Appunti: fondamenti di automatica

Andrea Medolago
2021

Indice
1 Classificazione dei sistemi dinamici 1
1.1 Definizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Sistemi lineari, tempo-invarianti, dim finita . . . . . . . . . . . . 2

2 Equilibrio e Stabilità 2
2.1 Identificazione movimenti e uscite . . . . . . . . . . . . . . . . . . 2
2.2 Stabilità del sistema . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.1 Diagonalizzazione . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.2 caso A non diagonalizzabile . . . . . . . . . . . . . . . . . 3
2.2.3 Stabilità del polinomio caratteristico . . . . . . . . . . . . 4
2.2.4 Criterio di Routh-Hurwitz . . . . . . . . . . . . . . . . . . 4
2.2.5 Criterio grafico di Michailov . . . . . . . . . . . . . . . . . 5
2.3 Polinomi intervallari . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3.1 Teorema di Kharitonov . . . . . . . . . . . . . . . . . . . 5
2.4 Stabilità dell’equilibrio . . . . . . . . . . . . . . . . . . . . . . . . 6
2.4.1 Stabilità I/O, Bibo . . . . . . . . . . . . . . . . . . . . . . 6
2.4.2 Medoto della linearizzazione . . . . . . . . . . . . . . . . . 6
2.4.3 Raggiungibilità e osservabilità . . . . . . . . . . . . . . . . 7
2.4.4 Cambio di base . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.5 Risposta all’impulso . . . . . . . . . . . . . . . . . . . . . 8

1 Classificazione dei sistemi dinamici

1.1 Definizioni
Equilibrio: quantità che presa come condizione iniziale fa sì che lo stato per-
manga in quella quantità definitivamente.
Equilibrio del sistema: se presi come stati iniziali il sistema non evolve.
Dato un sistema (
ẋ = f (. . . )
y = g(. . . )
si definisce:
• sistema proprio: non c’è dipendenza dagli ingressi futuri, x(t),y(t) non
dipendono da u(.) fino al tempo t (escluso).

1
 • sistema strettamente proprio: non c’è dipendenza dagli ingressi futuri,
x(t),y(t) non dipendono da u(.) fino al tempo t (incluso).

• sistema tempo invariante: in f e g manca la dipendenza esplicita da t.

• sistema lineare: (
ẋ = A(t)x(t) + B(t)u(t)
y = c(t)x(t) + d(t)u(t)
con A ∈ IRn×n , B ∈ IRn×n , C ∈ IRp×n , D ∈ IRp×m , un sistema lineare gode
della proprietà sovrapposizione degli effetti.

1.2 Sistemi lineari, tempo-invarianti, dim finita

Dato un sistema lineare, tempo-invariante, di dimensione finita, usando la pro-
prietà della sovrapposizione degli effetti si ottiene che il generico movimento e
la generica uscita sono:
(
x(t) = xL (t) + xF (t), t ≥ 0
y(t) = yL (t) + yF (t), t ≥ 0

con xL (t) movimento libero entrata, yL (t) movimento libero uscita, xF (t) mo-
vimento forzato entrata, yF (t) movimento forzato uscita.

2 Equilibrio e Stabilità
Dato x0 = f (x.u), y = g(x, u) per stabilire un equilibrio si annullano le derivate
→ f (x̄, ū) = 0, ȳ = g(x̄, ū). Definisco x̄ stato di equilibrio e ȳ uscita di equilibrio.

stato di equilibrio stabile: Lo stato di equilibrio x̄ si dice stabile ⇐⇒ ∀ >

0 ∃δ > 0 tale che ||x0 − x̄|| ≤ δ → ||x(t) − x̄|| ≤ 
stato di equilibrio asintoticamente stabile: Lo stato di equilibrio x̄ si dice
asintoticamente stabile ⇐⇒
• ∀ > 0 ∃δ > 0 tale che ||x0 − x̄|| ≤ δ → ||x(t) − x̄|| ≤  (stabilità semplice)
• limt→∞ ||x(t) − x̄|| = 0 (attrattività)

2.1 Identificazione movimenti e uscite

Dato un sistema lineare, tempo-invariante, di dimensione finita,
(
ẋ = A(t)x(t) + B(t)u(t)
y = c(t)x(t) + d(t)u(t)

il generico movimento e la generica uscita sono:

(
x(t) = xL (t) + xF (t), t ≥ 0
y(t) = yL (t) + yF (t), t ≥ 0

2
Definizione:
∞
X Ak ∗ t k
eAt = conA ∈ IRn×n (1)
k!
k=0

identifico i parametri del sistema soluzione:

• xL (t) = eAt x0

• yL (t) = CeAt x0
Rt
• xF (t) = 0 eA(t−τ ) Bu(τ )dτ (Formula di Lagrange)
Rt
• yF (t) = C 0 eA(t−τ ) Bu(τ )dτ + Du(t)
 Rt
yF (t) = 0 g(t − τ )u(τ )dτ

g(t) = CeAt B + Dδ(t)

δ(t)Funzione impulso o distribuzione di Dinac


2.2 Stabilità del sistema

il sistema lineare è stabile ⇐⇒ il movimento libero dello stato è limitato per
t ≥ 0, ∀x0 .
il sistema lineare è asintoticamente stabile ⇐⇒ limt→∞ xL (t) = 0 .
Lo studio della stabilità del sistema si riduce allo studio della matrice A,
possiamo avere due casi:
• A diagonalizzabile
– il sistema è stabile ⇐⇒ Re(λi (A)) ≤ 0, ∀i
– il sistema è asintoticamente stabile ⇐⇒ Re(λi (A)) < 0, ∀i
• A non diagonalizzabile
– A=λI+N, N nillpotente (∃k : N k = 0)
Analizziamo il primo caso (A diagonalizzabile)

2.2.1 Diagonalizzazione
Diagonalizzabilità: ∃T invertibile: T AT −1 = Ã, Ã diagonale. T −1 è la matrice
avente come colonne gli autospazi generati dagli autovalori della matrice A.
Gli autovalori λi della matrice A sono le radici del polinomio caratteristico
p(s) = det(sI − A).

2.2.2 caso A non diagonalizzabile

Sia A = λI + N non diagonalizzabile, N nillpotente (∃k : N k = 0). Es.
       
λ 1 1 0 0 1 0 1
A= =λ + ; N=
0 λ 0 1 0 0 0 0
(2) in gene-
eAt = e(λI+N )t = eλt eN t (2) rale è falso,
in questo ca-
so è vero per-
3 chè le matrici
commutano
 ∞
X N k ∗ tk
eN t = = I + Nt
k!
k=0
 
1 t
poichè per k=2 eN t = 0 → eAt = eλt
0 1
In generale si ottiene un miniblocco di Jordan:
 
λ 1 0 0 ...
0 λ 1 0 . . .
A = 0 0 λ
 
1 . . .
.. .. .. .. ..
 
. . . . .

Dallo studio della stabilità di A monoblocco di Jordan si ottengono i teoremi di

stabilità generali.
Data A matrice associata ad un sistema:

• il sistema è asintoticamnte stabile ⇐⇒ Re(λi (A)) < 0, ∀i.

• il sistema è semplicemente stabile ⇐⇒ Re(λi (A)) ≤ 0, ∀i ∧ (Re(λi ) =
0 → νi = ni ) con νi molteplicità geometrica e ni molteplicità algebrica.
• il sistema è instabile ⇐⇒ ∃λi con Re(λi ) > 0 ∨ (∃λi con (Re(λi ) =
0 ∧ νi < ni ))

2.2.3 Stabilità del polinomio caratteristico

Dato il polinomio

p(s) = det(SI − A) = sn + a1 sn−1 + · · · + an (3)

si dice di Hurwitz se Re(δi ) < 0, ∀i con δi radici del polinomio (3).

C.N (condizione necessaria) affinchè p(s) (3) sia di Hurwitz è che ai > 0, ∀i.
p(s) = sn + a1 sn−1 + · · · + an = i (S − Si ) con Si radici reali o complesse.
Q
S +S ∗
Si noti che Si ∗ Si∗ > 0, Si + Si∗ < 0 quindi se Re(Si ) = i 2 i → Re(Si ) < 0.
Se un coefficiente in (3) è nullo o di segno diverso dagli altri, allora il polinomio
non può essere di Hurwitz.
N.B
n
a1 X
=− Si = −T raccia(A)
a0 i
n
an Y
=− Si = det(−A)
a0 i=1

2.2.4 Criterio di Routh-Hurwitz

Dato il polinomio: sn + a1 sn−1 + · · · + an costruisco la tabella di Routh (n+1
righe)

4
 Es con n=6:  
a0 a2 a4 a6
a1 a3 a5 
 
 b1 b2 b3 
 
 c1 c2 0 
 
d1 d2 
 
 e1 0 
f1
C.N.S (condizione necessaria e sufficiente) per avere un polinomio di Hurwitz è
che i termini nella prima colonna della tabella di Routh abbiano tutti lo stesso
segno.
costruzione della tabella di Routh:
     
a0 a2 a0 a4 a0 a6
−det −det −det
a1 a3 a1 a5 a1 0
b1 = , b2 = , b3 = = a6
a1 a1 a1
     
a a3 a a5 b b
−det 1 −det 1 −det 1 2
b1 b2 b1 b3 c1 c2
c1 = , c2 = , d1 = ,
b1 b1 c1
 
c c2
−det 1
d1 d2
d2 = a6 , e1 = , f1 = a6
d1

2.2.5 Criterio grafico di Michailov

p(s) = sn + a1 sn−1 + · · · + an
p(jω) = (jω)n + a1 (jω)n−1 + · · · + an
∀ω ≥ 0, p(jω) è un numero complesso. C.N.S poichè il polinomio sia Hurwitz
è che la variazione di fase 6 p(jω) con ω ∈ [0, ∞] sia, in senso antiorario, uguale
a π2 .

2.3 Polinomi intervallari

p(s) = sn + a1 sn−1 + · · · + an
avente coefficienti ai incerti: ai ∈ [a− − +
i , ai ], con ai , ai noti.
+

2.3.1 Teorema di Kharitonov

C.N.S p(s) è Hurwitz ∀ ai ∈ [a−
i , ai ] ⇐⇒ i quattro polinomi
+

p1 (s) = a+ n + n−1
0 s + a1 s + a−
2s
n−2
+ a−
3s
n−3
+ . . . (+ + − − + + . . . )

p2 (s) = a− n − n−1
0 s + a1 s + a+
2s
n−2
+ a+
3s
n−3
+ . . . (− − + + − − . . . )
− n−1
p3 (s) = a+ n
0 s + a1 s + a−
2s
n−2
+ a+
3s
n−3
+ . . . (+ − − + + − . . . )
p4 (s) = a− n + n−1
0 s + a1 s + a+
2s
n−2
+ a−
3s
n−3
+ . . . (− + + − − + . . . )
sono Hurwitz.

5
2.4 Stabilità dell’equilibrio
La stabilità asintotica limt→∞ xL (t) = 0, ∀x0 ⇒ limt→∞ yL (t) = 0, ∀x0 da cui si
deduce che limt→∞ y(t) − yL (t) = 0, ∀x0 . Dato il sistema
(
ẋ = A(t)x(t) + B(t)u(t)
y = c(t)x(t) + d(t)u(t)

con u(t) = ū, t ≥ 0 ⇒ (

x̄ = −A−1 B ū
ȳ = (−cA−1 B + D)ū

si definisce (−cA−1 B + D) guadagno statico o Dc gain e si indica con µ.

limt→∞ y(t) = ȳ

2.4.1 Stabilità I/O, Bibo

Bibo stabilità: il sistema
(
ẋ = A(t)x(t) + B(t)u(t)
y = c(t)x(t) + d(t)u(t)

si dice bibo (bounded input, bounded output) stabile ⇐⇒ yF (t), t ≥ 0 è

limitata per ogni ingresso limitato.
C.N.S poichè un sistema lineare tempo invariante sia Bibo stabile è che
limt→∞ g(t) = 0 con g(t) = CeAt B + Dimp(t). oss: Asintotica stabilità ⇒
Bibo stabilità.
Dim C.N.S :
1) supponiamo che limt→∞ g(t) = 0
Rt Rt
consideriamo yF (t) = C 0 g(t − τ )u(τ )dτ , |yF (t)| ≤ 0 |g(t − τ )||u(τ )|dτ ,
Rt
scelgo una entrata u(τ ) < M, ∀τ ≥ 0 → |yF (t)| ≤ 0 |g(t − τ )|dτ ∗ M
Rt
= 0 |g(τ )|dτ M . Sapendo che g(t) tende a zero in modo esponenziale ⇒
R∞
0
|g(τ )|dτ < N con N costante.
R∞
⇒ |yF (t)| ≤ 0 |g(τ )|dτ ∗ M ≤ N ∗ M
2) Supponiamo che il sistema sia Bibo stabile
Rt
yF (t) = 0 g(t − τ )u(τ )dτ è limitata ∀u(t) limitata.
Rt
Preso u(τ ) = signg(t − τ ) ⇒ u è limitata. yF (t) = 0 |g(t − τ )|u(τ )dτ =
Rt R∞
0
|g(τ )|u(τ )dτ ≤ 0 |g(τ )|dτ ≤ N ⇒ limt→∞ |g(t)| = 0
in quanto condizione necessaria alla convergenza dell’integrale.
In generale:
• C.N.S Bibo stabilità sistemi tempo invarianti → limt→∞ |g(t)| = 0
R∞
• C.N.S Bibo stabilità sistemi tempo varianti → 0 |g(τ )|dτ < 0

2.4.2 Medoto della linearizzazione

(
ẋ = f (x, u)
y = h(x, u)

6
dato f (x̄, ū) = 0, x̄ è uno stato di equilibrio, ȳ = h(x̄, ū) è l’uscita d’equilibrio.

δx(t) = x(t) − x̄ δu(t) = u(t) − ū δy(t) = y(t) − ȳ

Derivando si ottiene:
∂f ∂f
δ ẋ(t) = ẋ(t) = f (x, u) = f (x̄, ū) = 0 + δx + δu + o(δx, δu)
∂x (x̄,ū) ∂u (x̄,ū)
∂h ∂h
δy(t) = h(x, u) − ȳ = h(x̄, ū) − ȳ + δx + δu + o(δx, δu)
∂x (x̄,ū) ∂u (x̄,ū)
Sistema linearizzato o sistema tangente intorno a (x̄, ū):

δ ẋ(t) = ∂f ∂f
(
∂x (x̄,ū) δx + ∂u (x̄,ū) δu
∂h ∂h
δy(t) = ∂x (x̄,ū) δx + ∂u (x̄,ū) δu

Le matrici ∂f ∂f ∂h ∂h
∂x (x̄,ū) , ∂u (x̄,ū) , ∂x (x̄,ū) , ∂u (x̄,ū) sono composte nel seguente modo:
 ∂f   ∂f   ∂h   ∂h 
1 1 1 1
∂x (x̄,ū) ∂u (x̄,ū) ∂x (x̄,ū) ∂u (x̄,ū)
 ..  
, ..  
, ..  
, .. 
. . . .
 
       
∂fn ∂fn ∂hn ∂hn
∂x (x̄,ū) ∂u (x̄,ū) ∂x (x̄,ū) ∂u (x̄,ū)

con x vettore di n componenti e u vettore di p componenti.

Thr- Stabilità dell’equilibrio:
• x̄ è asintoticamente stabile se A = ∂f
∂x (x̄,ū) è Hurwitz (Re(λi (A)) < 0, ∀i)

• x̄ è instabile se A ha un autovalore Re(λi ) > 0

• non si può concludere sulla stabilità dell’equilibrio se il sistema linearizzato
è semplicemente stabile (se ∃λ|Re(λ) = 0)

2.4.3 Raggiungibilità e osservabilità

(
ẋ = A(t)x(t) + B(t)u(t)
y = c(t)x(t) + d(t)u(t)
[1] [2]
Dati due istanti iniziali x0 e x0 si dicono indistinguibili se a parità di ingresso
[1] [2]
u(t) t ≥ 0 si ha che y(t) = y(t) con y(t) movimenti di uscita corrispondenti
ai rispettivi stati iniziali.
Z t
y(t) = CeAt x0 + g(t − τ )u(τ )dτ
0
Z t
[1] [1]
y(t) = CeAt x0 + g(t − τ )u(τ )dτ
0
Z t
[2] [2]
y(t) = CeAt x0 + g(t − τ )u(τ )dτ
0
x0 si dice essere non osservabile se è indistinguibile dallo stato x0 = 0, ⇐⇒
CeAt x0 = 0, ∀t ≥ 0. x0 non è osservabile se yL (t) = 0, ∀t ≥ 0.

7
 Thr- Cayley Hamilton: il polinomio caratteristico della matrice A è un po-
liniomio annullante della matrice stessa. Definito p(s) polinomio caratteristico
di A ⇒ p(A)=0
Def. un sistema è osservabile se l’unico stato non osservabile è x0 = 0 ⇐⇒
χn0 = {0} con χn0 = {x0 : CeAt x0 = 0, ∀t} sottospazio.  
C
 CA 
2 
 
Thr- il sistema è osservabile ⇐⇒ χn0 = {0} ⇐⇒ rank CA =n.

 .. 
 . 
CAn−1
 
C
 CA 
2 
 
Caso p=1 → il sistema è osservabile ⇐⇒ det  CA  6= 0

 .. 
 . 
CAn−1

2.4.4 Cambio di base

per scomporre un sistema non osservabile in parte osservabile e parte non
osservabile si utilizza il cambio di base. Noto che:
• χn0 ⊂ Ker[C]
• Aχn0 ⊂ χn0 A-invarianza
posso costruire un sistema algebricamente equivalente (vedi esempio quaderno).

2.4.5 Risposta all’impulso

il cambiamento di base non cambia la risposta all’impulso

z = Tx

( (
ẋ = Ax + Bu ż = (T AT −1 )Z + (T B)u
⇐⇒
y = cx + du y = (CT )−1 Z + dU

An0 Aˆn0
   
n−1 −1
  Bn0
T AT = , CT = 0 C0 , T B = ,
0 A0 B0

−1
g(t) = CeAt B+Dimp(t) g̃(t) = CT −1 e(T AT )t
T B+Dimp(t) = CeAt B+Dimp(t)

La risposta all’impulso dipende solo dalla parte osservabile del sistema.