AS Automaation signaalinkäsittelymenetelmät

Slides:



Advertisements
Samankaltaiset esitykset
Yleistä Läsnäolovelvollisuus Poissaolojen selvitys Käyttäytyminen
Advertisements

MB 3 Lineaarisia polynomifunktioita
Polynomifunktiot MA 02 Läsnäolovelvollisuus Poissaolojen selvitys
LPC LPCC PLP LSP/LSF Matemaattinen kikka Levinson-Durbin algoritmi
Robust LQR Control for PWM Converters: An LMI Approach
Lineaarisia malleja.
5.1. Tason yhtälö a(x – x0) + b(y – y0) + c(z – z0) = 0
Analyyttinen geometria MA 04
Estimointi Laajennettu Kalman-suodin
Synkroniset tilakoneet
Kiintolevyn osiointi.
Diskreetti matematiikka salausmenetelmien matematiikkaa
Rakenteinen ohjelmointi
PalveluttMyn1 Palvelut EPG, Electronic Programme Guide, ruutuopas •EPG:n tavoitteena on antaa hyvä vaihtoehto lehdissä oleville ohjelmatiedoille: ruutuopas.
Langattomien laitteiden matematiikka 1
Iitin yläkoulu 9. Luokka Antti Halme
Näytölle tulostaminen. 7.2 Sisällys System.out.println - ja System.out.print -operaatiot. Tulostus erikoismerkeillä. Edistyneempää tulosteiden.
Lyhyt Matlab-pikakurssi
PiccSIM – TrueTime –integrointi Henri Öhman AS Automaatio- ja systeemitekniikan projektityöt
KANTATAAJUINEN BINÄÄRINEN SIIRTOJÄRJESTELMÄ AWGN-KANAVASSA
Laskuharjoitus 9 AS Automaation signaalinkäsittelymenetelmät Sumea säätö Geneettiset algoritmit.
AS Automaation signaalinkäsittelymenetelmät
AS , Automaation signaalinkäsittelymenetelmät Laskuharjoitus 3
T Automaatiotekniikka 2 4op
T Automaatiotekniikka 2 4op
Taylor polynomi usean muuttujan funktiolle
MAB8: Matemaattisia malleja III
TMA.003 / L3 ( )1 3. Funktioista 3.1. Kuvaus ja funktio Olkoon A ja B ei-tyhjiä joukkoja. Tulojoukon A  B = {(x,y) | x  A, y  B} osajoukko on.
3. Funktioista 3.1. Kuvaus ja funktio
RSA – Julkisen avaimen salakirjoitusmenetelmä Perusteet, algoritmit, hyökkäykset Matti K. Sinisalo, FL.
1.2.1 KÄÄNTEISFUNKTIO JA SEN KUVAAJA
1.1. Itseisarvo * luvun etäisyys nollasta E.2. Poista itseisarvot
2. Vuokaaviot.
m0 M7 Maksimitermi Minimitermi Boole A = A A · 0 = 0 SOP De Morgan POS
2.4. Raja-arvo äärettömyydessä ja raja-arvo ääretön E.1.
TIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op ALU.
Algoritmi-harjoituksia…
Elliptiset jakaumat Esitys 6 kpl Tuomas Nikoskinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta.
Systeemityö 2 Ajoituskaavio – Timing Diagram
Talousmatematiikan perusteet ORMS1030
Toistorakenne Toistorakennetta käytetään ohjelmissa sellaisissa tilanteissa, joissa jotain tiettyä ohjelmassa tapahtuvaa toimenpidekokonaisuutta halutaan.
PARAABELI (2. ASTEEN FUNKTION KUVAAJIA)
5. Lineaarinen optimointi
2.2.2 Avaruuden vektori koordinaatistossa
Rinnakkaisuus Järjestelmässä, jossa voi olla useita prosesseja rinnakkain suorituksessa voi tulla tilanteita, joissa prosessien suoritusta täytyy kontrolloida.
Bayesilainen tilastoanalyysi - priorijakaumista
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 - Jaakko Niemi Optimointiopin seminaari - Syksy 2005 / 1 Virittäminen (Tuning) s
Vaasan yliopisto / Sähkötekniikka SATE11XX SÄHKÖMAGNEETTINEN KENTTÄTEORIA (LISÄOSA) 4.AALTOYHTÄLÖT.
Visual Basic -ohjelmointi
2.1.2 Tason vektori koordinaatistossa
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 2 - Jirka Poropudas Optimointiopin seminaari - Kevät 2005 / 1 Bayes-verkoista s
Säätötekniikan käsitteitä
Funktio.
Toistorakenne Toistorakennetta käytetään ohjelmissa sellaisissa tilanteissa, joissa jotain tiettyä ohjelmassa tapahtuvaa toimenpidekokonaisuutta halutaan.
5. Fourier’n sarjat T
1 Arrow’n teoreema Sosiaaliset hyvinvointifunktiot (Social welfare functions SWF) SWF f on sääntö tai prosessi, joka määrittää kullekin joukolle yksilöiden.
Funktion jatkuva kohdassa x = x0 joss
Listat eli luettelot listaelementit ovat lohkoelementtejä:  lista ja listan alkiot alkavat uudelta riviltä  listan jälkeen tuleva elementti alkaa uudelta.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2000 / 1 Potentiaalien kertaus ja.
Funktio ja funktion kuvaaja
MAB3 suorat.
MAB3 prosenttilasku.
Hajakoodaus Talletetaan alkiot avain-indeksoituun taulukkoon Hajakoodausfunktio Menetelmä avain-indeksin laskemiseen avaimesta Törmäyksen selvitysstrategia.
5. Datan käsittely – lyhyt katsaus Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman.
Signaalinkäsittelymenetelmät / Kari Jyrkkä
Ohjelmien suunnittelu
k-kantaisen eksponenttifunktion ominaisuuksia
1.4.2 Vektorien määräämä avaruus
7. Näytölle tulostaminen
KANTATAAJUINEN BINÄÄRINEN SIIRTOJÄRJESTELMÄ AWGN-KANAVASSA
Esityksen transkriptio:

AS-84.161 Automaation signaalinkäsittelymenetelmät Laskuharjoitus 8 AS-84.161 Automaation signaalinkäsittelymenetelmät Ackermannin algoritmi Sumea säätö

Tilasäätö u Prosessi x K Prosessia säädetään tilojen mukaan Suljetun järjestelmän siirtofunktion navat asetellaan haluttuihin paikkoihin Prosessi u x K

Ackermannin algoritmi Olkoon järjestelmä Oletetaan, että rajoittamaton ohjaus K = [k1 k2 ... kn] tilatakaisinkytkentämatriisi Suljetun järjestelmän tilayhtälö (A – BK) ominaisarvot ovat suljetun järjestelmän napoja b1, b2, ..., bn

Ackermannin algoritmi Jotta suljetun järjestelmän navat voitaisiin asetella haluttuihin paikkoihin, tulee järjestelmän olla säädettävä. Jotta järjestelmä olisi säädettävä, täytyy säädettävyysmatriisilla Qc=[B | AB | ... | An-1B] olla täysi rangi Jos Qc on neliömatriisi, niin det(Qc) ≠ 0

Ackermannin algoritmi Suljetun järjestelmän karakteristinen yhtälö det(zI – A + BK) = 0 Käyttämällä tilatakaisinkytkentää halutaan sijoittaa suljetun järjestelmän navat paikkoihin z = b1, z = b2, ..., z = bn Järjestelmän karakteristisen yhtälön halutaan siis olevan r(z) = (z – b1)(z – b2)...(z – bn) = zn – a1zn-1 – a2zn-2 – ... an-1z – an = 0

Ackermannin algoritmi - Esimerkki Olkoon järjestelmä annettu kanonisessa muodossa Halutaan ominaisarvoiksi z=b1, z=b2, z=b3  Karakteristinen polynomi r(z) = (z–b1)(z–b2)(z–b3) = z3–a1z2–a2z–a3 = 0

Ackermannin algoritmi - Esimerkki Kun K = [k1 k2 k3], niin suljetun järjestelmän karakteristiseksi polynomiksi saadaan det(zI–A+BK) = z3–(a1–k1)z2–(a2–k2)z–(a3–k3) = 0 Verrataan haluttuun karakteristiseen polynomiin r(z) = z3–a1z2–a2z–a3 = 0 Saadaan k1 = –a1 + a1 k2 = –a2 + a2 k3 = –a3 + a3 Eli K = a - a

Ackermannin muoto K:lle K voidaan laskea myös suoran esityksen kautta käyttäen ns. Ackermannin muotoa: K = [0 ... 1][B | AB | ... | An-1B]-1rc(A) rc(A) on halutun suljetun järjestelmän karakteristisen polynomin arvo, kun muuttujana on matriisi A. Esim. jos rc(z) = z2 + z + 3, on rc(A) = AA + A + 3I, missä AA on tavallinen matriisikertolasku ja I on yksikkömatriisi

Ackermannin muoto, useita ohjauksia Jos u:ssa on useita eri ohjauksia (u pystyvektori n x 1 ja B m x n matriisi) ja järjestelmä (A, B) on säädettävä, on yleensä olemassa vektori p, siten että matriisi B voidaan korvata vektorilla b = Bp niin, että järjestelmä säilyy säädettävänä. Järjestelmän ohjaus voidaan nyt toteuttaa 1-dimensioisella ohjauksella u’(k).

Ackermannin algoritmi - yhteenveto Onko järjestelmä säädettävä? rank(Ex) = n? , n = Ex:n rivien määrä (Qc = Ex) Neliömatriisilla rank(Ex) = n, kun det(Ex) ≠ 0 Ex = [ B | AB | ... | An-1B ] Suljetun järjestelmän karakteristinen yhtälö rc(z) = (z – b1)(z – b2)...(z – bn) Jos u on vektori, valitaan jokin p Bu  bu, missä b = Bp Huom, myös Ex muuttuu! K = [0 ... 1] Ex-1 rc(A)

Sumea säätö Sumeassa logiikassa binääriset joukot korvataan sumeilla joukoilla Alkiot voivat saada muitakin arvoja kuin 0 tai 1 Kielelliset muuttujat kuvaavat joukkoja Pieni / Keskikokoinen / Suuri Hidas / Keskinkertainen / Nopea Jäsenyysfunktiot kuvaavat suureiden kuulumista näihin joukkoihin Sääntökanta kuvaa joukkojen keskinäisiä suhteita

Sumea säätö Sääntö- kanta Sumeu- tus Päätöksen- tekologiikka jäsenyys-funktio esim. painopiste Sumeu- tus Päätöksen- tekologiikka Selkey- tys Pro- sessi Pro- sessi sumea mittaus sumea ohjaus täsmällinen mittaus täsmällinen ohjaus

Sumea säätö Sumeutus A B Suureen kuuluminen kuhunkin joukkoon Jäsenyysfunktiot kuuluminen joukkoon A A kuuluminen joukkoon B B

Sumea säätö Päätöksenteko Säännöt määrittävät joukkojen väliset suhteet Säännöissä käytetään loogisten operaatioiden laajennuksia Esimerkiksi AND-operaatio korvataan usein valitsemalla kahdesta luvusta pienempi Operaatioiden tulokset esitetään sumeilla luvuilla

Sumea säätö C D Esim. sääntö: 0.3 IF (x = A) AND (y = B) THEN (u = C) x:n jäsenyys A-joukossa on 0.3 ja y:n jäsenyys B-joukossa 0.5 Sumean operaation tulokseksi tulee MIN (0.3 , 0.5) = 0.3  u = 0.3 u = C kertoo, että u kuvataan sumealla luvulla C: C D 0.3

Sumea säätö C D Kaikki sumeat luvut maalataan samaan koordinaatistoon. Vaikka samoja alueita maalataan useampaan kertaan, niiden painoarvo ei muutu C D

Sumea säätö Selkeytys Muutetaan jollain operaatiolla sumeat luvut täsmälliseksi luvuksi Esimerkiksi painopisteen laskenta 1.3

Sumea säätö Sumeutus Päätöksenteko Selkeytys Jäsenyysfunktiot  suureen kuuluminen joukkoihin Päätöksenteko Sumeat operaatiot joukoille Maalataan sumeasta luvusta tuloksen alapuolelle jäävä alue Kaikki tulokset samaan kuvaan Selkeytys Operaatio, jolla maalatut alueet muutetaan täsmälliseksi luvuksi