Sistemi lineari con ingresso stocastico
|
|
- Fabiano Lentini
- 6 anni fa
- Visualizzazioni
Transcript
1 January 21, 2011
2 1 Media e densità spettrale 2 Processi a spettro razionale 3 MA 4 AR 5 ARMA 6 ARMAX
3 Media e densità spettrale
4 Media Ipotesi: Y (z) = G(z)U(z) 1 u(t) processo casuale stazionario in senso lato momenti del I e II ordine stazionari: media m u := E[u(t)] non dipende da t autocovarianza γ uu (τ) := Cov[u(t), u(t + τ)] dipende solo da τ 2 G(z) rapporto di polinomi con poli stabili (modulo < 1). Proposizione: m y := E[y(t)] = G(1)m u = µm u
5 Densità spettrale 1/2 Proposizione: Sotto le Ipotesi 1 e 2, y(t) è un processo casuale stazionario in senso lato. Proposizione: La densità spettrale di y(t) è data da Γ yy (ω) = G(e jω ) 2 Γ uu (ω) Φ yy (z) = G(z)G(z 1 )Φ uu (z) Estensione: Siano u(t) e y(t) processi vettoriali Γ yy (ω) = G(e jω )Γ uu (ω)g(e jω ) T Φ yy (z) = G(z)Φ uu (z)g(z 1 ) T
6 Densità spettrale 2/2 Osservazioni: G(e jω ) "modula" la densità spettrale di u(t) Dato Γ yy (ω), se riesco a trovare G(z) (shaping filter) stabile e tale che Γ yy (ω) = G(e jω ) 2, posso simulare y(t) come l uscita di un sistema G(z) con ingresso un w(t) WN(0, 1) Y (z) = G(z)W (z) Γ yy (ω) = G(e jω ) 2 Γ ww (ω) = G(e jω ) 2
7 Processi a spettro razionale
8 Processi a spettro razionale Definizione: Un processo casuale stazionario y(t) è detto a spettro razionale se esiste un rapporto di polinomi G(z) con poli stabili tale che Φ yy (z) = G(z)G(z 1 ) Osservazione: Se z è una radice del denominatore (numeratore) della densità spettrale Φ yy (z) di un processo a spettro razionale, allora è radice del denominatore (numeratore) anche 1/ z.
9 Processi MA
10 Processi MA Definizione: Un processo casuale stazionario y(t) è detto a spettro razionale se esiste un rapporto di polinomi G(z) con poli stabili tale che Φ yy (z) = G(z)G(z 1 ) Osservazione: Se z è una radice del denominatore (numeratore) della densità spettrale Φ yy (z) di un processo a spettro razionale allora sono radici del denominatore (numeratore) anche: 1/ z, z, 1/ z.
11 Processi MA(n): definizione Definizione: Processo MA(n): y(t) = c 0 w(t)+c 1 w(t 1)+...+c n w(t n), w(t) WN(0, σ 2 ) w(t) WGN y(t) è gaussiano (combinazione lineare di V.C. gaussiane) Funzione di trasferimento: Y (z) = (c 0 + c 1 z c n z n )W (z) G(z) = c 0 + c 1 z c n z n = c 0z n + c 1 z n c n z n n zeri (radici del numeratore) n poli nell origine G(z) stabile y(t) stazionario
12 MA(n): media e autocovarianza Media: E[y(t)] = n c i E[w(t i)] = 0 i=0 Autocovarianza: { (c0 c γ yy (t) = τ + c 1 c τ c n τ c n )σ 2, 0 τ n 0, τ > n Ridondanza: se definisco c i := αc i, σ 2 = σ 2 /α 2 e considero n ỹ(t) = c i w(t i), w(t) WN(0, σ 2 ) i=0 si vede che ỹ(t) è equivalente a y(t) (stessa media e autocovarianza) di solito si fissa c 0 = 1
13 MA(n): densità spettrale 1/2 Φ yy (z) = σ 2 G(z)G(z 1 ) Esempio (MA(1)): y(t) = w(t) + cw(t 1), w(t) WN(0, σ 2 ) Autocovarianza: γ yy (τ) = (1 + c 2 )σ 2, τ = 0 cσ 2, τ = 1 0, τ > 1. Funzione di trasferimento: G(z) = 1 + cz 1
14 MA(n): densità spettrale 2/2 Densità spettrale: Φ yy (z) = σ 2 G(z)G(z 1 ) = σ 2 (1 + cz 1 )(1 + cz 1 ) = σ 2 (cz 1 + (1 + c 2 ) + cz) Γ yy (ω) = Φ yy (e jω ) = σ 2 (c(cos(ω) j sin(ω)) + (1 + c 2 ) +c(cos(ω) + j sin(ω)) = σ 2 ((1 + c 2 ) + 2c cos(ω))
15 Processo MA( ) Definizione: Processo MA( ): y(t) = c i w(t i), w(t) WN(0, σ 2 ) i=0 Ipotesi: i=0 c2 i < Pertanto, lim i c i = 0 stabilità y(t) stazionario E[y(t)]= 0 Var[y(t)] = σ 2 ( ) i=0 c2 i < γ yy (τ) = σ 2 ( i=0 c ic i+τ )
16 Processi AR
17 Processi AR(n): definizione Definizione: Autoregressione di ordine n y(t) = a 1 y(t 1)+a 2 y(t 2)+...+a n y(t n)+w(t), w(t) WN(0, σ Funzione di trasferimento: G(z) = (1 a 1 z 1... a n z n )Y (z) = W (z) 1 1 a 1 z 1... a n z n = z n z n a 1 z n 1... a n n poli (radici del denominatore) n zeri nell origine
18 AR(n): stabilità A differenza del caso MA, la soluzione dell AR non è necessariamene un P.C. stazionario Se tutti i poli hanno modulo < 1, allora G(z) è stabile e la soluzione y(t) converge ad un P.C. stazionario (ergodico) che prende il nome di processo AR(n) Il processo AR(n) è l unico processo stazionario che soddisfa l autoregressione di ordine n
19 AR(n): media e autocovarianza 1/2 Media: E[y(t)] = G(1)E[w(t)] = 0 Autocovarianza: equazioni di Yule-Walker γ yy (0)a 1 + γ yy (1)a γ yy (n 1)a n = γ yy (1) γ yy (1)a 1 + γ yy (0)a γ yy (n 2)a n = γ yy (2). =. γ yy (n 1)a 1 + γ yy (n 2)a γ yy (0)a n = γ yy (n) γ yy (1)a 1 + γ yy (2)a γ yy (n)a n = γ yy (0) σ 2 n + 1 equazioni per n + 1 incognite γ yy (τ), τ = 0,..., n
20 AR(n): media e autocovarianza 2/2 Esempio (AR(1)): y(t) = ay(t 1) + w(t), w(t) WN(0, σ 2 ) y(t) 2 = ay(t)y(t 1) + y(t)w(t) = ay(t)y(t 1) + ay(t 1)w(t) + w(t) 2 γ yy (0) = E[y(t) 2 ] = ae[y(t)y(t 1)] + ae[y(t 1)w(t)] + E[w(t) 2 ] = aγ yy (1) + σ 2 y(t)y(t + τ) = ay(t)y(t + τ 1) + y(t)w(t + τ) γ yy (τ) = E[y(t)y(t + τ)] = aγ yy (τ 1) = a τ γ yy (0)
21 AR(n): densità spettrale 1/2 Φ yy (z) = σ 2 G(z)G(z 1 ) Esempio (AR(1)): y(t) = ay(t 1) + w(t), w(t) WN(0, σ 2 ) Funzione di trasferimento: G(z) = 1 1 az 1 Densità spettrale in z: Φ yy (z) = σ 2 G(z)G(z 1 ) = σ 2 1 (1 az 1 )(1 az) = σ 2 1 (1 + a 2 a(z + z 1 ))
22 AR(n): densità spettrale 1/2 Densità spettrale in ω: Γ yy (ω) = Φ yy (e jω ) = = σ a 2 a(cos(ω) + j sin(ω) + cos(ω) j sin(ω)) σ a 2 2a cos(ω)
23 Processi ARMA
24 Processi ARMA(n a, n c ): definizione Definizione: AutoRegressive Moving Average di ordine (n a, n c ) y(t) = a 1 y(t 1) + a 2 y(t 2) a na y(t n a ) + w(t) + c 1 w(t 1) c nc w(t n c ), w(t) WN(0, σ 2 )
25 Processi ARMA: funzione di trasferimento Funzione di trasferimento: (1 a 1 z a na z na )Y (z) = (1+c 1 z c nc z nc )W (z) G(z) = 1 + c 1z c nc z nc 1 a 1 z 1... a na z na = zna nc (z nc + c 1 z nc c nc ) z na a 1 z n 1... a na n poli (radici del denominatore) n zeri nell origine n a > n c n a n c zeri nell origine n a < n c n c n a poli nell origine
26 ARMA: stabilità La soluzione dell ARMA non è necessariamene un P.C. stazionario Se tutti i poli hanno modulo < 1, allora G(z) è stabile e la soluzione y(t) converge ad un P.C. stazionario (ergodico) che prende il nome di processo ARMA(n a, n c ) Il processo ARMA(n a, n c ) è l unico processo stazionario che soddisfa l autoregressione a media mobile ARMA(n a, n c ).
27 Processi ARMAX
28 Processi ARMAX(n a, n b, n c, k): definizione Definizione: AutoRegressive Moving Average exogenous di ordine (n a, n b, n c, k) y(t) = a 1 y(t 1) + a 2 y(t 2) a na y(t n a ) + b 0 u(t k) + b 1 u(t k 1) b nb w(t k n b ) + w(t) + c 1 w(t 1) c nc w(t n c ) w(t) WN(0, σ 2 ) u(t) ingresso deterministico esogeno
29 Processi ARMAX: funzioni di trasferimento Y (z) = G(z)U(z) + H(z)W (z) G(z) = z k B(z) A(z) H(z) = C(z) A(z) A(z) = 1 a 1 z 1... a na z na B(z) = b 0 + b 1 z b nb z n b C(z) = 1 + c 1 z c nc z nc
PROCESSI CASUALI STAZIONARI
PROCESSI CASUALI STAZIONARI Contenuti: Nozione di P.C. stazionario Medie del I e del II ordine Rumore bianco Spettro Fattorizzazione spettrale canonica Conclusioni Motivazione: Nell'identificazione di
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
DettagliDi seguito le componenti stocastiche e(t), t = 1, 2,..., T sono v.c. di Gauss con Valore atteso nullo e varianza σ 2 e stocasticamente indipendenti
I BISNONNI Di seguito le componenti stocastiche e(t), t = 1, 2,..., T sono v.c. di Gauss con Valore atteso nullo e varianza σ 2 e stocasticamente indipendenti MODELLO DI MISURA (LA BISNONNA) MA(0) y(t)
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
DettagliScomposizione in fratti semplici
0.0.. Scomposizione in fratti semplici La determinazione dell evoluzione libera e dell evoluzione forzata di un sistema lineare stazionario richiedono l antitrasformazione di una funzione razionale fratta
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
DettagliElaborazione di segnali e immagini: modulo segnali
Elaborazione di segnali e immagini: modulo segnali 30 gennaio 014 Esame parziale con soluzioni Esercizio 1 Dato un sistema LTI descritto dalla seguente equazione alle differenze: v(k) + v(k 1) 10v(k )
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
DettagliScomposizione in fratti semplici
0.0. 2.2 Scomposizione in fratti semplici Evoluzione forzata di un equazione differenziale: la trasformata di Laplace Y(s) del segnale di uscita y(t) è uguale al prodotto della trasformata di Laplace X(s)
DettagliPROVA SCRITTA DI FONDAMENTI DI AUTOMATICA A.A. 2011/ settembre 2012
PROVA SCRITTA DI FONDAMENTI DI AUTOMATICA A.A. 2011/2012 10 settembre 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
DettagliMODELLI A TEMPO CONTINUO IN EQUAZIONI DI STATO. Sistema lineare stazionario a tempo continuo in equazioni di stato. = Cx(t) + Du(t) x(0) = x 0
MODELLI A TEMPO CONTINUO IN EQUAZIONI DI STATO Sistema lineare stazionario a tempo continuo in equazioni di stato ẋ(t) y(t) = Ax(t) + Bu(t) = Cx(t) + Du(t) x() = x Risposta completa (risposta libera e
DettagliTipi di Processi Stocastici
Processi Stocastici Definizione intuitiva: un processo stocastico è un insieme ordinato di variabili casuali, indicizzate dal parametro t, spesso detto tempo. Definizione rigorosa: dati uno spazio di probabilità
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 II Sistemi lineari a tempo discreto
DettagliScomposizione in fratti semplici
0.0.. a gradoni Scomposizione in fratti semplici La determinazione dell evoluzione libera e dell evoluzione forzata di un sistema lineare stazionario richiede l antitrasformazione di una funzione razionale
DettagliSistemi dinamici Introduzione Descrizione Soluzione Funzione di trasferimento Stabilità Regime permanente
Controlli Automatici (AUT) - 09AKSBL Sistemi dinamici Introduzione Descrizione Soluzione Funzione di trasferimento Stabilità Regime permanente Sistemi dinamici - Introduzione Concetto di sistema. Si parla
DettagliAppunti: Rappresentazione delle funzioni razionali fratte
Appunti: Rappresentazione delle funzioni razionali fratte Giulio Cazzoli v1.0 (AA. 2018-2019) 1 Rappresentazione di una funzione razionale 2 1.1 Forma polinomiale............................................
DettagliCONCETTO DI STABILITÀ NEI SISTEMI DI CONTROLLO. Sistema in condizioni di equilibrio a t = 0. d(t) = 0. u(t) = 0. y(t) = 0. Sistema
CONCETTO DI STABILITÀ NEI SISTEMI DI CONTROLLO Sistema in condizioni di equilibrio a t = 0. d(t) = 0 u(t) = 0 Sistema y(t) = 0 Tipi di perturbazione. Perturbazione di durata limitata: u(t) = 0, t > T u
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)
DettagliControlli Automatici I
Ingegneria Elettrica Politecnico di Torino Luca Carlone Controlli Automatici I LEZIONE II Sommario LEZIONE II Trasformata di Laplace Proprietà e trasformate notevoli Funzioni di trasferimento Scomposizione
DettagliCOMPITO DI CONTROLLI AUTOMATICI - 7 CFU e 9 CFU 16 Febbraio 2010
COMPITO DI CONTROLLI AUTOMATICI - 7 CFU e 9 CFU 6 Febbraio Esercizio. Si consideri il modello ingresso/uscita a tempo continuo e causale descritto dalla seguente equazione differenziale: d 3 y(t) dt 3
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
DettagliStatistica Applicata all edilizia Lezione: approccio stocastico all analisi delle serie storiche
Lezione: approccio stocastico all analisi delle serie storiche E-mail: orietta.nicolis@unibg.it 13 aprile 211 Programma 1 Approccio stocastico all analisi delle serie storiche Programma 1 Approccio stocastico
DettagliTeoria dei segnali terza edizione
Capitolo 9 Segnali aleatori a tempo continuo e a tempo discreto SOLUZIONI DEGLI ESERCIZI Soluzione dell esercizio 9.3 Si osservi innanzitutto che, essendo il processo () t Gaussiano, anche il processo
DettagliANTITRAFORMATE DI LAPLACE MODI DI UN SISTEMA
CONTROLLI AUTOMATICI Ingegneria Meccatronica http://www.automazione.ingre.unimore.it/pages/corsi/automazione%20industriale.htm ANTITRAFORMATE DI LAPLACE MODI DI UN SISTEMA Ing. Luigi Biagiotti Tel. 051
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
DettagliFondamenti di Elaborazione Numerica dei Segnali Anno Accademico Primo Appello 26/2/2015
Fondamenti di Elaborazione Numerica dei Segnali Anno Accademico 204-205 Primo Appello 26/2/205 Quesiti relativi alla prima parte del corso (tempo max. 90 min). Calcolare: la trasformata z di x(n) = ( )
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2006-07 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliSISTEMI A TEMPO DISCRETO
INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Laurea Specialistica in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Cristian Secchi Tel. 0522 522235 e-mail: secchi.cristian@unimore.it http://www.dismi.unimo.it/members/csecchi
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,
DettagliFondamenti di Elaborazione Numerica dei Segnali Anno Accademico Seconda Prova Intermedia 4/2/2013
Fondamenti di Elaborazione Numerica dei Segnali Anno Accademico 0-0 Seconda Prova Intermedia 4//0 Quesiti relativi alla seconda prova in itinere (tempo max. h). (6 punti) Calcolare la H(z) Y (z)/x(z) associata
DettagliLe funzioni razionali
CAPITOLO 3 Le funzioni razionali vedi Ahlfors, pag. 30, 3, 32 Definizione... Introduzione R(z) = P (z) Q(z) con P (z) e Q(z) due polinomi privi di zeri comuni. Siano β, β 2,..., β q gli zeri del polinomio
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,
DettagliANTITRAFORMATE DI LAPLACE MODI DI UN SISTEMA
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale ANTITRAFORMATE DI LAPLACE MODI DI UN SISTEMA Ing. Luigi Biagiotti Tel. 051 2093034 / 051 2093068 e-mail: lbiagiotti@deis.unibo.it http://www-lar.deis.unibo.it/~lbiagiotti
DettagliFondamenti di Automatica
Fondamenti di Automatica Stabilità esterna e analisi della risposta Stabilità esterna e risposta a regime Risposte di sistemi del I e II ordine 2 Stabilità esterna e analisi della risposta Stabilità esterna
DettagliCOMPITO DI SEGNALI E SISTEMI 15 febbraio 2010
COMPITO DI SEGNALI E SISTEMI 5 febbraio 00 Teoria. Con riferimento ad un sistema lineare a tempo di screto descritto da un equazione alle differenze del tipo n m a i yk i = b i uk i i=0 i=0. Si ricavi,
DettagliSISTEMI A TEMPO DISCRETO
CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli
DettagliANALISI DELLE SERIE STORICHE
ANALISI DELLE SERIE STORICHE De Iaco S. s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA 24 settembre 2012 Indice 1 Funzione di
DettagliRisposte allo scalino di sistemi del I e II ordine. Marcello Farina
Risposte allo scalino di sistemi del I e II ordine Sommario 2 Struttura generale delle funzioni di trasferimento Caratteristiche della risposta allo scalino di principale interesse Risposte allo scalino
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
DettagliProf. Carlo Rossi DEIS - Università di Bologna Tel:
Prof. Carlo Rossi DEIS - Università di Bologna Tel: 051 2093020 email: carlo.rossi@unibo.it Sistemi Tempo-Discreti In questi sistemi i segnali hanno come base l insieme dei numeri interi: sono sequenze
DettagliStrutture di rete fondamentali per sistemi IIR
Ad ogni funzione di trasferimento molteplicità di configurazioni di rete Scelta di una particolare realizzazione è dettata da compromessi tra: complessità di calcolo: preferenza per reti con minimo numero
DettagliScomposizione in fratti semplici
0.0. 2.2 Scomposizione in fratti semplici La determinazione dell evoluzione libera e dell evoluzione forzata di un sistema lineare stazionario richiede l antitrasformazione di una funzione razionale fratta
DettagliModelli nello spazio degli stati
Modelli nello spazio degli stati Modelli nello spazio degli stati Stato: informazione che riassume, in ogni istante, l effetto della storia passata del sistema sul suo comportamento futuro. x(t) stato
DettagliEsercitazione ENS su periodogramma (27 e 28 Maggio 2008) Esercizio 1: Autocorrelazione e stima della densità spettrale di potenza
sercitazione S su periodogramma (7 e 8 Maggio 008 D. Donno sercizio : Autocorrelazione e stima della densità spettrale di potenza Si consideri la sequenza x n di lunghezza = 8 campioni. x n è somma di
DettagliStabilità esterna e analisi della risposta
Stabilità esterna e analisi della risposta Risposte di sistemi del 1 e 2 ordine Introduzione Risposta al gradino di sistemi del 1 ordine Determinazione di un modello del 1 ordine Risposta al gradino di
DettagliRipasso segnali e processi casuali. Trasmissione dell Informazione
Ripasso segnali e processi casuali 1 Breve ripasso di segnali e trasformate Dato un segnale s(t), la sua densità spettrale si calcola come dove S(f) è la trasformata di Fourier. L energia di un segnale
DettagliTeoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici
eoria dei Segnali rasmissione binaria casuale; somma di processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it eoria dei Segnali rasmissione
Dettagli= b ns n + + b 0. (s p i ), l r, A(p i) 0, i = 1,..., r. Y f (s) = G(s)U(s) = H(s) + n i=1. Parte dipendente dai poli di G(s) ( transitorio ).
RISPOSTA FORZATA SISTEMI LINEARI STAZIONARI u(t) G(s) = B(s) A(s) = b ns n + + b 0 s n + + a 0 y f (t) Classe di funzioni di ingresso. U := l Q(s) u( ) : U(s) = P (s) = i= (s z i ) ri= (s p i ), l r, A(p
Dettaglix 2 (t) K 1 K 2 2z + z 2 z 3 + 2z 2 z 2 = z(z + 2)
1 1. CONNESSIONI Esercizio 1.1. Si consideri lo schema di figura, in cui i sistemi e Σ 2 sono sistemi discreti connessi in serie e i segnali di retroazione dallo stato di e dallo stato di Σ 2 vengono iniettati
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
DettagliRisposta a regime (per ingresso costante e per ingresso sinusoidale)
Risposta a regime (per ingresso costante e per ingresso sinusoidale) Esercizio 1 (es. 1 del Tema d esame del 18-9-00) s + 3) 10 ( s + 1)( s + 4s ) della risposta all ingresso u ( a gradino unitario. Non
DettagliIngegneria e Tecnologie dei Sistemi di Controllo ANALISI ARMONICA
Ingegneria e Tecnologie dei Sistemi di Controllo ANALISI ARMONICA Luigi Biagiotti DEIS-Università di Bologna Tel. 5 29334 e-mail: lbiagiotti@deis.unibo.it Analisi armonica di sistemi dinamici Analisi nel
DettagliANALISI DI SEGNALI BIOLOGICI
ANALISI DI SEGNALI BIOLOGICI A.Accardo accardo@units.it LM Neuroscienze A.A. 2010-11 1 Obiettivi del corso: Individuazione delle caratteristiche principali del segnale EEG quantificate mediante tecniche
DettagliAnalisi di sistemi lineari e stazionari: la trasformata di Laplace
Analisi di sistemi lineari e stazionari Analisi di sistemi lineari e stazionari: la trasformata di Laplace I modelli lineari e stazionari presentano proprietà estremamente interessanti e si dispone di
DettagliANALISI ARMONICA. G(s) Analisi armonica. Funzione di risposta armonica. CONTROLLI AUTOMATICI Ingegneria Meccatronica
CONTROLLI AUTOMATICI Ingegneria Meccatronica http://www.automazione.ingre.unimore.it/pages/corsi/automazione%2industriale.htm ANALISI ARMONICA Analisi armonica di sistemi dinamici Analisi nel dominio del
DettagliCONTROLLI AUTOMATICI Ingegneria Meccatronica
) CONTROLLI AUTOMATICI Ingegneria Meccatronica ANALISI ARMONICA Prof. Cesare Fantuzzi Ing. Cristian Secchi e-mail: cesare.fantuzzi@unimore.it, cristian.secchi@unimore.it http://www.automazione.ingre.unimore.it
DettagliFiltri attivi. Lezione 15 1
Filtri attivi Per realizzare filtri si può evitare l utilizzazione di induttori con schemi circuitali utilizzanti amplificatori operazionali (filtri attivi) Lezione 15 1 Realizzazione di un filtro passa
DettagliPREVISIONE. E inutile cercare di prevedere la componente deterministica. Quindi si opera su valori depurati di questa componente.
PREVISIONE Sono analoghi a quelli di simulazione tranne che per l'uso dell'informazione: - si utilizzano tutte le informazioni disponibili (ingressi) fino all'istante t e si calcola il passo/i passi successivi
Dettagli08. Analisi armonica. Controlli Automatici
8. Analisi armonica Prof. Cesare Fantuzzi Ing. Cristian Secchi Ing. Alessio Levratti ARSControl - DISMI - Università di Modena e Reggio Emilia E-mail: {nome.cognome}@unimore.it http://www.arscontrol.org/teaching
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
DettagliANALISI ARMONICA. G(s) Analisi armonica. Funzione di risposta armonica
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Analisi
DettagliCONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Ing. Luigi
DettagliSegnali (processi) aleatori (casuali)
Segnali (processi) aleatori (casuali) Definizione di processo aleatorio Descrizione statistica di un processo aleatorio Media, potenza, varianza Autocorrelazione e autocovarianza Filtraggio di un processo
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):
DettagliComunicazioni Elettriche anno accademico Esercitazione 1
Comunicazioni Elettriche anno accademico 003-004 Esercitazione Esercizio Un processo aleatorio a tempo discreto X(n) è definito nel seguente modo: Viene lanciata una moneta. Se il risultato è testa X(n)=
DettagliMETODI MATEMATICI DELLA FISICA A.A. 2006/2007 Prof. C. Presilla. Prova finale 29 marzo 2007
METODI MATEMATICI DELLA FISICA A.A. 006/007 Prof. C. Presilla Prova finale 9 marzo 007 Cognome Nome in sostituzione delle prove in itinere segnare penalità esercizio voto 3 4 5 6 Esercizio Siano a, b,
DettagliModelli empirici lineari
A4 Modelli empirici lineari FP e RSS Abbiamo visto nel Cap. 4 che lo scopo di un modello empirico è spiegare la relazione intercorrente tra gli ingressi e le uscite di un sistema senza descriverne i processi
DettagliReti nel dominio delle frequenze. Lezione 10 2
Lezione 10 1 Reti nel dominio delle frequenze Lezione 10 2 Introduzione Lezione 10 3 Cosa c è nell Unità 3 In questa sezione si affronteranno Introduzione all Unità Trasformate di Laplace Reti nel dominio
Dettagli1 = (parabola unitaria) si determini l errore di regolazione a regime:
A - Tet d ingreo alla Prova Scritta di Controlli Automatici A del Ottobre 00 ( + ) ( ) + ) Dato un itema dinamico Σ con funzione di traferimento T() crivere i modi di Σ : ( + ) + 9 t { modi di Σ } {, tt,,
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
DettagliStabilità BIBO Risposta impulsiva (vedi Marro par. 2.3, vedi Vitelli-Petternella par. III.1, vedi es. in LabView) Poli sull asse immaginario
Stabilità BIBO Risposta impulsiva (vedi Marro par..3, vedi Vitelli-Petternella par. III., vedi es. in LabView) Poli sull asse immaginario Criteri per la stabilità (vedi Marro Par. 4. a 4., vedi Vitelli-Petternella
DettagliLezione 5: Processi Stocastici - Analisi in frequenza
ELABORAZIONE dei SEGNALI nei SISTEMI di CONTROLLO Lezione 5: Processi Stocastici - Analisi in frequenza Motivazioni Spettro e densità spettrale TD Proprietà formali Esempi Trasformata inversa Spettro e
DettagliStabilità esterna e risposta a regime Esercizi risolti. 1 Esercizio (proposto il 16/11/2007, es. #10)
Stabilità esterna e risposta a regime Esercizi risolti 1 Esercizio (proposto il 16/11/27, es. #1) s+ H(s) = Y(s)/U(s) = (s+3)(s+8) calcolare analiticamente, se possibile, la risposta in regime permanente
DettagliEsercitazione 05: Trasformata di Laplace e funzione di trasferimento
Esercitazione 05: Trasformata di Laplace e funzione di trasferimento 28 marzo 208 (3h) Fondamenti di Automatica Prof. M. Farina Responsabile delle esercitazioni: Enrico Terzi Queste dispense sono state
DettagliElementi di Analisi dei Sistemi Soluzione esercizi prima prova intermedia
Elementi di Analisi dei Sistemi Soluzione esercizi prima prova intermedia Gianluca Mereu, Alessandro Giua {gianluca.mereu,giua}@diee.unica.it 07/04/207 Soluzione Esercizio. Si risponda in modo chiaro ed
DettagliFILTRI NUMERICI. Sistema LTI H (z)
x [n] FILTRI UMERICI Sistema LTI H (z) y [n] Un sistema numerico LTI è in molti casi descritto con un equazione alle differenze lineare a coefficienti costanti: M [ ] = [ ] a y n k b x n r k k= r= Z {}
DettagliControlli Automatici LA Funzione di trasferimento
Controlli Automatici LA Analisi dei sistemi dinamici lineari stabilita dei sistemi lineari proprietà generali della risposta al gradino DEIS-Università di Bologna Tel. 051 2093020 Email: crossi@deis.unibo.it
DettagliI esercitazione di laboratorio
Corso di Identificazione dei Modelli e Analisi dei Dati (AA 2011-2012) Prof. Sergio Bittanti I esercitazione di laboratorio 21/11/2011 Marcello Farina Sommario Serie temporali e sistemi Generazione di
DettagliContenuti delle lezioni:
Contenuti delle lezioni: 1. Introduzione ed esempi di Equazioni alle Derivate Parziali; 2. Classificazione delle Equazioni alle Derivate Parziali (PDE) 3. Derivazione numerica 4. Metodi numerici alle differenze
DettagliIntroduzione ai filtri Filtri di Butterworth Filtri di Chebishev
Introduzione ai filtri Filtri di Butterworth Filtri di Chebishev Filtri passivi 1 Filtri passivi 2 1 Filtri passivi 3 Filtri passivi 4 2 Filtri passivi 5 Filtri passivi 6 3 Filtri passivi 7 Filtri passivi
DettagliMacroeconometria. Introduzione alle Serie Storiche. Carolina Castagnetti Universitá di Pavia
Macroeconometria Introduzione alle Serie Storiche Carolina Castagnetti Universitá di Pavia Definizione:Convergenza in Probabilitá Il vettore di vc x n converge in probabilitá alla costante c se: lim n
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)
DettagliUniversità degli Studi di Parma - Facoltà di Ingegneria Appello di Controlli Digitali del 10 Luglio Parte A
Università degli Studi di Parma - Facoltà di Ingegneria Appello di Controlli Digitali del 0 Luglio 2007 - Parte A - (6 p.) - Illustra il metodo della formula di inversione per il calcolo dell antitrasformata
DettagliRelazioni ricorsive 20 Ottobre 2003
Relazioni ricorsive 20 Ottobre 2003 Relazioni ricorsive n a n successione (a valori in R) Relazione ricorsiva: F (n, a n, a n+,..., a n+k ) = 0 k: ordine di F F lineare in a j ricorrenza lineare Luca Giuzzi
DettagliCalcolo di risposte nel tempo Diagrammi di Bode, diagrammi di Nyquist. G(s)
4 Capitolo Calcolo di risposte nel tempo Diagrammi di Bode, diagrammi di Nyquist Esercizio 1 Si consideri il seguente schema: u(t) G(s) y(t) determinare l espressione analitica y(t) dell andamento dell
DettagliEsercitazione N.1 per il corso di SISTEMI DI TELECOMUNICAZIONI 1 Filtro notch e canna d organo
Esercitazione N.1 per il corso di SISTEMI DI TELECOMUNICAZIONI 1 Filtro notch e canna d organo 5 ottobre 2006 1 Scopo dell esercitazione Quest esercitazione è divisa in due parti: simulazione di un tubo
DettagliControlli Automatici e Teoria dei Sistemi I Sistemi Lineari Stazionari Retroazione, Modelli di Ingresso Uscita, Realizzazione
Controlli Automatici e Teoria dei Sistemi I Sistemi Lineari Stazionari Retroazione, Modelli di Ingresso Uscita, Realizzazione Prof. Roberto Guidorzi Dipartimento di Elettronica, Informatica e Sistemistica
DettagliAppunti di 19AKSNZ - Controlli Automatici
Appunti di 9AKSNZ - Controlli Automatici Studente: MACI Samuele Politecnico di Torino Anno Accademico 0/0 samuele.maci@studenti.polito.it Docente: GRECO Cosimo Prof. Associato Confermato cosimo.greco@polito.it
DettagliCOMPITO DI FONDAMENTI E APPLICAZIONI DI CONTROLLI AUTOMATICI 21 Febbraio 2012
COMPITO DI FONDAMENTI E APPLICAZIONI DI CONTROLLI AUTOMATICI 21 Febbraio 212 Esercizio 1. Si consideri il modello ingresso/uscita a tempo continuo avente la seguente funzione di trasferimento: G(s) = 1
DettagliAnalisi dei Sistemi Lineari e Tempo Invarianti nel Dominio del Tempo
1 Corso di Fondamenti di Automatica A.A. 2017/18 Analisi dei Sistemi Lineari e Tempo Invarianti nel Dominio del Tempo Prof. Carlo Cosentino Dipartimento di Medicina Sperimentale e Clinica Università degli
DettagliCOMPITO DI FONDAMENTI E APPLICAZIONI DI CONTROLLI AUTOMATICI TEMA A - 2 Febbraio 2012
COMPITO DI FONDAMENTI E APPLICAZIONI DI CONTROLLI AUTOMATICI TEMA A - Febbraio 1 Esercizio 1. Si consideri il modello ingresso/uscita a tempo continuo avente la seguente funzione di trasferimento: G(s)
DettagliFILTRI ANALOGICI L6/1
FILTRI ANALOGICI Scopo di un filtro analogico è l eliminazione di parte del contenuto armonico di un segnale, lasciandone inalterata la porzione restante. In funzione dell intervallo di frequenze del segnale
DettagliCOMPITO DI CONTROLLI AUTOMATICI 7 Febbraio 2013
COMPITO DI CONTROLLI AUTOMATICI 7 Febbraio 213 Esercizio 1. Si consideri il modello ingresso/uscita a tempo continuo avente la seguente funzione di trasferimento: G(s) = 1 1 (s.1)(s + 1) 2 s(s +.1) 2 (s
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
DettagliRichiami di teoria della probabilità
Richiami di teoria della probabilità Lo spazio fondamentale S F rappresenta l insieme di tutti i risultati ξ i che si escludono mutuamente che si possono ottenere da un esperimento aleatorio. Esempio.
DettagliAUTOMATICA I (Ingegneria Biomedica - Allievi da L a Z) Appello dell 8 luglio 2008: testo e soluzione
AUTOMATICA I (Ingegneria Biomedica - Allievi da L a Z) Appello dell 8 luglio 8: testo e soluzione Prof. Maria Prandini 1. Si consideri il sistema con ingresso u ed uscita y descritto dalle seguenti equazioni:
DettagliCorso di Teoria. dei Circuiti
Università degli Studi di Pavia Facoltà di Ingegneria Corso di Teoria Corso di dei Circuiti Teoria dei Circuiti isposta in frequenza di un bipolo passivo lineare Z( () φ () Z Z φ Y () ϑ () YY Esempio L
DettagliUna delle proprietà fondamentali di un sistema è la stabilità. Esistono due tipi di stabilità:
Chapter 1 Stabilità di sistemi lineari Una delle proprietà fondamentali di un sistema è la stabilità. Esistono due tipi di stabilità: 1. stabilità rispetto alle condizioni iniziali; 2. stabilità ingresso/uscita.
Dettagli