compito scritto del 4.07.05 1. Dire se la serie converge e giustificare la risposta. n=1 1 n n+1 n Soluzione: Il criterio della radice o del rapporto falliscono; proviamo col
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 CFU) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 CFU) Prova scritta 13 luglio 2017 SOLUZIONE ESERCIZIO 1. I moderni robot industriali con funzionalità collaborative (i.e. co-esistenza e interazione sicura tra umani
DettagliSOLUZIONE della Prova TIPO A per:
SOLUZIONE della Prova TIPO A per: Esame di FONDAMENTI DI AUTOMATICA (9 crediti): 6 dei 10 esercizi numerici (nell effettiva prova d esame verranno selezionati a priori dal docente) + domande a risposta
DettagliApplicazioni eliminazione di Gauss
Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare
DettagliRicevimento del 19 Gennaio 2011
Ricevimento del 9 Gennaio 20 Davide Boscaini Queste sono le note del ricevimento del 9 Gennaio. Per gli errori fatti a lezione ho preferito scrivere queste poche pagine, con l auspicio di una maggiore
DettagliControllabilità e raggiungibilità
TDSC Parte 4, 1 Controllabilità e raggiungibilità Definizioni e proprietà per i sistemi dinamici TDSC Parte 4, 2 Definizioni generali Che cosa si intende per controllabilità o per raggiungibilità?! Facendo
DettagliMassimi e minimi relativi in R n
Massimi e minimi relativi in R n Si consideri una funzione f : A R, con A R n, e sia x A un punto interno ad A. Definizione: si dice che x è un punto di massimo relativo per f se B(x, r) A tale che f(y)
Dettagli