Metodi e algoritmi di identificazione
|
|
- Aureliano Martino
- 7 anni fa
- Visualizzazioni
Transcript
1 DTI / ISEA / LSM / Modellazione e Idenificazione Meodi e algorimi di idenificazione Inroduzione Mikael Bianchi, Ricercaore SUPSI 2 marzo 203
2 DTI / ISEA / LSM / Modellazione e Idenificazione Scopo della lezione Essere in grado di caraerizzare un processo fisico, con acceno nei processi da conrollare Capire, saper implemenare e saper usare meodi principali di idenificazione, essere in grado di valuare la qualià del modello simao araverso validazioni Creare una libreria conenene algorimi di idenificazione principali 2
3 DTI / ISEA / LSM / Modellazione e Idenificazione Conenui della lezione Pare 0: Riepilogo dei concei imporani 2.5 lezioni Modellazione Analisi e proprieà dei segnali Meodo di Leas Squares meodo dei minimi quadrai Pare : Idenificazione non paramerica 3.5 lezioni Meodi grafici Risposa all impulso Meodo della correlazione Risposa in frequenza, analisi sperale Pare 2: Idenificazione paramerica 4 lezioni Sruure e modelli Il meodo di Leas Squares, riviso Predicive Error Mehods Filro di Kalman eseso usao per l idenificazione Meodi offline / online 3
4 DTI / ISEA / LSM / Modellazione e Idenificazione Sruura della lezione Documenazione Verrà consegnao uno scrip e le slides di presenazione. La lezione si basa sui esi: Idenificaion de Sysèmes Dynamiques di Prof. Bonvin e Dr. A Karimi Sysem idenificaion, di Södersröm T., Soica P., NJ, 989 scaricabile Sio: hp:// Esercizi: Meà semesre: prova scria peso: /3 della noa finale Laboraorio merologia, applicazione dell idenificazione: Meccaniche flessibile sisema a dischi Alri libri di eso consigliai Lijung, L.: Sysem Idenificaion: Theory for he user, Prenice Hall, Englewood Cliffs, NJ, 987 Lijung, L.: Sysem Idenificaion Toolbox User Guide, The Mahworks, Naick, MA, 99 Shafai, E.: Einführung in die Adapive Regelung, ETHZ,
5 DTI / ISEA / LSM / Modellazione e Idenificazione Meodo di lavoro Sudio del processo Sviluppo maemaico del conceo Verifica eorica Implemenazione in simulazione Verifica simulazione Scalaura / Oimizzazione numerica Rapid prooyping Verifica oimizzazione Inegrazione dell algorimo Verifica simulazione Inegrazione nell apparaecchio analisi delle specifiche richiese, ricerca, documeni Si compora come è sao previso? Si compora come è sao previso? L errore rimane acceabile? linguaggio di programmazione finale C-SFuncions Tes 5
6 DTI / ISEA / LSM / Modellazione e idenificazione Lezione Inroduzione all idenificazione 02/03/203 6
7 DTI / ISEA / LSM / Modellazione e Idenificazione Lezione : Inroduzione all idenificazione Pare : Inroduzione alla modellazione e all idenificazione Moivazione Inroduzione all idenificazione Aspei fondamenali Idenificazione non paramerica Idenificazione paramerica Pare 2: Esempio inroduivo Pare 3: Inroduzione alla modellazione Tipi di modelli Linearizzazione Discreizzazione
8 DTI / ISEA / LSM / Modellazione e idenificazione Pare : Inroduzione alla modellazione e all idenificazione
9 DTI / ISEA / LSM / Modellazione e Idenificazione Moivazione Modellazione e idenificazione: quali sono gli uilizzi praici? Regolazione di un processo: sviluppo di un conrollore Sviluppo di filri: Osservaore Eliminazione dei disurbi di misura Simulazioni Riproduzione del comporameno di un processo reale su compuer Verifica di algorimi di conrollo e filri 9
10 DTI / ISEA / LSM / Modellazione e Idenificazione 0 Moivazione: conrollo di un processo Uscia desideraa + - Uscia Conrollo Processo misuraa È dao un processo qualsiasi da conrollare. Esempi: 02/03/203 Sisema eleronico Sisema RC Generaore / Moore Sisema meccanico / fisico Auopiloa aereo / elicoero Tempoma : Conrollo di velocià Impiano di riscaldameno / venilazione Il conrollo sfrua diverse misure del processo per raggiungere il comporameno ad anello chiuso desiderao.
11 DTI / ISEA / LSM / Modellazione e Idenificazione Moivazione: sviluppo di un conrollore Per sviluppare un buon conrollore è necessaria la conoscenza del comporameno del processo. Lo sviluppo si suddivide nei segueni passi: Modellazione Idenificazione Analisi del processo +- Conrollo Processo Validazione Verifica del modello Sviluppo del conrollore
12 DTI / ISEA / LSM / Modellazione e Idenificazione 2 Moivazione: Modellazione Processo Modello del processo Modellazione Araverso la modellazione viene rappresenao il comporameno del processo. Il modello può venir descrio in diversi modi: Modello inuiivo: viene descrio menalmene e verbalmene ad esempio sposando il mouse verso desra, il cursore dello schermo si sposa in proporzione Grafici e abelle: sono curve che caraerizzano il processo in modo dinamico o saico diagramma di bode o curve caraerisiche Modello maemaico: descrive il processo araverso un sisema di equazioni. Le equazioni vengono ricavae con approcci fisici o empirici
13 DTI / ISEA / LSM / Modellazione e Idenificazione Moivazione: Modellazione A dipendenza del grado di conoscenza del processo, I modelli si possono suddividere in re ipi:. Whie Box: Il processo è compleamene conosciuo e il modello riproduce perfeamene il processo. Un idenificazione non è più necessaria. Whie Box Processo 2. Grey Box: Il processo è parzialmene conosciuo e/o il modello rappresena una versione semplificaa del processo. L idenificazione è necessaria per la pare sconosciua del modello Grey Box 3. Black Box: Il processo è oalmene sconosciuo. Approccio empirico Black Box
14 DTI / ISEA / LSM / Modellazione e Idenificazione Moivazione: Idenificazione Processo Modello parziale Idenificazione Modello idenificao L idenificazione permee di deerminare la pare sconosciua del modello. Procedimeno: Si simola il sisema con un segnale in ingresso definio. Analizzando la reazione del processo araverso delle misure si può ricavare il modello idenificao. La qualià dell idenificazione dipende da diversi faori: Tipo di simolazione del processo Disurbi: rapporo ra segnale uile e segnale di disurbo Riproducibilià del processo da pare del modello scelo
15 DTI / ISEA / LSM / Modellazione e Idenificazione 5 Moivazione: Validazione Processo Validazione Modello idenificao La validazione viene uilizzaa per deerminare l affidabilià del modello idenificao. Procedimeno: Si simola il processo e il modello con lo sesso segnale in ingresso. Il segnale viene scelo nel puno di lavoro normale del processo. Il segnale in ingresso deve essere differene dal segnale uilizzao per l idenificazione Si confrona il comporameno del processo e del modello Se l andameno delle curve misurae e simulae corrispondondono, il modello idenificao si può rienere validao
16 DTI / ISEA / LSM / Modellazione e Idenificazione Aspei dell idenificazione: Meodi Meodi non paramerici I meodi non paramerici si basano sugli andameni delle curve di reazione del processo. Si differenziano due ipi di analisi: Analisi nel empo esempio: risposa al gradino, risposa all impulso Analisi in frequenza esempio: ff, diagramma di bode Analisi dei segnali nel empo Enraa: Segnale di simolo Uscia: Reazione del processo Tempo [s] Analisi del processo in frequenza Frequenza [Hz] 6 Segnali Guadagno Y/U [db]
17 DTI / ISEA / LSM / Modellazione e Idenificazione Aspei dell idenificazione: Meodi Meodi paramerici I meodi paramerici si basano su sisemi di equazioni definii in funzione di più parameri sconosciui. La sruura del modello è definia e conosciua I parameri sono oalmene o parzialmene sconosciui Parameri Misura del segnale in uscia dal processo Segnale in enraa nel processo Commeni: Il sisema è sovradeerminao: si hanno a disposizione più equazioni di parameri. Il sisema è socasico: le misure conengono disurbi rumore, quanizzazione La soluzione del problema non è deerminisica ma socasica. I parameri idenificai hanno un incerezza di sima varianza I parameri non sempre vengono idenificai correamene consisenza della sima
18 DTI / ISEA / LSM / Modellazione e Idenificazione Aspei dell idenificazione: qualià dell idenificazione Per poer idenificare correamene il processo bisogna ener cono dei segueni faori: Tipo di segnale di simolo scelo persisenza dello simolo Lunghezza della misura: Con una misura lunga si possono minimizzare gli effei dei disurbi non misurai Signal o noise raio Riproducibilià della realà da pare del modello Quesi faori possono influenzare: La varianza del modello idenificao incerezza. Il valore aeso dell errore ra processo reale e modello idenificao
19 DTI / ISEA / LSM / Modellazione e Idenificazione Aspei dell idenificazione: qualià dell idenificazione Tipo di segnale di simolo scelo persisenza dello simolo È imporane riuscire a generare un segnale che simoli il maggior numero di frequenze o che simoli le frequenze aorno al puno di lavoro scelo Impulso Gradino u Uf u Uf Tempo Frequenza Tempo Frequenza Segnale cosane Segnale sinusoidale u Uf u Uf Tempo Frequenza Tempo Frequenza
20 DTI / ISEA / LSM / Modellazione e Idenificazione Aspei dell idenificazione: qualià dell idenificazione Signal o noise raio: Relazione ra segnale uile e disurbo non misurao L ampiezza del segnale uile deve essere maggiore all ampiezza del disurbo non misurao rumore di fondo, quanizzazione,... Signal o noise Raio, esempio Signal o noise Raio, esempio Segnale misurao Segnale uile Tempo [s] Segnale Segnale Segnale misurao Segnale uile Tempo [s]
21 DTI / ISEA / LSM / Modellazione e idenificazione Pare 2: Esempi inroduivi
22 DTI / ISEA / LSM / Modellazione e Idenificazione Esempi inroduivi Esempio : idenificazione di un sisema dinamico in malab Effei di segnali di disurbo sull idenificazione Effei della persisenza dello simolo sull idenificazione Validazione Esempio 2: idenificazione di un sisema saico in malab Definizione del problema di idenificazione Minimizzazione dell errore in funzione dei parameri
23 DTI / ISEA / LSM / Modellazione e idenificazione Pare 3: Modellazione riassuno
24 DTI / ISEA / LSM / Modellazione e Idenificazione 24 Modellazione e idenificazione: Concei La caraerizzazione di un processo richiede diversi sadi. Si disinguono le enià segueni: Processo: Rappresena la realà fisica che si desidera sudiare. Include ui le possibili inerazioni con l eserno effei microscopici. Sisema: Poiché il processo in genere è esremamene complesso, è richiesa una limiazione del caso di sudio, che è definio dal sisema. Queso passo richiede un asrazione della realà fisica caraerizzazione macroscopica. Il sisema include ue le grandezze che possono influenzare in modo «visibile» il processo. Modello: è la descrizione semplificaa del sisema. Per i modelli non paramerici si raa di una curva diagramma di bode, risposa al gradino, menre per i modelli paramerici è una descrizione maemaica con una sruura deerminaa. Sisema d idenificazione: racchiude il meodo per simare la pare non conosciua del modello o per far coincidere il modello al sisema
25 DTI / ISEA / LSM / Modellazione e Idenificazione Scopo della modellazione: Modellazione Riprodurre il processo in modo migliore uilizzando il modello più semplice possibile. Procedimeno: Definire i confini del processo da modellare Quali caraerisiche voglio modellare e quali posso ralasciare? Quali sono le grandezze influenzabili dal mio conrollore? Quali misure sono necessarie per idenificare il processo? Quali misure sono necessarie per conrollare il processo? Rappresenare il modello araverso un sisema di equazioni sisemi paramerici Modellazione fisica princìpi primi Meodo di Lagrange Semplificazione del modello, linearizzazione e discreizzazione Il modello deve riprodurre bene il processo solo nel suo puno di lavoro Processo Sisema Sisema Modello 25
26 DTI / ISEA / LSM / Modellazione e Idenificazione Modellazione: ipi di modelli Dinamici / saici Con modellazione del disurbo / senza disurbo Coninui / discrei Lineari / nonlineari Tempo-invariani / Tempo-variani Equazioni differenziali / Equazioni di sao 02/03/203 Necessaria per oenere idenificazioni corree dei parameri Sima del valore di parameri fisici Solo casi in cui i parameri variano lenamene nel empo 26
27 DTI / ISEA / LSM / Modellazione e Idenificazione Modellazione: Discreizzazione Il modello sviluppao è generalmene rappresenao da un sisema di equazioni differenziali coninue nel empo. I regolaori digiali lavorano a empi discrei, anche i modelli e i regolaori necessiano una discreizzazione. Pure l idenificazione viene eseguia su modelli discrei. Esisono diversi meodi di discreizzazione, ui rappresenano un approssimazione del sisema originale, poichè l informazione del segnale ra 2 puni di campionameno va persa. Esempio: Equazione differenziale di primo ordine Equazione differenziale: Discreizzazione di un sisema Discreizzazione: y+d y Sosiuzione: y-d Equazione differenziale discreizzaa risulane: 0 -d +d Tempo Segnale Segnale coninuo Segnale discreizzao
28 DTI / ISEA / LSM / Modellazione e Idenificazione Modellazione: Discreizzazione Parendo dalla forma di sao in empo coninuo: Si desidera oenere un modello discreo equivalene in forma: La discreizzazione non è sempre semplice: È richiesa la soluzione delle equazioni differenziali L informazione dei segnali ra i empi di campionameno viene a mancare: Esisono diversi meodi approssimaivi o che richiedono delle assunzioni: Meodo : Approssimazione della derivaa Meodo2: Soluzione analiica usando un sample and hold zero-order hold 02/03/203 28
29 DTI / ISEA / LSM / Modellazione e Idenificazione Modellazione: Discreizzazione Meodo : Approssimazione della derivaa 02/03/203 29
30 DTI / ISEA / LSM / Modellazione e Idenificazione Modellazione: Discreizzazione Meodo 2: Soluzione analiica usando un sample and hold zero-order hold La soluzione dell equazione di sao è: Si può dunque porare l equazione in sile ricorsivo, sosiuendo con k+. s e 0 con k. s. Si assume che u rimanga cosane durane l inervallo di campionameno zoh Assumendo infine che la marice di sao A sia inveribile, si può risolvere l inegrale usando la proprieà La soluzione è 02/03/203 30
31 DTI / ISEA / LSM / Modellazione e Idenificazione Modellazione: Linearizzazione La eoria dei conrolli e dell idenificazione si basa soprauo su modelli lineari. Un modello non lineare va quindi linearizzao. Il modello lineare risulane è un approssimazione del modello originale. Il modello lineare riproduce bene il comporameno del processo solo nel puno in qui è sao linearizzao. Esisono diversi approcci per rendere un modello lineare. La scela del meodo dipende dal processo. Esempio: Equazione differenziale di primo ordine Equazione differenziale: Linearizzazione di un'equazione differenziale Si può approssimare il sisema aorno ad un puno di lavoro u 0 con la rea angene alla funzione nonlineare nel puno u 0 Funzione originale Puno di lavoro Funzione linearizzaa Equazione differenziale linearizzaa: u
32 DTI / ISEA / LSM / Modellazione e Idenificazione Modellazione: Linearizzazione Un equazione differenziale non lineare generica: Può venir linearizzaa inorno ad un puno di lavoro uilizzando la serie di Taylor L equazione differenziale linearizzaa in forma di sao sarà: 02/03/203 32
33 DTI / ISEA / LSM / Modellisica e idenificazione Modellisica e idenificazione Proprieà dei segnali Meodo Leas Squares Mikael Bianchi, Ricercaore SUPSI 2 marzo 203
34 02/03/203 DTI / ISEA / LSM / Modellisica e idenificazione Conenui della lezione Pare : Proprieà dei segnali Segnali nell idenificazione Segnali uili e segnali di disurbo Descrizione dei segnali Deerminisici: In funzione del empo o della frequenza Socasici: In funzione delle proprieà socasiche Segnale sazionario / ergodico Valore aeso, Correlazione, Varianza Esempi di segnali Pare 2: Meodo Leas Squares Recursive Leas Squares Pare 3: Esercizio 2
35 DTI / ISEA / LSM / Modellisica e idenificazione Segnali nell idenificazione Disurbo Processo u y In un processo fisico si disinguono i segueni segnali: Di simolo, in enraa, : Sono definii e volui auazioni Di misura, in uscia,: È la risposa del processo in funzione del segnale in enraa Di disurbo: Possono influenzare i segnale in enraa, in uscia o il processo Se sono conosciui o misurabili possono venir uilizzai come segnali in enraa Se sono sconosciui vengono caraerizzai araverso proprieà socasiche Tipi di segnali: Uili: Conengono informazioni per caraerizzare il processo Ausiliari: Vengono uilizzai per esrarre informazioni dal processo Di disurbo: Pare non desideraa e socasica 3
36 DTI / ISEA / LSM / Modellisica e idenificazione Segnali nell idenificazione Per idenificare un sisema un segnale deve essere: Persisene: Deve simolare il processo in modo adeguao definizione più in avani Deerminane è il numero di frequenze simolae Sufficenemene poene rispeo al disurbo non misurao: Signal o noise Raio Lo spero del segnale è da scegliere nell inervallo di frequenze ineressane del processo Processo G [db] ω Banda di frequenze ineressani 4
37 DTI / ISEA / LSM / Modellisica e idenificazione Descrizione di segnali: Segnali deerminisici Un segnale deerminisico è perfeamene conosciuo nel empo e riproducibile. Può venir caraerizzao in funzione del empo: u f Dove f è una funzione qualsiasi conosciua. Nel caso di campionameno ZOH del segnale per un sisema a empi discrei la funzione risula: u f k k : : Campione 0,,2,... Tempo di campionameno Per semplicià uilizzeremo la seguene noazione: u [ k ] ˆ u k u u[3] u[] u[2] 2 3 5
38 DTI / ISEA / LSM / Modellisica e idenificazione Backward Shif Operaor Inroduzione di una nuova noazione: Backward shif operaor q - Analogia ra rasformaa di z e Backward Shif operaor q z: Time shif nel dominio di Laplace, rappresena und proiezione di s q: Time shif nel dominio del empo. Differenze sosanziali: Backward shif operaor considera le condizioni iniziali del sisema! La seguene relazione non può quindi venir semplificaa 6
39 DTI / ISEA / LSM / Modellisica e idenificazione Descrizione di segnali: Segnali deerminisici Segnale di poenza finia e segnale di energia finia Un segnale ad energia finia corrisponde ad un segnale ransiorio in cui vale: Per un segnale a poenza finia vale che la sua poenza media converge verso un valore non nullo: Caraerisiche Media: Funzione di auocorrelazione: S: Scalaura Funzione di varianza: S: Scalaura 7
40 DTI / ISEA / LSM / Modellisica e idenificazione Descrizione di segnali: Segnali deerminisici Correlazioni ra segnali diversi Funzione di covarianza: Funzione di inercorrelazione: Generalmene si sceglie la seguene scalaura: Segnali a energia finia: Segnali a poenza finia: S S 2 N + Comandi in Malab: xcorr x, y Funzione di correlazione xvar x, y Funzione di varianza mean x Valore medio 8
41 DTI / ISEA / LSM / Modellisica e idenificazione Descrizione di segnali: Segnali socasici Un segnale socasico è casuale, non è predicibile ed è parzialmene o oalmene sconosciuo Viene caraerizzao con una variabile socasica: ξ La variabile socasica appariene ad uno spazio di probabilià ed è caraerizzaa da una funzione di probabilià. Lo spazio di probabilià racchiude ui gli esii possibili dell esperimeno Un processo socasico viene descrio nel seguene modo: y, ξ f, ξ Una realizzazione è la funzione nel empo per un dao [ ξ ξ ] 0 0, 0,2 ξ 0,N y y y3 y
42 DTI / ISEA / LSM / Modellisica e idenificazione Descrizione di segnali: Segnali socasici Conceo di realizzazione e processo socasico 0
43 DTI / ISEA / LSM / Modellisica e idenificazione Una breve uffo nell analisi probabilisica Consideriamo un spazio probabilisico: Ω Lo spazio di probabilià racchiude ui gli esii possibili dell esperimeno La variabile socasica è definia nel seguene modo: : ξ Ω R La variabile socasica o aleaoria è una riproduzione da uno spazio probabilisico ad uno spazio reale Il veore socasico si compone di una quanià di variabili socasiche racchiude ad esempio una misura nel empo Ad ogni variabile socasica corrisponde una densià probabilisica: p x L inegrale della densià probabilisica è pari a, racchiude la probabilià che ui gli eveni x accadano. Esendendo la densià probabilisica per un veore socasico, le variabili divenano veori.
44 DTI / ISEA / LSM / Modellisica e idenificazione Una breve uffo nell analisi probabilisica Disribuzione normale o gaussiana Proprieà Caraerizzabile araverso 2 variabili media e varianza Simmerica Operazioni lineari non modificano la forma della disribuzione. Tue le variabili socasiche nell idenificazione verrano approssimae ad una disribuzione gaussiana 2
45 DTI / ISEA / LSM / Modellisica e idenificazione Una breve uffo nell analisi probabilisica Medie dell insieme: Valore aeso: E {.} Il valore aeso rappresena il valore medio delle realizzazioni: Media: Correlazione: La varianza definisce l incerezza delle realizzazioni: C v Var 2 2 { v } E {[ v E { v }] } E { v } E { v } 2 Proprieà: Siano definie due variabili aleaorie qualsiasi: v,v allora vale: 2 E { av + bv } ae { v } + be Var { av E { v Var { v v v 2 + b } a v,v 2 } E { v } Var { v Var { v Siano definie due variabili aleaorie indipendeni: allora vale: + } E { v } 2 } { v } + Var { v 2 2 } } Due variabili indipendeni sono dee non correlae: 3
46 DTI / ISEA / LSM / Modellisica e idenificazione Descrizione di segnali: Segnali socasici Proprieà dei segnali socasici Sazionarieà: Se il segnale di una realizzazione è sazionario, le medie della singola realizzazione non dipendono dal empo k e possono essere approssimae con una media sul empo definizione uguale per i segnali deerminisici Ergodicià: Un sisema è definio ergodico quando qualsiasi realizzazione è ipica ed è sufficene per descrivere la variabile socasica Nel caso in cui il segnale è sia ergodico che sazionario vale: Valore aeso: Funzione di auocorrelazione: Funzione di inercorrelazione: 4
47 DTI / ISEA / LSM / Modellisica e idenificazione Definizione di impulso Funzione di Dirac è un impulso di duraa infiniesimale: δ per 0 < < ε l im ε ε 0 0 per 0 e La sua area è pari a : d 0 Vale quindi la seguene proprieà: 0 f τ d f τ Visa nel dominio di frequenze la rasformaa della funzione di Dirac è pari a : F 0 jω { δ } e d Ciò significa che l impulso di Dirac simola ue le frequenze in equal misura. 02/03/203 Dominio del empo δ / ε ε Dominio di frequenza F{δ} f 5
48 DTI / ISEA / LSM / Modellisica e idenificazione Definizione di funzione gradino uniario La funzione di gradino corrisponde ad uno scalino di ampliudine al empo >0: Dominio del empo 0 per 0 h h per > 0 Derivando la funzione di gradino si oiene la funzione d impulso Analogamene si definisce la funzione di gradino nel empo discreo 0 h [ k ] 0 per per k k > /03/203 6
49 DTI / ISEA / LSM / Modellisica e idenificazione Definizione di rumore bianco Il rumore bianco è un segnale casuale e indipendene con le segueni proprieà socasiche: E E { { e } e e 0 2 τ } σ δ τ Dominio del empo e Se il rumore bianco corrisponde ad una disribuzione normale, allora le proprieà sopra sono sufficeni per descrivere compleamene il ipo di disribuzione probabilisica: 0 e ~ N 0, 2 σ Dominio di frequenza Visa nel dominio di frequenze la rasformaa della funzione rumore bianco simola in equal misura ue le frequenze. F{δ} f 02/03/203 7
50 DTI / ISEA / LSM / Modellisica e idenificazione Definizione di moo browniano Il moo Browniano definisce il movimeno casuale di una paricella ed è modellao dal processo di Wiener. E { W } { W } σ E Il processo di Wiener si può esprimere maemaicamene come inegrale del rumore bianco W Il rispeivo segnale discreo si chiama Random-Walk, e corrisponde alla sommaoria del rumore bianco discreo τ 0 e d W [ k ] k j e [ k ] 02/03/203 8
51 DTI / ISEA / LSM / Modellisica Modellazione e e idenificazione Pare 2: Idenificazione con Leas Squares 02/03/203 9
52 DTI / ISEA / LSM / Modellisica e idenificazione Idenificazione paramerica: Sruure Consideriamo un processo parzialmene sconosciuo con un disurbo sconosciuo: Disurbo Processo u y Esisono moli meodi per rappresenare un modello con disurbo. Nel campo dell idenificazione paramerica la sruura più semplice è la regressione lineare. L equazione di una regressione lineare è la seguene: T ϕ [ y y 2... y na u u 2... u ] θ [ a a a b b... ] T nb 2 E... 2 { e } na b nb 2 0 e E{ee τ } λ δ e: rumore bianco con: τ 02/03/203 20
53 DTI / ISEA / LSM / Modellisica e idenificazione Idenificazione paramerica: Sruure ϕ n θ R θ R E{.} δ τ n θ Regressore Veore di parameri Valore aeso Funzione di Kronecker-Dela per τ, 0 alrimeni δ τ δ τ Quesa sruura è conveniene poichè permee di raggruppare i parameri cercai in un veore. u Modello e + Il disurbo viene modellao NEL processo. Conseguenze?? y 02/03/203 2
54 DTI / ISEA / LSM / Modellisica e idenificazione Idenificazione paramerica: Sruure 02/03/ I N dai si possono rappresenare i dai nel seguene modo N R 2 N y y y Y n N R 2 Φ N T T T T ϕ ϕ ϕ N R 2 N e e e N R 2 N u u u U Procedimeno: Conosciua la sruura si esegue una misura per un periodo di empo definio e si regisrano i N segnali campionai. Processo 2 3 u u2 u3 2 3 y y2 y3 U Y e
55 DTI / ISEA / LSM / Modellisica e idenificazione Idenificazione paramerica: Sruure 02/03/ La regressione lineare viene quindi rappresenaa in modo veoriale: N e e e b b a a N u N u N y N y u u y y u u y y N y y y + Φ θ T Y [ ] e b b a a u u y y y + Esempio: Sisema di secondo ordine
56 DTI / ISEA / LSM / Modellisica e idenificazione Idenificazione paramerica: Leas Squares Si supponga che il processo reale sia descrio dalla regressione lineare: Y Φ T θ 0 + θ 0 : Veore di parameri reale Si supponga pure che la sruura del modello possa descrivere compleamene il processo non disurbao. Poichè il disurbo e è sconosciuo, la sima del segnale Y viene eseguia nel seguene modo: Y ˆ ˆ θ Φ T θ ˆ, ˆ θ : Veore di parameri simao L errore ra processo reale e modello è: ˆ T Y Y ˆ θ Y Φ ˆ θ 02/03/203 24
57 02/03/203 DTI / ISEA / LSM / Modellisica e idenificazione Idenificazione paramerica: Leas Squares Obieivo: Trovare il veore di parameri ale che la somma quadraica degli errori ra processo reale e modello simao sia minimo: 2 N 2 2 T T T V N θ ε, θ θ θ [ Y Φ θ ] [ Y Φ 2 T θ ] La soluzione del problema di minimizzazione si oiene derivando la funzione V N rispeo ai parameri cercai e ponendo la derivaa a zero funzione convessa: d V d θ 2! T T T T T T T [ 2 Y Φ θ Φ ] Φ + θ ΦΦ 0 N θ Y Il veore di parameri risulane è: θ T LS ΦΦ Φ Y 25
58 DTI / ISEA / LSM / Modellisica e idenificazione Idenificazione paramerica: Recursive Leas Squares L idenificazione Leas Squares viene eseguia parendo dalle misure già fae offline A vole è uile idenificare i parameri durane la misura online. Vanaggi: Sparizione dei calcoli sul processore Idenificazione auomaizzaa Adaameno ad evenuali leni cambiameni dei parameri nel empo Conceo del Leas Squares recursivo RLS: Calcolare i parameri iniziali usando ad esempio le misure passae Ad ogni empo di campionameno aggiornare i parameri usando le nuove misure u y Processo θˆ 0 Idenificazione RLS θˆ 02/03/203 26
59 DTI / ISEA / LSM / Modellisica e idenificazione Idenificazione paramerica: Recursive Leas Squares 02/03/ Trasformazione della soluzione di Leas Squares per oenere una versione ricorsivo: s y s s s Y s T s T LS Φ ΦΦ ϕ ϕ ϕ θ Definiamo: s s P T s ϕ ϕ s s P T T s ϕ ϕ ϕ ϕ + Per oenere una soluzione ricorsivo separiamo da P la pare di calcoli riguardani dai passai dai dai auali 2 P P T +ϕ ϕ E quindi:
60 DTI / ISEA / LSM / Modellisica e idenificazione Idenificazione paramerica: Recursive Leas Squares 02/03/ Facciamo la sessa operazione con la formula + y s y s P s y s P s s LS ϕ ϕ ϕ θ Tenendo cono che: P s y s s y s P LS s s LS θ ϕ ϕ θ 3 Sosiuendo l ulima equazione in 3 e semplificando: [ ] [ ] ] [ y P y P P y P P LS T LS LS T LS LS θ ϕ ϕ θ ϕ θ ϕ ϕ ϕ θ θ Per calcolare P dalla formula 2 è necessaria un inversione per ogni empo di campionameno. Queso aumenerebbe i empi di calcolo in modo considerevole. Applicando però il lemma di inversione delle marici oeniamo: [ ] P P P P P P T T T ϕ ϕ ϕ ϕ ϕ ϕ
61 DTI / ISEA / LSM / Modellisica e idenificazione 29 Idenificazione paramerica: Recursive Leas Squares Finalmene abbiamo ue le informazioni necessarie per rappresenare la versione recursiva di Leas Squares. Usando le formule 4 e 5 oeniamo: Recursive Leas Squares θ LS ε P θ y P LS T ϕ + P P θ LS + ϕ T ϕ [ ϕ ε ϕ P ] Condizioni iniziali θ P LS 0 0 θ 0 P 0 T P ϕ P rappresena l incerezza marice di correlazione dei parameri simai Più P è grande e meno la sima è sicura Problema: come scegliere le condizioni iniziali?. Eseguire una prima idenificazione offline 2. Scegliere θ LS 0 0, e P 0 grande. Aenzione ai problemi numerici! 3. Conoscendo il modello fisico si può fare una sima dei valori iniziali 02/03/203
62 DTI / ISEA / LSM / Tiolo principale della presenazione Modellisica e idenificazione Idenificazione non paramerica Mikael Bianchi, Ricercaore SUPSI 20. dicembre 203
63 20/2/203 DTI / ISEA / LSM / Tiolo principale della presenazione Conenui della lezione Analisi delle ransieni Risposa all impulso e convoluzione Analisi in frequenza Meodo delle correlazioni Meodo sperale 2
64 DTI / ISEA / LSM / Tiolo principale della presenazione Analisi delle ransieni L analisi delle ransieni cosise nel rappresenare la risposa del sisema ad un segnale conosciuo con una curva in funzione del empo Queso ipo di analisi permee di oenere informazioni imporani sulla sruura e i parameri del processo sesso. I parameri sono oenibili direamene ramie la leura della curva di risposa, impiegando la soluzione calcolaa dei modelli. Generalmene vengono uilizzae la funzione di scalino o la funzione di impulso per deerminare la curva di risposa. 3
65 DTI / ISEA / LSM / Tiolo principale della presenazione Analisi delle ransieni: Risposa al gradino Risposa al gradino di una funzione del primo ordine passabasso La funzione di rasferimeno di un passabasso con riardo: ha per la soluzione alla funzione di gradino l equazione: I parameri si possono deerminare dalla curva in funzione nel empo. 4
66 DTI / ISEA / LSM / Tiolo principale della presenazione Analisi delle ransieni: Risposa al gradino Risposa al gradino di una funzione del primo ordine passabasso La cosane di empo si può deerminare più facilmene, rasformando il segnale di uscia presupponendo che K sia conosciuo: 5
67 DTI / ISEA / LSM / Tiolo principale della presenazione Analisi delle ransieni: Risposa al gradino Risposa al gradino di una funzione del secondo ordine soosmorzao La funzione di rasferimeno di secondo ordine sisema oscillane: ha per soluzione alla risposa al gradino per derivando la risposa al gradino rispeo al empo si oengono i minimi e massimi locali ai empi: e quindi: definendo l overshoo M come: 6
68 DTI / ISEA / LSM / Tiolo principale della presenazione 7 Analisi delle ransieni: Risposa al gradino Risposa al gradino di una funzione del secondo ordine soosmorzao
69 DTI / ISEA / LSM / Tiolo principale della presenazione Analisi delle ransieni: Risposa al gradino Risposa al gradino di una funzione del secondo ordine soosmorzao Per oenere i parameri dalla curva di risposa si procede nel modo seguene: Deerminare K dalla risposa sazionaria L overshoo M e la cosane di smorzameno ζ si oengono dal primo massimo della risposa: Infine ω 0 si oiene dal periodo di oscillazione: 8
intervalli di tempo. Esempio di sistema oscillante: Fig. 1 Massa m che può traslare in una sola direzione x, legata ad una molla di rigidezza k.
Sudio delle vibrazioni raa ogni oscillazione di una grandezza inorno ad una posizione di equilibrio. La forma piu semplice di oscillazione e il moo armonico che puo i essere descrio da un veore roane Ae
DettagliMedie statistiche Processi stazionari Trasformazioni di processi casuali Ergodicità di processi WSS Analisi spettrale di processi WSS
Teoria dei segnali Unià 4 Teoria dei processi casuali a empo coninuo Teoria dei processi casuali a empo coninuo Medie saisiche Processi sazionari Trasformazioni di processi casuali Ergodicià di processi
DettagliLa risposta di un sistema lineare viscoso a un grado di libertà sollecitato da carichi impulsivi. Prof. Adolfo Santini - Dinamica delle Strutture 1
La risposa di un sisema lineare viscoso a un grado di liberà solleciao da carichi impulsivi Prof. Adolfo Sanini - Dinamica delle Sruure 1 Inroduzione 1/2 Un carico p() si definisce impulsivo quando agisce
DettagliSISTEMI A TEMPO DISCRETO. x t + = f x( t ),u( t ) = Ax( t ) + Bu( t ), x( t ) = x R y(t) = η x(t),u(t) = Cx(t) + Du(t)
Assumiamo la variabile emporale discrea; sia f lineare. Si consideri la seguene rappresenazione implicia: 1 x f x,u Ax Bu, x x R y η x,u Cx Du n 1 1 Rappresenazioni equivaleni Si consideri la rasformazione:
DettagliTratto dal Corso di Telecomunicazioni Vol. I Ettore Panella Giuseppe Spalierno Edizioni Cupido. lim. 1 t 1 T
rao dal Corso di elecomunicazioni Vol. I ore Panella Giuseppe Spalierno dizioni Cupido 4. nergia e Poenza Dao un segnale di ampiezza s() si definisce energia oale il valore del seguene inegrale: + / /
Dettaglix(t) y(t) 45 o x x(t) -2T
Eserciazione 0 - Processi casuali Esercizio Si consideri lo schema di fig., dove =A cos(!0 + ) e e una cosane. Si consideri il paramero A come una variabile casuale uniformemene disribuia ra 0 e.calcolare
DettagliVediamo come si sviluppa la soluzione esplicita del problema. ( t)
Analisi ransioria L'analisi dinamica ransioria (dea anche analisi emporale) è una ecnica che consene di deerminare la risposa dinamica di una sruura soggea ad una generica ecciazione emporale Gli effei
DettagliEquazioni differenziali lineari
0.0. 2. Equazioni differenziali lineari Da un puno di visa dinamico, i sisemi lineari sazionari sono descrii da equazioni differenziali ordinarie lineari a coefficieni cosani: a n d n y d n + a n d n y
DettagliTeoria dei segnali. Unità 2 Sistemi lineari. Sistemi lineari: definizioni e concetti di base. Concetti avanzati Politecnico di Torino 1
Sisemi lineari: deinizioni e concei di base Teoria dei segnali Unià 2 Sisemi lineari Sisemi lineari Deinizioni e concei di base Concei avanzai 2 25 Poliecnico di Torino Sisemi lineari: deinizioni e concei
DettagliCircuiti dinamici. Circuiti del primo ordine. (versione del ) Circuiti del primo ordine
ircuii dinamici ircuii del primo ordine www.die.ing.unibo.i/pers/masri/didaica.hm (versione del 4-5- ircuii del primo ordine ircuii del primo ordine: circuii il cui sao è definio da una sola variabile
DettagliProcessi stocastici e affidabilità
Processi socasici e affidabilià ω Dao un esperimeno casuale, si assuma di associare ad ogni ( ω ) esio ω una funzione x, di. Risula così definio un insieme di funzioni del empo, deo processo socasico,
DettagliSoluzione degli esercizi del Capitolo 3
Soluzione degli esercizi del Capiolo Soluzione dell Esercizio. Ricordando dal Paragrafo A.6 dell Appendice A che è facile oenere ẋ () d d ( (e A e A x + Ae (e A A x + ( A e A( ) x + Ax () + Bu () d ( e
DettagliControllo Ottimo Lineare Quadratico: Introduzione. Docente Prof. Francesco Amato
Conrollo Oimo Lineare Quadraico: Inroduzione Docene Prof. Francesco Amao Ingegneria dell'auomazione Corso di Sisemi di Conrollo Mulivariabile - Prof. F. Amao ersione 1.2 Novembre 2011 1 Cenni sorici Il
DettagliSTABILITÀ DI SISTEMI DINAMICI STABILITÀ INGRESSO-USCITA (BIBO)
3 Capiolo STABILITÀ DI SISTEMI DINAMICI STABILITÀ INGRESSO-USCITA (BIBO) Un generico sisema è deo sabile se, ecciao da una qualsiasi funzione di enraa ale da essere sempre limiaa, risponde con una uscia
DettagliLezione C1 - DDC
Eleronica per l'informaica 3/9/25 Cosa c è nell unià C Unià C: Conversione A/D e D/A Eleronica per l informaica C. Caena di conversione A/D C.2 Converiori D/A C.3 Converiori A/D C.4 Condizionameno del
DettagliCorso di laurea in Ingegneria Meccatronica CONTROLLI AUTOMATICI E CA - 03 FUNZIONE DI TRASFERIMENTO
Auomaion Roboics and Sysem CONTROL Corso di laurea in Ingegneria Meccaronica CONTROLLI AUTOMATICI E AZIONAMENTI ELETTRICI CA - 03 FUNZIONE DI TRASFERIMENTO Universià degli Sudi di Modena e Reggio Emilia
DettagliTerza lezione: Processi stazionari
Teoria dei processi casuali a empo coninuo Terza lezione: Concei inroduivi Il conceo di sazionarieà Sazionarieà in senso lao Esempi e modelli 005 Poliecnico di Torino 1 Concei inroduivi Significao di sazionarieà
DettagliTRASFORMAZIONE DEI SEGNALI. Lineari (tra cui il Filtraggio) Non Lineari
TRASFORMAZIONE DEI SEGNALI SENZA MEMORIA: ZMNL (Zero-Memory Non Lineariy) g x( ) y = CON MEMORIA: Lineari (ra cui il Filraggio) Non Lineari L5/1 TRASFORMAZIONI SENZA MEMORIA (ISTANTANEE) y Limiazione dura
DettagliSISTEMI LINEARI TEMPO INVARIANTI. Fondamenti Segnali e Trasmissione
SISTEMI LINEARI TEMPO INVARIANTI Fondameni Segnali e Trasmissione Definizione di sisema Sisema: Da un puno di visa fisico e un disposiivo ce modifica un segnale (), deo ingresso, generando il segnale y(),
DettagliNome: Nr. Mat. Firma:
Fondameni di Conrolli Auomaici Prova Parziale 8 Aprile 2 - A.A. 2/ Nome: Nr. Ma. Firma: a) Deerminare la rasformaa di Laplace X i (s) dei segueni segnali emporali x i (): x () = 4 + 2 e +5 cos(3 6), x
DettagliLezione C1 - DDC
Eleronica per le elecomunicazioni Unià C: Conversione A/D e D/A Lezione C. Processo di conversione campionameno e aliasing filro ani aliasing rumore di aliasing errore di quanizzazione Eleronica per elecomunicazioni
DettagliSISTEMI LINEARI TEMPO INVARIANTI
SISTEMI LINEARI TEMPO INVARIANTI 1 Fondameni di segnali Fondameni e rasmissione TLC Definizione di sisema Sisema: Da un puno di visa fisico e un disposiivo ce modifica un segnale x(, deo ingresso, generando
DettagliTeoria dei Segnali. La Convoluzione (esercizi) parte seconda
Teoria dei Segnali La Convoluzione (esercizi) pare seconda 1 Esercizio n.8 Calcolare la convoluzione ra i due segnali : e x() = rec ( ) rec ( 2 ) y() = rec 2 ( ) Conviene inizialmene disegnare i due segnali
DettagliLa risposta di un sistema lineare viscoso a un grado di libertà sollecitato da carichi periodici. Prof. Adolfo Santini - Dinamica delle Strutture 1
La risposa di un sisema lineare viscoso a un grado di liberà solleciao da carichi periodici Prof. Adolfo Sanini - Dinamica delle Sruure 1 Inroduzione 1/ Un carico p() si dice periodico quando assume indefiniamene
DettagliLaboratorio di Fisica I: laurea in Ottica e Optometria
Laboraorio di Fisica I: laurea in Oica e Opomeria Misura del empo caraerisico di carica e scarica di un condensaore araverso una resisenza Descrizione Si vuole cosruire un circuio in serie collegando generaore
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondameni di elecomunicazioni - SEGNALI E SPERI Prof. Mario Barbera [pare ] Sruura della lezione Proprieà dei segnali Valore medio, valore efficace, poenza, energia rasformaa di Fourier e speri
DettagliModelli ARMA, regressione spuria e cointegrazione Amedeo Argentiero
Modelli ARMA, regressione spuria e coinegrazione Amedeo Argeniero amedeo.argeniero@unipg.i Definizione modello ARMA Un modello ARMA(p, q) (AuoRegressive Moving Average of order p and q) ha la seguene sruura:
DettagliMinimi Quadrati Ricorsivi
Minimi Quadrai Ricorsivi Minimi Quadrai Ricorsivi Fino ad ora abbiamo sudiao due diversi meodi per l idenificazione dei modelli: - Minimi quadrai, uilizzao per l idenificazione dei modelli ARX, in cui
DettagliInterruttore ideale. + v(t) i(t) t = t 0. i(t) = 0 v(t) = 0. i(t) v(t) v(t) = 0 i(t) = 0. Per t > t 0. interruttore di chiusura
Inerruore ideale inerruore di chiusura { i() = 0 v() = 0 inerruore di aperura { v() = 0 i() = 0 per < 0 per > 0 per < 0 per > 0 v() i() = 0 v() i() = 0 Esempio: inerruore ideale di aperura Per < 0, i()
DettagliState Space Model. Corso di: Analisi delle Serie Storiche. Corso di Laurea Triennale in: Scienze Statistiche A.A. 2017/18
Sae Space Model Corso di: Analisi delle Serie Soriche Corso di Laurea Triennale in: Scienze Saisiche A.A. 07/8 Generalià Gli Sae Space Models (Modelli nello Spazio degli Sai) forniscono una meodologia
DettagliRISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI 1 Fondameni di segnali Fondameni e rasmissione TLC Inroduzione Se il segnale d ingresso di un sisema Lineare Tempo-Invariane LTI e un esponenziale
DettagliLezione C1 - DDC
Eleronica per le elecomunicazioni Unià C: Conversione A/D e D/A Lezione C. Processo di conversione e aliasing rumore di aliasing errore di quanizzazione 2 Cosa Cosa c è c è nell unià C Conenuo dell unià
DettagliRISPOSTA IN FREQUENZA DEI SISTEMI LTI. 1 Fondamenti Segnali e Trasmissione
RISPOSTA IN FREQUENZA DEI SISTEMI LTI Fondameni Segnali e Trasmissione Risposa in requenza dei sisemi LTI Se il segnale d ingresso di un sisema Lineare Tempo-Invariane LTI e un esponenziale complesso l
DettagliTeoria dei Segnali. La Convoluzione (esercizi) parte prima
Teoria dei Segnali La Convoluzione (esercizi) pare prima 1 Si ricorda che la convoluzione ra due segnali x() e y(), reali o complessi, indicaa simbolicamene come: C xy () = x() * y() è daa indifferenemene
DettagliSISTEMI LINEARI TEMPO INVARIANTI
SISTEMI LINEARI TEMPO INVARIANTI Fondameni di Segnali e Trasmissione Sisema: Definizione di Sisema Da un puno di visa fisico e un disposiivo ce modifica un segnale, deo ingresso, generando il segnale,
DettagliSistemi Lineari e Tempo-Invarianti (SLI) Risposta impulsiva e al gradino
Sisemi Lineari e Tempo-Invariani (SLI) Risposa impulsiva e al gradino by hp://www.oasiech.i Con sisema SLI si inende un sisema lineare e empo invariane, rispeo alla seguene figura: Lineare: si ha quando
DettagliGeometria analitica del piano pag 1 Adolfo Scimone
Geomeria analiica del piano pag Adolfo Scimone GEOMETRIA ANALITICA Lo scopo della geomeria analiica è quello di individuare i puni di una rea, di un piano, dello spazio, o più in generale gli eni geomerici
DettagliEquazioni Differenziali (5)
Equazioni Differenziali (5) Daa un equazione differenziale lineare omogenea y n + a n 1 ()y n 1 + a 0 ()y = 0, (1) se i coefficieni a i non dipendono da, abbiamo viso che le soluzioni si possono deerminare
DettagliCorso di Laurea in Ingegneria Informatica (Laurea on Line) Prima prova Intermedia
Milano, 4//003 Corso di Laurea in Ingegneria Informaica (Laurea on Line) Corso di Fondameni di Segnali e rasmissione Prima prova Inermedia Carissimi sudeni, scopo di quesa prima prova inermedia è quello
DettagliAnalisi delle serie storiche parte IV Metodi di regressione
Analisi delle serie soriche pare IV Meodi di regressione a.a. 16/17 Saisica Economica -Laurea in Relazioni Economiche Inernazionali 1 Meodo della regressione La componene di fondo, Trend o Ciclo-Trend,
DettagliCONTROLLI AUTOMATICI Ingegneria Meccatronica
CONTROLLI AUTOMATICI Ingegneria Meccaronica TRASFORMATE DI LAPLACE Prof. Cesare Fanuzzi Ing. Crisian Secchi e-mail: cesare.fanuzzi@unimore.i, crisian.secchi@unimore.i hp://www.auomazione.ingre.unimore.i
DettagliLezione 2. F. Previdi - Automatica - Lez. 2 1
Lezione 2. Sisemi i dinamici i i a empo coninuo F. Previdi - Auomaica - Lez. 2 Schema della lezione. Cos è un sisema dinamico? 2. Modellisica dei sisemi dinamici 3. Il conceo di dinamica 4. Sisemi dinamici
DettagliMODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero 1 prova: 25 luglio 2005
Poliecnico di Milano I a Facolà di Ingegneria C.S. in Ing. per l Ambiene e il Terriorio MODELLISTICA E SIMULAZIONE cred.: 5 7,5 Recupero prova: 5 luglio 005 COGNOME NOME FIRMA: [7,5 credii] Voo: ATTENZIONE!
DettagliTRASFORMATE DI LAPLACE
CONTROLLI AUTOMATICI Ingegneria della Gesione Indusriale e della Inegrazione di Impresa hp://www.auomazione.ingre.unimore.i/pages/corsi/conrolliauomaicigesionale.hm Trasformae di Laplace Gli esempi visi
DettagliCorso di Fondamenti di Segnali e Trasmissione - Prova del 27 Gennaio 2004
Corso di Fondameni di Segnali e Trasmissione - Prova del 7 Gennaio 004 Gli esercizi devono essere risoli solo sui fogli dei colori indicai. Si consiglia una leura aena del eso degli esercizi. Per esii
DettagliSISTEMI LINEARI TEMPO INVARIANTI
SISTEMI LINEARI TEMPO INVARIANTI SISTEMI LINEARI TEMPO INVARIANTI Sisema: Definizione di Sisema Da un puno di visa fisico e un disposiivo ce modifica un segnale x(), deo ingresso, generando il segnale
DettagliControlli Automatici L
Segnali e rasformae - Corso di Laurea in Ingegneria Meccanica Segnali e rasformae DEIS-Universià di Bologna el. 5 93 Email: crossi@deis.unibo.i URL: www-lar.deis.unibo.i/~crossi Segnali e rasformae - Segnali
DettagliAnalisi Matematica II Corso di Ingegneria Gestionale Compito del log 1 + x2 y 2
Analisi Maemaica II Corso di Ingegneria Gesionale Compio del 5-7-7 - È obbligaorio consegnare ui i fogli, anche la brua e il eso. - Le rispose senza giusificazione sono considerae nulle. Esercizio. puni
Dettagli1 Catene di Markov a stati continui
Caene di Markov a sai coninui In queso caso abbiamo ancora una successione di variabili casuali X 0, X, X,... ma lo spazio degli sai è un insieme più che numerabile. Nel seguio supporremo che lo spazio
DettagliElettronica delle Telecomunicazioni Esercizi cap. 3: Anelli ad aggancio di fase
3. Effeo della variazioni di parameri del PLL - A Un PLL uilizza come demodulaore di fase un moliplicaore analogico, e il livello dei segnali sinusoidale di ingresso (Vi) e locale (Vo) è ale da manenere
DettagliI processi aleatori Ingegneria Clinica A.A
Universià di Roma Sapienza Corso di Elaborazione di Dai e Segnali Biomedici Facolà di Ingegneria Civile e Indusriale I processi aleaori Ingegneria Clinica A.A. 08-09 Francesco Infarinao, PhD Laboraorio
DettagliEquazioni differenziali lineari
0.0. 2. Equazioni differenziali lineari Da un puno di visa dinamico, i sisemi lineari sazionari sono descrii da equazioni differenziali ordinarie lineari a coefficieni cosani: a n d n y d n +a n d n y
DettagliEsercizio 1 [punti 4] Si tracci il grafico dei segnali a. x 1 (t) = x( t + 2), t R, b. x 2 (t) = x( t 1), t R, sapendo che x(t) =
Esercizio [puni 4] Prova scria di SEGNALI E SISTEMI 5 seembre 2003 Proff. L. Finesso, M. Pavon e S. Pinzoni (a.a. 2002-2003) Teso e Soluzione (redaa da L. Finesso) Si racci il grafico dei segnali a. x
DettagliPage 1. Conversione Analogico/Digitale e Digitale/Analogico 2002 DDC 1 1 LSB A D. Contenuti di questa lezione (C3)
Eleronica per le elecomunicazioni Conenui di quesa lezione (C3) Conversione nalogico/igiale e igiale/nalogico Converiori /, classificazione errori (lineari, nonlin, dinamici) definizione dei parameri:
DettagliCorso di Laurea in Ingegneria Informatica (Laurea on Line) Prima prova Intermedia
Milano, 5//00 Corso di Laurea in Ingegneria Informaica (Laurea on Line Corso di Fondameni di Segnali e rasmissione Prima prova Inermedia Carissimi sudeni, scopo di quesa prima prova inermedia è quello
DettagliEquazioni differenziali lineari
0.0. 2. Equazioni differenziali lineari Da un puno di visa dinamico, i sisemi lineari sazionari sono descrii da equazioni differenziali ordinarie lineari a coefficieni cosani: a n d n y d n +a n d n y
DettagliEsercitazione 1: L operazionale 741. Università degli studi di Cagliari corso di laurea in ingegneria elettronica
Eserciazione : L operazionale 74. Universià degli sudi di Cagliari corso di laurea in ingegneria eleronica Eserciazioni di ELETTONICA. marco.monni@diee.unica.i Lo scopo di quese eserciazioni è amiliarizzare
DettagliRegolazione e controllo
1 Regolazione e controllo Introduzione Ricapitolazione dei concetti importanti Mikael Bianchi, Ricercatore SUPSI 5 dicembre 2016 2 Indice Introduzione Scopo della lezione Programma Cenni storici ed applicazioni
DettagliProva Scritta di Robotica I A: preferibile per 6 crediti 12 Gennaio 2010
Prova Scria di Roboica I A: preferibile per 6 credii Gennaio Esercizio Si consideri il cammino caresiano paramerico p ps xs ys zs R cos s R sin s h s, s [, + dove R > e h >. Tale cammino è una spirale
DettagliCorso di Laurea in Ingegneria Informatica (Laurea on Line) Prima prova Intermedia
Milano, 0/0/00 Corso di Laurea in Ingegneria Inormaica (Laurea on Line) Corso di Fondameni di elecomunicazioni Prima prova Inermedia Carissimi sudeni, scopo di quesa prima prova inermedia è quello di veriicare
DettagliSISTEMI DINAMICI DEL PRIMO ORDINE
SISTEMI DINAMICI DEL PRIMO ORDINE I sisemi dinamici del primo ordine sono sisemi dinamici SISO rappresenai da equazioni differenziali lineari e a coefficieni cosani del primo ordine (n=): dy() dx() a +
DettagliMeccanica introduzione
Meccanica inroduzione La meccanica e quella pare della Fisica che sudia il moo dei corpi. Essa e cosiuia dalla cinemaica e dalla dinamica. La dinamica si occupa dello sudio del moo e delle sue cause. La
DettagliCorso DUT di Comunicazioni Elettriche per Elettronici
Corso DU di per Eleronici A cura di R.. Gaudino Versione.0 del 5//000 INDICE EORIA DELLA PROBABILIÀ... 3. EORIA ASSIOMAICA DELLA PROBABILIÀ...3.. Frequenza saisica... 3.. Esercizi sulla eoria assiomaica
DettagliEquilibrio e stabilità di sistemi dinamici. Stabilità interna di sistemi dinamici
Equilibrio e sabilià di sisemi dinamici Sabilià inerna di sisemi dinamici Sabilià inerna di sisemi dinamici Inroduzione allo sudio della sabilià Sabilià inerna di sisemi dinamici TC Sabilià inerna di sisemi
DettagliModelli stocastici per la volatilità
Modelli socasici per la volailià Dai modelli di volailià a media mobile ai modelli GARCH I modelli di volailià con medie mobili assumono ce i rendimeni siano i.i.d. la volailià è cosane nel empo: forniscono
DettagliScienze e Tecnologie Applicate L. Agarossi - ITIS P. Hensemberger - Monza
elemeni di segnali elemeni di segnali SEGNALE il segnale segnale e informazione segnale analogico e digiale il segnale digiale il segnale il segnale si può genericamene definire come una grandezza che
DettagliProcesso di Arrivi di Poisson
CALCOLO DELLE PROBABILITA Processo di Arrivi di Poisson Per arrivo riferimeno. si inende un qualsiasi eveno casuale che si realizza in un deerminao sisema di Un processo di arrivi è un flusso di eveni
DettagliVolume FISICA. Elementi di teoria ed applicazioni. Fisica 1
Volume FISICA Elemeni di eoria ed applicazioni Fisica ELEMENTI DI TEORIA ED APPLICAZIONI Fisica CUES Cooperaiva Universiaria Edirice Salerniana Via Pone Don Melillo Universià di Salerno Fisciano (SA)
Dettagli0.1 Formula di Gauss e formula di Stokes
1.1 Formula di Gauss e formula di Sokes Siano Ω un apero di R 3, F un campo veoriale definio su Ω, S una superficie la cui chiusura è conenua in Ω. Supponiamo inolre che in S si possano disinguere due
DettagliEsercizi aggiuntivi Unità A1
Esercizi aggiunivi Unià A Esercizi svoli Esercizio A Concei inroduivi Daa la grandezza impulsiva periodica la cui forma d onda è rappresenaa nella figura A., calcolarne il valore medio nel periodo, il
DettagliControllo ottimo LQ t.i. con azione integrale
1.. 1. 1 Conrollo oimo LQ.i. con azione inegrale Si è viso, nel caso empo-coninuo, che lo schema di conrollo soosane in cui K ff = [C(A BK 1 B 1, garanisce (nel caso il sisema reroazionao risuli sabile
DettagliTIPI DI REGOLATORI. Esistono diversi tipi di regolatori che ora analizzeremo.
TIPI DI REGOLATORI Esisono diversi ipi di regolaori che ora analizzeremo 1REGOLATORI ON-OFF Abbiamo deo che i regolaori sono quei sisemi che cercano di manenere l uscia cosane On-Off sa per indicare che
DettagliFondamenti di Automatica
Poliecnico di Milano Corso di Laurea in Ingegneria Gesionale Fondameni di Auomaica Spero di segnali e proprieà filrani dei sisemi dinamici lineari Prof. Bruno Picasso Sommario Spero di segnali Lo spero
DettagliFunzioni discriminanti lineari
Funzioni discriminani lineari Problemi a due classi Algorimi di apprendimeno Percepron MSE Widrow-Hoff Funzioni discriminani Abbiamo viso finora due approcci alla cosruzione di un crierio di classificazione.
Dettagli*5$1'(==(3(5,2',&+( W GW
*51'((3(5'&+( 3UQFSDOGQ]RQ Una grandezza empodipendene D) si definisce SURGFD quando ad uguali inervalli T assume valori uguali cioè quando vale la relazione (con n inero qualsiasi): ( ) D( Q) D + (1)
DettagliIl circuito RC Misure e Simulazione
Il circuio R Misure e Simulazione Laboraorio di Fisica - Liceo Scienifico G.D. assini Sanremo 8 oobre 8 E.Smerieri & L.Faè Progeo Lauree Scienifiche 6-9 Oobre - Sanremo he cosa verrà fao in quesa esperienza
DettagliLezione C3 - DDC
Eleronica per le elecomunicazioni 15/1/23 Eleronica per le elecomunicazioni Unià C: Conversione / e / Lezione C.3 Converiori / classificazione degli errori definizione dei parameri classificazione delle
DettagliPolitecnico di Torino Facoltà dell Informazione Contenuti del Gruppo C Elettronica delle telecomunicazioni Conversione A/D e D/A
odulo Poliecnico di Torino Facolà dell Informazione Eleronica delle elecomunicazioni Conversione / e / C4 Converiori /» classificazione degli errori» definizione dei parameri» classificazione delle sruure»
DettagliFiltri. RIASSUNTO: Sviluppo in serie di Fourier Esempi:
Filri RIASSUNTO: Sviluppo in serie di Fourier Esempi: Onda quadra Onda riangolare Segnali non peridiodici Trasformaa di Fourier Filri lineari sazionari: funzione di rasferimeno T() Definizione: il decibel
DettagliTeoria dei segnali terza edizione
eoria dei segnali Capiolo 4 Sisemi monodimensionali a empo coninuo SOLUZIONI DEGLI ESERCIZI Soluzione dell esercizio 4. Il segnale x () coniene le requenza = and = 7 / ( ) = 3.5 / quindi, disorsioni di
Dettagli[8.1] [8.1,a] Nel caso di uno spostamento angolare (moto di un pendolo) ξ = (coordinata angolare) [8.1.b]
U n i v e r s i à d e g l i S u d i d i C a a n i a - C o r s o d i s u d i o i n I n g e g n e r i a I n f o r m a i c a - D i p a r i m e n o d i F i s i c a e s r o n o m i a MOI OSCILLOI - Moo armonico
DettagliProva Scritta di Robotica I B: preferibile per 5 crediti 12 Gennaio 2010
Prova Scria di Roboica I B: preferibile per 5 credii Gennaio Esercizio Si consideri il cammino caresiano paramerico x(s) p p(s) y(s) z(s) R cos s R sin s h s, s [, + ) dove R > e h >. Tale cammino è una
DettagliSegnali e Sistemi. Proprietà dei sistemi ed operatori
Segnali e Sisemi Un segnale è una qualsiasi grandezza che evolve nel empo. Sono funzioni che hanno come dominio il empo e codominio l insieme di ui i valori che può assumere la grandezza I sisemi rasformano
DettagliElettronica per l'informatica 02/10/2005
Eleronica per l'informaica 2/1/25 Conenuo dell unià C Processo di conversione / Campionameno e quanizzazione, errori, NR Converiori / errori, ipi base, esempi di circuii Eleronica per l informaica 1 Converiori
DettagliL analisi delle serie storiche
L analisi delle serie soriche Per serie sorica si inende un insieme di dai ordinai secondo un crierio cronologico. Ogni dao è associao ad un paricolare isane o inervallo di empo. Se a ciascun isane o inervallo
DettagliLinea guida raccomandata per la valutazione della vita residua di componenti esercìti in regime di scorrimento viscoso
ISPESL Linea guida raccomandaa per la valuazione della via residua di componeni esercìi in regime di scorrimeno viscoso Calcolo della frazione di via consumaa per scorrimeno viscoso Sezione 2 LG v. 1 Nella
DettagliCINEMATICA DEL PUNTO. CINEMATICA: moto rettilineo
CINEMATICA DEL PUNTO Inroduzione Con il ermine cinemaica si indica lo sudio del moo dei corpi. Per poer sudiare ciò si approssima la realà ramie una schemaizzazione della sessa. La prima approssimazione
DettagliModelli stocastici per la volatilità
Modelli socasici per la volailià Inroduzione ai modelli GARCH Generalized AuoRegressive Condiional Heeroschedasiciy In un modello GARCH si assume che i rendimeni siano generai da un processo socasico con
DettagliIl concetto di punto materiale
Il conceo di puno maeriale Puno maeriale = corpo privo di dimensioni, o le cui dimensioni sono rascurabili rispeo a quelle della regione di spazio in cui può muoversi e degli alri oggei con cui può ineragire
DettagliINTRODUZIONE. { t n } è completamente specificato. 1 Definizione e classificazione dei segnali.
INRODUZIONE Definizione e classificazione dei segnali. Una grandezza fisica, alla cui variazione in funzione di deerminae variabili, quali, ad esempio, il empo, le coordinae di un puno nel piano o enrambe,
DettagliRegime di capitalizzazione: una famiglia di funzioni fattore di montante che dipende da uno o più parametri.
5. Teoria generale Regimi finanziari Nel capiolo precedene abbiamo inrodoo alcuni parameri in grado di descrivere ualsiasi ipo di regime. Ciò ci permee di definire in generale i regimi finanziari. Regime
DettagliRecupero 1 compitino di Analisi Matematica 2 Ingegneria Elettronica. Politecnico di Milano. A.A. 2018/2019. Prof. M. Bramanti
Recupero 1 compiino di Analisi Maemaica Ingegneria Eleronica. Poliecnico di Milano Es. Puni A.A. 18/19. Prof. M. Bramani 1 Tema n 1 3 4 5 6 To. Cognome e nome in sampaello codice persona o n di maricola
DettagliGeometria analitica del piano pag 7 Adolfo Scimone. Rette in posizioni particolari rispetto al sistema di riferimento
Geomeria analiica del piano pag 7 Adolfo Scimone Ree in posizioni paricolari rispeo al sisema di riferimeno L'equazione affine di una rea a + + c = 0 può assumere forme paricolari in relazione alla posizione
DettagliSoluzione degli esercizi del Capitolo 10
Soluzione degli esercizi del Capiolo Soluzione dell Esercizio. La funzione d anello è L(s) = R(s)G(s) = ( + s) 2 il cui diagramma del modulo è mosrao nella Figura S.. Da ale grafico si deduce che risula
DettagliVelocità istantanea. dx dt. Università degli Studi di Bari Aldo Moro Dip. DiSAAT - Ing. Francesco Santoro Corso di Fisica
Velocià isananea Al diminuire dell inerallo di empo Δ, fissao il empo, la elocià ende ad un alore limie. Riducendo a zero l ampiezza dell inerallo di empo equiarrebbe a deerminare la elocià del puno maeriale
DettagliUNITA 3. LE EQUAZIONI GONIOMETRICHE.
UNITA. LE EQUAZIONI GONIOMETRICHE.. Generalià sulle equazioni goniomeriche.. Equazioni goniomeriche elemenari con seno, eno, angene e coangene.. Alri ipi di equazioni goniomeriche elemenari.. Le funzioni
DettagliElettronica per le telecomunicazioni 30/10/2004
Eleronica per le elecomunicazioni 3/1/24 Eleronica per le elecomunicazioni Unià C: Conversione / e / Lezione C.3 Converiori / classificazione degli errori definizione dei parameri classificazione delle
Dettagli