Lezione 13 Maggio Ricapitolazione del Controllo Ottimo LQ
|
|
- Rosalinda Rostagno
- 4 anni fa
- Visualizzazioni
Transcript
1 PSC: Progettazione di sistemi di controllo III rim Lezione 13 Maggio 16 Docente: Luca Schenato Stesori: Comin, Dal Bianco,Fabris, Parmeggiani 13.1 Ricapitolazione del Controllo Ottimo LQ Ripassiamo quanto fatto finora sul controllo ottimo LQ. Si consideri il sistema lineare: x +1 = Ax + Bu ; y = Cx ; = 0,..., del quale si desidera calcolare una successione di ingresso {u = (u 0,..., u 1 )} che minimizza un dato indice di costo quadratico, definito come segue: 1 ( ) J (x, u) = x W x + u Uu + x W x ; W 0, U 0 (13.1) =0 Vale a dire, si desidera risolvere il problema di minimo: Considerando la condizione iniziale: J (x 0 ) = min u J (x 0, u) S = W Si cerca di risolvere ricorsivamente la varianza d errore: S = A S +1 A + W A S +1 B ( B S +1 B + U ) 1 B S +1 A = Φ d (S +1 ) Il valore ottimo dei campioni di ingresso, che minimizzano la (13.1), risulta essere combinazione lineare dello stato: u = ( B S +1 B + U ) 1 B S +1 Ax = L x (13.2) Si può dunque calcolare il costo ottimo come: J (x 0 ) = x 0 S 0 x
2 PSC Lezione 13 Maggio 16 III rim Dalle relazioni trovate si possono dedurre le seguenti proprietà: 1. Il controllo ottimo risulta una combinazione lineare degli ingressi. 2. Il costo ottimo dipende soltanto dalle condizioni iniziali. 3. Il guadagno ottimo L è tempo variante. 4. La varianza Φ d (S) risulta il duale della Φ(P ) attuando le sostituzioni: A A ; B C ; W Q; U R; S P ; Ci siamo poi posti il problema di calcolare l ingresso ottimo nel caso di orizzonte temporale infinito, vale a dire considerando. In questo caso sono sorte le seguenti domande: La successione di matrici S converge ad una matrice S? C è convergenza se e solo se la coppia (A, B) è stabilizzabile. La matrice S così calcolata è unica? Si è visto che c è unicità se la coppia (A, W 1/2 ) è rivelabile. Nel caso duale di orizzonte infinito, in cui S S, anche la matrice guadagno L converge ad un valore di regime calcolabile, considerando la (13.2), come: L K L = ( B S B + U ) 1 B S A 5. La matrice (A BL ) è strettamente stabile. Il controllo ottimo fornisce dunque una retroazione di stato stabilizzante. 6. Se il sistema è di tipo SISO il controllo ricavato fornisce un margine di fase m φ Una possibile scelta empirica per W ed U è la forma diagonale. Nel caso di dimensione n = 2 risulta della forma: 1 x W = ; U = ρ 0 x 2 u 2 2 dove x 1 2 deve avere lo stesso ordine di grandezza dell errore sulla componente x 1 che ci si aspetta. ale valore in genere ottenuto da conoscenze a priori del sistema o dall esperienza. Il parametro ρ R scelto in modo da ottenere penalizzare l ingresso se questo tende a saturare gli ingressi, cioe a ρ maggiori corrisponde un sistema piu lento ma con ingressi u di controllo piu piccoli. 13-2
3 PSC Lezione 13 Maggio 16 III rim Il controllo ottimo non da alcun indice sul transitorio oppure sulla capacità di reiezione dei disturbi del sistema retroazionato. NOA:La tecnica di controllo LQ viene anche detta controllo ottimo (H 2 ). Questo metodo, diffuso fino agli anni 60-70, sebbene fornisca in modo rapido dei controllori con buone prestazione nella maggior parte dei casi, risulta essere robusto variazioni parametriche. Successivamente negli anni e stato sviluppato il controllo (H ) che risulta essere piu performante ed efficiente Controllo Ottimo LQG Si desidera ora calcolare la sequenza di ingressi ottimi per un sistema dinamico lineare non più deterministico, bensì stocastico: x +1 = Ax + Bu + w y = Cx + v = 0,..., dove le variabili aleatorie w e v sono Gaussiane a media nulla: w N (0, Q), Q 0 v N (0, R), R 0 (13.3) Esattamente come nel caso deterministico, si ricerca la sequenza di ingressi {u = (u 0,..., u 1 )} che minimizzano l indice di costo quadratico: 1 ( ) J (x, u) = E x W x + u Uu + x W x, W, U 0 (13.4) =0 Vale a dire, si desidera calcolare u = f (u 0,..., u 1, y 0,..., y ), = 0,..., tale da risolvere il problema di minimo: min u J (u 0,..., u 1, x 0 ) È da notare che nella definizione della funzione costo (13.4) si è fatto uso dell operatore di aspettazione. Infatti questa volta la traiettoria di stato {x } è un processo aleatorio, e di conseguenza non ne possiamo conoscere le particolari realizzazioni. 13-3
4 PSC Lezione 13 Maggio 16 III rim Filtro di Kalman con ingressi In questo caso l espressione del filtro tiene conto anche dei segnali di ingresso u: ˆx = E x y,..., y 0, u,..., u 0 Ricordando che c è scorrelazione tra e e ˆx, si calcola la predizione Calcolando l errore di predizione: ˆx +1 = E x +1 y,..., y 0, u,..., u 0 = E Ax + Bu + w y,..., y 0, u,..., u 0 = AE x y,..., y 0, u 1,..., u 0 + Bu = Aˆx + B e +1 = x +1 ˆx +1 = Ax + Bu + w (Aˆx + Bu ) = Ax Aˆx + w Si nota che l errore è indipendente dall ingresso. La varianza d errore diviene: P +1 = AP A + Q Per quanto riguarda l aggiornamento d errore di stima: mentre la varianza dell errrore di predizione ˆx = ˆx +1 + K (y +1 C ˆx +1 ) P = P +1 P +1 C (CP +1 C + R) 1 CP +1 Se ne deduce che: 1. Le equazioni varianza d errore e il guadagno K sono indipendenti dall ingresso u; 2. L unica differenza rispetto al filtro senza ingressi è l aggiunta di u nell equazione di predizione della stima. 3. Come conseguenza della 1. si trova che e ˆx cioè la stima ottima è scorrelata dal suo errore E e ˆx y,..., y 0, u 1,..., u 0 =
5 PSC Lezione 13 Maggio 16 III rim Adesso ci si pone il problema di trovare degli ingressi u tali da minimizzare una funzione costo ottimo V dal passo a e si calcola ricorsivamente per =, 1,..., 0: (x ) min u K dove sono stati definiti gli spazi Ed il costo ottimo all istante finale E x W x + u Uu }{{} + +1(x +1 ) Y, U 1 (13.5) costo attuale C(x,u ) Y = (y 0,..., y ), U = (u 0,..., u ) 0 (x 0 ) = J (x 0 ) (13.6) Per il calcolo esplicito dei costi (13.5) sarà utile dimostrare il seguente teorema. eorema La funzione costo ottimo per ogni passo = 0,..., è pari a (x ) = E x S x Y, U 1 + c (13.7) dove S è una matrice (n n) semidefinita positiva e c uno scalare non negativo, c R, c 0. Dimostrazione: La dimostrazione si esegue per induzione su. 1. (caso base) =. S = W, c = 0 per definizione (13.6). 2. (passo induttivo) supponiamo che (13.7) sia vera per + 1, dimostreremo che vale anche per. Per ipotesi si puó dunque scrivere V (x ) = min E x u W x + u Uu + E x +1S +1 x +1 Y +1, U + +c +1 Y, U 1 Ma, considerando che Y +1 = y +1 Y U = u U 1 e per le proprietà dell aspettazione, si può scrivere V (x ) = min E x W x u + u Uu + x +1S +1 x +1 + c +1 Y, U 1 (13.8) 13-5
6 PSC Lezione 13 Maggio 16 III rim Usando ora le (13.3), V (x ) = min E x u W x + u Uu + (Ax + Bu + w ) S +1 (Ax + Bu + w ) + +c +1 Y, U 1 = min E x u W x + u Uu + x A S +1 Ax + 2x A S +1 Bu + +u S +1 u + w S +1 w + 2w S +1 (Ax + Bu ) + c +1 Y, U 1 Ma, dato che x e u sono scorrelati da w, E 2w S +1 (Ax + Bu ) = 0 e tenuto conto che gli ingressi sono una funzione del tipo u = f (U 1, Y ) risulta V (x ) = E x W x + x A S +1 Ax + c +1 Y, U 1 + E w S +1 w + ( +min u u U + B S +1 B ) u + 2u B S +1 AE x Y, U 1 Inoltre, sfruttando le proprietà dell operatore traccia: E w S +1 w }{{} = tr ( E w S ) +1w ( ) = E tr w S +1 w = è scalare = E tr ( ) S +1 w w = tr (S+1 Q) scriviamo (x ) = E x W x + x A S +1 Ax Y, U 1 + tr (S+1 Q) + ( +min (u u U + B S +1 B ) ) u + 2u B S +1 AE x Y, U 1 Ma, per definizione E x Y, U 1 = ˆx Di conseguenza l ingresso ottimo u che minimizza V vale u = ( B S +1 B + U ) 1 B S +1 Aˆx = L ˆx e risulta essere combinazione lineare della stima di stato ˆx. Si ottiene allora: (x ) = E x W x + x A S +1 Ax Y, U 1 + tr (QS+1 ) (13.9) E ˆx A S +1 B ( U + B S +1 B ) B S +1 Aˆx Y, U 1 + c
7 PSC Lezione 13 Maggio 16 III rim Ricordando che vale sempre la proprietà E (x ) x ( ) V x Y, U 1 = E ˆx + ˆx V x ˆx + ˆx Y, U 1 (x ) ( ) = E ˆx V x ˆx Y, U 1 + (x ) +2E ˆx V ˆx Y, U 1 + E ˆx V ˆx Y, U 1 e ponendo in quest ultima la (13.9) diviene (x ) = E x = tr ( V P ) ˆx V ˆx V = A S +1 B ( U + B S +1 B ) B S +1 A ( W + A S +1 A A S +1 B ( B S +1 B + U ) ) 1 B S +1 A x Y, U 1 + +tr (S +1 Q) + tr ( P V ) + c +1 (13.10) La dimostrazione della proposizione è così conclusa se si definiscono la matrice S S = A S +1 A + W A S +1 B ( B S +1 B + U ) 1 B S +1 A (13.11) e lo scalare c = c +1 + tr (QS +1 ) + tr ( V P ) (13.12) La dimostrazione precedente ci fornisce un metodo ricorsivo per il calcolo dell ingresso ottimo, tramite la (2), e per l aggiornamento delle matrici S e degli scalari c, tramite le equazioni (13.11) e (13.12). Si ottiene infine che il costo minimo risulta pari a J = Vo (x 0 ) = E 1 x 0 S 0 x 0 + tr ( ) QS +1 + P V dove il primo addendo dipende dallo stato iniziale, mentre il secondo è il termine dovuto al rumore. In conclusione abbiamo visto che nel controllo ottimo LQG vale il principio di separazione in particolare è la serie di un filtro di Kalman e di un controllo LQ: =1 u = L ˆx 13-7
Lezione 14 Maggio 17
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 14 Maggio 17 Docente: Luca Schenato Stesori: Comin, Dal Bianco,Fabris, Parmeggiani 14.1 Controllo ottimo LQG Consideriamo il sistema lineare:
DettagliLezione 2 Aprile 19, Il filtro di Kalman: derivazione delle equazioni
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 2 Aprile 19, 2007 Docente: Luca Schenato Stesori: Schenato 2.1 Il filtro di Kalman: derivazione delle equazioni Si consideri il modello
DettagliLezione 7 29 Ottobre
PSC: Progettazione di sistemi di controllo a.a. 2010-2011 Lezione 7 29 Ottobre Docente: Luca Schenato Stesori: L. Schenato 7.1 Definizioni e proposizioni generali Si consideri lo spazio delle matrici semidefinite
DettagliSi consideri il seguente sistema lineare stocastico:
PSC: Progettazione di sistemi di controllo III Trim. 2006 Lezione 7 Maggio 4 Docente: Luca Schenato Stesore: Enrico Magon, Luca Parolini, Michele Nicetto 7.1 Stimatori in NCS soggetti a perdita di pacchetti
DettagliPSC: Progettazione di sistemi di controllo III Trim Lezione 4 Aprile 26
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 4 Aprile 26 Docente: Luca Schenato Stesori: L. Schenato 4.1 Denizioni e proposizioni generali Si consideri lo spazio delle matrici semidenite
DettagliSlide del corso di. Controllo digitale
Slide del corso di Controllo digitale Corso di Laurea in Ingegneria Informatica e dell Informazione Università di Siena, Dip. Ing. dell Informazione e Sc. Matematiche Parte IX Elementi di controllo ottimo
DettagliTEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica
TEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica http://www.dii.unimore.it/~lbiagiotti/teoriasistemicontrollo.html Stima dello stato in presenza di disturbi: il
DettagliIl filtro di Kalman stazionario e il regolatore LQG
Il filtro di stazionario e il regolatore LQG P. Valigi Ottimizzazione e Controllo 30 Aprile 2014 L estensione di KF al caso stazionario/intervallo infinito Nell estensione del filtro di ad intervallo infinito
DettagliIDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 41: Filtro di Kalman - soluzione. Un problema di ottimo
IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 41: Filtro di Kalman - soluzione Soluzione Equazione di Riccati Filtro di Kalman e ricostruzione dello stato Un problema di ottimo 41-1 Soluzione
DettagliCenni sul filtro di Kalman e il Recupero di Robustezza con la Tecnica LQG/LTR. Docente Prof. Francesco Amato
Cenni sul filtro di Kalman e il Recupero di Robustezza con la ecnica LQG/LR Docente Prof. Francesco Amato Ingegneria dell'automazione Corso di Sistemi di Controllo Multivariabile - Prof. F. Amato Versione.
DettagliLezione Febbraio Principio del modello interno (Generalizzazione regolazione integrale)
LabCont1: Laboratorio di Controlli 1 II Trim 2007 Lezione 12 22 Febbraio Docente: Luca Schenato Stesori: Giulio Zuita Bottegal, Enrico Bonobo Lovisari, Riccardo Kako Fabbris 121 Principio del modello interno
DettagliIDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI (Prof. S. Bittanti) Ingegneria Informatica 10 CFU. Appello 11 Settembre 2014 Cognome Nome Matricola
IDENTIFICAZIONE DEI MODELLI E ANALISI DEI DATI (Prof. S. Bittanti) Ingegneria Informatica 10 CFU. Appello 11 Settembre 2014 Cognome Nome Matricola......... Verificare che il fascicolo sia costituito da
DettagliLezione 6 3 Maggio Stimatori con guadagno costante soggetti a perdita di pacchetti
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 6 3 Maggio 2007 Docente: Luca Schenato Stesori: L. Schenato 6.1 Stimatori con guadagno costante soggetti a perdita di pacchetti Si consideri
Dettagli9.3 Il metodo dei minimi quadrati in formalismo matriciale
9.3. IL METODO DEI MINIMI QUADRATI IN FORMALISMO MATRICIALE 121 9.3 Il metodo dei minimi quadrati in formalismo matriciale Per applicare il MMQ a funzioni polinomiali, ovvero a dipendenze di una grandezza
DettagliEsercitazione su Filtraggio Adattativo (17 Giugno 2008)
Esercitazione su Filtraggio Adattativo 17 Giugno 008) D. Donno Esercizio 1: Stima adattativa in rumore colorato Una sequenza disturbante x n è ottenuta filtrando un processo bianco u n con un filtro FIR
DettagliComputazione per l interazione naturale: Modelli dinamici
Computazione per l interazione naturale: Modelli dinamici Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
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
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,
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
Dettagli1 Serie temporali. 1.1 Processi MA
1 Serie temporali Un processo stocastico 1 {X t, t T }, dove T = N o T = Z, si dice stazionario se (X 1,..., X n ) e (X k+1,...,x k+n ) hanno la stessa distribuzione per ogni n 1 e per ogni k T. Un processo
DettagliTeoria degli Osservatori e Stabilizzazione con Retroazione di Uscita. Docente Prof. Francesco Amato
Teoria degli Osservatori e Stabilizzazione con Retroazione di Uscita Docente Prof. Francesco Amato Ingegneria dell'automazione Corso di Sistemi di Controllo Multivariabile - Prof. F. Amato Versione 1.3
Dettagli1 Alcuni risultati sulle variabili Gaussiane multivariate
Il modello lineare-gaussiano e il filtro di Kalman Prof. P.Dai Pra 1 Alcuni risultati sulle variabili Gaussiane multivariate In questo paragrafo verranno enunciate e dimostrate alcune proprietà del valor
Dettagli9.3 Il metodo dei minimi quadrati in formalismo matriciale
8 CAPIOLO 9. IMA DEI PARAMERI MEODO DEI MINIMI QADRAI 9.3 Il metodo dei minimi quadrati in formalismo matriciale Nel caso si debba applicare il metodo minimi quadrati con molti parametri risulta vantaggioso
DettagliLezione 17 Maggio 23
PSC: Progettazione di sistemi di controllo III rim. 2007 Lezione 17 Maggio 23 Docente: Luca Schenato Stesori: Comin, Dal Bianco, Fabris, Parmeggiani 17.1 Consensus 17.1.1 Nozioni preliminari L idea dell
DettagliLezione 20: Stima dello stato di un sistema dinamico
ELABORAZIONE dei SEGNALI nei SISTEMI di CONTROLLO Lezione 20: Stima dello stato di un sistema dinamico Motivazioni Formulazione del problema Osservazione dello stato Osservabilità Osservatore asintotico
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliINGEGNERIA INFORMATICA
INGEGNERIA INFORMATICA FONDAMENTI DI AUTOMATICA 21/06/2018 Prof Marcello Farina TRACCIA DELLE SOLUZIONI ESERCIZIO 1 Si consideri il sistema descritto dalle seguenti equazioni: A Derivare e scrivere le
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare L. De Giovanni G. Zambelli 1 Definizione del problema duale La teoria della dualità in programmazione
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
DettagliAPPUNTI SUL CONTROLLO PREDITTIVO
APPUNTI SUL CONTROLLO PREDITTIVO G. Picci a.a. 2007/2008 1 MPC per modelli I/O scalari Da scrivere... 2 MPC per modelli di stato Come visto in precedenza il calcolo del predittore dell uscita su cui basare
DettagliIl problema della migliore approssimazione. Teorema 3.2 Il problema 3.1 ammette sempre almeno una soluzione.
3. Spazi di Hilbert Wir müssen wissen. Wir werden wissen. Noi abbiamo il dovere di conoscere. Alla fine conosceremo.) David Hilbert 1862-1943) Il problema della migliore approssimazione Problema 3.1 Migliore
DettagliElementi di Teoria dei Sistemi. Sistemi dinamici a tempo discreto
Parte 2, 1 Elementi di Teoria dei Sistemi Sistemi dinamici a tempo discreto Introduzione e motivazione Parte 2, 2 Necessità di introdurre una nuova classe di sistemi dinamici: i sistemi dinamici a tempo
DettagliElementi di Teoria dei Sistemi
Parte 2, 1 Elementi di Teoria dei Sistemi Parte 2, 2 Definizione di sistema dinamico Parte 2, 3 Sistema dinamico a tempo continuo Ingresso Uscita Parte 2, 4 Cosa significa Dinamico?? e` univocamente determinata?
DettagliControllo Ottimo Lineare Quadratico: Soluzione del Problema LQR. Docente Prof. Francesco Amato
Controllo Ottimo Lineare Quadratico: Soluzione del Problema LQR Docente Prof. Francesco Amato Ingegneria dell'automazione Corso di Sistemi di Controllo Multivariabile - Prof. F. Amato Versione 1.3 Novembre
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
DettagliCorso di Laurea in Ingegneria Robotica e dell Automazione Probabilità e Processi Stocastici (455AA) A.A. 2018/19 - Prova in itinere
Corso di Laurea in Ingegneria Robotica e dell Automazione Probabilità e Processi Stocastici (455AA) A.A. 208/9 - Prova in itinere 208--2 La durata della prova è di due ore e mezzo. Le risposte devono essere
DettagliElementi di Teoria dei Sistemi. Definizione di sistema dinamico. Cosa significa Dinamico? Sistema dinamico a tempo continuo
Parte 2, 1 Parte 2, 2 Elementi di Teoria dei Sistemi Definizione di sistema dinamico Parte 2, 3 Sistema dinamico a tempo continuo Cosa significa Dinamico? Parte 2, 4? e` univocamente determinata? Ingresso
DettagliINGEGNERIA INFORMATICA
INGEGNERIA INFORMATICA FONDAMENTI DI AUTOMATICA 29/06/2017 Prof. Marcello Farina SOLUZIONI ESERCIZIO 1 Si consideri il sistema descritto dalle seguenti equazioni: A. Scrivere le equazioni del sistema linearizzato
DettagliCorso di Laurea in Informatica Applicata Esame di Calcolo delle Probabilità e Statistica Prova scritta dell 11 gennaio 2007
Corso di Laurea in Informatica Applicata Esame di Calcolo delle Probabilità e Statistica Prova scritta dell 11 gennaio 007 Primo esercizio Per una certa stampante S 1, la probabilità che un generico foglio
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
DettagliLezione 6. Assegnamento degli autovalori mediante retroazione dello stato. F. Previdi - Controlli Automatici - Lez. 6 1
Lezione 6. Assegnamento degli autovalori mediante retroazione dello stato F. Previdi - Controlli Automatici - Lez. 6 Schema della lezione. ntroduzione 2. Assegnamento degli autovalori con stato accessibile
DettagliLezione 7.2. Filtro di Kalman. F. Previdi - Controlli Automatici - Lez
Lezione 7.2 Filtro di Kalman F. Previdi - Controlli Automatici - Lez. 7.2 1 Schema della lezione 0. «Formulario» teoria di Bayes 1. Impostazione del problema base del predittore ottimo di Kalman ad un
DettagliNote per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
DettagliSlide del corso di. Controllo digitale
Slide del corso di Controllo digitale Corso di Laurea in Ingegneria Informatica e dell Informazione Università di Siena, Dip. Ing. dell Informazione e Sc. Matematiche Parte VIII Stima dello stato Sintesi
DettagliLezione Maggio Analisi in media delle prestazioni di un algoritmo di consensus
PSC: Progettazione di sistemi di controllo III rim. 27 Lezione 22 3 Maggio Docente: Luca Schenato Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio 22. Analisi in media delle prestazioni di un
Dettaglic) Ancora in corrispondenza allo stesso valore di p e ponendo Y = minorazione, fornita dalla diseguaglianza di Chebichev, per la probabilita
Laurea Triennale in Matematica Corso di Calcolo delle Probabilita I A.A. 00/00 (Docenti: M. Piccioni, F. Spizzichino) a prova di esonero 6 giugno 00 Risolvere almeno tre dei seguenti esercizi.. Indichiamo
DettagliLezione Novembre 2010
PSC: Progettazione di sistemi di controllo a.a. 2010-2011 Lezione 18 25 ovembre 2010 Docente: Luca Schenato Stesori: Guido Albertin, Elena Toffoli, Giancarlo Baldan 18.1 Ancora sulla progettazione di P
DettagliRetroazione dello stato e dello stato stimato
Parte 8, 1 Retroazione dello stato e dello stato stimato La retroazione (o feedback) Parte 8, 2 Si parla di retroazione (o feedback) quando una grandezza che ne influenza un altra è a sua volta da essa
DettagliElettronica I Amplificatore operazionale ideale; retroazione; stabilità
Elettronica I Amplificatore operazionale ideale; retroazione; stabilità Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013 Crema e-mail: liberali@dti.unimi.it http://www.dti.unimi.it/
DettagliEsercizi di Analisi Matematica
Università degli Studi di Udine Anno Accademico 00/ Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea in Informatica e TWM Esercizi di Analisi Matematica Esercizi sul primo semestre del
DettagliFACOLTA DI ECONOMIA ESAME SCRITTO DI RICERCA OPERATIVA. Verona, 6 Giugno 1996
Verona, Giugno ) E dato il seguente problema di Programmazione Lineare: min( x + ) x x x Rappresentare il problema geometricamente e successivamente scriverlo in forma standard. a) Determinare una soluzione
DettagliEsistenza ed unicità per equazioni differenziali
Esistenza ed unicità per equazioni differenziali Per concludere queste lezioni sulle equazioni differenziali vogliamo dimostrare il teorema esistenza ed unicità per il problema di Cauchy. Faremo la dimostrazione
DettagliParte I Identificazione di modelli dinamici. 5: Analisi di sistemi dinamici alimentati da processi stazionari. Parte I 5, 1
Parte I 5, 1 Parte I Identificazione di modelli dinamici 5: Analisi di sistemi dinamici alimentati da processi stazionari Parte I 5, 2 Consideriamo un sistema dinamico lineare tempo-invariante con funzione
DettagliProprietà strutturali e leggi di controllo
Proprietà strutturali e leggi di controllo Retroazione statica dallo stato La legge di controllo Esempi di calcolo di leggi di controllo Il problema della regolazione 2 Retroazione statica dallo stato
DettagliElementi di Teoria dei Sistemi
Parte 2, 1 Elementi di Teoria dei Sistemi Parte 2, 2 Sistema dinamico a tempo continuo Ingresso Uscita Parte 2, 3 Cosa significa Dinamico?? e` univocamente determinata? Se la risposta e` no Sistema dinamico
DettagliFondamenti di Automatica
Fondamenti di Automatica Controllo con retroazione dello stato Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. 39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Controllo
Dettagli(ln 5)i 1 i. (c) (d) Scriviamo il numero complesso assegnato in forma algebrica:
Primo parziale Test. L argomento principale del numero complesso (ln 5)i i è (a) 4 π (b) (c) (d) Scriviamo il numero complesso assegnato in forma algebrica: Risposta esatta a) ln 5 i i = ln 5 i( + i) i
DettagliUniversità di Siena. Teoria della Stima. Lucidi del corso di. Identificazione e Analisi dei Dati A.A
Università di Siena Teoria della Stima Lucidi del corso di A.A. 2002-2003 Università di Siena 1 Indice Approcci al problema della stima Stima parametrica Stima bayesiana Proprietà degli stimatori Stime
DettagliPSC: Progettazione di sistemi di controllo III Trim Lezione 23 4 Giugno. Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio
PSC: Progettazione di sistemi di controllo III Trim. 2007 Lezione 23 4 Giugno Docente: Luca Schenato Stesori: Bertinato Marco, Ortolan Giulia, Zambotto Patrizio 23.1 Problema del consensus: analisi worst-case
DettagliControlli Automatici e Teoria dei Sistemi Il Controllo Ottimo LQ
Controlli Automatici e Teoria dei Sistemi Il Controllo Ottimo LQ Prof. Roberto Guidorzi Dipartimento di Elettronica, Informatica e Sistemistica Università di Bologna Viale del Risorgimento 2, 40136 Bologna
DettagliControllo LQG/LTR di un Aereo. Corso di Controllo Multivariabile Prof. Francesco Amato
Controllo LQG/LTR di un Aereo Corso di Controllo Multivariabile Prof. Francesco Amato Cenni di Dinamica del Volo: Variabili del Moto Cenni di Dinamica del Volo: Assi di Riferimento Superfici di Controllo
DettagliEsercizi di Programmazione Lineare - Dualità
Esercizi di Programmazione Lineare - Dualità Esercizio n1 Dato il seguente problema 3 + 3 2 2 + a scriverne il duale; b risolvere il duale (anche geometricamente indicando cosa da esso si può dedurre sul
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare L. De Giovanni G. Zambelli 1 Definizione del problema duale La teoria della dualità in programmazione
Dettagliw 1 (z) = z2 z + 1 z 3 z 2 + z 1, w 2(z) = z2
Teoria dei Sistemi - 9 cfu - L.M. in Ingegneria dell Automazione Compito del 3///7 Esercizio Si considerino le funzioni di trasferimento (a tempo discreto) w (z) = z z + z 3 z + z, w (z) = z z 3 (.) (i)
DettagliA =, c d. d = ad cb. c d A =
Geometria e Algebra (II), 271112 1 Definizione D ora innanzi, al posto di dire matrice quadrata di tipo n n o matrice quadrata n n diremo matrice quadrata di ordine n o in breve matrice di ordine n Il
DettagliIl Metodo di Newton, o delle Tangenti Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1
Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it Il Metodo di Newton, o delle Tangenti 6 Novembre 2016 Indice 1 Metodo di Newton, o delle tangenti 2 1.1
DettagliESAME di OTTIMIZZAZIONE Corso di Laurea Magistrale in Ingegneria Gestionale 1 o anno
SIMULAZIONE ESAME di OTTIMIZZAZIONE 27 Gennaio 21 ESAME di OTTIMIZZAZIONE Corso di Laurea Magistrale in Ingegneria Gestionale 1 o anno Cognome : Nome : Esercizio 1. Si consideri il seguente problema: min
Dettagli1. Si individuino tutti i valori del parametro α per i quali il sistema assegnato è asintoticamente stabile.
Appello di Fondamenti di Automatica (Gestionale) a.a. 2017-18 7 Settembre 2018 Prof. SILVIA STRADA Tempo a disposizione: 2 h. ESERCIZIO 1 Si consideri il sistema dinamico lineare invariante a tempo continuo
Dettagli8 Metodi iterativi per la risoluzione di sistemi lineari
8 Metodi iterativi per la risoluzione di sistemi lineari È dato il sistema lineare Ax = b con A R n n e x, b R n, con deta 0 Si vogliono individuare dei metodi per determinarne su calcolatore la soluzione,
DettagliConvergenza di martingale - La convergenza in L p, p > 1 equivale alla limitatezza in L p : disuguaglianza per submg non negative; disuguaglianza di
1. martedì 10 marzo Convergenza di martingale - La convergenza in L p, p > 1 equivale alla limitatezza in L p : disuguaglianza per submg non negative; disuguaglianza di Doob; una mg è L p limitata se e
DettagliElementi di Teoria dei Sistemi. Definizione di sistema dinamico. Cosa significa Dinamico? Sistema dinamico a tempo continuo
Parte 2, 1 Parte 2, 2 Elementi di Teoria dei Sistemi Definizione di sistema dinamico Parte 2, 3 Sistema dinamico a tempo continuo Cosa significa Dinamico? Parte 2, 4? e` univocamente determinata? Ingresso
DettagliIDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 20: Stima puntuale. Stimatore lineare a MEQM. Esempi. Motivazioni
IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 20: Stima puntuale Motivazioni Stima puntuale Indice di qualitá della stima Stimatore a MEQM Stimatore lineare a MEQM Il caso gaussiano Esempi 20-1
Dettagli1 Addendum su Diagonalizzazione
Addendum su Diagonalizzazione Vedere le dispense per le definizioni di autovettorre, autovalore e di trasformazione lineare (o matrice) diagonalizzabile. In particolare, si ricorda che una condizione necessaria
DettagliRisolvere il seguente sistema lineare ESERCIZIO 2
PROVA SCRITTA di MATEMATICA Laurea triennale in Sc. Geologiche e Sc. Naturali Facoltà di S.M.F.N. Prima sessione, appello invernale - A.A. 1/11-1 febb 11 Gli esercizi sono da risolvere in modo esplicito.
DettagliParte I Identificazione di modelli dinamici. 6: Teoria della stima e caratteristiche degli stimatori. Parte I 6, 1
Parte I 6, 1 Parte I Identificazione di modelli dinamici 6: Teoria della stima e caratteristiche degli stimatori Generalita` Parte I 6, 2 In generale abbiamo: dove sono i dati osservati e` la quantita`
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
DettagliENDOMORFISMI. NOTE DI ALGEBRA LINEARE
ENDOMORFISMI. NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 15 GENNAIO 2011 1. Endomorfismi e sottospazi invarianti Definizione 1.1. Sia V uno spazio vettoriale su K. Un endomorfismo di V è una qualsiasi
DettagliLezione 4. Problemi trattabili e soluzioni sempre più efficienti. Gianluca Rossi
Lezione 4 Problemi trattabili e soluzioni sempre più efficienti Gianluca Rossi Trattabile o intrattabile? Consideriamo ora il problema, ben noto a tutti gli studenti a partire dalla scuola media, di calcolare
DettagliAppunti sui Codici di Reed Muller. Giovanni Barbarino
Appunti sui Codici di Reed Muller Giovanni Barbarino Capitolo 1 Codici di Reed-Muller I codici di Reed-Muller sono codici lineari su F q legati alle valutazioni dei polinomi sullo spazio affine. Per semplicità
DettagliANALISI DI SERIE TEMPORALI CAOTICHE (1)
ANALISI DI SERIE TEMPORALI CAOTICHE (1) Problematiche Ricostruzione dello stato Dimensione di embedding C. Piccardi e F. Dercole Politecnico di Milano ver. 28/12/2009 1/15 Per studiare e comprendere appieno
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 14/2/2013
Istituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 14/2/213 Exercise 1. punti 9+) Sia X = X t, x)) t,x un processo stocastico a valori reali, avente come parametro la coppia t,
DettagliTEORIA DEI SISTEMI SISTEMI LINEARI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI SISTEMI LINEARI Ing. Cristian Secchi Tel.
DettagliAnalisi Matematica 3/Analisi 4 - SOLUZIONI (20/01/2016)
Corso di Laurea in Matematica Docente: Claudia Anedda Analisi Matematica 3/Analisi 4 - SOLUZIONI (//6) ) i) Dopo averla classificata, risolvere l equazione differenziale tẋ x = t cos(t), t >. ii) Scrivere
DettagliIstituzioni di Probabilità - A.A
Istituzioni di Probabilità - A.A. 25-26 Prima prova di verifica intermedia - 29 aprile 25 Esercizio. Sia (X n ) n una successione di v.a. i.i.d. centrate con < X P-q.c., sia λ R ed F una v.a. integrabile
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
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2013-2014) Metodi Numerici Appunti delle lezioni: Approssimazione di dati e funzioni Approssimazione ai minimi quadrati Docente Vittoria Bruni Email:
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliA.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5.
A.A. 2015-2016. CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5. Esercizio 5.1. Determinare le ultime tre cifre di n = 13 1625. (Suggerimento. Sfruttare il Teorema di Eulero-Fermat)
DettagliElementi di Probabilità e Statistica - 052AA - A.A
Elementi di Probabilità e Statistica - 05AA - A.A. 014-015 Prima prova di verifica intermedia - 9 aprile 015 Problema 1. Dati due eventi A, B, su uno spazio probabilizzato (Ω, F, P), diciamo che A è in
Dettagli1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati.
1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati. Per comprendere dei fenomeni fisici, non basta raccogliere buoni dati sperimentali, occorre anche interpretarli. Molto spesso lo scopo
DettagliSimilitudine (ortogonale) e congruenza (ortogonale) di matrici.
Lezione del 4 giugno. Il riferimento principale di questa lezione e costituito da parti di: 2 Forme bilineari, quadratiche e matrici simmetriche associate, 3 Congruenza di matrici simmetriche, 5 Forme
Dettagli3.7 Metodi quasi-newton
3.7 Metodi quasi-newton Varianti del metodo di Newton in cui invece di usare/invertire la matrice Hessiana di f si estraggono informazioni relative alle derivate seconde dalle variazioni di f. Si genera
DettagliANALISI B alcuni esercizi proposti
ANALISI B alcuni esercizi proposti G.P. Leonardi Parte II 1 Limiti e continuità per funzioni di 2 variabili Esercizio 1.1 Calcolare xy log(1 + x ) lim (x,y) (0,0) 2x 2 + 5y 2 Esercizio 1.2 Studiare la
DettagliCorso interno di Matematica compito scritto del n n+1
Corso interno di Matematica compito scritto del 4.07.05 1. Dire se la serie converge e giustificare la risposta. n=1 1 n n+1 n Soluzione: Il criterio della radice o del rapporto falliscono; proviamo col
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliEsame di Controlli Automatici 4 Febbraio 2016
Esame di Controlli Automatici 4 Febbraio 26. (7) Si consideri il seguente sistema non lineare ẋ αx 3 2( + x 2 + x 2 2) ẋ 2 βx 3 ( + x 2 + x 2 2) () e si studi la stabilità dell equilibrio nell origine
DettagliLezione 8 14 Febbraio
LabCont1: Laboratorio di Controlli 1 II Trim. 2007 Lezione 8 14 Febbraio Docente: Luca Schenato Stesori: Lunardi Luciano,Visentin Giovanni e Spoladore Marco 8.1 Progettazione PID in frequenza Si voglia
Dettagli