Příklady k přednášce 21 - Diskrétní modely spojitých systémů
|
|
- Vilém Mareš
- před 7 lety
- Počet zobrazení:
Transkript
1 Příklady k přednášce 2 - Diskrétní modely spojitýc systémů Micael Šebek Automatické řízení
2 Na úvod: CL stabilita při spojitém a diskrétním řízení Automatické řízení - Kybernetika a robotika Pozor při návru emulací: CL stabilita spojitéo řízení nezaručuje CL stabilitu diskrétnío řízení! Musíme testovat diskrétní stabilitu! Pro soustavu a P regulátor a je spojitý CL car. polynom c () s s a ak stabilní Zde diskrétní regulátor = = spojitý regulátor Cz () = Cs () = kp Ps () =, a> 0, Cs () = kp s+ a Real Axis Po připojení k diskrétní soustavě (spojitá + vzorkovač + ZOH) je Což je nestabilní nejen pro, ale i pro CL Imaginary Axis (seconds - ) = + + (, ) a = Micael Šebek Pr-ARI Root Locus Real Axis (seconds - ) P k = 0 a e a a Pz ( ) = ccl( z) = z e + ( e ) k a z e k P p k = p P k P Imaginary Axis k P = + e e k P 20 a a Root Locus k = P
3 Automatické řízení - Kybernetika a robotika CL stabilita při spojitém a diskrétním řízení a e Ps () =, a> 0, Cs () = kp Pz () = s+ a z e a a.5 Nyquist Diagram 5 Nyquist Diagram 0 Imaginary Axis k p 5 0 k p - -5 p k (, 0] Porovnej GM! Proč? V čem je rozdíl? k > p Micael Šebek Pr-ARI
4 Automatické řízení - Kybernetika a robotika Rozdíl je ve vzorkování + ZOH! ZOH vnáší, zruba řečeno, dopravní zpoždění Srovnej 0.6 a = a 0.4 s 2 Pse ZOH () s = e s + a Což má GM = 30! Tedy konečné CL stabilita při spojitém a diskrétním řízení e s System: Pzo Gain Margin (db): 30. At frequency (rad/s): 32 Closed loop stable? Yes 2 Nyquist Diagram Není to sice těc 20, ale je to jen zruba Proto je lépe s tím počítat už při spojitém návru Real Axis Micael Šebek Pr-ARI
5 Automatické řízení - Kybernetika a robotika Protože obecný regulátor (systém) můžeme realizovat sestavou s integrátory n us () as n + + as+ a Cs () = = n e() s bs + + bs+ b odvodíme diskrétní aproximaci pro jeden (každý) integrátor Výstup za jednu vzorkovací periodu je et () n e k u( k) e( k + ) ( ) k 0 0 us () Cs () = es () = t ut ( ) = u(0) + e( τ) dτ s 0 u( k + ) k + t Odvození metod aproximace us () b0 a 0 s b a s an Různé populární metody různě aproximují integrál použitím odnot v diskrétníc okamžicíc vzorkování bn s k+ bn ys () u( k + ) = u( k) + e( τ) dτ k+ k k e( τ) dτ = u( k + ) u( k) Micael Šebek Pr-ARI
6 Automatické řízení - Kybernetika a robotika Náradě derivace přímou diferencí odpovídá v tomto grafu nárada červené plocy zeleným obdélníkem k+ k e( τ) dτ e( k) uk ( + ) = uk ( ) + = u( k) + e( k) Použitím z-transformace k+ k e( τ) dτ et () Metoda přímé diference e k e( k + ) ( ) e( k) k k + t zuz ( ) = uz ( ) + ez ( ) uz ( ) = s ez ( ) z z s z Metoda se také nazývá Eulerova aproximace Micael Šebek Pr-ARI
7 Metoda zpětné diference Automatické řízení - Kybernetika a robotika Náradě derivace zpětnou diferencí odpovídá v tomto grafu nárada červené plocy zeleným obdélníkem k+ k e( τ) dτ e( k + ) uk ( + ) = uk ( ) + Použitím z-transformace k+ k e( τ) dτ = u( k) + e( k + ) et () e k e( k + ) ( ) e( k + k) k k + t zu( z) = u( z) + ze( z) u( z) z = s ez ( ) z z z s z z Micael Šebek Pr-ARI
8 Metoda Tustinova neboli bilineární Automatické řízení - Kybernetika a robotika Bilineární Tustinově transformaci odpovídá v tomto grafu nárada červené plocy zeleným licoběžníkem k+ e ( τ) dτ [ e ( k ) + e ( k + )] k 2 u( k + ) = u( k) + k+ e( τ) dτ = u( k ) + e k k 2 Použitím z-transformace zu( z) = u( z) + e( z) + ze( z) 2 2 uz ( ) z+ = ez ( ) 2 z k [ ( ) + e ( + )] et () z+ s 2 z e k e( k + ) ( ) k e( k) k + obsa zelenéo licoběžníku e k e k 2 [ ( ) + ( + )] 2 z 2 z s = z+ + z t Micael Šebek Pr-ARI
9 Automatické řízení - Kybernetika a robotika Vlastnosti aproximací Řád Všecny tyto transformace zacovávají řád systému a tedy i počet pólů Aproximace vyššíc řádů se neužívají proto, že by řád zvyšovaly Aliasing Pozor na stroboskopický efekt: regulátor nesprávně reaguje na nesprávně vzorkovaný (alised) signál: porucu nebo referenci Může pomoci anti-aliasing filter : Pak VF signály nepůsobí cybně, jsou neviditelné Ale filtr přidává fázové zpoždění a potenciálně destabilizuje CL Stabilita OL Je-li C(s) stabilní, je stabilní i C(z)? Porovnání dále. Podobně minimální fáze Stabilita CL: I když je při předběžném návru spojitý CL systém navržen jako stabilní, po připojení aproximovanéo diskrétnío regulátoru stabilní být nemusí Musíme vypočítat diskrétní model soustavy se vzorkovačem a ZOH, spojit o s diskrétním regulátorem a testovat toto CL spojení na diskrétní stabilitu! Micael Šebek Pr-ARI
10 Stabilita spojitéo regulátoru a jeo aproximace (OL) Automatické řízení - Kybernetika a robotika Přímá diference spojitý diskrétní s z = e + s Re s< 0 Re s< 0 z z s = = Re z < Re + s < 0 Stabilní spojitý regulátor s módy (póly) VF nebo slabě tlumenými má nestabilní diskrétní aproximaci Micael Šebek Pr-ARI
11 Stabilita spojitéo regulátoru a jeo aproximace (OL) Automatické řízení - Kybernetika a robotika Zpětná diference z = 0 s Stabilita zacována I když má spojitý málo tlumené módy, diskrétní je nemá s = z 0 Tustinova metoda + s 2 2 z z =, s = s 2 z + Nejen že zacová stabilitu (a minimální fázovost) Zobrazení stabilní oblasti je one-to-one, proto se užívá nejčastěji 0 Micael Šebek Pr-ARI-2-202
12 Automatické řízení - Kybernetika a robotika Ručně Cs () a a s 2 z s = + z Tustinova metoda: Numerický příklad ( ) = a + z a C + Tustin ( z) = = ( ) 2 z a + a + 2 z + z V Matlabu CSTbx: >> a=2;=4;c=a./(a+s) C = s >> CTustin=c2d(tf(C),,'tustin') Transfer function: 0.8 z z Sampling time: 4 Micael Šebek Pr-ARI
13 Příklady Automatické řízení - Kybernetika a robotika Spojitý regulátor s přenosem Aproximujeme přímou diferencí Zpětnou diferencí a Cs () = a + s ( ) a a Cforward z = = z a + z + a A Tustinovou metodou C Tustin ( z) ( ) a az Cbackward z = = z a + z( a + ) z a a( z + ) = = 2 z a + ( a + 2) z + a 2 z + Micael Šebek Pr-ARI
14 Automatické řízení - Kybernetika a robotika Spojitý regulátor s přenosem Cs () = s + ( 0.s+ )( 0.0+ s) Aproximujeme: přímá diference zpětná diference tustin >> C=(s+)/((0.*s+)*(0.0*s+));=.05; >> fs=/,fn=fs/2,oms=2*pi*fs,omn=2*pi*fn 0 = , fs = 20, fn = 0, oms = 2^, omn = 63 >> S=(z-)/; >> Cpd=(S+)/((0.*S+)*(0.0*S+)),props(Cpd,); Cpd = 50(z ) / (z )(z ) >> S=(z-)./*z; >> Czd=(S+)/((0.*S+)*(0.0*S+)),props(Czd,); >> Ctu=c2d(tf(C),,'tustin') Transfer function: z^ z z^ z >> bode(tf(c),tf(cpd),tf(czd),ctu) Magnitude (db) Pase (deg) Bode Diagram Příklady Frequency (rad/s) Tustinova aproximace: nejlepší, až na okolí Nyquistovy frekvence! ωs 2 = ω = 63rad s N Micael Šebek Pr-ARI
15 Automatické řízení - Kybernetika a robotika Zkreslení frekvence při Tustinově transformaci Tustinova trans. zobrazuje imaginární osu na jednot. kružnici jedenkrát! Všecny spojité frekvence s = jω j[ 0, ] zobrazí na diskrétní jω frekvence z = e, Ω [ 0, π. ]. Např. s = j z = e jπ = Naproti tomu vzorkování zobrazuje frekvence přes ω Ω, takže j s = jπ z = e π = 2 z jω Dosadíme-li do transformačnío vztau s = za s = jω, z = e z+ dostaneme jω jω 2 jω 2 2 e 2 e e 2 jsin( Ω 2) 2 j Ω jω = = = = jω jω 2 jω 2 tan e + e + e cos( Ω2) 2 Z too vycází výsledné zkreslení 2 ω Ω= arctan 2 jω jω s z j e ω j e Ω j e Ω j e ω přesně aproximace Micael Šebek Pr-ARI
16 Zkreslení frekvence při Tustinově transformaci Automatické řízení - Kybernetika a robotika 2 ω Ω= arctan je přibližně 2 Diskrétní frekvence Ω[ rad s] Ω ω ( ω) 2 2 Tustinova transformace n ( ) x arctan x = 0 2n + 3 x = x +, 3 x, x= i, i 2n+ Spojitá frekvence ω [ rad s] Ω=ω vzorkování Toto zkreslení měřítka frekvencí - frequency warping - je nepříjemné. Např. digitální realizace spojitéo filtru typu pásmová propusť (zádrž) nemusí správně zacovat požadované pásmo Micael Šebek Pr-ARI
17 Automatické řízení - Kybernetika a robotika Pro jednu vybranou frekvenci můžeme zkreslení napravit Úpravou transformace ne z s = α, které také Re s< 0 z < z + a stupeň volnosti α můžeme využít k modifikaci zkreslení: Prewarping j pw Vybereme α, aby pro jednu frekvenci ω pw bylo C( jω pw) = Cz ( e ω ) Pak bude Cs () = C() z přesně platit pro s = j0, (DC) a s = jω pw z jω pw e jωpw = α = jα α = jω pw e + ( ω pw ) tan 2 Frekvence pro prewarping musí být v rozsau ωpw 0, π Pro ω = 0 dostáváme klasikou transformaci s α = 2 pw ω pw Prewarping [ ) Vybíráme např. ωpw = ωc (pomůže zacovat PM), nebo frekvenci kritickéo vrubu nebo frekvenci kritickéo oscilačnío módu Micael Šebek Pr-ARI
18 Automatické řízení - Kybernetika a robotika Klasická Tustinova transformace: zkreslení Tustinova transformace s prewarpingem: zkreslení Diskrétní frekvence Ω[ rad s] 2 ω Ω= ar ca tn 2 2 ω Ω pw = arcta n, α = α ω pw tan Prewarping ω prewarping Tustinova transformace pw ( ω pw 2) Spojitá frekvence ω [ rad s] Ω=ω vzorkování Micael Šebek Pr-ARI
19 Automatické řízení - Kybernetika a robotika Spojitý regulátor s přenosem Cs () = s + ( 0.s+ )( 0.0+ s) Aproximujeme: Tustin Tustin s prewarpingem ω = 50 rad s >> C=(s+)/((0.*s+)*(0.0*s+));=.05; >> Ctustin=c2d(tf(C),,'tustin') Transfer function: z^ z z^ z Sampling time (seconds): 0.05 pw >> opt = c2doptions('metod','tustin','prewarpfrequency',50); >> Cpw = c2d(tf(c),,opt) Transfer function: z^ z z^ z >> bode(tf(c),ctu,cpw) Magnitude (db) Pase (deg) Bode Diagram ω pw = Příklad Frequency (rad/s) 50 rad s ωs 2 = ω = 63rad s Micael Šebek Pr-ARI N
20 Automatické řízení - Kybernetika a robotika Příklad: Prewarping Soustavu s přenosem G( s) = řídíme diskrétně s = 0. s s s + ( ) G Pro spojitý návr započteme vliv ZOH ZOH () s = 0.05s + takže běem návru pracujme s přenosem soustavy des ( ) ( ) ( ) G s = G s G s = ZOH ( + )( 0.05s+ ) Při spojitém návru (který tu přeskočíme) jsme navrli spojitý regulátor ( ) 25.7 s + C s = s + s s Kterým jsme dosáli odnot ω = 2.8, PM = 46.9 C Micael Šebek Pr-ARI
21 Příklad: Prewarping Automatické řízení - Kybernetika a robotika Spojitý regulátor ( ) s + C s = s + Nyní aproximujeme Tustinovou metodou z z s = 20 Ctustin ( z) = z + z >>G=tf(./(s*(s+)));=.;C=tf(25.7 *(.593*s+)./(.002*s+));Gdes=G*tf (/(.05*s+));omegaC=2.8; >> Ctustin=c2d(C,,'tustin') Transfer function: z z >> Cpw=c2d(C,,'prewarp',omegaC) Transfer function: z z A také použitím prewarping na frekvenci ω pw z 2.8 z z s = = = 7.2 C ω pwt z+ tan ( 0.64) z+ z + tan 2 ω C = 2.8 = ω pw ( z) = pw z z Micael Šebek Pr-ARI
22 Příklad: Bodeo grafy regulátorů Automatické řízení - Kybernetika a robotika >> bode(c,ctustin,cpw) ω = 2.8rad s Micael Šebek Pr-ARI pw 22
23 Příklad: Bodeo grafy přenosu OL Automatické řízení - Kybernetika a robotika >> Gdt=c2d(G,,'zo'); Transfer function: z z^ z >> Ldes=Gdes*C >> Ltustin=Gdt*Ctustin >> Lpw=Gdt*Cpw, >> bode(ldes,ltustin,lpw) ω = 2.8rad s pw Micael Šebek Pr-ARI
24 Příklad: Odezvy na skok Automatické řízení - Kybernetika a robotika >> Tdes=Ldes/(+Ldes); >> Ttustin=Ltustin/(+Ltustin); >> Tpw=Lpw/(+Lpw); >> step(tdes,ttustin,tpw,) Micael Šebek ARI
25 Automatické řízení - Kybernetika a robotika Metoda MPZ Metoda sladěnýc nul a pólů - MPZ (Matced pole-zero) s i vycází ze vztau mezi póly/nulami zi = e spojitéo a vzorkovanéo signálu použitéo zde na impulsní carakteristiku regulátoru Navíc, je-li to možné, přidáváme nuly v z =, tj. členy ( z + ) do čitatele, což vede k zprůměrování současné a předcozí odnoty Metoda je jednoducá a praktická, i když ne moc podložená Postup MPZ. vypočti nuly a póly spojitéo regulátoru C(s) s i 2. sestav C(z) tak, aby pro jeo nuly a póly platilo zi = e 3. je-li to možné, přidej do čitatele členy ( z +) tak, aby se stupeň čitatele = stupeň jmenovatele 4. nastav zesílení C(z) pro nulové nebo nízké frekvence stejné jako bylo zesílení v C(s) Micael Šebek Pr-ARI
26 Metoda MPZ Automatické řízení - Kybernetika a robotika MPZ pro s+ a Cs () = KC s + b z e C ( z) = K z e a MPZ D b zi = e s i a C(0) = K = C () = K b! e e a C MPZ D b a e K = K b e b D C a MPZ pro a a s+ a z e ( z+ )( z e ) C( s) = KC CMPZ,( z) = KD CMPZ ( z) = K b D b s( s+ b) ( z )( z e ) ( z )( z e ) a e K = K 2 b e b D C a Micael Šebek Pr-ARI
27 Příklad: ZOH Automatické řízení - Kybernetika a robotika rs () ys () rz ( ) yz ( ) Cz ( ) ZOH Gs () Cz ( ) Gz ( ) pro spojitý přenos Gs () je diskrétní přenos a = s + a ( ( ) ) a Gz = z = ss ( + a) ( e ( z ) ( )( a ) = α =, z α z α = e a ) z e a z { } a at = = e e ak ss ( + a) s s+ a ak z z { e } = a z z e = a z e z a ( e ) z = a ( z )( e z ) >> sdf(c2d(tf(/(s+)),,'zo')) ans = reduced (z ) Micael Šebek Pr-ARI
28 Automatické řízení - Kybernetika a robotika spojitý přenos části mixéru je Te () s τds τds s Gs () = = e Fs () = e T () s s+ a ec Příklad: Dopravní zpoždění teplá studená Pro odnoty a=, =, τ d =.5 najdeme diskrétní přenos Protože dopravní zpoždění τ d není celočíselným násobkem periody vzorkování, rozdělíme o na Tec zanedbatelné ztráty tepla τ d = l m, l Z, m <, m R.5 = 2 0.5, =, l = 2, λ = 0.5 Te tak dostaneme ms Gs () ls e Fs () = e s s ls e přičemž člen nakonec přejde na z l Micael Šebek Pr-ARI
29 Automatické řízení - Kybernetika a robotika po dosazení a rozkladu na parciální zlomky dostaneme ms ms Gs l e e { ()} Gz ( ) = ( z ) = ( z ) z s s s+ a Příklad: Dopravní zpoždění o m sekund posunutý jednotkový skok a stejně posunutá exponenciála protože posunutí jsou o méně než celou periodu (m<), nebere se vzorek pro t < 0 vzorky jsou tedy ( k) z ( z ) a( k m) am a e + ( k) ze ( z e ) am z z ze z+ α Gz ( ) = am ( ) l a = e l a z z z z e z ( z e ) Micael Šebek Pr-ARI
30 Příklad: Dopravní zpoždění Automatické řízení - Kybernetika a robotika pro odnoty a=, =, τ d =.5 >> G=tf([],[ ],'iodelay',.5) Transfer function: exp(-.5*s) * s + >> Gd=c2d(G,,'zo') Transfer function: z z^(-) * z^ z Sampling time: >> Gd/.3935 Transfer function: z z^(-) * z^ z Sampling time: spojitý přenos nemá nulu diskrétní přenos má nulu v am e e α = e am a α m >> m=0.:0.0:;alpa=(exp(-m)-exp(-))./(-exp(-m)); plot(m,-alpa); >> syms m; m_sb=solve('(exp(-m)-exp(-))/(-exp(-m))=') m_sb = -log(/2*exp(-)+/2) >> vpa(m_sb,3) ans =.380 Micael Šebek Pr-ARI
31 Příklad Automatické řízení - Kybernetika a robotika rs () ys () Cz ( ) FOH Gs () rz ( ) yz ( ) Cz ( ) Gz ( ) Gs () = 2 s { } { } 3 3 { } Gs () t ( k) 3 3 z( z + 4z + ) = = 2 4 ( k ) = { k } = 4 s s 3! ( z ) pro spojitý přenos napřed vypočteme Pak je diskrétní přenos Gz ( ) = ( z ) zz ( + 4z+ ) 4 z 2 = 6 ( z ) 6 ( z ) 2 ( z + 4z+ ) 2 >> Gz=c2d(tf(/s^2),,'fo') Transfer function: z^ z z^2-2 z + Sampling time: >> Gzp=sdf(Gz) Gzp = 0.667(z+3.732)(z ) (z-)(z-) Micael Šebek Pr-ARI
32 Příklad Automatické řízení - Kybernetika a robotika >> D=5/(s+5);DD=zpk(D); T=/5; >> DDtustin=c2d(DD,T,'tustin'), DDmpz=c2d(DD,T,'matced'),... DDzo=c2d(DD,T,'zo'),DDfo=c2d(DD,T,'fo'),... Zero/pole/gain: (z+) Sampling time: (z-0.743) Zero/pole/gain: Sampling time: (z-0.765) Zero/pole/gain: Sampling time: (z-0.765) Zero/pole/gain: (z ) Sampling time: (z-0.765) >> bode(dd,ddtustin,ddmpz,ddzo,ddfo) >> omegas=2*pi/t omegas = Micael Šebek Pr-ARI
33 Automatické řízení - Kybernetika a robotika Porovnání frekvenčníc carakteristik Gs () ω s 5 = s + 5 = 5 s 94 rad ω s 4 Tustin a FOH MPZ a ZOH spojitý všecny OK asi do ω 2= ω 4 N s ω N = ω s 2 4 MPZ a ZOH Tustin a FOH spojitý ω N = ω s 2 Micael Šebek Pr-ARI
34 Diskretizace stavovéo modelu: odvození Automatické řízení - Kybernetika a robotika Diskrétní stavový model soustavy + tvarovacío členu 0. řádu u( k) ZOH ut () x = Ax + Bu y = Cx + Du yt () Y() s y( k) u( k) x = + Fx + Gu y = Cx + Du k k k k k k y( k) Při odvození diskrétnío modelu vyjdeme z modelu spojitéo x = Ax + Bu y = Cx + Du Je-li tento systém v čase t0 ve stavu xt ( 0), pak v čase t t0 je ve stavu x t = e xt + e Buτ dτ A( t t0 ) A( t τ ) () ( 0) ( ) t0 kde pro výpočet musíme znát vstup v celém intervalu t [ t, t 0 ) Micael Šebek ARI
35 Automatické řízení - Kybernetika a robotika Diskretizace stavovéo modelu: odvození Při ledání diskrétnío modelu nás zajímá, jaký závisí stav v čase k na stavu v čase t k za předpokladu ZOH, tj. konstantnío vstupu uk = u( τ), τ [ tk, tk+ ) běem celéo intervalu mezi vzorkováními Označíme-li = t t a použijeme předcozí vzoreček, dostaneme k+ x t = e x t + e Bu τ dτ A( t ) ( ) ( ) k t k k t k + + A ( k) k+ τ + ( ) tk t A e x t e dτbut = + k+ A( tk+ τ ) ( k) ( k) tk ( ) Aν ν 0 A = e xt ( ) + e d But ( ) k Protože výstupní rovnici vzorkování nezmění, dostaneme diskrétní model x( tk+ ) = Fx( tk) + Gut ( k) y( t ) = ( t ) + Du( t ) k t k k k k ν = τ F = e t k + A t + ( ) A Cx G = e ν dν 0 B Micael Šebek ARI
36 Výpočet maticové exponenciály Automatické řízení - Kybernetika a robotika Existuje mnoo metod pro výpočet maticové exponenciály a jejío integrálu Rozklad exponenciály v Taylorovu řadu ( ) A ν ν 0 A F= e, G = e d B i i+ A A A A V = e ν dν = I F = I + AV, G = VB 0 2! 3! ( i + )! Přes Jordanův tvar (vlastní čísla) { λ } A= V diag V i Caylay-Hamiltonův teorém Matlabská funkce expm Padéo aproximace λi { } A e = V diag e V >> expmdemo2 >> expmdemo3 >> expmdemo Micael Šebek ARI
37 Příklad Automatické řízení - Kybernetika a robotika Pro spojitý systém. řádu a periodu vzorkování je x = αx+ βu F A = = e e α ( ) αν β ( αν e dν β e ) 0 G = = α Takže diskrétní popis vzorkovanéo systému se ZOH je α β ( ) ( ) ( αν xk+ = e xk + e ) uk ( ) α Micael Šebek ARI
38 Příklad Automatické řízení - Kybernetika a robotika Pro dvojitý integrátor se stavovým popisem vzorkovaný s periodou je 0 0 x () t = () t ut () 0 0 x + () 0 x() t yt = [ ] A F= e = I+ A+ A 2+ = = 0 2 Aν ν 2 G = e Bdν = dν = 0 0 Takže diskrétní popis vzorkovanéo systému (se ZOH) je 2 2 x( k+ ) = ( k) uk ( ) 0 x + yk ( ) = 0 x( k) [ ] Micael Šebek ARI
39 Automatické řízení - Kybernetika a robotika Problém okamžitéo výpočtu v předcozíc příkladec: stupeň čitatele v z = stupeň jmenovatele v z tedy diferenční rovnice regulátoru je u(k) + členy s k-, = ce(k) + členy s k-, k-2, takový číslicový regulátor musí počítat okamžitě, tedy zpoždění plynoucí z nenulové doby výpočtu je zanedbáno to je prakticky přijatelné jen pokud výpočetní čas < /0, jinak musí mít diskrétní regulátor aspoň zpoždění krok stupeň čitatele v z < stupeň jmenovatele v z (dostaneme o třeba tak, že v MPZ metodě stupeň nedorovnáme) anebo to zpoždění musíme přidat do soustavy nejde o dopravní zpoždění, je to jen způsob indexování Micael Šebek Pr-ARI
40 Frekvenční model ZOH: Značení Automatické řízení - Kybernetika a robotika Jednotkové pulzy rect( t), t 2 = 0, t > t t 2 rect( ) [ ] [ ], t 0, = 0, t 0, 0 t Funkce sinc sin x sinc( x) = x Normalizovaná funkce sinc sinc( x) sin( π x) = π x používá se ve zpracování signálů a má integrál (přes všecny x) = Micael Šebek ARI
41 Automatické řízení - Kybernetika a robotika Frekvenční model ZOH? ZOH rekonstruuje spojitý signál t 2 k ut ( ) = z diskrétnío podle vztau uk ( ) rect( ) k = 0 Můžeme o také modelovat LTI filtrem s obdélníkovou impulzní odezvou, ne jeož vstup přicází série Diracovýc pulzů t k us ( t) = uk ( ) δ( ) = uk ( ) δ( t k) k= 0 k= 0 Škálování vzniká z časovéo škálování Diraců. Díky jemu je střední odnota us () t rovna středná odnotě uk ( ) a výsledný filtr má DC zesílení =. Někteří autoři o vypouštějí, a pak má výsledný filtr DC zesílení =. ZOH tedy můžeme považovat za ypotetický LTI filtr (systém), který mění ZOH výše uvedenou vstupní posloupnost na výše uvedenou výstupní funkci. Jeo impulzní odezva je obdélník t, t [ 0, T] gzoh ( t) = rect( ) = délky,výšky /, s plocou = 2 0, t [ 0, T] Micael Šebek ARI
42 Automatické řízení - Kybernetika a robotika Frekvenční model ZOH? Použitím Fourierovy transformace vypočteme jeo frekvenční přenos ( ) j2π f jπ f jπ f e jπ f e e jπ f j2sin( π f) jπ f GZOH f = = e = e = e sinc( f) j2π f j2π f j2π f e ω sinc( ω 2 π) jω jω jω 2 GZOH ( j ) = = e Dosazením s = jω = j2π f dostaneme přenos v Laplaceově transformaci G ZOH ( jω ) e = s s ut () uk ( ) ut () ZOH LPF Tento přenos má DC zesílení =. ( ) Někteří požívají jako přenos ZOH G jω = s DC zesílením = ZOH e s s Micael Šebek ARI
43 Automatické řízení - Kybernetika a robotika Inverzní proces ke vzorkování: interpolační vzorec, Wittaker Sannon ut () uk ( ) ut () t sinc( LPF) Ideální dolní propusť: Její impulsní odezva je a Bodeo graf je sin( π x) sinc( x) = G( jω) π x Ideální rekonstrukce, ω < π = 0, ω π Nekauzální, nelze implementovat - Lze aproximovat, ale lepší aproximace mají větší zpoždění, což je špatné pro CL stabilitu Micael Šebek ARI
44 Automatické řízení - Kybernetika a robotika Jak dobře rekonstruuje ZOH? ZOH je nejjednodušší a nejlevnější rekonstrukční filtr. Jak je dobrý? s jω jω 2 jω 2 e e jω 2 e e jω 2 2 jsin ( ω 2) GZOH ( s) = GZOH ( jω ) = = e = e s jω jω jω sin ( ω 2) = = ω 2 jω 2 jω 2 e e sinc( ω 2) Je tedy něco jako dolní propusť s dopravním zpožděním /2 Moc se nepodobá ideální dolní propusti a má dost velké fázové zpoždění Zejména poblíž ω N = π π 2π Micael Šebek ARI
Příklady k přednášce 21 - Diskrétní modely spojitých systémů
Příkldy k přednášce - Diskrétní modely spojitýc systémů Micel Šebek Automtické řízení 08 6-4-8 Automtické řízení - Kybernetik robotik Protože obecný regulátor (systém) můžeme relizovt sestvou s integrátory
Více21 Diskrétní modely spojitých systémů
21 Dikrétní modely pojitýc ytémů Micael Šebek Automatické řízení 2015 29-4-15 Metoda emulace Automatické řízení - Kybernetika a robotika pojitý regulátor nazývá e také aproximace, dikrétní ekvivalent,
VíceFlexibilita jednoduché naprogramování a přeprogramování řídícího systému
Téma 40 Jiří Cigler Zadání Číslicové řízení. Digitalizace a tvarování. Diskrétní systémy a jejich vlastnosti. Řízení diskrétních systémů. Diskrétní popis spojité soustavy. Návrh emulací. Nelineární řízení.
VíceSIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY
SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY TEMATICKÉ OKRUHY Signály se spojitým časem Základní signály se spojitým časem (základní spojité signály) Jednotkový skok σ (t), jednotkový impuls (Diracův impuls)
VícePříklady k přednášce 20 - Číslicové řízení
Příklady k přednášce 0 - Čílicové řízení Micael Šebek Automatické řízení 07-4- Vzorkování: vzta mezi a z pro komplexní póly Spojitý ignál má Laplaceův obraz póly v, Dikrétní ignál má z-obraz αt yt ( )
VíceDiskretizace. 29. dubna 2015
MSP: Domácí příprava č. 3 Vnitřní a vnější popis diskrétních systémů Dopředná Z-transformace Zpětná Z-transformace Řešení diferenčních rovnic Stabilita diskrétních systémů Spojování systémů Diskretizace
VíceOpakování z předmětu TES
Opakování z předmětu TES A3B35ARI 6..6 Vážení studenti, v následujících měsících budete každý týden z předmětu Automatické řízení dostávat domácí úkol z látky probrané v daném týdnu na přednáškách. Jsme
VícePříklady k přednášce 13 - Návrh frekvenčními metodami
Příklady k přednášce 13 - Návrh frekvenčními metodami Michael Šebek Automatické řízení 2015 30-3-15 Nastavení šířky pásma uzavřené smyčky Na přechodové frekvenci v otevřené smyčce je (z definice) Hodnota
Více7.1. Číslicové filtry IIR
Kapitola 7. Návrh číslicových filtrů Hraniční kmitočty propustného a nepropustného pásma jsou ve většině případů specifikovány v[hz] společně se vzorkovacím kmitočtem číslicového filtru. Návrhové algoritmy
Více23 - Diskrétní systémy
23 - Diskrétní systémy Michael Šebek Automatické řízení 215 3-5-15 Vzorkování dané metodou měření Automatické řízení - Kybernetika a robotika Systémy používající radar měření polohy cíle jednou za otáčku
Více24 - Diskrétní řízení
24 - Diskrétní řízení Michael Šebek Automatické řízení 213 13-5-14 Metody návrhu diskrétního řízení Automatické řízení - Kybernetika a robotika Návrh pro čistě diskrétní systémy Mnohé metody jsou analogické
VícePříklady k přednášce 8 - Geometrické místo kořenů aneb Root Locus
Příklady k přednášce 8 - Geometrické místo kořenů aneb Root Locus Michael Šebek Automatické řízení 018 1-3-18 Automatické řízení - Kybernetika a robotika Pro bod na RL platí (pro nějaké K>0) KL( s) = (k
Více12 - Frekvenční metody
12 - Frekvenční metody Michael Šebek Automatické řízení 218 28-3-18 Proč frekvenční metody? Řídicích systémy se posuzují z časových odezev na určité vstupní signály Naopak v komunikačních systémech častěji
Více23 - Diskrétní systémy
23 - Disrétní systémy Michael Šebe Automaticé řízení 218 29-4-18 Disrétní čas: z podstaty, z měření či z pohonu Otáčející se radar - měření polohy cíle jednou za otáču radaru motivace v počátcích historie
Více14 - Moderní frekvenční metody
4 - Moderní frekvenční metody Michael Šebek Automatické řízení 28 4-4-8 Loop shaping: Chování pro nízké frekvence Tvar OL frekvenční charakteristiky L(s)=KD(s)G(s) určuje chování, ustálenou odchylku a
VíceDoplňky k přednášce 23 Diskrétní systémy Diskrétní frekvenční charakteristiky
Doplňky k přednášce 3 Dikrétní ytémy Dikrétní frekvenční charakteritiky Michael Šebek Automatické řízení 011-1-11 Automatické řízení - Kybernetika a robotika e jω Matematika: Komplexní exponenciála = coω+
VíceDoplňky k přednášce 24 Diskrétní řízení Diskrétní metody analogické spojitým
Doplňky k přednášce 24 Diskrétní řízení Diskrétní metody analogické spojitým Michael Šebek Automatické řízení 2013 21-4-13 Metody diskrétního návrhu Metody diskrétního návrhu, které jsou stejné (velmi
VíceLineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti
Lineární a adaptivní zpracování dat 3. SYSTÉMY a jejich popis ve frekvenční oblasti Daniel Schwarz Osnova Opakování: systémy a jejich popis v časové oblasti Fourierovy řady Frekvenční charakteristika systémů
VícePříklady k přednášce 5 - Identifikace
Příklady k přednášce 5 - Identifikace Michael Šebek Automatické řízení 07 5-3-7 Jiná metoda pro. řád bez nul kmitavý Hledáme ωn Gs () k s + ζωn s + ωn Aplikujeme u( ) us () s. Změříme y( ), A, A, Td y(
VíceÚPGM FIT VUT Brno,
Systémy s diskrétním časem Jan Černocký ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz 1 LTI systémy v tomto kursu budeme pracovat pouze se systémy lineárními a časově invariantními. Úvod k nim jsme viděli již
Více15 - Stavové metody. Michael Šebek Automatické řízení
15 - Stavové metody Michael Šebek Automatické řízení 2016 10-4-16 Stavová zpětná vazba Když můžeme měřit celý stav (všechny složky stavového vektoru) soustavy, pak je můžeme využít k řízení u = K + r [
VícePříklady k přednášce 24 Diskrétní řízení
Příklady k přednášce 4 Diskrétní řízení Michael Šebek Automatické řízení 03 3-5-4 Automatické řízení - Kybernetika a robotika Vezměme opět dvojitý integrátor vzorkovaný s periodou h h h xk ( + ) 0 xk +
VíceModelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček. 8. přednáška 11MSP pondělí 20. dubna 2015
Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 8. přednáška 11MSP pondělí 20. dubna 2015 verze: 2015-04-14 12:31
Více20 - Číslicové a diskrétní řízení
20 - Číslicové a disrétní řízení Michael Šebe Automaticé řízení 2018 18-4-18 Automaticé řízení - Kybernetia a robotia Analogové a číslicové řízení Proč číslicově? Snadno se přeprogramuje (srovnej s výměnou
Více13 - Návrh frekvenčními metodami
3 - Návrh frekvenčními metodami Michael Šebek Automatické říení 208 28-3-8 Návrh pomocí Bodeho grafu Automatické říení - Kybernetika a robotika Návrh probíhá v OL s konečným cílem lepšit stabilitu a chování
VícePříklady k přednášce 14 - Moderní frekvenční metody
Příklady k přednášce 4 - Moderní frekvenční metody Michael Šebek Automatické řízení 28 4-4-8 Přenosy ve ZV systému Opakování: Přenosy v uzavřené smyčce ys () = Tsrs ()() + Ssds () () Tsns ()() us () =
VíceLineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita
Lineární a adpativní zpracování dat 3. Lineární filtrace I: Z-transformace, stabilita Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály, systémy, jejich vlastnosti a popis v časové
Více1 Modelování systémů 2. řádu
OBSAH Obsah 1 Modelování systémů 2. řádu 1 2 Řešení diferenciální rovnice 3 3 Ukázka řešení č. 1 9 4 Ukázka řešení č. 2 11 5 Ukázka řešení č. 3 12 6 Ukázka řešení č. 4 14 7 Ukázka řešení č. 5 16 8 Ukázka
VíceÚvod do zpracování signálů
1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování
VíceNastavení parametrů PID a PSD regulátorů
Fakulta elektrotechniky a informatiky Univerzita Pardubice Nastavení parametrů PID a PSD regulátorů Semestrální práce z předmětu Teorie řídicích systémů Jméno: Jiří Paar Datum: 9. 1. 2010 Zadání Je dána
VíceAnalýza lineárních regulačních systémů v časové doméně. V Modelice (ale i v Simulinku) máme blok TransfeFunction
Analýza lineárních regulačních systémů v časové doméně V Modelice (ale i v Simulinku) máme blok TransfeFunction Studijní materiály http://physiome.cz/atlas/sim/regulacesys/ Khoo: Physiological Control
VíceLineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně
Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály a systémy Vlastnosti systémů Systémy
VíceAutomatizační technika. Regulační obvod. Obsah
30.0.07 Akademický rok 07/08 Připravil: Radim Farana Automatizační technika Regulátory Obsah Analogové konvenční regulátory Regulátor typu PID Regulátor typu PID i Regulátor se dvěma stupni volnosti Omezení
Víceteorie elektronických obvodů Jiří Petržela obvodové funkce
Jiří Petržela obvod jako dvojbran dvojbranem rozumíme elektronický obvod mající dvě brány (vstupní a výstupní) dvojbranem může být zesilovač, pasivní i aktivní filtr, tranzistor v některém zapojení, přenosový
VíceLineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně
Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály a systémy Vlastnosti systémů Systémy
VícePři návrhu FIR filtru řešíme obvykle následující problémy:
Návrh FIR filtrů Při návrhu FIR filtru řešíme obvykle následující problémy: volba frekvenční odezvy požadovaného filtru; nejčastěji volíme ideální charakteristiku normovanou k Nyquistově frekvenci, popř.
VícePředmět A3B31TES/Př. 13
Předmět A3B31TES/Př. 13 PS 1 1 Katedra teorie obvodů, místnost č. 523, blok B2 Přednáška 13: Kvantování, modulace, stavový popis PS Předmět A3B31TES/Př. 13 květen 2015 1 / 28 Obsah 1 Kvantování 2 Modulace
VíceInverzní Laplaceova transformace
Inverzní Laplaceova transformace Modelování systémů a procesů (MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 6. přednáška MSP čtvrtek 30. března
VíceMĚŘENÍ ÚHLOVÝCH KMITŮ ZA ROTACE
26. mezinárodní konference DIAGO 27 TECHNICKÁ DIAGNOSTIKA STROJŮ A VÝROBNÍCH ZAŘÍZENÍ MĚŘENÍ ÚHLOVÝCH KMITŮ ZA ROTACE Jiří TŮMA VŠB Technická Univerzita Ostrava Osnova Motivace Kalibrace měření Princip
VíceInverzní z-transformace. prof. Miroslav Vlček. 25. dubna 2013
Modelování systémů a procesů 25. dubna 2013 Obsah Inverzní z-transformace 1 Inverzní z-transformace 2 Obsah Inverzní z-transformace 1 Inverzní z-transformace 2 Metody výpočtu inverzní z-transformace Zpětná
VíceČ š ý č čš é č š š é ř Š ř č Š ř é Í é č č Š ř č č ř č č ý ů ý é š č ř š ř šš é é ď š ý šť ý ů ď é ř š ý š ů š š ů ř ý š ď š é ř š ž š š Ž š ý Š é ý é ř š š Ž ý ý ý Í č é š č Č ČŠ é ý ř č é ž č š č š Á
VíceAutomatizace je proces při němž je řídicí funkce člověka nahrazována činností
Automatizace je proces při němž je řídicí funkce člověka nahrazována činností různých přístrojů a zařízení. (Mechanizace, Automatizace, Komplexní automatizace) Kybernetika je Věda, která zkoumá obecné
Více20 - Číslicové a diskrétní řízení
20 - Číslicové a disrétní řízení Michael Šebe Automaticé řízení 2013 22-4-14 Analogové a číslicové řízení Proč číslicově? Snadno se přeprogramuje (srovnej s výměnou rezistorů/apacitorů v analogové řídicím
VíceX31EO2 - Elektrické obvody 2. Kmitočtové charakteristiky
X3EO - Elektrické obvody Kmitočtové charakteristiky Doc. Ing. Petr Pollák, CSc. Letní semestr 5/6!!! Volné šíření není povoleno!!! Fázory a spektra Fázor harmonického průběhu Û m = U m e jϕ ut) = U m sinωt
VícePři návrhu FIR filtru řešíme obvykle následující problémy:
Návrh FIR filtrů Při návrhu FIR filtru řešíme obvykle následující problémy: volba frekvenční odezvy požadovaného filtru; nejčastěji volíme ideální charakteristiku normovanou k Nyquistově frekvenci, popř.
Více27 Systémy s více vstupy a výstupy
7 Systémy s více vstupy a výstupy Mchael Šebek Automatcké řízení 017 4-5-17 Stavový model MIMO systému Automatcké řízení - Kybernetka a robotka Má obecně m vstupů p výstupů x () t = Ax() t + Bu() t y()
VíceKYBERNETIKA. Prof. Ing. Vilém Srovnal, CSc. Vysoká škola báňská Technická univerzita Ostrava
KYBERNETIKA Prof. Ing. Vilém Srovnal, CSc. Vysoká škola báňská Technická univerzita Ostrava 28 . ÚVOD DO TECHNICKÉ KYBERNETIKY... 5 Co je to kybernetika... 5 Řídicí systémy... 6 Základní pojmy z teorie
Více4 - Vlastnosti systému: Stabilita, převrácená odezva, řiditelnost a pozorovatelnost
4 - Vlastnosti systému: Stabilita, převrácená odezva, řiditelnost a pozorovatelnost Michael Šebek Automatické řízení 25 25-2-5 Stabilita obecně Automatické řízení - Kybernetika a robotika Stabilita obecně
VíceDigitalizace převod AS DS (analogový diskrétní signál )
Digitalizace signálu v čase Digitalizace převod AS DS (analogový diskrétní signál ) v amplitudě Obvykle převod spojité předlohy (reality) f 1 (t/x,...), f 2 ()... připomenutí Digitalizace: 1. vzorkování
VíceDiferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program
Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí
Více26 Nelineární systémy a řízení
6 Nelineární systémy a řízení Michael Šebek Automatické řízení 016 18-5-16 Lineární vs. nelineární Reálné systémy jsou většinou (ne vždy) nelineární, při relativně malých signálech (výchylkách) je často
VíceLineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY
Lineární a adaptivní zpracování dat 1. ÚVOD: SIGNÁLY a SYSTÉMY Daniel Schwarz Investice do rozvoje vzdělávání Osnova Úvodní informace o předmětu Signály, časové řady klasifikace, příklady, vlastnosti Vzorkovací
VíceZpětná vazba, změna vlastností systému. Petr Hušek
Zpětná vazba, změna vlastností systému etr Hušek Zpětná vazba, změna vlastností systému etr Hušek husek@fel.cvut.cz katedra řídicí techniky Fakulta elektrotechnická ČVUT v raze MAS 2012/13 ČVUT v raze
VíceFourierova transformace
Fourierova transformace EO Přednáška Pavel Máša ÚVODEM Známe Fourierovy řady v komplexním tvaru f(t) = 1X k= 1 A k e jk! t Spektrum této řady je diskrétní A k = 1 T Obvody tedy musíme řešit v HUS člen
Vícezákladní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů
A0M38SPP - Signálové procesory v praxi - přednáška 4 2 Číslicové filtry typu FIR a IIR definice operace filtrace základní rozdělení FIR, IIR základní vlastnosti, používané struktury filtrů návrhové prostředky
Více7 - Ustálený stav kmitavý a nekmitavý, sledování a zadržení poruchy
7 - Utálený tav kmitavý a nekmitavý, ledování a zadržení poruchy Michael Šebek Automatické řízení 018 31-3-18 Automatické řízení - ybernetika a robotika zeílení ytému na frekvenci ω je G( jω) - viz amplitudový
Vícefiltry FIR zpracování signálů FIR & IIR Tomáš Novák
filtry FIR 1) Maximální překývnutí amplitudové frekvenční charakteristiky dolní propusti FIR řádu 100 je podle obr. 1 na frekvenci f=50hz o velikosti 0,15 tedy 1,1dB; přechodové pásmo je v rozsahu frekvencí
VíceSemestrální práce z předmětu Teorie systémů
Semestrální práce z předmětu Teorie systémů Autor: Tomáš Škařupa Skupina :3I3X Vedoucí hodiny: Ing. Libor Pekař Datum 3.. Obsah Analýza a syntéza jednorozměrného spojitého lineárního systému... 3. Přenosovou
VícePoznámky k Fourierově transformaci
Poznámky k Fourierově transformaci V těchto poznámkách jsou uvedeny základní vlastnosti jednorozměrné Fourierovy transformace a její aplikace na jednoduché modelové případy. Pro určitost jsou sdružené
VíceKTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni
KTE/TEVS - Rychlá Fourierova transformace Pavel Karban Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni 10.11.011 Outline 1 Motivace FT Fourierova transformace
VíceČíslicové zpracování signálů a Fourierova analýza.
Číslicové zpracování signálů a Fourierova analýza www.kme.zcu.cz/kmet/exm 1 Obsah prezentace 1. Úvod a motivace 2. Data v časové a frekvenční oblasti 3. Fourierova analýza teoreticky 4. Fourierova analýza
VíceÚvod do parciálních diferenciálních rovnic. 2 Kanonický tvar lineárních PDR 2. řádu pro funkce
Příklady na cvičení k přednášce NMMA334 Úvod do parciálních diferenciálních rovnic 1 Kanonický tvar lineárních PDR 2. řádu pro funkce dvou proměnných 1. Určete typ parciální diferenciální rovnice u xx
Více25 Dopravní zpoždění. Michael Šebek Automatické řízení 2013 21-4-13
5 Dopravní zpoždění Michael Šebek Automatické řízení 3-4-3 Dopravní zpoždění (Time delay, tranport delay, dead time, delay-differential ytem) V reálných ytémech e čato vykytuje dopravní zpoždění yt ( )
VíceDeformace rastrových obrázků
Deformace rastrových obrázků 1997-2011 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Warping 2011 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 22 Deformace obrázků
VíceÁ Š ř á ář Á É Í á š Ř ÁŘ á é ř č á ž é ř š ů ř á é ě š ď ř š šč Č á ě ý č ář é ď ý ý ř ě č ě ý Č Á Ě Ý Č ř ě ý č á š ž áš ě ž š ž č ě é č ě č éř ř š ý š ž á é áš č á ů á š š ř éž ř ý č á á ě ř á á ý ř
VíceNumerické metody a statistika
Numerické metody a statistika Radek Kučera VŠB-TU Ostrava 016-017 ( ) Numerické metody a statistika 016-017 1 / Numerické integrování ( ) Numerické metody a statistika 016-017 / Geometrický význam integrálu
VícePředmět A3B31TES/Př. 7
Předmět A3B31TES/Př. 7 PS 1 1 Katedra teorie obvodů, místnost č. 523, blok B2 Přednáška 7: Bodeho a Nyquistovy frekvenční charakteristiky PS Předmět A3B31TES/Př. 7 březen 2015 1 / 65 Obsah 1 Historie 2
VíceKomplexní analýza. Laplaceova transformace. Martin Bohata. Katedra matematiky FEL ČVUT v Praze
Komplexní analýza Laplaceova transformace Martin Bohata Katedra matematiky FEL ČVUT v Praze bohata@math.feld.cvut.cz Martin Bohata Komplexní analýza Laplaceova transformace 1 / 18 Definice Definice Laplaceovou
VíceLineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY
Lineární a adaptivní zpracování dat 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY Daniel Schwarz Investice do rozvoje vzdělávání Osnova Úvodní informace o předmětu Signály, časové řady klasifikace, příklady,
VíceSemestrální písemka BMA3 - termín varianta A13 vzorové řešení
Semestrální písemka BMA3 - termín 6.1.9 - varianta A13 vzorové řešení Každý příklad je hodnocen maximálně 18 body, z toho část a) 1 body a část b) body. Mezivýsledky při výpočtech zaokrouhlujte alespoň
VícePříklady k přednášce 25 Dopravní zpoždění
Příklady k přednášce 25 Dopravní zpoždění Michael Šebek Automatické řízení 23 2-4-3 L { } Dopravní zpoždění v Laplaceově tranformaci v ( + τ ) { f t } { } t f(): t f() t = t
Víceš ň č š š č č š š ř ř š č ČŠ ď š ú š ď š ň č é ď š é é š ž ó š č Ř č ř ď ť Č č š š Š ž ú č š č š č ř č ž č ž ř č ž ř Š ň ň ň ž č é š ž č ř ř č é š č Š Š č Š é Í č č Ť š š Ž č ů Ž ň č ř Ž č ž é č ž é č
VícePřednáška v rámci PhD. Studia
OBVODY SE SPÍNANÝMI KAPACITORY (Switched Capacitor Networks) Přednáška v rámci PhD. Studia Doc. Ing. Lubomír Brančík, CSc. UREL FEKT VUT v Brně ÚVOD DO PROBLEMATIKY Důsledek pokroku ve vývoji (miniaturizaci)
VíceGeometrické transformace
1/15 Předzpracování v prostoru obrazů Geometrické transformace Václav Hlaváč, Jan Kybic Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/
VíceZápadočeská univerzita v Plzni Fakulta aplikovaných věd KKY/LS2. Plzeň, 2008 Pavel Jedlička
Západočeská univerzita v Plzni Fakulta aplikovaných věd KKY/LS2 Semestrální práce Plzeň, 2008 Jan Krčmář Pavel Jedlička 1 Měřený model Je zadán systém (1), který budeme diskretizovat použitím funkce c2d
Vícer Odvoď te přenosovou funkci obvodů na obr.2.16, je-li vstupem napě tí u 1 a výstupem napě tí u 2. Uvaž ujte R = 1Ω, L = 1H a C = 1F.
Systé my, procesy a signály I - sbírka příkladů NEŘ EŠENÉPŘ ÍKADY r 223 Odvoď te přenosovou funkci obvodů na obr26, je-li vstupem napě tí u a výstupem napě tí Uvaž ujte Ω, H a F u u u a) b) c) u u u d)
Více31SCS Speciální číslicové systémy Antialiasing
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE 2006/2007 31SCS Speciální číslicové systémy Antialiasing Vypracoval: Ivo Vágner Email: Vagnei1@seznam.cz 1/7 Převod analogového signálu na digitální Složité operace,
Víceč ú ý Ú š ě ě ý ň Ř Č š č č ě é ú č Á ý ě ý ě ě é ý č ý š é ě ň ý ů ž ň ý ě ý ě ý š é č Ů ž ě ý ú č ý ý ů š ň č ž é č ž é ě č ú ý Ú š ě ě Á š ě ý ň Á č Ř ý ů ě ě ě ě ě é ě ě ě ý ě ě ů ýš ě ě š ů ě ý ž
VíceMultimediální systémy
Multimediální systémy Jan Outrata KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI přednášky Získání obsahu Jan Outrata (Univerzita Palackého v Olomouci) Multimediální systémy Olomouc, září prosinec
VíceFakulta elektrotechnická. Podpora výuky regulační techniky v bakalářském studiu (model AMIRA)
České vysoké učení technické v Praze Fakulta elektrotechnická BAKALÁŘSKÁ PRÁCE Podpora výuky regulační techniky v bakalářském studiu (model AMIRA) Praha, 26 Autor: Tomáš Pešek Pro hlášení Prohlašuji,
VíceŘešení úloh celostátního kola 59. ročníku fyzikální olympiády. Úlohy navrhl J. Thomas
Řešení úlo celostátnío kola 59. ročníku fyzikální olympiády Úloy navrl J. Tomas 1.a) Rovnice rozpadu je 38 94Pu 4 He + 34 9U; Q E r [ m 38 94Pu ) m 4 He ) m 34 9U )] c 9,17 1 13 J 5,71 MeV. body b) K dosažení
VíceNUMERICKÉ METODY. Problematika num. řešení úloh, chyby, podmíněnost, stabilita algoritmů. Aproximace funkcí.
NUMERICKÉ METODY. Problematika num. řešení úloh, chyby, podmíněnost, stabilita algoritmů. Aproximace funkcí. RNDr. Radovan Potůček, Ph.D., K-15, FVT UO, KŠ 5B/11, Radovan.Potucek@unob.cz, tel. 443056 -----
VíceLineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY
Lineární a adaptivní zpracování dat 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY Daniel Schwarz Investice do rozvoje vzdělávání Osnova Úvodní informace o předmětu Signály, časové řady klasifikace, příklady,
Více18 Fourierovy řady Úvod, základní pojmy
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 18: Fourierovy řady 7 18 Fourierovy řady 18.1 Úvod, základní pojmy Otázka J. Fouriera: Lze každou periodickou funkci napsat jako součet nějakých "elementárních"
VíceIMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA,
IMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA, STABILITA. Jednokový impuls (Diracův impuls, Diracova funkce, funkce dela) někdy éž disribuce dela z maemaického hlediska nejde o pravou funkci (přesný popis eorie
VíceNumerické řešení diferenciálních rovnic
Numerické řešení diferenciálníc rovnic Mirko Navara ttp://cmp.felk.cvut.cz/ navara/ Centrum strojovéo vnímání, katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a ttp://mat.feld.cvut.cz/nemecek/nummet.tml
VíceSoustavy lineárních diferenciálních rovnic I. řádu s konstantními koeficienty
Soustavy lineárních diferenciálních rovnic I řádu s konstantními koeficienty Definice a) Soustava tvaru x = ax + a y + az + f() t y = ax + a y + az + f () t z = a x + a y + a z + f () t se nazývá soustava
VíceÁŘ É š Ž ůž ž ů ů ž š Š Ž Č Ž ů Ž Ž ž ů ů Ž š Ž Ž Ž ž š Ž ů ž Ž ů ž Ž Ž š Ž Ů ž Ž ůž Ů š Š š š ů ů š Ž Ž š š š Ž š š ů ůž Š š ú Ž Š ť ň Š ů É š š š š š Ž š ů š Ž ůš š Š š Ž Ú š ž š ú š Č Ž Ž ů Ž Ž Ů š
Více14/10/2015 Z Á K L A D N Í C E N Í K Z B O Ž Í Strana: 1
14/10/2015 Z Á K L A D N Í C E N Í K Z B O Ž Í Strana: 1 S Á ČK Y NA PS Í E XK RE ME N TY SÁ ČK Y e xk re m en t. p o ti sk P ES C Sá čk y P ES C č er né,/ p ot is k/ 12 m y, 20 x2 7 +3 c m 8.8 10 bl ok
VíceKapitola 7: Neurčitý integrál. 1/14
Kapitola 7: Neurčitý integrál. 1/14 Neurčitý integrál 2/14 Definice: Necht f je funkce definovaná na intervalu I. Funkci F definovanou na intervalu I, pro kterou platí F (x) = f (x) x I nazýváme primitivní
VíceVlastnosti a modelování aditivního
Vlastnosti a modelování aditivního bílého šumu s normálním rozdělením kacmarp@fel.cvut.cz verze: 0090913 1 Bílý šum s normálním rozdělením V této kapitole se budeme zabývat reálným gaussovským šumem n(t),
VíceRekurentní filtry. Matlab
Rekurentní filtry IIR filtry filtry se zpětnou vazbou a nekonečnou impulsní odezvou Výstupní signál je závislý na vstupu a minulém výstupu. Existují různé konvence zápisu, pozor na to! Někde je záporná
Více2. Numerické výpočty. 1. Numerická derivace funkce
2. Numerické výpočty Excel je poměrně pohodlný nástroj na provádění různých numerických výpočtů. V příkladu si ukážeme možnosti výpočtu a zobrazení diferenciálních charakteristik analytické funkce, přičemž
VíceOsnova přednášky. Univerzita Jana Evangelisty Purkyně Základy automatizace Stabilita regulačního obvodu
Osnova přednášky 1) Základní pojmy; algoritmizace úlohy 2) Teorie logického řízení 3) Fuzzy logika 4) Algebra blokových schémat 5) Vlastnosti členů regulačních obvodů 6) Vlastnosti regulátorů 7) 8) Kvalita
VíceSignál v čase a jeho spektrum
Signál v čase a jeho spektrum Signály v časovém průběhu (tak jak je vidíme na osciloskopu) můžeme dělit na periodické a neperiodické. V obou případech je lze popsat spektrálně určit jaké kmitočty v sobě
VíceFrekvenční charakteristiky
Frekvenční charakteristiky EO2 Přednáška Pavel Máša ÚVODEM Frekvenční charakteristiky popisují závislost poměru amplitudy výstupního ku vstupnímu napětí a jejich fázový posun v závislosti na frekvenci
VíceZPRACOVÁNÍ SIGNÁLŮ Z MECHANICKÝCH. Jiří Tůma
ZPRACOVÁNÍ SIGNÁLŮ Z MECHANICKÝCH SYSTÉMŮ UŽITÍM FFT Jiří Tůma Štramberk 1997 ii Anotace Cílem této knihy je systematicky popsat metody analýzy signálů z mechanických systémů a strojních zařízení. Obsahem
VíceMĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky
MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky Při návrhu elektroakustických soustav, ale i jiných systémů, je vhodné nejprve
VíceA7B31ZZS 10. PŘEDNÁŠKA Návrh filtrů 1. prosince 2014
A7B3ZZS. PŘEDNÁŠKA Návrh filtrů. prosince 24 Návrhy jednoduchých filtrů Návrhy složitějších filtrů Porovnání FIR a IIR Nástroje pro návrh FIR filtrů v MATLABu Nástroje pro návrh IIR filtrů v MATLABu Kvantování
Více5.3. Implicitní funkce a její derivace
Výklad Podívejme se na následující problém. Uvažujme množinu M bodů [x,y] R 2, které splňují rovnici F(x, y) = 0, M = {[x,y] D F F(x,y) = 0}, kde z = F(x,y) je nějaká funkce dvou proměnných. Je-li F(x,y)
Více