Lezione 2 Matlab: Control System Toolbox

Slides:



Advertisements
Presentazioni simili
Misure riflettometriche nel dominio della frequenza (OFDR)
Advertisements

Modellistica e simulazione1 Esercitazione 3
Tecniche e Linguaggi di Programmazione
MAT/05 Analisi Matematica
Prof. Rebecca Montanari Anno accademico 2011/2012
Processi Aleatori : Introduzione – Parte II
Attività di ORIENTAMENTO A.A. 2012/2013 Servizio Orientamento e Tutorato Tel Numero Verde FACOLTA DI.
Laboratorio Processi Stocastici
MATLAB Stefano Gagliardo
Progetto Campus One: Azione e-learningGenova, 9 aprile 2002 Giancarlo Parodi DIBE Esperienze dal progetto Ingegneria On Line.
Università degli Studi di Trieste
2 SCOPO DELLA TESI Realizzare un sistema capace di migliorare la riproduzione sonora affidata ai comuni altoparlanti MODALITA Realizzazione di un sistema.
Corso di Laurea in Ingegneria Informatica e dellAutomazione Corso di Ingegneria del software I A. A M. MongielloIntroduzione al corso1 1.Introduzione.
Introduzione Cosa sono le reti di Petri?
SITI ESPOSITIVI PER LA BIO-COMPATIBILITA ELETTROMAGNETICA E LA VALUTAZIONE DEGLI EFFETTI BIOLOGICI DEI CAMPI E.M. ALLE IPERFREQUENZE Politecnico di Bari.
Presentazione corsi classe L-8 Piano degli studi: 3° anno Esami obbligatori: - Matematica Discreta - Elettronica Analogica - Reti di Telecomunicazioni.
Richiami di Identificazione Parametrica
Controllo remoto di un robot mobile realizzato con Lego Mindstorms
Controllo remoto di un robot mobile realizzato con Lego Mindstorms
IL CAMPO ELETTRICO DEFINIZIONE DI CAMPO ELETTRICO
Linguaggio MATLAB: costrutti tipici (IF,WHILE…)
1 © 2002, Cisco Systems, Inc. All rights reserved. Session Number Presentation_ID Cisco Networking Academy Program Local Academy POLIMI.
DIPARTIMENTO DI ELETTRONICA E INFORMAZIONE Lab 5 – Info B Marco D. Santambrogio – Riccardo Cattaneo –
Processi Aleatori : Introduzione – Parte I
Laurea Specialistica Chimica e Tecnologia Farmaceutiche Anno Accademico Università degli Studi di Firenze Facoltà di Farmacia.
Università degli Studi di Firenze
Corso di Microelettronica Laboratorio di Progettazione
INTRODUZIONE A SIMULINK
Stima ed algoritmi di consensus distribuito: considerazioni su IKF
Strumentazione per bioimmagini
CORSO DI MODELLI DI SISTEMI BIOLOGICI
Università degli Studi di Roma La Sapienza
Laboratorio di Calcolo I 1) Introduzione Università Roma Tre Corso di Studi in Fisica AA 2002/03.
Macroeconomia e Contabilità Industriale
Antonio Messeni Petruzzelli DIMeG,Politecnico di Bari, Italia Economia ed Organizzazione Aziendale (A-K) CdL in Ing. Meccanica CdL in Ing. Meccanica Disoccupazione.
Organizzazione della Presentazione
Duomo di Milano: lavori di restauro
UNIVERSITÀ DEGLI STUDI DI PERUGIA Dipartimento di Ingegneria Industriale Prof. Francesco Castellani Corso di Meccanica Applicata A.
ANALISI DEL MECCANISMO DI STERZO
UNIVERSITÀ DEGLI STUDI DI PERUGIA Dipartimento di Ingegneria Industriale Prof. Francesco Castellani Corso di Meccanica Applicata.
Intelligenza Artificiale
Corso di Fondamenti di Informatica A Andrea Omicini Anno accademico 1999/2000 Università degli Studi di Bologna Facoltà di Ingegneria Corsi di Laurea in.
Candidato : Giuseppe Circhetta Relatori :
SISTEMI LINEARI TEMPO INVARIANTI SEZIONE 7
ROBOT SPAZIALE RRR DESCRIZIONE
Università degli Studi di Cagliari
Perfect sampling di processi di coda UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Corso di laurea in Ingegneria dei Modelli e dei Sistemi Studente: Paolo.
Trasformata discreta di Fourier: richiami
Università del Salento Facoltà di Ingegneria Corso di Basi di dati I a.a
Università del Salento Facoltà di Ingegneria Corso di Basi di dati I a.a
Corso di Controlli Automatici LA
Algoritmi e Strutture dati a.a. 2012/2013 Informazioni sul corso Dr Maria Federico.
Lezione 1: Introduzione all’uso di Matlab
Lezione 3: Esempi di sistemi LTI tempo-continui
Ing. Raffaele Carli ( Politecnico di Bari Laurea Specialistica in Ingegneria Gestionale Corso di Analisi dei Sistemi Bari, 16.
Lezione n° 14 Università degli Studi Roma Tre – Dipartimento di Ingegneria Corso di Teoria e Progetto di Ponti – A/A Dott. Ing. Fabrizio Paolacci.
Lezione 2: Simulink Ing. Raffaele Carli (
Lezioni di Fisica Medica
Lezione 3: Esempi di sistemi LTI tempo-discreti
Lezione 4: Analisi nel Piano delle Fasi in Matlab
Per una laurea a misura di impresa Protocollo d’Intesa tra Confindustria Bari-BAT e Politecnico di Bari Bari, Protocollo Confindustria Bari-BAT.
Lezione 7: Esempi di analisi dei sistemi non lineari
Lettura e analisi statistiche dei dati e computer analysis
GENERAZIONE DI FORME D’ONDA TRAMITE CONVERSIONE DI FREQUENZA
SISTEMI INDUSTRIALI (L) - INGEGNERIA MECCANICA (LM)
Caso studio Tipologia 1 Piano di lavoro. Materia : Matematica Tipo di scuola :Liceo Scientifico Classe :2° Periodo:2° Quadrimestre Modulo:Disequazioni.
Presentazione del corso di Fondamenti di Sistemi Dinamici Prof. Alfredo Pironti Tel.: Stanza 2.14 (DIS – via Claudio 21)
Parte 4 Programmare in Matlab – II Sommario Integrazione di Equazioni differenziali ordinarie Metodo di Eulero Esplicito Metodo di Eulero Esplicito + EsercizioEsercizio.
1 Metodo Simbolico e Numeri Complessi Problema 1 => Determinare le radici della seguente equazione polinomiale di secondo grado:
Laboratorio di Calcolo Problemi tipici di Ingegneria Chimica Docente: Massimo Urciuolo
Transcript della presentazione:

Lezione 2 Matlab: Control System Toolbox Ing. Raffaele Carli (email: r.carli@poliba.it) Politecnico di Bari Laurea Specialistica in Ingegneria Gestionale Corso di Analisi dei Sistemi Bari, 16 ottobre 2013

Sommario Introduzione Descrizione generale del CST Rappresentazione nello spazio degli stati dei sistemi lineari Tracciamento delle risposte di un sistema lineare Esempi

Introduzione Scopo della lezione fornire le informazioni necessarie per l’uso di Matlab CST in relazione alle esercitazioni del corso Il materiale presentato NON È un manuale d’uso di Matlab Dove trovare altre informazioni? Sito web di Mathworks: www.mathworks.com Manuali del toobox CST in formato Adobe PDF Help in linea

Descrizione generale del CST Pacchetto aggiuntivo del software di calcolo MATLAB, orientato all’analisi delle prestazioni e alla progettazione dei sistemi di controllo automatico. In particolare, consente di definire facilmente: modelli lineari (vale la sovrapposizione degli effetti) e tempoinvarianti (stazionari, eventi ripetibili nel tempo) sistemi tempodiscreti. Un modello LTI tempocontinuo si individua nel CST tramite diverse forme possibili, tra cui: rappresentazione in spazio di stato.

Rappresentazione nello spazio degli stati Sistema LTI tempo-continuo >> sys = ss (A,B,C,D) Sistema LTI tempo-discreto >> sys = ss (A,B,C,D,Ts) u: ingresso/causa; y: uscita/effetto; x: variabile che studio (posizione/velocità) A,B,C,D: matrici opportune e compatibili Nel SISO u,y e D sono scalari Ts: tempo di campionamento

Tracciamento delle risposte di un sistema lineare Descritto il sistema lineare in esame, a seconda che sia a tempo discreto o continuo, vi sono alcune funzioni per valutare la risposta di tale sistema a diversi tipi di ingresso >> impulse(sys, t, X0) calcola e disegna la risposta all’impulso del sistema sys (definito in precedenza); t è il vettore che definisce i tempi della simulazione e X0 le condizioni iniziali (facoltativi). >> step(sys, t, X0) calcola e disegna la risposta allo scalino. >> lsim(sys, u, t, 0) calcola e disegna la risposta forzata del sistema all’ingresso, generico, u (definito). Il segnale u può essere: periodico, e.g. Ottenuto mediante [u,t] = gensig (‘funzione’, periodo) dove la funzione può essere SIN (sinusoidale), SQUARE (quadratica) PULSE (periodica) definita appositamente. >> initial(sys, x0, t) fornisce la risposta libera alle condizioni iniziali X0 nell’intervallo t. >> lsim(sys, u, t, X0) calcola e disegna la risposta del sistema all’ingresso, generico, u (definito) e condizioni iniziali X0. L’istante iniziale è t(1).

Esempio – Sistema SISO autonomo Modello di evoluzione di una popolazione isolata (Malthus) Richiami teorici nell'ipotesi che la popolazione sia molto numerosa e che i tempi di osservazione siano lunghi, possiamo considerare un modello continuo Risoluzione analitica: Bla bla bla 𝑥 𝑡 = 𝑏−𝑑 𝑥(𝑡) 𝑦 𝑡 =𝑥(𝑡) x(t): numero di individui al tempo t b-d : potenziale biologico della popolazione

Esempio – Risoluzione I Modello di evoluzione di una popolazione isolata (Malthus) Simulazione con il CST

Esempio – Risoluzione II Modello di evoluzione di una popolazione isolata (Malthus) Simulazione con Matlab - ODE

Continua…

Laboratorio di Analisi dei sistemi Grazie per l’attenzione! Ing. Raffaele Carli Dipartimento di Ingegneria Elettrica e dell’Informazione email: r.carli@poliba.it