Model Predictive Control
|
|
- Serena Campo
- 4 anni fa
- Visualizzazioni
Transcript
1 L7 Model Predictive Control L7 1
2 Introduzione I tipici processi industriali sono in genere complessi, hanno numerosi input ed output nonché disturbi e producono elevate quantità in continuo o discontinuo. Esistono in aggiunta dei vincoli economici ed ambientali che dettano delle condizioni relative alla: qualità dei prodotti utilizzo dell'energia sicurezza industriale e dell'ambiente Spesso i dati relativi alla qualità del prodotto finale non sono disponibili o misurabili in linea. Quando poi si abbiano dei frequenti cambiamenti della qualità/specifiche/grado del prodotto finale occorre che l'impianto operi in condizioni non stazionarie. A ciò si aggiunge la necessità di effettuare procedure di avvio e spegnimento (anche di emergenza). L7 2
3 Introduzione I tipici processi industriali sono quindi caratterizzati dai seguenti problemi di controllo: 1. Il processo è quasi sempre multivariabile numerose variabili controllate: y 1, y 2,, y n numerose variabili manipolate: u 1, u 2,, u n numerose variabili disturbate: d 1, d 2,, d n 2. Comportamento dinamico complesso time delays (tempi di ritardo) dovuti all inerzia del sistema (materiale ed energetica), trasporto materiale all'interno dei tubi, lunghi tempi di misura ed analisi risposta inversa possibile instabilità ad anello aperto L7 3
4 Introduzione 3. Non linearità intrinseca del sistema 4. Vincoli operativi differenziati ed articolati vincoli sulle variabili di input e di output vincoli sulla velocità di cambiamento delle variabili di input vincoli sul valore ottimale delle variabili di input (e.g., valore economico) vincoli processistici o di legge vincoli hard e soft L7 4
5 Introduzione al controllo basato su modello Un sistema di controllo ideale dovrebbe: essere multivariabile e gestire tempi di ritardo, risposta inversa, vincoli, disturbi misurati e non misurabili ottimizzare lo sforzo controllistico essere in grado di inferenziare dalle misure disponibili quelle non disponibili essere robusto rispetto agli errori di modellazione ed al rumore delle misure essere in grado di gestire gli startup e gli shutdown (programmati e di emergenza) come pure gli stazionari dell impianto L7 5
6 Controllo basato su modello Il primo controllo di tipo MPC nasce in ambito industriale nel 1978 con un articolo di Richalet e coautori e nel 1979 con dei lavori pubblicati dalla Shell. In quegli anni si inizia a parlare di model based control. Le principali tappe evolutive sono: DMC: Dynamic Matrix Control 1979, (processi Shell) Cutler & Ramaker, Prett & Gilette Applicazione ad un unità di fluid catalytic cracking MAC: Model Algorithmic Control commercializzato come IDCOM L7 6
7 Applicabilità del MPC Non tutti i processi produttivi richiedono l utilizzo di una strategia di controllo di tipo Model Predictive Control: MPC. In genere i processi che più sono adatti ad una logica di tipo MPC sono caratterizzati da: Più variabili di input e output con notevoli interazioni tra i singoli loop di controllo Un numero uguale o differente di variabili di input/output (i.e. rispettivamente sistemi quadratici o rettangolari) Dinamiche complesse ed articolate Vincoli sulle variabili di input e output L7 7
8 Applicabilità del MPC Passato Futuro y sp (k-1) y(k-1) y sp (k) y sp (k+1) y(k+1) y(k) y r (k) y r (k-1) u(k) k k+1 k+2 k+3 k+4 k+5 Orizzonte y sp y y r = y set point (traiettoria del sp) = y modello = y reale, misurata u = variabile manipolata L7 8
9 Elementi caratteristici del MPC Traiettoria di riferimento del sistema, set point ottimale variabile nel tempo: y sp Risposta del modello predittivo, y. Risposta nel futuro: y(k+1), y(k+2), a fronte degli input presenti e passati : u(k), u(k 1), u(k 2), Il modello M viene utilizzato per calcolare una sequenza di atti di controllo che soddisfano una opportuna funzione obiettivo: minimizzazione della risposta del sistema y rispetto alla traiettoria: y sp ottimale o di set point minimizzare lo sforzo controllistico L7 9
10 Elementi caratteristici del MPC Ciò corrisponde a determinare una sorta di modello inverso M *, che fornisce la sequenza ottimale u(k), u(k+1),, u(k+m 1) N.B.: in realtà non si determina un modello inverso M * bensì si risolve numericamente un problema di ottimo. Stima dell errore ε attuale esistente tra modello M e realtà R: ε = e suo utilizzo per le previsioni future. k r ( ) ( ) y k y k L7 10
11 Formalizzazione matematica del MPC u( k), u( k+ 1),, u( k+ h 1) ( ) min c k+ hp k+ hp 1 k+ hp ω yey PF y ωδu u PF u ωδu T T j= k+ 1 i= k l= k ( j) + y( k) sp( j) y ( j) ( j) + ( j) + ( i) + ( i) + ( l) j y δ y e = δ k = y k y k = y k y k 2 ( j) ( j) y ymax y y PFy ( j) = Max 0, + Min 0, y MAX y u() i u( i 1) Δu() i = Δu Δu() i ΔuMAX u i 1 ( ) ( ) ( ) ( ) ( ) y y r real model sp ( ) () l = () l T () l h( y, u, d, t) = 0 f( y, y, u, d, t) = 0 () i () i 2 2 u umax u u PFu () i = Max 0, + Min 0, umax u δu u u T st.. 2 L7 11
12 Formalizzazione matematica del MPC min {... } ( ), ( + 1),, ( + 1) u k u k u k h c L7 12
13 Formalizzazione matematica del MPC k+ hp 2 min y y( j) y( j)... ( k), ( k+ 1),, ( k+ hc 1) ω e + PF + u u u j= k+ 1 ( ) ( j) + y( k) sp( j) y ( j) j y δ y e = δ k = y k y k = y k y k ( j) ( j) ( ) ( ) ( ) ( ) ( ) y y r real model sp 2 2 y ymax y y PFy ( j) = Max 0, + Min 0, ymax y L7 13
14 Formalizzazione matematica del MPC k+ hp 1 2 min... + u () i u() i... ( k), ( k+ 1),, ( k+ hc 1) ωδu + PF + u u u i= k () i u Δu = Δu Δu Δu () i u( i 1) u( i 1) () i () i () i 2 2 u umax u u PFu () i = Max 0, + Min 0, umax u MAX In genere Δu è negativo L7 14
15 Formalizzazione matematica del MPC min u( k), u( k+ 1),, u( k+ hc 1) δu u u T () l = () l () l T k+ h 1 p l= k ωδu T 2 T () l T = target, può coincidere con il valore di steady state OTTIMALE delle variabili manipolate (e.g., condizioni nominali operative) L7 15
16 Formalizzazione matematica del MPC u( k), u( k+ 1),, u( k+ h 1) ( ) min c k+ hp k+ hp 1 k+ hp ω yey PF y ωδu u PF u ωδu T T j= k+ 1 i= k l= k ( j) + y( k) sp( j) y ( j) ( j) + ( j) + ( i) + ( i) + ( l) j y δ y e = δ k = y k y k = y k y k 2 ( j) ( j) y ymax y y PFy ( j) = Max 0, + Min 0, y MAX y u() i u( i 1) Δu() i = Δu Δu() i ΔuMAX u i 1 ( ) ( ) ( ) ( ) ( ) y y r real model sp st.. ( ) () l = u() l ut () l h( y, u, d, t) = 0 f( y, y, u, d, t) = 0 () i () i 2 2 u umax u u PFu () i = Max 0, + Min 0, umax u δu T 2 L7 16
17 Elementi critici del MPC h h c p ω ω ω δ y u T y T ( k ) y = y Δu u model L7 17
CONTROLLO PREDITTIVO BASATO SU MODELLO (MPC: MODEL PREDICTIVE CONTROL)
CONTROLLO PREDITTIVO BASATO SU MODELLO (MPC: MODEL PREDICTIVE CONTROL) 1. INTRODUZIONE La strategia di controllo più largamente applicata nelle industrie di processo è il controllo predittivo basato sul
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
DettagliControlli Automatici LB Specifiche per i sistemi di controllo
Prof. Carlo Rossi DEIS-Università di Bologna Tel. 051 2093020 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi 1 - Articolazione del modulo LB 2 - Le principali specifiche per i sistemi di
DettagliControllo 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
DettagliCOMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria dell Automazione, Informatica, Matematica e Telecomunicazioni COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it Sito web: http://home.dei.polimi.it/amaldi/cro-09.shtml
DettagliOttimizzazione di un forno di preriscaldo
Efficienza energetica attraverso controllo e ottimizzazione real-time dei processi industriali Ottimizzazione di un forno di preriscaldo Luca Barboni Amministratore Delegato i.process, Perché i.process?
DettagliOTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria Matematica, Informatica, dell Automazione e Telecomunicazioni OTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEI - Politecnico di Milano amaldi@elet.polimi.it
DettagliAnalisi della Dinamica
Analisi della Dinamica Si potrebbe operare sul sistema reale. Potrebbe non esistere Time consuming e costoso Rappresentazione matematica (idealizzata ) Dato un modello matematico si può studiare la risposta
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
DettagliIntroduzione ai filtri digitali
ARSLAB - Autonomous and Robotic Systems Laboratory Dipartimento di Matematica e Informatica - Università di Catania, Italy santoro@dmi.unict.it Programmazione Sistemi Robotici Sistemi, misura e predizione
DettagliControlli Automatici LA Introduzione all'analisi dei sistemi dinamici lineari
Controlli Automatici LA Introduzione all'analisi dei sistemi dinamici lineari Prof. Carlo Rossi DEIS-Università di Bologna Tel. 051 2093020 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi
DettagliOttimizzazione di manovre per velivoli ad ala rotante
Ottimizzazione di manovre per velivoli ad ala rotante Politecnico di Milano Anno Accademico 2002-2003 2003 Relatore: Prof. Ing.. Carlo L. Bottasso Correlatore: Ing.. Fabio Nannoni Tesi di Laurea di: Luca
DettagliProject work svolto da Annarita De Meo
Project work svolto da Annarita De Meo 0610200198 REATTORE CSTR con CAMICIA 1) simula la risposta dinamica ad anello aperto a seguito di una variazione nel disturbo a rampa limitata, di un valore a piacere
DettagliOTTIMIZZAZIONE in unione con OTTIMIZZAZIONE DISCRETA e COMPLEMENTI DI RICERCA OPERATIVA
Corsi di Laurea in Ingegneria Matematica, Informatica, dell Automazione e Telecomunicazioni OTTIMIZZAZIONE in unione con OTTIMIZZAZIONE DISCRETA e COMPLEMENTI DI RICERCA OPERATIVA Edoardo Amaldi DEIB -
Dettagli5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate. min f(x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n
5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate Consideriamo il generico problema di PNL min f(x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n dove f e le c i sono di classe
DettagliControllo 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
DettagliOTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA OTTIMIZZAZIONE DISCRETA
Corsi di Laurea in Ingegneria Matematica, Informatica, dell Automazione e Telecomunicazioni OTTIMIZZAZIONE in unione con COMPLEMENTI DI RICERCA OPERATIVA OTTIMIZZAZIONE DISCRETA Edoardo Amaldi DEI - Politecnico
DettagliConfigurazione del controllore
Configurazione del controllore A grandi linee la configurazione del controllore viene effettuata in modo da garantire due obiettivi: Stabilità del processo controllato Adeguatezza della risposta alle necessità
DettagliSimulazione dinamica di impianti di termovalorizzazione. Davide Manca Dinamica e Controllo dei Processi Chimici Politecnico di Milano
L2 Simulazione dinamica di impianti di termovalorizzazione L2 Argomenti trattati Sviluppo e convalida di un modello dinamico dettagliato della sezione calda di un impianto di termovalorizzazione Studio
DettagliControlli Automatici LA Introduzione all'analisi dei sistemi dinamici
Introduzione all'analisi dei sistemi dinamici lineari Prof. Carlo Rossi DEIS-Università di Bologna Tel. 5 2932 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi. 2. movimento e stabilità del
DettagliIntroduzione al controllo
Corso di Robotica 2 Introduzione al controllo Prof. Alessandro De Luca A. De Luca Cosa vuol dire controllare un robot? si possono dare diversi livelli di definizione completare con successo un programma
Dettagli5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate
5.6 Metodo di penalità e metodo basato sulle funzioni lagrangiane aumentate Consideriamo il generico problema di PNL min f (x) s.v. c i (x) 0 i I c i (x) = 0 i E (1) x R n dove f e le c i sono di classe
DettagliSVILUPPO DI SENSORI SOFTWARE PER COLONNE DI DISTILLAZIONE MULTICOMPONENTE
(1) UNIVERSITA DEGLI STUDI DI CAGLIARI Dipartimento di Ingegneria meccanica, chimica e dei materiali (ITALIA) (2) UNIVERSIDAD AUTÓNOMA METROPOLITANA UNIDAD IZTAPALAPA Departamento de Ingeniería de procesos
DettagliControllo a retroazione
E il tipo di controllo più antico. Q, T i SHT: la temperatura in uscita può variare perché vogliamo cambiare il set point o per effetto di disturbi Controllo di tipo servomeccanismo Controllo regolativo
DettagliProgettazione di strutture di controllo complesse
Progettazione di strutture di controllo complesse Considereremo: Feedforward (controllo in andata) Controllo in cascata Controllo di rapporto Override control Antireset windup Controllo Feedforward Il
DettagliRegolazione e controllo
1 Regolazione e controllo Controllo ad Mikael Bianchi, Ricercatore SUPSI 19 maggio 2017 2 Tematiche Controllo ad Obiettivi Problematiche Inversione del processo con modello di riferimento Effetti dei disturbi
Dettagli1. Si consideri il sistema dinamico in figura, dove u(t) è la variabile di controllo, d(t) un disturbo 5
CONTROLLI AUTOMATICI (Ingegneria Aerospaziale - Allievi da A a L) Prof.ssa Mara Tanelli Seconda Prova in Itinere del 26 Gennaio 2009 1. Si consideri il sistema dinamico in figura, dove u(t) è la variabile
DettagliModello di Ottimizzazione per la Schedulazione del Personale Infermieristico di una Residenza Assistita
Modello di Ottimizzazione per la Schedulazione del Personale Infermieristico di una Residenza Assistita Candidata: Serena Cortopassi Relatori: Prof. Frangioni, Prof. Scutellà Università di Pisa Tesi di
DettagliIntroduzione alla Strumentazione e al Controllo degli Impianti Chimici
Introduzione alla Strumentazione e al Controllo degli Impianti Chimici Davide Manca Lezione 1 di Strumentazione e Controllo di Impianti Chimici Laurea di primo livello in Ingegneria Chimica Politecnico
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi (come
DettagliFondamenti di Data Processing
Fondamenti di Data Processing Vincenzo Suraci Automazione INTRODUZIONE AL DATA PROCESSING ACQUISIZIONE DATI SCHEMA COSTRUTTIVO SCHEDA INPUT OSCILLATORE A FREQUENZA COSTANTE BANDA PASSANTE ACCORDATA AL
DettagliCenni di ottimizzazione dinamica
Cenni di ottimizzazione dinamica Testi di riferimento: K. Dixit Optimization in Economic Theory. Second Edition, 1990, Oxford: Oxford University Press. A. C. Chiang Elements of Dynamic Optimization, 1992,
DettagliOttimizzazione. in unione corso con. Ottimizzazione Discreta e Complementi di R.O. Edoardo Amaldi. DEIB Politecnico di Milano
Ottimizzazione in unione corso con Ottimizzazione Discreta e Complementi di R.O. Edoardo Amaldi DEIB Politecnico di Milano edoardo.amaldi@polimi.it Sito web: http://home.deib.polimi.it/amaldi/ott-13-14.shtml
DettagliControlli Automatici LA Prova del 11/01/2005 Gruppo a
Cognome Nome Matr. Prova del //5 Gruppo a Indicare a quale o a quali delle f.d.t. indicate possono corrispondere le seguenti risposte al gradino unitario.38.7.9.4.85.4 Amplitude.6.4..6.4. Step Response
DettagliProgetto e miglioramento del processo produttivo 383
Ottimizzazione del processo con esperimenti programmati I piani fattoriali sono molto utili nella selezione dei fattori o factor screening, cioè nella identificazione di quei fattori che maggiormente influiscono
DettagliIl controllo di processo
Il controllo di processo Introduzione al controllo di processo Un impianto chimico è costituito da un insieme ordinato e strutturato di singole apparecchiature ove avvengono reazioni ed operazioni unitarie.
DettagliProprietà Strutturali dei Sistemi Dinamici: Stabilità
Proprietà Strutturali dei Sistemi Dinamici: Stabilità Ingegneria dell'automazione Corso di Sistemi di Controllo Multivariabile - Prof. F. Amato Versione 2.2 Ottobre 2012 1 Stabilità Consideriamo il sistema
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
DettagliCURRENT PROGRAMMED CONTROL (CPC)
CURRENT PROGRAMMED CONTROL (CPC) Principio: la corrente controllata - i L (t), i input (t), i output (t) - deve seguire l andamento di una corrente programmata - i c (t) determinato, generalmente, da esigenze
DettagliEsercizi di Controlli Automatici
Esercizi di Controlli Automatici L. Magni Esercizio Si studi la stabilità dei seguenti sistemi retroazionati negativamente con guadagno d anello L(s) al variare di > utilizzando il luogo delle radici e
DettagliOsservatore di Luenberger
1 Osservatore di Luenberger In queste note verrà presentato l osservatore di Luenberger, uno stimatore dello stato per sistemi lineari. Si farà il caso di sistemi dinamici tempo-continui e tempo-discreti.
DettagliSTUDIO DI UN SISTEMA DI TRAZIONE INTEGRALE PER UN VEICOLO MOBILE
Università del Salento Facoltà di Ingegneria Corso di Laurea Magistrale in Ingegneria Meccanica Tesi di Laurea in Meccanica del Veicolo STUDIO DI UN SISTEMA DI TRAZIONE INTEGRALE PER UN VEICOLO MOBILE
DettagliLezione 25. Introduzione al progetto. F. Previdi - Fondamenti di Automatica - Lez. 25 1
Lezione 25. Introduzione al progetto F. Previdi - Fondamenti di Automatica - Lez. 25 1 Schema 1. Il problema del progetto 2. Specifiche di progetto 3. Formulazione delle specifiche 4. Loop shaping: progetto
DettagliIntroduzione al Corso
Introduzione - 1 Corso di Laurea in Ingegneria Meccanica Introduzione al Corso DEIS-Università di Bologna Tel. 051 2093020 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi Introduzione -
DettagliControlli Automatici L
Introduzione - 1 Corso di Laurea in Ingegneria Meccanica Introduzione al Corso DEIS-Università di Bologna Tel. 051 2093020 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi Introduzione -
DettagliGeneratori di segnale. Generatore sinusoidale BF. Generatori di funzione. Generatori sinusoidali a RF. Generatori a battimenti. Oscillatori a quarzo
Generatori di segnale Generatore sinusoidale BF Generatori di unzione Generatori sinusoidali a RF Generatori a battimenti Oscillatori a quarzo Generatori di segnale sintetizzati 2 2006 Politecnico di Torino
DettagliCenni di ottimizzazione dinamica
Cenni di ottimizzazione dinamica Testi di riferimento: K. Dixit Optimization in Economic Theory. Second Edition, 1990, Oxford: Oxford University Press. A. C. Chiang Elements of Dynamic Optimization, 1992,
DettagliLaboratorio di automazione
Laboratorio di automazione Leggi di Moto Ing. Luca Gentili DEIS - Università di Bologna Tel. 051-2093875 E-mail: lgentili@deis.unibo.it http://www.lar.deis.unibo.it/people/lgentili Revisionato il Revisionato
DettagliRicerca Operativa. Docenti. 1. Introduzione
Ricerca Operativa 1. Introduzione Docenti Luigi De Giovanni - Giacomo Zambelli Dipartimento di Matematica Pura e Applicata (Torre Archimede) Tel. 049 827 1349 / 1348 email: luigi - giacomo @math.unipd.it
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 CFU) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 CFU) Prova scritta 8 settembre 2017 SOLUZIONE ESERCIZIO 1. Si consideri il seguente circuito elettrico passivo: Applicando le leggi di Kirchhoff e le formule di base
DettagliIntroduzione al Column Generation Caso di Studio: il Bin Packing Problem
Introduzione al Column Generation Caso di Studio: il Bin Packing Problem November 15, 2014 1 / 26 Introduzione Il column generation è una metodologia che può essere usata per risolvere problemi di ottimizzazione
DettagliFondamenti di Automatica. Unità 3 Equilibrio e stabilità di sistemi dinamici
Fondamenti di Automatica Unità 3 Equilibrio e stabilità di sistemi dinamici Equilibrio e stabilità di sistemi dinamici Equilibrio di sistemi dinamici Linearizzazione di sistemi dinamici Stabilità interna
DettagliFondamenti di Automatica
Fondamenti di Automatica Introduzione e modellistica dei sistemi Introduzione allo studio dei sistemi Modellistica dei sistemi dinamici elettrici Modellistica dei sistemi dinamici meccanici Modellistica
DettagliUNIVERSITÀ DEGLI STUDI DI BERGAMO. FACOLTÀ DI ECONOMIA Dipartimento di Scienze Economiche H. P. Minsky. Dott.ssa Paola Gritti
UNIVERSITÀ DEGLI STUDI DI BERGAMO FACOLTÀ DI ECONOMIA Dipartimento di Scienze Economiche H. P. Minsky Esercitazioni di Economia dell Impresa Dott.ssa Paola Gritti paola.gritti@unibg.it Esercitazione :
DettagliLezione 20. Controllo del moto
Lezione 20. Controllo del moto . Introduzione In questa lezione si affronta il tema del controllo del moto. Innanzitutto si progetta il controllore della corrente di armatura. Quindi si procederà alla
DettagliDocente: Pierpaolo Puddu
Corso di Dinamica e Controllo dei Sistemi Energetici A.A. 2012-2013 Docente: Pierpaolo Puddu ORA Lunedì Martedì Mercoledì Giovedì Venerdì 08-09 X X 09-10 X 10-11 X 11-12 X 12-13 X 15-16 16-17 17-18 18-19
DettagliMODELLO COMPLETO PER IL CONTROLLO. D r (s) U(s) Y (s) d m (t): disturbi misurabili. d r (t): disturbi non misurabili
MODELLO COMPLETO PER IL CONTROLLO D m (s) D r (s) Y o (s) U(s) P (s) Y (s) d m (t): disturbi misurabili d r (t): disturbi non misurabili y o (t): andamento desiderato della variabile controllata u(t):
DettagliPrincipi e Metodologie della Progettazione Meccanica
Principi e Metodologie della Progettazione Meccanica ing. F. Campana a.a. 06-07 Lezione 13: Robust Design Robust Design significato ed esempi Le tecniche di ottimizzazione fin qui viste hanno un ampio
DettagliRegolazione e Controllo dei Sistemi Meccanici 23 Novembre 2005
Regolazione e Controllo dei Sistemi Meccanici 23 Novembre 25 Numero di matricola A) Si consideri la risposta al gradino unitario riportata in fig. e si determini qualitativamente la funzione di trasferimento
DettagliEsame di FONDAMENTI DI AUTOMATICA (6 crediti) / CONTROLLI AUTOMATICI SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (6 crediti) / CONTROLLI AUTOMATICI Prova scritta 24 luglio 2019 SOLUZIONE ESERCIZIO 1. Si consideri un sistema per il riscaldamento di parti metalliche, costituito da
DettagliFondamenti di Automatica
Equilibrio e stabilità di sistemi dinamici Linearizzazione di sistemi dinamici Stabilità interna di sistemi dinamici Stabilità interna di sistemi dinamici LTI Criteri di stabilità per sistemi dinamici
DettagliESERCIZIO 1 Si consideri il sistema con ingresso u(t) ed uscita y(t) descritto dalle seguenti equazioni
ESERCIZIO 1 Si consideri il sistema con ingresso u(t) ed uscita y(t) descritto dalle seguenti equazioni ẋ 1 (t) x 1 (t) + 3x 2 (t) + u(t) ẋ 2 (t) 2u(t) y(t) x 1 (t) + x 2 (t) 1. Si classifichi il sistema
DettagliProblemi di Scheduling
Problemi di Scheduling Vincenzo Suraci Automazione STRUTTURA DEL NUCLEO TEMATICO SCHEDULING A LIVELLO DI COORDINAMENTO CLASSIFICAZIONE DEGLI ALGORITMI DI SCHEDULING SCHEDULING DI TASK PERIODICI SCHEDULING
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 CFU) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 CFU) Prova scritta 9 giugno 2017 SOLUZIONE ESERCIZIO 1. Si consideri un altoparlante ad attrazione magnetica per la riproduzione sonora, rappresentato dalla seguente
DettagliRelazione Gruppo 2 [Benedetto Luciano, Davide Luciano,Andrea Pipitone,Alex Frusteri]
Laboratorio di Fisica 1 Relazione Gruppo 2 [Benedetto Luciano, Davide Luciano,Andrea Pipitone,Alex Frusteri] Seconda esperienza Scopo seconda esperienza 1)Costruire la curva di risposta dello strumento
DettagliTeoria dei Sistemi s + 1 (s + 1)(s s + 100)
Teoria dei Sistemi 03-07-2015 A Dato il sistema dinamico rappresentato dalla funzione di trasferimento 10s + 1 (s + 1)(s 2 + 16s + 100) A.1 Si disegnino i diagrammi di Bode, Nyquist e i luoghi delle radici.
DettagliLezione 13 Maggio Ricapitolazione del Controllo Ottimo LQ
PSC: Progettazione di sistemi di controllo III rim. 2007 Lezione 13 Maggio 16 Docente: Luca Schenato Stesori: Comin, Dal Bianco,Fabris, Parmeggiani 13.1 Ricapitolazione del Controllo Ottimo LQ Ripassiamo
DettagliPresentazione dell'edizione italiana...xi
Indice generale Presentazione dell'edizione italiana...xi Prefazione... xiii Capitolo 1 Concetti fondamentali... 1 1.1 Introduzione... 1 1.2 Terminologia relativa ai sistemi di controllo... 1 1.3 Funzionamento
DettagliCONTROLLO IN RETROAZIONE
SISTEMI DI CONTROLLO Ingegneria Meccanica e Ingegneria del Veicolo http://www.dii.unimore.it/~lbiagiotti/sistemicontrollo.html CONTROLLO IN RETROAZIONE Ing. Luigi Biagiotti e-mail: luigi.biagiotti@unimore.it
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2017.html
DettagliLaboratorio di Fisica I Anno Accademico
Laboratorio di Fisica I Anno Accademico 018-019 Relazione terza esperienza di Laboratorio Giorgio Campione Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico
DettagliCenni ad aspetti non classici per problemi di instabilità dell equilibrio. equilibrio
Laurea Magistrale Ingegneria Meccanica A.A. 011 / 01 Cenni ad aspetti non classici per problemi di instabilità dell equilibrio equilibrio G. Vairo - Complementi di Scienza delle Costruzioni (Ing. Meccanica)
DettagliCorso di Laurea in Ingegneria Meccatronica. CA 08 - ControlloInRetroazione
Automation Robotics and System CONTROL Università degli Studi di Modena e Reggio Emilia Corso di Laurea in Ingegneria Meccatronica CONTROLLO IN RETROAZIONE CA 8 - ControlloInRetroazione Cesare Fantuzzi
DettagliEsame di FONDAMENTI DI AUTOMATICA (6 CFU) / CONTROLLI AUTOMATICI SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (6 CFU) / CONTROLLI AUTOMATICI Prova scritta 8 settembre 2017 SOLUZIONE ESERCIZIO 1. Si consideri il seguente circuito elettrico passivo: Applicando le leggi di Kirchhoff
DettagliProblemi lineari equivalenti
Problemi lineari equivalenti Introduzione Nel seguito verranno presentati alcuni esempi di trasformazione di problemi di problemi di programmazione lineare in forme equivalenti. Un problema di programmazione
Dettaglia.a. 2014/2015 Docente: Stefano Bifaretti
a.a. 2014/2015 Docente: Stefano Bifaretti email: bifaretti@ing.uniroma2.it Un sistema di controllo automatico è un sistema in grado di imporre a una o più variabili controllate (uscite) gli andamenti temporali
DettagliControlli Automatici T Introduzione al Controllo
Parte 6 Aggiornamento: Settembre 2010 Parte 6, 1 Introduzione al Controllo Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL: www-lar.deis.unibo.it/~lmarconi
DettagliSOLUZIONE della Prova TIPO A per:
SOLUZIONE della Prova TIPO A per: Esame di FONDAMENTI DI AUTOMATICA (9 crediti): 6 dei 10 esercizi numerici (nell effettiva prova d esame verranno selezionati a priori dal docente) + domande a risposta
DettagliRicerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015
1 Lunedí 20 Aprile 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Rilassamento di un problema Rilassare un problema di Programmazione Matematica vuol dire trascurare alcuni (tutti i)
DettagliLa notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica:
. SU ALCUNI OPERAORI DI DERIVAZIONE Alcune operazioni tipiche dell analisi matematica hanno un diretto riscontro in termini matriciali. Consideriamo ad esempio una forma lineare: f() l l + l +..l n n ;
DettagliSistemi di controllo
Compito del 8 gennaio 2014 - Quiz Per ciascuno dei seguenti quesiti, segnare con una crocetta le risposte che si ritengono corrette. Alcuni quesiti possono avere più risposte corrette. I quiz si ritengono
DettagliMicroeconomia Esercitazioni a.a. 2018/2019. Prof. Giuseppe Pignataro Tutor: Alessandra Porfido
Microeconomia Esercitazioni a.a. 2018/2019 Prof. Giuseppe Pignataro Tutor: Alessandra Porfido Tutor Contatti Alessandra.porfido2@unibo.it Ricevimento Venerdì h.14, su appuntamento Esercitazioni Giovedì
DettagliApprendimento basato sulle istanze
Apprendimento basato sulle istanze Apprendimento basato sulle istanze Apprendimento: semplice memorizzazione di tutti gli esempi Classificazione di una nuova istanza x j : reperimento degli
DettagliProgettazione del sistema di controllo
SE3 Prof. Davide Manca Politecnico di Milano Dinamica e Controllo dei Processi Chimici Esercitazione #3 Progettazione del sistema di controllo ing. Sara Brambilla SE3 Rappresentazione sistema A 1 A F i
DettagliEnergy Data Management per la riduzione dei consumi Ing. Giovanni Anceschi
Energy Data Management per la riduzione dei consumi Ing. Giovanni Anceschi Energy Way Fondata a novembre 2013. A dicembre 2014 viene riconosciuta come Start up innovativa e a gennaio 2015 si certifica
DettagliFACOLTÀ DI INGEGNERIA. 2. Termodinamica Applicata alle Macchine. Roberto Lensi
Roberto Lensi 2. Termodinamica Applicata alle Macchine pag. 1 UNIVERSITÀ DEGLI STUDI DI PISA FACOLTÀ DI INGEGNERIA 2. Termodinamica Applicata alle Macchine Roberto Lensi DIPARTIMENTO DI ENERGETICA Anno
DettagliMetodi e modelli per il supporto alle decisioni
Metodi e modelli per il supporto alle decisioni 1. Introduzione Supporto alle decisioni Supporto ai processi decisionali in sistemi complessi Problema decisionale reale Passi, operazioni Soluzioni del
DettagliIntroduzione. Sommario. Il software. Definizione di Ingegneria del software
Sommario Introduzione Leggere Cap. 1 Ghezzi et al. Definizione Nascita dell ingegneria del software Ruolo Relazione con altre discipline Introduzione 2 Il software Il software e` definito come: i programmi,
DettagliWHITEPAPER ALGORITMO CONTRIBUTO MENSILE AUTOMATICO FORMALIZZAZIONE DEL PROBLEMA NELLA FORMA DI UN ALGORITMO DI OTTIMIZZAZIONE
WHITEPAPER ALGORITMO CONTRIBUTO MENSILE AUTOMATICO L obiettivo dell algoritmo alla base della funzionalità del Contributo Mensile automatico è quello di fornire al cliente, che investe un determinato importo
DettagliSistemi di controllo
Compito del 18 settembre 212 - Quiz Per ciascuno dei seguenti quesiti, segnare con una crocetta le risposte che si ritengono corrette. Alcuni quesiti possono avere più risposte corrette. I quiz si ritengono
DettagliOttimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33
Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33 Ottimizzazione su grafi:massimo flusso (parte 1) p. 2/33 Reti di flusso Una rete di flusso è una
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2018.html
DettagliRICERCA OPERATIVA (9 cfu)
a PROVA scritta di RICERCA OPERATIVA (9 cfu) gennaio Cognome Nome Ai fini della pubblicazione (cartacea e elettronica) del risultato ottenuto nella prova di esame, autorizzo al trattamento dei miei dati
DettagliIl ruolo delle pompe di calore a compressione di vapore: sviluppi futuri e proiezioni di prestazione
Il ruolo delle pompe di calore a compressione di vapore: sviluppi futuri e proiezioni di prestazione POMPE DI CALORE A COMPRESSIONE DI VAPORE principio di funzionamento 2 Lo scopo di una pompa di calore
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 CFU) (A.A. fino al 2017/2018) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 CFU) (A.A. fino al 2017/2018) Prova scritta 7 giugno 2019 SOLUZIONE ESERCIZIO 1. Si consideri il problema della regolazione di quota dell aerostato ad aria calda mostrato
DettagliSISTEMI DI CONTROLLO TIPI DI CONTROLLO
1 SISTEMI DI CONTROLLO OBIETTIVI Comprendere il concetto di controllo automatico Comprendere la differenza tra controllo ad anello aperto e ad anello chiuso Acquisire gli strumenti matematici per l analisi
DettagliConversione Analogico - Digitale
Conversione Analogico - Digitale Funzione: - convertire una grandezza analogica tensione) in formato digitale; cioè convertire un livello di tensione in una stringa di bit. A D non necessariamente in parallelo)
Dettagli