I esercitazione di laboratorio
|
|
- Cristiano Cuomo
- 5 anni fa
- Visualizzazioni
Transcript
1 Corso di Identificazione dei Modelli e Analisi dei Dati (AA ) Prof. Sergio Bittanti I esercitazione di laboratorio 21/11/2011 Marcello Farina
2 Sommario Serie temporali e sistemi Generazione di sistemi e serie temporali Analisi di sistemi Analisi di serie temporali ( identificazione non parametrica ) Predittori Identificazione Identificazione parametrica Selezione della struttura Validazione dei modelli identificati Esercizi
3 Serie temporali e sistemi Generazione di sistemi a tempo discreto LTI format (rappresentazione esterna) >> system = tf(num,den,ts) num: numeratore den: denominatore Ts: tempo di campionamento (-1 default) >> system=tf([1 1],[1-0.8],1) Transfer function: z z - 0.8
4 Serie temporali e sistemi Generazione di segnali Risposta allo scalino >> T=[0:Ts:Tfinal]; >> [y,t]=step(sistema,tfinal); % step response >> step(sistema,tfinal) % plot Risposta a un ingresso qualsiasi >> T=[0:Ts:Tfinal]; >> u=sin(0.1*t); % ingresso sinusoidale >> [y,t]=lsim(sistema,u,t);
5 Serie temporali e sistemi Rumore bianco >> N=100; % numero di campioni >> lambda=1; % deviazione standard >> mu=1; % media I metodo >> u=mu+lambda*randn(n,1); II metodo >> u=wgn(m,n,p); % segnale a media nulla M: numero di segnali P: potenza del segnale (dbw) (10log10(lambda^2)) Somma di segnali e WGN >> u=awgn(x,snr,sigpower); X: segnale di partenza SRN: signal-to-noise ratio (db) SIGPOWER: potenza del segnale X (dbw) (20log10(.)) - se SIGPOWER= measured, AWGN misura la potenza el segnale X.
6 Serie temporali e sistemi Risposta di un sistema (lineare) a segnali qualsiasi >> u=1+randn(3000,1); >> [y,t]=lsim(sistema,u,[1:3000]); Il toolbox di identificazione si serve di istruzioni differenti per definire un modello (detto IDPOLY format) >> modello = idpoly(a,b,c,d,f,noisevariance,ts) A,B,C,D,F sono vettori (contengono coefficienti di polinomi in ordine crescente di esponente di z -1 ) Modello: A(q) y(t) = [B(q)/F(q)] u(t-nk) + [C(q)/D(q)] e(t) (Se ARMAX: F=[], D=[]) >> modello = idpoly(sistema) Sistema è un sistema LTI (definito tramite ss, tf, etc.)
7 Serie temporali e sistemi Risposta di un sistema (lineare, in IDPOLY format) a segnali qualsiasi >> y=sim(model,u); I dati possono essere forniti come IDDATA objects: >> y_id=sim(y,u,ts); u: input data y: output data Ts: sampling time
8 Serie temporali e sistemi Analisi del sistema (LTI e IDPOLY format): Zeri e poli: >> [Z,P,K]=zpkdata(sistema) Z = [-1] % posizione degli zeri P = [0.8000] % posizione dei poli K = 1 % guadagno (non è pari a G(1)!) Diagramma di Bode: >> [A,phi] = bode(sistema,w) W: valori della frequenza w in cui calcolare A(w) e phi(w) A: amplificazione (A(w)) Phi: sfasamento (phi(w))
9 Serie temporali e sistemi Diagramma di Bode: >> [A,phi] = bode(sistema,[0.1 1]) A(:,:,1) = A(:,:,2) = phi(:,:,1) = phi(:,:,2) = >> bode(sistema) >> % disegna il diagramma (modulo db- e fase)
10 Serie temporali e sistemi Analisi di serie temporali - m=mean(x) % Average or mean value. Y=detrend(X, constant ) % Remove constant trend from data sets. Y=detrend(X, linear ) % Remove linear trend from data sets. Funzione di covarianza ( ) >> gamma=covf(y,10) % tau=0,1,,10-1 >> plot([0:9],gamma) Spettro (!) metodo del periodogramma >> periodogram(y) >> [Pxx,w]=periodogram(y); >> plot(w/pi,10*log10(pxx)) Attenzione: covf calcola la funzione di correlazione! BISOGNA PRIMA DEPOLARIZZARE IL SEGNALE
11 Serie temporali e sistemi IMAD_LAB simulink toolbox. Digitare: >> imad_lab
12 Predittori Dato il sistema y(t) = B(z) A(z) C(z) u(t ) + A(z) e(t), e(t) = WN(0; 2) il predittore a k passi si calcola come ^y(t=t k) = B(z)E k(z) u(t ) + R k(z) C(z) = B(z)E k(z) C(z) C(z) y(t) u(t ) + ~ R k (z) C(z) dove E k (z) e R k (z) sono quoziente e resto della lunga divisione, e R(z) = R(z)z ~ k (si calcolano a mano ) y(t k)
13 Predittori e(t) C(z) A(z) S P u(t) z B(z) A(z) y(t) y(t k) k z ~R k (z) C(z) ^y(t=t k) B(z)E k (z) C(z)
14 Predittori - Predittore >> Yp = predict(model,data,k) % predittore a k passi. model: IDPOLY format data: IDDATA format k: passi di predizione Errore di predizione >> Epsilon = pe(model,data) % errore di predizione a k passi TEST DI ARDERSON PER L ERRORE DI PREDIZIONE (regione di confidenza del 99%) >> resid(model,data)
15 Predittori Esempio: >> modello=idpoly([1 0.5],[ ],[1 0.6],[],[],1,1) Discrete-time IDPOLY model: A(q)y(t) = B(q)u(t) + C(q)e(t) A(q) = q^-1 B(q) = q^ q^-2 C(q) = q^-1 This model was not estimated from data. Sampling interval: 1 >> dati=randn(100,2); >> resid(modello,dati)
16 Identificazione >> ident % start the MATLAB identification toolbox GUI
17 Identificazione IMAD_LAB simulink toolbox
18 Identificazione Altre istruzioni Matlab (2 Identification toolbox) Parametric model estimation ar - AR-models of signals using various approaches. armax - Prediction error estimate of an ARMAX model. arx - LS-estimate of ARX-models. bj - Prediction error estimate of a Box-Jenkins model. init - Initialize (randomize) the parameters of a model. ivar - IV-estimates for the AR-part of a scalar time series. iv4 - Approximately optimal IV-estimates for ARX-models. n4sid - State-space model estimation using a sub-space method. nlarx - Prediction error estimate of a nonlinear ARX model. nlhw - Prediction error estimate of a Hammerstein-Wiener model. oe - Prediction error estimate of an output-error model. pem - Prediction error estimate of a general model.
19 Identificazione Model structure selection aic - Compute Akaike's information criterion. fpe - Compute final prediction criterion. arxstruc - Loss functions for families of ARX-models. selstruc - Select model structures according to various criteria. idss/setstruc - Set the structure matrices for idss objects. struc - Generate typical structure matrices for ARXSTRUC. Per maggiori dettagli si veda: >> help ident
20 Esercizi
21 Esercizi
22 Esercizi
23 Esercizi
24 Esercizi
25 Esercizi
26 Esercizi
27 Esercizi
28 Esercizi
29 Esercizi
Corso di Identificazione dei Modelli e Analisi dei Dati (AA ) Prof. Sergio Bittanti. Esercitazione di laboratorio
Corso di Identificazione dei Modelli e Analisi dei Dati (AA 2009-2010) Prof. Sergio Bittanti Esercitazione di laboratorio Sommario Serie temporali e sistemi Generazione Analisi Predittori di serie temporali
DettagliGiusto un paio di note su Matlab
Giusto un paio di note su Matlab Federico Ramponi 1 Generare i segnali 1.1 Rumori bianchi Generare un rumore bianco (numeri pseudocasuali) uniforme in [0, 1] (vettore riga di 100 elementi):
Dettagli5.1 Strutture, predittori e identificazione con le rappresentazioni di stato in Matlab
5.1 Strutture, predittori e identificazione con le rappresentazioni di stato in Matlab 1. Usare una rappresentazione di stato che corrisponda alla struttura definita nella serie 4. Definire poi il modello
DettagliUtilizzo di Matlab per l analisi di sistemi dinamici lineari
Intro a Matlab per sistemi LTI, 1 Utilizzo di Matlab per l analisi di sistemi dinamici lineari Sistemi dinamici lineari a tempo continuo ed a tempo discreto Indice del materiale Intro a Matlab per sistemi
DettagliSimulink. Introduzione a Simulink Esempio sull analisi di sistemi dinamici lineari con il Control System Toolbox e Simulink v. file.m e.
Simulink Introduzione a Simulink Esempio sull analisi di sistemi dinamici lineari con il Control System Toolbox e Simulink v. file.m e.mdl Che cos è? Simulink è un programma per la modellazione, la simulazione
DettagliSISTEMI DI CONTROLLO Ingegneria Meccanica e Ingegneria del Veicolo
SISTEMI DI CONTROLLO Ingegneria Meccanica e Ingegneria del Veicolo http://www.dii.unimore.it/~lbiagiotti/sistemicontrollo.html it/~lbiagiotti/sistemicontrollo html INTRODUZIONE AL CONTROL SYSTEM TOOLBOX
DettagliCorso di Identificazione dei Modelli e Analisi dei Dati
Corso di Identificazione dei Modelli e Analisi dei Dati Prof. Sergio Bittanti Esercitazione di Laboratorio A.A. 2010-11 Sistemi dinamici lineari a tempo discreto 1. Si consideri il sistema dinamico a tempo
DettagliFluidi magnetoreologici (MR)
Identificazione del sistema elettrico di un ammortizzatore magnetoreologico Cristiano Spelta spelta@elet.polimi.it Fluidi magnetoreologici (MR) 2 Inventati negli anni quaranta. Consistono in una sospensione
Dettagli4.1 Strutture, predittori e identificazione con le strutture esterne in Matlab
SUPSI-DTI Serie 4, Modellizzazione e identificazione 4.1 Strutture, predittori e identificazione con le strutture esterne in Matlab Èdataunamisuradiunprocessoinfunzionedeltempoconundisturbosconosciuto.
DettagliINTRODUZIONE AL CONTROL SYSTEM TOOLBOX
CONTROLLI AUTOMATICI Ingegneria Gestionale http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm INTRODUZIONE AL CONTROL SYSTEM TOOLBOX Ing. Federica Grossi Tel. 059 2056333
DettagliControl System Toolbox
Control System Toolbox E` un insieme di funzioni per l analisi di sistemi dinamici (tipicamente lineari tempo invarianti o LTI) e per la sintesi di controllori (in particolare a retroazione). All'interno
DettagliIdentificazione del sistema elettrico di un ammortizzatore magnetoreologico
Identificazione del sistema elettrico di un ammortizzatore magnetoreologico Cristiano Spelta cristiano.spelta@unibg.it Fluidi magnetoreologici (MR) 2 Inventati negli anni quaranta. Consistono in una sospensione
DettagliL ambiente Simulink Simulink è un software utile per modellare, simulare ed analizzare sistemi dinamici complessi.
SIMULINK L ambiente Simulink Simulink è un software utile per modellare, simulare ed analizzare sistemi dinamici complessi. Perché Matlab non basta? E spesso necessario simulare sistemi complessi, composti
DettagliMATLAB (MATrix LABoratory) è un linguaggio di programmazione per applicazioni scientifiche (elaborazione numerica dei segnali, progetto di
MATLAB MATLAB (MATrix LABoratory) è un linguaggio di programmazione per applicazioni scientifiche (elaborazione numerica dei segnali, progetto di simulatori, sintesi di sistemi di controllo, ecc.) MATLAB
DettagliIDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI 1 (Prof. S. Bittanti) Ingegneria Informatica 5 CFU. Appello 23 Luglio 2014 Cognome Nome Matricola
IDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI 1 (Prof. S. Bittanti) Ingegneria Informatica 5 CFU. Appello 23 Luglio 201 Cognome Nome Matricola............ Verificare che il fascicolo sia costituito da
DettagliAnalisi dei sistemi in retroazione
Facoltà di Ingegneria di Reggio Emilia Corso di Controlli Automatici Corsi di laurea in Ingegneria Meccatronica ed in Ingegneria della Gestione Industriale Ing. Alessandro Macchelli e-mail: amacchelli@deis.unibo.it
DettagliAppello di Febbraio di Fondamenti di Automatica A.A Febbraio 2011 Prof. SILVIA STRADA Tempo a disposizione: 2 h. 30 m.
Appello di Febbraio di Fondamenti di Automatica A.A. 1-11 Febbraio 11 Prof. SILVIA STRADA Tempo a disposizione: h. 3 m. Nome e Cognome: Matricola: Firma: N.B. Svolgere i vari punti nello spazio che segue
DettagliMATLAB e SIMULINK INTRODUZIONE A. Organizzazione delle Lezioni. Variabili ed Espressioni. Introduzione
Organizzazione delle Lezioni INTRODUZIONE A MATLAB e SIMULINK Corso di Sistemi di Controllo Digitale INTRODUZIONE A MATLAB DEFINIZIONE DI VARIABILI, MATRICI E VETTORI FUNZIONI ELEMENTARI PER SCALARI E
DettagliPROBLEMI SULL IDENTIFICAZIONE COL METODO PEM
PROBLEMI SULL IDENTIFICAZIONE COL METODO PEM G. Picci 12 gennaio 2012 N.B. : Quando serve la dizione rumore bianco è da interpretare secondo il contesto come processo i.i.d. Il processo di ingresso si
DettagliANALISI IN FREQUENZA DEI SISTEMI A TEMPO DISCRETO
ANALISI IN FREQUENZA DEI SISTEMI A TEMPO DISCRETO Funzione di trasferimento Risposta allo scalino Schemi a blocchi Risposta in frequenza Illustrazioni dal Testo di Riferimento per gentile concessione degli
Dettagli1 = Processi Autoregressivi AR(1) Filtro IIR di ordine 1. (WGN White Gaussian Noise) Eq. alle differenze ricorsiva. w=randn(n,1) MATLAB:
Processi Autoregressivi AR(1) Filtro IIR di ordine 1 Wn [ ] hn [ ] X[ n] = ρ X[ n 1] + W[ n] (WGN White Gaussian Noise) w=randn(n,1) Eq. alle differenze ricorsiva MATLAB: n hn [ ] = ρ un [ ] y=filter(b,a,x)
DettagliFondamenti di Automatica (CL Ing. Gestionale) a.a Prof. Silvia Strada Seconda prova intermedia 12 Febbraio 2015
Politecnico di Milano Fondamenti di Automatica (CL Ing. Gestionale) a.a.2014-15 Prof. Silvia Strada Seconda prova intermedia 12 Febbraio 2015 Nome e Cognome:........................... Matricola...........................
DettagliFONDAMENTI DI AUTOMATICA
FONDAMENTI DI AUTOMATICA A c osa serve quest a present azione Scopi di questo materiale: fornire le informazioni necessarie per l uso di Matlab e Simulink in relazione ai Laboratori di Fondamenti di Automatica;
DettagliIntroduzione a MATLAB
Introduzione a MATLAB Principali comandi MATLAB utili per il corso di Fondamenti di Automatica 01AYS Politecnico di Torino Sistemi dinamici LTI 1. Simulazione a tempo continuo Definizione del sistema Per
DettagliProcesso di identificazione
Processo di identificazione Problemi a scatola trasparente il modello viene ottenuto partendo dalla descrizione delle parti costituenti il sistema e delle leggi che lo regolano. Il problema dell identificazione
DettagliSchema a campionamento dell uscita
Schema a campionamento dell uscita Introduzione Il progetto di un controllore digitale può svilupparsi secondo due linee alternative: La prima si basa su tecniche di progetto a tempo continuo basate su
DettagliLaboratorio di Matlab
Laboratorio di Matlab Alessandro Formaglio Dipartimento di Ingegneria dell Informazione, Università di Siena alex@dii.unisi.it http://www.dii.unisi.it/ control/matlab/labmatlab.html 21 Luglio 2009 DII
DettagliB = Si studi, giustificando sinteticamente le proprie affermazioni, la stabilità del sistema. si A = G(s) = Y f (s) U(s) = 1.
ESERCIZIO 1 Un sistema dinamico lineare invariante e a tempo continuo è descritto dall equazione differenziale che lega l ingresso all uscita:... y (t) + ÿ(t) + 4ẏ(t) + 4y(t) = u(t) 1. Si determinino le
DettagliCorso di Laurea Triennale in Ingegneria Meccanica- Meccatronica. Controlli Automatici A.A Esercitazione 1
Corso di Laurea Triennale in Ingegneria Meccanica- Meccatronica Controlli Automatici A.A. - Matlab & Simulink /3 Definizione di un sistema: Es:. >> s=tf('s'); >> W=4/(s^+3*s+); Transfer function: 4 -------------
DettagliPROVA SCRITTA DI AUTOMATICA I (Prof. Bittanti, BIO A-K) 27 Gennaio 2009 Cognome Nome Matricola
PROVA SCRITTA DI AUTOMATICA I (Prof. Bittanti, BIO A-K) 7 Gennaio 9 Cognome Nome Matricola............ Verificare che il fascicolo sia costituito da 8 pagine. Scrivere le risposte ai singoli esercizi negli
DettagliImplementazione degli algoritmi.
Implementazione degli algoritmi. 4.1. Introduzione. In questo capitolo sarà discussa l implementazione software per l ambiente MATLAB 6.1 che è stata fatta degli algoritmi di identificazione presentati
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliManuale sintetico per l uso del Control System Toolbox di Matlab
Manuale sintetico per l uso del Control System Toolbox di Matlab Alessandro Melis Pierluigi Muntoni 2 Dicembre 2002 Introduzione Questo documento ha lo scopo di presentare, in una versione opportunamente
DettagliLaboratorio di MATLAB
DII Università di Siena Laboratorio di MATLAB Alessandro Alessio Dipartimento di Ingegneria dell Informazione, Università di Siena, Italy alessio@dii.unisi.it www.dii.unisi.it/ control/teaching thanks
DettagliFondamenti di Automatica (CL Ing. Gestionale) a.a Prof. Silvia Strada 16 Luglio 2014
Politecnico di Milano Fondamenti di Automatica (CL Ing. Gestionale) a.a.2013-14 Prof. Silvia Strada 16 Luglio 2014 Nome e Cognome:........................... Matricola........................... Firma............................................................................
DettagliMetodi di identificazione
Metodi di identificazione Metodo di identificazione LS per sistemi ARX Sia yt un processo ARX generico con parametri ignoti: S: yt= B z A z ut 1 1 A z et ota: scegliere ut 1 è la scelta più generica possibile,
DettagliPROVA SCRITTA DI FONDAMENTI DI AUTOMATICA A.A. 2010/ gennaio 2012
PROVA SCRITTA DI FONDAMENTI DI AUTOMATICA A.A. 2010/2011 10 gennaio 2012 nome e cognome: numero di matricola: prova d esame da CFU : 6 CFU 9 CFU Note: Scrivere le risposte negli spazi appositi. Non consegnare
DettagliRealizzazione digitale di controllori analogici
Realizzazione digitale di controllori analogici Digitalizzazione di un controllore analogico Sistema di controllo r(t) uscita + - desiderata e(t) segnale di errore C(s) controllore analogico u(t) ingresso
DettagliFondamenti di Automatica - Ingegneria Gestionale (H-PO) Prof. Silvia Strada Prima prova in itinere del 25 Novembre 2016 Tempo a disposizione: 1.30 h.
Politecnico di Milano Fondamenti di Automatica - Ingegneria Gestionale (H-PO) Prof. Silvia Strada Prima prova in itinere del 25 Novembre 206 Tempo a disposizione:.30 h. Nome e Cognome................................................................................
DettagliCalcolo del movimento di sistemi dinamici LTI. Esempi di soluzione per sistemi dinamici LTI TC
Calcolo del movimento di sistemi dinamici LTI Esempi di soluzione per sistemi dinamici LTI TC Esempi di soluzione per sistemi LTI TC Scomposizione in fratti semplici (parte I) Esempio di soluzione 1 Scomposizione
DettagliInvito alla lettura. Simboli e notazioni
Indice Generale Invito alla lettura Simboli e notazioni xiii xv 1 Automatica, ieri e oggi 1 1.1 Le disavventure di Sir Shovell................... 1 1.2 Missioni cometarie......................... 1 1.3
Dettagli6.6 ARIMA Model. Autoregressive Integrated Moving Average (ARIMA ) Model. ARIMA(p, d, q) Process
128 6.6 ARIMA Model Autoregressive Integrated Moving Average (ARIMA ) Model ARIMA(p, d, q) Process φ(l) d y t = θ(l)ɛ t, where d y t = d 1 (1 L)y t = d 1 y t d 1 y t 1 = (1 L) d y t for d = 1, 2,, and
DettagliSOLUZIONE. Fondamenti di Automatica (CL Ing. Gestionale) a.a Prof. Silvia Strada Seconda prova intermedia 12 Febbraio 2015
Politecnico di Milano Fondamenti di Automatica (CL Ing. Gestionale) a.a.24-5 Prof. Silvia Strada Seconda prova intermedia 2 Febbraio 25 SOLUZIONE ESERCIZIO punti: 8 su 32 Si consideri un sistema dinamico,
DettagliExam of ELECTRONIC SYSTEMS June 15 th, 2012 Prof. Marco Sampietro
Exam of ELECTRONIC SYSTEMS June 15 th, 2012 Prof. Marco Sampietro Matr. N NAME Problem 1 Operational Amplifier circuit 1. Considerare l amplificatore della figura seguente. Supporre inizialmente di usare
DettagliCOMPITO DI CONTROLLI AUTOMATICI 20 Febbraio 2014
COMPITO DI CONTROLLI AUTOMATICI Febbraio 14 Esercizio 1. [11 punti] Si consideri il modello ingresso/uscita a tempo continuo avente la seguente funzione di trasferimento: G(s) = 1 3 s(s + 1)(s + 1) (s
DettagliSISTEMI DIGITALI DI CONTROLLO
Sistemi Digitali di Controllo A.A. 2009-2010 p. 1/27 SISTEMI DIGITALI DI CONTROLLO Prof. Alessandro De Luca DIS, Università di Roma La Sapienza deluca@dis.uniroma1.it Lucidi tratti dal libro C. Bonivento,
DettagliEsercitazione di laboratorio del
Esercitazione di laboratorio del 23-4-213 Esercizio 1: Legge di controllo e ricostruzione dello stato; progetto del regolatore Innanzitutto occorre definire il sistema in spazio di stato nel workspace
DettagliSistemi lineari in Matlab
Capitolo. INTRODUZIONE. Sistemi lineari in Matlab Esempio numerico in Matlab: LTI Sstems in Matlab.m % LTI_Sstems_in_Matlab.m clear all; clc echo on % Si consideri il sistema lineare (LS) tempo continuo
DettagliTECNICHE DI CONTROLLO
TECNICHE DI CONTROLLO Predittore/Filtro di Kalman Presenter: Dott. Ing. SILVIO SIMANI con supporto di Dott. Ing. MARCELLO BONFE Contenuti del Corso 1. Controllo Ottimo per sistemi multivariabili 2. Stima
DettagliEsercitazioni Controlli Automatici. Introduzione all utilizzo di Matlab e Simulink
Introduzione all utilizzo di Matlab e Simulink Ing. Marta Capiluppi mcapiluppi@deis.unibo.it www-lar.deis.unibo.it/~mcapiluppi Tel. (051-20) 93875 1 Cosa è Matlab? Matlab (= Matrix Laboratory) è un linguaggio
DettagliIntroduzione all utilizzo di Matlab e Simulink. Ing. Marta Capiluppi www-lar.deis.unibo.it/~mcapiluppi Tel.
Introduzione all utilizzo di Matlab e Simulink Ing. Marta Capiluppi mcapiluppi@deis.unibo.it www-lar.deis.unibo.it/~mcapiluppi Tel. (051-20) 93875 1 Cosa è Matlab? Matlab (= Matrix Laboratory) è un linguaggio
DettagliIdentificazione di modello
SE5 Prof. Davide Manca Politecnico di Milano Dinamica e Controllo dei Processi Chimici Esercitazione #5 Identificazione di modello ing. Sara Brambilla SE5 Identificazione di modello Nel definire un modello
DettagliIntroduzione all utilizzo di Matlab e Simulink. Ing. Andrea Paoli www-lar.deis.unibo.it/~apaoli Tel.
Introduzione all utilizzo di Matlab e Simulink Ing. Andrea Paoli apaoli@deis.unibo.it www-lar.deis.unibo.it/~apaoli Tel. (051-20) 93045 1 Cosa è Matlab? Matlab (= Matrix Laboratory) è un linguaggio di
DettagliIDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI 1 (Prof. S. Bittanti) Ingegneria Informatica 5 CFU. Appello 27 Luglio 2016 Cognome Nome Matricola
IDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI 1 (Prof. S. Bittanti) Ingegneria Informatica 5 CFU. Appello 27 Luglio 2016 Cognome Nome Matricola............ Verificare che il fascicolo sia costituito da
DettagliSimulazione dei sistemi: esercitazione 1
Simulazione dei sistemi: esercitazione 1 Esempio 1: studio di un sistema massa-molla Si consideri il sistema di figura 1 in cui ad un corpo di massa M, vincolato ad un riferimento tramite una molla di
DettagliINTRODUZIONE A SIMULINK
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm INTRODUZIONE A SIMULINK
DettagliSalva il modello che stai creando, per esempio in C:\temp\modello1.mdl; ricordati di salvare ogni tanto!
ESERCITAZIONE MATLAB USO DI SIMULINK» simulink Strumento di simulazione per sistemi complessi aggregati di sistemi u 1 3 y 4 I singoli blocchi possono essere: - lineari e non lineari - a tempo continuo,
DettagliPer creare il modello si scriva simulin nella finestra di comando MATLAB. Apparirà il Browser della Libreria Simulink.
SIMULINK Version 3 Costruzione di un semplice esempio Consideriamo un segnale sinosoidale. Esso venga integrato. Inoltre si vuole visualizzare il segnale sinusoidale assieme al segnale integrato. Il diagramma
DettagliSistemi lineari con ingresso stocastico
January 21, 2011 1 Media e densità spettrale 2 Processi a spettro razionale 3 MA 4 AR 5 ARMA 6 ARMAX Media e densità spettrale Media Ipotesi: Y (z) = G(z)U(z) 1 u(t) processo casuale stazionario in senso
DettagliFondamenti di Automatica Prof. Luca Bascetta. Primo prova intermedia 27 Aprile 2018
Fondamenti di Automatica Prof. Luca Bascetta Primo prova intermedia 27 Aprile 28 ESERCIZIO E assegnato il sistema dinamico, a tempo continuo, lineare e invariante con ingresso u(t) e uscita y(t): { ẋ(t)
DettagliVALIDAZIONE DEL MODELLO
VALIDAZIONE DEL MODELLO Validazione del Modello Non è sufficiente stimare il vettore θ per dichiarare concluso il processo di identificazione. E necessario ottenere una misura della sua affidabilità L
DettagliSCPC- Matlab Es#1. Es#1-1
MATLAB Esercitazioni #: MAT-ES [] per iniziare: Attivazione: Dclick su icona Matlab; Disattivazione: chiudere icona oppure comando: quit Informazioni e sintassi comandi: help; help control; help comando
DettagliInterfaccia grafica SPTool di Matlab per
Interfaccia grafica SPTool di Matlab per l analisi dei segnali nel dominio del discreto e della frequenza, e l elaborazione dei segnali con il dimensionamento di filtri Appunti a cura dell Ing. Marco Deidda
DettagliTeoria dei Segnali Discrete Fourier Transform (DFT) e Fast Fourier Transform (FFT); filtri tempo-continui
Teoria dei Segnali Discrete Fourier Transform (DFT) e Fast Fourier Transform (FFT); filtri tempo-continui Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it
DettagliINTRODUZIONE A MATLAB
INTRODUZIONE A MATLAB INTRODUZIONE A MATLAB MATLAB (MATrix LABoratory) è un linguaggio di programmazione per applicazioni scientifiche (elaborazione numerica dei segnali, progetto di simulatori, sintesi
DettagliINTRODUZIONE A SIMULINK
INTRODUZIONE A SIMULINK Per il corso di FONDAMENTI DI AUTOMATICA Silvia Strada CORSO DI LAUREA IN INGEGNERIA GESTIONALE Politecnico di Milano Simulink What Is Simulink Simulink is a software package that
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliINGEGNERIA INFORMATICA
INGEGNERIA INFORMATICA FONDAMENTI DI AUTOMATICA 09/02/2017 Prof. Marcello Farina SOLUZIONI Anno Accademico 2015/2016 ESERCIZIO 1 Si consideri il sistema a tempo discreto non lineare descritto dalle seguenti
DettagliTrasformata discreta di Fourier diunasequenzafinita: algoritmifft
diunasequenzafinita: algoritmifft La TDF di una sequenza finita può essere calcolata utilizzando algoritmi, computazionalmente efficienti, quali gli algoritmi Fast Fourier Transform (FFT). L efficienza
DettagliDCGAIN DC gain of LTI models. K = DCGAIN(SYS) computes the steady-state (D.C. or low frequency) gain of the LTI model SYS.
LABORATORIO FONDAMENTI AUTOMATICA 2ª ESERCITAZIONE TF Creation of transfer functions or conversion to transfer function. Creation: SYS TF(NUM,DEN) creates a continuous-time transfer function SYS with numerator(
DettagliMATLAB Esercitazione #1: (dominio di Laplace)
Matlab Es# MATLAB Esercitazione #: (dominio di Laplace) Costruzione F.d.T. e operazioni elementari: num,den,tf; *,+-,/» help tf TF Creation of transfer functions or conversion. You can create SISO or MIMO
DettagliFENS- ENS esame del 24 febbraio 2006
FENS- ENS esame del 24 febbraio 26 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione globale. I calcoli devono essere
DettagliAnalisi di un sistema. con Matlab/Octave
dinamico con Matlab/Octave ARSLAB - Autonomous and Robotic Systems Laboratory Dipartimento di Matematica e Informatica - Università di Catania, Italy santoro@dmi.unict.it Programmazione Sistemi Robotici
DettagliTesti del Syllabus. Docente RUSSO FABRIZIO Matricola:
Testi del Syllabus Docente RUSSO FABRIZIO Matricola: 003413 Anno accademico: Insegnamento: Corso di studio: Anno regolamento: CFU: Settore: Tipo attività: Anno corso: Periodo: Sede: 2010/2011 015MI - AUTOMAZIONE
DettagliMETODI DI STIMA DELL ORDINE p
METODI DI STIMA DELL ORDINE p Per la scelta dell ordine ottimo p per un modello AR, si definisce un criterio di errore che indichi qual è l ordine ottimo per quel modello. L approccio più semplice è quello
DettagliOrganizzazione della Presentazione
Organizzazione della Presentazione INTRODUZIONE A MATLAB DEFINIZIONE DI VARIABILI, MATRICI E VETTORI FUNZIONI ELEMENTARI PER SCALARI E MATRICI POLINOMI VISUALIZZAZIONE DI GRAFICI NOTE GENERALI SU MATLAB
Dettagli( e j2π ft 0.9 j) ( e j2π ft j)
Esercitazione Filtri IIR Es. 1. Si consideri il filtro dato dalla seguente equazione alle differenze y[n]+0.81y[n-2]=x[n]-x[n-2] - Determinare la funzione di trasferimento del filtro Eseguendo la Trasformata
DettagliCognome Nome Matricola Corso
Fondamenti di Controlli Automatici - A.A. 212/13 6 novembre 213 - Quiz di Teoria Cognome Nome Matricola Corso Per ciascuno dei test a soluzione multipla segnare con una crocetta tutte le affermazioni che
DettagliSTRUMENTI MATEMATICI PER L ANALISI DEI SISTEMI DISCRETI
INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Laurea Specialistica in Ingegneria Meccatronica STRUMENTI MATEMATICI PER L ANALISI L DEI SISTEMI DISCRETI Ing. Cristian Secchi Tel. 0522 522235 e-mail:
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliCristian 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
DettagliMatlab e Simulink per i sistemi di controllo
Matlab e Simulink per i sistemi di controllo Introduzione L utilizzo del toolbox SIMULINK di Matlab facilita la simulazione di sistemi interconnessi, consentendo la loro rappresentazione direttamente per
DettagliCOMPITO DI SEGNALI E SISTEMI 2 febbraio 2017
COMPITO DI SEGNALI E SISTEMI 2 febbraio 2017 NOTA: Tutte le risposte vanno adeguatamente giustificate. Risposte errate e/o con motivazioni errate avranno valore negativo nella valutazione Teoria 1. Si
DettagliMATLAB Analisi di Sistemi LTI
Esercitazione 1/30 MATLAB Analisi di Sistemi LTI Vincenzo LIPPIELLO PRISMA Lab Dipartimento di Informatica e Sistemistica Università di Napoli Federico II vincenzo.lippiello@unina.it www.prisma.unina.it
DettagliCorso di Elaborazione Numerica dei Segnali Esame del 30 settembre 2005
Corso di Elaborazione Numerica dei Segnali Esame del 30 settembre 005 TOTALE PUNTI: 44 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello
DettagliCorso di Controllo DigitaleAntitrasformate Zeta e calcolo della risposta p.1/32
Corso di Controllo Digitale Antitrasformate Zeta e calcolo della risposta Università degli Studi della Calabria Corso di Laurea in Ingegneria Elettronica. Ing. Domenico Famularo Istituto per la Sistemistica
DettagliAUTOMATICA I (Ingegneria Biomedica - Allievi da L a Z) Appello del 20 luglio 2006: testo e soluzione
AUTOMATICA I (Ingegneria Biomedica - Allievi da L a Z) Appello del 2 luglio 26: testo e soluzione Prof. Maria Prandini 1. Si consideri il sistema lineare con ingresso u ed uscita y descritto dalle seguenti
DettagliPolitecnico di Bari Facoltà di Ingegneria
Politecnico di Bari Facoltà di Ingegneria Dispensa per il Corso di Controlli Automatici II Studio di un sistema SISO che modella la sospensione di un autoveicolo con il ATLAB Control Toolbox Ing. ariagrazia
DettagliAzione Filtrante. Prof. Laura Giarré https://giarre.wordpress.com/ca/
Azione Filtrante Prof. Laura Giarré Laura.Giarre@UNIMORE.IT https://giarre.wordpress.com/ca/ Sviluppo in serie di Fourier Qualunque funzione periodica di periodo T può essere rappresentata mediante sviluppo
DettagliElementi di Calcolo Scientifico per l Ingegneria A.A
Elementi di Calcolo Scientifico per l Ingegneria A.A. 2017-2018 Ottobre 2017 (2 16) Indice 1 2 3 4 Rappresentazione dei numeri reali nel calcolatore l insieme dei numeri reali, R, contiene un numero infinito
DettagliCampi Elettromagnetici e Circuiti I Risposta in frequenza
Facoltà di Ingegneria Università degli studi di Pavia Corso di aurea Triennale in Ingegneria Elettronica e Informatica Campi Elettromagnetici e Circuiti I isposta in frequenza Campi Elettromagnetici e
DettagliModellazione e controllo Ca1 (a,b,c) Ca2 (d,e,f,g) Mec(a,c,d,e,g)
Modellazione e controllo Ca1 (a,b,c) Ca (d,e,f,g) Mec(a,c,d,e,g) 13 Luglio 011 a) Una corpo di massa M e soggetto a una forza di richiamo elastica F el = K(x)x, una forza di attrito F att = hẋ e una forza
DettagliFiltraggio Digitale. Alfredo Pironti. Ottobre Alfredo Pironti Univ. di Napoli Federico II Corso Ansaldo Breda 1 / 20
Filtraggio Digitale Alfredo Pironti Ottobre 2012 Alfredo Pironti Univ. di Napoli Federico II Corso Ansaldo Breda 1 / 20 Filtri Analogici (1) Un filtro analogico è un sistema lineare tempo-invariante (LTI)
DettagliIl colore marino: parametri ottici attivi
Il colore marino: parametri ottici attivi Corso di Elaborazione e Trasmissione delle Immagini II modulo Pisa, 13 Dicembre 2006 Il colore marino Sostanze otticamente attive: Tutte le sostanze che interagiscono
DettagliCorso di Fondamenti di Automatica. Università di Roma La Sapienza. Diagrammi di Bode. L. Lanari. Dipartimento di Informatica e Sistemistica
Corso di Fondamenti di Automatica Università di Roma La Sapienza Diagrammi di Bode L. Lanari Dipartimento di Informatica e Sistemistica Università di Roma La Sapienza Roma, Italy Ultima modifica May 8,
DettagliTesina di Identificazione dei Modelli e Analisi dei Dati
Tesina di Identificazione dei Modelli e Analisi dei Dati Ceccarelli Egidio e Papi Alessio 19 Luglio 2000 1 Indice 1 Introduzione 3 2 Valutazioni relative all identificazione 3 3 Prove 4 4 Conclusioni 5
DettagliPROVA SCRITTA DI FONDAMENTI DI AUTOMATICA A.A. 2003/ gennaio 2004
PROVA SCRITTA DI FONDAMENTI DI AUTOMATICA A.A. 2003/2004 4 gennaio 2004 nome e cognome: numero di matricola: Note: Scrivere le risposte negli spazi appositi. Non consegnare fogli aggiuntivi. La chiarezza
DettagliLa stabilità di un sistema non dipende dal segnale d ingresso, ma dipende solo dalla f.d.t. del sistema. Stabilità BIBO (Bound Input Bounded Output)
8.1 GENERALITÀ La stabilità di un sistema non dipende dal segnale d ingresso, ma dipende solo dalla f.d.t. del sistema f.d.t. = U(s) E(s) Stabilità BIBO (Bound Input Bounded Output) Un sistema lineare
DettagliPROVA SCRITTA DI FONDAMENTI DI AUTOMATICA A.A. 2013/ giugno 2014
PROVA SCRITTA DI FONDAMENTI DI AUTOMATICA A.A. 2013/2014 30 giugno 2014 nome e cognome: numero di matricola: prova d esame da CFU : 6 CFU 9 CFU Note: Scrivere le risposte negli spazi appositi. Non consegnare
Dettagli