Sterowanie ze sprz»eniem od stanu (pjs)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Sterowanie ze sprz»eniem od stanu (pjs)"

Transkrypt

1 Rozdziaª Sterowanie ze sprz»eniem od stanu (pjs) Synteza regulatorów dla obiektów SISO Przykªad 2 Obiekt dynamiczny o jednym wej±ciu opisany jest modelem ẋ(t) = Ax(t) + bu(t), x() () w którym a) A = 6 b) A =, b = ; , B = Posªuguj c si formuª Ackermanna, wyznacz wspóªrz dne wektora k linio-wego sprz»enia zwrotnego od stanu u(t) = k T x(t) (2) dla których macierz stanu zamkni tego ukªadu sterowania posiada warto±ci wªasne: a) {λ i } 2 i= = { 2 ± j2}, b) {λ i} 4 i= = { 6, 6, 4, 4} Rozwi zanie Rozwa»my ogólny przypadek modelu (), w którym x(t) R n, A R n n oraz b R n Zamkni ty ukªad sterowania takim obiektem, uzyskany po zastosowaniu omawianego sprz»enia od stanu (2), opisany jest równaniem ẋ(t) = A c x(t), x() (3)

2 2 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) gdzie A c R n n oznacza macierz stanu tego ukªadu A c = A bk T (4) Formuªa Ackermanna, odniesiona do obiektu o caªkowicie sterowalnej parze macierzy (A, b), pozwala na dowolne uksztaªtowanie wszystkich warto±ci wªasnych macierzy A c Zgodnie z t formuª wektor k R n oblicza si w nast puj cy sposób k = ϕ T A c (A)Mc T e n (5) gdzie M c R n n oznacza macierz sterowalno±ci pary (A, b), ϕ Ac (A) R n n jest warto±ci, jak wielomian charakterystyczny ϕ Ac (λ) macierzy stanu zamkni tego ukªadu sterowania przyjmuje dla macierzowego argumentu A, za± e n = T R n jest wektorem jednostkowym Wielomian charakterystyczny ϕ Ac (λ) wyznacza si w oparciu o zbiór {λ i } n i= zadanych warto±ci wªasnych ϕ Ac (λ) = det (λi n A c ) = n i= (λ λ i) Warunkiem stosowalno±ci wzoru (5) jest odwracalno± macierzy M c Ze wzoru tego wynika ponadto,»e dla sterowalnego obiektu o jednym wej±ciu zadanie rozmieszczania warto±ci wªasnych macierzy stanu ukªadu zamkni tego posiada jednoznaczne rozwi zanie W obu rozpatrywanych przypadkach sterowany obiekt jest obiektem niestabilnym, odpowiednio: spectr A = { 4, 4} oraz spectr A = { 2,,, 2} a) Para (A, b) ma kanoniczn posta sterowaln Jest to zatem para caªkowicie sterowalna, dla której M c = Jak ªatwo sprawdzi : ϕ Ac (λ) = (λ λ )(λ λ 2 ) = 8 + 4λ + λ 2 Zatem, zgodnie ze wzorem (5), otrzymujemy k = = ( = ) T ( ) T

3 STEROWANIE OBIEKTAMI SISO 3 b) W rozwa»anym przypadku zachodzi: ϕ Ac (λ) = 4 i= (λ λ i) = λ + 48λ 2 + 2λ 3 + λ 4 oraz M c = Poniewa» rank M c = 4, zatem para (A, b) jest caªkowicie sterowalna Ponadto mamy ϕ Ac (A) = Zauwa»my, i» ze wzoru (5) wynika,»e znajomo± macierzy odwrotnej Mc nie jest niezb dna przy wyznaczaniu wektora sprz»enia zwrotnego k: rozwi zuj c ukªad równa«liniowych Mc T a = e n, otrzymuje si pomocniczy wektor a R n, a nast pnie w ªatwy sposób oblicza si k = ϕ T A c (A)a Tak post puj c, uzyskano a = T, a w ±lad za tym k = T Przykªad 22 Obiekt sterowania opisany jest modelem (), w którym A = , b = Posªuguj c si metod transformacji pary (A, b) do podobnej postaci kanonicznej sterowalnej, wyznacz wspóªrz dne wektora k sprz»enia zwrotnego (2), zapewniaj cego macierzy stanu ukªadu zamkni tego (3) zadane warto±ci wªasne {λ i } 4 i= = { 5, 5,, } Rozwi zanie Niech (Â, ˆb) oznacza par macierzy o kanonicznej sterowalnej postaci, w której  Rn n jest macierz Frobeniusa, za± ˆb R n jest 2

4 4 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) wektorem jednostkowym  = a a a 2 a n, ˆb = Wielomian charakterystyczny macierzy  ma posta ϕâ(λ) = det (λi n Â) = n a iλ i, a n = i= Jak ªatwo sprawdzi macierz  c =  ˆbˆk T gdzie ˆk = ˆk ˆk ˆkn T R n oznacza dowolny wektor, jest tak»e macierz Frobeniusa, w której kolejne elementy ostatniego wiersza przyjmuj warto±ci ( a i ˆk i ), i {,, n } Wynika st d,»e w przypadku obiektu dynamicznego opisanego równaniem ˆx(t) = ˆx(t)+ˆbu(t) sterowanie u(t) = ˆk T ˆx(t), oparte o liniowe sprz»enie od stanu ˆx(t) R n, umo»liwia dowolne ksztaªtowanie wielomianu charakterystycznego macierzy stanu odpowiedniego ukªadu zamkni tego ϕâc = det (λi n ( ˆbˆk T )) = n (a i + ˆk i )λ i i= Niech zatem (), gdzie A R n n oraz b R n, b dzie modelem sterowanego obiektu, o którym zakªada si,»e para macierzy (A, b) jest caªkowicie sterowalna Parze tej przyporz dkowa mo»na odpowiedni par podobn (Â, ˆb) = (Tc AT c, Tc b) o kanonicznej sterowalnej postaci, gdzie T c R n n oznacza stosown macierz podobie«stwa Zachodzi przy tym ˆM c = Tc M c, gdzie M c, ˆMc R n n s macierzami sterowalno±ci odpowiednich par: (A, b) oraz (Â, ˆb) Oznaczaj c przez W = ˆM c R n n odwrotno± macierzy sterowalno±ci pary (Â, ˆb), otrzymujemy wzór T c = M c W Jak mo»na pokaza, W jest symetryczn macierz górn antytrójk tn, u- tworzon ze wspóªczynników wielomianu charakterystycznego ϕ A (λ) = det (λi n A) = n i= a iλ i, a n =, macierzy A W = a a n 2 a n a 2 a n a n (6)

5 STEROWANIE OBIEKTAMI SISO 5 Zakªadaj c,»e dost pne s wszystkie wspóªrz dne wektora stanu x(t) R n, ªatwo jest wyznaczy taki wektor k R n wspóªczynników sprz»enia zwrotnego (2), któremu odpowiada zadany wielomian charakterystyczny ϕ Ac = n i= α iλ i, α n =, macierzy stanu (4) zamkni tego ukªadu sterowania (3) Bior c pod uwag,»e x(t) = T cˆx(t), otrzymujemy poszukiwany wzór k = Tc T ˆk = Mc T ˆM T c ˆk w którym wspóªrz dne wektora ˆk wyznacza si, porównuj c odpowiednie wspóªczynniki rozwa»anych wielomianów charakterystycznych ˆk = α a α a α n a n T Koniecznym i wystarczaj cym warunkiem stosowalno±ci opisanej metody jest odwracalno± macierzy T c, co sprowadza si do postulatu odwracalno±ci macierzy sterowalno±ci M c Przechodz c do numerycznych danych przykªadu, kolejno obliczamy: M c = ϕ A (λ) = a + a λ + a 2 λ 2 + a 3 λ 3 + λ 4 = 4 + 4λ + 3λ 2 4λ 3 + λ 4 W = ϕ Ac = (λ λ )(λ λ 2 )(λ λ 3 )(λ λ 4 ) = α + α λ + α 2 λ 2 + α 3 λ 3 + λ = λ + 325λ 2 + 3λ 3 + λ 4, T c = oraz ˆk = T Mamy rank M c = 4, co oznacza,»e macierz T c jest macierz nieosobliw Zatem, rozwi zuj c ukªad równa«t T c k = ˆk, wyznaczamy wektor poszukiwanych wspóªczynników sprz»enia zwrotnego k = T

6 6 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) Przykªad 23 Obiekt dynamiczny opisany jest równaniami ẋ(t) = Ax(t) + bu(t) (7) y(t) = c T x(t) (8) w których A R n n, b R n oraz c R n Obiekt ten sterowany jest w ukªadzie zamkni tym przedstawionym na rys 2 Zakªadaj c,»e wszystkie zmienne stanu x(t) s dost pne, w ukªadzie tym zastosowano wewn trzn p tl sprz»enia od stanu oraz zewn trzn p tl sprz»enia od wyj±cia obiektu y(t) (sprz»enie poªo»eniowe) z caªkowaniem uchybu e(t) = r(t) y(t), gdzie r(t) jest wielko±ci zadaj c Rys 2 Przykªad 23: schemat strukturalny ukªadu sterowania Nale»y wyznaczy warto±ci wspóªrz dnych wektora sprz»enia od stanu k = k k n T R n oraz warto± wspóªczynnika k n+ R w gªównym torze sterowania, które zapewni macierzy stanu rozwa»anego ukªadu zamkni tego zadane warto±ci wªasne {λ i } n+ i= Postawiony problem jest zatem zadaniem ±ledzenia z rozmieszczaniem biegunów odpowiedniej transmitancji ukªadu zamkni tego Rozwa» przypadek: A = oraz {λ i } 3 i= = { 5, 5, 5}, b =, c = Rozwi zanie Niech x(t) = x(t) T x n+ (t) T R n+ b dzie rozszerzonym wektorem stanu ukªadu zamkni tego, gdzie x n+ (t) jest wyj±ciem czªonu caªkuj cego uchyb sterowania (zob rys 2) Na tej podstawie mo»emy zapisa,»e ẋ n+ (t) = e(t) = r(t) cx(t) oraz u(t) = k T x(t) + k n+ x n+ (t) Ukªad zamkni ty jest zatem opisany równaniem ẋ(t) ẋ n+ (t) = Ax(t) + b( k T x(t) + k n+ x n+ (t)) r(t) c T x(t)

7 STEROWANIE OBIEKTAMI SISO 7 = A bk T k n+ b c T x(t) x n+ (t) n + r(t) Niech k = k T k n+ T R n+ oznacza stosownie rozszerzony wektor nastawialnych parametrów ukªadu sterowania Mamy zatem A bk T k n+ b c T = A n c T b k T Z powy»szego rozumowania wynika,»e postawiony problem sprowadza si do zadania rozmieszczania warto±ci wªasnych macierzy Ā c = Ā b k T (9) gdzie: Ā = A n c T R (n+) (n+) b, b = R n+ Zadanie to mo»na rozwi za znanymi metodami (por przykªad 2 oraz 22) pod warunkiem,»e para (Ā, b) jest caªkowicie sterowalna Zauwa»my przy tym,»e spectr Ā = spectr A {} Jak ªatwo pokaza, macierz sterowalno±ci Mc R (n+) (n+) pary (Ā, b) przyjmuje posta M c = b Ab A n b c T b c T A n b = b A c T n n M c gdzie M c R n n jest macierz sterowalno±ci pary (A, b), wynikaj cej z modelu sterowanego obiektu Rozwa»any rozszerzony obiekt, opisany równaniami: x(t) = Āc x(t) + n y(t) = c T x r(t) jest zatem caªkowicie sterowalny wtedy i tylko wtedy, gdy caªkowicie sterowalna jest para (A, b) oraz speªniony jest dodatkowy warunek rank A b c T = n + Dla numerycznych danych rozpatrywanego przykªadu zachodzi: M c = 5, rank M c = 2

8 8 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) A b rank c T = rank = 3 co oznacza,»e postawione zadanie jest wykonalne Wniosek ten potwierdza analiza rz du macierzy sterowalno±ci pary (Ā, b): M c = Wielomian charakterystyczny macierzy stanu zamkni tego ukªadu sterowania wynika z zadanych warto±ci wªasnych tej macierzy: ϕ Āc (λ) = (λ + 5) 3 = λ + 5λ 2 + λ 3 Wektor k obliczamy, stosuj c formuª Ackermanna (por przykªad 2) k = M T c ϕ T Ā (Ā) c = Operatorowa transmitancja zamkni tego ukªadu sterowania dana jest wzorem (por rys 22) Y (s) R(s) = c T ( si n+ Āc) n który w rozwa»anym przypadku daje Y (s) R(s) = s + 5s 2 + s 3 Rys22 Przykªad 23: symulacyjny schemat ukªadu sterowania

9 STEROWANIE OBIEKTAMI SISO 9 Przykªad 24 Obiekt opisany równaniami (7) oraz (8), w których A R n n, b R n oraz c R n, sterowany jest w ukªadzie zamkni tym przedstawionym na rys 23 Zakªadaj c,»e wszystkie wspóªrz dne wektora stanu s dost pne, w ukªadzie tym zastosowano p tl sprz»enia zwrotnego od stanu x(t) oraz gaª ¹ równolegª wiod c do wyj±cia obiektu y(t) Rys23 Przykªad 24: schemat strukturalny ukªadu sterowania Wyznacz takie warto±ci wspóªrz dnych wektora sprz»enia od stanu k = k k n T R n oraz wspóªrz dnych wektora gaª zi równolegªej m = m m n T R n, które zapewni zadan posta operatorowej transmitancji ukªadu zamkni tego G rc (s) C(s)/R(s) Rozwa» nast puj cy model sterowanego obiektu oraz ukªadu zamkni tego: oraz A = Rozwi zanie Niech C(s) R(s) =, b = + s (4 + s)(5 + s) 2, c = N (s) = c T adj (si n A)b = n i= n is i D (s) = det (si n A) = n 5 5 i= a is i, a n = Zachodzi zatem c T (si n A) b = N (s)/d (s) Z rys 23 wynikaj zale»no±ci: ẋ(t) = Ax(t) + bu(t) u(t) = r(t) k T x(t) y(t) = (c + m) T x(t) X(s) = (si n A) bu(s) U(s) = R(s) k T X(s) Y (s) = (c + m) T X(s)

10 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) z których ªatwo jest wyznaczy stosown transmitancj ukªadu zamkni tego G rc (s) = (c + m)t (si n A) b + k T (si n A) b = N (s) + m T adj (si n A)b D (s) + k T adj (si n A)b = N(s) D(s) Na podstawie powy»szego wzoru wnioskujemy,»e wektor k wpªywa tylko na mianownik D(s) tak zapisanej transmitancji, za± wektor m tylko na jej licznik N(s) daj c dowolnego uksztaªtowania wielomianu D(s), musimy zaªo»y caªkowit sterowalno± pary (A, b) Istnieje zatem taka nieosobliwa macierz T c R n n, dla której para podobna (Â, ˆb) = (Tc AT c, Tc b) przyjmuje posta kanoniczn sterowaln (por przykªad 22) Macierz t obliczamy ze wzoru T c = M c W, w którym M c R n n oznacza macierz sterowalno±ci pary (A, b), za± W R n n jest odwrotno±ci macierzy sterowalno±ci ˆMc R n n pary (Â, ˆb) (por wzór (6)) Wielomiany N(s) oraz D(s) mo»na uzale»ni od elementów pary (Â, ˆb): N(s) = N (s) + ˆm T adj (si n Â)ˆb D(s) = D (s) + k T adj (si n Â)ˆb przy czym ˆk = T T c k oraz ˆm = T T c M Kªad c N(s) = n i= η is i D(s) = n i= α is i, α n = gdzie wspóªczynniki {η i } n i= oraz {α i } i= n wynikaj z wymaga«dotycz - cych po»adanego rozmieszczenia biegunów i zer transmitancji G rc (s) oraz jej statycznego wzmocnienia, otrzymujemy przesªank nast puj cych formuª, pozwalaj cych na wyznaczenie poszukiwanych wektorów k oraz m: oraz k = Tc T ˆk, ˆk = α a α a α n a n T m = Tc T ˆm, ˆm = η n η n η n n n T Przechodz c do numerycznych danych tego przykªadu, otrzymujemy: N (s) = n + n s + n 2 s 2 = 2s 2 D (s) = a + a s + a 2 s 2 + s 3 = 3 5s + s 2 + s 3 N(s) = η + η s + η 2 s 2 = + s + s 2 D(s) = α + α s + α 2 s 2 + s 3 = + 65s + 4s 2 + s 3 M c = 7 5, T c =

11 STEROWANIE OBIEKTAMI SISO Para (A, b) jest caªkowicie sterowalna, rank M c = 3 Na tej podstawie wyznaczamy k = T m = T co jak ªatwo sprawdzi prowadzi do wymaganej transmitancji zamkni tego ukªadu sterowania (c + m) T si 2 (A bk T ) b = + s + 65s + 4s 2 + s 3 Zauwa»my na koniec,»e pary (A, c T ) oraz (A bk T, c + m) w ogólno±ci nie musz by caªkowicie obserwowalne Przykªad 25 Obiekt sterowany o jednym wej±ciu opisany jest modelem (), w którym A R n n oraz b R n Zakªadaj c caªkowit sterowalno± pary (A, b), udowodnij,»e k R n para (A bk T, b), opisuj ca odpowiedni ukªad zamkniety, jest tak»e caªkowicie sterowalna Co mo»na powiedzie o kanonicznej postaci Jordana macierzy stanu A bk T takiego ukªadu? Rozwa» przypadek macierzy o zaªo»onych wielokrotnych warto±ciach wªasnych Rozwi zanie Zaªó»my,»e para (A, b) jest caªkowicie sterowalna, za± para (A bk T, b) nie jest caªkowicie sterowalna Mo»na zatem wskaza tak liczb λ R,»e rank λi n (A bk T ) b < n (por przykªad 7) Na tej podstawie wnioskujemy o istnieniu wektora n v R n, dla którego zachodzi v T λi n (A bk T ) b = (n+) A to oznacza, i» v T (λi n A) = n oraz v T b = W konsekwencji otrzymujemy zaprzeczenie zaªo»enia o caªkowitej sterowalno±ci pary (A, b) Warto±ci wªasne macierzy A bk T mog by dowolnie ksztaªtowane, w szczególno±ci macierz ta mo»e posiada wielokrotne warto±ci wªasne Macierz A bk T musi by macierz prost (cykliczn ), której kanoniczna posta Jordana charakteryzuje si tym,»e ka»dej wielokrotnej warto±ci wªasnej odpowiada tylko jedna klatka Zadanie 2 Obiekt dynamiczny o jednym wej±ciu u(t) opisany jest równaniem ẋ(t) = Ax(t) + bu(t), gdzie x(t) R n oznacza wektor stanu Oblicz warto±ci wªasne spectr A macierzy stanu tego obiektu Nast pnie, zakªadaj c dost pno± wszystkich wspóªrz dnych wektora stanu oraz posªuguj c si dowoln ze znanych metod, wyznacz taki wektor k R n wspóªczynników sprz»enia zwrotnego u(t) = k T x(t), przy którym macierz

12 2 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) stanu zamkni tego ukªadu sterowania rozwa»anym obiektem posiada zadane warto±ci wªasne: spectr (A bk T ) = {λ i } n i= Rozpatrz nast puj ce przypadki: 3 a) A = b) A = 5 c) A = 3 d) A = 2 2 e) A = 3 9 f) A = g) A = 2 h) A = i) A = j) A = k) A = l) A =, b =, b =, b =, b =, b =, b =, b = , b =, {λ i } 2 i= = { 6, 6};, {λ i } 2 i= = { 4, 3};, {λ i } 2 i= = {, 5};, {λ i } 2 i= = { 2, 2};, {λ i } 2 i= = { 8, 8}, { 6, 6};, {λ i } 2 i= = { 5 ± j32};, {λ i } 2 i= = { 3, 2};, b =, b =, b = ,, b = {λ i } 4 i= = { 5, 5, 4, 4},,, {λ i } 3 i= = { 2,, 5}; {λ i } 3 i= = { 8, 8, 8}; {λ i } 3 i= = { 5, 5, 4}; {λ i } 3 i= =, { 5, 4, 3}, {, 8, 6};

13 STEROWANIE OBIEKTAMI SISO 3 Odpowied¹ We wszystkich rozpatrywanych przypadkach pary (A, b) s caªkowicie sterowalne (w przypadkach h oraz k pary te maj form kanoniczn sterowaln ) Odpowiednie rozwi zania maj posta : a) spectr A = { 3, 2}, k = 23 6 T ; b) spectr A = {, }, k = T ; c) spectr A = { 4, 4}, k = T ; d) spectr A = {, }, k = 6 5 T ; T 43 6, e) spectr A = { 4, 3}, k = T ; f) spectr A = {±j}, k = 9924 T ; g) spectr A = { 2, }, k = 4 4 T ; h) spectr A = {5,, 2}, k = 2 7 T ; i) spectr A = { 4, 2, 4}, k = T ; j) spectr A = { 3, 2, }, k = 8 T ; T , k) spectr A = {, 2, 3}, k = T ; l) spectr A = {,, 2, 2}, k = T Zadanie 22 Obiekt dynamiczny opisany równaniami (7) oraz (8) sterowany jest w ukªadzie zamkni tym pokazanym na rys 2, zachodzi przy tym: A R n n, b R n oraz c R n Oszacuj wspóªrz dne wektora k = k T k n+ T R n+ nastawialnych parametrów, które zapewniaj macierzy stanu tego ukªadu zaªo»one warto±ci wªasne {λ i } n+ i= Wyznacz operatorow transmitancj G ry (s) Y (s)/r(s) tak uzyskanego ukªadu sterowania Zadanie obejmuje nast puj ce przypadki: a) A = , b = {λ i } 3 i= = { 2, 2, 2}; b) A =, b = 3 4 {λ i } 3 i= = { 4, 4, 4}; 3, c = 2, c =,,

14 4 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) c) A = 2 3, b = {λ i } 3 i= = { 3, 3, 3}; 2 d) A =, b = 2 {λ i } 3 i= = { 4, 2, 2}; 2 e) A = 2, b = {λ i } 3 i= = { 6, 6, 4, 4}; 5 5 f) A = 5 5, b = 5 5 {λ i } 3 i= = { 4, 4, 3, 2} 2, c =, c = 3,,, c = 2 2, c = Odpowied¹ Rozwi zania, odpowiadaj ce rozwa»anym przypadkom, maj posta :, 2 2 a) spectr A = { 2, 2}, k = T Y (s) R(s) = 8 8s 8 + 2s + 6s 2 + s 3 ; b) spectr A = { 3, }, k = T Y (s) R(s) = s + 2s 2 + s 3 ; c) spectr A = {, 2}, k = T Y (s) R(s) = 27 45s s + 9s 2 + s 3 ; d) spectr A = { 2, }, k = T Y (s) R(s) = 6 6s 6 + 2s + 8s 2 + s 3 ; e) spectr A = { 2,, } k = T Y (s) R(s) = s 864s s + 48s 2 + 2s 3 + s 4 ; f) spectr A = { 5,, },

15 STEROWANIE OBIEKTAMI SISO 5 k = T Y (s) R(s) = s + 92s s + 62s 2 + 3s 3 + s 4 Zadanie 23 Obiekt dynamiczny opisany równaniami (7) oraz (8) sterowany jest w ukªadzie zamkni tym pokazanym na rys 23 Wyznacz wspóªrz dne wektorów k oraz m, które zapewni temu ukªadowi wymagan posta transmitancji operatorowej G cr (s) C(s)/R(s) Obliczenia przeprowad¹ dla nast puj cych przypadków: a) A = , b = C(s) R(s) = 2( + s) 2 (4 + s)(5 + s)(6 + s) ; b) A =, b = c) A = d) A = C(s) R(s) = 26 (6 + s) 3 ; C(s) R(s) = 4(5 + s) 2 (4 + s) 2 (8 + s) 2 ; 2 3 3, b =, b = C(s) R(s) = 25( + s) 2 (5 + s) 2 ( + s) 2 = 25 (5 + s) 2 Odpowied¹ Rozwi zania dano poni»ej: a) k = , m = , c =, c =, c = ;, c =, 9,,,

16 6 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) b) k = c) k = d) k = , m =, m =, m = ; ; W przypadkach b oraz d para (A, c T ) nie jest caªkowicie obserwowalna, ponadto w przypadku d para (A bk T, (c + m) T ) nie jest tak»e caªkowicie obserwowalna 2 Synteza obserwatorów stanu Przykªad 22 Autonomiczny obiekt dynamiczny o wektorze stanu x(t) R n oraz jednym wyj±ciu y(t) R opisany jest modelem ẋ(t) = Ax(t) oraz y(t) = c T x(t) Obserwator stanu o peªnym rz dzie (por rys 24) dany jest w tym przypadku równaniem ˆx(t) = Aˆx(t) + le y (t) w którym ˆx(t) R n oznacza oszacowanie stanu, e y (t) = y(t) ŷ(t) jest bª dem oceny wyj±cia obiektu ŷ(t) = c T ˆx(t) R, za± l R n jest wektorem wspóªczynników sprz»enia zwrotnego (wzmocnieniem obserwatora) Obowi zuje zatem wzór ˆx(t) = A oˆx(t) + ly(t) () któremu odpowiada równanie ewolucji bª du oszacowania stanu e x (t) = x(t) ˆx(t) R n ė x (t) = A o e x (t), e x () () gdzie A o R n n oznacza macierz stanu obserwatora, dan wzorem A o = A lc T (2) Kªad c a) A =, c = ;

17 2 OBSERWATORY STANU 7 Rys 24 Przykªad 22: schemat obserwatora stanu autonomicznego obiektu o jednym wyj±ciu b) A = , c = a nast pnie posªuguj c si metod Ackermanna, wyznacz wspóªrz dne wektora l, zapewniaj cego macierzy stanu obserwatora zadane warto±ci wªasne: a) {λ i } 2 i= = {, }, b) {λ i} 4 i= = { 6, 6, 6} Rozwi zanie Metoda Ackermanna, zastosowana do obiektu o caªkowicie obserwowalnej parze macierzy (A, c T ), pozwala na dowolne uksztaªtowanie wszystkich warto±ci wªasnych macierzy stanu obserwatora A o Odpowiednia formuªa gªosi,»e l = ϕ Ao (A)M o e n (3) gdzie M o R n n oznacza macierz obserwowalno±ci pary (A, c T ), ϕ Ao (A) R n n jest warto±ci przyjmowan przez wielomian charakterystyczny obserwatora dla macierzowego argumentu A, za± e n = T R n jest wektorem jednostkowym Niech {λ i } n i= b dzie zbiorem zadanych warto±ci wªasnych macierzy A o Wielomian charakterystyczny tej macierzy wynika zatem ze wzoru ϕ Ao (λ) = det (λi n A o ) = n i= (λ λ i) Warunkiem stosowalno±ci wzoru (3) jest odwracalno± macierzy M o Zauwa»my,»e rozwi zuj c ukªad równa«liniowych M o a = e n, mo»na wyznaczy pomocniczy wektor a R n, który nast pnie wykorzystuje si zgodnie ze wzorem l = ϕ Ao (A)a Post powanie takie pozwala unikn odwracania macierzy M o

18 8 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) Jak ªatwo sprawdzi, w obu rozpatrywanych przypadkach mamy do czynienia z niestabilnym obiektem: w przypadku a zachodzi spectr A = {, }, za± w przypadku b, odpowiednio, spectr A = {, 5, } a) W tym przypadku mamy M o = Para (A, c T ) jest zatem caªkowicie obserwowalna Poniewa» ϕ Ao (λ) = (λ λ )(λ λ 2 ) = + 2λ + λ 2, przeto, korzystaj c ze wzoru (3), otrzymujemy l = = ( = b) Drugi przypadek dotyczy macierzy M o = ) oraz ϕ Ao (λ) = 3 i= (λ λ i) = 26+8λ+8λ 2 +λ 3 Poniewa» rank M o = 3, zatem para (A, c T ) jest caªkowicie obserwowalna Ponadto zachodzi ϕ Ao (A) = Z ukªadu równa«m o a = e n otrzymujemy a = 2 T Wektor wspóªczynników sprz»enia zwrotnego obserwatora ma zatem posta l = T Przykªad 222 Obiekt dynamiczny opisany jest równaniami ẋ(t) = Ax(t) oraz y(t) = c T x(t), gdzie: A = , c = 2 5

19 2 OBSERWATORY STANU 9 Posªuguj c si metod transformacji przyporz dkowuj cej danej parze (A, c T ) par podobn o postaci kanonicznej obserwowalnej, wyznacz wspóªrz dne wektora l sprz»enia zwrotnego, deniuj cego obserwator stanu o peªnym rz dzie, które zapewni macierzy stanu tego obserwatora zadane warto±ci wªasne { 3, 4, 6} Rozwi zanie Zadanie rozwi zuje si w sposób analogiczny do przedstawionego w przykªadzie 22 W tym celu wykorzystuje si macierz T o R n n dan wzorem T o = (W M o ) (4) b d c macierz relacji podobie«stwa, przyporz dkowuj cego danej caªkowicie obserwowalnej parze (A, c T ) par (Â, ĉt ) = (To AT o, c T T o ) o postaci kanonicznej obserwowalnej, w której  jest transponowan macierz Frobeniusa, za± Rn n ĉ = e n R n jest odpowiednim wektorem jednostkowym  = a a a 2 a n, ĉ = Macierz M o R n n, wyst puj ca we wzorze (4), oznacza macierz obserwowalno±ci pary (A, c T ), a symetryczna macierz górna antytrójk tna W R n n dana wzorem (6) jest odwrotno±ci macierzy obserwowalno±ci pary ˆM o (Â, ), ĉt W = zale»no± : T o = Mo ˆM o Wektor wzmocnie«obserwatora dany jest formuª R n n Obowi zuje zatem nast puj ca u»yteczna l = T oˆl w której wektor ˆl = α a α n a n T R n jest wektorem resztowym, b d cym wynikiem porównania wielomianów charakterystycznych, odpowiednio, macierzy stanu obserwatora ϕ Ao (λ) = det (λi n A o ) = n i= (λ λ i) = n i= α iλ i oraz macierzy stanu obiektu ϕ A (λ) = det (λi n A) = n i= a iλ i, przy czym {λ i } n i= jest zbiorem zadanych warto±ci wªasnych macierzy stanu obserwatora (2) Tak post puj c, po sprawdzeniu obserwowalno±ci pary (A, c T ), uzyskano: T o = oraz l =

20 2 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) Przykªad 223 Niech (7) oraz (8), gdzie A R n n, b R n oraz c = T R n, bedzie modelem w przestrzeni stanu pewnego obiektu dynamicznego Jak widzimy, pierwsza wspóªrz dna x (t) R wektora stanu x(t) = x (t) x(t) T T R n tego obiektu jest pomiarowo 'bezpo±rednio' dost pna Podaj równania opisuj ce algorytm obserwatora pozostaªych wspóªrz dnych x(t) R n wektora stanu Wyznacz posta takiego obserwatora o zredukowanym (minimalnym) rz dzie w przypadku, gdy A = 6 6, b =, c = za± wymagane warto±ci wªasne macierzy stanu obserwatora to {λ, λ 2 } = { 2 ± j2 3} Rozwi zanie Kªad c A A A = 2 A 2 A 22 b, b = b gdzie A R, A 2 R (n ), A 2 R n, A 22 R (n ) (n ), b R oraz b R n, otrzymujemy równanie ewolucji wektora x(t) ẋ(t) = A 22 x(t) + (A 2 x (t) + bu(t)) oraz odpowiednie równanie 'obserwacji' tego wektora ẋ (t) A x (t) b u(t) = A 2 x(t) Wynikaj ce st d równanie obserwatora o wzmocnieniu l R n ma posta ˆx(t) = (A 22 la 2 )ˆx(t) + A 2 x (t) + bu(t) + l(ẋ (t) A x (t) b u(t)) gdzie ˆx(t) R n jest oszacowaniem wektora x(t) Jak ªatwo sprawdzi, obowi zuje równo± ˆx(t) lẋ (t) = (A 22 la 2 )(ˆx(t) lx (t)) + ((A 22 la 2 )l + A 2 la )x (t) + (b lb )u(t) Niech zatem z(t) R n b dzie pomocniczym sygnaªem, zdeniowanym jak nast puje z(t) = x(t) lx (t)

21 2 OBSERWATORY STANU 2 Rówanie opisuj ce ewolucj oszacowania ẑ(t) = ˆx(t) lx (t) R n tego sygnaªu dane jest przeto wzorem ẑ(t) = (A 22 la 2 )ẑ(t) + (5) ((A 22 la 2 )l + A 2 la )y(t) + (b lb )u(t) Bª d e x (t) = x(t) ˆx(t) R n oszacowania wektora x(t) wyra»a si jako e x (t) = e z (t) = z(t) ẑ(t) Z faktu,»e ˆx(t) = (A 22 la 2 )ˆx(t) + A 2 y(t) + bu(t) + la 2 x(t), wynika nast puj ce równanie ė z (t) = A o e z (t), e z () charakteryzuj ce zachowanie si tego bª du, gdzie A o R (n ) (n ) jest macierz zdeniowan wzorem A o = A 22 la 2 (6) Jak zatem widzimy, zadanie syntezy obserwatora o zredukowanym rz dzie jest równowa»ne zadaniu 'stabilizacji macierzy' A o, spectr A o C (por (2)) Koniecznym i wystarczaj cym warunkiem istnienia rozwi zania tego zadania jest przeto sterowalno± (wykrywalno± ) pary (A 22, A 2 ) Bior c pod uwag,»e ˆx(t) = ẑ(t)+ly(t), otrzymujemy poszukiwany wzór na oszacowanie ˆx(t) R n wektora stanu ˆx(t) = (n ) I n ẑ(t) + l y(t) (7) Schemat strukturalny rozwa»anego obserwatora o minimalnym rz dzie pokazano na rys 25, gdzie F z = A o R (n ) (n ) (n ) G xz = R n (n ) I n g zy = A o l + A 2 la R n g zu = b lb R n g xy = R n l W naszym przypadku mamy: A =, A 2 =, A 2 = 6, A 22 = 6

22 22 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) Rys 25 Przykªad 223: schemat zredukowanego obserwatora stanu obiektu SISO b =, b = Macierz obserwowalno±ci pary (A 22, A 2 ) przyjmuje tu posta macierzy jednostkowej M o = A 2 A 2 A 22 = z czego wynika, i» para ta jest caªkowicie obserwowalna Wektor wzmocnie«obserwatora l R 2 wyznaczamy zgodnie z formuª Ackermanna (3) l = ϕ Ao (A 22 )M o w której wielomian macierzowy ϕ Ao (A 22 ) odpowiada zaªo»onym warto±ciom wªasnym macierzy stanu tego obserwatora St d ϕ Ao (A 22 ) = 6A A 22 + A 2 22 = l = Stosuj c wzory (5) oraz (7), otrzymujemy poszukiwane równania obserwatora o minimalnym rz dzie ẑ(t) = ẑ(t) y(t) + u(t)

23 2 OBSERWATORY STANU 23 ˆx(t) = ẑ(t) y(t) Wyznaczmy dla rozwa»anego obiektu obserwator o peªnym rz dzie, przyjmuj c jako warto±ci wªasne macierzy stanu A o R n n takiego obserwatora (2) liczby 2 ± j2 3 oraz 5 Jak ªatwo zauwa»y, macierz obserwowalno±ci pary (A, c T ) jest macierz jednostkow I 3 Wektor wzmocnie«obserwatora l R 3 obliczamy tak»e w oparciu o metod Ackermanna, która w tym przypadku daje gdzie l = ϕ Ao (A) ϕ Ao (A) = 8A + 36A + 9A 2 + A 3 = Na tej podstawie otrzymujemy l = co prowadzi do nast puj cego modelu obserwatora o peªnym rz dzie (por wzór () ˆx(t) = ˆx(t) y(t) + u(t) Taki sam wynik uzyskamy, stosuj c 'bezpo±redni ' metod obliczania wspóªrz dnych wektora l = l l 2 l 3 T z równania det(λi 3 (A lc T )) = ϕ Ao (λ) Rozwi zaniem tak uzyskanego ukªadu równa«jest wy»ej podany wektor l l = 3 6l + l 2 = 25 l + 6l 2 + l 3 = 74

24 24 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) Na zako«czenie porównajmy wªasno±ci obu rozwa»anych obserwatorów stanu Niech x() = T oraz ˆx() = T, co czyni e x () = T Ker c T oraz e x () = T, gdzie e x (t) = x(t) ˆx(t) oznacza bª d oszacowania stanu Ewolucj tego bª du opisuj wzory (por rys 26): obserwator o peªnym rz dzie e x (t) = exp obserwator o minimalnym rz dzie e x (t) = ( exp t e x () ) t e x () Rys 26 Przykªad 223: ilustracja bª dów estymacji stanu Zadanie 22 Obiekt dynamiczny opisany jest równaniami ẋ(t) = Ax(t) oraz y(t) = c T x(t), w których: A = , c = 2

25 2 OBSERWATORY STANU 25 W oparciu o metod transformacji przyporz dkowuj cej parze (A, c T ) par podobn o postaci kanonicznej obserwowalnej nale»y wyznaczy taki wektor l sprz»enia zwrotnego obserwatora o peªnym rz dzie, który zapewni macierzy stanu tego obserwatora warto±ci wªasne = { 5, 5, 2 ± j2 3} Odpowied¹ Po stwierdzeniu obserwowalno±ci pary (A, c T ), wyznaczono: T o = , l = gdzie T o jest macierz relacji podobie«stwa, przyporz dkowuj cego danej caªkowicie obserwowalnej parze (A, c T ) par o postaci kanonicznej obserwowalnej Zadanie 222 Model obiektu dynamicznego o jednym wyj±ciu y(t) dany jest równaniami ẋ(t) = Ax(t) oraz y(t) = c T x(t), gdzie x(t) R n jest wektorem stanu Obserwator stanu o peªnym rz dzie opisany jest równaniem (), w którym l R n oznacza wektor wspóªczynników odpowiedniego sprz»enia zwrotnego Oblicz warto±ci wªasne macierzy A, a nast pnie posªuguj c si dowoln znan metod wyznacz wspóªrz dne takiego wektora l, którym odpowiada macierz stanu obserwatora A o R n n (zob (2)) o zadanych warto±ciach wªasnych: spectr A o = {λ i } n i= Rozwa» nast puj ce przypadki: 2 a) A = 2 b) A = 5 c) A = 3 2 d) A = 3 9 e) A = f) A = 2, c =, c =, c =, c =, c = , c =, {λ i } 2 i= = { 9, };, {λ i } 2 i= = { 5, 5};, {λ i } 2 i= = {, 5};, {λ i } 2 i= =, {λ i } 2 i= =, {λ i } 2 i= = { 3, 4}, { 6, 8}; { 2, 2}, { 2 ± j2}; { 2, 2}, { 2, 8}, { 8, 8};

26 26 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) g) A = h) A = i) A = j) A = k) A = l) A = , c =, c =,, c =, c =, c = {λ i } 4 i= = { 5, 4, 3, 2} 2 2, {λ i } 3 i= =,, c = {λ i } 3 i= =, {λ i } 3 i= =, {λ i } 3 i= = {λ i } 3 i= = 2, { 4, 4, }, { 4 ± j2, }; { 8, 8, 8}, { 8 ± j3, 8}; { 3, 3, 3}, { 6, 3, 3}, { 6, 6, 3}, { 6, 6, 6}; { 4, 2, }, { 4, 4, 2}, { 4, 4, 4}, { 5, 5, 5}; { 5, 4, 3}, { 5, 2, 9}; Odpowied¹ We wszystkich rozpatrywanych przypadkach pary (A, c T ) s caªkowicie obserwowalne (w przypadkach g oraz k pary te maj posta kanoniczn obserwowaln ) Odpowiednie rozwi zania dane s poni»ej: a) spectr A = {, 2}, l = 2 46 T ; b) spectr A = {, }, l = 2 3 T ; c) spectr A = {4, 4}, l = T ; T, d) spectr A = { 4, 3}, l = T 4 ; e) spectr A = {±j}, l = 22 4 T, 3 2 T ;

27 3 SYNTEZA REGULATORÓW ZE SPRZ ZENIEM OD STANU 27 f) spectr A = { 2, }, l = 75 5 T, T, T ; g) spectr A = {36 ± j2432, 5278}, l = T, T ; h) spectr A = { 4, 2, 4}, l = T, T ; i) spectr A = { 3, 2, }, l = T, 4 T, 35 6 T, T ; j) spectr A = { 4,, 2}, l = T 2, T , T 5, T ; k) spectr A = {, 2, 3}, l = T, T ; l) spectr A = {,, 2, 2} l = T 3 Synteza regulatorów ze sprz zeniem od stanu Przykªad 23 Obiekt opisany równaniami ẋ(t) = Ax(t) + Bu(t) oraz y(t) = Cx(t), gdzie x(t) R n jest wektorem stanu, u(t) R p oznacza sygnaª pobudzaj cy, za± y(t) R q jest wyj±ciem tego obiektu, jest sterowany w ukªadzie zamkni tym pokazanym na rys 27 Ma my tu zatem do czynienia z liniowym (anicznym) sprz»eniem od wyj±cia obiektu za po±rednictwem oszacowania stanu ˆx(t) dostarczanego przez obserwator o peªnym rz dzie Zakªadaj c zerow warto± zmiennej referencyjnej r x (t), wyznacz model w przestrzeni stanu ukªadu zamkni tego dla zmiennych stanu x(t) oraz e x (t) = x(t) ˆx(t) Sformuªuj warunek stabilno±ci tego ukªadu

28 28 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) Rys 27 Przykªad 23: schemat ukªadu sterowania ze sprz»eniem od wyj±cia obiektu poprzez obserwator o peªnym rz dzie Rozwi zanie Kªad c u(t) = K ˆx(t), otrzymujemy ẋ(t) = Ax(t) BK ˆx(t) Bior c pod uwag,»e ˆx(t) = x(t) e x (t), zapisujemy równanie ẋ(t) = (A BK)x(t) + BKe x (t) Na tej podstawie, uwzgl dniaj c stosowne równanie ró»niczkowe opisuj ce ewolucj bª du oszacowania stanu e x (t) (por wzory () oraz (2)), wyznaczamy nast puj cy model rozwa»anego zamkni tego ukªad sterowania ẋ(t) ė x (t) = A BK BK x(t) n n A LC e x (t) y(t) = C q n x(t) e x (t), x() e x () Koniecznym i wystarczaj cym warunkiem asymptotycznej stabilno±ci tego ukªadu jest speªnienie inkluzji spectr (A BK) spectr (A LC) C Problem syntezy sterowania rozwi zuje si zatem projektuj c w sposób 'autonomiczny' odpowiedni regulator od stanu oraz odpowiedni obserwator stanu Zauwa»my,»e ukªad zamkni ty mo»na opisa podobnym modelem w przestrzeni stanu ẋ(t) ˆx(t) = A BK LC A BK LC y(t) = C q n x(t) ˆx(t) x(t) ˆx(t), x() ˆx(t)

29 3 SYNTEZA REGULATORÓW 29 Relacj podobie«stwa mi dzy podanymi modelami opisuje wzór x(t) e x (t) In = n n I n I n x(t) ˆx(t) Zadanie 23 Obiekt SISO opisany modelem w przestrzeni stanu w postaci równa«(7) oraz (8), gdzie A = 26, b =, c = sterowany jest w ukªadzie zamkni tym o schemacie pokazanym na rys 28 Rys 28 Zadanie 23: schemat ukªadu sterowania obiektem SISO ze sprz»eniem od wyj±cia obiektu poprzez obserwator o peªnym rz dzie Wyznacz wektor wzmocnienia l R 2 obserwatora stanu o peªnym rz dzie zapewniaj cy spectr (A lc T ) = { 8, 8} oraz wektor liniowego sprz»enia stabilizuj cego k R 2, dla którego spectr (A bk T ) = { 8 ± j24} Poka»,»e rozwa»any ukªad zamkni ty mo»na opisa, przyjmuj c odpowiednie modele wej±ciowo-wyj±ciowe jak na rys 29, gdzie G p (s) oznacza operatorow transmitancj sterowanego obiektu, za± G r (s) jest transmitancj równowa»nego regulatora (korektora szeregowego) Okre±l transmitancj tego regulatora

30 3 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) Rys 29 Zadanie 23: schemat ukªadu sterowania z korektorem szeregowym Odpowied¹ Parametry regulatora od stanu oraz obserwatora stanu wynosz, odpowiednio k = T, l = T Tak du»e wzmocnienie l wynika z» danej szybkiej reakcji obserwatora Jak ªatwo zauwa»y, dla oszacowania stanu ˆx(t) obowi zuje równanie ˆx(t) = (A bk T lc T )ˆx(t) + ly(t) Transmitancja równowa»nego korektora szeregowego ma zatem posta G r (s) = k T (si 2 A + bk T + lc T ) l = s s + s 2 W ogólym przypadku ukªadu sterowania ze sprz»eniem od wyj±cia obiektu za po±rednictwem obserwatora o peªnym rz dzie (rys 27) operatorowy model odpowiedniego korektora szeregowego dany jest wzorem A BK LC L G r (s) = K q p W celu sprawdzenia wykonanych rachunków wyznaczymy jeszcze równanie charakterystyczne ukªadu zamkni tego z rys 28 Jak si okazuje, zgodnie z oczekiwaniem, zachodzi s + 36s s 3 + s 4 = (9 + 36s + s 2 )(64 + 6s + s 2 ) Zadanie 232 Obiekt SISO o modelu w przestrzeni stanu, wyznaczonym przez równania (7) oraz (8), gdzie A R n n, podlega sterowaniu w ukªadzie zamkni tym w oparciu o oszacowanie stanu dostarczane przez obserwator o minimalnym rz dzie (rys 2, oznaczenia zgodne z przykªadem 223) Wyznacz modele w przestrzeni stanu autonomicznego ukªadu zamkni tego (r x (t) ), przyjmuj c jako zmienne stanu par (x(t), e z (t)) oraz par (x(t), ẑ(t)) Nast pnie rozwi» zadanie 23 przy zaªo»eniu sprz»enia zwrotnego, w którym stosuje si zredukowany obserwator stanu o macierzy z warto±ci wªasn λ = 8

31 3 SYNTEZA REGULATORÓW 3 Rys 2 Zadanie 232: schemat ukªadu sterowania obiektem SISO ze sprz»eniem od wyj±cia obiektu poprzez obserwator o o minimalnym rz dzie Odpowied¹ Modele w przestrzeni stanu maj posta oraz ẋ(t) ẑ(t) ẋ(t) ė z (t) przy czym = = A bk T bk T (n ) n F z y(t) = c T n x(t) e z (t) x(t) e z (t) A bk T g xy c T bk T (g zy g zu k T g xy )c T F z g zu k T y(t) = c T n x(t) ẑ(t) k = k k, x(t) ẑ(t) x() e z (), x() ẑ() Relacj podobie«stwa mi dzy tymi modelami charakteryzuje wzór x(t) e z (t) I = n l I n I n n (n ) x(t) ẑ(t) Operatorowy model odpowiedniego korektora szeregowego (rys 29) dany jest wzorem Fz g G r (s) = zu k T g zy g zu (k + k T l) k T k + k T l

32 32 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) Poszukiwany obserwator o minimalnym rz dzie charakteryzuje si wzmocnieniem l = 8, za± stosowny korektor szeregowy ma w tym przypadku posta czªonu forsuj cego faz G r (s) = s 6 + s 4 Synteza regulatorów i obserwatorów dla obiektów MIMO Przykªad 24 Niech ẋ(t) = Ax(t) + Bu(t), x() (8) b dzie modelem pewnego obiektu dynamicznego, gdzie A R n n, za± B R n p jest macierz o peªnym kolumnowym rz dzie rank B = p, przy czym < p < n Sterowanie tym obiektem w ukªadzie zamkni tym, przy zaªo»eniu peªnej wiedzy o stanie x(t), jest podporz dkowane liniowemu przepisowi u(t) = Kx(t) (9) Nale»y wyznaczy takie elementy macierzy wzmocnie«k R p n zastosowanego regulatora, aby macierz stanu ukªadu zamkni tego A c R n n, dana wzorem A c = A BK (2) posiadaªa zadane warto±ci wªasne spectr A c = {λ i } n i= Dla uproszczenia zakªada si,»e A c jest macierz diagonalizowaln oraz {λ i } n i= Rozwa» nast puj ce przypadki modeli obiektów (8) o dwóch R (p = 2) torach sterowania: a) A = b) A = , B = 2, B =, 2 {λ i } 4 i= = { 5, 2,, } {λ i } 3 i= = { 6, 4, 4};

33 4 STEROWANIE OBIEKTAMI MIMO 33 Rozwi zanie Macierz B R n p o peªnym kolumnowym rz dzie przedstawiamy jako (2) B = B B I p (n p) p przy czym kolumny pomocniczej podmacierzy B R n (n p) dobieramy w taki sposób, aby rank B B = n, co oznacza,»e Im B Im B = R n Reprezentacja (2) macierzy B nie jest oczywi±cie jednoznaczna Zapiszmy B B = B B (22) gdzie B R p n oraz B R (n p) n Jak zatem ªatwo zauwa»y, Im B Ker B Z kolei, niech a R n b dzie dowolnym wektorem z przestrzeni Ker B Z równo±ci BB + BB = I n wynika,»e BB a = a Zachodzi przeto Ker B Im B Na tej podstawie wnioskujemy,»e Ker B = Im B Wygodnie jest poªo»y co daje (zob dodatek) Im B = Im B = Ker B T B = B + = (B T B) B T, B = B + = ( B T B) BT (23) Omawiana metoda syntezy regulatora opiera si na zaªo»eniu,»e istnieje taka nieosobliwa macierz podobie«stwa (macierz parametrów) P R n n, dla której P A c P = Λ (24) gdzie Λ = diag {λ i } n i= Rn n jest odpowiedni macierz diagonaln Ze wzorów (2), (2) oraz (24) wyznaczamy poszukiwan macierz wzmocnie«regulatora B (A P ΛP ) (25) oraz ukªad równa«na macierz parametrów B (A P ΛP ) = (n p) n (26) Powy»szy wzór mo»na interpretowa jako pewne ograniczenie naªo»one na t macierz Im (A P ΛP ) Im B Podana inkluzja stanowi zatem konieczny warunek istnienia rozwi zania zadania rozmieszczania warto±ci wªasnych Oczekujemy ponadto, i» rank (A

34 34 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) P ΛP ) p Na podstawie wzoru (25) wnioskujemy,»e standardowy wska¹nik uwarunkowania macierzy κ(p ) = P 2 P 2 = σ max (P )/σ min (P ) mo»e sªu»y jako dogodna miara numerycznej wra»liwo±ci rozwa»anej metody syntezy regulatora Wyró»niaj c w macierzy P kolumny p i R n, P = p p n, wzór (26) zapisujemy jako p i Ker B (A λ i I n ), i {,, n} (27) Jak ªatwo zauwa»y, nierówno± dim Ker B (A λ i I n ) > jest zawsze speªniona, i mamy bowiem (zob dodatek) dim Ker B (A λ i I n ) = p + dim (Im B T Ker (A λ i I n ) T ) = dim Ker (A λ i I n ) + dim (Im B Im (A λ i I n )) Gdy λ i spectr A, wtedy Ker (A λ i I n ) T = { n } oraz Im (A λ i I n ) = R n Oznacza to,»e maksymalna dopuszczalna algebraiczna krotno± takiej zadanej warto±ci wªasnej λ i nie mo»e przekracza liczby wej± steruj cych p Dla warto±ci wªasnej λ i spectr A mo»na» da krotno±ci wi kszej od p tylko wtedy, gdy przekrój Im B T Ker (A λ i I n ) T nie jest trywialn przestrzeni zerow Zbiór wektorów parametrów {p i } n i= musi by zbiorem liniowo niezale»nym Nale»y zatem podkre±li,»e wymaganie liniowej niezale»no±ci podzbioru takich wektorów, które odpowiadaj zadanej wielokrotnej warto±ci wªasnej macierzy stanu ukªadu zamkni tego jest warunkiem koniecznym, lecz nie wystarczaj cym, istnienia rozwi zania rozwa»anego zadania rozmieszczania warto±ci wªasnych W ogólnym przypadku zadanych warto±ci wªasnych {λ i } n i= koniecznym warunkiem istnienia tego rozwi zania jest zachowanie sterowalno±ci pary (A, B) (patrz wzory (2) oraz (24) a tak»e przykªad xxxx) Przypadek a dotyczy obiektu niestabilnego, w którym spectr A = { 2, 2, 2} Przyst puj c do wyznaczania macierzy wzmocnie«k R 2 3 sprz»enia od stanu, zauwa»my przede wszystkim, i» niezb dne jest u»ycie dwóch (p = 2) dost pnych torów sterowania, gdy» pary (A, B(:, )) oraz (A, B(:, 2)) zwi zane z modelami ukªadów zamkni tych, w których do sterowania wykorzystuje si tylko jeden tor nie s caªkowicie sterowalne Jak ªatwo bowiem sprawdzi, odpowiednie macierze sterowalno±ci maj posta : M c =

35 4 STEROWANIE OBIEKTAMI MIMO 35 M c = 2 4, M c2 = za± rank M c = 3, rankm c = oraz rankm c2 = 2 Ze wzgl du na prostot macierzy B, ªatwo znajdujemy przykªadow wymagan reprezentacj (2), w której B = T Zgodnie ze wzorem (23) mamy: B = 5 Dla zakªadanych warto±ci wªasnych zachodzi:, B = B (A λ I 3 ) = 8 B (A λ 2 I 3 ) = 6 Przykªadowe liniowo niezale»ne wektory nale» ce do odpowiednich przestrzeni zerowych (por wzór (27)) to: p = 8, p 2 =, p 3 = Warto podkre±li,»e w przypadku podwójnej warto±ci wªasnej λ 2 = λ 3 niezb dne jest wyznaczenie dwóch liniowo niezale»nych wektorów p 2 oraz p 3 z przestrzeni Ker B (A λ 2 I 3 ) Macierz P R 3 3 ma zatem posta P = 8 6 6, κ(p ) = 598 Macierz wzmocnie«regulatora obliczamy ze wzoru (25), otrzymuj c Sprawd¹my powy»szy wynik, obliczaj c P (A BK)P = 6 4 4

36 36 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) W przypadku b tak»e mamy do czynienia z obiektem niestabilnym (spectr A = { 7, 7, 4, 4}) oraz potrzeb u»ycia dwóch torów sterowania Przyjmijmy nast puj c (przykªadow ) posta macierzy B R 4 2, wyst puj c we wzorze (2) B = W konsekwencji, zgodnie ze wzorem (22), mamy B = 2, B = Zauwa»my,»e przy takim wyborze macierzy B nie obowi zuje interpretacja podmacierzy B oraz B dana wzorem (23) Na tej podstawie wyznaczamy potrzebne macierze B (A λ i I 4 ): i = : i = 2 : i = 3, 4 : Przykªadowe bazy przestrzeni Ker B (A λ i I 4 ) maj posta (wybrano reprezentacje caªkowitoliczbowe): i = : span i = 2 : span i = 3, 4 : span,,,

37 4 STEROWANIE OBIEKTAMI MIMO 37 Odpowiedni macierz parametrów P okre±la zatem wzór P = Wska¹nik uwarunkowania tej macierzy κ(p ) = 34 2 W efekcie, korzystaj c ze wzoru (25), otrzymujemy macierz wzmocnie«regulatora Taki sam wynik uzyskamy, stosuj c przykªadowe, ªatwe do wyznaczenia i lepiej uwarunkowane ('wyskalowane'), macierze parametrów: P = P = , κ(p ) = , κ(p ) = Przykªad 242 Rozwa»aj c standardowy problem rozmieszczania warto±ci wªasnych macierzy stanu zamkni tego ukªadu sterowania liniowym obiektem (8), przyjmujemy warunki podane w przykªadzie 24 W szczególno±ci zakªadamy tu caªkowit sterowalno± pary (A, B) modelu tego obiektu Dla dwóch przypadków (a oraz b) modeli sterowanych obiektów, opisanych w przykªadzie 24, wyznaczymy odpowiednie macierze sprz»enia od stanu, zwracaj c przy tym uwag na numeryczne apekty (wra»liwo± ) syntezy takich regulatorów Rozwi zanie Macierz B R n p o peªnym kolumnowym rz dzie mo»na przedstawi w czynnikowej postaci B = U W (n p) p (28) gdzie U = U U R n n jest macierz ortonormaln o podmacierzach U R n p oraz U R n (n p), za± W R p p jest stosown macierz

38 38 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) nieosobliw Zachodzi przy tym Im U = Im B, przy czym kolumny podmacierzy U tworz ortonormaln baz przestrzeni Im B Powy»sz reprezentacj macierzy B ªatwo jest uzyska w oparciu o rozkªad svd tej macierzy B = U Σ p (n p) p V T w którym V R p p oznacza czynnik ortonormalny, za± Σ p R p p jest nieosobliw macierz diagonaln Tak post puj c, kªadziemy W = Σ p V T Analogicznie jak to uczyniono w przykªadzie 24 zakªadamy,»e istnieje taka nieosobliwa macierz podobie«stwa (macierz parametrów) P R n n, dla której zachodzi równo± P A c P = Λ, gdzie Λ = diag {λ i } n i= Rn n jest odpowiedni macierz diagonaln Na tej podstawie, uwzgl dniaj c wzór (28) oraz fakt,»e U T U = I n, otrzymujemy ukªad równa«w U T (A P ΛP ) (29) U T (A P ΛP ) = (n p) n (3) Ze wzoru (29) wynika formuªa okre±laj ca wzmocnienie regulatora W szczególno±ci mamy W U T (A P ΛP ) (3) V Σ p U T (A P ΛP ) Konieczny warunek istnienia rozwi zania zadania rozmieszczania warto±ci wªasnych ma posta inkluzji Im (A P ΛP ) Im B Obowi zuje tak»e oczywista nierówno± rank (A P ΛP ) p Zapisuj c macierz P z wyró»- nionymi kolumnami p i R n, P = p p n, wzorowi (3) nadajemy posta p i Ker U T (A λ i I n ), i {,, n} (32) Nierówno± dim Ker U T (A λ i I n ) > jest speªniona i (por przykªad 24) dim Ker U T (A λ i I n ) = p + dim (Im U Ker (A λ i I n ) T ) = dim Ker (A λ i I n ) + dim (Ker U T Im (A λ i I n ))

39 4 STEROWANIE OBIEKTAMI MIMO 39 Dla zadanej warto±ci wªasnej λ i, dla której λ i spectr A, maksymalna dopuszczalna algebraiczna krotno± λ i nie mo»e przekracza p Dla zadanej warto±ci wªasnej λ i spectr A mo»na» da krotno±ci wi kszej od liczby wej± steruj cych tylko wtedy, gdy Im U Ker (A λ i I n ) T { n } Jak pami tamy (zob przykªad 24), wymaganie liniowej niezale»no±ci podzbioru wektorów parametrów odpowiadaj cych wymaganej wielokrotnej warto±ci wªasnej macierzy stanu ukªadu zamkni tego jest warunkiem koniecznym, lecz nie wystarczaj cym, istnienia rozwi zania zadania rozmieszczania warto±ci wªasnych da si tu bowiem liniowej niezale»no±ci 'caªego' zbioru wektorów parametrów {p i } n i= Efektywny algorytm wyznaczania kolejnego, (i + )-tego, i {,, n }, wektora p i+ (kolumny macierzy P) polega na wyborze takiego elementu bazy przestrzeni Ker U T (A λ i+ I n ), który byªby liniowo niezale»ny od wszystkich ju» ustalonych wektorów {p j } i j= ( ) p i+ Ker U T (A λ i+ I n ) ( p i+ span {p j } i j=) Numerycznie dogodne kryterium wyboru stosownego wektora z bazy rozwa-»anej przestrzeni zerowej wymaga zatem szacowania k ta α i+ = {Im P i, p i+ } mi dzy 'kandyduj cym' wektorem p i+ a przestrzeni Im P i, gdzie P i = p p i, a nast pnie sprowadza si do doª czenia do kolumn macierzy P i tego wektora bazowego, dla którego ów k t ma najwi ksz warto± (jak wiadomo ortogonalno± wektorów implikuje ich liniow niezale»no± ) Warto przy tym skorzysta ze wzoru cos {Im P i, p i+ } = P Im P i p i+ p i+ w którym P Im Pi = P i P i + oznacza operator rzutowania na przestrze«im P i (por dodatek), za± u»yta norma to norma euklidesowa Dla baz ortonormalnych, wyznaczanych przykªadowo w oparciu o rozkªady svd odpowiednich macierzy, zachodzi oczywi±cie cos {Im P i, p i+ } = P Im Pi p i+ Postulat ortogonalizacji (ortonormalizacji) macierzy P numerycznie wskazany Poprawa uwarunkowania tej macierzy, która jest odwracana we wzorze na K Raz jeszcze podkre±lamy, i» nadrz dn zasad wyboru wektorów bazowych z przestrzeni zerowych kolejnych macierzy U T (A λ i+ I n ) jest d»enie do wyznaczenia zbioru liniowo niezale»nych kolumn macierzy P I ta wªa±nie zasada powinna dominowa nad lokalnie (tylko dla danego i) stosowanym postulatem zapewnienia 'mo»liwie ortogonalnej' postaci macierzy P

40 4 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) Zauwa»my wreszcie,»e dodatkowy stopie«swobody w przedstawionym algorytmie syntezy regulatora wyznacza przyj te uporz dkowanie (permutacja) zbioru zadanych warto±ci wªasnych macierzy stanu ukªadu zamkni tego W przypadku a ªatwo znajdujemy wymagan posta (28) macierzy B B = U U W 2 = Dla zakªadanych warto±ci wªasnych mamy: U T (A λ I 3 ) = 8 2 U T (A λ 2 I 3 ) = 6 Dla podwójnej warto±ci wªasnej λ 2 = λ 3 niezb dne jest wyznaczenie dwóch liniowo niezale»nych wektorów p 2 oraz p 3 nale» cych do przestrzeni Ker U T (A λ 2 I 2 ) Si gaj c po ortonormalne bazy rozwa»anych przestrzeni zerowych (por wzór (32)), uzyskujemy nast puj c macierz parametrów (zob przykªad 24) P = , κ(p ) = 492 co pozwala, zgodnie ze wzorem (3), na obliczenie macierzy wzmocnie«regulatora W przypadku b, rozwa»aj c rozkªad svd macierzy B, B = UΣV T, otrzymujemy: U = U U = Σ = V = Σ p (n p) p = 22367

41 4 STEROWANIE OBIEKTAMI MIMO 4 a w konsekwencji mamy W = Na tej podstawie wyznaczamy macierze U T (A λ i I 4 ): i = : i = 2 : i = 3, 4 : Ortonormalne bazy przestrzeni Ker U T (A λ i I 4 ) maj przeto posta : i = : span i = 2 : span i = 3, 4 : span,,, Stosown macierz parametrów P okre±la zatem wzór (por przykªad 24) P = , κ(p ) = Wzmocnienie regulatora obliczone ze wzoru (3) ma warto± W obu przypadkach, a oraz b, taki sam wynik daje zastosowanie MAT- LABowego zlecenia place

42 42 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) Zadanie 24 Obiekt dynamiczny o modelu ẋ(t) = Ax(t) + Bu(t), gdzie A R n n oraz B R n p, jest sterowany w ukªadzie zamkni tym Liniowy algorytm sterowania, oparty na peªnej informacji o wektorze stanu x(t) R n obiektu, ma posta reguªy u(t) = Kx(t) Posªuguj c si metodami syntezy opisanymi w przykªadzie 24 oraz 242, wyznacz elementy macierzy K R p n tego algorytmu (wzmocnienie regulatora), dla których macierz stanu odpowiedniego ukªadu zamkni tego posiada zadane warto±ci wªasne {λ i } n i= Zbadaj mo»liwo± wykorzystania metody Ackermanna w celu doboru nastaw stosownych strukturalnie prostszych regulatorów o pojedynczych torach sterowania Porównaj numeryczne uwarunkowanie wszystkich rozwa»anych metod strojenia regulatorów ze sprz»eniem od stanu Sprawd¹, jaki wynik uzyskasz, posªuguj c si MATLABowym zleceniem place Obliczenia wykonaj dla nast puj cych przypadków danych liczbowych: a) A = , B = {λ i } 3 i= = { 2, 5, }; b) A = c) A = B = , {λ i } 5 i= = { 3, 3, 3,, } {λ i} 4 i= = { 3, 3,, };, B = Odpowied¹ W przypadku a mamy spectr A = { 4, 2, 2} Regulatory 'dwukanaªowe': metoda opisana w przykªadzie 24 dla B = T oraz dla upo-

43 4 STEROWANIE OBIEKTAMI MIMO 43 rz dkowanej trójki warto±ci wªasnych (λ, λ 2, λ 3 ) P = metoda opisana w przykªadzie 242 synteza dla (λ, λ 2, λ 3 ) P = synteza dla (λ 3, λ 2, λ ) P = synteza dla (λ 2, λ 3, λ ) P = synteza dla (λ 2, λ, λ 3 ) P =, κ(p ) = 87 2 ; , κ(p ) = 3 ;, κ(p ) = 398 ;, κ(p ) = 3 ;, κ(p ) = 3 ;

44 44 ROZDZIAŠ SPRZ ENIE OD STANU (PJS) rozwi zanie proponowane przez zlecenie place Regulator z pojedynczym torem sterowania (M c R 3 3 oznacza tu odpowiedni macierz sterowalno±ci): , κ(m c ) = W przypadku b mamy spectr A = {, 98, 2, 2, 2} Regulatory 'dwukanaªowe': metoda opisana w przykªadzie 24 przy B = I T oraz dla uporz dkowanej czwórki warto±ci wªasnych (λ, λ 2, λ 3, λ 4 ) P = metoda opisana w przykªadzie 242 synteza dla (λ, λ 2, λ 3, λ 4 ) P = synteza dla (λ 3, λ 4, λ, λ 2 ) P = κ(p ) = , κ(p ) = ; ;

45 4 STEROWANIE OBIEKTAMI MIMO 45 κ(p ) = rozwi zanie proponowane przez zlecenie place Regulatory z pojedynczym torem sterowania (M c R 4 4 oznacza odpowiedni macierz sterowalno±ci): κ(m c ) = κ(m c ) = Zwraca uwag zªe uwarunkowanie zada«, w których stosuje si regulator o pojedynczym torze sterowania, strojony zgodnie z metod Ackermanna Niech ε λ = λ λ 2 / λ 2 oznacza wzgl dny bªad rozmieszczenia warto±ci wªasnych {λ i } n i=, gdzie λ = λ λ n T jest wektorem zadanych warto±ci wªasnych, za± λ = λ λn T oznacza wektor 'faktycznie' uzyskanych warto±ci wªasnych macierzy A BK Metoda syntezy regulatora opisana w przykªadzie 24 daje ε λ = , podej±cie MATLABowe zapewnia dokªadno± ε λ = 837 4, za± regulatory 'jednokanaªowe, odpowiednio, ε λ = 777 (!) oraz ε λ = W przypadku c mamy spectr A = { 2, 25, 26, 26, 27} Regulatory 'trójkanaªowe': metoda opisana w przykªadzie 24 dla B = 2 2 I 2 2 T oraz dla uporz dkowanej pi tki warto±ci wªasnych (λ, λ 2, λ 3, λ 4, λ 5 ) P = ;

Analiza obserwowalno±ci

Analiza obserwowalno±ci Analiza obserwowalno±ci Niech ẋ(t) = Ax(t), y(t) = Cx(t), x(0) R n gdzie A R n n oraz C R q n. Para (A, C) jest caªkowicie obserwowalna je»eli x(0) znajomo± funkcji y : [0, t f ] R q (wyj±cia obiektu)

Bardziej szczegółowo

Analiza sterowalno±ci

Analiza sterowalno±ci Analiza sterowalno±ci 1 Niech ẋ(t) = Ax(t) + Bu(t), gdzie A R n n oraz B R n p. x(0) R n Para (A, B) jest caªkowicie sterowalna je»eli x(0), 0 < t f < istnieje takie sterowanie u : [0, t f ] R p przy którym

Bardziej szczegółowo

Sterowalno± i obserwowalno± obiektów dynamicznych (piotrjs)

Sterowalno± i obserwowalno± obiektów dynamicznych (piotrjs) Rozdziaª Sterowalno± i obserwowalno± obiektów dynamicznych (piotrjs) Analiza sterowalno±ci i obserwowalno±ci Przykªad Analizuj c rz d macierzy sterowalno±ci, zbadaj caªkowit sterowalno± obiektu dynamicznego

Bardziej szczegółowo

Teoria Sterowania. Warunki zaliczenia

Teoria Sterowania. Warunki zaliczenia Teoria Sterowania Warunki zaliczenia. Pytania. Tematy µ-projektów. 3.5 poprawne zaliczenie testu; Warunki zaliczenia 4 poprawne zaliczenie testu + poprawne rozwi zanie kilku zada«(pliki Alin, TS-skrypt1,

Bardziej szczegółowo

Opis matematyczny ukªadów liniowych

Opis matematyczny ukªadów liniowych Rozdziaª 1 Opis matematyczny ukªadów liniowych Autorzy: Alicja Golnik 1.1 Formy opisu ukªadów dynamicznych 1.1.1 Liniowe równanie ró»niczkowe Podstawow metod przedstawienia procesu dynamicznego jest zbiór

Bardziej szczegółowo

Modele wielorównaniowe. Problem identykacji

Modele wielorównaniowe. Problem identykacji Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje

Bardziej szczegółowo

det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32

det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32 Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia

Bardziej szczegółowo

PRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych:

PRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych: Plan Spis tre±ci 1 Homomorzm 1 1.1 Macierz homomorzmu....................... 2 1.2 Dziaªania............................... 3 2 Ukªady równa«6 3 Zadania 8 1 Homomorzm PRZYPOMNIENIE Ka»d przestrze«wektorow

Bardziej szczegółowo

Liniowe zadania najmniejszych kwadratów

Liniowe zadania najmniejszych kwadratów Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15 ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Modelowanie ukªadów dynamicznych

Modelowanie ukªadów dynamicznych 1 Modelowanie ukªadów dynamicznych PRZYKŠAD 1 - Zbiornik Na rys. 1 pokazany jest schemat zbiornika przepªywowego. Rysunek 1: Schemat zbiornika przepªywowego. Zakªada si, i»: do zbiornika wpªywa i wypªywa

Bardziej szczegółowo

Macierze i Wyznaczniki

Macierze i Wyznaczniki Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,

Bardziej szczegółowo

Ukªady równa«liniowych

Ukªady równa«liniowych dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast

Bardziej szczegółowo

Inżynieria Systemów Dynamicznych (4)

Inżynieria Systemów Dynamicznych (4) Inżynieria Systemów Dynamicznych (4) liniowych (układów) Piotr Jacek Suchomski Katedra Systemów Automatyki WETI, Politechnika Gdańska 2 grudnia 2010 O czym będziemy mówili? 1 2 WE OKREŚLO 3 ASYMPTO 4 DYNAMICZ

Bardziej szczegółowo

Sterowalność liniowych uk ladów sterowania

Sterowalność liniowych uk ladów sterowania Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,

Bardziej szczegółowo

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdziaª 9 RÓWNANIA ELIPTYCZNE 9.1 Zastosowanie eliptycznych równa«ró»niczkowych cz stkowych 9.1.1 Problemy z warunkami brzegowymi W przestrzeni dwuwymiarowej

Bardziej szczegółowo

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Teoria obowi zuje z wykªadu, dlatego te» zostan tutaj przedstawione tylko podstawowe denicje, twierdzenia i wzory. Denicja 1. Równanie

Bardziej szczegółowo

Matematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej

Matematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej Matematyka wykªad 1 Macierze (1) Andrzej Torój Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej 17 wrze±nia 2011 Plan wykªadu 1 2 3 4 5 Plan prezentacji 1 2 3 4 5 Kontakt moja strona internetowa:

Bardziej szczegółowo

Przekształcanie równań stanu do postaci kanonicznej diagonalnej

Przekształcanie równań stanu do postaci kanonicznej diagonalnej Przekształcanie równań stanu do postaci kanonicznej diagonalnej Przygotowanie: Dariusz Pazderski Liniowe przekształcenie równania stanu Rozważmy liniowe równanie stanu i równanie wyjścia układu niesingularnego

Bardziej szczegółowo

r = x x2 2 + x2 3.

r = x x2 2 + x2 3. Przestrze«aniczna Def. 1. Przestrzeni aniczn zwi zan z przestrzeni liniow V nazywamy dowolny niepusty zbiór P z dziaªaniem ω : P P V (które dowolnej parze elementów zbioru P przyporz dkowuje wektor z przestrzeni

Bardziej szczegółowo

ANALIZA MATEMATYCZNA Z ALGEBR

ANALIZA MATEMATYCZNA Z ALGEBR ANALIZA MATEMATYCZNA Z ALGEBR WYKŠAD II Maªgorzata Murat MACIERZ A rzeczywist (zespolon ) o m wierszach i n kolumnach nazywamy przyporz dkowanie ka»dej uporz dkowanej parze liczb naturalnych (i, j), gdzie

Bardziej szczegółowo

Aproksymacja funkcji metod najmniejszych kwadratów

Aproksymacja funkcji metod najmniejszych kwadratów Aproksymacja funkcji metod najmniejszych kwadratów Teoria Interpolacja polega na znajdowaniu krzywej przechodz cej przez wszystkie w zªy. Zdarzaj si jednak sytuacje, w których dane te mog by obarczone

Bardziej szczegółowo

Ukªady równa«liniowych - rozkªady typu LU i LL'

Ukªady równa«liniowych - rozkªady typu LU i LL' Rozdziaª 9 Ukªady równa«liniowych - rozkªady typu LU i LL' W tym rozdziale zapoznamy si z metodami sªu» cych do rozwi zywania ukªadów równa«liniowych przy pomocy uzyskiwaniu odpowiednich rozkªadów macierzy

Bardziej szczegółowo

Algebra Liniowa 2. Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak

Algebra Liniowa 2. Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak Algebra Liniowa 2 Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak Podobie«stwo macierzy, diagonalizacja macierzy 1. Znale¹ macierze przeksztaªcenia liniowego T

Bardziej szczegółowo

1 Bª dy i arytmetyka zmiennopozycyjna

1 Bª dy i arytmetyka zmiennopozycyjna 1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy

Bardziej szczegółowo

Macierze i Wyznaczniki

Macierze i Wyznaczniki dr Krzysztof yjewski Mechatronika; S-I.in». 5 pa¹dziernika 6 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja. Tablic nast puj cej postaci a a... a n a a... a n A =... a m a m...

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Zastosowanie przeksztaªcenia Laplace'a. Przykªad 1 Rozwi» jednorodne równanie ró»niczkowe liniowe. ÿ(t) + 5ẏ(t) + 6y(t) = 0 z warunkami pocz tkowymi

Zastosowanie przeksztaªcenia Laplace'a. Przykªad 1 Rozwi» jednorodne równanie ró»niczkowe liniowe. ÿ(t) + 5ẏ(t) + 6y(t) = 0 z warunkami pocz tkowymi Zastosowanie przeksztaªcenia Laplace'a Przykªad Rozwi» jednorodne równanie ró»niczkowe liniowe ÿ(t) + 5ẏ(t) + 6y(t) = 0 z warunkami pocz tkowymi y(0 + ) = a, ẏ(0 + ) = b. Rozwi zanie Dokonuj c transformacji

Bardziej szczegółowo

Ekstremalnie fajne równania

Ekstremalnie fajne równania Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów

Bardziej szczegółowo

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Denicja ciaªa Niech F b dzie zbiorem, i niech + (dodawanie) oraz (mno»enie) b d dziaªaniami na zbiorze F. Denicja. Zbiór F wraz z dziaªaniami + i nazywamy ciaªem,

Bardziej szczegółowo

Przekroje Dedekinda 1

Przekroje Dedekinda 1 Przekroje Dedekinda 1 O liczbach wymiernych (tj. zbiorze Q) wiemy,»e: 1. zbiór Q jest uporz dkowany relacj mniejszo±ci < ; 2. zbiór liczb wymiernych jest g sty, tzn.: p, q Q : p < q w : p < w < q 3. 2

Bardziej szczegółowo

Numeryczne zadanie wªasne

Numeryczne zadanie wªasne Rozdziaª 11 Numeryczne zadanie wªasne W tym rozdziale zajmiemy si symetrycznym zadaniem wªasnym, tzn. zadaniem znajdowania warto±ci i/lub wektorów wªasnych dla macierzy symetrycznej A = A T. W zadaniach

Bardziej szczegółowo

Metody numeryczne i statystyka dla in»ynierów

Metody numeryczne i statystyka dla in»ynierów Kierunek: Automatyka i Robotyka, II rok Ukªady równa«liniowych PWSZ Gªogów, 2009 Motywacje Zagadnienie kluczowe dla przetwarzania numerycznego Wiele innych zada«redukuje si do problemu rozwi zania ukªadu

Bardziej szczegółowo

Elementy geometrii w przestrzeni R 3

Elementy geometrii w przestrzeni R 3 Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi

Bardziej szczegółowo

XVII Warmi«sko-Mazurskie Zawody Matematyczne

XVII Warmi«sko-Mazurskie Zawody Matematyczne 1 XVII Warmi«sko-Mazurskie Zawody Matematyczne Kategoria: klasa VIII szkoªy podstawowej i III gimnazjum Olsztyn, 16 maja 2019r. Zad. 1. Udowodnij,»e dla dowolnych liczb rzeczywistych x, y, z speªniaj cych

Bardziej szczegółowo

Lab. 02: Algorytm Schrage

Lab. 02: Algorytm Schrage Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e

Bardziej szczegółowo

Indeksowane rodziny zbiorów

Indeksowane rodziny zbiorów Logika i teoria mnogo±ci, konspekt wykªad 7 Indeksowane rodziny zbiorów Niech X b dzie przestrzeni zbiorem, którego podzbiorami b d wszystkie rozpatrywane zbiory, R rodzin wszystkich podzbiorów X za± T

Bardziej szczegółowo

Metody dowodzenia twierdze«

Metody dowodzenia twierdze« Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku

Bardziej szczegółowo

2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v)

2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v) Przeksztaªcenia liniowe Def 1 Przeksztaªceniem liniowym (homomorzmem liniowym) rzeczywistych przestrzeni liniowych U i V nazywamy dowoln funkcj L : U V speªniaj c warunki: 1 L( u + v) = L( u) + L( v) dla

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Wektory w przestrzeni

Wektory w przestrzeni Wektory w przestrzeni Informacje pomocnicze Denicja 1. Wektorem nazywamy uporz dkowan par punktów. Pierwszy z tych punktów nazywamy pocz tkiem wektora albo punktem zaczepienia wektora, a drugi - ko«cem

Bardziej szczegółowo

Zbiory i odwzorowania

Zbiory i odwzorowania Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):

Bardziej szczegółowo

Interpolacja funkcjami sklejanymi

Interpolacja funkcjami sklejanymi Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak

Bardziej szczegółowo

Materiaªy do Repetytorium z matematyki

Materiaªy do Repetytorium z matematyki Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (

Bardziej szczegółowo

istnienie elementu neutralnego dodawania (zera): 0 K a K a + 0 = a, istnienie elementu neutralnego mno»enia (jedynki): 1 K a K a 1 = a,

istnienie elementu neutralnego dodawania (zera): 0 K a K a + 0 = a, istnienie elementu neutralnego mno»enia (jedynki): 1 K a K a 1 = a, Ciaªo Denicja. Zbiór K z dziaªaniami dodawania + oraz mno»enia (których argumentami s dwa elementy z tego zbioru, a warto±ciami elementy z tego zbioru) nazywamy ciaªem, je±li zawiera co najmniej dwa elementy

Bardziej szczegółowo

Informacje pomocnicze

Informacje pomocnicze Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia

Bardziej szczegółowo

Podstawowe czªony dynamiczne. Odpowied¹ impulsowa. odpowied¹ na pobudzenie delt Diraca δ(t) przy zerowych warunkach pocz tkowych, { dla t = 0

Podstawowe czªony dynamiczne. Odpowied¹ impulsowa. odpowied¹ na pobudzenie delt Diraca δ(t) przy zerowych warunkach pocz tkowych, { dla t = 0 CHARAKTERYSTYKI W DZIEDZINIE CZASU I CZ STOTLIWO CI Podstawowe czªony dynamiczne Opis w dziedzinie czasu: Odpowied¹ impulsowa g(t) = L 1 [G(s)] odpowied¹ na pobudzenie delt Diraca δ(t) przy zerowych warunkach

Bardziej szczegółowo

Caªkowanie numeryczne - porównanie skuteczno±ci metody prostokatów, metody trapezów oraz metody Simpsona

Caªkowanie numeryczne - porównanie skuteczno±ci metody prostokatów, metody trapezów oraz metody Simpsona Akademia Górniczo-Hutnicza im. Stanisªawa Staszica w Krakowie Wydziaª Fizyki i Informatyki Stosowanej Krzysztof Grz dziel kierunek studiów: informatyka stosowana Caªkowanie numeryczne - porównanie skuteczno±ci

Bardziej szczegółowo

AM II /2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium

AM II /2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium AM II.1 2018/2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium Normy w R n, iloczyn skalarny sprawd¹ czy dana funkcja jest norm sprawd¹, czy dany zbiór jest kul w jakiej± normie i oblicz norm wybranego

Bardziej szczegółowo

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna 1. Podaj denicj liczby zespolonej. 2. Jak obliczy sum /iloczyn dwóch liczb zespolonych w postaci algebraicznej? 3. Co to jest liczba urojona?

Bardziej szczegółowo

Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.

Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X. Relacje 1 Relacj n-argumentow nazywamy podzbiór ϱ X 1 X 2... X n. Je±li ϱ X Y jest relacj dwuargumentow (binarn ), to zamiast (x, y) ϱ piszemy xϱy. Relacj binarn okre±lon w zbiorze X nazywamy podzbiór

Bardziej szczegółowo

Funkcje, wielomiany. Informacje pomocnicze

Funkcje, wielomiany. Informacje pomocnicze Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a

Bardziej szczegółowo

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14 WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................

Bardziej szczegółowo

Macierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n

Macierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n Plan Spis tre±ci 1 Problemy liniowe 1 2 Zadania I 3 3 Formy biliniowe 3 3.1 Odwzorowania wieloliniowe..................... 3 3.2 Formy biliniowe............................ 4 4 Formy kwadratowe 4 1 Problemy

Bardziej szczegółowo

Elementy geometrii analitycznej w przestrzeni

Elementy geometrii analitycznej w przestrzeni Wykªad 3 Elementy geometrii analitycznej w przestrzeni W wykªadzie tym wi kszy nacisk zostaª poªo»ony raczej na intuicyjne rozumienie deniowanych poj, ni» ±cisªe ich zdeniowanie. Dlatego niniejszy wykªad

Bardziej szczegółowo

LZNK. Rozkªad QR. Metoda Householdera

LZNK. Rozkªad QR. Metoda Householdera Rozdziaª 10 LZNK. Rozªad QR. Metoda Householdera W tym rozdziale zajmiemy si liniowym zadaniem najmniejszych wadratów (LZNK). Dla danej macierzy A wymiaru M N i wetora b wymiaru M chcemy znale¹ wetor x

Bardziej szczegółowo

Uczenie Wielowarstwowych Sieci Neuronów o

Uczenie Wielowarstwowych Sieci Neuronów o Plan uczenie neuronu o ci gªej funkcji aktywacji uczenie jednowarstwowej sieci neuronów o ci gªej funkcji aktywacji uczenie sieci wielowarstwowej - metoda propagacji wstecznej neuronu o ci gªej funkcji

Bardziej szczegółowo

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb Wybrane poj cia i twierdzenia z wykªadu z teorii liczb 1. Podzielno± Przedmiotem bada«teorii liczb s wªasno±ci liczb caªkowitych. Zbiór liczb caªkowitych oznacza b dziemy symbolem Z. Zbiór liczb naturalnych

Bardziej szczegółowo

1 Granice funkcji wielu zmiennych.

1 Granice funkcji wielu zmiennych. AM WNE 008/009. Odpowiedzi do zada«przygotowawczych do czwartego kolokwium. Granice funkcji wielu zmiennych. Zadanie. Zadanie. Pochodne. (a) 0, Granica nie istnieje, (c) Granica nie istnieje, (d) Granica

Bardziej szczegółowo

Czy funkcja zadana wzorem f(x) = ex e x. 1 + e. = lim. e x + e x lim. lim. 2 dla x = 1 f(x) dla x (0, 1) e e 1 dla x = 1

Czy funkcja zadana wzorem f(x) = ex e x. 1 + e. = lim. e x + e x lim. lim. 2 dla x = 1 f(x) dla x (0, 1) e e 1 dla x = 1 II KOLOKWIUM Z AM M1 - GRUPA A - 170101r Ka»de zadanie jest po 5 punktów Ostatnie zadanie jest nieobowi zkowe, ale mo»e dostarczy dodatkowe 5 punktów pod warunkiem rozwi zania pozostaªych zada«zadanie

Bardziej szczegółowo

Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a).

Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a). Rozwi zania zada«z egzaminu podstawowego z Analizy matematycznej 2.3A (24/5). Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a). Zadanie P/4. Metod operatorow rozwi

Bardziej szczegółowo

Macierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja

Macierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja Macierze 1 Podstawowe denicje Macierz wymiaru m n, gdzie m, n N nazywamy tablic liczb rzeczywistych (lub zespolonych) postaci a 11 a 1j a 1n A = A m n = [a ij ] m n = a i1 a ij a in a m1 a mj a mn W macierzy

Bardziej szczegółowo

Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ. Marek Majewski Aktualizacja: 31 pa¹dziernika 2006

Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ. Marek Majewski Aktualizacja: 31 pa¹dziernika 2006 Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ Marek Majewski Aktualizacja: 1 pa¹dziernika 006 Spis tre±ci 1 Macierze dziaªania na macierzach. Wyznaczniki 1 Macierz odwrotna. Rz d macierzy

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

punkcie. Jej granica lewostronna i prawostronna w punkcie x = 2 wynosz odpowiednio:

punkcie. Jej granica lewostronna i prawostronna w punkcie x = 2 wynosz odpowiednio: 5.9. lim x x +4 f(x) = x +4 Funkcja f(x) jest funkcj wymiern, która jest ci gªa dla wszystkich x, dla których mianownik jest ró»ny od zera, czyli dla: x + 0 x Zatem w punkcie x = funkcja ta jest okre±lona

Bardziej szczegółowo

Mamy schemat sterowania (regulacji) w ukªadzie zamkni tym (rys. 1). Zakªada si,»e wzmocnienie czªonu statycznego

Mamy schemat sterowania (regulacji) w ukªadzie zamkni tym (rys. 1). Zakªada si,»e wzmocnienie czªonu statycznego LINIE PIERWIASTKOWE JAKO PODSTAWA ANALIZY UKŠADÓW STEROWANIA 1 Mamy schemat sterowania (regulacji) w ukªadzie zamkni tym (rys. 1). Rysunek 1: Podstawowy schemat strukturalny ukªadu sterowania. Zakªada

Bardziej szczegółowo

Modele wielorównaniowe. Estymacja parametrów

Modele wielorównaniowe. Estymacja parametrów Modele wielorównaniowe. Estymacja parametrów Ekonometria Szeregów Czasowych SGH Estymacja 1 / 47 Plan wykªadu 1 Po±rednia MNK 2 Metoda zmiennych instrumentalnych 3 Podwójna MNK 4 Estymatory klasy k 5 MNW

Bardziej szczegółowo

ELEMENTARNA TEORIA LICZB. 1. Podzielno±

ELEMENTARNA TEORIA LICZB. 1. Podzielno± ELEMENTARNA TEORIA LICZB IZABELA AGATA MALINOWSKA N = {1, 2,...} 1. Podzielno± Denicja 1.1. Niepusty podzbiór A zbioru liczb naturalnych jest ograniczony, je»eli istnieje taka liczba naturalna n 0,»e m

Bardziej szczegółowo

a) f : R R R: f(x, y) = x 2 y 2 ; f(x, y) = 3xy; f(x, y) = max(xy, xy); b) g : R 2 R 2 R: g((x 1, y 1 ), (x 2, y 2 )) = 2x 1 y 1 x 2 y 2 ;

a) f : R R R: f(x, y) = x 2 y 2 ; f(x, y) = 3xy; f(x, y) = max(xy, xy); b) g : R 2 R 2 R: g((x 1, y 1 ), (x 2, y 2 )) = 2x 1 y 1 x 2 y 2 ; Zadania oznaczone * s troch trudniejsze, co nie oznacza,»e trudne.. Zbadaj czy funkcjonaª jest dwuliniowy, symetryczny, antysymetryczny, dodatniookre±lony: a) f : R R R: f(x, y) = x y ; f(x, y) = 3xy;

Bardziej szczegółowo

Metody numeryczne i statystyka dla in»ynierów

Metody numeryczne i statystyka dla in»ynierów Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci

Bardziej szczegółowo

Przeksztaªcenia liniowe

Przeksztaªcenia liniowe Przeksztaªcenia liniowe Przykªady Pokaza,»e przeksztaªcenie T : R 2 R 2, postaci T (x, y) = (x + y, x 6y) jest przeksztaªceniem liniowym Sprawdzimy najpierw addytywno± przeksztaªcenia T Niech v = (x, y

Bardziej szczegółowo

Listy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki.

Listy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki. Wydziaª Matematyki, Fizyki i Informatyki 10 marca 2008 Spis tre±ci Listy 1 Listy 2 3 Co to jest lista? Listy List w Mathematice jest wyra»enie oddzielone przecinkami i zamkni te w { klamrach }. Elementy

Bardziej szczegółowo

. 0 0... 1 0. 0 0 0 0 1 gdzie wektory α i tworz baz ortonormaln przestrzeni E n

. 0 0... 1 0. 0 0 0 0 1 gdzie wektory α i tworz baz ortonormaln przestrzeni E n GAL II 2013-2014 A. Strojnowski str.45 Wykªad 20 Denicja 20.1 Przeksztaªcenie aniczne f : H H anicznej przestrzeni euklidesowej nazywamy izometri gdy przeksztaªcenie pochodne f : T (H) T (H) jest izometri

Bardziej szczegółowo

1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f.

1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f. GAL II 2012-2013 A Strojnowski str1 Wykªad 1 Ten semestr rozpoczniemy badaniem endomorzmów sko«czenie wymiarowych przestrzeni liniowych Denicja 11 Niech V b dzie przestrzeni liniow nad ciaªem K 1) Przeksztaªceniem

Bardziej szczegółowo

wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia

wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i

Bardziej szczegółowo

Podstawowe działania w rachunku macierzowym

Podstawowe działania w rachunku macierzowym Podstawowe działania w rachunku macierzowym Marcin Detka Katedra Informatyki Stosowanej Kielce, Wrzesień 2004 1 MACIERZE 1 1 Macierze Macierz prostokątną A o wymiarach m n (m wierszy w n kolumnach) definiujemy:

Bardziej szczegółowo

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14 WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 2013/14 Spis tre±ci 1 Kodowanie i dekodowanie 4 1.1 Kodowanie a szyfrowanie..................... 4 1.2 Podstawowe poj cia........................

Bardziej szczegółowo

Stabilno± ukªadów liniowych

Stabilno± ukªadów liniowych Rozdziaª 1 Stabilno± ukªadów liniowych Autorzy: Bartªomiej Fajdek 1.1 Poj cia podstawowe Jednym z podstawowych wymogów stawianych ukªadom automatyki jest stabilno±. Istnieje wiele denicji stabilno±ci ukªadów

Bardziej szczegółowo

MATEMATYKA 4 INSTYTUT MEDICUS FUNKCJA KWADRATOWA. Kurs przygotowawczy na studia medyczne. Rok szkolny 2010/2011. tel. 0501 38 39 55 www.medicus.edu.

MATEMATYKA 4 INSTYTUT MEDICUS FUNKCJA KWADRATOWA. Kurs przygotowawczy na studia medyczne. Rok szkolny 2010/2011. tel. 0501 38 39 55 www.medicus.edu. INSTYTUT MEDICUS Kurs przygotowawczy na studia medyczne Rok szkolny 00/0 tel. 050 38 39 55 www.medicus.edu.pl MATEMATYKA 4 FUNKCJA KWADRATOWA Funkcją kwadratową lub trójmianem kwadratowym nazywamy funkcję

Bardziej szczegółowo

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010 WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna

Bardziej szczegółowo

Matematyka dyskretna dla informatyków

Matematyka dyskretna dla informatyków UNIWERSYTET IM. ADAMA MICKIEWICZA W POZNANIU Jerzy Jaworski, Zbigniew Palka, Jerzy Szyma«ski Matematyka dyskretna dla informatyków uzupeænienia Pozna«007 A Notacja asymptotyczna Badaj c du»e obiekty kombinatoryczne

Bardziej szczegółowo

Tematyka egzaminu z Podstaw sterowania

Tematyka egzaminu z Podstaw sterowania Tematyka egzaminu z Podstaw sterowania Rafał Trójniak 6 września 2009 Spis treści 1 Rozwiązane tematy 1 1.1 Napisać równanie różniczkowe dla zbiornika z odpływem grawitacyjnym...............................

Bardziej szczegółowo

Automatyka i robotyka

Automatyka i robotyka Automatyka i robotyka Wykład 5 - Stabilność układów dynamicznych Wojciech Paszke Instytut Sterowania i Systemów Informatycznych, Uniwersytet Zielonogórski 1 z 43 Plan wykładu Wprowadzenie Stabilność modeli

Bardziej szczegółowo

przewidywania zapotrzebowania na moc elektryczn

przewidywania zapotrzebowania na moc elektryczn do Wykorzystanie do na moc elektryczn Instytut Techniki Cieplnej Politechnika Warszawska Slide 1 of 20 do Coraz bardziej popularne staj si zagadnienia zwi zane z prac ¹ródªa energii elektrycznej (i cieplnej)

Bardziej szczegółowo

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,

Bardziej szczegółowo

Schematy blokowe ukªadów automatyki

Schematy blokowe ukªadów automatyki Rozdziaª 1 Schematy blokowe ukªadów automatyki Autorzy: Marcin Stachura 1.1 Algebra schematów blokowych 1.1.1 Zasady przeksztaªcania schematów blokowych W celu uproszczenia wypadkowej transmitancji operatorowej

Bardziej szczegółowo

2 Liczby rzeczywiste - cz. 2

2 Liczby rzeczywiste - cz. 2 2 Liczby rzeczywiste - cz. 2 W tej lekcji omówimy pozostaªe tematy zwi zane z liczbami rzeczywistymi. 2. Przedziaªy liczbowe Wyró»niamy nast puj ce rodzaje przedziaªów liczbowych: (a) przedziaªy ograniczone:

Bardziej szczegółowo

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy. Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta

Bardziej szczegółowo

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja

Bardziej szczegółowo

x y x y x y x + y x y

x y x y x y x + y x y Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0

Bardziej szczegółowo

1 Metody iteracyjne rozwi zywania równania f(x)=0

1 Metody iteracyjne rozwi zywania równania f(x)=0 1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0

Bardziej szczegółowo

LXIV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA

LXIV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA Za zadanie D mo»na otrzyma maksymalnie 40 punktów. Zadanie D. Maj c do dyspozycji: LXIV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA CZ DO WIADCZALNA generator napi cia o przebiegu sinusoidalnym o ustalonej amplitudzie

Bardziej szczegółowo

Statystyka matematyczna - ZSTA LMO

Statystyka matematyczna - ZSTA LMO Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia

Bardziej szczegółowo

Wst p do sieci neuronowych 2010/2011 wykªad 7 Algorytm propagacji wstecznej cd.

Wst p do sieci neuronowych 2010/2011 wykªad 7 Algorytm propagacji wstecznej cd. Wst p do sieci neuronowych 2010/2011 wykªad 7 Algorytm propagacji wstecznej cd. M. Czoków, J. Piersa Faculty of Mathematics and Computer Science, Nicolaus Copernicus University, Toru«, Poland 2010-11-23

Bardziej szczegółowo

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6 Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Model mieszany

Bardziej szczegółowo