Upload
others
View
16
Download
0
Embed Size (px)
Citation preview
Modelli nello spazio degli stati
Modelli nello spazio degli stati
Stato: informazione che riassume, in ogni istante, l’effetto della storia passata del sistema
sul suo comportamento futuro.
x(t) = f (x(t), u(t), t)
y(t) = g (x(t), u(t), t)
x(t) stato (vettoren × 1)
u(t) ingresso (vettorer × 1)
y(t) uscita (vettorem × 1)
f : Rn ×Rr ×R → Rn funzione di velocita di transizione dello stato
g : Rn ×Rr ×R → Rm funzione di uscita
La conoscenza dello stato ad un istantet0, x(t0) e del segmento di funzione di ingresso
u[t0, t], t ≥ t0, determina univocamente il segmento di funzione di uscitay[t0, t].
u(·) −→ funzione finita e continua a tratti.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 1/29
Modelli nello spazio degli stati
Teorema.Si consideri l’equazione differenziale
x(t) = f ′ (x(t), t) . (1)
Essa ammette un’unica soluzionex(·) che soddisfa la condizione inizialex(t0) = x0
∀t0 ∈ R assegnato e∀x0 ∈ Rn se
1. ∀x ∈ Rn, f ′(x, ·) e continua a tratti pert ≥ t0;
2. ∀t ≥ t0 che non sia punto di discontinuita dif ′(x, ·) e per ogni coppia di vettorix1, x2
e soddisfatta lacondizione di Lipschitz
‖f ′(x1, t) − f ′(x2, t)‖ ≤ k(t) ‖x1 − x2‖,
dovek(t) e una funzione limitata e continua a tratti e‖ · ‖ e una qualunque norma di
Rn.
Corollario. Ogni soluzione dell’equazione differenziale (1)e una funzione continua.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 2/29
Moto e traiettoria
x(t) = φ (t, t0, x0, u(·)) funzione di transizione dello stato
y(t) = γ (t, t0, x0, u(·)) funzione di risposta
Moto (movimento). La funzione di transizione dello stato, note la coppia(t0, x(t0)) e la
funzione di ingressou[t0, t1] fornisce l’insieme
{(t, x(t)) : x(t) = φ (t, t0, x(t0), u(·)) t = [t0, t1]} ,
che prende il nome dimoto.
Traiettoria. E l’immagine del moto nell’insieme degli stati:
{x(t) : x(t) = φ (t, t0, x(t0), u(·)) t = [t0, t1]} .
Analogamentee possibile definire larispostae latraiettoria delle uscite, riferendosi alle
coppie(t, y(t)) e alla funzione di rispostaγ(·).
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 3/29
Tipologie di modelli
Modelli algebrici:
y(t) = g(u(t), t).Modelli puramente dinamici:
x(t) = f (x(t), u(t), t)
y(t) = g (x(t), t) .Modelli stazionari:
x(t) = f (x(t), u(t))
y(t) = g (x(t), u(t)) .Modelli lineari:
x(t) = A(t) x(t) + B(t) u(t)
y(t) = C(t) x(t) + D(t) u(t),dove:
A(t) (n × n): matrice dinamica,
B(t) (n × r): matrice di distribuzione degli ingressi,
C(t) (m × n): matrice di distribuzione delle uscite,
D(t) (m × r): legame algebrico ingresso–uscita.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 4/29
Tipologie di modelli
Modelli lineari e stazionari:
x(t) = A x(t) + B u(t)
y(t) = C x(t) + D u(t).
X = insieme degli stati di un sistema dinamico
X =
insieme discreto
finito automi a stati finiti
numerabile reti di Petri
spazio vettoriale con dimensioni
finite sistemi a parametri concentrati
infinite sistemi a parametri distribuiti
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 5/29
Costruzione di un modello nello spazio degli stati
Determinazione di un modello matematico nello spazio deglistati:
1. Individuazione delle variabili di ingresso ed uscita;
2. Scelta delle variabili di stato;
3. Scrittura delle equazioni costitutive;
4. Eventuale elaborazione delle equazioni costitutive perpervenire ad un opportuno
aspetto formale delle stesse.
Passo 1.Dipende dal contesto (variabili manipolabili, variabili misurabili, etc.).
Passo 2.La scelta delle variabili di stato none univocamente definita. Nel caso di sistemi
fisici si individuano i sottosistemi elementari i grado di accumulare energia o materia, in
quanto rappresentano la “memoria” del sistema.
Passo 3.Interconnessione delle relazioni dei singoli sottosistemi: principi di Kirchoff,
equazioni cardinali della dinamica, leggi di Maxwell dell’elettromagnetismo, equazione di
Bernoulli, principi della termodinamica, bilanci di energia, bilanci di massa.
Passo 4.Cambiamenti di base.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 6/29
Modelli lineari e stazionari
Modelli lineari e stazionari
x(t) = A x(t) + B u(t), x(0) = x0
y(t) = C x(t) + D u(t).
La funzione di transizione dello stato e quella di risposta sono:
x(t) = eAtx0 +
∫ t
0
eA(t−τ)B u(τ) dτ
y(t) = C eAtx0 +
∫ t
0
C eA(t−τ)B u(τ) dτ + D u(t),
doveeAt l’esponenziale di matrice
eAt =
∞∑
i=0
Ai ti
i!= I + At +
A2 t2
2+ · · ·
eAt e una matricen × n sempre non singolare
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 7/29
Modelli lineari e stazionari
Funzione di trasferimento: Y (s) = G(s) U(s)
G(s) = C (sI − A)−1B + D =
G11(s) G12(s) · · · G1r(s)...
......
Gm1(s) Gm2(s) · · · Gmr(s)
,
doveY (s) = L (y(t)) , U(s) = L (u(t)) (L indica la trasformata di Laplace) e
Gij(s) =Yi(s)
Uj(s).
Risposta impulsiva:
G(t) = L−1 (G(s)) = C eAtB + D δ(0) =
g11(t) g12(t) · · · g1r(t)...
......
gm1(t) gm2(t) · · · gmr(t)
,
doveδ(0) indica l’impulso di Dirac applicato all’istantet0 = 0.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 8/29
Esponenziale di matrice
Propriet a dell’esponenziale di matrice
1. ddt
(
eAt)
= A eAt
2. eA(t1+t2) = eAt1eAt2
3.(
eAt)
−1= e−At
4.(
eAt)k
= eAkt, k scalare
5. e(A+B)t = eAteBt ⇔ AB = BA
Calcolo dell’esponenziale di matrice
eAt = L−1[
(sI − A)−1]
,
(sI − A)−1
=agg (sI − A)
det (sI − A),
dove agg(M) indica l’aggiunta della matriceM , ovvero la trasposta della matrice dei
complementi algebrici diM .
Gli elementi di(sI − A)−1 sono rapporti di polinomi ins. I polinomi a numeratore hanno
grado massimon − 1.Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 9/29
Antitrasformazione di funzioni razionali
Antitrasformazione di funzioni razionali
F (s) =N(s)
D(s)=
bm sm + bm−1 sm−1 + · · · + b1 s + b0
sn + an−1 sn−1 + · · · + a1 s + a0
1◦ caso:D(s) ha radici semplici
F (s) =N(s)
(s − λ1)(s − λ2) · · · (s − λn)=
n∑
i=1
Ki
(s − λi),
dove
Ki = [(s − λi) F (s)]s=λi.
⇓
f(t) = L−1(F (s)) =
n∑
i=1
Ki eλi t.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 10/29
Antitrasformazione di funzioni razionali
2◦ caso:D(s) ha radici multiple
F (s) =N(s)
(s − λ1)n1(s − λ2)n2 · · · (s − λh)nh
=h∑
i=1
ni∑
j=1
Kij
(s − λi)ni−j+1,
h∑
i=1
ni = n
dove
Kij =1
(j − 1)!
{
dj−1
dsj−1[(s − λi)
ni F (s)]
}
s=λi
.
⇓
f(t) = L−1(F (s)) =h∑
i=1
ni∑
j=1
Kij tni−j eλi t
(ni − j)!·
Osservazione:gli elementi dell’esponenziale di matrice sono costituitida combinazioni
lineari di termini del tipoK, K th, K eλt, K th eλt, K eλtsen (ωt + ϕ),
K th eλtsen (ωt + ϕ), che sono dettimodi del sistema.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 11/29
Conversione di modelli
Conversione di modelli
Da (A, B, C, D) ad equazione differenziale:
Y (s) = G(s) U(s) =(
C (sI − A)−1B + D)
U(s).
Da equazione differenziale ad(A, B, C, D):
G(s) =Y (s)
U(s)=
Y (s)
W (s)
W (s)
U(s),
W (s)
U(s)=
1
sn + an−1 sn−1 + · · · + a0
Y (s)
W (s)= bm sm + bm−1 sm−1 + · · · + b0.
Ponendo
x1(t) = w(t), x2(t) =d w(t)
dt, · · · xn(t) =
dn−1 w(t)
dtn−1,
dove
w(t) = L−1(W (s)),
si ha
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 12/29
Conversione di modelli
xi(t) = xi+1(t) per i = 1, . . . , n − 1
xn(t) = −an−1 xn(t) − · · · − a0 x1(t) + u(t)
y(t) = bm xm+1(t) + · · · + b0 x1(t)
⇓
A =
0 1 0 · · · 0
0 0 1 · · · 0...
.. ....
0 · · · · · · 0 1
−a0 −a1 · · · · · · −an−1
B =
0
0...
0
1
C =[
b0 b1 · · · bm 0 · · · 0]
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 13/29
Sistemi equivalenti
Sistemi equivalenti (cambiamenti di base)
x(t) = A x(t) + B u(t), x(0) = x0
y(t) = C x(t) + D u(t).
SiaT una matricen × n non singolare. Si consideri un nuovo statoz(t) definito da
x(t) = T z(t), z(t) = T−1x(t).
Sostituendo nelle equazioni di stato ed uscita si ottiene:
z(t) = A′ z(t) + B′ u(t), z(0) = T−1x0
y(t) = C′ z(t) + D′ u(t),
con
A′ = T−1A T
B′ = T−1B
C′ = C T
D′ = D.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 14/29
Sistemi equivalenti
Le matriciA edA′ si diconosimili.
Matrici simili hanno:
• gli stessi autovalori;
• lo stesso polinomio caratteristico;
• esponenziali di matrice simili.
Equivalenza di sistemi:dato uno stato inizialex0 per il sistema(A, B, C, D) e sempre
possibile determinare uno stato inizialez0 = T−1x0 per il sistema(A′, B′, C′, D′) in modo
tale che la rispostay(t) dei due sistemi sia la medesima se ad essi viene applicato lo stesso
ingresso.
Osservazioni:
• la scelta delle variabili di stato per un sistema dinamico non e univocamente definita
• le variabili di stato possono anche non avere significato fisico.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 15/29
Modelli lineari non stazionari
Modelli lineari non stazionari
x(t) = A(t) x(t) + B(t) u(t), x(t0) = x0
y(t) = C(t) x(t) + D(t) u(t).
La funzione di transizione dello statoe
x(t) = Φ(t, t0)x0 +
∫ t
t0
Φ(t, τ) B(τ) u(τ) dτ,
doveΦ(t, t0) e il limite della successione di Peano–Baker
Φi(t, t0) = I +
∫ t
t0
A(τ) Φi−1(τ, t0) dτ Φ0(t, t0) = I,
che converge uniformemente.
Φ(t, t0) e sempre non singolare
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 16/29
Modelli non lineari stazionari
Modelli non lineari stazionari
x(t) = f (x(t), u(t)) , x(t0) = x0,
y(t) = g (x(t), u(t)) .
Non e possibile, in generale, determinare un’espressione analitica della soluzione
dell’equazione differenziale⇒ tecniche di integrazione numerica.
Stato di equilibrio: In un sistema dinamico uno statoxe e definito diequilibrio se esiste
una funzione di ingressou(·) tale che
xe = φ(t, t0, xe, u(·)) ∀t ∈ [t0, t1], ∀t0, t1, t1 > t0.
Cio implica chex(t) sia costante e che quindi la sua derivata sia nulla. Gli statidi equilibrio
relativi all’ingressou(t) sono dunque le soluzioni dell’equazione
f(xe, u(t)) = 0.
In modo analogo si puo definire unauscita di equilibrio.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 17/29
Linearizzazione
Moto di riferimento: t0, x0 edu(·) fissati:
x(t) = φ(t, t0, x0, u(·)).
Si ha:
˙x(t) = f(x(t), u(t))
y(t) = g(x(t), u(t)).
Linearizzazione
Si considerino una perturbazione sullo stato inizialeδx0 ed una perturbazione sulla funzione
di ingressoδu(·). Si ottengono il moto e l’uscita perturbati
x(t) = φ(t, t0, x0 + δx0, u(·) + δu(·)) = x(t) + δx(t)
y(t) = y(t) + δy(t).
Si ha inoltre
x(t) = f(x(t) + δx(t), u(t) + δu(t)) = ˙x(t) + δx(t).
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 18/29
Linearizzazione
Sviluppando in serie di Taylorx(t) ey(t) nell’intorno di x(t) e u(t) con arresto ai termini
del primo ordine
x(t) ≈ f(x(t), u(t)) +∂f
∂x
∣
∣
∣
∣
x(t),u(t)
δx(t) +∂f
∂u
∣
∣
∣
∣
x(t),u(t)
δu(t)
y(t) ≈ g(x(t), u(t)) +∂g
∂x
∣
∣
∣
∣
x(t),u(t)
δx(t) +∂g
∂u
∣
∣
∣
∣
x(t),u(t)
δu(t).
Il modello linearizzatoe dunque del tipo
δx(t) = A(t) δx(t) + B(t) δu(t),
δy(t) = C(t) δx(t) + D(t) δu(t).
Se si linearizza nell’intorno di uno stato di equilibrioxe corrispondente ad un ingresso
costanteu:
δx(t) = A δx(t) + B δu(t),
δy(t) = C δx(t) + D δu(t),
doveδx(t) = x(t) − xe.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 19/29
Stabilita
Stabilit aStabilit a di un moto rispetto a perturbazioni dello stato iniziale.Sia
δx1(t) = φ(t, t0, x0 + δx0, u(·)) − x(t), t ≥ t0.
Il moto x(·) si dicestabilerispetto a perturbazioni dello stato iniziale se
∀ ε > 0 ∃ η > 0 t.c. ‖δx1(t)‖ < ε, t ≥ t0 ∀ δx0 t.c. ‖δx0‖ < η.
Il moto x(·) si diceasintoticamente stabilerispetto a perturbazioni dello stato iniziale see
stabile e
limt→∞
‖δx1(t)‖ = 0, ∀ δx0 t.c. ‖δx0‖ < η.
Stabilit a di un moto rispetto a perturbazioni dell’ingresso.Sia
δx2(t) = φ(t, t0, x0, u(·) + δu(·)) − x(t), t ≥ t0.
Il moto x(·) si dicestabilerispetto a perturbazioni della funzione di ingresso se
∀ ε > 0 ∃ η > 0 t.c. ‖δx2(t)‖ < ε, t ≥ t0 ∀ δu(·) t.c. ‖δu(·)‖ < η.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 20/29
Stabilita in piccolo e in grande
Stabilit a di uno stato di equilibrio. Le precedenti definizioni di stabilita rispetto a
perturbazioni dello stato iniziale e della funzione di ingresso valgono anche per gli stati di
equilibrio, che sono particolari moti. In tal casoe sufficiente sostituirexe ad x(t).
Stabilit a in piccolo e in grande
Stabilit a in piccolo (locale)=⇒ si riferisce alla capacita del moto o della risposta di
rispondere con variazioni comunque piccole a perturbazioni dello stato iniziale o della
funzione di ingresso (e quella considerata finora).
Stabilit a in grande=⇒ quando si vuole dare una misura dell’entita delle perturbazioni cui
corrisponde un comportamento stabile dei moti e delle traiettorie.
Dominio di stabilit a asintotica per un moto: se il moto di riferimentox(·) corrispondente
a t0, x0, u(·) e asintoticamente stabile, esiste un insieme di stati iniziali X0(t0, x0, u(·)) tale
che
limt→∞
‖δx1(t)‖ = 0, ∀ δx0 t.c. x0 + δx0 ∈ X0.
L’insiemeX0 e dettodominio di stabilita asintoticaper il moto di riferimento considerato.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 21/29
Stabilita dei sistemi lineari stazionari.
Stabilit a asintotica globale di un moto:seX0(t0, x0, u(·)) coincide con l’intero spazio
degli stati il moto di riferimentox(·) si diceglobalmente asintoticamente stabile. Se cio
avviene per ogniu(·), il sistema si dice globalmente asintoticamente stabile per t ≥ t0.
Stabilit a dei sistemi lineari stazionari.Nei sistemi lineari e stazionari le stabilita rispetto a perturbazioni dello stato iniziale e
dell’ingresso non dipendono ne dal particolare moto di riferimento considerato ne dall’entita
delle perturbazioni.
Stabilit a semplice=⇒ tutti i modi di eAt devono essere limitati.
Stabilit a asintotica=⇒ tutti i modi di eAt devono tendere a zero pert → ∞.
Polinomio caratteristico p(λ) della matrice dinamicaA:
p(λ) = det (λ I − A) = λn + an−1λn−1 + · · · + a1 λ + a0.
Teorema di Cayley–Hamilton: p(A) = 0.
Polinomio minimo m(λ) della matrice dinamicaA: e il polinomiom(λ) di grado minimo
tale chem(A) = 0.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 22/29
Stabilita dei sistemi lineari stazionari
Proprieta del polinomio minimo:
• e unico se considerato monico;
• e un divisore del polinomio caratteristico;
• ha come radici tutti gli autovalori diA;
• la molteplicita dell’autovalorei–esimo nel polinomio minimoe minore od uguale a
quella nel polinomio caratteristico;
• e il minimo comune multiplo dei denominatori degli elementidella matrice
(λ I − A)−1.
Teorema: il sistema(A, B, C, D) e semplicemente stabile se e solo se gli autovalori diA
hanno parte reale negativa o nulla; quelli a parte reale nulla devono avere molteplicita
unitaria nel polinomio minimo diA.
Teorema: il sistema(A, B, C, D) e asintoticamente stabile se e solo se tutti gli autovalori di
A hanno parte reale negativa.
La stabilita rispetto a perturbazioni dell’ingresso dipende, in generale, da un sottoinsieme
dei modi del sistema.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 23/29
Stabilita dei sistemi non lineari stazionari
Stabilit a dei sistemi non lineari stazionari.Lo studio della stabilita semplice ed asintotica di un moto di riferimento (stato di equilibrio)
rispetto a perturbazioni dello stato iniziale si puo sempre ricondurre allo studio della
stabilita dello stato zero di un sistema privo di ingressi, infatti:
δx1(t) = f(x(t) + δx1(t), u(t)) − f(x(t), u(t)) = f ′(δx1(t)).
Il sistema da consideraree dunque del tipo:
x(t) = f(x(t)). (2)
Funzioni definite positive: una funzioneV (x) si dicedefinita positivain un intornoD
dell’origine dello spazio degli stati se per ognix ∈ D
• V (x) ha derivate parziali continue rispetto alle componenti dix;
• V (0) = 0;
• V (x) > 0, ∀x 6= 0.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 24/29
Stabilita dei sistemi non lineari stazionari
Funzioni di Lyapunov: una funzioneV (x) si dice diLyapunovin un intornoD dell’origine
dello spazio degli stati del sistema (2) se
• V (x) e definita positiva inD;
• V (x) =[
∂V∂x1
∂V∂x2
· · · ∂V∂xn
]
f(x) ≤ 0, ∀x ∈ D.
Criteri di Lyapunov
Teorema (stabilita semplice):lo stato zero del sistema (2)e stabile per perturbazioni dello
stato iniziale se esiste una funzione di LyapunovV (x) in un intornoD dell’origine dello
spazio degli stati.
Teorema (stabilita asintotica): lo stato zero del sistema (2)e asintoticamente stabile per
perturbazioni dello stato iniziale se esiste una funzione di LyapunovV (x) in un intornoD
dell’origine dello spazio degli stati tale cheV (x) < 0, ∀x 6= 0.
Non esiste un metodo generale per determinare una funzione di Lyapunov.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 25/29
Stabilita dei sistemi non lineari stazionari
Si consideri ora il modello linearizzato nell’intorno dello stato di equilibrioxe
corrispondente all’ingresso costanteu:
δx(t) = A δx(t) + B δu(t). (3)
Criterio ridotto di Lyapunov. La stabilita dello stato di equilibrio rispetto al qualee stato
ottenuto il modello linearizzato (3) dipende dagli autovalori della matriceA del modello
linearizzato. In particolare:
• xe e asintoticamente stabile se tutti gli autovalori diA hanno parte reale negativa;
• xe e instabile se uno o piu autovalori diA hanno parte reale positiva;
• se alcuni autovalori diA hanno parte reale negativa ed i rimanenti parte reale nulla non
e possibile trarre conclusioni sulla stabilita dixe.
Osservazione:per i sistemi non stazionari lo studio della stabilita si effettua introducendo
funzioni di LyapunovV (x, t) dipendenti in maniera esplicita anche dal tempo.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 26/29
Modelli lineari stazionari discreti
Modelli lineari stazionari discreti
x(t + 1) = A x(t) + B u(t), x(0) = x0, t = 0, 1, 2, 3, . . .
y(t) = C x(t) + D u(t).
La funzione di transizione dello stato e quella di risposta sono:
x(t) = At x0 +t−1∑
k=0
At−1−kB u(k)
y(t) = C At x0 +t−1∑
k=0
C At−1−kB u(k) + D u(t).
La potenza di matriceAt (singolare o non singolare) si puo calcolare utilizzando la
Z–trasformata:
At = Z−1{
(zI − A)−1z}
.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 27/29
Modelli lineari stazionari discreti
Osservazione:gli elementi della potenza di matrice sono combinazioni lineari di termini del
tipo K, K th, K λt, K ti λt−h, (1 ≤ i ≤ h), K ρt sen(θ t + ϕ), K ti ρt sen ((t − h)θ + ϕ).
Per quanto riguarda la stabilita valgono i seguenti teoremi.
Teorema: il sistema(A, B, C, D) e semplicemente stabile se e solo se gli autovalori diA
hanno modulo minore od uguale ad uno; quelli a modulo unitario devono avere molteplicita
unitaria nel polinomio minimo diA.
Teorema: il sistema(A, B, C, D) e asintoticamente stabile se e solo se tutti gli autovalori di
A hanno modulo minore di uno.
La stabilita rispetto a perturbazioni dell’ingresso dipende, in generale, da un sottoinsieme
dei modi del sistema.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 28/29
Discretizzazione
Discretizzazione: modelli a dati campionati.
Se un modello a tempo discreto deriva dal campionamento, conun certo periodoT , di un
modello a tempo continuo si parla dimodello a dati campionati. La discretizzazione si puo
effettuare in diversi modi.
Nel caso ditenuta di ordine zerol’ingresso viene considerato costante tra due istanti di
campionamento; ne segue che le matriciAd, Bd, Cd, Dd del modello discreto si ricavano
dalle matriciA, B, C, D del modello continuo con le relazioni:
Ad = eAT , Bd =
(
∫ T
0
eAτdτ
)
B, Cd = C, Dd = D.
Osservazione:la matriceAd (la matriceAtd) di un modello a dati campionatie sempre non
singolare.
Osservazione:gli autovalori diAd sono gli esponenziali degli autovalori diA
⇓gli autovalori di un modello a dati campionati non possono avere parte reale negativa.
Ing. Roberto Diversi Laboratorio di Modellistica e Simulazione L–A – p. 29/29