MPC di sistemi non lineari output feedback and tracking

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "MPC di sistemi non lineari output feedback and tracking"

Transcript

1 MPC di sistemi non lineari output feedback and tracking Dipartimento di Informatica e Sistemistica Via Ferrata 1, Pavia 1

2 Stato dell arte Sono stati proposti molti algoritmi MPC stabilizzanti con retroazione sullo stato Il problema della retroazione sull uscita è stato risolto con il principio di separazione Una sfida ancora aperta è quella di sviluppare metodi MPC con capacità di inseguimento di segnali di riferimento con dinamica definita 2

3 Schema della presentazione Schemi di controllo per l inseguimento asintotico nel controllo lineare MPC non lineare: il problema della regolazione MPC non lineare: il problema dell inseguimento con modelli di stato MPC non lineare: il problema dell inseguimento con modelli ingresso - uscita 3

4 Schemi di controllo per l inseguimento asintotico Sistemi lineari e segnali esogeni costanti d w e u R0 R2 R1 R2 R System y R0 = insiemi di integratori 1/(z-1) R1, R2 =regolatori lineari stabilizzanticon azione feedback - feedforward 4

5 Schema 1 w e u R2 R0 v z1 d Sistema y Non molto usato in MPC n. ingressi = n. uscite Utile nel controllo non lineare per estendere il principio del modello interno 5

6 Schema 2 R21 R22 d w e u u R1 R0 Sistema y schema MPC classico, come nel GPC numero di integratori = numero di variabili di ingresso R21, R22 possono essere termini non causali 6

7 Schema 3 w e u R0 R2 Sistema d y Non usato nel MPC Numero di integratori = numero di variabili di uscita 7

8 Il sistema non lineare Sistema non lineare a tempo discreto x(k +1)=f(x(k),u(k)), x(t) =x t f(0,0)=0, h(0)=0 y(k) =h(x(k)) f e h sono funzioni sufficientemente smooth 8

9 Il problema di regolazione retroazione sullo stato è trovare una legge di controllo u=(x) tale che l origine sia un punto di equilibrio stabile e x (k) X u(k) U X e U sono insiemi compatti che contengono l origine 9

10 L output admissible set Data la legge di controllo u=(x) un output admissible set Y k è un insieme di stati iniziali da cui si può raggiungere l origine nel rispetto dei vincoli 10

11 L approccio MPC - I Ad ogni t, minimizza rispetto a [u(t), u(t+1),,u(t+m-1)] il funzionale di costo J = t+nà1 i=t Con i vincoli x(i) 2 + u(i) 2 + V Q R f (x(t + N)) x X, u U e x(t + N) X f u(k) =Kx(k), k > t + M 11

12 L approccio MPC - II Quindi applica soltanto u(t) e ripeti la procedura di ottimizzazione all istante t+1 Ciò definisce la legge di controllo MPC u=rh(x) 12

13 Parametri di progetto N = orizzonte di predizione M = orizzonte di controllo Q, R = matrici dei pesi Vf(x(t+N)) = peso finale Xf = insieme finale u = Kx legge di controllo lineare localmente stabilizzante Yrh = output admissible set di u=rh(x) YK = output admissible set di u=kx 13

14 Stabilità di MPC Xf =0, Vf = 0 Xf =YK, Vf = 0 commuta a u=kx all interno di YK Xf =YK, Vf = x Pf x Xf =YK, V f (x(t)) = x(i) 2 i=t Q+K 0 RK Tutte stabilizzano esponenzialmente l origine 14

15 Retroazione sull uscita Osservatore esponenzialmente stabile (ad esempio EKF) xê(k +1)=g(xê(k),h(x(k)),u(k)) controllo MPC u Sistema y xê Osservatore dello stato Controllo MPC esponenzialmente stabilizzante + osservatore esp. stabile L origine è un equilibrio esponenzialmente stabile 15

16 Il problema del tracking w Orizzonte di predizione Orizzonte del riferimento y w Orizzonte di controllo Legge di controllo lineare Ipotesi: esiste un equilibrio tale che xö(wö) = f(xö(wö),uö(wö)) wö =h(xö(wö)) t W Ipotesi: Il sistema linearizzato è stabilizzabile, detettabile, senza zeri di trasm. z=1 16

17 Sistema + R0 x 1 (k +1)=f 1 (x 1 (k),v(k),w(k)) e(k) =h 1 (x 1 (k),w(k)) Legge lineare localmente stabilizzante v(k) =K 1 (wö)(x 1 (k) à xö 1 (wö)) Metodo 1 - I w e u y R2 R0 v z1 Sistema Minimizza rispetto av(k),,v(k+m-1) t+nà1 J 1 = P ð í í íe(i) 2 + í í ñ Q v(i) 2 + V R f1 (x 1 (t + N),wö) i=t V f1 = P ð í í íe(i) 2 + í K1 (x Q 1 (i) à xö 1 (wö)) í ñ 2 R i=t+n x 1 (t + N) Y K 1 + altri vincoli 17

18 R2 si ottiene combinando la legge MPC con un osservatore Con l ipotesi di osservabilità opportuna, xö 1 (wö) è punto di equilibrio esponenzialmente stabile Pro: facile generalizzare a altri segnali esogeni Metodo 1 - II w e u y R2 R0 v z1 Sistema Contro: è difficile includere vincoli su u, u; stesso numero di ingressi e uscite; bisogna calcolare xö 1 (wö) 18

19 Supponi di conoscere un reg. dinamico localmente stabilizzante x r (k +1)=A r x r (k)+b r e(k) v(k) =C r x r (k)+d r e(k) Metodo 1 - III come evitare il calcolo di xö 1 (wö) Minimizza rispetto av(k),,v(k+m-1), xr(k+m) x r (k J ã +1)=A r x r (k)+b r e(k) 1 = t+ M à 1 è ke(i) k 2 Q + kv(i) é + k x r (t + M ) k 2 Rr + V ã f1 = P i= t t+nà1 + P P i=t+n i=t+m k2 R n v(k) =C o r x r (k)+d r e(k) ke(i) k 2 Qö + kx r (i) + V ã f1 ke(i) k 2 Qö + kx r (i) k 2 Qö R k 2 Qö r, ì x 1 (t + N) x r (t + N) ì Yã f1 (wö) 19

20 Vf ei xr w e u u y R1 R0 Sistema Metodo 2 - I Sistema + R0 x 2 (k +1)=f 2 (x 2 (k),îu(k),w(k)) e(k) =h 2 (x 2 (k),w(k)) Legge lineare localmente stabilizzante îu(k) =K 2 (wö)(x 2 (k) à xö 2 (wö)) J 2 = Minimizza rispetto au(k),,u(k+m-1) t+nà1 P ð i=t ñ ke(i) k 2 Q + kîu(i) + k2 Vf2 (x 2 (t + N),wö) R V f2 = P i=t+n ke(i) k 2 Q + k K 2(x 2 (i) à xö 2 (wö)) x 2 (t + N) Y K2 + altri vincoli k 2 R 20

21 w e u u y R1 R0 Sistema Metodo 2 - II R1 è ottenuto combinando la legge MPC con un osservatore Contro: n. di integratori = n. di ingressi; per modelli incerti, è necessario un osservatore anche se x è noto; non si generalizza ad altri riferimenti. Con l ipotesi di osservabilità opportuna, xö 2 (wö) è un punto di equilibrio esponenzialmente stabile Pro: facile includere vincoli su u e u; schema MPC classico 21

22 w e u y R0 R2 Sistema Metodo 3 - I Sistema + R0 x 3 (k +1)= f 3 (x 3 (k),u(k),w(k)) e(k) =h 3 (x 3 (k),w(k)) dove x 3 (k) contiene lo stato del sistema, degli integratori e u(k-1), cosicché u(k)=u(k)-u(k-1)=u(k)-x 3 (k) 22

23 w e u y R0 R2 Sistema Metodo 3 - II Legge localmente stabilizzante u(k) =uö(wö) + K 3 (wö)(x 3 (k) à xö 3 (wö)) Minimizza rispetto au(k),,u(k+m-1), t+nà1 ð ñ J 3 = ke(i) k 2 Q + kîu(i) + V f3 (x 3 (t + N),wö) V f3 = P i=t P i=t+n k2 R ke(i) k 2 Q + kuö(wö) + K 3 (x 3 (i) à xö 3 (wö)) x 3 (t + N) Y K3 + altri vincoli k 2 R 23

24 w e u y R0 R2 Sistema Metodo 3 - III R2 è ottenuto combinando la legge MPC con un osservatore Contro: schema non standard ; non si generalizza ad altri riferimenti; Con l ipotesi di osservabilità opportuna, xö 3 (wö) è un punto di equilibrio esponenzialmente stabile Pro: facile includere vincoli su u e u; minimo numero di integratori 24

25 Modelli Ingresso-Uscita - I Con riferimento allo schema 2, con tecniche di identificazione si può ottenere il modello ingresso- uscita e(k +1)=í(e(k),..., e(k à n),îu(k),..., îu(k à n)) con (0,0)=0 25

26 Posto Modelli ingresso-uscita - II x(k) = [ e(k),..., e(k à n),îu(k),..., îu(k à n) ] 0 il modello può essere scritto come x(k +1)=f(x(k),îu(k)) e(k) =Cx(k) e il problema di tracking è trasformato in un problema di regolazione 26

27 Un esempio illustrativo Continuous Stirred Tank Reactor Cç A = q V (C Af à C A ) à k 0 exp(à E RT )C A Tç = q V (T f à T) à 4H úcp k 0 exp(à E RT )C A + UA VúCp (T c à T) y = T, u = T c Equilibrio instabile Cö A =0.5mol/L Tö = 350K T ö c = 300K Vincoli 220K 6 T c 6 550K 220K 6 T 6 550K 0 6 C A 6 C Af =1mol/L 27

28 Risposta allo scalino 0.8 T c =300K æ 5K (a) 440 (a) C A (mol/l) C A (mol/l) Time (minute) (b) T (K) T (K) Time (minute ) (b) Time (minute) Time (minute ) (a) +5K, (b) -5K 28

29 Retroazione sull uscita - metodo 2 Regolatore dinamico localmente stabilizzante N = 4 Q = 10, R = 1 Extended Kalman Filter 29

30 Esperimento 1 Scalino pre-programmato C A (mol/l) T (K) T c (K) Time (min) Regolatore lineare: linea blu; MPC: linea rossa 30

31 Esperimento 2 Rampa pre-programmata C A (mol/l) T (K) T c (K) Time (min) Regolatore:linea blu; MPC: linea rossa 31

32 Esperimento 3 variazioni del parametro E/R E/R(K) Time (min) C A (mol/l) Time (min) T(mol/L) T c (mol/l) Time (min) Variazione di E/R Time (min) 32

33 Conclusioni Oggi ci sono algoritmi MPC con retroazione sull uscita e tracking per sistemi non lineari L aspetto computazionale è fondamentale per l impiego pratico di queste tecniche attività di ricerca futura può riguardare: (a) osservatori non lineari (b) identificazione ingresso-uscita affidabile 33

34 Riferimenti Magni L., G. De Nicolao and R. Scattolini : "Output feedback and tracking of nonlinear systems with model predictive control", Automatica, to appear, Magni L., G. De Nicolao, L. Magnani, and R. Scattolini : "A stabilizing modelbased predictive control for nonlinear systems", Automatica, to appear, De Nicolao G., L. Magni and R. Scattolini : "Tracking of nonlinear systems via model based predictive control", ADCHEM 2000, International Symposium on Advanced Control of Chemical Processes, Pisa, Italy - June 14-16, De Nicolao G., L. Magni and R. Scattolini : "Stabilizing Receding-Horizon control of nonlinear time varyng systems", IEEE Trans. on Automatic Control, AC-43, , De Nicolao G., L. Magni and R. Scattolini : "Stabilizing predictive control of Nonlinear ARX models", Automatica, 33, , De Nicolao G., L. Magni and R. Scattolini : "On the robustness of receding-horizon control with terminal constraints", IEEE Trans. on Automatic Control, AC-41, ,

Controllo Predittivo (cenni)

Controllo Predittivo (cenni) Controllo Predittivo (cenni) Controllo Digitale - A. Bemporad - A.a. 2007/08 Optimizer Model Predictive Control Plant Reference r(t) Input u(t) Output y(t) Measurements MODEL: è richiesto un modello del

Dettagli

Motore in corrente continua Controllo in retroazione dello stato e Osservatore dello stato Controllo ottimo

Motore in corrente continua Controllo in retroazione dello stato e Osservatore dello stato Controllo ottimo Motore in corrente continua Controllo in retroazione dello stato e Osservatore dello stato Controllo ottimo Esercitazioni di Controlli Automatici LS (Prof. C. Melchiorri) Si consideri il motore elettrico

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

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei

Dettagli

Inversione stabile ingresso-uscita per sistemi lineari e non lineari. 2 Esempio del pendolo sul carrello

Inversione stabile ingresso-uscita per sistemi lineari e non lineari. 2 Esempio del pendolo sul carrello Inversione stabile ingresso-uscita per sistemi lineari e non lineari Alcuni appunti per la Scuola avanzata Giovanni Zappa su tecniche di controllo e identificazione Udine 14-15 Novembre 28 Luca Consolini,

Dettagli

2.5 Stabilità dei sistemi dinamici 20. - funzioni di trasferimento, nella variabile di Laplace s, razionali fratte del tipo:

2.5 Stabilità dei sistemi dinamici 20. - funzioni di trasferimento, nella variabile di Laplace s, razionali fratte del tipo: .5 Stabilità dei sistemi dinamici 9 Risulta: 3 ( s(s + 4).5 Stabilità dei sistemi dinamici Si è visto come un sistema fisico può essere descritto tramite equazioni differenziali o attraverso una funzione

Dettagli

Controllo Ottimo e Predittivo per Sistemi Dinamici a Parametri Concentrati

Controllo Ottimo e Predittivo per Sistemi Dinamici a Parametri Concentrati Controllo Ottimo e Predittivo per Sistemi Dinamici a Parametri Concentrati Angelo Alessandri alessandri@diptem.unige.it Dipartimento di Ingegneria della Produzione, Termoenergetica e Modelli Matematici

Dettagli

Localizzabilità Non Lineare e Telecamere Panoramiche: Applicazioni a Squadre di Robot

Localizzabilità Non Lineare e Telecamere Panoramiche: Applicazioni a Squadre di Robot UNIVERSITÀ DEGLI STUDI DI SIENA FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Informatica, RA Localizzabilità Non Lineare e Telecamere Panoramiche: Applicazioni a Squadre di Robot Relatore Chiar.mo

Dettagli

A Enrica e alla mia famiglia

A Enrica e alla mia famiglia A Enrica e alla mia famiglia Indice Introduzione 1 1 Localizzazione probabilistica con filtraggio Bayesiano 4 1.1 Tassonomia dei problemi di localizzazione............... 4 1.2 Tassonomia dei filtri bayesiani.....................

Dettagli

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

Appendice Circuiti con amplificatori operazionali

Appendice Circuiti con amplificatori operazionali Appendice Circuiti con amplificatori operazionali - Appendice Circuiti con amplificatori operazionali - L amplificatore operazionale Il componente ideale L amplificatore operazionale è un dispositivo che

Dettagli

CAPITOLO 3 FONDAMENTI DI ANALISI DELLA STABILITA' DI SISTEMI NON LINEARI

CAPITOLO 3 FONDAMENTI DI ANALISI DELLA STABILITA' DI SISTEMI NON LINEARI 31 CAPITOLO 3 FONDAMENTI DI ANALISI DELLA STABILITA' DI SISTEMI NON LINEARI INTRODUZIONE L'obbiettivo di questo capitolo è quello di presentare in modo sintetico ma completo, la teoria della stabilità

Dettagli

Segnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro

Segnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro Segnali e Sistemi Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici Gianni Borghesan e Giovanni Marro Indice Introduzione 2. Notazione............................. 2 2 Classificazione

Dettagli

Identificazione di sistemi dinamici

Identificazione di sistemi dinamici Scuola universitaria professionale della Svizzera italiana SUP SI Dipartimento Tecnologie Innovative Identificazione di sistemi dinamici Ivan Furlan 21 dicembre 2011 Identificazione di sistemi dinamici

Dettagli

Rappresentazione nello spazio degli stati

Rappresentazione nello spazio degli stati Chapter 1 Rappresentazione nello spazio degli stati La modellazione di un sistema lineare di ordine n, fornisce un insieme di equazioni differenziali che una volta trasformate nel dominio discreto, possono

Dettagli

LABORATORY OF AUTOMATION SYSTEMS ADAPTIVE CONTROLLERS

LABORATORY OF AUTOMATION SYSTEMS ADAPTIVE CONTROLLERS Laboratory of Automation Systems p. 1/46 LABORATORY OF AUTOMATION SYSTEMS ADAPTIVE CONTROLLERS Prof. Claudio Bonivento CASY-DEIS, University of Bologna claudio.bonivento@unibo.it Laboratory of Automation

Dettagli

Regolatori PID. Corso di Controllo Digitale. a cura di Simona Onori s.onori@disp.uniroma2.it

Regolatori PID. Corso di Controllo Digitale. a cura di Simona Onori s.onori@disp.uniroma2.it Regolatori PID Corso di Controllo Digitale a cura di Simona Onori s.onori@disp.uniroma2.it Novembre 2005 Introduzione I regolatori lineari più usati in ambito industriale sono certamente i PID, o regolatori

Dettagli

Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni

Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni CARLO MANNINO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Laurea Specialistica in Ingegneria Meccatronica STRUMENTI MATEMATICI PER L ANALISI DEI SISTEMI DISCRETI Ing. Tel. 0522 522235 e-mail: secchi.cristian@unimore.it

Dettagli

PROGRAMMA SVOLTO fino al 22-06-2015 Fine del corso

PROGRAMMA SVOLTO fino al 22-06-2015 Fine del corso PROGRAMMA SVOLTO fino al 22-06-2015 Fine del corso Prof. Bruno Picasso LEZIONI: Introduzione al corso. Introduzione ai sistemi dinamici. I sistemi dinamici come sistemi di equazioni differenziali; variabili

Dettagli

Controlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.

Controlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L. Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:

Dettagli

Complementi di Controllo Digitale

Complementi di Controllo Digitale Complementi di Controllo Digitale Alberto Bemporad Dipartimento di Ingegneria dell Informazione Università degli Studi di Siena bemporad@dii.unisi.it http://www.dii.unisi.it/~bemporad Corso di Laurea in

Dettagli

Modulo di Meccanica e Termodinamica

Modulo di Meccanica e Termodinamica Modulo di Meccanica e Termodinamica 1) Misure e unita di misura 2) Cinematica: + Moto Rettilineo + Moto Uniformemente Accelerato [+ Vettori e Calcolo Vettoriale] + Moti Relativi 3) Dinamica: + Forza e

Dettagli

6. Trasformate e Funzioni di Trasferimento

6. Trasformate e Funzioni di Trasferimento 6. Trasformate e Funzioni di Trasferimento 6.3 Richiami sulla Trasformata di Laplace Definizione La trasformata di Laplace di f(t) è la funzione di variabile complessa s C, (s = σ + jω), F (s) = e st f(t)dt

Dettagli

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

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

Dettagli

Politecnico di Milano. Fondamenti di Automatica (CL Ing. Gestionale) a.a.2014-15 Prof. Silvia Strada Prima prova intermedia 28 Novembre 2014 SOLUZIONE

Politecnico di Milano. Fondamenti di Automatica (CL Ing. Gestionale) a.a.2014-15 Prof. Silvia Strada Prima prova intermedia 28 Novembre 2014 SOLUZIONE Politecnico di Milano Fondamenti di Automatica (CL Ing. Gestionale) a.a.014-15 Prof. Silvia Strada Prima prova intermedia 8 Novembre 014 SOLUZIONE ESERCIZIO 1 punti: 8 su 3 Si consideri il sistema dinamico

Dettagli

Capitolo 2. Un introduzione all analisi dinamica dei sistemi

Capitolo 2. Un introduzione all analisi dinamica dei sistemi Capitolo 2 Un introduzione all analisi dinamica dei sistemi Obiettivo: presentare una modellistica di applicazione generale per l analisi delle caratteristiche dinamiche di sistemi, nota come system dynamics,

Dettagli

Introduzione 1. 1 Il controllo supervisivo di una rete di Petri 3 1.1 Il problema del controllo supervisivo... 3 1.2 Il metodo dei posti monitor...

Introduzione 1. 1 Il controllo supervisivo di una rete di Petri 3 1.1 Il problema del controllo supervisivo... 3 1.2 Il metodo dei posti monitor... Indice Introduzione 1 1 Il controllo supervisivo di una rete di Petri 3 1.1 Il problema del controllo supervisivo.................. 3 1.2 Il metodo dei posti monitor....................... 4 Bibliografia

Dettagli

Computazione per l interazione naturale: Modelli dinamici

Computazione per l interazione naturale: Modelli dinamici Computazione per l interazione naturale: Modelli dinamici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html

Dettagli

Laboratori remoti ad uso didattico: generalità ed applicazioni

Laboratori remoti ad uso didattico: generalità ed applicazioni Università di Siena Laboratori remoti ad uso didattico: generalità ed applicazioni Marco Casini Dipartimento di Ingegneria dell Informazione Università di Siena Email: casini@ing.unisi.it - 4 Aprile 2008

Dettagli

Sistemi e modelli. Sistemi e modelli

Sistemi e modelli. Sistemi e modelli Sistemi e modelli Sistemi e modelli Sistema (processo): insieme di più parti legate da qualche forma di relazione. Sistema: oggetto, dispositivo o fenomeno la cui interazione con l ambiente circostante

Dettagli

Identificazione dei Modelli e Controllo Ottimo

Identificazione dei Modelli e Controllo Ottimo Identificazione dei Modelli e Controllo Ottimo Anno Accademico 2011-2012 Copyright 2012 Pugliese Carratelli Giovanni Salvati Angelo Tufano Angelo Viscuso Cesare Indice 1 Metodi numerici per Ottimizzazione

Dettagli

Fondamenti di Automatica. Modellistica dei sistemi dinamici a tempo discreto

Fondamenti di Automatica. Modellistica dei sistemi dinamici a tempo discreto Fondamenti di Automatica Modellistica dei sistemi dinamici a tempo discreto Sistemi dinamici a tempo discreto I sistemi dinamici a tempo discreto sono sistemi in cui tutte le grandezze variabili sono funzioni

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

Differenziazione sistemi dinamici

Differenziazione sistemi dinamici Il controllo di sistemi ad avanzamento temporale si basa sulle tecniche di controllo in retroazione, ovvero, elabora le informazione sullo stato del processo (provenienti dai sensori) in modo sa inviare

Dettagli

Modelli Dinamici per l Ingegneria Gestionale

Modelli Dinamici per l Ingegneria Gestionale dispense per il corso di Modelli Dinamici per l Ingegneria Gestionale Lorenzo Farina e Luca Benvenuti Dipartimento di Informatica e Sistemistica A. Ruberti Via Ariosto 25, 85 Roma Anno Accademico 2/2 dispense

Dettagli

Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini

Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Dipartimento di Ingegneria della Informazione Via Diotisalvi, 2 56122 PISA ALGORITMI GENETICI (GA) Sono usati per risolvere problemi di ricerca

Dettagli

La Teoria dei Sistemi spiegata attraverso un approccio Case Analysis

La Teoria dei Sistemi spiegata attraverso un approccio Case Analysis UNIVERSITÁ DEGLI STUDI DI UDINE Facoltá di Ingegneria Corso di Laurea in Ingegneria elettronica La Teoria dei Sistemi spiegata attraverso un approccio Case Analysis a cura di: Andrea Badiali relatore:

Dettagli

Elementi di elettronica per Sensori

Elementi di elettronica per Sensori Elementi di elettronica per Sensori Molti sensori sono dispositivi passivi che condizionano i circuiti nei quali sono inseriti inserendo una dipendenza funzionale delle grandezze elettriche (I, V, f, φ)

Dettagli

Feature Selection per la Classificazione

Feature Selection per la Classificazione 1 1 Dipartimento di Informatica e Sistemistica Sapienza Università di Roma Corso di Algoritmi di Classificazione e Reti Neurali 20/11/2009, Roma Outline Feature Selection per problemi di Classificazione

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Regolatori PID Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Regolatori PID CENNI STORICI

Dettagli

Prestazioni dei sistemi in retroazione

Prestazioni dei sistemi in retroazione Prestazioni dei sistemi in retroazione (ver..2). Sensitività e sensitività complementare Sia dato il sistema in retroazione riportato in Fig... Vogliamo determinare quanto è sensibile il sistema in anello

Dettagli

TRE UNIVERSITÀ DEGLI STUDI ROMA 3 DIPARTIMENTO DI MATEMATICA E FISICA CORSO DI LAUREA MAGISTRALE IN MATEMATICA

TRE UNIVERSITÀ DEGLI STUDI ROMA 3 DIPARTIMENTO DI MATEMATICA E FISICA CORSO DI LAUREA MAGISTRALE IN MATEMATICA ROMA TRE UNIVERSITÀ DEGLI STUDI UNIVERSITÀ DEGLI STUDI ROMA 3 DIPARTIMENTO DI MATEMATICA E FISICA CORSO DI LAUREA MAGISTRALE IN MATEMATICA Tesi di Laurea Magistrale in Matematica Tecniche di Programmazione

Dettagli

Fondamenti e didattica di Matematica Finanziaria. Unità 2. Regime finanziario della capitalizzazione semplice

Fondamenti e didattica di Matematica Finanziaria. Unità 2. Regime finanziario della capitalizzazione semplice Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo - 6 MILANO U6-368 silvana.stefani@unimib.it SILSIS Unità Capitalizzazione semplice Capitalizzazione composta in

Dettagli

Analisi dei sistemi di controllo a segnali campionati

Analisi dei sistemi di controllo a segnali campionati Analisi dei sistemi di controllo a segnali campionati Sistemi di controllo (già analizzati) Tempo continuo (trasformata di Laplace / analisi in frequenza) C(s) controllore analogico impianto attuatori

Dettagli

Controllo di temperatura di reattori batch

Controllo di temperatura di reattori batch Controllo di temperatura di reattori batch Paolo Valigi, Mario Luca Fravolini, Antonio Ficola, Monica Forlucci, Claudio Sandali, Ernesto Bove Figura 1 - Il reattore e il sistema di misura/attuazione Il

Dettagli

4. Matrici e Minimi Quadrati

4. Matrici e Minimi Quadrati & C. Di Natale: Matrici e sistemi di equazioni di lineari Formulazione matriciale del metodo dei minimi quadrati Regressione polinomiale Regressione non lineare Cross-validazione e overfitting Regressione

Dettagli

Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini

Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Dipartimento di Ingegneria della Informazione Via Diotisalvi, 2 56122 PISA ALGORITMI GENETICI (GA) Sono usati per risolvere problemi di ricerca

Dettagli

Metodi di previsione

Metodi di previsione Metodi di previsione Giovanni Righini Università degli Studi di Milano Corso di Logistica I metodi di previsione I metodi di previsione sono usati per ricavare informazioni a sostegno dei processi decisionali

Dettagli

Backpropagation in MATLAB

Backpropagation in MATLAB Modello di neurone BACKPROPAGATION Backpropagation in MATLAB Prof. Beatrice Lazzerini Dipartimento di Ingegneria dell Informazione Via Diotisalvi 2, 56122 Pisa La funzione di trasferimento, che deve essere

Dettagli

UN ESEMPIO CONCRETO DI COME LA TECNOLOGIA MPC PUO CONTRIBUIRE A MIGLIORARE E OTTIMIZZARE LA GESTIONE DI UNA RETE DI DISTRIBUZIONE DELL ACQUA POTABILE.

UN ESEMPIO CONCRETO DI COME LA TECNOLOGIA MPC PUO CONTRIBUIRE A MIGLIORARE E OTTIMIZZARE LA GESTIONE DI UNA RETE DI DISTRIBUZIONE DELL ACQUA POTABILE. UN ESEMPIO CONCRETO DI COME LA TECNOLOGIA MPC PUO CONTRIBUIRE A MIGLIORARE E OTTIMIZZARE LA GESTIONE DI UNA RETE DI DISTRIBUZIONE DELL ACQUA POTABILE. Alessandro Masiello Rockwell Automation Mission Overview

Dettagli

La struttura a Termine dei Tassi d interesse

La struttura a Termine dei Tassi d interesse La struttura a Termine dei Tassi d interesse Idee fondamentali Il tempo è rischio, quindi 100 domani non valgono 100 oggi. Ergo si deve attualizzare, ossia trovare il valore attuale dei 100 domani. Tuttosi

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 8 Support Vector Machines Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr

Dettagli

Procedure di calcolo implicite ed esplicite

Procedure di calcolo implicite ed esplicite Procedure di calcolo implicite ed esplicite Il problema della modellazione dell impatto tra corpi solidi a medie e alte velocità. La simulazione dell impatto tra corpi solidi in caso di urti a media velocità,

Dettagli

Teoria dei Sistemi e del Controllo Appunti delle lezioni tenute dal prof. Franco Blanchini

Teoria dei Sistemi e del Controllo Appunti delle lezioni tenute dal prof. Franco Blanchini Teoria dei Sistemi e del Controllo Appunti delle lezioni tenute dal prof. Franco Blanchini Università degli studi di Udine - A. A. 22-23 a cura di Luca Peretti January 11, 216 Prefazione Questi appunti

Dettagli

DEGLI STUDI DI PALERMO UNIVERSITÀ. Tesina di Robotica Industriale. Facoltà di Ingegneria. Corso di Laurea Magistrale in Ingegneria dell Automazione

DEGLI STUDI DI PALERMO UNIVERSITÀ. Tesina di Robotica Industriale. Facoltà di Ingegneria. Corso di Laurea Magistrale in Ingegneria dell Automazione UNIVERSITÀ DEGLI STUDI DI PALERMO Facoltà di Ingegneria Corso di Laurea Magistrale in Ingegneria dell Automazione Tesina di Robotica Industriale Allievi: Roberto Rabbeni Stefania Maria Collura Docente:

Dettagli

Spiegare brevemente il principale beneficio del controllo in cascata (per sistemi a fase non minima).

Spiegare brevemente il principale beneficio del controllo in cascata (per sistemi a fase non minima). Spiegare brevemente il principale beneficio del controllo in cascata (per sistemi a fase non minima). Il controllo in cascata si usa per migliorare la risposta al setpoint, e soprattutto al disturbo di

Dettagli

Introduzione. Ing. Gianmaria De Tommasi A.A. 2008/09. Controllo Digitale. Introduzione. Sommario. Informazioni sul corso.

Introduzione. Ing. Gianmaria De Tommasi A.A. 2008/09. Controllo Digitale. Introduzione. Sommario. Informazioni sul corso. Controllo Ing. Gianmaria De Tommasi A.A. 2008/09 1 2 di un sistema di controllo digitale Segnali tempo continuo e segnali tempo discreto Metodologie di progetto di sistemi di controllo digitali Alcune

Dettagli

Osvaldo Maria Grasselli Sergio Galeani Controllo di sistemi a più ingressi e più uscite. Volume 1

Osvaldo Maria Grasselli Sergio Galeani Controllo di sistemi a più ingressi e più uscite. Volume 1 A09 158 Osvaldo Maria Grasselli Sergio Galeani Controllo di sistemi a più ingressi e più uscite Volume 1 Copyright MMXII ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele

Dettagli

SISTEMI DIGITALI DI CONTROLLO

SISTEMI DIGITALI DI CONTROLLO Sistemi Digitali di Controllo A.A. 2009-2010 p. 1/45 SISTEMI DIGITALI DI CONTROLLO Prof. Alessandro De Luca DIS, Università di Roma La Sapienza deluca@dis.uniroma1.it Lucidi tratti dal libro C. Bonivento,

Dettagli

Dispositivi Minimamente Invasivi

Dispositivi Minimamente Invasivi Dispositivi Minimamente Invasivi per Diagnosi, Monitoraggio e Terapia Esercitazione 11 Alessandro Tognetti Nicola Carbonaro a.tognetti@centropiaggio.unipi.it tti@ t i i i i it nicola.carbonaro@centropiaggio.unipi.it

Dettagli

Esercizi di Fondamenti di Automatica

Esercizi di Fondamenti di Automatica Esercizi di Fondamenti di Automatica Bruno Picasso Riferimento bibliografico In questi esercizi useremo la scrittura [FdA per riferirci al libro di testo adottato nel corso, ossia: P. Bolzern, R. Scattolini

Dettagli

Rete di Hopfield applicata al problema del TSP

Rete di Hopfield applicata al problema del TSP Rete di Hopfield applicata al problema del TSP 1. Introduzione Nel 1982, il fisico John J. Hopfield pubblicò un articolo fondamentale in cui presentò un modello matematico comunemente noto come rete di

Dettagli

9. Strumenti CAD per l analisi e la sintesi di sistemi di controllo.

9. Strumenti CAD per l analisi e la sintesi di sistemi di controllo. CORSO DI PROGETTO DEI SISTEMI DI CONTROLLO 1. Introduzione. 2. Sistemi e modelli. 3. Analisi frequenziale dei sistemi lineari. 4. Criteri di stabilità dei sistemi in retroazione. 5. Luogo delle radici.

Dettagli

Studio e applicazione del Controllo Predittivo. Bortoluzzo Riky

Studio e applicazione del Controllo Predittivo. Bortoluzzo Riky Studio e applicazione del Controllo Predittivo Bortoluzzo Riky Indice 1 Introduzione 3 I Controllo Predittivo 4 2 Model Predictive Control 5 2.1 Modello del controllore...................... 7 2.2 Modello

Dettagli

Capitolo 3: Ottimizzazione Discreta. E. Amaldi DEIB, Politecnico di Milano

Capitolo 3: Ottimizzazione Discreta. E. Amaldi DEIB, Politecnico di Milano Capitolo 3: Ottimizzazione Discreta E. Amaldi DEIB, Politecnico di Milano 3.1 Modelli di PLI e PLMI Moltissimi problemi decisionali complessi possono essere formulati o approssimati come problemi di Programmazione

Dettagli

Corso di Gestione dei sistemi di trasporto. Cap. 1 Pianificazione del traffico urbano. S. Sacone, S. Siri - DIST

Corso di Gestione dei sistemi di trasporto. Cap. 1 Pianificazione del traffico urbano. S. Sacone, S. Siri - DIST Corso di Gestione dei sistemi di trasporto Cap. 1 Pianificazione del traffico urbano S. Sacone, S. Siri - DIST Introduzione Buona parte delle attività economiche in un area urbana sono legate alla movimentazione

Dettagli

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S

Dettagli

analisi di sistemi retroazionati (2)

analisi di sistemi retroazionati (2) : analisi di sistemi retroazionati (2) Marco Lovera Dipartimento di Elettronica e Informazione Politecnico di Milano lovera@elet.polimi.it Indice Piccolo guadagno Stabilita ingresso-uscita Guadagno L 2

Dettagli

L ERRORE A REGIME NELLE CATENE DI REGOLAZIONE E CONTROLLO

L ERRORE A REGIME NELLE CATENE DI REGOLAZIONE E CONTROLLO L ERRORE A REGIME NELLE CATENE DI REGOLAZIONE E CONTROLLO Per errore a regime si intende quello rilevato dopo un intervallo sufficientemente lungo dal verificarsi di variazioni del riferimento o da eventuali

Dettagli

Raffinamento dello schema e forme normali. T. Catarci, M. Scannapieco, Corso di Basi di Dati, A.A. 2008/2009, Sapienza Università di Roma

Raffinamento dello schema e forme normali. T. Catarci, M. Scannapieco, Corso di Basi di Dati, A.A. 2008/2009, Sapienza Università di Roma Raffinamento dello schema e forme normali 1 Forme Normali Le forme normali consentono di valutare la qualità delle relazione Sono state proposte diverse forme normali che includono, in ordine di generalità:

Dettagli

Introduzione al Simulink

Introduzione al Simulink Introduzione al Simulink pag. 1 L ambiente Simulink Simulink è un ambiente grafico per la simulazione di sistemi complessi Simulink è composto da una libreria di blocchi che descrivono elementi statici

Dettagli

Risparmio energetico nei Data Center

Risparmio energetico nei Data Center Risparmio energetico nei Data Center Danilo Ardagna, Mara Tanelli, Politecnico di Milano {ardagna,tanelli}@elet.polimi.it Politecnico di Milano, 22 Febbraio 2010 Consumi energetici dei Data Center: un

Dettagli

Controllo Digitale - A. Bemporad - A.a. 2008/09

Controllo Digitale - A. Bemporad - A.a. 2008/09 D 1001 A Conversione D/A Attuatori Sensori 1001 D A Conversione A/D Processo Unità di controllo u(t) y(t) Attuatori Sensori G(s) Processo C(s)? Unità di controllo u(k) D 1001 A Conversione D/A Attuatori

Dettagli

Controllo Digitale - A. Bemporad - A.a. 2007/08

Controllo Digitale - A. Bemporad - A.a. 2007/08 Controllo di sistemi con saturazione (tecniche di anti-windup) controllore lineare Kx(k) saturazione Problema del Windup u(k) processo x(k) La maggior parte dei sistemi di controllo viene progettata utilizzando

Dettagli

Filtro di Kalman Esteso applicato al problema della localizzazione nella robotica mobile. Ing. Elisabetta Fabrizi

Filtro di Kalman Esteso applicato al problema della localizzazione nella robotica mobile. Ing. Elisabetta Fabrizi Filtro di Kalman Esteso applicato al problema della localizzazione nella robotica mobile Ing. Elisabetta Fabrizi Overview Metodi di localizzazione localizzazione relativa localizzazione assoluta Localizzazione

Dettagli

Regressione non lineare con un modello neurale feedforward

Regressione non lineare con un modello neurale feedforward Reti Neurali Artificiali per lo studio del mercato Università degli studi di Brescia - Dipartimento di metodi quantitativi Marco Sandri (sandri.marco@gmail.com) Regressione non lineare con un modello neurale

Dettagli

COMPITO DI SEGNALI E SISTEMI 18 Dicembre 2004

COMPITO DI SEGNALI E SISTEMI 18 Dicembre 2004 COMPIO DI SEGNALI E SISEMI 8 Dicembre 4 Esercizio Si consideri il modello di stato a tempo discreto descritto dalle seguenti equazioni: x(k + = Ax(k + Bu(k = x(k + u(k, v(k = Cx(k = [ ] x(k, k Z + i Si

Dettagli

Applicazioni di Controllo per Sistemi Non Lineari

Applicazioni di Controllo per Sistemi Non Lineari Nonlinear Control -Pag.1 Applicazioni di Controllo per Sistemi Non Lineari Marcello Bonfè Dipartimento di Ingegneria Università di Ferrara Tel. +39 0532 974839 Fax. +39 0532 974870 E-mail: mbonfe@ing.unife.it

Dettagli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli Prefazione Non è facile definire che cosa è un problema inverso anche se, ogni giorno, facciamo delle operazioni mentali che sono dei metodi inversi: riconoscere i luoghi che attraversiamo quando andiamo

Dettagli

. analisi teorica (studio di esistenza, unicità della soluzione, sensitività rispetto ai dati, regolarità, comportamento qualitativo).

. analisi teorica (studio di esistenza, unicità della soluzione, sensitività rispetto ai dati, regolarità, comportamento qualitativo). 1 Modelli matematici Un modello è un insieme di equazioni e altre relazioni matematiche che rappresentano fenomeni fisici, spiegando ipotesi basate sull osservazione della realtà. In generale un modello

Dettagli

Ringraziamenti dell editore. Introduzione. Parte I MODELLISTICA 1

Ringraziamenti dell editore. Introduzione. Parte I MODELLISTICA 1 romane.pdf 24-07-2008 18:14:24-7 - ( ) Prefazione Ringraziamenti dell editore Introduzione XIII XVI XVII Parte I MODELLISTICA 1 1 Modelli di trasferimento di risorse 3 1.1 Variabili di stato e variabili

Dettagli

System Dynamics. Corso di Analisi dei Sistemi 1. Anno Accademico 2007/2008 Savona, 30 novembre 2007

System Dynamics. Corso di Analisi dei Sistemi 1. Anno Accademico 2007/2008 Savona, 30 novembre 2007 Università degli Studi di Genova Facoltà di Ingegneria System Dynamics Corso di Analisi dei Sistemi 1 Anno Accademico 2007/2008 Savona, 30 novembre 2007 1 Agenda Cos è la System Dynamics Le origini della

Dettagli

MATERIA : SISTEMI ELETTRICI AUTOMATICI INS. TEORICO: PROF. CIVITAREALE ALBERTO

MATERIA : SISTEMI ELETTRICI AUTOMATICI INS. TEORICO: PROF. CIVITAREALE ALBERTO PIANO DI LAVORO CLASSE 5 ES A.S. 2014-2015 MATERIA : SISTEMI ELETTRICI AUTOMATICI INS. TEORICO: PROF. CIVITAREALE ALBERTO INS. TECNICO-PRATICO: PROF. BARONI MAURIZIO MODULO 1: ALGEBRA DEGLI SCHEMI A BLOCCHI

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

Analisi dei sistemi nel dominio del tempo

Analisi dei sistemi nel dominio del tempo Appunti di Teoria dei Segnali a.a. 010/011 L.Verdoliva In questa sezione studieremo i sistemi tempo continuo e tempo discreto nel dominio del tempo. Li classificheremo in base alle loro proprietà e focalizzeremo

Dettagli

Ottimizzazione non Vincolata

Ottimizzazione non Vincolata Dipartimento di Informatica e Sitemistica Università di Roma Corso Dottorato Ingegneria dei Sistemi 15/02/2010, Roma Outline Ottimizzazione Non Vincolata Introduzione Ottimizzazione Non Vincolata Algoritmi

Dettagli

Documentazione esterna al software matematico sviluppato con MatLab

Documentazione esterna al software matematico sviluppato con MatLab Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno

Dettagli

Motore ad induzione Controllo ad Orientamento di Campo (FOC) Controllo non interagente

Motore ad induzione Controllo ad Orientamento di Campo (FOC) Controllo non interagente Motore ad induzione Controllo ad Orientamento di Campo (FOC) Controllo non interagente P. Valigi Ottimizzazione e Controllo 12 Marzo 214 Il modello Motore ad induzione: uno statore, in genere avvolto,

Dettagli

Criteri di stabilità (ver. 1.2)

Criteri di stabilità (ver. 1.2) Criteri di stabilità (ver. 1.2) 1 1.1 Il concetto di stabilità Il concetto di stabilità è piuttosto generale e può essere definito in diversi contesti. Per i problemi di interesse nell area dei controlli

Dettagli

ANALISI E SIMULAZIONE DI SISTEMI DINAMICI. Lezione I: Introduzione ai sistemi dinamici

ANALISI E SIMULAZIONE DI SISTEMI DINAMICI. Lezione I: Introduzione ai sistemi dinamici ANALISI E SIMULAZIONE DI SISTEMI DINAMICI Lezione I: Introduzione ai sistemi dinamici Cosa è un sistema dinamico Un pò di storia Principio di causalità Concetto di stato Esempi di sistemi dinamici 1-1

Dettagli

F O R M A T O E U R O P E O

F O R M A T O E U R O P E O F O R M A T O E U R O P E O P E R I L C U R R I C U L U M V I T A E INFORMAZIONI PERSONALI Nome Indirizzo Telefono Fax E-mail Linkedin Skype DEL COCO MARCO Nazionalità Italiana Data di nascita 28/06/1984

Dettagli

Electrical motor Test-bed

Electrical motor Test-bed EM_Test_bed Page 1 of 10 Electrical motor Test-bed 1. INTERFACCIA SIMULINK... 2 1.1. GUI CRUSCOTTO BANCO MOTORE... 2 1.2. GUIDE... 3 1.3. GUI PARAMETRI MOTORE... 3 1.4. GUI VISUALIZZAZIONE MODELLO 3D MOTORE...

Dettagli

La valutazione dei circuiti di protezione TVS con Spice V BR V C V RWM. Regione di breakdown

La valutazione dei circuiti di protezione TVS con Spice V BR V C V RWM. Regione di breakdown MOEI SPICE a valutazione dei circuiti di protezione TS con Spice Jim epkowski ON Semiconductor William epkowski Università dell Arizona utilizzo di macromodelli Spice può risultare particolarmente utile

Dettagli

Indice. Capitolo 1 Introduzione... 1. Capitolo 2 Rappresentazioni lineari e modelli di sistemi da diverse discipline... 9

Indice. Capitolo 1 Introduzione... 1. Capitolo 2 Rappresentazioni lineari e modelli di sistemi da diverse discipline... 9 Indice Capitolo 1 Introduzione... 1 Capitolo 2 Rappresentazioni lineari e modelli di sistemi da diverse discipline... 9 2.1 Alcuni semplici modelli.............................. 10 2.1.a Un sistema meccanico

Dettagli

Capitolo 7 Analisi di Sistemi a Dati Campionati

Capitolo 7 Analisi di Sistemi a Dati Campionati Capitolo 7 Analisi di Sistemi a Dati Campionati Un sistema di controllo digitale è costituito da elementi a tempo continuo (il processo da controllare, l attuatore, il trasduttore analogico, il filtro

Dettagli

13-1 SISTEMI A DATI CAMPIONATI: INTRODUZIONE. y(t) TMP. y k. Trasduttore. Schema di base di un sistema di controllo digitale

13-1 SISTEMI A DATI CAMPIONATI: INTRODUZIONE. y(t) TMP. y k. Trasduttore. Schema di base di un sistema di controllo digitale SISTEMI A DATI CAMPIONATI: INTRODUZIONE + e k u k u(t) r k C D/A P y k TMP A/D Trasduttore y(t) Schema di base di un sistema di controllo digitale A/D: convertitore analogico digitale C: controllore digitale

Dettagli

Equazioni non lineari

Equazioni non lineari Equazioni non lineari Data una funzione f : [a, b] R si cerca α [a, b] tale che f (α) = 0. I metodi numerici per la risoluzione di questo problema sono metodi iterativi. Teorema Data una funzione continua

Dettagli

Scheduling della CPU. Concetti fondamentali. Concetti fondamentali. Concetti fondamentali. Dispatcher. Scheduler della CPU

Scheduling della CPU. Concetti fondamentali. Concetti fondamentali. Concetti fondamentali. Dispatcher. Scheduler della CPU Scheduling della CPU Concetti fondamentali Criteri di scheduling Algoritmi di scheduling Concetti fondamentali L obiettivo della multiprogrammazione è di avere processi sempre in esecuzione al fine di

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli