Lezione 14 Maggio 17
|
|
- Ada Cavaliere
- 5 anni fa
- Visualizzazioni
Transcript
1 PSC: Progettazione di sistemi di controllo III Trim Lezione 14 Maggio 17 Docente: Luca Schenato Stesori: Comin, Dal Bianco,Fabris, Parmeggiani 14.1 Controllo ottimo LQG Consideriamo il sistema lineare: x k+1 = Ax k + Bu k + w k y k = Cx k + v k (14.1) dove w k N(0, Q) e v k N(0, R) sono rispettivamente gli errori di modello e di uscita. Sia inoltre [ T 1 J T (x 0, u) = E (x T k W x k + u T k Uu k ) + x T T W T x T (14.2) k=0 la funzione costo, con W, U, W T matrici quadrate semidenite positive. Il problema consiste nella scelta degli ingressi u k per k = 0,..., T 1 che rendono minimo il funzionale J T, ovvero: J T (x 0 ) = min u k J T (x 0, u) Denendo la nuova funzione vale la relazione V k (x k ) min u E[x T k W x k + u T k Uu k + V k+1(x k+1 ) U k+1, Y k J T (x) = V 0 (x k ) Usando l'operatore duale per il tro Riccati S k denita in precedenza S k = Φ d (S k+1 ) si ottiene in cui si pone c k è uguale a V k (x k ) = E [ x T k S k x k U k 1, Y k + ck S T = W T, c T = 0 c k = c k+1 + tr (QS k+1 ) + tr ( P k k (A T S k A + W S k+1 ) ) 14-1
2 Sostituendo nella funzione costo si ricava: JT (x 0 ) = E [ T 1 x T 0 S 0 x 0 y 0 + tr (QS k+1 ) + tr ( P k k (A T S k A + W S k+1 ) ) L'equazione del controllore risulta u k = L kˆx k k dove ˆx k k è la stima del ltro di Kalman ˆx k k = Aˆx k 1 k 1 + Bu k 1 + K k k (y k CAˆx k 1 k 1 ) k=0 con K k k = f(p k k 1 ) P k+1 k = φ(p k k 1 ) Figura Si consideri ora il caso di avere un orizzonte. Per T : J (x 1 0 ) = lim T T J T (x 0 ) S k < M, P k k < Se S k S e se P k k P, la funzione costo esiste e vale J (x 0 ) 1 T E [ x T 0 S 0 x 0 y 0 + tr(qs ) + tr(p (A T S A + W S )) da cui visto che il primo termine tende a zero per T J (x 0 ) +tr(qs ) + tr(p (A T S A + W S )) 14-2
3 ovvero L k L LQ, K k k K klm Il regolatore LQG allora diventa tempo invariante ed è paragonabile a una funzione di trasferimento. Il prossimo passo è chiedersi cosa succede se non c'è un canale ideale tra l'uscita del processo y e l'ingresso del regolatore, per esempio se è presente una rete di comunicazione che introduce perdite di pacchetti e ritardi aleatori. u k Figura La funzione costo diventa: [ Vk (x k ) = min E x T k W x k + u T k Uu k + Vk+1(x k+1 ) U k 1, Ỹ k t, γ k In questa congurazione vale ancora il principio di separazione fra controllore e stimatore:la prestazione sicuramente degrada e il ltro di Kalman avrà memoria nita e sarà tempo variante anche a orizzonte innito. Ci mettiamo ora nel caso in cui ci sia una rete di comunicazioni anche tra il controllore e l'attuatore: 14-3
4 Figura Consideriamo per ora solo il caso con perdita di pacchetti deniamo { 1 se il pacchetto arriva ν k = 0 se il pacchetto non arriva Ovviamente se ν k = 1, u a k = uc k, ovvero l'ingresso all'attuatore è quello calcolato dal controllore. Se ν k = 0 ci sono varie possibilità di scelta: u a k = 0: l'attuatore fornisce un ingresso al processo nullo; u a k 1: viene mantenuto l'ingresso precedente; u a k = pua k 1 + (1 p)0, con p [0, 1: l'ingresso al processo è una combinazione lineare dei due casi precedenti. Esistono inoltre alcune strategie alternative per ovviare al problema: 1. Spostare il regolatore all'attuatore (non sempre possibile) 2. Implementare il predittore u c k all'attuatore e porre quindi u a k = ûc k k (congurazione particolarmente dicile e onerosa) 3. Mandare dal controllore un pacchetto con: u c k k, uc k+1 k,..., uc k+t k, con T orizzonte di predizione (l'attuatore utilizza poi l'ingresso predetto dal controllore all'istante corrispondente se il pacchetto viene perso) 14-4
5 Caso 1 É possibile usare una architettura del tipo di Figura 11.4 Figura dove c'è la possibilità di costruire il regolatore ottimo data l'architettura utilizzata. La soluzione migliore resta comunque quella di mandare le misure in uscita dal processo direttamente alla rete di comunicazione. Se vengono mandate invece le stime, riferendosi alla Figura 11.5 nel blocchetto Kalman tempo-variante con memoria nita l'equazione diventa: Figura ˆx a k k = A k hˆx s h h + A k h 1 Bu a h + A k h 2 Bu a h Bu a k 1 Fino all'istante h-esimo si hanno a disposizione le misure, che vengono quindi considerate come condizioni iniziali per la stima al sensore. Da queste si ricalcola la stima attuale ottima all'attuatore partendo da ˆx s h h e utilizzando gli ingressi no all'istante precedente. 14-5
6 Caso 2 In questo caso il problema è piuttosto complicato: non si riescono a progettare le matrici A, B, C, D del caso lineare tempo-invariante; per esempio c'è aleatorietà anche solo nella dimensione della matrice A. Caso 3 In questo caso inne non c'è nulla da progettare, in quanto l'architettura stessa fornisce già l'informazione necessaria su come adattare l'orizzonte temporale di predizione. Si suppone ora il caso semplice di realizzazione di Figura 11.6 Le stime sono date da Figura ˆx k k = E [x k y k,..., y 0, γ k,, γ 0, ν k 1,, ν 0 = Aˆx k 1 k 1 + Bu a k 1 + K k k (y k CAˆx k 1 k 1 ) Le matrici di varianza di errore di predizione P k+1 k e di aggiornamento P k k non cambiano. Se si ha a disposizione la sequenza ν k, si conosce esattamente l'ingresso al processo all'istante precedente k 1. Quest' informazione viene quindi utilizzata come ingresso al regolatore che è costituito da un ltro di Kalman tempo variante e il controllore ottimo LQ e la stima all'istante k risulta ˆx k k = Aˆx k 1 k 1 + Bν k 1 u c k 1 + K k k (y k CAˆx k 1 k 1 ) 14-6
7 Per il controllo LQG vale ancora [ T J T = E x T k W k x k + u a kt Uu a k k=0 con u k = f k (y k, y k 1,..., y 0, ν k 1,..., ν 0, u c k 1,..., uc 0). Vale ancora il principio di separazione, con l'unica dierenza che come si vede da Figura 11.7 Figura il vettore L dei guadagni del controllore è dato dalla funzione S = φ d, ν (S ), con ν = P[ν k = 1 e φ d, ν duale di φ λ. Nel caso non ci sia informazione sulla sequenza di ingressi no all'istante k 1, la cosa migliore da fare è realizzare lo stimatore come ˆx k k = Aˆx k 1 k 1 + B νu c k 1 + K k k (y k CAˆx k 1 k 1 ) ˆx k+1 k = Aˆx k k + νbu c k e k+1 k = x k+1 ˆx k+1 k = Ae k k + (ν k ν)bu c k + w k P k+1 k = f(p k k, u c k) In questo caso però non vale più il principio di separazione in quanto J T non è più lineare, e l'ottimizzazione di L e K non è più un problema di ottimizzazione convessa. 14-7
Lezione 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
DettagliSi consideri il seguente sistema lineare stocastico:
PSC: Progettazione di sistemi di controllo III Trim. 2006 Lezione 7 Maggio 4 Docente: Luca Schenato Stesore: Enrico Magon, Luca Parolini, Michele Nicetto 7.1 Stimatori in NCS soggetti a perdita di pacchetti
DettagliPSC: Progettazione di sistemi di controllo III Trim Lezione 4 Aprile 26
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 4 Aprile 26 Docente: Luca Schenato Stesori: L. Schenato 4.1 Denizioni e proposizioni generali Si consideri lo spazio delle matrici semidenite
DettagliLezione 2 Aprile 19, Il filtro di Kalman: derivazione delle equazioni
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 2 Aprile 19, 2007 Docente: Luca Schenato Stesori: Schenato 2.1 Il filtro di Kalman: derivazione delle equazioni Si consideri il modello
DettagliLezione 6 3 Maggio Stimatori con guadagno costante soggetti a perdita di pacchetti
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 6 3 Maggio 2007 Docente: Luca Schenato Stesori: L. Schenato 6.1 Stimatori con guadagno costante soggetti a perdita di pacchetti Si consideri
DettagliLezione Febbraio Principio del modello interno (Generalizzazione regolazione integrale)
LabCont1: Laboratorio di Controlli 1 II Trim 2007 Lezione 12 22 Febbraio Docente: Luca Schenato Stesori: Giulio Zuita Bottegal, Enrico Bonobo Lovisari, Riccardo Kako Fabbris 121 Principio del modello interno
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
DettagliIDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 41: Filtro di Kalman - soluzione. Un problema di ottimo
IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 41: Filtro di Kalman - soluzione Soluzione Equazione di Riccati Filtro di Kalman e ricostruzione dello stato Un problema di ottimo 41-1 Soluzione
DettagliLezione Novembre 2010
PSC: Progettazione di sistemi di controllo aa 2010-2011 Lezione 14 16 Novembre 2010 Docente: Luca Schenato Stesori: Guido Albertin, Elena Toffoli, Giancarlo Baldan 141 Algoritmi di Consensus Con il termine
DettagliPSC: Progettazione di sistemi di controllo III Trim Lezione 23 4 Giugno. Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 23 4 Giugno Docente: Luca Schenato Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio 23.1 Problema del consensus: analisi worst-case
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
DettagliLezione 16 7 Marzo Modello quantizzatore. LabCont1: Laboratorio di Controlli 1 II Trim Docente: Luca Schenato
LabCont1: Laboratorio di Controlli 1 II Trim. 2007 Lezione 16 7 Marzo Docente: Luca Schenato Stesori: C. Trinca, G. Gropuzzo, L. Antoniazzi, M. Favaro 16.1 Modello quantizzatore Come è ben noto il quantizzatore
DettagliESAME di OTTIMIZZAZIONE Corso di Laurea Magistrale in Ingegneria Gestionale 1 o anno
SIMULAZIONE ESAME di OTTIMIZZAZIONE 27 Gennaio 21 ESAME di OTTIMIZZAZIONE Corso di Laurea Magistrale in Ingegneria Gestionale 1 o anno Cognome : Nome : Esercizio 1. Si consideri il seguente problema: min
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
DettagliCenni sul filtro di Kalman e il Recupero di Robustezza con la Tecnica LQG/LTR. Docente Prof. Francesco Amato
Cenni sul filtro di Kalman e il Recupero di Robustezza con la ecnica LQG/LR Docente Prof. Francesco Amato Ingegneria dell'automazione Corso di Sistemi di Controllo Multivariabile - Prof. F. Amato Versione.
DettagliRICERCA OPERATIVA (9 cfu)
a PROVA scritta di RICERCA OPERATIVA (9 cfu) gennaio Cognome Nome Ai fini della pubblicazione (cartacea e elettronica) del risultato ottenuto nella prova di esame, autorizzo al trattamento dei miei dati
DettagliANALISI DELLE SERIE STORICHE
ANALISI DELLE SERIE STORICHE De Iaco S. s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA 24 settembre 2012 Indice 1 Funzione di
DettagliEsercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
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
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
DettagliIDENTIFICAZIONE 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
DettagliSmith Predictor POLITECNICO DI BARI INGEGNERIA INFORMATICA L.M. METODI DI CONTROLLO PER I SISTEMI DI ELABORAZIONE E COMUNICAZIONE
POLITECNICO DI BARI INGEGNERIA INFORMATICA L.M. METODI DI CONTROLLO PER I SISTEMI DI ELABORAZIONE E COMUNICAZIONE Smith Predictor A cura di: Angelo Antonio Salatino aas88ie@gmail.com Ultima revisione:
DettagliLezione 5 01 Febbraio. 5.1 Richiami di controlli automatici
LabCont1: Laboratorio di Controlli 1 II Trim. 2007 Lezione 5 01 Febbraio Docente: Luca Schenato Stesori: Lago Paolo, Maso GIulia, Segato Giordano 5.1 Richiami di controlli automatici 5.1.1 Progettazione
DettagliSistemi Lineari. Andrea Galasso
Sistemi Lineari Andrea Galasso Esercizi svolti Teorema. (Rouché-Capelli. Un sistema lineare Ax = b ammette soluzioni se e solo se il rango della matrice dei coefficienti A è uguale al rango della matrice
DettagliRicerca Operativa a.a : IV appello
Ricerca Operativa a.a. 2015-2016: IV appello (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 5 settembre 2016 Regole per l esame: la violazione delle seguenti regole comporta
DettagliProposizione 2 Il polinomio minimo di t corrisponde all annullatore minimale di M V.
Fogli NON riletti. Grazie per ogni segnalazione di errori. L esempio qui sviluppato vuole mostrare in concreto il significato dei risultati trattati a lezione e qui velocemente riassunti. Si assume che
DettagliControlli Automatici I
Ingegneria Elettrica Politecnico di Torino Luca Carlone Controlli Automatici I LEZIONE V Sommario LEZIONE V Proprietà strutturali Controllabilità e raggiungibilità Raggiungibilità nei sistemi lineari Forma
DettagliProblema 1 Sia data la seguente successione: n 1. i=1. Riscriviamo la successione nel seguente modo
Lezione - Algebra Problema Sia data la seguente successione: n a = 9, a n = 9 + a i a n R n N, n Determinare a 000. i= Riscriviamo la successione nel seguente modo n a n = 9 + a n + a i = 9 + a n + (a
Dettagli1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44;
1) Data la seguente istanza di TSP (grafo completo con 5 nodi): c 12 = 52; c 13 = 51; c 14 = 40; c 15 = 53; c 23 = 44; c 24 = 15; c 25 = 12; c 34 = 32; c 35 = 55; c 45 = 24 Si calcoli l ottimo duale (formulazione
DettagliIntroduzione ai filtri digitali
ARSLAB - Autonomous and Robotic Systems Laboratory Dipartimento di Matematica e Informatica - Università di Catania, Italy santoro@dmi.unict.it Programmazione Sistemi Robotici Sistemi, misura e predizione
DettagliNome, Cognome: punti corrispondono alla nota massima.
Nome Cognome: Gli esercizi 11 e 12 sono obbligatori il terzo esercizio deve essere scelto tra 13 e 14 10 punti corrispondono alla nota massima 12 novembre 2016 ing Ivan Furlan 1 11 Sistema di controllo
DettagliOld Faithful, Yellowstone Park. Statistica e biometria. D. Bertacchi. Dati congiunti. Tabella. Scatterplot. Covarianza. Correlazione.
Coppie o vettori di dati Spesso i dati osservati sono di tipo vettoriale. Ad esempio studiamo 222 osservazioni relative alle eruzioni del geyser Old Faithful. Old Faithful, Yellowstone Park. Old Faithful
DettagliLezione 17 Maggio 23
PSC: Progettazione di sistemi di controllo III rim. 2007 Lezione 17 Maggio 23 Docente: Luca Schenato Stesori: Comin, Dal Bianco, Fabris, Parmeggiani 17.1 Consensus 17.1.1 Nozioni preliminari L idea dell
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
Dettagliiii) uno stimatore il cui errore di stima converga a zero più rapidamente della successione ;
Teoria dei Sistemi - 9 cfu - L.M. in Ingegneria dell Automazione Compito del 4//7 Esercizio Si consideri il sistema lineare discreto Σ = (F, G, H) con F = 3 4 5, G =, H = 4 6 6 Si stabilisca se esiste,
DettagliLezione 6 7 Febbraio. 6.1 Progettazione nel dominio della frequenza
LabCont: Laboratorio di Controlli II Trim. 2007 Lezione 6 7 Febbraio Docente: Luca Schenato Stesori: Fiorio Giordano e Guiotto Roberto 6. Progettazione nel dominio della frequenza Il metodo più usato per
DettagliControllo LQG/LTR di un Aereo. Corso di Controllo Multivariabile Prof. Francesco Amato
Controllo LQG/LTR di un Aereo Corso di Controllo Multivariabile Prof. Francesco Amato Cenni di Dinamica del Volo: Variabili del Moto Cenni di Dinamica del Volo: Assi di Riferimento Superfici di Controllo
DettagliVETTORIALE E PRODOTTO MISTO. PIANI E RETTE DI
Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) PRODOTTO VETTORIALE E PRODOTTO MISTO. PIANI E RETTE DI R 3. FASCI E STELLE. FORMULE
DettagliTeoria degli Osservatori e Stabilizzazione con Retroazione di Uscita. Docente Prof. Francesco Amato
Teoria degli Osservatori e Stabilizzazione con Retroazione di Uscita Docente Prof. Francesco Amato Ingegneria dell'automazione Corso di Sistemi di Controllo Multivariabile - Prof. F. Amato Versione 1.3
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
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
DettagliSistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
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
DettagliESERCIZI MATEMATICA GENERALE - Canale III
ESERCIZI MATEMATICA GENERALE - Canale III Vettori Prof. A. Fabretti 1 A.A. 009/010 1 Dati in R i vettori v = (1,,, u = (,, 1 e w = (,, calcolare: a la combinazione lineare u + v + 4 w b il prodotto scalare
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.
DettagliOTTIMIZZAZIONE LINEARE MULTICRITERIO
OTTIMIZZAZIONE LINEARE MULTICRITERIO NOTAZIONE Siano x ed y vettori di R n indicati estesamente con x x x x 1 Μ i Μ n, y y1 Μ yi Μ y n e si ponga N = {1,2,, n}. Scriveremo allora: x y ( x è diverso da
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
DettagliProprietà strutturali e leggi di controllo. Stima dello stato e regolatore dinamico
Proprietà strutturali e leggi di controllo Stima dello stato e regolatore dinamico Stima dello stato e regolatore dinamico Stimatore asintotico dello stato Esempi di progetto di stimatori asintotici dello
DettagliL analisi media-varianza
L analisi media-varianza Pierpaolo Montana Università di Roma I Consideriamo un agente con preferenze di tipo VNM e funzione di utilità quadratica u(x) = x b x. La corrispondente espressione dell utilità
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
DettagliCorso di Geometria Meccanica, Elettrotecnica Esercizi 11: soluzioni
Corso di Geometria 0- Meccanica Elettrotecnica Esercizi : soluzioni Esercizio Scrivere la matrice canonica di ciascuna delle seguenti trasformazioni lineari del piano: a) Rotazione di angolo π b) Rotazione
DettagliControlli Automatici
Controlli Automatici (Prof. Casella) I Prova in Itinere - 21 Novembre 2005 Soluzioni Esercizio 1 Con riferimento al seguente sistema dinamico: ẋ 1 = x 1 x 2 2x 3 ẋ 2 = 2x 2 x 3 ẋ 3 =x 2 2x 3 u y=x 2 x
DettagliCorso di Geometria BIAR, BSIR Esercizi 3: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Rango e teorema di Rouché-Capelli Esercizio. Calcolare il rango di ciascuna delle seguenti matrici: ( ) ( ) ( ) A =, A =, A =, A 4 = ( ). a a a Soluzione.
DettagliCalcolo delle Probabilità e Statistica, Ing. Informatica e dell Automazione 22/2/2011
Calcolo delle Probabilità e Statistica, Ing. Informatica e dell Automazione //0 Il seguente esercizio va svolto su questo foglio prestampato. Esercizio. In un urna ci sono 8 palline etichettate con numeri
DettagliPolinomio di Taylor del secondo ordine per funzioni di due variabili
Esercitazioni del 15 aprile 2013 Polinomio di Taylor del secondo ordine per funzioni di due variabili Sia f : A R 2 R una funzione di classe C 2. Fissato un p unto (x 0, y 0 A consideriamo il seguente
DettagliCOMPITO DI RICERCA OPERATIVA. min 2x 1 x 2 + x 3 x 4 x 1 x 2 + x 3 + x 4 = 5 x 1 + x 2 + x 3 3. x 1, x 2, x 3, x 4, x 5 I
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (8 punti) Sia dato il seguente problema di PL: min x x + x x 4 x x + x + x 4 = 5 x + x + x x, x, x, x 4 0 Lo si trasformi in forma standard ( punto). Si determini
DettagliLe condizioni di Karush-Kuhn-Tucker
Capitolo 9 Le condizioni di Karush-Kuhn-Tucker 9. Introduzione In questo capitolo deriveremo le condizioni necessarie di Karush-Kuhn-Tucker (KKT) per problemi vincolati in cui S è descritto da vincoli
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
Dettagli{ 1 per t = 0 u(t) = 0 per t 0. 2) Quali sono la funzione di trasferimento e la dimensione di Σ 2? 2 = (F 2 + g 2 K, g 2, H 2 )?
Teoria dei Sistemi - 9 cfu - L.M. in Ingegneria dell Automazione Compito del 4/2/26 Esercizio I sistemi discreti con un ingresso e un uscita Σ = (F, g, H ) e Σ 2 = (F 2, g 2, H 2 ) sono entrambi raggiungibili
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Modello Lognormale La funzione di densità di probabilità lognormale è data:
Il Modello Lognormale La funzione di densità di probabilità lognormale è data: ( ln x a) 1 f ( x ) = exp x > 0 X b x b π in cui a e b sono due costanti, con b> 0. Se X è una v.a. lognormale allora Y lnx
DettagliFACOLTA DI ECONOMIA ESAME SCRITTO DI RICERCA OPERATIVA. Verona, 5 Febbraio , : ; ;,, trovare il punto di
Verona, Febbraio 99 ) Dato il problema min( cx + cx ) x+ x x = x + x x = ax + x x = x i 0 i =,... a) dire, giustificando, per quali valori di c, c ed a in una soluzione ammissibile si ha x =x =/; la soluzione
DettagliRaggiungibilità e controllabilità
Capitolo. TEORIA DEI SISTEMI 4. Raggiungibilità e controllabilità Raggiungibilità. Il problema della raggiungibilità consiste nel determinare l insieme di stati raggiungibili a partire da un dato stato
Dettagli3. Trovare, se esiste, una funzione di ingresso che porti il sistema da x(0) = x allo stato 0.
Esempio Per il sistema a tempo discreto x(k + ) = Ax(k) + Bu(k) avente: A =, B =, si considerino i seguenti quesiti:. Il sistema è raggiungibile? è controllabile?. Lo stato x = [ ] è raggiungibile? è controllabile?.
DettagliAlgoritmo di stima minimi quadrati ricorsivi per sistemi con ingressi e uscite vettoriali
Algoritmo di stima minimi quadrati ricorsivi per sistemi con ingressi e uscite vettoriali Lorenzo Magliocchetti Arrigo Marchiori Michele Marino Ottobre 2006 Sommario Lo scopo di questo documento è ricavare
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (69AA) A.A. 06/7 - Prova del 07-07-07 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate. Problema
DettagliGeometria BAER Test di autovalutazione del 31/10/18
Geometria BAER Test di autovalutazione del 3//8 LEGGERE ATTENTAMENTE PRIMA DI ANDARE ALL INIZIO DEL TEST ALLA PAGINA SUCCESSIVA. NON LEGGERE LE DOMANDE PRIMA DI INIZIARE IL TEST Il test NON É VALUTATO
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliAnalisi Numerica. Debora Botturi ALTAIR. Debora Botturi. Laboratorio di Sistemi e Segnali
Analisi Numerica ALTAIR http://metropolis.sci.univr.it Argomenti Argomenti Argomenti Rappresentazione di sistemi con variabili di stato; Tecniche di integrazione numerica Obiettivo: risolvere sistemi di
Dettagli7.1. Esercizio. Assegnata l equazione differenziale lineare di primo
ANALISI MATEMATICA I Soluzioni Foglio 7 14 maggio 2009 7.1. Esercizio. Assegnata l equazione differenziale lineare di primo ordine y + y = 1 determinarne tutte le soluzioni, determinare la soluzione y(x)
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
DettagliIDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI 1 (Prof. S. Bittanti) Ingegneria Informatica 5 CFU. Appello 27 Luglio 2016 Cognome Nome Matricola
IDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI 1 (Prof. S. Bittanti) Ingegneria Informatica 5 CFU. Appello 27 Luglio 2016 Cognome Nome Matricola............ Verificare che il fascicolo sia costituito da
DettagliFondamenti di Data Processing
Fondamenti di Data Processing Vincenzo Suraci Automazione INTRODUZIONE AL DATA PROCESSING ACQUISIZIONE DATI SCHEMA COSTRUTTIVO SCHEDA INPUT OSCILLATORE A FREQUENZA COSTANTE BANDA PASSANTE ACCORDATA AL
DettagliUniversità degli Studi di Roma La Sapienza
Università degli Studi di Roma La Sapienza Dipartimento di Informatica e Sistemistica A. Ruberti Proff. Gianni Di Pillo and Laura Palagi Note per il corso di OTTIMIZZAZIONE (a.a. 2007-08) Dipartimento
DettagliVETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I VETTRORI E MATRICI (RICHIAMI) Ad ogni matrice quadrata a coefficienti reali è possibile associare un numero reale, detto determinante, calcolato
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,
DettagliEsercizi di Formulazione e di calcolo dell'equilibrio
Politecnico di Milano, Corso di Modellistica e Simulazione Esercizi di Formulazione e di calcolo dell'equilibrio 1 La scuola 1.1 il problema Una scuola permette agli studenti di diplomarsi dopo 3 anni
DettagliAnalisi Numerica. Debora Botturi ALTAIR. Debora Botturi. Laboratorio di Sistemi e Segnali
Analisi Numerica ALTAIR http://metropolis.sci.univr.it Argomenti Rappresentazione di sistemi con variabili di stato; Tecniche di integrazione numerica Obiettivo: risolvere sistemi di equazioni differenziali
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
Dettagli3) Stimatore dello stato di ordine ridotto :
Capitolo. TEORIA DEI SISTEMI 5. 3) Stimatore dello stato di ordine ridotto : Gli stimatori asintotici dello stato di ordine intero forniscono una informazione ridondante, in quanto non tengono conto che
DettagliPer esempio, una matrice 4 4 triangolare alta ha la forma. 0 a. mentre una matrice di ordine 4 triangolare bassa è del tipo
Matrici triangolari Prima di esporre il metodo LU per la risoluzione di sistemi lineari, introduciamo la nozione di matrice triangolare Ci limiteremo al caso di matrici quadrate anche se l estensione a
DettagliNome, Cognome: punti corrispondono alla nota massima.
Nome ognome: Gli esercizi 11 e 12 sono obbligatori il terzo esercizio deve essere scelto tra 13 e 14 10 punti corrispondono alla nota massima 6 dicembre 2012 ing Ivan Furlan 1 11 Sistema per sollevare
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)
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)
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
DettagliControlli Automatici
Controlli Automatici (Prof. Casella) I Prova in Itinere - 21 Novembre 2008 Soluzioni Domanda 1 Con riferimento al seguente sistema: ẋ 1 = x 1 ẋ 2 = 2 x 1 x 2 u ẋ 3 =x 1 5 x 2 x 3 y=3 x 1 2 x 2 1.1 Valutare
Dettagli7.9 Il caso vincolato: vincoli di disuguaglianza
7.9 Il caso vincolato: vincoli di disuguaglianza Il problema con vincoli di disuguaglianza: g i (x) 0, i = 1,..., p, (51) o, in forma vettoriale: g(x) 0, può essere trattato basandosi largamente su quanto
DettagliEsercizi di Programmazione Lineare - Dualità
Esercizi di Programmazione Lineare - Dualità Esercizio n1 Dato il seguente problema 3 + 3 2 2 + a scriverne il duale; b risolvere il duale (anche geometricamente indicando cosa da esso si può dedurre sul
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
DettagliLezione Novembre 2010
PSC: Progettazione di sistemi di controllo a.a. 2010-2011 Lezione 18 25 ovembre 2010 Docente: Luca Schenato Stesori: Guido Albertin, Elena Toffoli, Giancarlo Baldan 18.1 Ancora sulla progettazione di P
DettagliProprietà Strutturali dei Sistemi Dinamici: Osservabilità
Proprietà Strutturali dei Sistemi Dinamici: sservabilità Ingegneria dell'automazione Corso di Sistemi di Controllo Multivariabile - Prof. F. Amato Versione 2.2 ttobre 2012 1 Consideriamo il sistema x f
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
Dettagli1 Risoluzione di sistemi lineari con l uso dei determinanti
2006 Trapani Dispensa di Geometria, 1 Risoluzione di sistemi lineari con l uso dei determinanti Sia A una matrice n n con det(a) 0 consideriamo il sistema lineare AX = b abbiamo n = numero di righe di
Dettagli- ciascun autovalore di T ha molteplicità geometrica uguale alla moltplicitaà algebrica.
Lezioni del 14.05 e 17.05 In queste lezioni si sono svolti i seguenti argomenti. Ripresa del teorema generale che fornisce condizioni che implicano la diagonalizzabilità, indebolimento delle ipotesi, e
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
DettagliFACOLTA DI ECONOMIA ESAME SCRITTO DI RICERCA OPERATIVA. Verona, 6 Giugno 1996
Verona, Giugno ) E dato il seguente problema di Programmazione Lineare: min( x + ) x x x Rappresentare il problema geometricamente e successivamente scriverlo in forma standard. a) Determinare una soluzione
DettagliNLP KKT 1. Le condizioni necessarie di ottimo per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J
NLP KKT 1 Le condizioni necessarie di ottimo per il problema min f o (x) g i (x) 0 i I h j (x) = 0 j J sono, riferite ad un punto ammissibile x*, μ 0 f o (x*) + i I μ i g i (x*) + j J λ j h j (x*) = 0
DettagliLa miglior approssimazione esiste se le funzioni descrivono un chiuso
NON SMOOTH Funzione non C 1 tipico esempio massimo numero finito funzioni Φ(x) = max { f i (x), i I, f i C 1 } e anche massimo(sup) puntuale Φ(x) = sup { f t (x), t I, f t C 1 } Esempi a) Max numero finito
DettagliGeometria BAER PRIMO CANALE Foglio esercizi 1
Geometria BAER PRIMO CANALE Foglio esercizi 1 Esercizio 1. Risolvere le seguenti equazioni lineari nelle variabili indicate trovando una parametrizzazione dell insieme delle soluzioni. a) x + 5y = nelle
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
Dettagli