Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Definizione
Sia E l’insieme di eventi costituito dallo spazio vettoriale ℜ × ℜ e sia T = Z
(insieme dei numeri relativi). Un sistema dinamico orientato Σ ⊆ Ω = ET del tipo
Σ = {(y(t), u(t)) ∈ ℜ×ℜ tali che
y(t) = a1y(t-1)+a2y(t-2)+…+anay(t-na)+b1u(t-1)+b2u(t-2)+…+bnbu(t-nb) (6.1)
per t ∈ I ⊆ T }
viene detto sistema dinamico lineare a tempo discreto (di tipo) ARX.
1
Sistemi lineari ARX
Ricordiamo che nell’equazione alle differenze
y(t) = a1y(t-1)+a2y(t-2)+…+anay(t-na)
[+b0u(t)]+b1u(t-1)+b2u(t-2)+…+bnbu(t-nb)
supporremo sempre di avere na ≥ nb.
ESEMPIO
Un esempio semplice di sistema ARX del primo ordine è quello che
descrive l’andamento di un deposito bancario sul quale sia applicato un
interesse composto r, ad esempio del r = 5% = 0,05, computato in n
periodi all’anno, ad esempio n =2 (cioè in periodi di sei mesi).
Posto
y(k) = quantità di denaro alla fine del k-esimo periodo di
accreditamento
u(k) = totalità dei versamenti fatti durante il k-esimo periodo
di accreditamento
il modello del sistema risulta essere
y(k)= (1+r/n) y(k-1) + u(k) = 1,025 y(k-1) + u(k)
r
y(k ) = y(k − 1) + y( k − 1) + u ( k )
n
2
OSSERVAZIONE
Altri esempi importanti sono forniti da sistemi più
generali di tipo non lineare.
ESEMPIO
Algoritmo di calcolo della radice quadrata.
1 u
y(k ) = y(k − 1) +
2 y(k − 1)
Esempi
3
COMPONENTI ELEMENTARI DEI
SISTEMI LINEARI A TEMPO DISCRETO
u(k) y(k)=u(k-1)
z-1
NOTA
In realtà sarà utile, in seguito, considerare z come una
variabile complessa
4
BLOCCO MOLTIPLICATORE PER UNA COSTANTE
y(k) = a·u(k)
BLOCCO SOMMATORE
±
u2(k)
OPERAZIONE DI RITARDO
-3 -2 -1 0 1 2 3 4 k
1
…….. …….. y(k)=u(k-1)
-3 -2 -1 0 1 2 3 4 5 k
5
• I moltiplicatori devono prevedere la capacità di
memorizzare la costante moltiplicativa “a”
• I sommatori non richiedono memoria
ESEMPIO
y(k)=b0 u(k) + b1 u(k-1) – a1 y(k-1)
b1u(k-1)
b1 z-1
+ b0u(k)+b1u(k-1)
u(k) y(k) y(k)
b0
+ +
-
z-1 a1
a1y(k-1)
6
Evidentemente la tecnica di rappresentazione è
generalizzabile
ESEMPIO: Sistema del II° ordine
b2
b1
+
b0u(k) + y(k)
b0
+
- -
a1
a2
z-1 z-1
y(k-2) y(k-1)
7
SEGNALI CANONICI
impulso di Dirac;
−2 −1 0 1 2
1 1
δ(k−1) δ(k+2)
−2 −1 0 1 2 −2 −1 0 1 2
8
Sequenza unitaria (gradino)
0 se k < 0
u(k ) =
1 se k ≥ 0
1
……..
−2 −1 0 1 2
Sequenza alternante
0 se k < 0
u(k ) =
(− 1) se k ≥ 0
k
1 1
……..
1
−2 −1 0 2
−1
9
Sequenza a rampa unitaria
0 se k < 0
u(k ) =
k se k ≥ 0
2
1 ……..
−2 −1 0 1 2
10
ALGEBRA DEI SEGNALI A TEMPO DISCRETO
RAPPRESENTAZIONE MEDIANTE
SOMMA DI CONVOLUZIONE
La rappresentazione di un sistema lineare a tempo discreto
mediante equazione alle differenze del tipo
y(k) = a1 y(k-1) + a2 y(k-2) + …. + ana y(k-na)
[+b0 u(k)] + b1 u(k-1) + b2 u(k-2) + …. + bnb u(k-nb)
si presta bene ad un’analisi puntuale del comportamento,
cioè a valutare il valure dell’uscita per ciascun singolo istante
di tempo e ad un’implementazione automatica, ma
• non consente di esprimere l’uscita in funzione del solo
ingresso
• non consente una agevole analisi globale della funzione
y(t).
Per ottenere questi risultati occorre utilizzare differenti modi
di rappresentare il comportamento del sistema in oggetto.
11
Per rispondere alla prima esigenza che abbiamo
menzionato si ricorre in particolare ad una
rappresentazione detta rappresentazione mediante somma
di convoluzione.
NOTA
È di fondamentale importanza, quando si introducono rappresentazioni
formalmente differenti per uno stesso oggetto, come un sistema lineare
a tempo discreto, chiarire in che senso tali rappresentazioni si
equivalgano.
Per quanto riguarda ciò che ci interessa in questa situazione, possiamo
dire che la rappresentazione mediante somma di convoluzione equivale
a quella mediante equazione alle differenze nel senso che esse
determinano lo stesso insieme di comportamenti a partire da condizioni
iniziali nulle.
12
Dato
y(k) = b0 u(k) + b1 u(k-1) - a1 y(k-1)
b0, b1, a1 = costanti fissate
DEFINIZIONE
La sequenza h(0), h(1), h(2), …., viene chiamata sequenza
dei pesi relativa al sistema in questione.
13
ESEMPIO: CONTO DI RISPARMIO
M M
14
Una attenta ispezione della relazione y(k) per k=0,1,2,3,…
rivela che l’uscita all’istante k dipende da una somma di
termini composti da:
1. L’ingresso attuale u(k) moltiplicato per 1
2. L’ingresso u(k-1) ad un istante precedente all’attuale
moltiplicato per 1,025
3. L’ingresso u(k-2) a due istanti precedenti moltiplicato per
(1,025)2
4. L’ingresso u(k-3) a tre istanti precedenti moltiplicato per
(1,025)3
y(k)=u(k)+1,025u(k-1)+(1,025)2u(k-2)+ … +(1,025)ku(0)
k≥0
15
Esempio
Si determini la sequenza di pesi per il sistema ARX
caratterizzato da
y(k) = β u(k) + α y(k-
y(k-1)
La precedente espressione ha la stessa forma
dell’equazione alle differenze relativa ad un sistema del
primo ordine
y(k) = b0 u(k) + b1 u(k-1) - a1 y(k-1)
(ponendo a1 = - α, b0 = β, b1 = 0)
la cui sequenza di pesi è
• h(0) = b0
• h(i) = {b1 – a1b0}(-a1)i-1, i = 1,2,3,…
α = 0.9, β = 1 Sequenza
positiva
decrescente
16
ESERCIZIO
Ricavare una rappresentazione che faccia uso della somma di
convoluzione per la risposta del sistema
y(k) = b0 u(k) + b1 u(k-1) - a1 y(k-1)
ad una sequenza di ingresso applicata a k=0 con condizioni iniziali non
nulle y(k-1) = y0 ≠ 0
y(0) = b0u(0) + b1·0 - a1y0
NOTA
Confronto fra le due rappresentazioni
17
Calcolo della risposta ad un dato ingresso
mediante somma di convoluzione
Esempio
y(k) = 0.1 u(k) +0.9 y(k-1)
∞
y ( k ) = ∑ h (i ) u ( k − i )
i =0
k
y ( k ) = ∑ h (i ) u ( k − i )
i =0
e si può verificare che:
h(k) = 0.1 (0.9)k e u(k - i) = (-1)k-i = (-1)k (-1)-i k = 0, 1, 2, …
k
y ( k ) = ( −1) k ∑ 0.1(0.9)i ( −1)i
i =0
k
= 0.1( −1) k ∑ ( −0.9)i
i =0
1 − ( −0.9)k +1
= 0.1( −1) k
1 − ( −0.9)
1 − ( −0.9) k +1
= ( −1)
k
k = 0,1, 2,...
19
18
• Passo 1: esprimere u(k-1) come il prodotto di una
funzione di k per una funzione di i (αk-i = αk α-i)
• Passo 2: portare a fattor comune tutti i termini che non
sono funzione dell’indice i (indice di
sommatoria) e portarli fuori della sommatoria
• Passo 3: sfruttare al meglio le funzioni a cui converge la
sommatoria (che spesso risulterà troncata); ad
esempio
k
s = ∑α i = 1 + α +α 2 + ... + α k −1 + α k
i =0
α s = α + α 2 + ... + α k +1
s − α s = 1 − α k +1 = (1 − α ) s
1 − α k +1
s= α ≠1
1−α
CASO GENERALE
u(k) y ( k ) = ∑ hi u ( k − i )
h(k) i =0
(Valida solo per condizioni iniziali tutte nulle prima della applicazione
dell’ingresso)
PROBLEMA
Determinare i pesi a partire da una equazione alle
differenze nel caso generale
19
Determinazione della sequenza dei pesi dalla
risposta impulsiva
Dato
y(k) = b0 u(k) + b1 u(k-1) + … + bm u(k-m) – a1 y(k-1)
– a2 y(k-2) - … - an y(k-n)
ci proponiamo di ricavare gli h(i) tali che
∞
y (k ) = ∑ hi (i) u(k − i )
i =0
1 k =i
Da δ (k − i ) =
0 k ≠i
20
Pertanto la risposta di un sistema ARX all’ingresso Delta
di Kronecker con condizioni iniziali nulle [y(-1) = y(-2) =
… = y(-n) = 0] è uguale alla sequenza dei pesi h(i) di
tale sistema.
ESEMPIO
1
y ( k ) = u (k ) + 2u (k − 1) + y (k − 1)
3
y ( −1) = 0 , u (k ) = δ (k )
1 per k = 0
y(k ) = 1
k
h(0) = 1
i
1
h(i) = 7
3
21
Interpretazione grafica della somma di convoluzione
∞
k ad ogni passo è un intero fissato
y (k ) = ∑ hi u( k − i )
i =0 per semplicità u(i) ≡ gradino unitario
u(i)
u(-i)
u(3-i)
h(i)
h(i)u(3-i)
22
ESEMPIO: MODELLO DEL PIL
23
Memoria del sistema
Dalla sequenza dei pesi possiamo dedurre quanto contribuiscano al
valore attuale dell’uscita i valori passati dell’ingresso.
In altri termini, questo misura la memoria del sistema.
24
Esempio: Integratore Numerico
Un metodo per approssimare numericamente l’integrale di
una funzione u(t) agli istanti di campionamento kT è:
ya(k) = T u(k) +ya(k-
(k-1)
Quindi:
0 i = -1,-2,-3,…
• sequenza di pesi: h(i) =
T i = 0,1,2,…
25
Esempio: Differenziatore Numerico
Un metodo per approssimare numericamente la derivata di
una funzione u(t) all’istante di campionamento kT è:
1 1
ya ( k ) = u( k ) − u( k − 1)
T T
Questa relazione è già nella forma di una somma pesata di
ingressi
• sequenza dei pesi:
h(0) = 1/T
1 1
h(1) = -1/T h (i ) = δ (i ) − δ (i − 1)
T T
h(i) = 0 i ≠ 0,1
STABILITA’
26
DEFINIZIONE
Una sequenza {u(k)} si dice limitata se ∃ un numero M ≥ 0 tale
che |u(k)| ≤ M per ogni k
Esempio
• La sequenza gradino è limitata, M è qualunque numero ≥ 1
• La sequenza u(k) = k al contrario non è limitata
DEFINIZIONE
TEOREMA
Il sistema ARX Σ è stabile BIBO se e solo se nella
rappresentazione mediante somma di convoluzione la
sequenza dei pesi è sommabile, cioè:
+∞
∑ h (i) ≠ ∞
i =0
OSSERVAZIONE
La condizione di sommabilità espressa nel precedente
teorema implica in particolare che gli elementi della
sequenza dei pesi tendano a zero al crescere di i.
27
Traccia della dimostrazione (cond. suff.)
Sia |u(k)| ≤ M e si consideri l’uscita y(k): si ha
∞
y (k ) = ∑ h(i )u(k − i )
i =0
∞
y (k ) = ∑ h(i )u(k − i )
i =0
∞ ∞
≤ ∑ h(i )u(k − i ) = ∑ h(i ) ⋅ u(k − i )
i =0 i =0
Esempio
y ( k ) = β u( k ) + α y ( k − 1)
h (i ) = βα i i = 0,1, 2,K
0 α <1
lim h(i ) = lim βα = i
i →∞ i →∞
∞ α >1
+∞ +∞
∑ h (i) = ∑ βα i
i =0 i =0
Il sistema è stabile bibo se e solo se
-1 < α < 1
28
PROPRIETA’ DEI SISTEMI LINEARI ARX
LINEARITA’
Sistema Lineare
con a,b costanti
u (k)=au1(k)+bu2(k) y (k)=ay1(k)+by2(k)
h(k)
1
PROPRIETA’ DEI SISTEMI LINEARI ARX
STAZIONARIETA’
La stazionarietà nei sistemi lineari ARX è rappresentata
dal fatto che i coefficienti
a1, … , ana, b0, … , bnb
2
Le proprietà di linearità e stazionarietà giustificano la
denominazione di ingressi canonici dati ad alcune classi di
segnali di test.
Questi sono
3
RISPOSTA AL GRADINO UNITARIO
E’ utile notare che la risposta al gradino unitario gode della
proprietà
y(k)-y(k-1) = y(k) k=0,1,2, …
y(-1) = 0
4
Nel caso di risposta forzata, cioè ottenuta sotto
l’applicazione di un ingresso che si prolunga nel tempo, ci si
aspetta che un sistema generi una risposta che, almeno
asintoticamennte, tenda a seguire l’andamento dell’ingresso
in modo proporzionale.
Questo è un aspetto cruciale nei sistemi di controllo il cui
comportamento desiderato è in genere proporzionale
all’ingresso.
La misura di quanto bene questa caratteristica è soddisfatta
è denominata fedeltà di risposta.
E’ intuitivamente comprensibile che un sistema di controllo
avrà prestazioni tanto migliori quanto più velocemente
l’uscita diventerà permanentemente proporzionale
all’ingresso entro prescritte tolleranze.
yrp−10%
……..
0 1 2 3 4 5 6
5
•Tempo di assestamento (ta) all’x%: è il numero di passi
richiesti affinché la risposta al gradino si situi definitivamente
entro una fascia di tolleranza pari all’x% del valore di regime
permanente. Frequentemente tale fascia di tolleranza è
assegnata al ±1%.
yrp+1% ta
yrp
yrp−1%
…..
0 1 2 3 4 5 6 7 8 9 10 11 12 13
OSSERVAZIONI
6
SISTEMI INTERCONNESSI
•Nei problemi di automatica (di controllo automatico), si ha in
generale a che fare con sistemi interconnessi.
7
CONNESSIONE IN PARALLELO
h1(k) y1(k)
u(k) +
y(k)
+
h2(k) y2(k)
u(k) k y(k)
h( k ) = ∑ h1 (i )h2 ( k − i )
i =0
8
•Infatti, usando ancora come ingresso u(k) = δ(k) (risposta
impulsiva), si ha:
CONNESSIONE IN CONTROREAZIONE
u(k) + e(k) y(k)
h1(k)
−
s(k)
h2(k)
+∞
s( k ) = ∑ h2 (i ) y ( k − i )
i =1
e( k ) = u ( k ) − s ( k )
+∞
y ( k ) = ∑ h1 (i )e( k − i )
i =0
9
•h2(k) deve pesare solo i campioni precedenti di y(k), e non
anche quello attuale (oppure h1(0) = 0 ).
INTRODUZIONE
10
• Si trasforma il problema originale (previsione del
comportamento di un sistema lineare stazionario TD in
termini di risposta ad uno stimolo a partire da condizioni
iniziali note) in un problema immagine definito su un
dominio diverso dal tempo
• Si cerca la soluzione del problema immagine nel dominio
immagine
• Si trasforma la soluzione trovata nel dominio immagine
nella corrispondente soluzione nel dominio di partenza
Dominio
originale Problema Soluzione
11
RICHIAMI SUI NUMERI COMPLESSI
Un numero complesso z è un numero che può essere
espresso nella forma
z = x+jy
Dove x, y ∈ℜ j = −1
12
RAPPRESENTAZIONE GEOMETRICA
si associa il numero complesso z = x+jy con il punto (x,y)
del piano complesso di ascissa Re(z) e ordinata Im(z)
Im(z)
z=x+jy
y
|z|
θ
x Re(z)
IDENTITA’ DI EULERO
Dalla rappresentazione geometrica dei numeri complessi
Im(z)
z=x+jy
y
|z|
θ
x Re(z)
13
RAPPRESENTAZIONE POLARE
Usando l’identità di Eulero è possibile dare una nuova
rappresentazione dei numeri complessi,
considerando che:
• ejθ=vettore di lunghezza unitaria e fase θ
Im(z)
z=ejθ Im(z)
z=rejθ
sin θ
ejθ rejθ
rsin θ
1 r
θ θ
cos θ Re(z) rcos θ Re(z)
ESEMPIO
dati due numeri complessi
z1= |z1|{cosθ1+jsinθ1} = |z1|ejθ1
14
PRINCIPALI FUNZIONI DI VARIABILE COMPLESSA
Una funzione di variabile complessa, indicata con F(z), è
una funzione definita nell’insieme dei numeri complessi a
valori in quello stesso insieme.
FUNZIONE COMPLESSO CONIUGATO
dato il numero complesso : z = x+jy = |z|ejθ
si definisce valore complesso coniugato di z il valore
z* = F(z) := Re(z) - j Im(z) = x - jy
PROPRIETA’
z = x+jy , z* = x-jy
z = (z)(z*)
1
Re(z) = (z + z*)
2
1
Im(z) = (z − z*)
2j
ez = F(z) := ex ejy
15
Trasformata Z (0)
Trasformata Z (1)
Definizione 1
Data una sequenza f(t) finita a destra, si chiama
trasformata Z di f(t), e si indica con Z[f(t)], la serie di
potenze in z-1 data da
+∞
Z[f(t)] = ∑ f(t)z − t = f(0) + f(1)z −1 + f(2)z − 2 + ......
t =0
Osservazione 1
Interpretando z come una variabile complessa,
Z[f(t)] viene vista come una serie di potenze nel
campo complesso C.
16
Trasformata Z (2)
Osservazione 2
Se la serie
+∞
Z[f(t)] = ∑ f(t)z − t = f(0) + f(1)z −1 + f(2)z − 2 + ......
t =0
risulta essere convergente in una regione S del
piano complesso C, la sua somma è una funzione di
variabile complessa definita in S che viene indicata
con F(z).
Con un certo abuso di notazione, si può porre F(z)
= Z[f(t)] e si può dire che F(z) è la trasformata Z di
f(t).
Trasformata Z (3)
Esempio 1
Consideriamo la sequenza f(t) finita a destra
data da
0 per t < 0
f(t) = t
a per t ≥ 0
17
Trasformata Z (4)
Ricordando, dallo studio della serie geometrica, che per az-1≠1 si ha
n n
t −t
∑a z = ∑ (az −1 )t =
t =0 t =0
1 − (az −1 )n +1
= 1 + az −1 + (az −1 )2 + ...... + (az −1 )n =
1 − az −1
si ottiene per |az-1|<1, cioè per |z|>|a|,
n
Z[f(t)] = F(z) = lim ∑ at z − t =
n→ ∞ t =0
-1 n +1
1 - (az ) 1 z
= lim = =
n→ ∞ 1 − az −1 1 − az −1 z−a
Trasformata Z (5)
In altri termini, possiamo affermare che la serie
ottenuta trasformando la sequenza considerata è
convergente per |z|>|a. Quindi, con le convenzioni
stabilite in precedenza abbiamo che la trasformata
18
Trasformata Z (6)
Esempio 2
Consideriamo la sequenza δ(t), cioè l’impulso o
delta di Dirac, data da
1 per t = 0
δ(t) =
0 per t ≠ 0
Trasformata Z (7)
19
Trasformata Z (8)
Proprietà delle serie di potenze garantiscono che se
la serie
+∞
Z[f(t)] = ∑ f(t)z − t
t =0
ottenuta Z-trasformando la sequenza f(t)
Trasformata Z (9)
convergenza
z0
z1
non convergenza
20
Trasformata Z (10)
Da quanto affermato segue
Proposizione 1
Se la serie +∞
Z[f(t)] = ∑ f(t)z − t
t =0
ottenuta Z-trasformando la sequenza f(t) converge per
qualche valore z0 ∈ C, allora esiste un numero reale r ≥ 0 tale
che la serie converge ogni per z ∈ C con lzl>r e non converge
per ogni ogni z ∈ C con lzl<r.
Definizione 2
Il numero r descritto dalla proposizione precedente si dice
raggio di convergenza della serie.
La regione S ⊆ C definita da S = {z ∈ C, |z|>r} si dice regione
di convergenza della serie
Trasformata Z (11)
regione di
convergenza
raggio di
convergenza
21
Trasformata Z (12)
Esempio 3
Consideriamo la sequenza f(t) finita a destra
data da
0 per t < 0
f(t) = t
a per t ≥ 0
z
F(z) =
La sua trasformata Z è data da z−a con
Trasformata Z (13)
Esempio 4
Consideriamo la sequenza δ(t), cioè l’impulso o
delta di Dirac, data da
1 per t = 0
δ(t) =
0 per t ≠ 0
Z[f(t)] = 1
La sua trasformata Z è data da con
22
Trasformata Z (14)
Trasformata Z (15)
si ha infine z
F(z) =
z −1
23
ZERI E POLI DELLA TRASFORMATA Z
•Si è visto che la trasformata z di una sequenza geometrica è
esprimibile come il rapporto di due polinomi nella variabile z. Nel
seguito considereremo solo situazioni dello stesso tipo, nelle
quali, cioè, la trasformata z è una funzione razionale.
b0 z m + b1 z m −1 + ... + bm
F ( z) = n
z + a1 z n −1 + ... + an
b0 ( z − z1 )( z − z2 )...( z − zm )
F ( z) =
( z − p1 )( z − p2 )...( z − pn )
•Per z = z1, z = z2, …, z = zm, si ha: F(z)=0. Le radici del
numeratore z1, z2,…, zm si dicono zeri di F(z).
•Esempio:
z
F ( z) =
( z − a)
24
•I poli e gli zeri di una trasformata z contengono tutta
l’informazione essenziale relativa ad F(z).
z2 + 2z − 3 ( z − 1)( z + 3)
•Esempio: F ( z ) = 3 =
z − 2 z + 5z z ( z − 1 − 2 j )( z − 1 + 2 j )
2
25
•È utile avere tabelle di coppie:
TABELLA TRASFORMATE Z
f(k) F(z) Raggio di
convergenza
δ(k) 1 0
1 z 1
z −1
ak z |a|
z−a
k z 1
( z − 1)2
k (h ) z 1
h! ( z − 1)h +1
26
Ulteriori trasformate z
Raggio di
convergenza R
27
Linearità
!#"%$&'!('!#"%)+*-,.!/" $0.12('13,.124
&.12*576'879-&.:;9<
DFE = G B HF= IJE C + K B H?
∞
−
∞
> − IJE C E > LM=?L >
C @ C @
GND?E + KNDO
= =
=
> E
=
E > LM=AL >
NB PRQ S 6.T 9-6 U39!< T V W3V.XY9!XZ6'[7&.XZV 9XZ& S < 9-V 6.W2W36.XZ9U':3V
T
& \
9 Z
X '
& 3
8 -
.
6 X S &'9-&].<NU':;&]'&'9-&87V2^.U3V.:3_7&.`
manipolazioni
Y
V .
6 '
W 3
W .
6 Z
X
9 2
U 3
: V
-
S &.:'<bW36.T &'_c< 6%:'<+576.:38'< 879-6.:36O:;V.T T &
• a ].<dU':3& sequenza complessa <b:
decomposizione W2<be S
1fT Vg5cU2<3\ 9XZ&'87-6%X &'9-V876.:36
sequenze semplici -
note
=
>
6'878'< &
\J ! -m)]=z-mF Z_7"#1 _c d
S ^.U3&.TbU':3^.U;V<b:39-V.Xb6
≥0
S
T &+W2XZ6.W'X < V'9 à [7&%T V876%T 6+W;V.X2!!#"x< ]'V.:;9< 53& V.:79-V+:'U2TbT &+W3V.Xf#yc0
&.V9-V 87S V'W3w.6U36.].:3< 876J5cXZ< V'S 9-6 W36.XZ9-&.:39!<7[7&.:39-&'w'w%<cW3V.X &.:3&%T < _7_7&%XZV+8'< 879-V S <cTb< :3V'&.X <
PE
= β + α
− =
= β + α −
= β
+ α
−
= −
β β
=
−α − =
−α −
. .
c!#"%$ 'b 0'"#U'!/"%) '!(;"#U'! - (3"%) 2Z,'"xU'! -,2"%)4 .
]'6'[7V h(i) }T & sequenza ]'V%< pesi caratteristica ]'V.T|8'< 879-V S .& {
(.
$ .V.T57&'S836 5 3V 9U;9-9-V T V sequenze 576.:38'< ]'V.XZ&'9-V 8'< .& :36
< ]'V.:39!< 57& V.:39-V+:'U2TbT VW3V.X%#yc0
3&4 ' = 1 5
&(6' 4 2
∞
2%
−
2% 2%
− −
=
2% 2%
− −
=
= =
Poichè
S "x$J_ Z_7" S 0zVz87V'^.U3V.:3_7VrU' #"< ]2V.:39!< 57& S V.:39-V
Z[u(k- -mU
W3V.X%≥#yc0
Z_7"%$ '. Z02"#U'Z_7"f) '. !(3"!_ - Z_7"%) Z_3'." Z,'"!_
. .
-1 -2 U(z) +…
$ 'Z02"%) ' (3"!_ -1 ) … *-
-
$Z_7" Z_7"
576.:Z_7"%$\
'Z_3" .
+
, %
+ & '(
+ '*)
=+ ) >
−
+
-
% + & %*& '(
+ ')
= ./+ + ) >
−
)
./%
+ &
= ) $
−+ −
8:13
9 2 9;0 139 2 14
9 2
− 8; <=
− =
>@15
? 2 1 672 12
− >@? − = A5?
Esempio
u < &&.:3576%XZ&
c!#"%$ β 'U !/"%) α y(k-1)
=
<
βα ≥
= β >
α α
u V = >
−
]'&.T T & W2XZ6.W'X < V'9 ]%< convoluzione 87V'w.U3V
' & = ()&+*,& = $" & β & !%!# $" & & % #
(.
−α −
5 3V}T 6 879-V'87876X < 8cU2T 9-&'9-6 ].<7W'X < S &9XZ6'[7&'9-6+W3V%X &%T 9XZ&['< &
.
+J
h.ij;j;k lnmdo%p3irqJt.k!ok!t'p;j;q
u < &!/"U':3&83V'^.U3V.:3_7&]'&'9-&
. / 2- -
Sia 5
6 = 3 4 7 . + 10 / 5 ≥ - <
5 5I
KH;L < = OM ;N< L J = I PH; N + =>< L J
∞ ∞
P= Q
=
J ;?8 =>< L 8 P ;1@A<J L 8 9 B B B
−
=
−
−
&
&
"
=
∞
=
'= "(
=
− " ' "
)" = ' " − " = ' " − "
−
=
' " " "− " >
$
' " = " " " " >
$
−
OQP N R9P P
Sia =α ≥
= >
M ∞ M M
α
M =J α
−
= =
∞ K −M
= α −
M =J
L K K
= α α −
>
M LK
α = α >α
mdij;m.lnqJsm.Fq.F!ij;mJk ok Hdk q.F!m
− −
= + +
=
→∞
•
u V .
(. (.
[7V.X!< !< F(z)
5 ;V.XZV S 3& 65 poli
3V
(.
]2V.T 57V%XZ5 2< 6 U':2< 9-&%X!< 6
W3V%X k→∞ è illimitato
fuori
f(k)
<%T < S < 9< & S 6&576.:38c< ]'V.XZ&%XZVr< T257&'8765(.3V
•
èXZV'w.analitica
W3V.X
_ (Z6'878c< &F:36.: .;&FW36%T <
:3V%T T & (z-1)F(z)
< 6.:3V]%<|576.:3[3V.XZw'V.≥:3_7&2"
u 6'9-9-6^.U3V'879-&<bW;6'9-V'8'<
∞ = 3 →2
− =
=
=
= = ; >
−
=
−
<
INTRODUZIONE
•
!
"#
$
$%
$$
&&(' )
*
*' +
,#
* * ' +
*
- .
• ./
0
++1 2&(
&034 %
5 -
-
'
6/789:;/<>=@? A
&BC+ D
&5 -(CEFD
GHJI KL-M -1
[F(z)]
N
&
O
P
• Q #(
+
R +
A
• %
-
&&-&( 5
• W Q/SR
&
T>5
' -U'
V #3 -&(
&
&&V-
-
&&X
&-
%
+ V
R 5>+ Y #5
#('
+
VBC+DFZ
W
• [O
- &(
! -
5 &
& R
NOTA
-
O5
+
O & Y #
'
J
&
Y-
-
'
Y -#>' +
R
'
X Y\ &
Newton-Raphson Y - -
R &V &
&-
'
!
&/
&( Y - YV5
/X &
&-'-]
!"" "
"#$%" & '$(
esempio.
ESEMPIO
) * "$%*
"* +& , * ""
-#$%.
/01324 βu(k)+αy(k-1)
.
&# "56&87 *& "# *# & ".
β ⋅ z2
Y(z) =
(z − )(z - 1)
⋅ z2 z z
Y(z) = = A +B +C
(z − )(z - 1) z− z −1
Dove 9
↔ δ(k)
z/(z-α
2 ↔ αk : k=0,1,2,….
- . '
*
(/+
)//
.
01'+
'
/+
)/2'+
3 $ !%
) &'
41
5
y(k) = Aδ (k) + B k
+ C(1)k , k = 0,1,2,....
! "
#
$%
&' '
() *+
+
,
αβ β
A = 0, B = C=
1− 1− α
687'9(:';8<'='7?>A@
⋅ z2 z z
Y(z) = = A +B +C =
(z − )(z - 1) z− z −1
A(z - α (z - 1) + B(z - 1)z + C(z - α z
= =
(z − α )(z - 1)
Az 2 - A z - Aαz + Aα + Bz 2 - Bz + Cz 2 - Cαz
= =
(z − α )(z - 1)
z 2 (A + B + C) + z(-Aα − Cα − B - A) + Aα
= =
(z − α )(z - 1)
B
*C
D
*
E
( /
41'
/C
%D
β = A +B + C
0 = − Aα − Cα − B − A
0 = Aα
B = β −C
0 = −Cα − B
A=0
β
= −Cα − β + C = − β + C(1- α ) C=
1− α
αβ
B = β −C B=
1−
A=0
"!#$%#&
;4 β 7
5
; 6 8 57 ; 6 8
; −α ; − =< += 9 ; : +> 9 ; :
−α −
'
(' '
')' +' ,
$+-
.$,+
$' / 0$,+
.$12.$
3$' '
vera * *
T =
? ? = U V W
T @ A β =U A
=− B&CD@ + α E N CFAG@HAI O αV EJB W
−
B Kβ P B Q B
T = U
CFBHALα EM@ = + R B − α S + @
_ c d
`` X&YDZ β [ = YZ [\ +X
ZD[ a ] + α +α
` β Xc Xd
b` X&^ = X +
α −α
e f+ ('.$1
fg H
'hji$k2l m = βα β
α α
# !#$%#&
- 2 3 2 3
β9 :; 4
9 564 9 5
. 9 /. 9 01/ = + 7 9 8 +< 7 9 0 8
−α − −α −
$' 1
$' )f
'
1
)' )'
' 1
'.$ D 3 '
1
f.&f 'h )' 1
f+ ('+)'j
. *
'h 1H* ' ,
$
/
f. -. -.$f
. ' *
*
') g)
fh.$1
f
!"
#
*
' &/ %(' %('
• $
' f) hf -
3
hf G
$g' 1
$' "h'h+*
g1
'
• )'
,
$
/ f+.$' '+ *
* =
C
>
? −α @
A B
C
3$
D EK F E F E F
βK −α G K −α MON KLK − α βQ RJS Q −α
EK FHEJIF = + + K I Q = + Q
−α K − K K − K
− P
−P
U βα
• z=α , = T
α−
' /&%i β
• * , =`
−α
acbedefeg\hji+kml+nedeopb+k\hrqtsd+uedro+d+uvlpwxsyueheg\h
neh+znelpzHlxo+d+sek\def+sHopbts
+ + + −
=
+ + + −
! )
.$f
*
0
*
0#""0
pn
'
radici di
%&$ " $ a' %
1 2
zn $
1z
n-
'
(α)
H1+ f.$f
• poli (
•
'
,+
$
/ f.$'
)
(α
(
'+.$' 1
'
) +* #,.- !1/- 0- ! ;
! $
'+ hfh'.$f
h hf
* ≠0
0 \%ji
021 0 0
.
…
i
!43
-.$1+H$' G
$
poli pi
0 m%Li
0210+" 0
. f.$f
distinti:
distinti
@ @ EOP+Q#P … P
6 5
= α + α <: @CB = ; + + α > :< @CB = ;
− 5 − >
' ,
-.$1+
d
b
U c V e e a^ e
αR = _ R = U − S VU − T VXWYWYWYU − ^ V
e =
mon =α δ h n +α ijp i k + +α
k
l pl n =
)
' Hf.$f
poli multipli:
multipli
+
+ +
−
= −
− −
+ + + =
allora
α !
"
! α ! α !
= α + !$# + !$# + + !#
− − −
β !
β ! β !
+ !$# + !$# + + !# +
− − −
+ ξ ! + + ξ !
!− # !− #
% f. & +-
$f 1
'+- '
$'.&' *&' :
ω
=
−[ ]
ω
+
D D (
.$'- fhl
)
ω
=
( )( )
ω − ω
− −
3$l
)
ω
( )( )=α +α
ω − ω ω − ω
− − − −
con:
−
α =
α =α =
Quindi:
!
=
ω
−
− ω
−
−
-l
( ) ( )
ω − ω
ω
$ % % #
"
= − = " "
=
Esempio
!
" #"
$
"
$
&%' (
l’antitrasformata
+ + +
=
− − +
) *+
'
!,
-$./(
1 0 0
2 −2 − 2 + = 2 − 2 +
) 34$" 5(
: 9 + : 7 +: + 6 : : 7 6 :
: 9 −: 7 − : + = α8 + α : + α7 : 7 +β : =
− − +
> ;
α= + α< + α; + β < ? + −α= + α < + α; − β < ?
= ? − ; ? + +
− α= − α < + β < ? + α=
+ ? − ; ? +
@'A%A
%&*&
*
A$% '
4
:
E
B αF + α G + αH + β G =
BB
D − αF + α G + αH − β G =
B
B − αF − α G + β G =
BC
αF =
α = α = − α = β =
= − + +
− − +
= δ − + + + −
4
, % (
−
+ + +
=
− − −
+ + + =
'
!4
%(
! ,
/ $&. % α". α !. '('(' α, .
= α # + $ .10 ) % + $ .10 % ! + + $ .) %,
− " − " −0 "
! ,
β" . β! . '('*' β, . '('('
+ $ .10 %) + $ .10 % ! + + $ .)0 %, +
− ! − ! − !
,
'('*' ξ" . '('*' ξ, + . +
+ $ .)0 % + + $ .)0 % , +
− - − -
&# ! "
!%
'
% +
!
"#& (
+
−
+ +
=
( −
) ( − )
( −
)
!"'% $ &$$ A$
.&/ "
" # # #
α α α
# # '
"
3
$
"
$
&
"'3( # 0#! 1# # 2
ξ
) 3#"$% $"% ' $ (
& $ & &
$# $ "
+%' / .& / "
A %
$
%
sempre.
&('$)+*-,-*.,/'102043(,/576-528154*-9/'(,/52:+' );)+3
"
$ "'3#&.4=/# & ' $(
•<
f(1) f(2)
[f(k)] := F(z) = f(0) + + 2 + .....
z z
+ + +
=
− − +
+ + + − − +
− − +
− − −
+ + + +
+ −
−
− − +
−
+ −
− −
− − +
− −
+ −
− − −
= + + + +
RAPPRESENTAZIONE CON LO STATO
La rappresentazione con somma di convoluzione di un
sistema a tempo discreto equivale alla sua
rappresentazione con equazione alle differenze per
condizioni iniziali nulle. Lo stesso avviene per la
rappresentazione con funzioni di trasferimento in Z.
2.1 Definizione
Dato un sistema orientato
Σ = {(u(t),y(t),x(t)), P(u(t),y(t),x(t)) = VERO} ⊆ Ω = UI × YI × XI
con u variabile di ingresso e y variabile di uscita, la variabile x è detta stato di Σ se, dati
due comportamenti
c(t) = (u(t),y(t),x(t)) ∈ Σ c’(t) = (u’(t),y’(t),x’(t)) ∈ Σ
per ogni t0 ∈ T, si ha che
a)x(t0) = x’(t0) implica che il comportamento c”(t) definito da c”(t) = c(t) per t < t0 e
c”(t) = c’(t) per t ≥ t0 appertiene a Σ ;
b)x(t0) = x’(t0) e u(t) = u’(t) per t≥ t0 , implica c(t) = c’(t) per t> t0.
1
I sistemi lineari a tempo discreto che abbiamo preso in
considerazione fino ad ora si rappresentano, qualora si
utilizzino variabili di stato, con equazioni della forma
x ( k + 1) = Ax ( k ) + Bu ( k ) x (0) = x 0
(1)
y ( k ) = Cx ( k ) + Du ( k )
(rappresentazione implicita)
X = Rn ; dim(X) = n
U = Rm ; dim(U) = m (noi ci limiteremo ad m = 1)
Y = Rp ; dim(Y) = p (noi ci limiteremo a p = 1)
Ad esempio:
x(k) = A x(k-1) + B u (k-1) =
= A [A x(k-2) + B u (k-2) ] + B u (k-1) =
x(k-1)
= A2 x(k-2)+A B u(k-2)+ B u (k-1)
2
Iterando più volte la procedura si arriva alla:
x(k) = Akx(0) + Ak-1 B u(0) + Ak-2 B u(1)+ …
… + A B u(k - 2) + B u(k-1)
che in forma compatta può essere scritta come:
k −1
x (k ) = A k x (0) + ∑ A k −i −1Bu (i)
i=0
k −1
y(k ) = CA k x (0) + ∑ CA k −i −1Bu(i) + Du (k )
i=0
k −1
x (k ) = A k x (0) + ∑ A k −i −1Bu (i)
i=0
k −1
y(k ) = CA k x (0) + ∑ CA k −i −1Bu(i) + Du (k )
i=0
3
La risposta libera è rappresentata, nel caso lineare e stazionario, da
4
Φ(k ) = A k
Ψ (k ) = CΦ ( k ) = CA k
0 k=0
H (k ) = k −1
A B k ≠ 0
D k=0
W ( k ) = k −1
CA B k ≠ 0
H(k):
H(k): matrice delle risposte impulsive nello stato,
nucleo della ∑ di convoluzione
b1z -1 + b 2 z - 2 + ….. + b n z - n
Y ( z) = U(z) =
1 - a1z -1 - a 2 z - 2 + ….. + a n z - n
b1z n -1 + b 2 z n - 2 + ….. + b n
= U ( z)
z n - a1z n -1 - a 2 z n - 2 + ….. + a n
5
LEGAME TRA RAPPRESENTAZIONI ARX E
RAPPRESENTAZIONI CON LO STATO
x(k+1) = Ax(k) + Bu(k)
y(k) = Cx(k) Z-trasformando si
zX(z) = AX(z) + Bu(z) + [zx(0)]
Y(z) = CX(z) ovvero
(zI-A)X(z) = Bu(z) + [zx(0)]
Y(z) = CX(z) e quindi
X(z) = (zI-A)-1Bu(z) + [z(zI-A)-1x(0)]
Y(z) = C(zI-A)-1BX(z) + [zC(zI-A)-1x(0)]
0 1 0 ... ... 0 0
0 0 1 0 ... 0 0
x ( k + 1) = Ax ( k ) + Bu ( k ) ... ... ... ... ... ... 0
A= ; B = ; C = [b n b n −1 ... ... ... b1 ]
y ( k ) = Cx ( k ) + Du ( k ) ... ... ... ... ... ... 0
0 0 0 0 0 1 0
a n a n −1 ... ... ... a1 1
b1z n -1 + b 2 z n - 2 + ….. + b n
= C(zI − A) −1 B
n n -1 n -2
z - a1z - a2 z + ….. + a n
6
−1
0 1 0 ... ... 0 z −1 0 ... ... 0
0 0 1 0 ... 0
0 z − 1 0 ... 0
... ... ... ... ... ... −1 ... ... ... ... ... ...
C(zI − A ) −1 B = C(zI − ) B = C B=
... ... ... ... ... ... ... ... ... ... ... ...
0 0 0 0 0 1 0 0 0 0 z −1
a n a n −1 ... ... ... a1 − a n − a n −1 ... ... ... z − a1
b n −1z n −1 + b n − 2 z n − 2 + ..... + b1
=
z − a n −1z n −1 − a n − 2 z n − 2 − .... − a1
n
7
ULTERIORI OSSERVAZIONI
Applicando la trasformata Z ad una rappresentazione in
spazio di stato, dalle relazioni
X(z) = z(zI-A)-1x(0) + (zI-A)-1Bu(z)
Y(z) = CX(z) = zC(zI-A)-1x(0) + C(zI-A)-1Bu(z)
otteniamo
1. Φ(z) = z(zI-A)-1
2. H(z) = (zI-A)-1B
3. Ψ(z) = z-1Φ(z)B
4. W(z) = C (zI-A)-1B
FUNZIONI DI TRASFERIMENTO
8
Dato il generico sistema ARX
y(k) + a1 y(k-1) + a2 y(k-2) + …. + an y(k-n) =
= b0 u(k) + b1 u(k-1) + b2 u(k-2) + …. + bm u(k-n)
le trasformate Z di y(k) e u(k) verificano la relazione Y(z)=H(z)U(z)
con
b zn + b1zn -1 + .... + bn
H(z) = 0
zn + a1zn -1 + .... + an
H(z) = funzione di trasferimento del sistema in studio.
Si constata inoltre che se U(z) è la trasformata della sequenza di
impulsi di Kronecker,
Y(z)=H(z)
e dunque che
Z-1[H(z)]=h(k)
Nelle condizioni in cui operiamo, H(z) è la trasformata z della
sequenza dei pesi del sistema.
Esempio
Equazione alle differenze del primo ordine:
y ( k ) = βu (k ) + αy ( k − 1)
Trasformata z (ipotesi di condizioni iniziali nulle):
y ( z ) = βu ( z ) + α ⋅ z −1 y ( z ) ⇒ (1 − α ⋅ z −1 )y ( z ) = βu ( z ) ⇒
β βz
⇒ y( z) = = u ( z ) = H ( z )u ( z )
(1 − α ⋅ z −1 ) u ( z )
(z − α )
βz
H ( z) = Funzione di trasferimento
(z − α )
9
Si consideri la risposta del sistema precedente all’ingresso:
u(k ) = δ (k )
Poiché: Z [δ ( k )] = u ( z ) = 1
si ha: y ( z ) = H ( z )u ( z ) = H ( z )
Esempio
Modello del PIL:
y ( k ) − α (1 + β ) y ( k − 1) + αβy ( k − 2) = u ( k )
Trasformata z (ipotesi di condizioni iniziali nulle):
y ( z ) − α (1 + β ) ⋅ z −1 ⋅ y ( z ) + αβ ⋅ z −2 ⋅ y ( z ) = u ( z ) ⇒
[1 − α (1 + β ) ⋅ z ]
+ αβ ⋅ z −2 ⋅ y ( z ) = u( z ) ⇒
−1
1
y( z) = u( z ) =
1 − α (1 + β ) ⋅ z −1 + αβ ⋅ z −2
z2
= 2 u ( z ) = H ( z )u ( z )
z − α (1 + β ) ⋅ z + αβ
H (z ) Funzione di trasferimento
10
EQUIVALENZA FRA LE RAPPRESENTAZIONI
•Risulta quindi verificato che, sotto le condizioni date (linearità,
stazionarietà, condizioni iniziali tutte nulle, ingresso nullo per
k<0), i tre modelli:
11
b0 + b1 z −1 + L + bm z − m p ( z −1 )
y( z) = u( z ) +
1 + a1 z −1 + L + an z −n 1 + a1 z −1 + L + an z −n
Esempio
+∞ +∞ +∞
∑ y (k ) z
k =0
−k
− α ⋅ y ( −1) − α ⋅ z −1
∑ y (k ) z
k =0
−k
= β ∑ u( k ) ⇒
k =0
y ( z ) − α ⋅ y ( −1) − α ⋅ z −1 y ( z ) = βu ( z ) ⇒
β ⋅ u ( z ) α ⋅ y ( −1)
y( z) = +
1 − α ⋅ z −1 1 − α ⋅ z −1
12
COMPOSIZIONE DI SISTEMI TRAMITE
FUNZIONE DI TRASFERIMANTO
Y2 ( z )
= H1 ( z ) H 2 ( z )
U1 ( z )
13
Esempio
con
1
y1 (k ) = u1 (k ) + y1 (k − 1)
2
1
y 2 (k ) = u 2 (k ) + u 2 (k − 1) − y 2 (k − 1)
3
Determinare:
• La funzione di trasferimento
• La sequenza dei pesi
• L’equazione alle differenze
1 z
H1 ( z ) = =
1 1
1 − z −1 z −
2 2
−1
1+ z z +1
H2 ( z) = =
1 1
1 + z −1 z +
3 3
Funzione di trasferimento
1 + z −1 z ( z + 1)
H ( z ) = H1 ( z ) H 2 ( z ) = =
1 − z −1 − z −2 z − z +
1 1 1 1
6 6 2 3
14
Espansione in frazioni parziali di H(z) :
9 z 4 z
H ( z) = −
5 z− 1 5 z+1
2 3
k k
9 1 4 1
h(k ) = − − per k = 0, 1, 2, ...
5 2 5 3
1 + z −1
Y2 ( z ) = U ( z)
1 −1 1 −2 1
1− z − z
6 6
1 1
y2 ( k ) = u1 ( k ) + u1 ( k − 1) + y2 ( k − 1) + y2 ( k − 2)
6 6
15
Composizione in controreazione
S ( z ) = H 2 ( z )Y ( z ) per la stazionarietà
E ( z ) = U ( z ) − S ( z ) = U ( z ) − H 2 ( z )Y ( z )
Y ( z ) = H1 ( z ) E ( z )
Y ( z ) = H1 ( z )[U ( z ) − H 2 ( z )Y ( z )]
Y ( z )[1 + H1 ( z ) H 2 ( z )] = H1 ( z )U ( z )
Y ( z) H1 ( z )
=
U ( z ) 1 + H1 ( z ) H 2 ( z )
H1 ( z ) H1 ( z )
W ( z) = =
1 + H1 ( z ) H 2 ( z ) 1 + H1 ( z )
kd
16
Lo studio della equazione:
H1 ( z )
1+ =0
kd
detta “equazione
equazione caratteristica”
caratteristica permette di riconoscere e
mettere in evidenza le più importanti proprietà e
prestazioni, dal punto di vista del controllo, del sistema
a controreazione
17
Poli nel piano z e andamenti
temporali corrispondenti
STABILITÀ
•Dato il sistema a tempo discreto: x ( t + 1) = Ax ( t )
18
STABILITÀ ASINTOTICA
STABILITÀ ESTERNA
DEFINIZIONE: Un sistema a tempo discreto, lineare e
sta-zionario descritto dalle equazioni
x(t+1) = Ax(t)+Bu(t)
y(t)=Cx(t)
è stabile esternamente nello stato zero (cioè
relativamente a condizioni iniziali nulle), o stabile BIBO
se:
19
TEOREMA 1: Un sistema a tempo discreto, lineare e
stazio-nario, con risposta impulsiva W(k), è stabile
esternamente (o stabile BIBO) nello stato zero se e
solo se:
+∞
∑ | W (k ) |< ∞
k =0
∃L : | u ( k ) |< L,∀k
+∞
y ( n )= ∑ W ( k )u ( n − k )
k =0
+∞ +∞
| y ( n ) |≤ ∑ | W ( k ) || u ( n − k ) | ≤ L ∑ | W ( k ) | = N
k =0 k =0
20
Condizione necessaria. Si supponga, per assurdo , che:
+∞
∑ | W (k ) |= ∞
k =0
+∞ +∞
y ( r ) = ∑ W ( k ) sign [W ( k ) ] = ∑ | W ( k ) | = ∞
k =0 k =0
CRITERI DI STABILITA’
b( z )
F(z) F ( z) =
a( z)
a ( z ) = z n + a n −1z n −1 + K + a 0
a(z)=denominatore di F(z)=polinomio caratteristico
21
Criterio di Jury
a(z) = zn + a n −1zn −1 + K+ a 0
• Si costruisce la tabella:
a0 a1 a2 L 1
1 a n −1 a n−2 L a0
a a k +1
b0 b1 L b n −1 b n − k −1 = 0 , k = 0,K, n − 1
1 a n − k −1
b n −1 b n − 2 L b0
b0 b k +1
M M M M cn −2− k = , k = 0,K, n − 2
b n −1 b n − k − 2
u0 u1 u2 u3
M
u3 u2 u1 u0
u uk
v0 v1 v2 v2−k = 0 , k = 0,1,2
v2 v1 v0 u3 u 2− k
22
Condizione sufficiente per l’esistenza di una risposta a
regime permanente è la stabilità asintotica, oppure, sotto
opportune ipotesi, la stabilità esterna.
Ingressi considerati :
h ( h − 1)K ( h − k + 1)
(k )
h
u% k ( h ) = =
k! k!
z
u% k ( z ) = k +1
( z − 1)
23
•Risulta :
(k )
~y ( h ) = C h + L + C k −1h (1) + C k ;
0
k!
1 d i W (z)
Ci = ; i = 0,1,K , k .
i
i! dz
z =1
• Nota . L’espressione dei C i deriva da :
• teorema del valore finale per segnali a
tempo discreto
SISTEMA DI ERRORE
yd(h)
kd
yd (h) = kd u(h) u(h) + e(h)
−
y%d (h) = kd u% (h)
W(z)
y(h)
24
• Anche per il sistema di errore può essere definita la risposta
a regime permanente, ammesse verificate le condizioni per
la sua esistenza. Essa allora vale :
(k )
~ h
e(h) = Ce,0 + L + Ce,k −1h(1) + Ce,k ;
k!
1 diWe (z)
Ce,i = ; i = 0,1,K,k.
i! dzi
z=1
DEFINIZIONE DI TIPO
25
Condizioni di appartenenza al tipo k :
a) il sistema è di tipo k se e solo se
P ( z ) ( z − 1)k P1( z )
W (z) = =
Q( z ) Q( z )
Esempio.
Sistema di tipo 0 : presenza in We(z)di uno zero in z = 1 di
molteplicità 0
errore di regime
1
ek = Ce,k = We ( z) ≠0
k
(z − 1) z =1
26
c) Tenendo in conto la struttura del sistema :
k d2 kd
2
e0 =Ce,0 = = Sistema
k d + G(z) kd + kG di tipo 0
z =1
1 k d2
ek = Ce, k = = Sistema
(z − 1) k k d + G(z)
z =1 di tipo k
2 2 (k diverso
kd kd
= = da zero)
kd ( z − 1) + ( z − 1) G( z) z =1 kG
k k
27
RISPOSTA A REGIME PERMANENTE A DISTURBI
en (h) = − yn (h)
e%n (h) = − y%n (h)
e%n = −Wn ( z) z =1
28
• Per il legame diretto e la soluzione parziale occorre speci-
ficare il punto di applicazione del disturbo.
1
kd
G2 ( z) kd G2 ( z)
Wn ( z) = =
G ( z)G2 ( z) kd + G1 ( z)G2 ( z)
1+ 1
kd
zeri di G2(z) (G2(z) non ha zeri in z = 1)
Zeri di Wn(z) :
poli di G1(z)
29
Si ha astatismo quando i blocchi a monte del punto di ap-
plicazione del disturbo ( G1(z) ) hanno un polo in z = 1.
Se il sistema è statico :
kd kG2
k + k k ; se G2(z) non ha poli in z = 1
~
yn (h) = d G1 G2
k
d ; se G2(z) ha poli in z = 1
kG1
u(⋅) + y(⋅) G( z )
G(z) −
− kd G( z )
Wn ( z) = =−
1 + G( z) kd + G ( z )
1+
kd
+ kd
n(⋅)
30