Parte I (Sensori) Stima sperimentale dei parametri in regime statico

Slides:



Advertisements
Presentazioni simili
8) GLI INTERVALLI DI CONFIDENZA
Advertisements

Il progetto dei regolatori
L’ IPERBOLE.
Le distribuzioni di probabilità continue
CINEMATICA SINTESI E APPUNTI.
Sistema di riferimento sulla retta
Distribuzione Normale o Curva di Gauss
COORDINATE POLARI Sia P ha coordinate cartesiane
6. Catene di Markov a tempo continuo (CMTC)
La scelta del paniere preferito
Meccanica 2 1 marzo 2011 Cinematica in una dimensione
Meccanica aprile 2011 Oscillatore armonico, energia meccanica
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
Lez. 3 - Gli Indici di VARIABILITA’
esponente del radicando
(se a = 0 l’equazione bx + c = 0 è di primo grado)
ANALISI DELLA COVARIANZA
6. Catene di Markov a tempo continuo (CMTC)
Progetto Pilota 2 Lettura e interpretazione dei risultati
Sistemi e Tecnologie della Comunicazione
Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Algoritmi e Strutture Dati Capitolo 2 Modelli di calcolo e metodologie.
Processi Aleatori : Introduzione – Parte I
8. Reti di Code Nella maggior parte dei processi produttivi risulta troppo restrittivo considerare una sola risorsa. Esempio: linea tandem arrivi 1 v.
Realizzazione e caratterizzazione di una semplice rete neurale per la separazione di due campioni di eventi Vincenzo Izzo.
Esperienza n. 11 Filtri passa-basso e passa-alto
Esperienza n. 10 Partitore resistivo e sua compensazione in c. a
Esperienza n. 9 Uso dell’oscilloscopio per misure di ampiezza e frequenza di una tensione alternata e misura dello sfasamento tra tensioni. Circuito RLC.
Corso di biomatematica lezione 5: propagazione degli errori
Velocità media Abbiamo definito la velocità vettoriale media.
Economia politica II – Modulo di Macroeconomia
STATISTICA a.a PARAMETRO t DI STUDENT
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
Studente Claudia Puzzo
Laboratorio di El&Tel Elaborazione numerica dei segnali: analisi delle caratteristiche dei segnali ed operazioni su di essi Mauro Biagi.
1 Esempio : Utile per considerare limportanza delle ALTE FREQUENZE nella ricostruzione del segnale, in particolare dei FRONTI di SALITA e di DISCESA (trailing.
OPERAZIONI CON TRINOMI DI II° GRADO
Lezione 8 Numerosità del campione
Num / 36 Lezione 9 Numerosità del campione.
Lezione 4 Probabilità.
Lezione 8 La valutazione dello scarto per “fuori tolleranza”
Lezione 1 La trasduzione delle grandezze non elettriche II parte
Parte I (introduzione) Taratura degli strumenti (cfr: UNI 4546) Si parla di taratura in regime statico se lo strumento verrà utilizzato soltanto per misurare.
1 Y Modello di regressione semplice Supponiamo che una variabile Y sia funzione lineare di unaltra variabile X, con parametri incogniti 1 e 2 che vogliamo.
Lezione 13 Equazione di Klein-Gordon Equazione di Dirac (prima parte)
METODI E CONTROLLI STATISTICI DI PROCESSO
Analisi dati sperimentali e principi di modellazione tramite identificazione Carlo Alberto Avizzano – Corso di Simulink L2 - A.A. 2008/2009.
Quale valore dobbiamo assumere come misura di una grandezza?
5. LE CARATTERISTICHE DINAMICHE
Scheda Ente Ente Privato Ente Pubblico. 2ROL - Richieste On Line.
LA CIRCONFERENZA.
Introduzione alla Regressione Lineare e alla Correlazione.
Unità 2 Distribuzioni di probabilità Misure di localizzazione Misure di variabilità Asimmetria e curtosi.
Cenni teorici. La corrente elettrica dal punto di vista microscopico
FUNZIONE DI TRASFERIMENTO
Gli argomenti di questa lezione sono:
Laurea Ing EO/IN/BIO;TLC D.U. Ing EO 10 PROBABILITA’ E VARIABILI ALEATORIE.
TRASFORMATA DI FOURIER
OPERAZIONI CON TRINOMI DI II° GRADO
Corso di Analisi Statistica per le Imprese Cross tabulation e relazioni tra variabili Prof. L. Neri a.a
I mercati dei beni e i mercati finanziari: il modello IS-LM
Fabio Garufi - TAADF Tecniche automatiche di acquisizione dati Sensori Prima parte.
Un insieme limitato di misure permette di calcolare soltanto i valori di media e deviazione standard del campione, ed s. E’ però possibile valutare.
Laurea Ing. EO/IN/BIO;TLC D.U. Ing EO 3
REGRESSIONE LINEARE Relazione tra una o più variabili risposta e una o più variabili esplicative, al fine di costruire una regola decisionale che permetta.
TRATTAMENTO STATISTICO DEI DATI ANALITICI
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
FILTRI NUMERICI. Introduzione Nel campo nei segnali (analogici o digitali), un sistema lineare tempo-invariante è in grado di effettuare una discriminazione.
Distribuzioni limite La distribuzione normale Si consideri una variabile casuale rappresentata mediante una combinazione lineare di altre variabili casuali.
Statistica con Excel Corso di Fisica ed Elementi di Laboratorio ed Informatica CdL Scienze Biologiche AA 2015/2016.
Regressione: approccio matriciale Esempio: Su 25 unità sono stati rilevati i seguenti caratteri Y: libbre di vapore utilizzate in un mese X 1: temperatura.
Transcript della presentazione:

Parte I (Sensori) Stima sperimentale dei parametri in regime statico Se si vogliono stimare i parametri di un sensore in regime statico occorre disporre di un segnale in ingresso campione che viene fatto variare opportunamente. Inoltre, spesso, una data misura non viene ripetuta: si eseguono due sole misure, una per valori crescenti del misurando e una per valori decrescenti. Si suppone che il valore del misurando non altera le caratteristiche statistiche dei residui! Nel caso di un misuratore, i dati potrebbero essere quelli riportati in tabella.

Parte I (I sensori) Stima sperimentale dei parametri in regime statico In genere, si suppone che la curva di calibrazione sia una retta. Essa dovrà approssimare i dati reali nel miglior modo possibile, secondo un opportuno criterio. In genere si utilizza il metodo dei minimi quadrati; esso minimizza la somma dei quadrati degli scarti verticali tra dati reali e curva interpolante. L’equazione della retta interpolante ha la forma: essendo: q0 la variabile dipendente qi la variabile indipendente m la pendenza della curva b l’intercetta con l’asse verticale.

Parte I (I sensori) Stima sperimentale dei parametri in regime statico I parametri m e b vengono determinati minimizzando un opportuno funzionale costo. Ovvero imponendo che siano nulle le due derivate parziali rispetto a m e a b. Valgono le seguenti relazioni: essendo N il numero di coppie di misure disponibili.

Parte I (I sensori) La quantità: Stima sperimentale dei parametri in regime statico La quantità: rappresenta la deviazione standard di q0. Ovvero, il valore della deviazione standard ottenuta, supponendo che l’ingresso fosse mantenuto costante e si fosse fatta una serie di letture, nelle stesse condizioni sperimentali.

Parte I (I sensori) Stima sperimentale dei parametri in regime statico Nel caso del sistema per la misura di pressione si ottengono i seguenti valori: m = 1,08 b = -0,85 Kpa sqo = 0.20 Kpa, sm = 0,0134 sb = 0.078 kPa Se si assume per tali parametri una distribuzione di tipo gaussiano e si prende in considerazione il limite a 99.7% (± 3s), si possono dare per i parametri le seguenti stime: m = 1,08 ± 0.04 b = -0,85 ± 0,24 kPa Nel caso del nostro misuratore di pressione, si ottiene il grafico riportato

Parte I (I sensori) Stima sperimentale dei parametri in regime statico Nelle situazioni reali la grandezza nota è q0 e si vuole avere una stima della grandezza in ingresso In tale caso è necessario invertire l’equazione utilizzata per la determinazione dei parametri. La corrispondente deviazione standard viene data dalla formula: Applicando tale relazione al nostro misuratore di pressione si ottiene sqi = 0.18kPa.

Parte I (I sensori) Stima sperimentale dei parametri in regime statico Spesso i limiti dell’errore sono dati in termini di di errore probabile ep. Esso è definito come: ep = 0,674 s L’intervallo ±ep contiene il 50% dei valori. Il procedimento di taratura descritto permette di distinguere tra bias e imprecisone. Il bias è il termine che può essere rimosso, dopo la procedura di calibrazione. Si può quindi definire la taratura come il processo che permette di rimuovere il bias e di definire quantitativamente l’imprecisione!

Parte I (I sensori) Stima sperimentale dei parametri in regime statico

Parte I (I sensori) Stima sperimentale dei parametri in regime statico

Parte I (I sensori) Stima sperimentale dei parametri in regime statico Si supponga di avere un sistema retto dall’equazione non lineare in x1 e x2 : for i=1:201, for j=1:63; y(i,j)=3*sin(x1(i))+2*x2(j)^2; end

Parte I (I sensori) L’uscita assume il seguente andamento: mesh(y) Stima sperimentale dei parametri in regime statico L’uscita assume il seguente andamento: mesh(y) Aggiungiamo quindi del rumore: yr=y+.2*(rand(601,63)-.5);

Parte I (I sensori) Stima sperimentale dei parametri in regime statico Per poter applicare il metodo dei minimi quadrati è necessario costruire organizzare opportunamente i dati for i=1:201, for j=1:63, yrv((i-1)*201+j)=yr(i,j); uv((i-1)*201+j,1)=sin(x1(i)); uv((i-1)*201+j,2)=(x2(j)^2); end Si può quindi procedere alla stima dei parametri par=inv(uv'*uv)*uv'*yrv par = 3.0009 1.9981

Parte I (I sensori) Stima sperimentale dei parametri in regime statico E’ possibile quindi procedere alla simulazione dell’uscita del sistema: for i=1:201, for j=1:63; ys(i,j)=par(1)*sin(x1(i))+par(2)*x2(j)^2; end E’ possibile stimare anche l’errore: mesh(yr-ys)

Parte I (I sensori) Stima sperimentale dei parametri in regime dinamico Per determinare le caratteristiche dinamiche di un sensore, per via sperimentale, occorre adottare strategie diverse, in accordo con l’ordine del sistema. I casi più comuni sono: Sistema di ordine zero; Sistema del primo ordine; Sistema del secondo ordine.

Parte I (I sensori) Sistema di ordine zero Stima sperimentale dei parametri in regime dinamico Sistema di ordine zero Per i sistemi di ordine zero la risposta a una sollecitazione in ingresso è istantanea e l’unico parametro dinamico coincide con la sensibilità (si ricordi che stiamo supponendo che il sistema sia lineare). Questa è stata determinata durante la fase di caratterizzazione statica.

Parte I (I sensori) Sistema del primo ordine Stima sperimentale dei parametri in regime dinamico Sistema del primo ordine Per i sistemi del primo ordine occorre determinare la sensibilità k e la costante di tempo . La sensibilità viene determinata mediante la calibrazione statica del dispositivo; E’ possibile stimare la costante di tempo determinando l’istante di tempo in cui la risposta al gradino raggiunge il 63.2% del valore di regime. Tale metodo tuttavia risente dell’incertezza nella determinazione dell’istante t=0 e non consente in ogni caso di verificare se il sistema è realmente del primo ordine.

Parte I (I sensori) Sistema del primo ordine Stima sperimentale dei parametri in regime dinamico Sistema del primo ordine Si preferisce, pertanto, analizzare i dati della risposta al gradino in forma semilogaritmica. Si ha, infatti: E definendo la quantità: Si ha:

Parte I (I sensori) Sistema del primo ordine Stima sperimentale dei parametri in regime dinamico Sistema del primo ordine Quindi riportando Z come grafico di t, si ottiene una linea retta, la cui pendenza è proprio -1/t. La stima della costante di tempo risulta più accurata perché basata sull’uso di tutti i punti disponibili. Inoltre, se i dati sperimentali sono prossimi a una retta si ha la certezza che il sistema è proprio del primo ordine…..

Parte I (I sensori) Sistema del primo ordine Stima sperimentale dei parametri in regime dinamico Sistema del primo ordine t=.01:.01:10; y=5*(1-exp(-t./.3)); plot(t,y)

Parte I (I sensori) Sistema del primo ordine Stima sperimentale dei parametri in regime dinamico Sistema del primo ordine Z=log(1-y/5); plot(t,Z) polyfit(t,Z,1) ans = -3.3334 0.0001 >> 1/ans(1) -0.3000

Parte I (I sensori) Sistema del primo ordine Stima sperimentale dei parametri in regime dinamico Sistema del primo ordine Una verifica ancora più forte si può ottenere operando nel dominio della frequenza: Si sollecita il sistema con un segnale sinusoidale a frequenza lentamente variabile; Si tracciano i diagrammi del modulo e della fase, in scala semilogaritmica; Se il sistema è realmente del primo ordine il diagramma dei moduli avrà il classico andamento di un filtro passa basso, con pendenza del diagramma di 20 dB/decade ad alte frequenze e il digramma delle fasi tenderà asintoticamente a -90°.

Parte I (I sensori) Sistema del primo ordine Stima sperimentale dei parametri in regime dinamico Sistema del primo ordine Se il sistema è realmente del primo ordine il diagramma dei moduli avrà il classico andamento di un filtro passa basso, con pendenza del diagramma di 20 dB/decade ad alte frequenze e il digramma delle fasi tenderà asintoticamente a -90°. I diagrammi asintotici permetteranno, inoltre, di determinare il valore della costante di tempo t=1/wbreak=1/2pfbreak.

Parte I (I sensori) Sistema del secondo ordine Stima sperimentale dei parametri in regime dinamico Sistema del secondo ordine Si consideri un sistema del secondo ordine. Per esso si può sempre scrivere: infatti….

Parte I (I sensori) Stima sperimentale dei parametri in regime dinamico ….infatti, si consideri il seguente sistema massa molla:

Parte I (I sensori) Sistema del secondo ordine Stima sperimentale dei parametri in regime dinamico Sistema del secondo ordine La sensibilità può ancora essere stimata durante il processo di calibrazione statica. Gli altri parametri vengono determinati invece con metodi diversi in accordo con il valore del coefficiente di smorzamento (cfr. sistemi sottosmorzati e sistemi sovrasmorzati). Nel caso di un sistema sottosmorzato si ha:

Parte I (I sensori) ….e il massimo della risposta vale: Stima sperimentale dei parametri in regime dinamico ….e il massimo della risposta vale: Abbiamo cosi determinato, dai dati sperimentali il valore del coefficiente di smorzamento.

Parte I (I sensori) Stima sperimentale dei parametri in regime dinamico Per determinare la pulsazione wn, basta determinare due passaggi successivi per lo zero della parte periodica della risposta: Abbiamo cosi determinato, dai dati sperimentali il valore della pulsazione. NB:la stima risulterà più accurata se si considerano N cicli.

Parte I (I sensori) Sistema del secondo ordine Stima sperimentale dei parametri in regime dinamico Sistema del secondo ordine Nel caso di sistemi sovrasmorzati conviene riscrivere la risposta come:

Parte I (I sensori) Sistema del secondo ordine Definiamo: Stima sperimentale dei parametri in regime dinamico Sistema del secondo ordine Definiamo: Se il sistema è del secondo ordine e si traccia Rpi in scala semilogaritmica si ottiene per valori grandi di t, una retta, Infatti….

Parte I (I sensori) Sistema del secondo ordine …infatti… Stima sperimentale dei parametri in regime dinamico Sistema del secondo ordine …infatti… Che in scala semilogaritmica è una retta. 1) Indichiamo con P1 il punto in cui tale asintoto incontra l’asse di Rpi. Si ha, inoltre:

Parte I (I sensori) Stima sperimentale dei parametri in regime dinamico 2) Sottraiamo dalla retta Rpi, ciò corrisponde ad isolare il contributo del secondo esponenziale. In scala semilogaritmica dovremo quindi ottenere una seconda retta. Il valore iniziale di tale contributo sarà individuato dal punto

Parte I (I sensori) Sistema del secondo ordine Stima sperimentale dei parametri in regime dinamico Sistema del secondo ordine E’ possibile individuare i parametri del sistema anche utilizzando la risposta in frequenza (sistema sottosmorzato):

Parte I (I sensori) Sistema del secondo ordine Stima sperimentale dei parametri in regime dinamico Sistema del secondo ordine E’ possibile individuare i parametri del sistema utilizzando la risposta in frequenza (sistema sovrasmorzato): NB: le informazioni sono state ottenute utilizzando esclusivamente il diagramma dei moduli. Se è disponibile anche il diagramma delle fasi è possibile avere un’ulteriore verifica del valore dei parametri stimati.